【文献阅读】基于Voronoi图的探索

已于 2022-10-30 11:18:41 修改
阅读量872 收藏 6
点赞数
分类专栏： 文献阅读 文章标签： 其他 学习方法
于 2022-10-18 20:21:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43280209/article/details/127269505
版权

近期查找UAV在未知环境中的协同探索，很多文章中提出了Voronoi图的方法，因此查找了一篇关于Voronoi的文章2020-IEEE Transactions on Vehicular Technology-Voronoi-Based Multi-Robot Autonomous Exploration in Unknown Environments via Deep Reinforcement Learning，下面是我对本文的一些内容记录，以便后续学习

目录

         一、摘要

二、主要内容

1. Contributions

2. 技术背景

A. 通信网络

B. Voronoi分区

C. 避免碰撞问题的表述

3. 协同探索策略

A. 分层控制结构

B. 探索robots的协同算法

C. 算法伪代码分析

         三、总结

一、摘要

本文提出了一种新的多移动robots协同探索策略

设计了一种包含高层决策层和低层目标跟踪层的分层控制体系结构

提出的合作勘探方法使用动态Voronoi分区开发→最大限度地减少重复的勘探区域

针对未知环境中的突发障碍，提出了一种基于深度强化学习的综合避撞算法

二、主要内容

深度强化学习技术需要全面了解环境（例如，障碍物的大小和位置）和机器人平台（例如，机器人的精确数学模型），在提前获得较少工作区域信息的情况下，有可能实现安全导航

本文旨在为分散的协同多robots设计一种有效的自主探索策略，同时避免突然观察到的障碍

1. Contributions

1）开发了一种基于Voronoi的探索策略，以有效地协调多robots团队对未知区域的探索。基于Voronoi动态分区，为每个robot分配不同的目标位置，以避免重复探测区域

2）提出了一种基于深度学习的避障算法来引导robots到达目标。该方法使控制策略能够从人类演示数据中学习

3）通过轮式移动robots的实际实验验证了所提出的合作探索策略的可能性

2. 技术背景

A. 通信网络

加权无线信息图→节点，边，相关邻接矩阵

信息流动，两个节点之间的距离

如果每对不同的节点之间都有一条路径，则无向图是连通的

图中两个节点之间的最短路径距离是连接它们的最短路径上所有边的权值之和

B. Voronoi分区

Voronoi分区在可用的移动robots平台之间划分区域，其中每个Voronoi单元的质心被取为单个移动robot的位置

使用Voronoi分区，可以根据robots团队成员的当前位置动态划分待映射的区域

通过构造，Voronoi分区可以通过robots之间的通信以去中心化的方式实现

使用动态Voronoi分区，每个robot只需知道其邻居的位置即可计算其分区

由于Voronoi分区是动态生成的，因此团队可以根据新的邻居（不包含失败的robot）调整Voronoi分区配置

C. 避免碰撞问题的表述

自主智能体的避碰问题是在每个自主智能体在欧式平面上移动的上下文中定义的

3. 协同探索策略

A. 分层控制结构

提出了一种网络化robot放入两层控制体系结构，包括高层决策层和低层目标跟踪层

在第一层中，基于Voronoi分区和同步映射选择所需的下一个边界点

这些信息被发送到第二层进行跟踪，并使用深度强化学习神经网络训练robot到达所需位置的位置，同时避免潜在的障碍

B. 探索robots的协同算法

第一层提出的合作探测策略

为了标记探测区域，多车系统中的每个robot在探测环境时都部署了信息节点

这些部署的信息节点形成了一个信息网络，允许机器人以分散的方式共享信息

信息节点可以是真是的传感器设备，也可以是每个机器人同步映射中的虚拟目标

一旦将信息节点部署到某一位置，它将在被感知区域与无传感器覆盖的开放区域之间的边界上生成一些新的边界点

每个robot均可以共享该网络并且对信息图进行更新

基于相邻的robot的位置，生成一个Voronoi分区，只考虑自身Voronoi分区中的边界点进行下一个动作→有效地移除探索者所选择的不需要的边界点

公式：分配给robot R_{i}放入前沿节点k的效用函数 

 \chi→满足0\leqslant \lambda \leqslant 1的标量，决定搜索的方式：深度or广度

d_{ik}→R_{i}与前沿节点k之间的距离 

\phi _{ik}→前沿节点k与R_{i}初始位置之间的距离

 C. 算法伪代码分析

1. 如果Robot R_{i}在以半径为r_{s}的圆内发现信息节点→R_{i}在当前位置放置一个信息节点

2. 如果选择的前沿节点f_{R_{i}}为空

→R_{i}使用最小定义边界点的效用函数函数搜索存在于自己Voronoi分区内的下一个前沿节点；

→将新搜索到的前沿节点设置为f_{R_{i}}；

→R_{i}开始沿着I_{i}^{t}中的最短路径移动到f_{R_{i}}

3. 如果R_{i}到达f_{R_{i}}→R_{i}在该位置放置一个信息节点

   否则R_{i}继续移动直至到达​​​​​f_{R_{i}}

4. 上诉3步骤不断循环，直至每个信息节点都没有边界点→没有发现新的边界点

注：I_{i}^{t}→作为信息图I在t时刻的子图，由R_{i}可以观察到的节点集生成

前沿节点并不是信息节点，信息节点提前部署，前沿节点为信息节点定义中的新的边界点

该算法基于Voronoi分区寻找前沿节点，并不断更新前沿节点的集合，将所有处于Voronoi分区内的节点均加入到信息节点中

三、总结

该文章本人仅阅读了Voronoi分区部分，对于这个部分有些问题

首先是信息节点的部署→部署信息节点的标准

其次是针对Voronoi分区→通过算法类似于对已经分区，但是作者要实现的是动态分区，动态体现在什么地方，作者阐述为robot只要知道邻居的位置既可以进行动态分区，但是这种分区的基准是什么

最后是前沿节点→是否可以理解为信息节点为那个被选择的前沿节点，但是在算法理解中步骤2作者阐述的是会将新探索到的节点加入到前沿节点中，那么可以保证该结点就是已部署的信息节点吗

该文章中作者所写的总结：大体与摘要相同，除了几个点

1. 设计了一个兼顾路径代价和目标距离的效用函数来确定目标的下一个边界点，从而根据不同的额场景选择深度优先和广度优先模式

2. 避障算法→DDPG+PER

最后作者提出了仿真结果及算法的有效性

该文章为个人学习笔记，部分内容不全，对该文章感兴趣的读者请移步Voronoi-Based Multi-Robot Autonomous Exploration in Unknown Environments via Deep Reinforcement Learning | IEEE Journals & Magazine | IEEE Xplore

如有侵权，联系立删

疑惑的兔子
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【路径规划】基于matlab GUI粒子群算法求解机器人障碍物环境的Voronoi图路径规划【含Matlab源码 3748期】
订阅付费专栏（初级版），可赠送该付费专栏任意代码1份；
12-28 1621
粒子群算法求解机器人障碍物环境的Voronoi图路径规划 完整的代码，方可运行；可提供运行操作视频！适合小白！
基于 Voronoi 图的图像分区：根据 Voronoi 曲面细分，可以将图像划分为子图像或区域-matlab开发
06-01
[voroimage,sub_image]=voronoizone(x,y,img) 对于图像平面上定义数量的点，voronoizone 计算图像空间上的 voronoi 图，并根据区域将图像划分为子图像。
Voronoi划分
lzhf1122的博客
06-05 7246
泰森多边形（Voronoi diagram）        荷兰气候学家A•H•Thiessen提出了一种根据离散分布的气象站的降雨量来计算平均降雨量的方法，即将所有相邻气象站连成三角形，作这些三角形各边的垂直平分线（如图a），于是每个气象站周围的若干垂直平分线便围成一个多边形。用这个多边形内所包含的一个唯一气象站的降雨强度来表示这个多边形区域内的降雨强度，并称这个多边形为泰森多边形（如图b）。
python区域找图_python – 查找包含任意坐标列表的voronoi区域
weixin_39585035的博客
11-27 334
我正在使用一种算法,对于每次迭代,需要找到一组生态协调所属的Voronoi图的哪个区域.也就是说,每个坐标位于哪个区域内. (我们可以假设所有坐标都属于一个区域,如果这有任何区别的话.)我还没有任何适用于Python的代码,但伪代码看起来像这样：## we are in two dimensions and we have 0...
Voronoi图
Claroja
08-24 7802
Voronoi图特点 1、每个多边形内仅含有一个中心点； 2、每个多边形区域内的点到相应中心点的距离最近； 3、位于多边形边上的点到其两边的中心的距离相等。 Voronoi图做法 1. 构建三角型网 2. 找到每个三角形的外接圆圆心 3. 连接外接圆圆心 参考文献： http://blog.csdn.net/k346k346/article/details/52244123
Autonomous Robotic Exploration Based on Multiple Rapidly-exploring-笔记
ibelieveyouonly的博客
07-09 463
论文链接 机器人探索算法主要就是引导机器人在未知空间去进行探索，一般常用的策略就是寻找边界，机器人移动到边界点（划分已经探索和未知区域），但是随着地图的扩大，检测边界需要消耗很多的计算资源。 RRT：核心特点是偏向于探索未知区域，能够探索整个地图，但可能有回溯问题（机器人容易折返），SRT算法也不一定能有效解决。 本文：使用RRT算法，但是只将其用于边界点检测，即机器人不按照RRT树进行移动，多颗RRT 的构建是独立的，机器人每次只是从中选取边界点去进行探索。 关键术语： 总地图 X ，占用网格（0 1 -
基于 Voronoi 图的移动机器人 SLAM 算法.pdf
04-18
基于 Voronoi 图的移动机器人 SLAM 算法
matlab复现基于voronoi图最小化围捕算法
最新发布
04-22
需要对每个元胞构成的voronoi图的顶点重新分配，把无穷远的点替换成直线的交点 预处理：遍历所有的元胞，把元胞C在正方形外的顶点和无穷远的顶点ID都删除掉，只保留在正方形内的顶点 如果顶点在正方形上怎么办，...
基于voronoi图最小化围捕算法.rar
01-18
基于voronoi图最小化围捕算法 循环控制 1. 判断所有的evader是否被抓住 2. 获取各个agent的位置 3. 计算场上或者的agent维诺图 4. 计算pursuer和evader速度方向 5. 运动到指定点的位置 6. 计算是否触发捕获 计算每个...
compute_voronoi:此代码计算有界多边形上的 voronoi 分区。-matlab开发
05-29
此代码计算有界多边形上的 voronoi 分区。 它尚未经过严格测试，因此可能存在错误。
分区加权voronoi图的生成
03-04
基于生成元的扩张算法生成分区加权V图程序，属于栅格算法，是目前最好的分区加权图生成算法
基于GPU的并行Voronoi图栅格生成算法
01-20
Voronoi图是一种空间分割算法。其是对空间中的n个离散点而言的，它将平面分割为n个区域，每个区域包括一个点，此区域是到该点距离近的点的集合。由于Voronoi图具有邻近性，邻接性等众多性质和完善的理论体系，其被...
基于Voronoi图的无线传感器网络栅栏覆盖算法设计.pdf
05-04
基于Voronoi图的无线传感器网络栅栏覆盖算法设计.pdf
基于三维Voronoi图划分的加权混合回归定位算法
weixin_70923796的博客
07-21 310
图论知识能够更贴近的表达网络中的节点分布，不再只是规则的划分定位区域，在划分区域的同时，网络中增加了更多的可参考位置坐标。同时，这也启发我们，在传感器网络节点定位的过程中，为了延长整个网络的寿命，在定位过程中，可以引入锚节点睡眠机制，通过轮休来降低网络功耗。由于锚节点的比例在定位算法中对定位性能有一定的影响，很多文献将定位空间划分成立方体，真实的无线传感器网络并不是规则的立方体结构，统一划分成立方体结构将影响网络的普适性。一般在传感器网络中，节点被分为锚节点和普通节点，锚节点性能比普通节点好，其坐标已知。.
voronoi图_ProteinGCN | 使用图卷积网络表示学习蛋白质结构
weixin_39894473的博客
12-11 406
对蛋白质结构模型准确性局部（单残基）和全局（整个结构）的预测是许多蛋白质建模应用程序中必不可少的步骤。随着最近深度学习技术的发展，单模型质量评估的方法也已经能通过使用2D和3D卷积深度神经网络取得了进展。今天给大家介绍的是印度科学研究所Partha Talukdar课题组在BioRxiv杂志上发表的一篇关于蛋白质模型质量评估的文章。在文中，作者探索了一种可替代的方法，在包含2897个蛋白300k个...
沃罗诺伊图（Voronoi）：帝国边界划分问题【2/2】
gongdiwudu的专栏
08-11 2572
Voronoi 单元也称为泰森多边形。 Voronoi 图在许多领域都有实际和理论应用，主要是在科学和技术领域，但也在视觉艺术领域使用。
QT属性动画--设置样式属性(其他属性)
lizequan的博客
03-02 4985
这里写自定义目录标题故事背景遇到的问题解决过程最终方法感悟 故事背景   最近在制作一个按钮切换的动画特效中接触了属性动画这部分内容，并由此产生了一些思考。 遇到的问题 解决过程 最终方法 感悟 ...
Volatile的其他特性
我想月薪过万的博客
03-03 3657
2.1 volatile总体概览 在上一节中，我们已经研究完了volatile可以实现并发下共享变量的可见性，volatile除了保证可见性外，volatile还具备如下一些突出的特性： volatile的原子性问题：volatile不能保证原子性操作 禁止指令重排序：volatile可以防止指令重排序操作 2.2 volatile不保证原子性 2.3 代码测试 package Ls; /** * 目标：研究Volatile的原子性操作 * <p> * 基本观点：V.
matlab仿真多机器人寻源基于voronoi图的代码
05-19
以下是一个基于Voronoi图的多机器人寻源的Matlab仿真代码，供参考： ``` clc;clear all;close all; %参数设置 N=5; %机器人个数 x0=rand(2,N)*10; %初始位置 d=5; %检测距离 v=1; %速度 dt=0.1; %时间步长 t=0:dt:100; %时间序列 %目标点设置 xg=[20;20]; %画图准备 figure (1) hold on; axis([0 25 0 25]); title('多机器人寻源仿真'); xlabel('X'); ylabel('Y'); %画出初始位置和目标点 plot(xg(1),xg(2),'r*','MarkerSize',10); plot(x0(1,:),x0(2,:),'bo'); %循环 for k=1:length(t) %计算Voronoi图 [v,c]=voronoin(x0'); %画出Voronoi图 voronoi(x0(1,:),x0(2,:)); %循环每个机器人 for i=1:N %找出机器人i的邻居 nei=setdiff(findNeighbors(v,c,i),i); %计算机器人i的速度 vi=Velocity(i,x0,nei,xg,v,d,v); %更新机器人i的位置 x0(:,i)=x0(:,i)+vi*dt; %画出更新后机器人i的位置 plot(x0(1,i),x0(2,i),'bo'); end %判断是否所有机器人都到达了目标点 if norm((x0-xg),2)<1e-3 break; end %暂停一下，方便观察 pause(0.1); end %显示结束信息 if k<length(t) fprintf('在第%d秒所有机器人都到达了目标点\n',k*dt); else fprintf('在%ds内未找到路径\n',t(end)); end ``` 其中，`Velocity` 函数用来计算每个机器人的速度，代码如下： ``` function vi=Velocity(i,x0,nei,xg,voronoi,d,v) %计算机器人i的速度 % x0：所有机器人的位置 % nei：机器人i的邻居 % xg：目标点 % voronoi：Voronoi图 % d：检测距离 % v：速度 %返回机器人i的速度 vi=zeros(2,1); %计算机器人i到目标点的方向 dir=xg-x0(:,i); dir=dir/norm(dir,2); %计算机器人i到其他机器人的距离和方向 dis=zeros(length(nei),1); dir_n=zeros(2,length(nei)); for j=1:length(nei) dis(j)=norm(x0(:,nei(j))-x0(:,i),2); dir_n(:,j)=(x0(:,nei(j))-x0(:,i))/dis(j); end %计算机器人i的速度 if isempty(nei) %没有邻居，直接朝目标点走 vi=v*dir; else %有邻居，考虑避障 %计算机器人i到Voronoi图上的最近点的距离 point=voronoi{nei(1)}(1:2); dis_v=norm(point-x0(:,i),2); for j=2:length(nei) point=voronoi{nei(j)}(1:2); dis_v=min(dis_v,norm(point-x0(:,i),2)); end %判断是否需要避障 if dis_v<=d %需要避障 %计算机器人i的速度方向 dir_a=dir; for j=1:length(nei) if dis(j)<=d %在危险范围内 %计算机器人i需要避开的方向 dir_o=dir_n(:,j); dir_a=dir_a-((d-dis(j))/d)*(1-dis_v/d)*dir_o; end end %重新计算机器人i的速度 vi=v*dir_a/norm(dir_a,2); else %不需要避障 vi=v*dir; end end end ``` 该代码实现了多机器人的协作寻源，机器人通过Voronoi图来计算避障方向，从而避免碰撞。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值