《论文笔记》A Frontier-Based Approach for Autonomous Exploration

《A Frontier-Based Approach for Autonomous Exploration》

作者：Brian Yamauchi

单位：海军人工智能应用研究中心华盛顿海军研究实验室

会议：IEEE International Symposium on Computational Intelligence in Robotics and Automation（CIRA，应该就是一般的会议）

时间：1997

摘要：基于开放空间和未开发空间交界处的边界、区域的概念，我们提出了一种新的探索方法。通过移动到新的领域，移动机器人可以将其地图扩展到新的领域，直到整个环境都被探索完。我们描述了一种在证据网格中检测边界并导航到这些边界的方法。我们还介绍了一种使用激光受限声纳最小化证据网格中镜面反射的技术。我们用一个真实的移动机器人测试了这种方法，探索了现实世界中杂乱无章的各种障碍物的办公室环境。我们的方法的一个优点是它既可以探索大的开放空间，也可以探索狭窄的杂乱空间，这些空间中有任意方向的墙壁和障碍物。

具体实现：

探索的中心问题在于：鉴于你目前对世界的了解，你应移动到哪个位置来获取更多的信息？

本文提出的边界探索的中心思想在于：为了获得关于这个世界的最新的信息，移动到开放区域（已知无障碍区域）与未知区域的边界处。

1.关于传感器：用了激光、声呐、红外。在实验部分用了一个激光测距仪、十六个声呐、十六个红外。在小于16英寸的短距离时，用红外测距；因声呐存在镜面反射问题，影响机器人对边界的判断，所以辅之以激光测距仪。不用激光雷达是因为三维的贵、大且耗电，二维的不满足障碍探测需求。

2.边界探测过程：

（a）扫描。先给所有网格一个先验概率（算法对初值不敏感，此处给的是0.5），小于先验概率表示无障碍，大于则表示有障碍。图中，白色是无障碍区域（open），小黑点是未知区域（unknown），大黑点是障碍（occupied）。

（b）获取边界点集合（注意不是边界，边界点集合经筛选过后才称作边界）

（c）获取边界目标点。上图中展示的是目标点是经筛选后的边界的几何中心位置（目前的开源代码上可供选择的模式还有最近点和中点）。此处要进行边界的筛选，大于一定尺寸（约为机器人尺寸）的边界点集合才看作边界。

（d）找最近的边界目标以深度优先的方式进行探索。

（e）如果机器人不能朝着其目标点前进，则在一定时间之后，将目标点加入不可探测列表（比如目标点两侧有障碍环绕）。

（摘）在检测过程中，需要对未知区域进行一些处理，在后续一些别的论文中也有关于frontier的说明，会有一些形态学的处理方法，使得frontier尽量是单个像素（栅格）组成的。

 

结论：

在本文中，我们介绍了一种新的探索方法，它基于开放空间和未开发空间边界上的边界和区域的概念。通过不断移动到新的领域，移动机器人可以将其地图延伸到新的领域，直到整个环境都被探索完。我们描述并实现了一种在证据网格中检测边界并自主导航到这些边界的方法。我们还介绍了一种使用激光限制声纳最小化证据网格中镜面反射的技术。我们用一个真实的移动机器人测试了这种方法，我们探索了两种不同的、充满各种障碍的真实办公环境。

未来工作：

我们最近将基于边界的探索与舒尔茨、亚当斯和格伦施泰特开发的持续定位技术相结合[8]。该集成系统旨在探索大型环境，同时保持准确的位置估计。初步的结果是非常有希望的，我们目前正在进行实验，以测试集成系统的性能。