机器人自主导航路径规划实现算法介绍

自主导航介绍

机器人实现自主导航就是实现机器人自主完成行驶任务，自主避障。
功能需要：定位；建图；规划

定位：确定机器人位置信息
建图：识别建立环境地图，以栅格占用地图为主。

    地图分为：占用栅格地图及代价地图（costmap）。
    其中占用栅格地图表述地图的静态障碍物信息
    代价地图（costmap）用于导航，机器人以最小cost总和完成任务。

规划：基于得到的机器人位置信息及环境地图信息，以及给定的目标点，规划完成导航任务。

   规划包括：全局规划和局部规划。
   全局规划是基于占用栅格地图及全局代价地图，当前位置及给定目标点完成轨迹划化，完成全局的静态避障。
   局部规划是基于局部代价地图，当前位置，及全局规划给定的局部目标完成局部路径规划，实现动态避障。

主要算法：

定位：激光&视觉&GPS&IMU & so on
eg：

• Amcl：蒙特卡洛自适应定位，基于粒子滤波器的定位算法，与gmapping的定位方法类似，但主要实现定位功能。AMCL介绍

• Slam：同步定位与建图，实现定位及地图创建功能。激光slam与视觉slam

建图：点云/栅格/体素/八叉树(常用，可调节分辨率)地图等
eg:
Octomap：可将点云地图转化为二维八叉树地图及三维概率地图。

OccupancyGrid：显示三维概率地图
OccupancyMap：显示二维占据地图。

规划：全局规划算法和局部规划算法
eg：

• A*：全局路径规划算法，基于全局代价地图，规划出一条使总代价最小的到达目标点的路径。
  A星算法介绍-blibli-

• RRT ：三维路径规划

• 局部路径规划（局部避障）常见的算法有人工势场（APF）、直方图法（VFH）和动态窗口法（DWA)。

• 人工势场法APF 假设机器人在一种虚拟力场下运动。人工势场包括引力场合斥力场，其中目标点对物体产生引力，引导物体朝向其运动。障碍物对物体产生斥力，避免物体与之发生碰撞。物体在路径上每一点所受的合力等于这一点所有斥力和引力的和。这里的关键是如何构建引力场和斥力场。
  APF存在的问题:
  当物体离目标点比较远时，引力将变的特别大，相对较小的斥力在甚至可以忽略的情况下，物体路径上可能会碰到障碍物
  当目标点附近有障碍物时，斥力将非常大，引力相对较小，物体很难到达目标点
  在某个点，引力和斥力刚好大小相等，方向想反，则物体容易陷入局部最优解或震荡,
  以上参考使用APF进行局部路径规划https://github.com/amov-lab/Prometheus/wiki/%E4%BD%BF%E7%94%A8APF%E8%BF%9B%E8%A1%8C%E5%B1%80%E9%83%A8%E8%B7%AF%E5%BE%84%E8%A7%84%E5%88%92

• Dwa：局部规划算法，对机器人的线速度角速度的瞬时轨迹进行评价，选取最优线角速度完成局部轨迹规划。
  dwa算法介绍-哔哩哔哩

自主导航：

已知地图(slam/测量)时，使用amcl+规划算法实现自主路径规划
直接使用slam+规划算法实现路径规划

参考

http://wiki.ros.org/move_base/
amcl介绍