1.实现逻辑
目前的自主探索主要基于
- 边界区域Frontier Region(已知区域和未知区域的相邻处)
- 最佳视角NBV, Next Best View
实现逻辑:
- 搜索边界,将边界区域的点备选为视点(View Points)
- 计算备选项的路程代价(Cost of Travel, 前往某点所需路程长度)、信息增益(Information Gain, 某点能观测到的未知区域大小)等一系列指标
- 计算备选项的综合收益,从中选取综合收益最大的视点,作为机器人下一步的行进目标,力求让机器人经过最短的路程,获取最多的未知区域信息。
上面是Frontier-based方案的选点流程。狭义上讲,NBV方案指那些完全不考虑寻找frontiers,而是在所有已知空间中产生viewpoints,再去比较综合收益的方法;Frontier-based方案则指那些寻找frontier再做比较的方法。而广义上来说,frontier也可以理解为一种NBV方法,只不过viewpoints直接在frontier region中产生。
2.实现方案之间的区别点
- 如何寻找边界区域
- 如何选取最佳视角
- 对传感器信息的处理
- 运动规划的方式
- 提升鲁棒性,减少计算开销的改动