Cao, Chao, et al. "Autonomous exploration development environment and the planning algorithms." 2022 International Conference on Robotics and Automation (ICRA). IEEE, 2022.PDF

1. 概述

自主探索开发环境是一个开源的存储库，旨在促进高级规划算法的开发和完整的自主导航系统的集成。该存储库包含具有代表性的模拟环境模型、基本的导航模块，例如，局部规划器、地形可遍历性分析、路径点跟踪和可视化工具。

通过TARE规划器、FAR规划器组成一个完整的基于几何的导航规划算法堆栈；结合三个存储库，集成一套基于地面车辆的三维激光雷达导航算法。

该论文提供的存储库构成了一个三层导航系统的中间层和顶层。用户可以使用底层接口集成存储库，即状态估计和运动控制，或者使用环境模型在模拟中运行存储库。

2. 开发环境

在开发环境中，该论文提供了五种环境模型、基本的导航模块和可视化和调试工具。

2.1 环境模型

五种环境模型

模型特征

2.2 局部规划器

局部规划器需要保证到达高级规划器发送的路径点的安全。该模块预先计算一个运动原语库，并将运动原语与车辆附近的三维位置关联起来。当位置被障碍物占用的时候，模块可以在几毫秒内确定发生碰撞的运动原语。然后，该模块选择对路径点可能性最大的运动原语组。

红色区域就是选择出来的最大可能性路径。

2.3 地形穿越性分析

地形分析模块检查车辆周围局部地形的遍历性。构建可穿越性代价图，通过体素网格中数据点的分布估计地面高度，穿越成本越高，障碍高度越高。

红色区域为不可穿越地形。

2.4 可视化和调试工具

为了促进算法的开发，该论文提供了一套工具来可视化算法的性能。可视化工具显示了整体地图、被探索的区域和车辆轨迹。诸如所探索的体积、旅行距离和算法运行时等指标被绘制并记录到文件中。

3. 高级规划器

通常，高级规划者以较低的频率重新规划并提供长途路线，而低级导航模块则立即做出反应，跟随路线并避开障碍物。

3.1 TARE探索规划

TARE规划器是一个层次化的框架，它利用环境的两层表示，以多分辨率的方式规划探索路径。

全局规划粗糙路径，划分子空间；在子空间内规划详细路径。

3.2 FAR探索规划

FAR规划器是一个基于可见性图的规划器，它可以动态地构建和维护一个简化的可见性图以及导航。

青色线条为规划器构建的可见性图，蓝色线条为路径；(a)为未知环境，(b)为已知环境，在两类环境下进行探索的实验结果。

4. 实践

安全范围

局部规划器在车辆和路径点之间的距离上使用一个规划水平，保持车辆和路径点或障碍物的安全距离，可以通过调节安全距离来让车辆通过狭窄区域。

急转弯

高级规划器选择沿着车辆前方的路径的展望距离为路径点，并将路径点发送给局部规划器。为了防止在出现90°急转弯情况下，车辆出现反复移动，尽量在车辆视线范围内的路径起始段上选择路径点。

动态障碍

地形分析模块在动态障碍物移动后，通过光线追踪从地形图中消除动态障碍物。

探索车的基本系统示图

通过对基本系统的调整，可以实现对探索的改良。