Sun, Zezhou, et al. "Ada-detector: Adaptive frontier detector for rapid exploration." 2022 International Conference on Robotics and Automation (ICRA). IEEE, 2022. PDF

1. 摘要

提出了一种基于自适应快速探索随机树（RRT）的机器人自主探索边界检测方法：

• 检测器可以感测周围环境结构来自适应地调整RRT的采样空间，通过限制RRT的采样空间来提高边界检测的效率
• 通过生成非均匀分布样本，解决滑动窗口中RRT的过采样问题，使RRT有偏于检测新探索区域的边界并实现增量检测。

RRT的思路： 将RRT节点看做视点，计算视点的探索增益，增益大于阈值的称为边界点，根据优先级对边界点进行探索。由于边界检测没有明确的扩展目标，因此会统一扩展到周围区域。

DSVP存在的问题，即过采样：在均匀采样的影响下，在相邻的两个滑动窗口中对重叠区域重复采样两次

2. 方法

在传统的方法中，RRT不受限制，统一扩展，直至覆盖整个探索区域。

DSVP：使用滑动窗口，RRT只需要覆盖当前窗口即可，显著提高了边界检测的效率

该论文：在滑动窗口的基础上增加自适应，并使用非均匀采样，解决了过采样问题，也提高了采样的成功率

2.1 自适应滑动窗口

自适应滑动窗口：将雷达点云和地面坐标对齐，通过遍历雷达点云，计算激光雷达扫描的最小外接矩形的四个角。选定该外界矩形作为当前的滑动窗口，可以提高采样的成功率。

成功采样：采样点可以成功添加到RRT树中

2.2 在自适应滑动窗口中的非均匀采样

为了解决DSVP的过采样问题，提出了非均匀采样策略：将滑动窗口分成新区域和重叠区域，增量式地按比例采样，计算新旧区域各自的采样概率，保证两个区域的采样点比例相同，解决过采样问题。

也就是对重叠和非重叠区域分别进行采样，保证两个区域最终的采样点比例相同。

2.3 边界检测

根据非均匀采样所得的采样点，计算每个点对应的探索增益。

如果探索增益大于设定的阈值，那么将该点视为边界点，进行探索。

3. 实验

与DSVP在CMU的三个环境中进行对比

数据分析

成功采样率更高，滑动窗口的持续时间也更短，边界检测的运行时间减少了约40%