Cai K, Chen W, Dugas D, et al. Sampling-Based Path Planning in Highly Dynamic and Crowded Pedestrian Flow[J]. IEEE Transactions on Intelligent Transportation Systems, 2023. 慕尼黑工大 PDF
在行人环境中,自由空间是有限的并且时刻保持变化,传统的规划算法很难找到无碰撞的路径
思想: 与传统方法相比,该方法旨在根据不同类型的行人流生成最优策略。如果有同向行人流,则规划出一条前往同向流的路径;如果没有同向行人流,则贴着障碍走,例如墙壁。避免对行人迎面而来,实现了对行人的最小侵入和速度差异最小两个原则。
创新点:
判断方向:定义行人方向向量和机器人方向向量,通过向量的乘积判断是否同向
速度层构建:
最小侵入层构建:
最小侵入层的目的是引导机器人沿着障碍物进行导航,以减少对行人空间的侵入。
将不同的障碍物根据其连续性进行聚类,并根据不同的聚类创建不同的层。
评估速度层和最小侵入层的效果
使用RVO和baseline方法结合速度层和最小侵入层进行实验
结合速度层和最小侵入层的RVO算法比单纯的RVO算法具有更快的平均速度、更短的时间和更短的轨迹长度;且碰撞次数减少。
在单纯导航效率上,纯baseline要更好,但结合该论文的方法后,能够以更快的速度移动,并且碰撞次数减少,具有更高的安全性。
对比方法:RVO,DWA,Baseline
结合该论文提出的路径规划器FM-RRT*之后,Baseline和RVO都拥有了更高的性能和安全性
本文作者:southyang
本文链接:
版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!