Investigación e implementación de SLAM y algoritmos de planificación de rutas basados ​​en lidar

Este artículo tiene fines educativos únicamente, no comerciales. El texto completo se basa en la tesis "Investigación sobre tecnología de posicionamiento y planificación de rutas de robots móviles" escrita por Liu Wenzhi del Instituto de Tecnología de Harbin. El artículo proviene de la Infraestructura Nacional de Conocimiento de China y el formato de cita es el siguiente:

[1] Investigación e implementación de SLAM y algoritmos de planificación de rutas basados ​​en lidar [D]. , 2018.

El principio de conversión del sistema de coordenadas relevante se escribió en el artículo anterior, por lo que la ecuación de conversión se puede cargar directamente.

Eligió un modelo de movimiento basado en el odómetro y un modelo de movimiento basado en la velocidad. De hecho, son similares y la idea general es la misma. El odómetro es un dispositivo que estima el desplazamiento del movimiento del robot calculando el número de pulsos emitidos por el codificador fotoeléctrico dentro de un cierto período de tiempo. Utiliza principalmente un disco de código fotoeléctrico. Calcule la velocidad de la rueda en este momento basándose en el disco de código fotoeléctrico y luego obtenga el incremento de desplazamiento de cada rueda por unidad de tiempo a través del radio conocido de la rueda.

Las matemáticas avanzadas muestran que el incremento de desplazamiento por unidad de tiempo es la velocidad. Integrando la velocidad durante un cierto período de tiempo se puede obtener la distancia recorrida durante ese período de tiempo.

Según la figura anterior, podemos encontrar la velocidad angular del rumbo del robot, el radio de movimiento del arco y el cambio de ángulo del robot, a partir de los cuales podemos resolver la pose del robot en el momento actual.

De hecho, hay errores, por lo que confiar únicamente en el odómetro producirá grandes errores con los resultados reales. Por lo tanto, se deben introducir otros sensores externos para observar el entorno externo para corregir estos errores, mejorando así el posicionamiento. exactitud.

En primer lugar, definitivamente es necesario convertir las coordenadas del punto final medidas por el lidar de coordenadas polares y coordenadas del robot a coordenadas mundiales.

Omita esto, no necesita leer esto por ahora

Introducción al algoritmo de planificación de rutas:

Debido a que este algoritmo generará una gran cantidad de información inútil rutas temporales, en pocas palabras: es muy lento, por lo que existen otros algoritmos.

Después de comprender los dos costos, para cada bloque utilizamos el método de sumar el costo estimado y el costo de la ruta actual, que puede representar la distancia de cada punto de la ruta desde el punto final. Sobre la base del proceso de búsqueda BFS, al dar prioridad a la ruta con el costo total de búsqueda más bajo, se pueden evitar muchos desvíos. (Explicación del algoritmo /video/BV1bv411y79P?from=search&seid=3623681329596549549 )

Entre los algoritmos de planificación de rutas locales, elegimos el algoritmo DWA (enfoque de ventana dinámica), también llamado método de ventana dinámica. El método de ventana dinámica muestrea principalmente múltiples conjuntos de velocidades en el espacio de velocidades (v, w) y simula la trayectoria del robot bajo estas velocidades dentro de un cierto período de tiempo. Después de obtener múltiples conjuntos de trayectorias, estas trayectorias se evalúan y se selecciona la velocidad correspondiente a la trayectoria óptima para impulsar el movimiento del robot.

El muestreo de estado se basa en la planificación de ruta global dada anteriormente. Ya sea Dijkstra o A *, el muestreo de estado se puede obtener fácilmente. Hay dos tipos de muestreo de acción que el algoritmo DWA debe establecer de antemano. :

Pero no importa cuál sea la situación, el trabajo anterior es convertir el desplazamiento del robot en coordenadas mundiales, no en el sistema de coordenadas del robot. Una vez completado el muestreo de velocidad, solo necesita evaluar la trayectoria del automóvil para obtener la solución óptima. A continuación se presenta el método de muestreo rápido.

La velocidad de muestreo generalmente tiene las siguientes tres limitaciones:

Una vez determinado el rango de velocidad, la velocidad del automóvil debe discretizarse de acuerdo con la resolución de velocidad y la velocidad del El auto debe discretizarse en cada momento. Se visualiza la distancia que recorrerá el auto bajo diferentes combinaciones de velocidad lineal y velocidad angular.

Cada pista está conectada por muchas pequeñas líneas rectas.

Debe utilizar una función de evaluación para seleccionar las trayectorias anteriores y seleccionar la trayectoria más adecuada.

Finalmente, para que los tres parámetros desempeñen un papel igual en la función de evaluación, Usamos procesamiento de normalización para calcular pesos.

El proceso general del algoritmo es el siguiente: