基于盲目导航的无人地面车辆的逃生路径规划 快速探索随机树*融合算法
Bo Zhang1,2,3,4, Shanlong Lu2,3, Qing Li1,4
1School of Automation, Beijing Information Science and Technology University, Beijing 100192, China.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
本研究介绍了无人地面车辆 (USV) 快速探索随机树* (BN-RRT*) 的盲人导航,以逃避狭窄的空间. 该算法提高了路径规划速度,并使用GPS,碰撞传感器和主动碰撞机制减少了路径长度.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 自主系统 自主系统
- 导航 导航 导航 导航 导航
背景情况:
- 无人驾驶地面车辆 (USV) 需要强大的导航策略来实现自主操作.
- 逃避受限制的环境对USV路径规划提出了重大挑战.
- 在复杂的场景中,现有的算法可能会在效率和成功率方面扎.
研究的目的:
- 为USVs开发一个高效的路径规划算法,使其能够自主逃离受限制的环境.
- 增强RRT* (快速探索随机树*) 方法,以改善狭小空间的导航.
- 为了尽量减少自主逃生机动的传感器要求.
主要方法:
- 提出了盲人导航快速探索随机树* (BN-RRT*) 算法,这是RRT*的改编.
- 集成的GPS定位和碰撞传感器数据用于导航.
- 组合的人工潜力场 (APF) 用于定向指导和积极碰撞机制用于障碍物识别.
- 实现了障碍记忆机制,以防止重新访问错误的区域.
主要成果:
- 与RRT,RRT*和APF-RRT*相比,BN-RRT*算法在规划速度方面取得了显著的改进.
- 拟议的方法实现了可观的路径长度减少逃生机动.
- 在 MATLAB 中的实验验证证证了该算法的有效性.
结论:
- 对于在受限制环境之外航行的USV,BN-RRT*提供了一种更有效和更成功的方法.
- 集成APF和主动碰撞机制提高了方向控制和避开障碍的性能.
- 障碍物记忆机制提高了逃生路径规划过程的可靠性.
