沿相似路径：面向长期自主路径跟随的局部避障
机器人学
2022-11-04 v1
摘要
Visual Teach and Repeat 3（VT&R3）作为立体VT&R的泛化版本，利用拓扑度量建图与来自单一丰富传感器流的重定位实现长期自主路径跟随。在本文中，我们改进了VT&R3的LiDAR实现，以在变化环境中可靠地检测并避开障碍物。我们的架构将障碍物感知问题简化为与地点相关的变化检测问题。随后，我们通过引入一种新的边代价度量与曲线规划空间，扩展了通用基于采样的运动规划器的行为，以更好地契合示教-复现问题的结构。所得规划器生成自然平滑的路径，在避开局部障碍的同时最小化横向路径偏差，从而最佳利用先验地形知识。虽然我们将该方法与VT&R结合使用，但它可泛化以适应任意路径跟随应用。来自在线运行分析、单元测试以及差速驱动机器人定性实验的结果显示了该技术在复杂非结构化环境中可靠长期自主运行的潜力。
引用
@article{arxiv.2211.02047,
title = {Along Similar Lines: Local Obstacle Avoidance for Long-term Autonomous Path Following},
author = {Jordy Sehn and Yuchen Wu and Timothy D. Barfoot},
journal= {arXiv preprint arXiv:2211.02047},
year = {2022}
}
备注
7 Pages, 8 Figures, Submitted to The International Conference on Robotics and Automation (ICRA) 2023