基于高效自适应状态格子的地形感知动力学规划方法用于越野移动机器人导航

为安全遍历非平整地形，机器人必须在计划运动时考虑地形形状的影响。地形感知运动规划器使用车辆滚转和俯仰估计值，这些值基于姿态、悬架状态和地面 elevation 图来衡量搜索空间中边的代价。将此类信息编码于传统二维费用图中受限，因为无法捕捉姿态对斜坡地形下滚转和俯仰估计的影响。本文所述研究通过在基于高效自适应状态格子(EASL)的运动规划搜索空间边缘中编码动力学信息来解决此问题。该方法称为动力学高效自适应状态格子(KEASL)，与先前表示方法的区别在于两点：首先，本方法使用一种新颖的速度和加速度约束以及车辆方向在运动规划图中扩展节点的编码；其次，本方法描述了在搜索过程中评估每条边上姿态的滚转、俯仰、约束和速度的额外步骤，同时仍可保持图的可重组性。通过欧拉积分的迭代双向方法计算速度，更准确地估计受地形依赖速度限制的边的持续时间。对Clearpath Robotics Warthog无人地面车辆进行了在非平整、非结构化环境中的实际实验。来自这些实验的2093次规划查询结果表明，在EASL计划被调整以满足地形依赖速度约束的情况下，KEASL在83.72%的情况下提供了更有效的路径。此外，还 presented了相对运行时间和计划路径差异的分析。