一种新的实时感知的快速避障算法探究_王娟.pdf

49第 17 卷 第 4 期2022 年 12 月贵阳学院学报（自然科学版）（季刊）JOURNAL OF GUIYANG UNIVERSITY Natural Sciences（Quarterly）Dec.2022Vol.17No.4摘 要：如今避障技术对于无人驾驶汽车、无人机以及各种机器人来说都是至关重要的一项技术。基于当前避障技术仍然存在的问题，有一项通过稀疏和异步感知实现避障的方式得到充分的验证。该控制方案将操作员提供的命令与快速反应避障相结合，将采集到的传感器数据与障碍物的解析重建相结合，实现快速实时避碰。该算法在杂乱的外部环境的静态激光数据上进行实验评估，控制器每 1 毫秒的时间可以评估超过 30000 个数据点，控制方案成功避免了碰撞，实现了真正的快速避障。关键词：避障；快速；控制算法；传感器；参考方向中图分类号：TP18；TP242 文献标识码：A 文章编号：1673-6125（2022）04-0049-04Exploration of a new real-time sensing fast obstacle avoidance algorithmWANG Juan（Department of Mechanical Engineering，Guiyang University，Guiyang 550005，Guizhou，China）Abstract:Nowadays obstacle avoidance technology is a crucial technology for driverless cars，drones and all kinds of robots.However，the existing obstacle avoidance technology still has problems.One approach to obstacle avoidance through sparse and asynchronous sensing is well documented.The proposed control scheme combines a high-level input command provided by either a planner with fast reactive obstacle avoidance.The sampling-based sensor data can.The algorithm was evaluated experimentally on static laser data from cluttered environments.The proposed control scheme successfully avoided collisions in both scenarios.During the experiments，the controller on the onboard computer took 1 millisecond to evaluate over 30000 data points.The control scheme successfully avoided collisionKey words:Obstacle avoidance;Fast;Control algorithm;The sensor;The reference direction一种新的实时感知的快速避障算法探究王 娟（贵阳学院 机械工程学院，贵州 贵阳 550005）收稿日期2022-09-05作者简介王 娟，女，贵州贵阳人，副教授。主要研究方向：自动化控制。1 现有各种避障算法现有的避障算法多多少少存在一些弊端，现将大致情况进行简要分析。局部回避算法必须综合考虑新的实时的外部信号，并结合全局路径进行分析，以确保在环境中实现安全的导航。该算法的优点是直观并且计算简便，但是当其他机器人也采取同样的算法时，两者相遇则不会采取回避行动。矢量场直方图法（VFH）应用于移动机器人上1，实现了移动机器人的快速避障的自主导航。其优点是考虑到了测量的不确定性并且数据评估时间短，特别适用于诸如轮椅的控制。然而，缺点是在狭窄的通道中，很难实现控制。采样法被用于多臂机器人中，能够避免多手臂之间的碰撞。但是，模型在执行前需要训练，无法适应复杂的外界环境。快速避障法（VO）是为复杂的外部环境而设计的。VO 考虑到障碍物的运动及其运动趋势，进行运动规划2-4，成功应用于轮椅5的避障系统中。然而，VO 容易出现局部最小值，这在静态、杂乱的环境中尤为明显。人工势场法会形成一个封闭的、排斥的场，以避免与障碍物6发生碰撞。它的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人DOI:10.16856/ki.52-1142/n.2022.04.01550贵阳学院学报（自然科学版）（季刊）17 卷造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题。因此只要目标附近存在障碍物，移动机器人将不可能到达目标。2 一种新的快速避障方案基于以上各种算法的优缺点，当前出现了一种快速、动态的新的控制算法7-8。该算法简单，方便在混乱的环境中快速评估，且使用采样数据进行避障，使得该方法直接适用于激光雷达数据，且可以综合全局，对不同的障碍描述通过异步评估和动态加权实现。2.1 快速避障如参考文献“实时避障的动力系统方法”中提到的，一个连续的距离函数 （）:Rd X i 7 R 1 在每个障碍物周围定义，并将空间划分为三个区域:外点、边界点、内陆点。通过构造（）随着距中心距离的增加单调增加。对星形定义避障算法，使能看到任何表面点。由星形障碍物组成的环境称为星形世界。该方案通过调制避障，假设代理 vN R 的标称速度指令 d，它由用户的输入或在 处评估的高级规划器产生。与“通过收缩确保收敛避免凸凹障碍”7中一样，在单个障碍物周围的碰撞自由速度是通过应用动态调制矩阵 M Rdd得到的。图 1 构建的虚拟障碍环境当在杂乱的环境中导航时，通过参考文献“在封闭空间中避免密集和动态障碍:在人群中移动的应用”的算法，需要在每个时间步对所有障碍物应用调制。随着障碍数量的增加，计算成本也不断增加。该方案提出了一种计算成本较低的算法，通过创建一个单一的虚拟障碍，封装所有障碍。然后，调制只适用于这些障碍，同时确保躲避所有的障碍。虚拟障碍物有一个单独的调制矩阵M（）与相应的分解矩阵 E（）和对角拉伸矩阵 D（）。该方法允许在星形世界中避免碰撞，但只需要单一调制带来较低的计算成本，见图 1，在有分析性障碍描述（棕色）的环境中，用对应的参考和切线方向构造一个虚拟障碍。2.2 基于样本的避障在许多场景中，分析障碍的描述在运行时是未知的，但障碍物被感知为大量的数据点，ip Rd，i=1，N p，其中 N p N0为点的总数。将虚拟障碍的概念扩展到应用于大量的零维数据点。若假设有一个半径为 R R 的圆形 d维机器人，采样角为，见图 2。图 2 d 维机器人首先，我们评估每个点 i 的参考方向及距离，参考方向定义为 ()1.pppiipiriN=（1）由于每个数据点都用一个小圆近似，分解矩阵 E（）被构造为正交的。然后则引入离散数据点的权值和。2.3 基于参考方向的特征值当探测器接近障碍物时，调制的速度的方向必须与障碍物表面相切或与之背离，以确保避免碰撞。相反，避障控制器在远离障碍物的地方不起作用。相应的，参考方向 rp（）的大小在远离障碍物处趋近于零，在表面上时趋近于无穷。因此，可以用幅值来定义特征值。（a）初始矢量场 （b）调制矢量场图 3 矢量场514 期王 娟 一种新的实时感知的快速避障算法的探究如图 3，算法只知道样本点 i P，I=1.Np，而不是灰色障碍物的实际形状（a），用求和的参考方向 rp（）来引导灰色障碍物的标称速度（b）。该算法不需要估计每个单独障碍物的数量或形状。计算加权参考方向就足以在杂乱的环境中安全导航。3 异类障碍描述检测算法可能无法识别某些障碍，需要分析障碍物和采样传感器数据的混合。此外，对障碍的解析重建往往伴随着时间上的重大延迟，采样速度快，分析模型获取缓慢，这导致了对障碍物信息的异步接收。因此该方案提出了一种方法来综合分析障碍描述与样本的传感器数据，以解决这一问题。首先是去除已被确定为分析障碍的采样障碍数据来提升加权使用相应的参考方向。采样和分析障碍物的 rp（）的大小给了我们关于障碍物的接近程度的信息。因此，参考幅值可以用来计算采样数据 wp 0，1和解析障碍物 wo 0，1的重要权重。解析式描述还有一个额外的优点，那就是它频繁采集关于障碍物的速度和形状的信息，这可以用来确保在动态环境中避免碰撞。图 4 障碍描述（棕色）和采样障碍数据（灰色障碍上的黑点）的算法融合见图 4，分析障碍描述和采样障碍数据被算法融合。通过使用带有三个输入的控制器将不同的数据组合起来:来自人类操作员 v 的速度命令 N，激光扫描读取值p，以及机器人的估计位置。两个传感器环路运行的频率不同，基于样本的评估器运行的更新速度比解析评估器更高。后者由于生成分析障碍描述的处理时间较长而延迟。然而，由于障碍的形状和速度的信息，分析性描述使改进行为成为可能。由采样数据点或解析函数描述的障碍对调制应具有相同的效果。由于一个单一的障碍往往对应多个数据点。参考方向是在不同频率上获得的，并异步合并。有必要通过适当的缩放来实现。4 实验验证通过实验分析验证该方案的计算速度还有方案的可行性。方案提出的快速避障算法的计算相对比较简单。在采样数据和分析障碍描述的实验中可以证明计算时间是较短的（见图 5）。与基线方法相比，该方案提出的算法中，一个重要之处是该应用程序直接使用采样传感器的数据，从而大大缩减了计算时间。4.1 使用不同传感器数据的收敛分析在模拟的具有四个障碍物和一堵周围墙壁的二维环境（图 6）中来验证该算法。椭圆障碍物的形状和姿态分别在右上角和左下角随机获得。两个方形障碍物的位置是固定的，障碍物要通过表面采样来发现。如果障碍物采样是立体的，通过获得机器人高维碰撞模型来得到相应数据，则右侧的功率值为 d，即 Np 取值到 d。（a）分析数据 （b）示例数据图 5 数据分析52贵阳学院学报（自然科学版）（季刊）17 卷（a）抽样数据 （b）不同的数据图 6 模拟的二维环境图 5 提出的方法（Fast 调制）和基线7表示为调制，其计算时间随障碍物数量线性增长。然而，所提出的方法的增长速度较为平 5（a）。此外，复杂性相对于数据点的数量线性增长 5（b）。当只使用障碍物的采样数据时，轨迹往往以局部最小值结束，见 6（a）。可以使用分析性障碍描述（棕色）来改进回避，周围的墙是固定的，其中轨迹数量的增加收敛到吸引子（黑色星号），如 6（b）。从两种场景的对比中可以观察到，该方案对障碍物的数据分析相较于其他的算法收敛性更高。4.2 使用静态传感器数据进行评估通过两个 3D Velodyne 激光雷达获得的两个真实传感器数据的静态记录来进行评估。通过提取激光雷达的水平 2D 行，将每个激光雷达解释为激光扫描。在记录过程中，传感器被放置在离地面约 30 厘米的地方。由此产生的激光扫描的视角为 0.75 rad，角度增量为=710-3Rad，每个点约有 650 个数据。基于静态激光扫描，实验模拟机器人成功通过狭窄的门洞。即使间隙比（模拟）机器人的直径稍宽，但在通过前并没有观察到局部最小值。当经过一个房间时，模拟机器人会避开各种障碍物。因此可以得出结论，相对于以往的算法，该算法能够在获取更少的数据的情况下获得比其他算法更好的收敛比，因此获得更佳的速度以及避障效果。4.3 使用 QOLO 进行户外人群评估使用半自动站立式轮椅 QOLO9进行实验验证。在超过 1000 个数据点的场景中进行评估只需要 0.4 ms。机器人的定性评估在瑞士洛桑市中心进行。在实验过程中，控制器确保无碰撞运动。5 结论该方案提出了一种基于动态系统的实时避障方法。速度快，可应用于采样数据，如激光雷达或激光扫描结合解析障碍描述。证明了在自由空间中不存在局部极小值，用该算法控制的代理只在直接驶向障碍物时停止。此外，该方法可扩展到更高的维度。在仿真、静态传感器数据和站立式轮椅 QOLO 上进行了实验验证。这项工作的大部分理论发展是为了多维避碰。在实验过程中，驾驶员在机器人上，可能会进行干扰。现场由两名实验人员进行观察，并对控制器输出进行验证。结果表明，该算法在静态和动态环境中导航时均等实现快速避障。利用采样传感器数据进行的评估表明，该算法应用到机器人上，机器人能快速通过狭窄的通道，能够实现快速精准避障。参考文献：1 BORENSTEIN J，KOREN Y.The Vector Field Histogram-Fast Obstacle Avoidance For Mobile Robots J.Transactions on Robotics and Automation，1991，7（3）:278-288.2 PAOLO F.Motion Planning in Dynamic Environments Using Velocity Obstacles J.The International Journal of Robotics Research，1998，17（7）：760-772.3 WILKIE D，BERG J，MANOCHA D.Generalized velocity obstacles C/International Conference on Intelligent Robots&Systems，2009，55735578.4 KUFOALOR D K M，BREKKE E F，JOHANSEN T A.Proactive collision avoidance for asvs using a dynamic reciprocal velocity obstacles method.J.RSJ International Conference on Intelligent Robots and Systems（IROS），2018，2402-2409.5PRASSLER E，SCHOLZ J，FIORINI P.A robotics wheelchair for crowded public environment.J.Robot.Automat.Mag.，2001，8（1）：38-45.6 孙伶玉，付主木，陶发展，等.改进人工势场的智能车避障算法研究 J.河南科技大学学报（自然科学版），2022，43（5）：28-34.7HUBER L，BILLARD A，SLOTINE J.Avoidance of Convex and Concave Obstacles With Convergence Ensured Through Contraction.J.Robotics and Automation Letters，2019，4（2）:1462-1469.8 HUBER L，SLOTINE J，BILLARD A.Avoiding dense and dynamic obstacles in enclosed spaces:Application to moving in crowds.J.Transactions on Robotics，2022.9 GRANADOS D F P，KADONE H，SUZUKI K.Unpowe-red lower-body exoskeleton with torso lifting mechanism for supporting sit-to-stand transitions.J.International Conference on Intelligent Robots and Systems（IROS），2018，27552761.10 冯浩然，吴瑞明，傅阳，等.基于 ROS 与融合算法的 AGV路径规划研究 J.机床与液压，2022，50（9）：55-60.责任编辑 王建蕊