安全通道是什么呢？安全通道是指在無人機軌跡生成時，為了避免碰撞而設定的無人機可以飛行的通道。它連通了起點與終點，并且在安全通道內生成的任意軌跡都是安全無碰撞的。安全通道是軌跡生成中用于避免碰撞的重要技術，關于安全通道的生成目前已經有了許多的方法。一般來說，安全通道都是用多個連通在一起的多面體進行表示。這樣安全通道的生成問題，可以轉化為多個多面體生成。下面針對幾種較為常見的安全通道的生成方法進行介紹。

1. 半定規(guī)劃的迭代區(qū)域膨脹[1]

為了獲取多面體，這個方法首先構造一個初始橢球，由一個以選定點為中心的單位球組成。然后，遍歷障礙物，為每個障礙物生成一個超平面，該超平面與障礙物相切并將其與橢球分開。再次，這些超平面定義了一組線性約束，它們的交集是一個多面體。然后，可以在那個多面體中找到一個最大的橢球，使用這個橢球來定義一組新的分離超平面，從而定義一個新的多面體。選擇生成分離超平面的方法，這樣橢圓體的體積在迭代之間永遠不會減少?？梢灾貜瓦@個過程，直到橢圓體的增長率低于某個閾值，此時我們返回多面體和內接橢圓體。這個方法具有迭代的思想，并且具有收斂判斷的標準，算法的收斂快慢和初始橢球具有很大的關系。

2. 基于凸分解的安全通道生成[2]

基于凸分解的安全通道生成方法由四個步驟完成安全通道的生成，分別為：找到橢球、找到多面體、邊界框、收縮。這四個步驟的具體介紹如下：

1）生成橢球

先形成一個球體，球的半徑為兩個路徑點的距離，然后再進行收縮其中的兩個長軸，以保證該橢球為最大橢球，最后再拉伸第三個軸（連接路徑點的軸）以保證這個橢球是最大的。橢球的計算是基于路徑點進行的，路徑點的疏密程度，將會影響橢球的個數，因此在使用時最好能夠利用計算的橢球融合其包含的路徑點，這樣來減少計算路徑點的個數。

2）找到多面體

找到多面體。不斷擴張橢球直到和障礙物相切，保存切線。重復上面的操作，獲得更多的切線，直到當前地圖都和其相交為止。這個過程的主要計算量都在障礙物的判斷中，因此計算很快。

3）邊界框

邊界框的作用是分割地圖，將附近的local障礙物地圖從全局地圖中提取出來，也就是獲得local障礙物地圖。其主要原因是上面的操作不能對整個地圖執(zhí)行，因為那樣的計算量太大了，因此可以在路徑點附近打上邊框，這樣就能降低計算量了。邊框大小的選擇就非常具有經驗性質了，最好能夠涵蓋所需要的信息。

4）收縮

對安全通道進行收縮，收縮的尺度由無人機的尺寸決定，這樣的處理可以讓無人機變成一個質點。收縮是對生成的多面體進行的，這樣的好處是不會造成兩個多面體出現不相交的情況。

3. 平行凸簇膨脹方法[3]

上述的兩種方法都是從點云地圖出發(fā)，并且都是基于橢圓完成凸多面體的生成。而平行凸簇膨脹方法，與上面的方法不同，該方法是從柵格地圖出發(fā)，利用最小凸集生成算法，完成凸多面體的生成。

其算法的思想是首先獲得一個凸集，再沿著凸集的表面進行擴張，擴張之后再進行凸集檢測，判斷新擴張的集合是否保持為凸。一直擴張到不能再擴張為止，再提取凸集的邊緣點，利用快速凸集生成算法，生成凸多面體。該算法的好處在于可以利用這種擴張的思路，將安全的多面體的體積盡可能的充滿整個空間，因此獲得的安全通道更大。但其也具有一定的缺點，就是計算量比較大，計算所需要的時間比較長，為了解決這個問題，在該文章中，又提出了采用GPU加速的方法，來加速計算。

總結????

安全通道的生成雖然是一個比較小的問題，但是因為它直接影響了最終生成軌跡的質量，因此也非常重要。安全通道能夠直接轉化為優(yōu)化問題中的凸約束，這種特性應該也可以利用在其他的領域內。

參考資料

[1]R. Deits and R. Tedrake, “Computing large convex regions of obstacle-free space through semidefinite programming,” Springer Tracts Adv. Robot., vol. 107, pp. 109–124, 2015, doi: 10.1007/978-3-319-16595-0_7.

[2]S. Liu et al., “Planning dynamically feasible trajectories for quadrotors using safe flight corridors in 3-D complex environments,” IEEE Robot. Autom. Lett., vol. 2, no. 3, pp. 1688–1695, 2017, doi: 10.1109/LRA.2017.2663526.

[3]F. Gao, L. Wang, B. Zhou, X. Zhou, J. Pan, and S. Shen, “Teach-repeat-replan: A complete and robust system for aggressive flight in complex environments,” IEEE Trans. Robot., vol. 36, no. 5, pp. 1526–1545, 2020, doi: 10.1109/TRO.2020.2993215.

本文共1877字

由西湖大學智能無人系統(tǒng)博士后曹華姿原創(chuàng)

申請文章授權請聯系后臺相關運營人員

▌微信公眾號：空中機器人前沿

▌知乎：空中機器人前沿（本文鏈接：https://zhuanlan.zhihu.com/p/581462695）

▌Youtube：Aerial robotics @ Westlake University

▌實驗室網站：https://shiyuzhao.westlake.edu.cn??