一、背景意義

? 目前，對于無人機(jī)可以在已知環(huán)境下通過運動捕捉系統(tǒng)來實現(xiàn)積極、高動態(tài)飛行。然而，這些現(xiàn)有的規(guī)劃器還沒有被證明能夠在未知的戶外環(huán)境中進(jìn)行同樣的飛行。因此，無人機(jī)等機(jī)器人在雜亂和未知的環(huán)境中具有非微觀動力學(xué)的軌跡規(guī)劃是一個非常活躍的研究領(lǐng)域。這個領(lǐng)域可以應(yīng)用于地面和空中交通工具的自主導(dǎo)航、倉庫和醫(yī)療機(jī)器人以及移動機(jī)械手等，實現(xiàn)自主作業(yè)、位移操作。

? 無人機(jī)怎樣才能在一個未知的、雜亂的、沒有GPS的環(huán)境中實現(xiàn)在線軌跡規(guī)劃？通過機(jī)載傳感器，這要求規(guī)劃者必須能夠?qū)Πl(fā)現(xiàn)的障礙物作出足夠快的反應(yīng)，以保證安全。因此，目標(biāo)是在高度反應(yīng)的飛行時間范圍內(nèi)找到一條平滑、高速、無碰撞和動態(tài)可行的三維軌跡。

二、相關(guān)介紹

? 對于軌跡規(guī)劃，目前有基于優(yōu)化的規(guī)劃器，其可以找到最佳解決方案（如最短路徑，最小能量），但它們存在著高計算成本，不確定的解決時間，并經(jīng)常需要良好的初始化。這些缺點使其不適合無人機(jī)在線軌跡生成。對于基于采樣的規(guī)劃器，會有一個可預(yù)測的執(zhí)行時間，但是解決方案的質(zhì)量受限于抽樣措施的選擇。這些規(guī)劃器試圖通過完全依賴瞬時的傳感器測量來最小化計算負(fù)荷，允許高的重新掃描率，但深度傳感器有限的感應(yīng)范圍使計劃者變得近視。這可能會導(dǎo)致被困在局部最小值中，對全局的認(rèn)識不足。

??當(dāng)然有些工作結(jié)合了基于優(yōu)化和基于采樣的規(guī)劃器的許多最佳品質(zhì)，使用一個分層的規(guī)劃架構(gòu)，考慮到深度信息的瞬時和融合歷史。這樣可產(chǎn)生一個路徑短、可預(yù)測時間、平滑、安全、動態(tài)可行的軌跡。滿足了視覺系統(tǒng)在相對平滑的相機(jī)運動的條件，使其表現(xiàn)最好；同時使得視覺-慣性導(dǎo)航系統(tǒng)能夠增加相機(jī)幀之間的可追蹤特征的數(shù)量，并減少狀態(tài)估計器輸出之間的位置和旋轉(zhuǎn)的不連續(xù)性。另外一個好處就是，平滑的軌跡可以減少能量消耗。

三、運動規(guī)劃步驟

??參考相關(guān)文獻(xiàn)，得到一種適合無人機(jī)在未知環(huán)境中飛行時高效的軌跡生成。其首先展示了如何通過根據(jù)障礙物密度規(guī)劃速度，在未知環(huán)境中快速飛行時保持安全系數(shù)；采用滾動優(yōu)化、基于采樣的運動規(guī)劃器使用最小抽動軌跡和閉環(huán)跟蹤來實現(xiàn)平滑、穩(wěn)健、高速的飛行，并具有準(zhǔn)確的視覺慣性導(dǎo)航所需的低角速率。該方法完整的運動規(guī)劃主要由五個步驟組成：①沿著機(jī)器人當(dāng)前軌跡計算一組基于未來狀態(tài)的最小沖擊運動基元（minimum-jerk）②基于占位網(wǎng)格找到一條稀疏化的全局3D路徑到目標(biāo)位置。③在全局路徑上選擇一個局部目標(biāo)作為運動基元的滾動時域目標(biāo)。局部目標(biāo)到四旋翼飛行器的距離取決于飛行器的速度④根據(jù)動態(tài)可行性、深度圖像、占用網(wǎng)格和到移動局部目標(biāo)的距離來評估運動基元，并基于加權(quán)代價函數(shù)選擇最佳的運動基元⑤以最小的代價跟隨運動基元，直到新的深度圖像到達(dá)規(guī)劃算法的所有步驟及其相關(guān)的更新率。

（1）對于最小沖擊運動基元集生成：通過對偏航、最終高度和與飛行器的距離進(jìn)行抽樣，產(chǎn)生一套空間上和動態(tài)上不同的X自由運動基元，然后通過在所有候選軌跡上使用一個恒定的時間，自然會發(fā)生對速度的抽樣。選擇的運動基元的初始狀態(tài)為未來50毫秒內(nèi)的當(dāng)前軌跡。未來的這一點是連接點，我們將從這一點開始追蹤下一個運動基元。只考慮具有固定最終速度和加速度的基元，所以整套運動基元是由最終位置集Pf定義的：

L = { l0，..，ln }分別改變末端位置和速度峰值，ψ = { ψ0，..，ψo(hù) }改變航向(表示為一個歐拉角)，H = { h0，..，hp }改變高度，en為沿第n軸的單位矢量。

（2）對于規(guī)劃網(wǎng)格和移動局部目標(biāo)：進(jìn)程中運行的全局計劃器，為其提供一個局部目標(biāo)，局部目標(biāo)為滾動優(yōu)化規(guī)劃器的導(dǎo)航目標(biāo)。全局規(guī)劃器保持兩個以身體為中心的三維體素網(wǎng)格，第一個網(wǎng)格是一個概率占用網(wǎng)格，包含深度傳感器測量的融合歷史；第二個網(wǎng)格是距離網(wǎng)格，提出的增量距離變換，用一個短的截斷距離來跟蹤每個體素與最近的障礙物的接近程度。全局規(guī)劃器在占有率網(wǎng)格、距離網(wǎng)格和用戶指定的目標(biāo)高度的加權(quán)和上運行廣度優(yōu)先搜索，以提取一條最小成本的路徑。然后，該路徑被稀疏化，并用于為軌跡規(guī)劃器生成一個局部目標(biāo)，其前瞻距離與四旋翼飛機(jī)的速度成正比。

（3）定義成本：首先檢查基元的控制點是否與占用網(wǎng)格或深度圖像發(fā)生碰撞。處于碰撞狀態(tài)的軌跡被排除（碰撞成本）。第二，給每個基元增加一個成本，取決于占用網(wǎng)格外或未知空間內(nèi)的控制點的數(shù)量。第三，再添加一個成本，在本地目標(biāo)和基元的最終位置之間的距離dgoal呈線性增長。第四，對于每一個控制點，增加一個成本，與期望高度之間的距離dalt線性增加。最后，根據(jù)障礙物與運動基元的距離增加一個成本，這就要求在控制點的固定距離d內(nèi)找到所有障礙物。最后一個成本可以通過將占位網(wǎng)格轉(zhuǎn)換為K-D樹，并使用近似的近鄰搜索來獲得距離d內(nèi)的n個控制點的所有鄰居。因此，分配給每個基元的總成本為：

? 其中，ci為個體成本，kj為個體收益，m為占用網(wǎng)格中占用的單元數(shù)，V為基元初始速度。最后選擇成本最低的軌跡。

四、滾動優(yōu)化規(guī)劃器的優(yōu)勢

（1）軌跡更加平滑：通過實驗比較了一個用于激進(jìn)機(jī)動的最小時間狀態(tài)空間采樣規(guī)劃器和一個控制空間采樣的運動基元規(guī)劃器得到利用連續(xù)的Minimum jerk規(guī)劃可以實現(xiàn)更高的軌跡平滑度。因為其角速率頻率明顯較低，90 %的頻率在10 Hz以下，而其他規(guī)劃器只有77 %和59 %。

（2）路徑質(zhì)量：通過利用規(guī)劃網(wǎng)格的全局路徑規(guī)劃器獲得的路徑與250、1000和5000個樣本的RRT *進(jìn)行比較。在RRT*找到解決方案的情況下，計劃的路徑平均比RRT*1000短18.2%，比RRT*250短21.6%，但比RRT*的5000樣本長1.8%。但是計算RRT*路徑的運行時間超過了我們的規(guī)劃器好幾個數(shù)量級。

（3）規(guī)劃器反應(yīng)性：當(dāng)一個垂直的圓柱形障礙物（直徑為1米）瞬間出現(xiàn)在無人機(jī)前面時，無人機(jī)被命令沿直線飛行。模擬了不同的初始速度（4-9米/秒）和到障礙物的距離（410米），車輛被認(rèn)為要避開障礙物。可以得到是在30赫茲的額定控制頻率下，所有出現(xiàn)在9米距離內(nèi)、車速為9米/秒的障礙物都可以被避開。在3赫茲的控制頻率下，只有28%的障礙物可以被避開。如下圖所示：

（4）動態(tài)速度可調(diào)：無人機(jī)在穿越泊松森林環(huán)境時，在障礙物密集區(qū)域會降低飛行速度，在空曠地帶，會提高飛行速度，這樣保證了飛行的安全性，也大大提升了飛行效率。下圖顯示了規(guī)劃器使用這些固定速度產(chǎn)生的軌跡長度和持續(xù)時間。隨著固定速度的增加，穿越泊松森林的時間減少（圖8中的紅條），而跟蹤的軌跡長度增加（圖8中的藍(lán)條）。

五、總結(jié)

??提到的一種滾動時域軌跡規(guī)劃器，用于在未知和雜亂的環(huán)境中快速飛行。該方法能夠?qū)崟r地推理環(huán)境的幾何結(jié)構(gòu)，同時在快速、平穩(wěn)和穩(wěn)健的飛行過程中保持安全裕度。未來可以通過增加搜索深度，在單個規(guī)劃步驟中合并多個最小Jerk軌跡的序列，進(jìn)一步縮小車輛的規(guī)劃范圍，并利用本地占用網(wǎng)格中的所有可用信息。

六、參考文獻(xiàn)

[1]Ryll M, Ware J, Carter J, et al. Efficient trajectory planning for high speed flight in unknown environments[C]//2019 International conference on robotics and automation (ICRA). IEEE, 2019: 732-738.