唐嘉寧, 劉雨晴, 周思達(dá), 李丁奎

(云南民族大學(xué) 電氣信息工程學(xué)院, 云南 昆明 650504)

近年來,無人機(jī)的應(yīng)用領(lǐng)域越來越廣泛,特別是在軍事海事、運(yùn)輸投送、應(yīng)急救援等方面。在這些任務(wù)中,理想結(jié)果是無人機(jī)能快速而又充分覆蓋給定的未知區(qū)域,但當(dāng)無人機(jī)處于室內(nèi)無全球定位系統(tǒng)(GPS)環(huán)境時(shí),其定位導(dǎo)航困難,無法進(jìn)行有效自主探索,故本文通過RGBD傳感器對(duì)無人機(jī)進(jìn)行定位以完成探索任務(wù)。在過去的幾十年里,研究者們已經(jīng)提出了許多方法,包括基于邊界的方法和基于采樣的方法。

基于邊界的方法通過探索地圖已知區(qū)域和未知區(qū)域之間的邊界來完成探索未知環(huán)境的任務(wù)。最早是由Yamuchi[1]于1997年提出的,這是目前大多數(shù)探索算法的基礎(chǔ),邊界定義為開放空間和未開放空間之間邊界上的區(qū)域,機(jī)器人移動(dòng)到邊界可以看到未開放的空間,并將新信息添加到地圖上,但該方法存在無人機(jī)探索時(shí)間長(zhǎng)且效率低的問題。Zhou等[2]為提高探索效率,提出一個(gè)支持快速探索的分層框架FUEL,通過前沿信息結(jié)構(gòu)維護(hù)空間所需信息，可找到有效的全局覆蓋路徑。Gomez等[3]將基于前沿的概念與基于行為的策略相結(jié)合以構(gòu)建環(huán)境的拓?fù)浔硎?根據(jù)成本效用函數(shù)進(jìn)行語義邊界分類和邊界選擇。Faria等[4]為解決同時(shí)執(zhí)行自主探索和路徑規(guī)劃,將基于邊界的探索與Lazy Theta*路徑規(guī)劃算法結(jié)合在八叉樹地圖上,有效減少了尋找探索前沿單元所需的迭代次數(shù)。

基于采樣的方法則隨機(jī)產(chǎn)生機(jī)器人狀態(tài)并搜索路徑。Umari等[5]提出用快速拓展隨機(jī)樹(RRT)檢測(cè)邊界點(diǎn),其局部RRT進(jìn)行了一步樹的重置工作,每次重置樹都會(huì)從一個(gè)新的初始點(diǎn)開始生長(zhǎng),對(duì)計(jì)算資源要求高。Qiao等[6]為減少內(nèi)存消耗以及在不利環(huán)境中探索,提出用分塊結(jié)構(gòu)判斷樹節(jié)點(diǎn)是否在前沿檢測(cè)中起決定性作用,從而刪除大量冗余的樹節(jié)點(diǎn)。Bircher等[7]采用了滾動(dòng)水平的次最佳視圖(next-best-view)方案,在在線計(jì)算的隨機(jī)樹中找到最佳分支,每個(gè)規(guī)劃步驟只執(zhí)行此分支的第一條邊,但在視場(chǎng)中選擇次最佳可能導(dǎo)致次優(yōu)解,且重復(fù)擴(kuò)展RRT導(dǎo)的前提下,分層規(guī)劃器分步規(guī)劃探索以導(dǎo)致計(jì)算量大。Dornhege等[8]為解決選擇次優(yōu)視圖的問題,通過引入空隙和邊界,將基于二維前沿的勘探方法擴(kuò)展到三維環(huán)境。

如何選取自主探索的目標(biāo)點(diǎn)在無人系統(tǒng)自主探索環(huán)境中起到?jīng)Q策作用。Yamuchi利用廣度優(yōu)先搜索方法尋找離當(dāng)前位置最近的點(diǎn),導(dǎo)致無人機(jī)會(huì)反復(fù)探索同一個(gè)區(qū)域,增加探索路徑長(zhǎng)度。Ibrahim等[9]為提高基于邊界的方法的搜索速度,提出了一種基于遺傳算法的全局搜索目標(biāo)分配方法, 通過遺傳算法啟發(fā)式地生成可能訪問的所有邊界的路線,迭代幾次后選擇最短路線的第一個(gè)邊界點(diǎn)作為下一個(gè)目標(biāo)位置。Liang等[10]使用聚類算法過濾從八叉圖中提取的邊界,并使用基于信息增益的代價(jià)函數(shù)來選擇最優(yōu)邊界,可節(jié)約探索時(shí)間但是算法復(fù)雜度高。Batinovic等[11]通過改變八叉樹圖中點(diǎn)的分辨率過濾邊界點(diǎn),使用均值漂移聚類減少邊界點(diǎn)數(shù)量并選擇要探索的最佳邊界點(diǎn)。Fang等[12]通過優(yōu)化RRT算法生成的隨機(jī)前沿點(diǎn),提出隨機(jī)前沿點(diǎn)優(yōu)化算法,將該算法與前沿點(diǎn)評(píng)價(jià)函數(shù)相結(jié)合,選擇有高估值的前沿點(diǎn)作為目標(biāo)前沿點(diǎn)。

綜上所述,探索是由一個(gè)或一組機(jī)器人在合理的時(shí)間內(nèi)獲得盡可能多的關(guān)于周圍的信息,達(dá)到覆蓋未知環(huán)境的過程。然而,大多數(shù)方法的探索效率都不高,而且為了保證獲取盡可能高的信息增益以及提高在未知環(huán)境下無人機(jī)飛行的安全性,大多數(shù)方法都是在低速條件下進(jìn)行,這在解決短時(shí)間內(nèi)獲取更多的信息方面具有局限性。受文獻(xiàn)[13]啟發(fā),在高速飛行時(shí),選擇并保持一個(gè)方向,若存在未探索邊界再返回繼續(xù)搜尋,結(jié)果會(huì)比以廣度優(yōu)先搜索的方式來回搜索更快,故本文基于八叉樹建圖,針對(duì)邊界驅(qū)動(dòng)方法探索效率低以及探索不充分的問題,提出復(fù)合邊界點(diǎn)方法,再從眾多邊界點(diǎn)中利用評(píng)估函數(shù)選擇信息增益最大與偏航角度最小的點(diǎn)作為邊界導(dǎo)引點(diǎn),使無人機(jī)在快速飛行的同時(shí)能最大限度地降低地圖熵,實(shí)驗(yàn)結(jié)果表明,本文方法具有一定的可行性。

1 構(gòu)建八叉樹地圖

目前使用較多的地圖主要是點(diǎn)云地圖,但點(diǎn)云地圖有難以用于導(dǎo)航、地圖占用空間大、不方便處理重疊地圖等缺陷。八叉樹[14]是描述三維空間坐標(biāo)場(chǎng)景中常用的一種數(shù)據(jù)結(jié)構(gòu),其優(yōu)點(diǎn)是可建模任意環(huán)境、隨時(shí)更新、可動(dòng)態(tài)擴(kuò)展地圖。經(jīng)過優(yōu)缺點(diǎn)比較,本文使用八叉樹生成的3D占用柵格地圖描述環(huán)境V,并用從RGBD相機(jī)收集的數(shù)據(jù)來提供點(diǎn)云以更新地圖。在八叉樹中,3D占用柵格地圖中每個(gè)體素由其質(zhì)心表示,先驗(yàn)概率為x=0.5,體素的狀態(tài)分為空閑Vfree<0.5,占用Vocc>0.5,未知Vunk=0.5

V=Vfree∪Vocc∪Vunk

(1)

無人機(jī)飛行時(shí),通常會(huì)把地圖信息轉(zhuǎn)換成占用概率以供無人機(jī)導(dǎo)航,本文將占用概率值小于0.5的體素視為空閑,將占用概率值等于0.5的體素視為未知,將占用概率值大于0.5的體素視為障礙。一個(gè)柵格的狀態(tài)數(shù)值越大表示它越可能是占據(jù)狀態(tài),越小表示它越可能是空閑狀態(tài),狀態(tài)值為初始值則表示它是未知狀態(tài),由這3種體素狀態(tài)定義了整個(gè)空間,使無人機(jī)能夠準(zhǔn)確感知環(huán)境信息。

2 基于局部環(huán)境類型的復(fù)合型邊界點(diǎn)提取方法

2.1 室內(nèi)局部環(huán)境分類與識(shí)別

為提高無人機(jī)面對(duì)復(fù)雜未知環(huán)境的瞬時(shí)反應(yīng)速度以及降低計(jì)算復(fù)雜性,本文針對(duì)室內(nèi)局部環(huán)境固有特點(diǎn),把環(huán)境和無人機(jī)進(jìn)行了相對(duì)位置模式分類,將當(dāng)前視角環(huán)境分為無障礙飛行模式、無人機(jī)朝左邊墻飛行模式,無人機(jī)朝右邊墻飛行模式、右邊沒有障礙物飛行模式、左邊沒有障礙物飛行模式、多障礙物飛行模式,如圖1所示,無人機(jī)根據(jù)識(shí)別的室內(nèi)局部環(huán)境,規(guī)劃下一個(gè)位置要達(dá)到的位置點(diǎn),再發(fā)布命令控制無人機(jī)飛往該點(diǎn)。

圖1 室內(nèi)局部環(huán)境類型圖

如圖1所示,模式1為無障礙,在機(jī)器人的視野內(nèi)無障礙物時(shí),無人機(jī)將朝扇形視野中心點(diǎn)飛行,飛行角度保持不變,設(shè)t為當(dāng)前時(shí)刻時(shí)間戳,t+1為無人機(jī)下一時(shí)刻時(shí)間戳,則此時(shí)

θt+1=θt

(2)

t∈0,1,2,…,n-1,n

當(dāng)無人機(jī)處于模式2和模式3時(shí),無人機(jī)有一部分視野被連續(xù)障礙物擋住了,此時(shí)選擇將這一部分視野丟棄,以模式2為例,如圖2所示,此時(shí)無人機(jī)的視野有一部分被墻面擋住(虛線部分),為了防止無人機(jī)撞墻,選擇將這一份視野丟棄,找尋剩余的視野的中點(diǎn)(綠色長(zhǎng)虛線扇形的中點(diǎn))。

圖2 模式2中無人機(jī)下一步飛行示意圖

求此時(shí)無人機(jī)偏航角度如下:假定無人機(jī)定高飛行zA=zB,通過八叉樹中的光線投射方法(CastRay)訪問體素占用狀態(tài)獲取其正前向扇形視野與墻面交點(diǎn)A(xA,yA,zA),采用仿真系統(tǒng)無人機(jī)模塊獲取無人機(jī)當(dāng)前坐標(biāo)B(xB,yB,zB),無人機(jī)原始飛行方向與向量AB之間的夾角為φ,可求得其正切角

(3)

此時(shí)φ滿足

(4)

設(shè)無人機(jī)下一個(gè)飛行方向與當(dāng)前飛行方向偏航角為θ,無人機(jī)的扇形視角大小為φ,可求得θ

(5)

加入偏航角可以使無人機(jī)有效避免被墻面擋住視野。

當(dāng)無人機(jī)處于模式4,5時(shí),表示無人機(jī)有部分視野被非連續(xù)障礙物擋住,當(dāng)無人機(jī)處于模式6時(shí),表示無人機(jī)有部分視野被連續(xù)障礙物擋住。

圖3 右無障礙模式中無人機(jī)下一步飛行示意圖

以模式4為例,如圖3所示。由于此時(shí)無人機(jī)左邊有障礙物,為了避開障礙物安全飛行,選擇朝空閑視角更大的右邊飛行,設(shè)此時(shí)無人機(jī)右邊扇形視角邊緣點(diǎn)為O(xO,yO,zO),障礙物與扇形視角右側(cè)交點(diǎn)為Q(xQ,yQ,zQ),無人機(jī)自身坐標(biāo)為B(xB,yB,zB),則在向量BQ的基礎(chǔ)上,偏轉(zhuǎn)一定角度α,得到向量BP,再根據(jù)點(diǎn)P與點(diǎn)O坐標(biāo)可求得無人機(jī)下一步邊界導(dǎo)引點(diǎn)R

(10)

此處加入偏航角α是為了避免無人機(jī)與障礙物過于接近導(dǎo)致摩擦碰撞,主動(dòng)避免可預(yù)見的風(fēng)險(xiǎn)。

隨著無人機(jī)偏離障礙物一段距離,無人機(jī)的視野會(huì)逐漸增加到原始視野大小,該方法可以有效提高無人機(jī)對(duì)環(huán)境的能見度,實(shí)現(xiàn)快速飛行條件下的安全飛行。

2.2 復(fù)合邊界點(diǎn)

邊界點(diǎn)F定義為具有以下特性的點(diǎn)

F={vF∈Vfree:?neighbour(vF∈Vunk)}

(11)

針對(duì)傳統(tǒng)邊界點(diǎn)選取規(guī)則單一的問題,本文邊界點(diǎn)分為2類:局部邊界點(diǎn)和全局邊界點(diǎn)。

理論上的局部邊界點(diǎn)往往分布于無人機(jī)視野附近的局部區(qū)域,其優(yōu)點(diǎn)是靠近前沿點(diǎn)能獲得較大的信息增益,數(shù)量少,便于計(jì)算最優(yōu)候選點(diǎn),缺點(diǎn)是在探索過程中可能出現(xiàn)候選點(diǎn)數(shù)量為零的情況。全局邊界點(diǎn)基于可通行空間所有的點(diǎn),所以候選點(diǎn)的數(shù)量較大,分布在全局可通行區(qū)域內(nèi),全局邊界點(diǎn)幾乎覆蓋整個(gè)可通行區(qū)域,其優(yōu)點(diǎn)是能為機(jī)器人下一步探索的邊界導(dǎo)引點(diǎn)提供更多的選擇,相比局部型候選點(diǎn),魯棒性更強(qiáng),缺點(diǎn)是數(shù)量巨大,在評(píng)估最優(yōu)點(diǎn)時(shí)計(jì)算量很大,故相較局部型候選點(diǎn),全局型候選點(diǎn)需要的計(jì)算時(shí)間更多。

本文定義的局部邊界點(diǎn)分布在無人機(jī)視野周邊,定義的全局邊界點(diǎn)是在視野以外且體素狀態(tài)介于Vunk和Vfree之間的點(diǎn)。由于單一的邊界點(diǎn)提取方法無法同時(shí)滿足自主探索中高效與全面的要求,本文在探索過程中擬結(jié)合2種提取方法對(duì)邊界點(diǎn)進(jìn)行復(fù)合提取。方法流程如圖4所示。

圖4 復(fù)合邊界點(diǎn)選擇流程圖

無人機(jī)主動(dòng)探索可以認(rèn)為是一種最小化地圖熵的行為,而信息增益表示某點(diǎn)對(duì)降低地圖不確定性貢獻(xiàn)的大小,即能夠獲取環(huán)境信息量的大小,定義地圖的香農(nóng)熵為

(12)

式中，i表示地圖的各個(gè)柵格單元,j表示柵格的占用情況,可以是占據(jù)、空閑、未知3種情況,未知柵格p(mi,j)=0.5,熵值越高,地圖不確定性越高,兩者呈正比例關(guān)系,使用互信息I(m,xi)評(píng)估對(duì)邊界點(diǎn)xi的預(yù)期信息增益

I(m,xi)=H(m)-H(m|xi)

(13)

式中：H(m)表示當(dāng)前地圖的熵；H(m|xi)表示在邊界點(diǎn)xi處預(yù)期的熵。

對(duì)于本文提出的復(fù)合邊界點(diǎn)提取方法,本文采用信息增益及旋轉(zhuǎn)角度非線性加權(quán)的效益函數(shù)對(duì)邊界點(diǎn)進(jìn)行評(píng)估,評(píng)估函數(shù)表達(dá)式如下

(14)

式中：λ為加權(quán)系數(shù)；θq為無人機(jī)偏航角；F表示邊界點(diǎn)；I(m,xi)為邊界導(dǎo)引點(diǎn)處的信息增益估計(jì)值,使V(q)值最大的點(diǎn)q為邊界導(dǎo)引點(diǎn)。

圖5 無人機(jī)探索邊界導(dǎo)引點(diǎn)示意圖

如圖5所示,假定無人機(jī)當(dāng)前坐標(biāo)為(xcurr,ycurr,zcurr),且局部點(diǎn)已探索完畢,而右上角區(qū)域未被探索,設(shè)紅色點(diǎn)為邊界導(dǎo)引點(diǎn),邊界導(dǎo)引點(diǎn)的坐標(biāo)為(xatt,yatt,zatt),可求得兩點(diǎn)在x方向的距離xL,y方向上的距離yL,從而求出從當(dāng)前坐標(biāo)點(diǎn)到邊界導(dǎo)引點(diǎn)的正切角

(15)

再根據(jù)反正切函數(shù)可得出偏航角度

(16)

在選定邊界導(dǎo)引點(diǎn)后,可確定一個(gè)吸引力勢(shì)場(chǎng)

Uatt=γd2(xcurr,xatt)]

(17)

式中：γ是引力勢(shì)場(chǎng)尺度因子；d(xcurr,xatt)為當(dāng)前位置與邊界導(dǎo)引點(diǎn)之間的距離,使全局點(diǎn)對(duì)無人機(jī)產(chǎn)生一個(gè)吸引力,再給定無人機(jī)每一步飛行步長(zhǎng),把這些信息發(fā)布給無人機(jī),無人機(jī)即可飛往邊界導(dǎo)引點(diǎn)實(shí)現(xiàn)自主探索。

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證所提出方法的可行性,本文在ubuntu16.04環(huán)境下的Gazebo7.0中使用RotorS[15]模型進(jìn)行了仿真實(shí)驗(yàn),使用RViz來查看即時(shí)構(gòu)建地圖的過程和生成的地圖、探索路徑(綠色線),設(shè)計(jì)了4種常見的室內(nèi)局部環(huán)境,并將提出的方法與文獻(xiàn)7方法進(jìn)行了比較。為了驗(yàn)證方法的有效性,本文提出的方法在文獻(xiàn)[7]方法的公寓環(huán)境中進(jìn)行了實(shí)驗(yàn),對(duì)探索時(shí)間,相同時(shí)間內(nèi)地圖覆蓋率進(jìn)行了對(duì)比,如圖6～7所示。

圖6 公寓環(huán)境探索實(shí)驗(yàn)結(jié)果

圖7 公寓環(huán)境類型下探索時(shí)間與覆蓋率關(guān)系

地圖覆蓋率:用八叉樹中的被占據(jù)的體素Vocc與總體素V之比表示探索覆蓋率

(18)

仿真參數(shù)如表1所示,因?yàn)槲墨I(xiàn)[7]中的模型較小,如果速度過快無人機(jī)會(huì)無法轉(zhuǎn)彎,出現(xiàn)這種情況是由于沒有足夠大的空間支持轉(zhuǎn)彎,導(dǎo)致無人機(jī)在墻角靜止不動(dòng)或試圖轉(zhuǎn)彎導(dǎo)致撞墻。

表1 仿真參數(shù)表1

表2 文獻(xiàn)[7]中公寓環(huán)境類型下本文方法與

通過對(duì)公寓環(huán)境類型的探索平均時(shí)間進(jìn)行加權(quán)計(jì)算可得,本文方法比文獻(xiàn)[7]方法探索時(shí)間降低約68.7%。

為了驗(yàn)證本文方法在不同環(huán)境、不同參數(shù)下的有效性與普適性,本文模擬了4種環(huán)境類型來進(jìn)行驗(yàn)證,在所有的環(huán)境類型下,2種方法無人機(jī)放置的起始位置相同,仿真參數(shù)如表3所示。

表3 仿真參數(shù)表2

本文模擬的環(huán)境類型1是單房間,該地圖大小為15 m×15 m×3 m,本文方法和文獻(xiàn)[7]方法探索效果如圖8所示。

圖8 環(huán)境類型1探索實(shí)驗(yàn)結(jié)果

圖9 單房間環(huán)境類型下探索時(shí)間與覆蓋率關(guān)系

在單房間環(huán)境類型下,本文方法最短探索用時(shí)38 s,文獻(xiàn)[7]方法最短探索用時(shí)2 161 s,這是由于文獻(xiàn)[7]方法需要計(jì)算RRT樹,不斷尋求最佳分支,而本文計(jì)算量較小,計(jì)算時(shí)間幾乎可以忽略。

圖10 環(huán)境類型2探索實(shí)驗(yàn)結(jié)果

本文模擬的環(huán)境類型2是單房間加4個(gè)柱狀障礙物,該地圖大小為15 m×15 m×3 m,本文方法和文獻(xiàn)[7]方法探索效果圖如圖10所示。

圖11 單房間+障礙物環(huán)境類型下探索時(shí)間與覆蓋率關(guān)系

設(shè)計(jì)此環(huán)境類型的目的是驗(yàn)證2種方法是否能避障,結(jié)果表明2種方法都可以較好地避開障礙物,由于加入障礙物,導(dǎo)致2種方法探索時(shí)間略有增加,本文方法最短探索用時(shí)54 s,文獻(xiàn)[7]方法最短探索用時(shí)2 435 s。

本文模擬的環(huán)境類型3是模仿教室設(shè)計(jì),分別有前門和后門,由4個(gè)房間加上中間的通道組成,該地圖大小為32 m×20 m×3 m,4個(gè)房間大小均為11 m×10 m×3 m,中間通道為10 m×20 m×3 m,本文方法和文獻(xiàn)[7]方法探索效果如圖12所示。

圖12 環(huán)境類型3探索實(shí)驗(yàn)結(jié)果

圖13 多房間+多通道環(huán)境類型下探索時(shí)間與覆蓋率關(guān)系

設(shè)計(jì)此環(huán)境類型的目的是驗(yàn)證2種方法能否在多個(gè)房間中探索,單純?cè)谝粋€(gè)房間探索比較簡(jiǎn)單,體現(xiàn)不出無人機(jī)的智能性。實(shí)驗(yàn)結(jié)果表明,本文方法無人機(jī)可以探索得比較全面,而文獻(xiàn)[7]方法探索的效果不太理想,總是在同一個(gè)地方徘徊,探索覆蓋率較低且探索時(shí)間很長(zhǎng),其最短探索用時(shí)為3 035 s,本文方法最短探索用時(shí)僅148 s。

本文模擬的環(huán)境類型4設(shè)計(jì)成1扇墻連通2個(gè)房間,在墻中間有一處空隙,該地圖大小為20 m×20 m×3 m,中間空隙為3 m,空隙左右兩邊的墻為8.5 m,本文方法和文獻(xiàn)[7]方法探索效果如圖14所示。

圖14 環(huán)境類型4探索實(shí)驗(yàn)結(jié)果

圖15 多房間+單通道環(huán)境類型下探索時(shí)間與覆蓋率關(guān)系

設(shè)計(jì)這個(gè)環(huán)境類型的目的是考證復(fù)合邊界點(diǎn)的有效性,通過驗(yàn)證無人機(jī)能否有效從空隙穿過探索另一個(gè)房間,如果不能從空隙穿過,證明無人機(jī)只是被局部點(diǎn)引導(dǎo)飛行,反之,若能從空隙穿過,證明確實(shí)有全局點(diǎn)吸引無人機(jī)飛行。

實(shí)驗(yàn)結(jié)果表明,本文方法可以有效探索整個(gè)空間,且重復(fù)探索區(qū)域較少,而文獻(xiàn)[7]方法無法探索完整個(gè)空間,總是在已探索的地方循環(huán)探索,且其最短探索用時(shí)2 040 s,本文方法最短探索用時(shí)僅107 s。

在這4種情況下,每種方法都以相同的初始配置運(yùn)行10次,當(dāng)文獻(xiàn)[7]方法出現(xiàn)“planner not reachable”時(shí)認(rèn)為探索結(jié)束停止計(jì)時(shí)。4種方法的探索時(shí)間對(duì)比如表4所示,其中探索平均時(shí)間根據(jù)對(duì)10次探索時(shí)間進(jìn)行加權(quán)平均得到。

表4 不同環(huán)境類型下本文方法與文獻(xiàn)[7]方法探索時(shí)間對(duì)比

從探索時(shí)間和覆蓋率的關(guān)系可以看出,采用本文的方法無論在小型環(huán)境或大型環(huán)境中都基本能夠探索全部地圖,而文獻(xiàn)[7]方法只能在小型環(huán)境中探索,一旦進(jìn)入大型環(huán)境則會(huì)出現(xiàn)在同一區(qū)域重復(fù)徘徊的情況。此外,由探索效果圖可以看出,本文的方法走重復(fù)區(qū)域不多,探索環(huán)境的順序比較合理,雖然由于環(huán)境類型的復(fù)雜性,有時(shí)會(huì)出現(xiàn)重復(fù)探索,這是因?yàn)樵摰胤接羞z留的全局點(diǎn)待探索,但是總體而言,本文方法極大地減少了探索時(shí)間,對(duì)4種環(huán)境類型的探索平均時(shí)間分別進(jìn)行加權(quán)計(jì)算可得,對(duì)于環(huán)境類型1,本文方法比文獻(xiàn)[7]方法探索時(shí)間約降低98.6%;對(duì)于環(huán)境類型2,本文方法比文獻(xiàn)[7]方法探索時(shí)間約降低97.9%;對(duì)于環(huán)境類型3,本文方法比文獻(xiàn)[7]方法探索時(shí)間約降低95.7%;對(duì)于環(huán)境類型4,本文方法比文獻(xiàn)[7]方法探索時(shí)間約降低96.3%,為了保證方法的有效性及合理性,對(duì)計(jì)算得到的4種環(huán)境類型的探索時(shí)間下降率,進(jìn)行加權(quán)計(jì)算,得到本文方法比文獻(xiàn)[7]方法在4種環(huán)境類型下的平均探索時(shí)間約降低97.1%。文獻(xiàn)[7]方法存在同一區(qū)域重復(fù)探索的現(xiàn)象,故其探索時(shí)間大大增加,且由于文獻(xiàn)[7]方法需要在線計(jì)算RRT樹以找最佳分支,故其計(jì)算時(shí)間也較長(zhǎng),導(dǎo)致其探索總時(shí)間與本文方法相比高出不少。與文獻(xiàn)[7]方法相比,本文提出的方法在同樣的時(shí)間探索覆蓋率更高,探索時(shí)間更短,故本文提出的方法具有一定的優(yōu)勢(shì)。

4 結(jié) 論

本文結(jié)合了邊界驅(qū)動(dòng)方法和復(fù)合邊界點(diǎn)提取方法對(duì)未知環(huán)境進(jìn)行探索,在此基礎(chǔ)上用八叉樹建立環(huán)境地圖,使無人機(jī)在未知環(huán)境下具有自主探索和構(gòu)建室內(nèi)環(huán)境的能力,與文獻(xiàn)[7]方法相比探索同樣面積所需時(shí)間更少,探索范圍更全,路徑更為平滑,并遷移在不同參數(shù)、不同環(huán)境類型下進(jìn)行了驗(yàn)證,結(jié)果表明本文方法具有一定可行性與普適性。