Разработка и имплементация сплайн-алгоритма планирования пути в среде ROS/Gazebo
Ключевые слова:
планирование пути, мобильный робот, алгоритм планирования, ROS, Gazebo, сплайн-алгоритмАннотация
Планирование пути для автономных мобильных устройств является важной задачей в робототехнике. При планировании пути принято использовать один из двух классических подходов: глобальный, когда карта полностью известна, и локальный, в котором устройство по мере движения обнаруживает препятствия с помощью различных бортовых датчиков. На основе этих двух подходов также создаются алгоритмы, сочетающие в себе сильные стороны глобального и локального планирования.
В ходе предыдущих исследований нами был разработан и реализован в среде Matlab прототип многокритериального сплайн-алгоритма глобального построения маршрута. Алгоритм использует граф Вороного при вычислении первой аппроксимации маршрута для запуска итерационного метода, что позволило находить путь во всех конфигурациях карты при условии существования пути от начальной точки до целевой точки. В ходе итеративного поиска использовалась целевая функция, в которой каждому критерию присваивался его вес в целевой функции. Для реализации критериев в том числе использовался метод потенциальных полей.
В данной статье представлена реализация модифицированного сплайн-алгоритма для применения его на реальных автономных мобильных робототехнических системах. Для этого проводится корректирование уравнений характеристических критериев оптимальности пути. Карта препятствий, представленная в ранней версии алгоритма в виде пересечений кругов, в реальных условиях может быть представлена в виде динамически изменяемой вероятностной карты на основе сетки занятости (OccupancyGrid), а робот уже не представляет из себя геометрическую точку.
Для реализации сплайн-алгоритма и дальнейшего использования его в системах управления реальных мобильных робототехнических устройств исходный код прототипа алгоритма был перенесен из среды Matlab в модуль программного обеспечения, написанный на языке программирования С++. Тестирование быстродействия алгоритма и оптимальность многокритериальной целевой функции проводились в среде ROS/Gazebo, являющимся на сегодняшний день де-факто стандартом программирования и моделирования робототехнических устройств.
Полученный в результате сплайн-алгоритм поиска пути можно интегрировать в системы управления наземных колесных и гусеничных робототехнических устройств, оборудованных лазерным дальномером, а также модифицировать предложенный алгоритм для использования шагающими наземными роботами, беспилотными летающими аппаратами и беспилотными судами. Алгоритм работает в режиме реального времени и параметры влияния критериев на целевую функцию доступны для динамических изменений во время движения мобильного робота.
Литература
2. Nagatani K. et al. Multirobot exploration for search and rescue missions: A report on map building in RoboCupRescue 2009 // Journal of Field Robotics. 2011. vol. 28(3). pp. 373–387.
3. Pshikhopov V., Medvedev M., Krukhmalev V., Shevchenko V. Base Algorithms of the Direct Adaptive Position-Path Control for Mobile Objects Positioning // Applied Mechanics and Materials. 2015. vol. 763. pp. 110–119.
4. Loevsky I., Shimshoni I. Reliable and efficient landmark-based localization for mobile robots // Robotics and Autonomous Systems. 2010. vol. 58(5). pp. 520–528.
5. Filipenko M., Afanasyev I. Comparison of Various SLAM Systems for Mobile Robot in an Indoor Environment // International Conference on Intelligent Systems. 2018. 8 p.
6. Sokolov M., Bulichev O., Afanasyev I. Analysis of ROS-based Visual and Lidar Odometry for a Teleoperated Crawler-type Robot in indoor environment // International Conference on Informatics in Control, Automation and Robotics (ICINCO). 2017. pp. 316–321.
7. Wagner G., Choset H. Subdimensional expansion for multirobot path planning // Artificial Intelligence. 2015. vol. 219. pp. 1–24.
8. Vokhmintcev A., Yakovlev K. A Real-Time Algorithm for Mobile Robot Mapping Based on Rotation-Invariant Descriptors and Iterative Close Point Algorithm // International Conference on Analysis of Images, Social Networks and Texts. 2016. pp. 357–369.
9. Sullivan J.C.W., Pipe A.G. Path planning for redundant robot manipulators: a global optimization approach using evolutionary search // 1998 IEEE International Conference on Systems, Man, and Cybernetics. 1998. vol. 3. pp. 2396–2400
10. Hart P.E., Nilsson N.J., Raphael B.A formal basis for the heuristic determination of minimum cost paths // IEEE transactions on Systems Science and Cybernetics. 1968. vol. 4. no. 2. pp. 100–107.
11. LaValle S.M. Rapidly-exploring random trees: A new tool for path planning // Iowa State University Ames. 1998. 4 p.
12. Яковлев К.С., Макаров Д.А., Баскин Е.С. Метод автоматического планирования траектории беспилотного летательного аппарата в условиях ограничений на динамику полета // Искусственный интеллект и принятие решений. 2014. № 4. С. 3.
13. Stentz A. Optimal and efficient path planning for partially-known environments // International Conference on Robotics and Automation (ICRA). 1994. vol. 94. pp. 3310–3317.
14. Koenig S., Likhachev M. Fast replanning for navigation in unknown terrain // IEEE Transactions on Robotics. 2005. vol. 21. no. 3. pp. 354–363.
15. Karaman S., Frazzoli E. Sampling-based algorithms for optimal motion planning // The International Journal of Robotics Research. 2011. vol. 30. no. 7. pp. 846–894.
16. Otte M., Frazzoli E. RRT X: Real-Time Motion Planning/Replanning for Environments with Unpredictable Obstacles // Algorithmic Foundations of Robotics XI. 2015. pp. 461–478.
17. Magid E., Keren D., Rivlin E., Yavneh I. Spline-based robot navigation // 2006 IEEE/RSJ International Conference on Intelligent Robots and Systems. 2006. pp. 2296–2301.
18. Nagatani K., Iwai Y., Tanaka Y. Sensor based navigation for carlike mobile robots using Generalized Voronoi Graph // 2001 IEEE/RSJ International Conference on Intelligent Robots and Systems. 2001. vol. 2. pp. 1017–1022.
19. Lavrenov R., Matsuno F., Magid E. Modified Spline-Based Navigation: Guaranteed Safety for Obstacle Avoidance // International Conference on Interactive Collaborative Robotics. 2017. pp. 123–133.
20. Koren Y., Borenstein J. Potential field methods and their inherent limitations for mobile robot navigation // 1991 IEEE International Conference on Robotics and Automation. 1991. pp. 1398–1404.
21. Khatib O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots // Autonomous robot vehicles. 1986. pp. 396–404.
22. Ge S.S., Cui Y.J. Dynamic motion planning for mobile robots using potential field method // Autonomous robots. 2002. vol. 13. no. 3. pp. 207–222.
23. Lagarias J.C., Reeds J.A., Wright M.H., Wright P.E. Convergence properties of the Nelder--Mead simplex method in low dimensions // SIAM Journal on optimization. 1998. vol. 9(1). pp. 112–147.
24. Лавренов Р.О., Афанасьев И.М., Магид Е.А. Планирование маршрута для беспилотного наземного робота с учетом множества критериев оптимизации // Третий Всероссийский научно-практический семинар «Беспилотные транспортные средства с элементами искусственного интеллекта. 2016. С. 10–20.
25. Lavrenov R., Magid E. Towards heterogeneous robot team path planning: acquisition of multiple routes with a modified spline-based algorithm // MATEC Web of Conferences. 2017. vol. 113. pp. 02015.
26. ROS программная библиотека робота Husky. URL: http://wiki.ros.org/Robots/Husky (дата обращения: 11.10.2018).
27. Zheng K. ROS Navigation Tuning Guide // arXiv preprint arXiv: 1706.09068. 2017.
28. Akai N. et al. Autonomous driving based on accurate localization using multilayer LiDAR and dead reckoning // Intelligent Transportation Systems (ITSC). 2017. pp. 1–6.
29. Thrun S., Bücken A. Integrating grid-based and topological maps for mobile robot navigation // Proceedings of the National Conference on Artificial Intelligence. 1996. pp. 944–951.
30. Lau B., Sprunk C., Burgard W. Improved updating of Euclidean distance maps and Voronoi diagrams // 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 2010. pp. 281–286.
31. Lau B., Sprunk C., Burgard W. Efficient grid-based spatial representations for robot navigation in dynamic environments // Robotics and Autonomous Systems. 2013. vol. 61. no. 10. pp. 1116–1130.
32. Lau B., Sprunk C., Burgard W. Incremental Updates of Configuration Space Representations for Non-Circular Mobile Robots with 2D 2.5 D or 3D Obstacle Models // ECMR. 2011. pp. 49–54.
33. Федоренко Р.В., Гуренко Б.В. Планирование траектории автономного мини-корабля // Инженерный вестник Дона. 2015. Т. 38. № 4-1.12 c.
34. Soldea O., Elber G., Rivlin E. Global curvature analysis and segmentation of volumetric data sets using trivariate B-spline functions // Geometric Modeling and Processing. 2004. pp. 217–226.
35. Реализация сплайн-алгоритма планирования пути. URL: https://gitlab.com/LIRS_Projects/Simulaion-Spline-Voronoi-Planner (дата обращения: 04.10.2018).
Опубликован
Как цитировать
Раздел
Copyright (c) 2019 Роман Олегович Лавренов
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).