Обзор статей по алгоритмам планирования пути на неровной

местности

В данной работе [S Pütz, T Wiemann, J Sprickerhof, J Hertzberg. 3d navigation mesh

generation for path planning in uneven terrain. 2016] представлена система навигации для
мобильных роботов на поверхности, представленной в виде трехмерной сетки. Система
использует облако 3d-точек для создания навигационной сетки, состоящей из
треугольников, в реальном времени. Каждый участок навигационной сетки анализируется
на наличие препятствий, неровность поверхности и проходимость. Вес ребра между двумя
точками сетки рассчитывается на основе расстояния между ними, сложности в
достижении этих точек, местную неровность и разницу в высотах. Для нахождения пути
на таком взвешенном графе можно использовать алгоритм Дейкстры или A*.
Представленный подход к планированию пути был успешно реализован на реальной
платформе VolksBot XT в уличной среде.
В работе [JY Jun, JP Saut, F Benamar. Pose estimation-based path planning for a tracked
mobile robot traversing uneven terrains. 2016] представлен новый алгоритм планирования
пути для мобильных роботов, двигающихся по неровным поверхностям. Данный алгоритм
Bidirectional dynamic-domain transition based RRT (BiDDTRRT) является комбинацией двух
RRT-подобных алгоритмов: Transition-based RRT (T-RRT) и Dynamic-Domain RRT (DD-
RRT). Алгоритм T-RRT смещает область поиска пути в зону более благоприятных для
движения участков (рёбер, имеющих меньший вес). Алгоритм DD-RRT использован,
чтобы уменьшить вероятность выбора граничной точки карты. Функцией стоимости в
данном алгоритме зависит от наименьшего угла между вектором силы, оказываемой на
центр масс робота, и вектором, идущим от центра масс робота до одной из его осей
опрокидывания. Чем меньше угол, тем наиболее предпочтительна точка для вхождения в
путь. В итоге было произведено сравнение производительности алгоритма BiDDTRRT с
другими алгоритмами семейства RRT, такими как bidirectional RRT (BiRRT) и bidirectional
transition-based RRT (BiTRRT). BiRRT быстрее находит решение, но вес каждого отрезка
пути высок. BiTRRT находит путь с меньшим весом, но вероятность нахождения
успешного решения падает с ростом граничных точек. Использование BiDDTRRT
устраняет недостаток предыдущего алгоритма и показал увеличение шанса успеха,
улучшение качества пути и сокращение времени планирования.
В работе [8] реализован новый подход к планированию пути на 3D-
карте. Сначала строится 2D-путь, затем этот путь проецируется на 3D-карту с
помощью функции цифровой модели рельефа, где каждой паре значений (x,
y) соответствует уникальное значение высоты (z). Так как при проекции 2D-
карты на её трехмерную копию, длина некоторых участков может
изменяться. В этой работе представлен численный подход к подсчёту
пропущенных/покрытых участков, использование которого гарантирует
полное покрытие карты независимо от её геометрических особенностей и
выбранного угла движения. Результаты эксперимента на тестовых областях
показали, что использование разработанных подходов позволяет обнаружать
на 2-14 % больше проходимых участков карты местности по сравнению с
остальными подходами.
В работе [W Aguilar, S Morales. 3D environment mapping using the Kinect V2 and path
planning based on RRT algorithms. 2016] представлена система планирования пути в
трехмерной среде. Предложенный планировщик использует усовершенствованный
алгоритм планирования пути, созданный на основе алгоритма RRT. Этот алгоритм
называется RRT* Goal Limit (RRT* GL), так как является слиянием двух других: RRT*
Goal (направляет исследование карты местности в сторону целевой точки) и RRT* Limits
(при нахождении возможного пути, область поиска для следующей итерации будет
смещена в сторону нахождения этого самого пути). Результаты тестирования
производительности алгоритмов семейства RRT (RRT, RRT*, RRT* Goal, RRT* Limits,
RRT* GL) показали, что алгоритм RRT* GL имеет более высокую производительность и
находит оптимальный путь за меньшее число итераций, чем другие алгоритмы.

В работе [N Ganganath, CT Cheng, KT Chi. A constraint-aware heuristic path planner

for finding energy-efficient paths on uneven terrains. 2015] представлен эвристический
алгоритм Z* для энергоэффективного планирования на неровной местности.
Энергоэффективность здесь зависит от угла наклона поверхности и расстояния между
точками и, коэффициента трения поверхности, массы робота. Если угол наклона
поверхности слишком велик, чтобы робот напрямую подъехал к нужной точке, алгоритм
подбирает зигзагообразный путь до этой точки. Были проведены эксперименты с
реальными роботами по нахождению пути с помощью алгоритмов D-Dopt, D-Eopt, Z* и
basic Z*. D-Dopt находит путь наименьшей длины, но с самым низким значением
энергоэффективности. Длины путей и энергоэффективность путей, найденных другими
алгоритмами примерно равна, но время работы Z* значительно меньше остальных за счёт
того, что он обходит меньшее число точек.

Описание задачи

Имеется четырехколесный робот, для которого необходимо найти оптимальный

путь до целевой точки, который будет построен в обход препятствий и использовать
наиболее легкие для преодоления участки пути.
 Выбор наиболее эффективного алгоритма

Для решения поставленной задачи был выбран подход, описанный в [S Pütz, T

Wiemann, J Sprickerhof, J Hertzberg. 3d navigation mesh generation for path
planning in uneven terrain. 2016], так как он учитывает разницу высот и неровность целых
участков карты, а не только конкретных точек, что позволяет более эффективно
использовать карту для построения маршрута. Использованные в данной работе методики
подсчета весов ребер способствуют выбору наиболее ровных участков в качестве
предпочтительных при построении пути, что приведет к меньшим энергозатратам у
робота. Влияние той или иной составляющей на вес ребер можно регулировать путем
изменения их коэффициентов, что позволит планировать маршрут соответствующий
требованиям задачи.