面向不同障碍物的自主导航策略

REF：基于语义栅格约束的路径规划算法

259a0bd2e09510c2a60820830ac3cfff.png

1. SLAM建图

利用YOLOv5进行目标检测和RGB-D相机深度信息提取，获取环境的语义信息生成语义地图，与激光建图算法构建的占据栅格地图融合，通过栅格更新生成语义栅格地图。

9d0b650a6e79c9e4e033104082b9c05a.png

8dc54571600a039039a5d7151e2083c0.png

2. 路径规划

1. 通过自适应蒙特卡洛定位（AMCL）实现二维场景下的机器人定位得到机器人位姿，并使用Astar算法进行全局路径规划，根据语义栅格，对不同语义物体设置不同的安全区域距离，调整绕障策略，对规划路径进行语义约束。
2. 传统Astar算法的代价函数，由起点到当前点的实际代价g(x,y)和当前点到目标点的启发式估计代价h(x,y)构成，如式1，在此基础上，引入区域系数和绕障代价α•c(x,y)，如式2

c5e43aa233211843f01228fec78d777a.png

cfc8727e41b2a9dd007478f41c794119.png

3. 实验对比

7a88a6ae2643f271ab369fbe76e6b307.png