配置空间

机器人规划的配置空间概念:一个空间包含所有机器人自由度的机器人配置,描述为C-space

  • 机器人配置:表示对机器人上面所以点的位置的描述
  • 机器人自由度:规划的时候用最少的坐标数量去表示机器人配置,例如无人机规划,在微分平坦中进行规划则是x\y\z\yaw四个变量,所以对于无人机轨迹规划来说有四个自由度。
  • 机器人配置空间:一个空间包含所有机器人自由度的机器人配置,描述为C-space

任何可能的机器人的位姿在C-space中描述为一个点

配置空间的意义
在工作空间中进行规划,机器人有不同的形状和大小,比如有圆形的或方形的碰撞检测需要知道机器人的外形,然后再做检测,这样是费时费力的。

在配置空间中做规划
机器人在C-space中表示一个点,例如位置就是一个点属于R3一个位姿属于SO(3)
在配置空间中,机器人表示成了一个点,那么在配置空间中,障碍物也需要特殊的处理,把工作空间中的障碍物变成配置空间中的障碍物,被称为 配置空间障碍物或者C-obstacle这个工作是在运动规划前完成的,一次完成的工作。


障碍物安照机器人尺寸进行膨胀,上面机器人被设置成了一个点,只要点在障碍物外面,就不会发生碰撞

C-space是C-obstacle 和C-free组成的

经过配置空间的处理,路径规划变成了在C-free 中找到起点和终点的路径寻找。

在工作空间中,机器人有尺寸有形状,对于运动规划会带来困难,在配置空间中,机器人用一个点来描述,方便做运动规划

经过上述配置空间的操作,碰撞检测就进行了简化,这就是配置空间的意义。


机器人被看做是一个球体,半径为r
对障碍物安照半径r进行膨胀,蓝色就是膨胀后的障碍物,然后就可以进行路径规划和生成。

图和图搜索算法的基本概念

图的基础概念

图是有节点和边的一种表达方式


各节点由边连起来
边可以是有向的,也可以无向的


边也可以有权重,如果没有特殊说明,可以认为权重是一样的。
下面则是有权重的


在每条边上机器人付出的代价不一样,代价可能是路径或者更广义的概念,比如机器人消耗的能量,或者易出现的风险。

图搜索基本概念

对于任何一个图搜索算法,首先要构造一个图

上图是抽象概念里的图

对于实际场景,我们需要人为构造一个图,以下是两种简单的例子

栅格地图的路径规划,里面的节点和相邻的节点是具有连接关系的,所以本身就是一个图了

基于采样的,没有天然的节点关系,需要人为构造一个图在里面,例如上面就是通过算法构造的有节点和边组成的图

图搜索算法

搜索总是从起始状态Xs开始,到Xg结束
对于搜索节点,可以构建一个搜索树


右边和左边是等价的,只是写成了树状的结构,这样看彼此关系更加清晰点

从起点搜索到终点后,回溯整个搜索过程,就可以得到希望的搜索路径

对于实际机器人来说,构建整个空间的搜索树,代价很大,所以需要尽可能快,但是不失搜索路径的算法。

图搜索算法框架

所有的图搜索算法都是按照下面的框架进行的:

1、维护一个容器,装载将来有可能访问的一个节点

2、容器初始化为空,放入的第一个节点就是起始状态Xs

3、循环
根据预先定义的一个指标或者目的,从容器中弹出一个节点 ,称之为 访问一个节点
获取弹出节点所有的邻居节点, —-扩展
将这些邻居节点装入容器

4、结束循环:访问到了结束状态,或者自定义的一个指标,结束循环

有两个下面的问题需要注意

什么时候结束循环?

  • 一种可能就是容器空了,这代表没有了我们将来要访问的节点了,遍历完了所有节点
  • 搜索到了结束节点

如果这个图本身是有回环的呢?
为了在图搜索中避免形成回环,永远走不出去,需要再维护一个新的容器,该容器装载着已经被访问过的节点,被访问过的节点不能再次被访问

图搜索优化的方向就是
按照什么规则去访问节点,按照什么规则弹出节点,使我们尽可能快的找到终止节点。

图遍历算法:

  • 广度优先搜索
  • 深度优先搜索

广度优先搜索 遵循先进先出的原则,维护的是一个队列

弹出元素,总是从队列的头弹出的
深度优先搜索 遵循的是后进先出的原则,维护的是一个堆栈

弹出从最上面弹出,最后进入容器的,最先被弹出来

广度优先搜索(BFS)

特点:每次弹出层级最浅的一个节点,维护的是一个队列的结构
所以搜索过程是一层一层进行的

最直观的理解就是一层一层的进行

BFS步骤的拆分

这样的一个图结构,BFS的步骤是下面这样的

初始化容器是空的,首先放入开始节点S

弹出(访问)S节点,容器就再次变为空的

对S进行扩展,
从图上上可以看出,S可以扩展的是d\e\p

安照定义的规则,将扩展的节点以规则顺序放入容器中

与DFS区别就是,从下面弹出节点,先弹出p节点

然后再进行循环

最终找到终止节点,结束循环,完成图搜索。

深度优先搜索(DFS)

特点:每次弹出的节点是最深层级的一个节点,维护的是一个堆栈

直观的理解就是没次把一个分支走到底

DFS步骤的拆分:
注意—-维护的是一个栈的结构

这样的一个图结构,DFS的步骤是下面这样的

初始化容器是空的,首先放入开始节点S

弹出(访问)S节点,容器就再次变为空的

对S进行扩展,
从图上上可以看出,S可以扩展的是d\e\p

安照定义的规则,将扩展的节点以规则顺序放入容器中

然后深度优先搜索是弹出容器中的,后入的节点(层级最深的),即d节点
然后再扩展d节点,将扩展节点放入容器,再弹出该弹出的节点,再扩展,再放入的循环操作


最终找到终止节点,结束循环,完成图搜索。

BFS vs DFS

从最终的遍历结果图中,可以看到两者的区别

  • BFS是从开始节点一层一层的去向外扩展,直到扩展到了目标节点,然后回溯去找到最短路径。
  • DFS是从开始节点一条路走到头,去找到目标节点。

由结果来看,BFS 找到的路径是最短的

所以对应移动机器人,在做路径规划找最短路径时,做好的方法就是BFS