Dynamic Window Approach_机器人局部避障的动态窗口法

2024-02-10 03:58

本文主要是介绍Dynamic Window Approach_机器人局部避障的动态窗口法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • 最近正在学习DWA,按照DynamicWindowApproachSample.m 提供的matlab仿真代码简单梳理下,但是这并不是ros里用的,只是一个简单的仿真。
  • DWA的原理:假设一个机器人要从当前点通过一定的速度和方向到达目标点,在速度(v, w)空间中采样多组轨迹,为这些轨迹使用评价函数进行评价,选取最优的轨迹对应的速度(v_best, w_best)来驱动机器人,最终到达目标点。
代码分析:
  1. 首先定义一些初始状态

    % 机器人的初始状态,包括初始位置,朝向(这里可以理解为yaw角)速度,角速度
    % [x(m),y(m),yaw(Rad),v(m/s),w(rad/s)]
    x=[0 0 pi/2 0 0]';% 目标点位置 [x(m),y(m)]
    goal=[10,10];% 障碍物位置列表 [x(m) y(m)]
    obstacle=[0 2;4 2;4 4;5 4;5 5;5 6; 6 7;7 4;9 8;9 11;9 6];% 冲突判定用的障碍物半径
    obstacleR=0.5;% 时间间隔[s],主要用于运动模型
    global dt; dt=0.1;%% 机器人运动学模型参数
    % 最高速度[m/s],最高旋转速度[rad/s],加速度[m/ss],旋转加速度[rad/ss],
    % 速度分辨率[m/s],转速分辨率[rad/s]]
    Kinematic=[1.0,toRadian(20.0),0.2,toRadian(50.0),0.01,toRadian(1)];% 评价函数参数 [heading,dist,velocity,predictDT]
    evalParam=[0.05,0.2,0.1,3.0];% 模拟区域范围 [xmin xmax ymin ymax]
    area=[-1 11 -1 11];% 模拟实验的结果
    result.x=[];
  2. 进入仿真主循环
    循环主要函数为DynamicWindowApproach,输入机器人当前的状态x,运动模型参数,评价函数参数,障碍物,障碍-物半径,输出最优的控制量u(v, w)以及模拟轨迹,控制量传递给运动模型后机器人开始运动,最终到达目标点,后面绘图部分不重要,不予解释了。

    for i=1:5000% DWA参数输入[u,traj]=DynamicWindowApproach(x,Kinematic,goal,evalParam,obstacle,obstacleR);% 机器人运动模型x=f(x,u);% 模拟结果的保存result.x=[result.x; x'];% 是否到达目的地if norm(x(1:2)-goal')<0.5disp('Arrive Goal!!');break;end%% ====绘图部分===hold off;ArrowLength=0.5;%% 机器人quiver(x(1),x(2),ArrowLength*cos(x(3)),ArrowLength*sin(x(3)),'ok');hold on;plot(result.x(:,1),result.x(:,2),'-b');hold on;plot(goal(1),goal(2),'*r');hold on;plot(obstacle(:,1),obstacle(:,2),'*k');hold on;% 探索轨迹if ~isempty(traj)for it=1:length(traj(:,1))/5ind=1+(it-1)*5;plot(traj(ind,:),traj(ind+1,:),'-g');hold on;endendaxis(area);grid on;drawnow; 
    end

    运动模型 x=f(x,u)指的是在世界坐标系下,机器人从a点运动到b点遵循的运动规则,w指的是世界坐标系
    世界坐标系下
    机器人从a点到b点的运动模型
    用矩阵的形式表示这个模型如下:

function x = f(x, u)
% u = [vt; wt];当前时刻的速度、角速度
global dt;F = [1 0 0 0 00 1 0 0 00 0 1 0 00 0 0 0 00 0 0 0 0];B = [dt*cos(x(3)) 0dt*sin(x(3)) 00 dt1 00 1];x= F*x+B*u;
  1. DynamicWindowApproach函数,这个是DWA函数的模型,输出最优的线速度和角速度
    首先会根据机器人模型参数中的最高速度,最高旋转速度,加速度,旋转加速度等参数计算出机器人在dt时间内速度和角速度可以到达的最大最小范围,这个范围可以根据情况调整;
    之后将这个窗口范围内的速度(包含角速度)进行采样,输入到评价函数Evaluation中,计算出每个采样速度对应的评价值evalDB,在对这些评价值进行归一化操作,分别乘以评价值对应的评价参数(cost = a*heading+b*dist+c*velocity),得到最优的评价值后找到其对应的u(v, w),输出这个最佳的速度和角速度

    function [u,trajDB]=DynamicWindowApproach(x,model,goal,evalParam,ob,R)% 动态窗口 [vmin,vmax,wmin,wmax]
    Vr=CalcDynamicWindow(x,model);% 评价函数的计算
    [evalDB,trajDB]=Evaluation(x,Vr,goal,ob,R,model,evalParam);if isempty(evalDB)disp('no path to goal!!');u=[0;0];return;
    end% 各评价函数正则化
    evalDB=NormalizeEval(evalDB);% 最终评价函数的计算
    feval=[];
    for id=1:length(evalDB(:,1))feval=[feval;evalParam(1:3)*evalDB(id,3:5)'];
    end
    evalDB=[evalDB feval];
    % 最优评价函数
    [maxv,ind]=max(feval);
    % 最优的速度和角速度
    u=evalDB(ind,1:2)';
  2. CalcDynamicWindow

    function Vr=CalcDynamicWindow(x,model)
    %
    global dt;
    % 车子速度的最大最小范围
    Vs=[0 model(1) -model(2) model(2)];
    % 根据当前速度以及加速度限制计算的动态窗口
    Vd=[x(4)-model(3)*dt x(4)+model(3)*dt x(5)-model(4)*dt x(5)+model(4)*dt];
    % 最终的Dynamic Window
    Vtmp=[Vs;Vd];
    Vr=[max(Vtmp(:,1)) min(Vtmp(:,2)) max(Vtmp(:,3)) min(Vtmp(:,4))];
  3. Evaluation函数,评价函数的计算,输入初始x的状态,动态窗口,障碍物,冲突判定用的障碍物半径,机器人运动模型参数以及评价函数参数,通过两个for循环计算出需要评价的参数heading dist vel

    function [evalDB,trajDB]=Evaluation(x,Vr,goal,ob,R,model,evalParam)
    % 评价函数值
    evalDB=[];
    % 预测轨迹
    trajDB=[];
    for vt=Vr(1):model(5):Vr(2)for ot=Vr(3):model(6):Vr(4)% GenerateTrajectory轨迹推测% 得到 xt: 机器人向前运动后的预测位姿; traj: 当前时刻到预测时刻之间的轨迹% evalParam(4),前向模拟时间;[xt,traj]=GenerateTrajectory(x,vt,ot,evalParam(4),model);%% 各评价函数的计算% 当前机器人和目标点的朝向heading=CalcHeadingEval(xt,goal);% 当前机器人和障碍物的距离dist=CalcDistEval(xt,ob,R);vel=abs(vt);% 制动距离的计算stopDist=CalcBreakingDist(vel,model);if dist>stopDist %evalDB=[evalDB;[vt ot heading dist vel]];trajDB=[trajDB;traj];endend
    end
  4. GenerateTrajectory函数

    function [x,traj]=GenerateTrajectory(x,vt,ot,evaldt,model)
    % 轨迹生成函数
    % evaldt:前向模拟时间; vt、ot当前速度和角速度;
    global dt;
    time=0;
    % 输入值
    u=[vt;ot];
    % 机器人轨迹
    traj=x;
    while time<=evaldt
    % 时间更新time=time+dt;
    % 运动更新x=f(x,u);traj=[traj x];
    end
  5. CalcHeadingEval函数,heading的评价函数计算

    function heading=CalcHeadingEval(x,goal)% 机器人朝向
    theta = toDegree(x(3));
    % 目标点的方位
    goalTheta = toDegree(atan2(goal(2)-x(2),goal(1)-x(1)));if goalTheta > thetatargetTheta = goalTheta - theta;% [deg]
    elsetargetTheta = theta - goalTheta;% [deg]
    end% theta越小,评价越高
    heading = 180 - targetTheta;
  6. CalcDistEval函数,障碍物距离评价函数

    function dist=CalcDistEval(x,ob,R)dist=100;for io=1:length(ob(:,1))disttmp=norm(ob(io,:)-x(1:2)')-R;% 离障碍物最小的距离if dist>disttmpdist=disttmp;endend% 障碍物距离评价限定一个最大值,如果不设定,一旦一条轨迹没有障碍物,将太占比重if dist>=2*Rdist=2*R;end

这篇关于Dynamic Window Approach_机器人局部避障的动态窗口法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/696059

相关文章

SpringBoot基于配置实现短信服务策略的动态切换

《SpringBoot基于配置实现短信服务策略的动态切换》这篇文章主要为大家详细介绍了SpringBoot在接入多个短信服务商(如阿里云、腾讯云、华为云)后,如何根据配置或环境切换使用不同的服务商,需... 目录目标功能示例配置(application.yml)配置类绑定短信发送策略接口示例:阿里云 & 腾

MySQL高级查询之JOIN、子查询、窗口函数实际案例

《MySQL高级查询之JOIN、子查询、窗口函数实际案例》:本文主要介绍MySQL高级查询之JOIN、子查询、窗口函数实际案例的相关资料,JOIN用于多表关联查询,子查询用于数据筛选和过滤,窗口函... 目录前言1. JOIN(连接查询)1.1 内连接(INNER JOIN)1.2 左连接(LEFT JOI

MySQL中动态生成SQL语句去掉所有字段的空格的操作方法

《MySQL中动态生成SQL语句去掉所有字段的空格的操作方法》在数据库管理过程中,我们常常会遇到需要对表中字段进行清洗和整理的情况,本文将详细介绍如何在MySQL中动态生成SQL语句来去掉所有字段的空... 目录在mysql中动态生成SQL语句去掉所有字段的空格准备工作原理分析动态生成SQL语句在MySQL

Java调用C++动态库超详细步骤讲解(附源码)

《Java调用C++动态库超详细步骤讲解(附源码)》C语言因其高效和接近硬件的特性,时常会被用在性能要求较高或者需要直接操作硬件的场合,:本文主要介绍Java调用C++动态库的相关资料,文中通过代... 目录一、直接调用C++库第一步:动态库生成(vs2017+qt5.12.10)第二步:Java调用C++

C#如何动态创建Label,及动态label事件

《C#如何动态创建Label,及动态label事件》:本文主要介绍C#如何动态创建Label,及动态label事件,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录C#如何动态创建Label,及动态label事件第一点:switch中的生成我们的label事件接着,

SpringCloud动态配置注解@RefreshScope与@Component的深度解析

《SpringCloud动态配置注解@RefreshScope与@Component的深度解析》在现代微服务架构中,动态配置管理是一个关键需求,本文将为大家介绍SpringCloud中相关的注解@Re... 目录引言1. @RefreshScope 的作用与原理1.1 什么是 @RefreshScope1.

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

如何使用Python实现一个简单的window任务管理器

《如何使用Python实现一个简单的window任务管理器》这篇文章主要为大家详细介绍了如何使用Python实现一个简单的window任务管理器,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起... 任务管理器效果图完整代码import tkinter as tkfrom tkinter i

SpringBoot利用dynamic-datasource-spring-boot-starter解决多数据源问题

《SpringBoot利用dynamic-datasource-spring-boot-starter解决多数据源问题》dynamic-datasource-spring-boot-starter是一... 目录概要整体架构构想操作步骤创建数据源切换数据源后续问题小结概要自己闲暇时间想实现一个多租户平台,

mybatis-plus 实现查询表名动态修改的示例代码

《mybatis-plus实现查询表名动态修改的示例代码》通过MyBatis-Plus实现表名的动态替换,根据配置或入参选择不同的表,本文主要介绍了mybatis-plus实现查询表名动态修改的示... 目录实现数据库初始化依赖包配置读取类设置 myBATis-plus 插件测试通过 mybatis-plu