الگوریتم مسیریابی در محیطهای ناشناخته با رویکرد RRT*-SLAM برای سیستم رباتیک هوایی

در این پژوهش یک چارچوب ناوبری خود مختار برای کوادروتور در حل است. الگوریتمهای امروزی برنامه ریزی مسیر سعی میکنند تعادلی بین کامل بودن اغلب به شکل نسخه تضعیف شده از این محیطهای کاملا ناشناخته معرفی میشود که ترکیبی از الگوریتم RRT برای مسیریابی بهینه و موقعیت یابی و نقشه برداری همزمان (SLAM) مبتنی بر حسگر لیدار است. در ابتدا دادههای لیدار وارد ماژول Gmapping میشوند و نقشه دو بعدی شبکه اشغال و موقعیت لحظه ای کوادروتور به صورت بلادرنگ ساخته میشود. سپس الگوریتم * RRT بر روی نقشه محلی اجرا شده و با استفاده از راهبرد نمونه برداری جهت دار goal bias) مسیری با کمینه طول و انحراف یافت میشود. هرگاه مانع جدیدی کشف شود یا نقشه به روزرسانی گردد مسیر مجددا باز محاسبه میشود تا ناوبری ایمن و بهینه حفظ شود عملکرد سیستم در سه سناریوی شبیه سازی شده با تعداد موانع و چیدمان متفاوت مورد ارزیابی قرار گرفت و نتایج نشان دادند که رویکرد ترکیبی ما در مقایسه با * A و RRT ،کلاسیک، مسیرهای کوتاه تر و صاف تری تولید میکند و با وجود افزایش جزئی در زمان محاسباتی پایداری و اطمینان بیشتری در مواجهه با محیطهای ناشناخته فراهم می آورد این چارچوب گامی موثر در توسعه سامانههای پرنده خودمختار در ماموریتهایی مانند نقشه برداری و امداد و نجات میباشد.

کلیدواژه ها:

برنامه ریزی مسیر ، سنسور لیدار ، Gmapping ، کوادروتور ، محیط ناشناخته ، SLAM ، الگوریتم درخت تصادفی سریع