Autonomous Exploration自主探索

　　移動機器人自主探索最主要的任務是確定機器人下一步的期望運動位置，最終實現全域性範圍內以最短無碰撞路徑獲取最多未知正確環境資訊。

　　Autonomous Navigation自主導航

　　自主導航和自主探索都涉及兩個問題：一個是自身定位和環境地圖構建（SLAM），一個是路徑規劃（Path Planing）。後者包括全域性路徑規劃和區域性避障（Obstacle Avoidance）。區別於自主導航，自主探索不包含明確的目標點（Goals），根據已知區域探索未知區域，需要找到邊界條件，優化機器人的行走路徑，以最小的代價完成未知環境的探索。

邊界探索演算法

　　Yamauchi．B提出了基於邊界探索演算法(Froniter-Based)該方法基於影象分割技術提取區域性柵格地圖中已知和未知區域之間的邊界，然後控制機器人選擇向最近邊界區域運動，從而獲取新環境資訊，擴大地圖建立。

NBV（Next best view）探索方法

　　路徑規劃技術是機器人研究領域中的一個重要分支。所謂機器人的最優路徑規劃問題,就是依據某個或某些優化準則(如工作代價最小、行走路線最短、行走時間最短等),在其工作空間中找到一條從起始狀態到目標狀態的能避開障礙物的最優路徑。依據某種最優準則，在工作空間中尋找一條從起始狀態到目標狀態的避開障礙物的最優路徑。需要解決的問題：

1. 始於初始點止於目標點。

2. 避障。

3. 儘可能優化的路徑。

 （by 王超群）

Virtual Force Fields(VFF) 虛擬力場法  （Artificial potential field 人工勢場法）

 　  http://www-personal.umich.edu/~johannb/vff&vfh.htm

RRT快速搜尋隨機樹

一個淺陋的自主探索的方案

更新一下：

ROS中的導航包

先鋒機器人P3-AT中的自動導航

ArPathPlanningTask is the navigation component

　　The path planning task uses a grid based search to compute the shortest and safe path from the present robot pose to any reachable point in the given robot enviroment map. It then enables an action that follows the planned path, all the while using the dynamic window method to avoid unmapped obstacles in its path. The path planning thread requires fairly accurate robot location. Hence a localization task (ArLocalizationTask or ArSonarLocalizationTask) must also be run concurrently with the path planning task.

相關閱讀