UMVs Motion Planning_综述

Introduction

• Preliminary and Technical Review

• Optimization-based Trajectory Planning

• Search-based Trajectory Planning

• Conclusion and Future Work

Background

• Various mobile platforms

  

  • Why choose MAVS
    • 垂直升降
    • 极限运动（较大的加速度）
    • 体积小，可以在狭小空间运动
  • 非常理想的planning&control 平台

• MAVs are capable of VTOL and 3D motions

  • Fly in an unstructured environment
  • fly in confined indoor/outdoor environments

• A fully autonomy MAV

  • 激光雷达：无人机周围障碍物检测，描绘地图
  • RGB相机：找到感兴趣的障碍物或目标点
  • 双目摄像头：状态估计，定位，测速，位姿等
  • laser Beam： 激光， 测量高度 作用等同于气压计
  • Autopilot： IMU等，转换控制信号至发动机信号
  • 机载电脑：computer

• Control Diagram

• How to evaluate planner(metrics):

  • Feasibility: 是否可以被MAVs执行；
  • Safety：是否无碰撞；
  • Optimality： 是否最优或者sub-optimal；
  • Completeness: 如果存在结果，planner是否可以找到它，而不会丢失解；
  • Run time：找到结果的运行时间， 动态环境中re-plan；

• Related work

  • Path planning（只包含空间信息）

    • Deterministic: Dijkstra, A* , D* , D* Lite/LPA * , ARA * (精确式)
    • Randomized: PRM, RRT, RRT *, FMT, BIT * (随机采样)

  • Trajectory planning（包含时空信息）

    • Unconstrainted QP（非限制二次规划）

    • MIP（Mix Integer Programming）（找到空中走廊，计算复杂，比较慢）

      

  • local planner

    • 计算很快
    • 不能提供全局最优解
    • 有时候会被track在一个死胡同中

• Conclusion of previous work：

• 状态表示(微分平坦： 做planning的时候只需要考虑 Flat output）:

• 确定性 vs 随机性

  

Optimization-based Trajectory Planning

• Piece-wise Polynomial (多段式的多项式)

• Unconstrained QP

  • Cost Function in terms of coefficients：

  

  • Waypoint Constraints：

    • 连续性（空间、速度、加速度、角速度、角加速度等）

      

      

      • problem re-formulation

    

• Using QP
  • Solve QP with a Safe Flight Corridor(SFC)

• Run time analysis

• Problem
  • Time allocation
  • searching homology class

• Conclusion

Search-based Trajectory Planning

• Problem revisit

  

• Motion primitives(运动原语，可执行的最小的移动单元)

  • sampling in state space、

    

  • sampling in control space

• comparing to optimization-based method

• List of contents:

  • Trajectory planning with motion uncertainty
  • Trajectory planning with limited field-of-view(FOV)
  • Trajectory planning in SE(3)

• Motion uncertainty

  • Motivations

    • High control authority is impractical

    • Real-world environmental factors : wind, air-drag, wall effect.

    • Over-inflating obstacles is not a complete solution
      

    • 能量场

• Limited FOV

  • Challenges in real world navigation

    • Map is unknow
    • sensor has limited FOV

  • Desired yaw is non-linear and coupled:

    

  • Requirement for safe navigation:

    • The MAV should always move in the direction that is visible

• Add yaw cost and enforce a hard yaw constraint

• SE（3）
  • 传统把无人机当做球体，因此可以忽略row和pitch
    • 将其当成椭球体可以进行更加极限的运动规划

conclusion