面向不同障碍物的自主导航策略

REF:基于语义栅格约束的路径规划算法

1. SLAM建图

利用YOLOv5进行目标检测和RGB-D相机深度信息提取,获取环境的语义信息生成语义地图,与激光建图算法构建的占据栅格地图融合,通过栅格更新生成语义栅格地图。

2. 路径规划

  1. 通过自适应蒙特卡洛定位(AMCL)实现二维场景下的机器人定位得到机器人位姿,并使用Astar算法进行全局路径规划,根据语义栅格,对不同语义物体设置不同的安全区域距离,调整绕障策略,对规划路径进行语义约束。

  2. 传统Astar算法的代价函数,由起点到当前点的实际代价g(x,y)和当前点到目标点的启发式估计代价h(x,y)构成,如式1,在此基础上,引入区域系数和绕障代价α•c(x,y),如式2

3. 实验对比

相关推荐
XIAO·宝5 小时前
深度学习------YOLOv4
深度学习·yolo·目标跟踪
董建光d6 小时前
YOLOv4:目标检测的 “速度与精度平衡术
yolo·目标检测·目标跟踪
程序猿小D10 小时前
【完整源码+数据集+部署教程】【零售和消费品&存货】价格标签检测系统源码&数据集全套:改进yolo11-RFAConv
前端·yolo·计算机视觉·目标跟踪·数据集·yolo11·价格标签检测系统源码
newxtc10 小时前
【猿辅导-注册安全分析报告-无验证方式导致安全隐患】
开发语言·selenium·安全·yolo·安全爆破
辞--忧13 小时前
一文读懂 YOLOv3
yolo
辞--忧13 小时前
一文读懂 YOLOv4
yolo·目标跟踪
WWZZ20251 天前
快速上手大模型:机器学习2(一元线性回归、代价函数、梯度下降法)
人工智能·算法·机器学习·计算机视觉·机器人·大模型·slam
MIXLLRED1 天前
YOLO学习——训练进阶和预测评价指标
深度学习·学习·yolo
王彦臻1 天前
YOLOv3 技术总结
深度学习·yolo·目标跟踪