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
冰水不凉40 分钟前
cartographer源码阅读四-MapBuilder
学习·slam
阿拉斯攀登1 小时前
【无人售货柜・RK+YOLO】篇 4:效果拉满!针对无人售货柜场景的 YOLO 模型优化技巧,解决 90% 的识别问题
yolo
JicasdC123asd3 小时前
感受野CBAM融合卷积改进YOLOv26双重注意力机制与自适应特征增强协同突破
人工智能·yolo·目标跟踪
JulyLi20194 小时前
RK3576 yolov8部署笔记
笔记·yolo
JicasdC123asd5 小时前
感受野注意力卷积改进YOLOv26自适应空间加权与特征重排双重突破
yolo·计算机视觉·目标跟踪
Hcoco_me5 小时前
Anchor-based(YOLOv5) VS Anchor-free(YOLOv8/v11)
yolo
JicasdC123asd5 小时前
快速跨阶段部分网络改进YOLOv26特征提取效率与梯度流动双重优化
人工智能·yolo·目标跟踪
阿拉斯攀登6 小时前
【无人售货柜・RK+YOLO】篇 5:RK3576 部署第一步!YOLO 模型转 RKNN 全流程,新手必避的量化大坑
yolo
君不见~7 小时前
在YOLO11中引入LWGA轻量分组注意力模块(AAAI 2026),实现涨点,保姆级别教程
yolo·yolo11·yolo改进·yolo涨点
duyinbi75177 小时前
感受野坐标注意力卷积改进YOLOv26双向空间加权与自适应通道建模协同突破
人工智能·yolo·目标跟踪