5-NavRobotica-Planificacion
-
Upload
atacora3953 -
Category
Documents
-
view
41 -
download
1
Transcript of 5-NavRobotica-Planificacion
![Page 1: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/1.jpg)
6-Planificación
Dr. Nelson [email protected]
INCA/INTIA – Facultad de Ciencias ExactasUNCPBA – Tandil – 2011
Fundamentos de
Navegación Autónoma de Robots
![Page 2: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/2.jpg)
Fund. Nav. Autónoma de Robots 2
Esta clase de Planificación…
Incluye :� Búsqueda en grafos
� Programación dinámica
� Grafos de visibilidad
� Campos de potencial
![Page 3: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/3.jpg)
Fund. Nav. Autónoma de Robots 3
Proceso Cognitivo / Razonamiento :
� es la habilidad para decidir que acciones son necesarias realizar para conseguir un determinado objetivo en una situación dada
� decisiones varían desde qué camino tomar hasta qué información del entorno hay que utilizar.
Planificación…
![Page 4: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/4.jpg)
Fund. Nav. Autónoma de Robots 4
Proceso Cognitivo / Razonamiento :
� Los robots industriales pueden trabajar incluso sin ningún proceso cognitivo ya que trabajan en un entorno perfectamente estructurado y estático .
� En la robótica móvil, los procesos cognitivos y el razonamiento son procesos básicos de su naturaleza, tales como determinar el camino más seguro o determinar donde ir después de realizar una acción.
Planificación…
![Page 5: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/5.jpg)
Fund. Nav. Autónoma de Robots 5
� En robótica móvil, el conocimiento sobre el entorno y la situación es normalmente un conocimiento parcial y con incertidumbre:�Esto hace que las tareas sean mucho más
difíciles�Se requieren múltiples tareas en paralelo,
algunas de planificación (global ) para garantizar la “supervivencia del robot”.
Planificación…
![Page 6: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/6.jpg)
Fund. Nav. Autónoma de Robots 6
� El control del robot normalmente se puede descomponer en varias funciones o comportamientos:� seguir paredes, � localización, � generación del camino � evasión de obstáculos.
� Entre los principales procesos cognitivos se puede distinguir la planificación (planificación global) y la evasión de obstáculos (planificación local)
Planificación…
![Page 7: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/7.jpg)
Navegación
Global
![Page 8: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/8.jpg)
Fund. Nav. Autónoma de Robots 8
Navegación� Es la ciencia (o arte) de conducir un robot móvil
mientras atraviesa un entorno (tierra, mar, aire, o espacio) para alcanzar un destino o meta, sin chocar con ningún obstáculo.
� Creación de mapas� Planificación de caminos� Conducción
� Percepción del entorno� Fusión de sensores� Modificación y/o generación de mapas� Control de movimiento� Esquivar obstáculos
![Page 9: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/9.jpg)
Fund. Nav. Autónoma de Robots 9
Navegación Global
Destino lejano� Necesidad de mapa : a priori o construido
automáticamente� Localización dentro de ese mapa� Se apoya en una representación del
entorno� Planificación de caminos� SLAM : Simultaneous Localization and
Mapping
![Page 10: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/10.jpg)
Fund. Nav. Autónoma de Robots 10
Navegación
Planes clásicos y planes como recurso� Clásico: secuencia de subobjetivos� Recurso: ayuda a la decisión
![Page 11: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/11.jpg)
Fund. Nav. Autónoma de Robots 11
Navegación basada en mapas� Dependen del formato del mapa� Por ejemplo:
�Grafo de visibilidad�Diagramas de voronoi�Descomposición en celdas�Dijkstra�Greedy
Navegación
![Page 12: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/12.jpg)
Fund. Nav. Autónoma de Robots 12
Lista de Caminos� Puede incluir información como:
� Zonas vacías� Zonas con gente� Zonas peligrosas
� Grafos de objetos� Grafos de balizas� Permiten búsquedas muy eficientes� Pueden existir regiones ambiguas
Navegación
![Page 13: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/13.jpg)
Navegación
Local
![Page 14: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/14.jpg)
Fund. Nav. Autónoma de Robots 14
Navegación Local
� Navegar sin usar un mapa� Sin un mapa ¿dónde podemos ir ?
�En una dirección determinada�Siguiendo a otro
� ¿Cuáles son los problemas ?�Generalmente no colisionar�Seguir la dirección, al otro robot
�Uso por otros comportamientos
![Page 15: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/15.jpg)
Fund. Nav. Autónoma de Robots 15
Navegación Local
Tres técnicas clásicas:� CVM, espacio de velocidades� LVM� campos de potencial, VFF
![Page 16: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/16.jpg)
Fund. Nav. Autónoma de Robots 16
Método de Velocidad y Curvatura (CVM)
� Los obstáculos se aproximan a círculos� Supondremos que el robot se mueve en
trayectorias circulares (arcos)� El centro de esas trayectorias está en el eje X� El objetivo será encontrar la “mejor” trayectoria� El robot tiene una dirección objetivo� La distancia del robot a un obstáculo es la
tangente más corta
Navegación Local
![Page 17: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/17.jpg)
Fund. Nav. Autónoma de Robots 17
Navegación Local
![Page 18: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/18.jpg)
Fund. Nav. Autónoma de Robots 18
Navegación Local
Método de Carriles y Velocidad (LVM)
![Page 19: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/19.jpg)
Fund. Nav. Autónoma de Robots 19
Navegación Local
Campos depotencial
![Page 20: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/20.jpg)
Planificación basada en mapa
Planificación Global
![Page 21: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/21.jpg)
Fund. Nav. Autónoma de Robots 21
� Punto de partida: existe un mapa del entorno lo suficientemente bueno para realizar la navegación.� Topológico� Métrico� Mixto (topológico o métrico)
� Primer paso:� Representación del entorno: grafo, celdas o un campo de
potencial. Las posiciones discretas o celdas resultante permitenrealizar algoritmos de planificación estándar.
� Ejemplos :� Grafos de visibilidad� Diagrama de Voronoi� Descomposición en Celdas -> Grafos de conectividad� Campos de Potencial
Planificación Global
![Page 22: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/22.jpg)
Fund. Nav. Autónoma de Robots 22
Planificación Global
� Se parte de un punto conocido (ubicado en el mapa)
� Se construye el camino en base a segmentos rectos y sus ángulos
![Page 23: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/23.jpg)
Fund. Nav. Autónoma de Robots 23
Planificación Global1. Construir Grafo� Identificar un conjunto de rutas dentro del
espacio libre� ¿Dónde ponemos los nodos?� Basado en topológico:
� En posiciones distintivas� Basado en métrico:
� Las características se hacen visibles o no
2. Descomposición en Celdas� Discriminar entre espacio libre y ocupado� ¿Dónde ponemos los límites de las celdas?� Topológico - métrico:
� Las características se hacen visibles o no
3. Campo de Potencial� Imponer una función matemática sobre el
espacio disponible
![Page 24: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/24.jpg)
Fund. Nav. Autónoma de Robots 24
Planificación Basada en MapaGrafo de Visibilidad� Se trazan segmentos desde
todos los vértices de los obstáculos hasta los vértices que son visibles, incluyendo los puntos inicial y final.
� Como ruta óptima se selecciona el camino de longitud menor
� Problema : colisiones con los obstáculos -> se aumenta el tamaño de los obstáculos de forma virtual
![Page 25: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/25.jpg)
Fund. Nav. Autónoma de Robots 25
Planificación Basada en MapaGrafo de Visibilidad (2)
� Propuestos por Nilsson 1969
� Uno de los más antiguos
� Une vértices de obstáculos (polígonos) mediante rectas que no atraviesan obstáculos
� Método 2D
� Se obtienen caminos de distancia mínima
![Page 26: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/26.jpg)
Fund. Nav. Autónoma de Robots 26
Planificación Basada en MapaGrafo de Visibilidad (3)Pro:
� Fácil de encontrar el camino más corto.
� Fácil de implementar con obstáculos de polígonos
Contras:
� El número de arcos y nodos incrementa con el número de polígonos.
� Puede ser ineficiente en ambientes con muchos obstáculos.
� La solución no contempla el tamaño del robot…
![Page 27: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/27.jpg)
Fund. Nav. Autónoma de Robots 27
Planificación Basada en MapaDiagrama de Voronoi� Se tiende a maximizar la distancia
entre el robot y los obstáculos del espacio de configuración
� Se calcula la distancia desde todos los puntos en el espacio libre hasta los obstáculos y se seleccionan los de mayor distancia.
� En un espacio con obstáculos poligonales se obtienen segmentos de tipo recta y parábola. Los puntos indican su unión.
� Como ruta óptima se selecciona el camino de longitud menor
![Page 28: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/28.jpg)
Fund. Nav. Autónoma de Robots 28
Planificación Basada en MapaDiagrama de Voronoi (2)
� Los puntos de cada celda están más próximos a un objeto que a los demás (paredes, obstáculos)
� El algoritmo es similar: identificar arcos entre inicio y meta
� Se obtienen trayectorias de máxima seguridad
![Page 29: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/29.jpg)
Fund. Nav. Autónoma de Robots 29
Planificación Basada en MapaDiagrama de Voronoi (3)� Pro : Un robot puede navegar por
simples reglas usando un sensorde rango (láser o sonar).
� Contra : Intenta mantener al robot tan lejos como pueda de los obstáculos (no sigue camino más corto)
� Peculiaridades : cuando los obstáculos son polígonos, el mapa de Voronoi consiste de segmentos rectas y parabólicas.
![Page 30: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/30.jpg)
Fund. Nav. Autónoma de Robots 30
Planificación Basada en MapaDescomposición en Celdas Exactas� Se divide el espacio en regiones
conectadas que se llaman celdas� Hay que determinar que celdas son
adyacentes y se construye un grafo de conectividad
� Se busca en el grafo de conectividad el camino que une las celdas que contienen los puntos de partida y final.
� Se utiliza un algoritmo de búsqueda entre todas las celdas para obtener el camino óptimo.
Para pasar de una celda a otra se pueden emplear diferentes estrategias:• Seguir una pared o • Navegar entre las posiciones centrales de cada celda.
![Page 31: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/31.jpg)
Fund. Nav. Autónoma de Robots 31
Planificación Basada en MapaDescomposición en Celdas Fijas� Existen diferentes estrategias (Wavefront, Breadth-First,
Depth-First,…)� Computacionalmente tiene un coste muy bajo� Problema : pasos estrechos, memoria depende del
tamaño del mapa
![Page 32: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/32.jpg)
Fund. Nav. Autónoma de Robots 32
Planificación Basada en Mapa
Descomposición en Celdas Adaptativas
![Page 33: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/33.jpg)
Fund. Nav. Autónoma de Robots 33
Planificación Basada en MapaDescomposición en Celdas Trapezoidales� Descomposición en polígonos
convexos� Calcular el grafo de
conectividad� Nodos: Cada celda� Arcos: Si las celdas están
conectadas
� Calcular el camino en el grafo� Hacer que el camino pase por
el centro del lado que comporten las celdas representadas por cada nodo
![Page 34: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/34.jpg)
Fund. Nav. Autónoma de Robots 34
Planificación Basada en MapaDescomposición en Celdas Trapezoidales
![Page 35: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/35.jpg)
Fund. Nav. Autónoma de Robots 35
Descomposición en Celdas Adaptativas
Planificación Basada en Mapa
![Page 36: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/36.jpg)
Fund. Nav. Autónoma de Robots 36
Descomposición en Celdas Enrejado
Planificación Basada en Mapa
![Page 37: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/37.jpg)
Planificación basada en mapa
Estrategias de búsqueda en grafos y planos
![Page 38: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/38.jpg)
Fund. Nav. Autónoma de Robots 38
Planificación Basada en MapaEstrategias de Búsqueda en Grafos y Planos� NF1 o expansión de frente de ondas (WaveFront
Expansion)� Otras estrategias de búsqueda
� Breadth-First� Depth-First� Greedy
![Page 39: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/39.jpg)
Fund. Nav. Autónoma de Robots 39
Planificación Basada en Mapa
Estrategias de Búsqueda en Grafos y Planos
� NF1 o expansión de frente de ondas (WaveFront Expansion)
![Page 40: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/40.jpg)
Fund. Nav. Autónoma de Robots 40
Planificación Basada en MapaEstrategias de Búsqueda en Grafos y Planos� Breadth-First
![Page 41: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/41.jpg)
Fund. Nav. Autónoma de Robots 41
Planificación Basada en MapaEstrategias de Búsqueda en Grafos y Planos� Depth -First
![Page 42: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/42.jpg)
Fund. Nav. Autónoma de Robots 42
Planificación Basada en MapaEstrategias de Búsqueda en Grafos y Planos� Greedy
Obtiene el camino con menor costo estimado
![Page 43: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/43.jpg)
Fund. Nav. Autónoma de Robots 43
Planif. B/Campos de Potencial� El robot se trata como un punto
sometido a la influencia de un campo de potencial.
� El objetivo genera una fuerza de atracción
� Los obstáculos generan fuerzas de repulsión
� Los movimientos del robot son similares a una bola rodando cuesta abajo hacia el objetivo
![Page 44: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/44.jpg)
Fund. Nav. Autónoma de Robots 44
Planif. B/Campos de Potencial� La generación de la función del
campo de potencial puede ser:� atractiva (destino) o � repulsiva (obstáculos).
� Los campos deben ser diferenciables
� Si definimos la velocidad del robot como proporcional a la fuerza generada por el campo, la fuerza guía el robot al destino.
![Page 45: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/45.jpg)
Fund. Nav. Autónoma de Robots 45
Planif. B/Campos de Potencial� Problemas:
� Existen problemas de mínimos locales� El problema es mucho más complejo si el robot se
modela como si no fuera un único punto de masa� Si el objeto es convexo se producen situaciones donde
existen varias distancias mínimas entonces pueden existir oscilaciones
![Page 46: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/46.jpg)
Fund. Nav. Autónoma de Robots 46
Planif. B/Campos de Potencial� Método extendido de campo de potencial
� Se introduce un campo de potencial de rotación y un campo de potencial de tarea
� Campo de potencial de rotación:� La fuerza es función de la orientación del robot al obstáculo
� Campo de potencial de tarea:� Se filtran los obstáculos que no influyen en el movimiento del robot,
sólo se incluyen los que están dentro de un sector en frente del robot
![Page 47: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/47.jpg)
Fund. Nav. Autónoma de Robots 47
Planif. B/Campos de Potencial� Método extendido de campo de potencial
� Se trabaja con fuerzas en el plano polar, así no se consume tiempo en transformaciones
� Se puede modelar completamente el robot, las fuerzas actúan directamente sobre los filtros del modelo, lo que redunda en movimientos suaves
� Mínimos locales
![Page 48: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/48.jpg)
Fund. Nav. Autónoma de Robots 48
Planif. B/Campos de Potencial� Método de campo de potencial harmónico
� Se utiliza analogía con la hidrodinámica� El robot se mueve como si fuese una partícula dentro de un fluido
en movimiento� Asegura que no hay problemas con los mínimos locales� Sólo se ha demostrado el funcionamiento en simulación
![Page 49: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/49.jpg)
Evasión de obstáculos
![Page 50: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/50.jpg)
Fund. Nav. Autónoma de Robots 50
Evasión de Obstáculos
� A menudo se implementa como una tarea más o menos independiente.
� Debería ser eficiente con respecto a los siguiente criterios:� El objetivo global� La velocidad actual y la cinemática del
robot� Los sensores de a bordo� El riesgo actual y futuro de colisión
� El objetivo de los algoritmos de evasión de obstáculos es la de evitar colisiones entre el robot y los objetos del entorno
� Es considerado como planificación local .� Normalmente se basan en mapas locales
![Page 51: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/51.jpg)
Fund. Nav. Autónoma de Robots 51
Evasión de ObstáculosAlgoritmo de evasión Bug1 .� Se recorre el obstáculo alrededor por completo para
evitarlo.� Cada obstáculo encontrado se recorre completamente
una vez y luego se deja el obstáculo en el punto más cercano al objetivo.
![Page 52: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/52.jpg)
Fund. Nav. Autónoma de Robots 52
Evasión de ObstáculosAlgoritmo de evasión Bug2 .� Se recorre el obstáculo alrededor siempre en el mismo sentido
(derecha o izquierda).� Se deja el obstáculo cada vez que se cruza la recta que une el
objetivo con el punto de partida.
![Page 53: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/53.jpg)
Fund. Nav. Autónoma de Robots 53
� Algoritmo de evasión VFH “Vector Field Histogram”:� Entorno local del robot se representa en una rejilla con 2DOF
� los valores de las celdas almacenan la probabilidad de contener un obstáculo
� Se reduce a un histograma polar en 1DOF� se calcula el histograma en todas las direcciones de giro� se buscan todos los pasos disponibles
� se selecciona el que menor función de coste G tiene
Evasión de Obstáculos
Donde :� target_direction: alineación del robot con respecto al
objetivo� wheel_orientation: diferencia entre la nueva dirección y la
orientación actual de las ruedas� previous_direction: diferencia entre la dirección
previamente seleccionada y la nueva dirección� a, b, c: parámetros de ajuste comportamiento del robot
![Page 54: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/54.jpg)
Fund. Nav. Autónoma de Robots 54
� Algoritmo de evasión VFH “Vector Field Histogram”:
� Cálculo del histograma polar
� El valor de certidumbre de cada celda activa se trata como un vector obstáculo con una dirección y magnitud
Evasión de Obstáculos
![Page 55: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/55.jpg)
Fund. Nav. Autónoma de Robots 55
Evasión de Obstáculos� Algoritmo de evasión VFH+ “Vector Field
Histogram+”:� Se realiza una simplificación en cuanto a la
capacidad para moverse del robot (su dinámica)� el robot sólo se mueve en rectas o arcos� los obstáculos que bloquean una dirección dada
también bloquean todas las posibles trayectorias a través de esa dirección
![Page 56: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/56.jpg)
Fund. Nav. Autónoma de Robots 56
� Algoritmo de evasión BURBUJAS:� Burbuja = máximo espacio libre alrededor del robot sin riesgo de
colisión� Se genera utilizando la distancia al objeto y un modelo simplificado del
robot� Las burbujas se utilizan para formar una banda continua de burbujas
que conectan el punto inicial con el objetivo
Evasión de Obstáculos
![Page 57: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/57.jpg)
Fund. Nav. Autónoma de Robots 57
Algoritmo de evasión x Curvatura Máxima:� Se imponen restricciones físicas al robot y el entorno en cuanto a la
cinemática y las velocidades lineal y angular del robot� Se supone que el robot navega describiendo arcos de curvatura� Se imponen restricciones de aceleración máxima del robot� Restricciones obstáculos: son transformados en círculos dentro del
espacio de velocidad� Se define una función objetivo para seleccionar la velocidad óptima
Evasión de Obstáculos
![Page 58: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/58.jpg)
Fund. Nav. Autónoma de Robots 58
Algoritmo de evasión x Curvatura Máxima CARRILES:� El robot no navega únicamente en arcos� Los carriles se calculan evaluando la longitud y anchura del
carril al objeto más cercano� El carril con mejores propiedades se elige usando una
función objetivo
� Destacado :� Mejor funcionamiento en la navegación con pasos estrechos� Sigue teniendo el problema de mínimos locales
Evasión de Obstáculos
![Page 59: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/59.jpg)
Fund. Nav. Autónoma de Robots 59
Algoritmo de aproximación por Ventana Dinámica:� Se utiliza la cinemática del robot para elegir un espacio de
velocidad adecuado� Espacio velocidad: espacio de configuración� Asegura detener el robot antes de golpear un obstáculo� Función objetivo para seleccionar la velocidad óptima� Se asume que el robot se mueve en arcos
Evasión de Obstáculos
![Page 60: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/60.jpg)
Fund. Nav. Autónoma de Robots 60
Algoritmo de aproximación por Ventana Dinámica Glob al:� Se añade una función libre de mínimos L, denominada
NF1 (Wave-Propagation), a la función objetivo O.� La rejilla de ocupación se actualiza en base a la medida de
los sensores de distancia (láser, ultrasonidos)
Evasión de Obstáculos
![Page 61: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/61.jpg)
Fund. Nav. Autónoma de Robots 61
Algoritmo de aproximación SCHLEGEL:� Es una variación sobre el algoritmo de ventana dinámica� Tiene en cuenta la forma del robot� Movimiento del robot en forma de arcos� Funcionamiento en tiempo real conseguido con tablas
precalculadas� Planificador global NF1
Evasión de Obstáculos
![Page 62: 5-NavRobotica-Planificacion](https://reader030.fdocuments.ec/reader030/viewer/2022032511/55cf997c550346d0339da02e/html5/thumbnails/62.jpg)
Fund. Nav. Autónoma de Robots 62