基于栅格占据概率和距离场的机器人覆盖轨迹模拟

ops/2024/9/25 23:13:12/

基于栅格占据概率和距离场的机器人覆盖轨迹模拟

简介

辐射场模型实现

理论基础

指数函数建模

我们使用指数函数来表示机器人在某个栅格上停留时间对覆盖概率的影响:

p ( t ) = 1 − e − λ t p(t) = 1 - e^{-\lambda t} p(t)=1eλt

其中 λ \lambda λ 是控制增长速率的参数, t t t 是停留时间。

高斯函数建模

为了表示机器人停留位置对周围栅格的辐射效应,我们使用二维高斯函数

数学形式

  1. 使用指数函数表示停留时间对覆盖概率的影响:

    p ( t ) p(t) p(t) 表示机器人在某个栅格上停留时间 t t t 对应的覆盖概率,可以使用指数函数来建模:

    p ( t ) = 1 − e − λ t p(t) = 1 - e^{-\lambda t} p(t)=1eλt

    其中 λ \lambda λ 是一个控制增长速率的参数。当 t t t 较小时,覆盖概率增长较快;当 t t t 较大时,覆盖概率增长变缓,最终趋于1。

  2. 考虑周围栅格的辐射效应:

    为了表示停留时间对周围栅格的影响,可以使用二维高斯函数来建模这种"辐射"效应:

    G ( x , y ) = 1 2 π σ 2 e − x 2 + y 2 2 σ 2 G(x, y) = \frac{1}{2\pi\sigma^2} e^{-\frac{x^2+y^2}{2\sigma^2}} G(x,y)=2πσ21e2σ2x2+y2

    其中 ( x , y ) (x, y) (x,y) 表示相对于中心栅格的坐标, σ \sigma σ 控制辐射范围。

  3. 结合指数函数和高斯函数:

    将指数函数和高斯函数相乘,得到综合考虑停留时间和辐射效应的覆盖概率函数:

    P ( t , x , y ) = ( 1 − e − λ t ) ⋅ 1 2 π σ 2 e − x 2 + y 2 2 σ 2 P(t, x, y) = (1 - e^{-\lambda t}) \cdot \frac{1}{2\pi\sigma^2} e^{-\frac{x^2+y^2}{2\sigma^2}} P(t,x,y)=(1eλt)2πσ21e2σ2x2+y2

    这个函数表示,对于中心栅格 ( 0 , 0 ) (0, 0) (0,0),覆盖概率主要由停留时间 t t t 决定;对于周围栅格 ( x , y ) (x, y) (x,y),覆盖概率同时受到停留时间 t t t 和距离中心栅格的距离影响。

在数学上,这些方法可以称为:

  1. 指数函数建模(Exponential Function Modeling):用于表示停留时间对覆盖概率的影响。

  2. 二维高斯函数(2D Gaussian Function):用于表示停留时间对周围栅格的辐射效应。

  3. 函数组合(Function Composition):将指数函数和高斯函数相乘,得到综合考虑停留时间和辐射效应的覆盖概率函数。

这种将多个函数组合以表示复杂现象的方法在数学建模中非常常见,可以根据具体问题选择合适的函数形式。

当然可以!下面是一个动态演示机器人在二维栅格地图上停留,并用颜色深浅表示栅格被占据情况的Python demo:

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimationdef exponential_coverage(t, lambda_):return 1 - np.exp(-lambda_ * t)def gaussian_2d(x, y, sigma):return 1 / (2 * np.pi * sigma ** 2) * np.exp(-(x ** 2 + y ** 2) / (2 * sigma ** 2))def combined_coverage(t, x, y, lambda_, sigma):return exponential_coverage(t, lambda_) * gaussian_2d(x, y, sigma)# 设置参数
lambda_ = 0.1
sigma = 1.5
map_size = 30
robot_pos = (10, 14)# 生成网格坐标
x, y = np.meshgrid(np.arange(map_size), np.arange(map_size))# 初始化覆盖概率矩阵
coverage = np.zeros((map_size, map_size))# 创建图形和颜色条
fig, ax = plt.subplots()
im = ax.imshow(coverage, cmap='viridis', vmin=0, vmax=1)
fig.colorbar(im)# 更新覆盖概率矩阵的函数
def update(t):global coveragex_rel, y_rel = x - robot_pos[0], y - robot_pos[1]coverage += combined_coverage(1, x_rel, y_rel, lambda_, sigma)im.set_data(coverage)ax.set_title(f'Coverage at t={t}')return [im]# 创建动画
ani = FuncAnimation(fig, update, frames=np.arange(0, 20), interval=500, blit=True)plt.show()

首先定义了与之前相同的三个函数。然后,设置了模型参数 lambda_sigma、地图大小 map_size 以及机器人的初始位置 robot_pos

创建了一个 map_size * map_size 的网格坐标系,并初始化了一个全零的覆盖概率矩阵 coverage。使用 Matplotlib 创建图形和颜色条,并将 coverage 矩阵可视化。

update 函数用于更新覆盖概率矩阵。在每一帧中,我们计算网格坐标相对于机器人位置的偏移量,并使用 combined_coverage 函数计算每个坐标点的覆盖概率增量,将其累加到 coverage 矩阵中。然后,更新图像数据和标题。

最后,我们使用 Matplotlib 的 FuncAnimation 函数创建动画,每隔500毫秒更新一帧,共20帧。

运行这个demo,你会看到一个动态演示,显示机器人停留在 (10, 14) 位置时,周围栅格的占据情况随时间变化。颜色越深表示占据概率越高。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
如果机器人走出一条轨迹,那就是如下图:
在这里插入图片描述

参考论文

  1. Zelinsky, A. (1992). A mobile robot exploration algorithm. IEEE Transactions on Robotics and Automation, 8(6), 707-717.

  2. Stachniss, C., & Burgard, W. (2003). Coverage of unknown environments with mobile robots using sparse models. Proceedings of the European Conference on Mobile Robots (ECMR), 1-8.

  3. Solanas, A., & Garcia, M. A. (2004). Coordinated multi-robot exploration through unsupervised clustering of unknown space. Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 717-721.


http://www.ppmy.cn/ops/48855.html

相关文章

移动硬盘打不开怎么办?原因解析!

移动硬盘是一种方便携带、快速传输大量数据的存储设备。但有时我们会遇到这样的问题:插上电脑后,移动硬盘无法打开,出现各种错误提示。这时候我们该怎么办呢? 以下是一些可能导致移动硬盘打不开的原因及解决方法: 1.硬…

前端HTML相关知识

1.什么是HTML HTML 指的是超文本标记语言 ( HyperText Markup Language )。 超文本:是指页面内可以包含图片、链接、声音,视频等内容 标记:标签(通过标记符号来告诉浏览器网页内容该如何显示) 浏览器根据不同的HTML标签,解析成我们看到的网页 2.HTML的特点 HTML不…

Java中的静态方法(static method)的特点是什么?

Java中的静态方法(static method)具有以下几个显著特点: 1.不需要实例化对象:静态方法可以直接通过类名调用,而不需要创建类的实例。这意味着静态方法属于类本身,而不是类的实例。 2.生命周期最长&#x…

【Qt 学习笔记】Qt窗口 | 标准对话框 | 消息对话框QMessageBox

博客主页:Duck Bro 博客主页系列专栏:Qt 专栏关注博主,后期持续更新系列文章如果有错误感谢请大家批评指出,及时修改感谢大家点赞👍收藏⭐评论✍ Qt窗口 | 标准对话框 | 消息对话框QMessageBox 文章编号:Q…

Elasticsearch 认证模拟题 - 20

一、题目 定义一个 pipeline,并且将 earthquakes 索引的文档进行更新 pipeline 的 ID 为 earthquakes_pipeline将 magnitude_type 的字段值改为大写如果文档不包含 batch_number,增加这个字段,将数值设置为 1如果已经包含 batch_number&…

【深度学习】基于EANet模型的图像识别和分类技术

1.引言 1.1.EANet模型简介 EANet(External Attention Transformer)是一种深度学习模型,它结合了Transformer架构和外部注意力机制,特别适用于图像分类等计算机视觉任务。以下是关于EANet的详细解释: 1.1.1 定义与背…

重新安装 Windows 10 后如何恢复丢失的数据?

“嗨,我的 Windows 10 崩溃了,所以我不得不重新安装它。我使用 USB 可启动驱动器重新安装了操作系统。但是,重新安装后,C 盘上的所有先前文件都丢失了。有什么方法可以恢复丢失的文件吗?” - Jacky 在大多数情况下&am…

什么是props?

props(properties的缩写)在React中是用来传递数据的一种机制。它们是组件之间沟通的一种方式,允许父组件向子组件传递数据或配置。在React中,组件可以接受任意数量的props,这些props可以是任何数据类型,如字…