摘要：针对无人机在未知环境中探索程度低、速度慢、重复探索等问题,在边界驱动方法的基础上对边界点的选取进行改进,提出一种适用于无人机在未知环境下快速探索规划方法:在使用深度图像(RGBD)传感器接收环境信息的同时,即时构建已知环境的八叉树地图,把常见室内环境划分为6个局部环境类型,无人机根据搭载的RGBD相机观察到的局部环境类型生成瞬时速度命令,设计复合边界点,从中权衡信息增益最大且偏航角度最小的点作为边界导引点。进行仿真实验并与现有方法比较,针对次最佳视图(NBV)方法中公寓环境,采用文中方法比文献方法的探索时间约减少68.7%,此外,文中设计了4种环境类型,在这些环境中,所提方法比文献方法平均探索时间约减少97.1%,实验结果表明,文中方法能有效提升探索效率且具有较强可行性。

摘要：针对未知环境下多无人车协同自主探索分配任务不合理、执行效率较低的问题,提出一种融合波前算法的分布式多无人车协同探索方法。首先,设计基于市场机制任务分配方法的先验判决函数,结合波前算法对边界点进行相似度最大化预处理,使边界导引点脱离局部最优,同时引入min-max评估函数对边界点进行评估;其次,通过波前算法对Dijkstra路径规划算法进行改进,使无人车移动轨迹更精确,减少路径拐点。最后,在多种仿真环境下将所提方法和文献[12]方法进行了实验对比,在环境全覆盖时,所提方法探索时长平均减少了35.69%;实验结果表明,所提方法可有效提升探索覆盖率,减少重复路径、缩短探索时间,提高了多无人车协同探索的效率。