TEB teb_local_planner 构建超图过程error cost分析

2024-04-02 19:12
文章标签 分析 构建 error 过程 planner local cost 超图 teb

本文主要是介绍TEB teb_local_planner 构建超图过程error cost分析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

G2O 背景

G20 边和顶点的定义
https://blog.csdn.net/weixin_43013761/category_11647404.html
使用G20优化器 优化 路径
https://blog.csdn.net/qq_29598161/article/details/115414732
https://zhuanlan.zhihu.com/p/121628349

buildGraph

TebOptimalPlanner::buildGraph 位于　optimal_planner.cpp 文件内，是整个teb planner 的核心

1. 添加顶点 AddTEBVertices

主要是添加位姿顶点和时间间隔顶点
顶点分姿态顶点和时间顶点
1.1.
姿态顶点 VertexPose 内部需要优化的变量主要有三个 x,y,theta
1.2
时间顶点 TimeDiffVertex 内部需要优化的变量主要有1个 dt

void TebOptimalPlanner::AddTEBVertices()
{// add vertices to graphROS_DEBUG_COND(cfg_->optim.optimization_verbose, "Adding TEB vertices ...");unsigned int id_counter = 0; // used for vertices idsfor (int i=0; i<teb_.sizePoses(); ++i){//基本状态　x,y,thetateb_.PoseVertex(i)->setId(id_counter++);//先赋值 再自行+1optimizer_->addVertex(teb_.PoseVertex(i));if (teb_.sizeTimeDiffs()!=0 && i<teb_.sizeTimeDiffs()){//基本状态　dtteb_.TimeDiffVertex(i)->setId(id_counter++);//先赋值 再自行+1 id 累积增加optimizer_->addVertex(teb_.TimeDiffVertex(i));}} 
}

2 Edge 的边的定义与Cost误差函数定义

使用到的惩罚函数
double penaltyBoundFromBelow(const double& var, const double& a,const double& epsilon)
函数定义如下
f ( x ) = { 0.0 , if  v a r > = a + e p s i l o n − v a r + ( a + e p s i l o n ) , if  v a r < ( a + e p s i l o n ) f(x) = \begin{cases} 0.0, & \text{if } var >= a+epsilon \\ -var + (a + epsilon), & \text{if } var < (a+epsilon) \\ \end{cases} f(x)={0.0,−var+(a+epsilon),​if var>=a+epsilonif var<(a+epsilon)​

2.1 EdgeObstacle

误差函数计算代码

  void computeError(){获取顶点姿态const VertexPose* bandpt = static_cast<const VertexPose*>(_vertices[0]);double dist = robot_model_->calculateDistance(bandpt->pose(), _measurement);// Original obstacle cost._error[0] = penaltyBoundFromBelow(dist, cfg_->obstacles.min_obstacle_dist, cfg_->optim.penalty_epsilon);if (cfg_->optim.obstacle_cost_exponent != 1.0 && cfg_->obstacles.min_obstacle_dist > 0.0){// Optional non-linear cost. _error[0] = cfg_->obstacles.min_obstacle_dist * std::pow(_error[0] / cfg_->obstacles.min_obstacle_dist, cfg_->optim.obstacle_cost_exponent);}ROS_ASSERT_MSG(std::isfinite(_error[0]), "EdgeObstacle::computeError() _error[0]=%f\n",_error[0]);}

如果配置文件 obstacle_cost_exponent == 1.0 那么error为线性函数公式整理如下
e r r o r [ 0 ] = { 0.0 , if  d i s t > = o b s . m i n _ d i s t + o p t i m . p e n a l t y _ e p s i l o n − d i s t + ( o b s . m i n _ d i s t + o p t i m . p e n a l t y _ e p s i l o n ) , else  error[0] = \begin{cases} 0.0, & \text{if } dist >= obs.min\_dist+optim.penalty\_epsilon \\ -dist + (obs.min\_dist+optim.penalty\_epsilon), & \text{else }\\ \end{cases} error[0]={0.0,−dist+(obs.min_dist+optim.penalty_epsilon),​if dist>=obs.min_dist+optim.penalty_epsilonelse ​
如果配置文件 obstacle_cost_exponent != 1.0 那么error[0]继续更新为非线性函数公式整理如下
e r r o r [ 0 ] = o b s . m i n _ d i s t ∗ e r r o r [ 0 ] o b s . m i n _ d i s t c o s t _ e x p o e n t error[0] = obs.min\_dist * \frac{error[0] }{obs.min\_dist}^{cost\_expoent} error[0]=obs.min_dist∗obs.min_disterror[0]​cost_expoent

2.2 EdgeInflatedObstacle

  • EdgeInflatedObstacle 是一个一元边 继承于 public BaseTebUnaryEdge<2, const Obstacle*, VertexPose>
  • 观测类型是const Obstacle*
  • 连接的顶点是VertexPose
  void computeError(){const VertexPose* bandpt = static_cast<const VertexPose*>(_vertices[0]);double dist = robot_model_->calculateDistance(bandpt->pose(), _measurement);_error[0] = penaltyBoundFromBelow(dist, cfg_->obstacles.min_obstacle_dist, cfg_->optim.penalty_epsilon);if (cfg_->optim.obstacle_cost_exponent != 1.0 && cfg_->obstacles.min_obstacle_dist > 0.0){// Optional non-linear cost. _error[0] = cfg_->obstacles.min_obstacle_dist * std::pow(_error[0] / cfg_->obstacles.min_obstacle_dist, cfg_->optim.obstacle_cost_exponent);}// Additional linear inflation cost_error[1] = penaltyBoundFromBelow(dist, cfg_->obstacles.inflation_dist, 0.0);}

error[0]的计算和EdgeObstacle 类型一样，额外增加一个error[1]
e r r o r [ 1 ] = { 0.0 , if  d i s t > = o b s . i n f l a t i o n _ d i s t − d i s t + ( o b s . i n f l a t i o n _ d i s t ) , else  error[1] = \begin{cases} 0.0, & \text{if } dist >= obs.inflation\_dist \\ -dist + (obs.inflation\_dist), & \text{else }\\ \end{cases} error[1]={0.0,−dist+(obs.inflation_dist),​if dist>=obs.inflation_distelse ​

2.3 EdgeDynamicObstacle

  • EdgeDynamicObstacle 继承于 BaseTebUnaryEdge<2, const Obstacle*, VertexPose> 是一个一元边
  void computeError(){const VertexPose* bandpt = static_cast<const VertexPose*>(_vertices[0]);double dist = robot_model_->estimateSpatioTemporalDistance(bandpt->pose(), _measurement, t_);_error[0] = penaltyBoundFromBelow(dist, cfg_->obstacles.min_obstacle_dist, cfg_->optim.penalty_epsilon);_error[1] = penaltyBoundFromBelow(dist, cfg_->obstacles.dynamic_obstacle_inflation_dist, 0.0);}
  • 该函数dist主要是预测障碍物在t秒后的位置和姿态顶点的距离
    robot_model_->estimateSpatioTemporalDistance
  • error[0] 计算和EdgeInflatedObstacle EdgeObstacle相同
  • error[1] 主要使用dynamic_obstacle_inflation_dist来判断

2.4 EdgeViaPoint

  • class EdgeViaPoint 继承 BaseTebUnaryEdge<1, const Eigen::Vector2d*, VertexPose> 一元边
  • 误差向量维度1
  • 观测为Eigen::Vector2d*
  void computeError(){const VertexPose* bandpt = static_cast<const VertexPose*>(_vertices[0]);_error[0] = (bandpt->position() - *_measurement).norm();}

总结

  • EdgeViaPoint 主要是评判机器人贴合原始路径的error cost 离原始点位越远 则 error cost 越大

2.5 EdgeVelocity

  • EdgeVelocity 继承 public BaseTebMultiEdge<2, double> 三元边
  • 连接了3个顶点 2个姿态顶点 1个时间顶点
  void computeError(){const VertexPose* conf1 = static_cast<const VertexPose*>(_vertices[0]);const VertexPose* conf2 = static_cast<const VertexPose*>(_vertices[1]);const VertexTimeDiff* deltaT = static_cast<const VertexTimeDiff*>(_vertices[2]);const Eigen::Vector2d deltaS = conf2->estimate().position() - conf1->estimate().position();double dist = deltaS.norm();const double angle_diff = g2o::normalize_theta(conf2->theta() - conf1->theta());if (cfg_->trajectory.exact_arc_length && angle_diff != 0){double radius =  dist/(2*sin(angle_diff/2));dist = fabs( angle_diff * radius ); // actual arg length!}double vel = dist / deltaT->estimate();//     vel *= g2o::sign(deltaS[0]*cos(conf1->theta()) + deltaS[1]*sin(conf1->theta())); // consider directionvel *= fast_sigmoid( 100 * (deltaS.x()*cos(conf1->theta()) + deltaS.y()*sin(conf1->theta())) ); // consider directionconst double omega = angle_diff / deltaT->estimate();_error[0] = penaltyBoundToInterval(vel, -cfg_->robot.max_vel_x_backwards, cfg_->robot.max_vel_x,cfg_->optim.penalty_epsilon);_error[1] = penaltyBoundToInterval(omega, cfg_->robot.max_vel_theta,cfg_->optim.penalty_epsilon);}

penaltyBoundToInterval 函数如下

inline double penaltyBoundToInterval(const double& var,const double& a, const double& b, const double& epsilon)
{if (var < a+epsilon){return (-var + (a + epsilon));}if (var <= b-epsilon){return 0.;}else{return (var - (b - epsilon));}
}

总结

  • EdgeVelocity 主要是控制了路径的最大最小速度进行的error cost评判 使得机器人速度 以及角速度在合理的范围之内

2.6 EdgeAcceleration

  • class EdgeAcceleration 继承 public BaseTebMultiEdge<2, double> 多元边
  void computeError(){ROS_ASSERT_MSG(cfg_, "You must call setTebConfig on EdgeAcceleration()");const VertexPose* pose1 = static_cast<const VertexPose*>(_vertices[0]);const VertexPose* pose2 = static_cast<const VertexPose*>(_vertices[1]);const VertexPose* pose3 = static_cast<const VertexPose*>(_vertices[2]);const VertexTimeDiff* dt1 = static_cast<const VertexTimeDiff*>(_vertices[3]);const VertexTimeDiff* dt2 = static_cast<const VertexTimeDiff*>(_vertices[4]);// VELOCITY & ACCELERATIONconst Eigen::Vector2d diff1 = pose2->position() - pose1->position();const Eigen::Vector2d diff2 = pose3->position() - pose2->position();double dist1 = diff1.norm();double dist2 = diff2.norm();const double angle_diff1 = g2o::normalize_theta(pose2->theta() - pose1->theta());const double angle_diff2 = g2o::normalize_theta(pose3->theta() - pose2->theta());if (cfg_->trajectory.exact_arc_length) // use exact arc length instead of Euclidean approximation{if (angle_diff1 != 0){const double radius =  dist1/(2*sin(angle_diff1/2));dist1 = fabs( angle_diff1 * radius ); // actual arg length!}if (angle_diff2 != 0){const double radius =  dist2/(2*sin(angle_diff2/2));dist2 = fabs( angle_diff2 * radius ); // actual arg length!}}double vel1 = dist1 / dt1->dt();double vel2 = dist2 / dt2->dt();// consider directions
//     vel1 *= g2o::sign(diff1[0]*cos(pose1->theta()) + diff1[1]*sin(pose1->theta())); 
//     vel2 *= g2o::sign(diff2[0]*cos(pose2->theta()) + diff2[1]*sin(pose2->theta())); vel1 *= fast_sigmoid( 100*(diff1.x()*cos(pose1->theta()) + diff1.y()*sin(pose1->theta())) ); vel2 *= fast_sigmoid( 100*(diff2.x()*cos(pose2->theta()) + diff2.y()*sin(pose2->theta())) ); const double acc_lin  = (vel2 - vel1)*2 / ( dt1->dt() + dt2->dt() );_error[0] = penaltyBoundToInterval(acc_lin,cfg_->robot.acc_lim_x,cfg_->optim.penalty_epsilon);// ANGULAR ACCELERATIONconst double omega1 = angle_diff1 / dt1->dt();const double omega2 = angle_diff2 / dt2->dt();const double acc_rot  = (omega2 - omega1)*2 / ( dt1->dt() + dt2->dt() );_error[1] = penaltyBoundToInterval(acc_rot,cfg_->robot.acc_lim_theta,cfg_->optim.penalty_epsilon);ROS_ASSERT_MSG(std::isfinite(_error[0]), "EdgeAcceleration::computeError() translational: _error[0]=%f\n",_error[0]);ROS_ASSERT_MSG(std::isfinite(_error[1]), "EdgeAcceleration::computeError() rotational: _error[1]=%f\n",_error[1]);}

总结

  • 主要限制了最大角速度和角加速度

2.7 EdgeTimeOptimal

  • EdgeTimeOptimal 继承 public BaseTebUnaryEdge<1, double, VertexTimeDiff> 一元边
  • 误差向量维度为1
  void computeError(){const VertexTimeDiff* timediff = static_cast<const VertexTimeDiff*>(_vertices[0]);_error[0] = timediff->dt();}

总结

  • 时间越小越好， 这样子机器人会向最大速度去调整

2.8 EdgeShortestPath

  • EdgeShortestPath : public BaseTebBinaryEdge<1, double, VertexPose, VertexPose> 二元边
  • 误差向量维度为1
  void computeError() {const VertexPose *pose1 = static_cast<const VertexPose*>(_vertices[0]);const VertexPose *pose2 = static_cast<const VertexPose*>(_vertices[1]);_error[0] = (pose2->position() - pose1->position()).norm();}

总结

  • 两个姿态顶点之间的距离越小cost 越低

2.9 EdgeKinematicsDiffDrive

  • EdgeKinematicsDiffDrive : public BaseTebBinaryEdge<2, double, VertexPose, VertexPose> 二元边
  • 误差维度为2
    nage
  void computeError(){const VertexPose* conf1 = static_cast<const VertexPose*>(_vertices[0]);const VertexPose* conf2 = static_cast<const VertexPose*>(_vertices[1]);Eigen::Vector2d deltaS = conf2->position() - conf1->position();// non holonomic constraint_error[0] = fabs( ( cos(conf1->theta())+cos(conf2->theta()) ) * deltaS[1] - ( sin(conf1->theta())+sin(conf2->theta()) ) * deltaS[0] );// positive-drive-direction constraintEigen::Vector2d angle_vec ( cos(conf1->theta()), sin(conf1->theta()) );	   _error[1] = penaltyBoundFromBelow(deltaS.dot(angle_vec), 0,0);// epsilon=0, otherwise it pushes the first bandpoints away from start}

总结

  • 不允许反方向
  • 不允许 超越动力学范围

2.10 EdgePreferRotDir

  • EdgePreferRotDir : public BaseTebBinaryEdge<1, double, VertexPose, VertexPose> 二元边
  • 误差维度为1
  void computeError(){const VertexPose* conf1 = static_cast<const VertexPose*>(_vertices[0]);const VertexPose* conf2 = static_cast<const VertexPose*>(_vertices[1]);    _error[0] = penaltyBoundFromBelow( _measurement*g2o::normalize_theta(conf2->theta()-conf1->theta()) , 0, 0);}

总结

  • 主要是前3个姿态点 更偏向偏向朝哪个个方向旋转

这篇关于TEB teb_local_planner 构建超图过程error cost分析的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/870821。

相关文章

MySQL 内存使用率常用分析语句

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致
阅读更多...
深入浅出SpringBoot WebSocket构建实时应用全面指南

深入浅出SpringBoot WebSocket构建实时应用全面指南

《深入浅出SpringBootWebSocket构建实时应用全面指南》WebSocket是一种在单个TCP连接上进行全双工通信的协议,这篇文章主要为大家详细介绍了SpringBoot如何集成WebS... 目录前言为什么需要 WebSocketWebSocket 是什么Spring Boot 如何简化 We
阅读更多...
python设置环境变量路径实现过程

python设置环境变量路径实现过程

《python设置环境变量路径实现过程》本文介绍设置Python路径的多种方法：临时设置（Windows用`set`,Linux/macOS用`export`）、永久设置（系统属性或shell配置文件... 目录设置python路径的方法临时设置环境变量（适用于当前会话）永久设置环境变量（Windows系统
阅读更多...
python运用requests模拟浏览器发送请求过程

python运用requests模拟浏览器发送请求过程

《python运用requests模拟浏览器发送请求过程》模拟浏览器请求可选用requests处理静态内容,selenium应对动态页面,playwright支持高级自动化,设置代理和超时参数,根据需... 目录使用requests库模拟浏览器请求使用selenium自动化浏览器操作使用playwright
阅读更多...
Mysql中设计数据表的过程解析

Mysql中设计数据表的过程解析

《Mysql中设计数据表的过程解析》数据库约束通过NOTNULL、UNIQUE、DEFAULT、主键和外键等规则保障数据完整性,自动校验数据,减少人工错误,提升数据一致性和业务逻辑严谨性,本文介绍My... 目录1.引言2.NOT NULL——制定某列不可以存储NULL值2.UNIQUE——保证某一列的每一
阅读更多...
解密SQL查询语句执行的过程

解密SQL查询语句执行的过程

《解密SQL查询语句执行的过程》文章讲解了SQL语句的执行流程,涵盖解析、优化、执行三个核心阶段,并介绍执行计划查看方法EXPLAIN,同时提出性能优化技巧如合理使用索引、避免SELECT*、JOIN... 目录1. SQL语句的基本结构2. SQL语句的执行过程3. SQL语句的执行计划4. 常见的性能优
阅读更多...
深度解析Nginx日志分析与499状态码问题解决

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499
阅读更多...
linux下shell脚本启动jar包实现过程

linux下shell脚本启动jar包实现过程

《linux下shell脚本启动jar包实现过程》确保APP_NAME和LOG_FILE位于目录内,首次启动前需手动创建log文件夹,否则报错,此为个人经验,供参考,欢迎支持脚本之家... 目录linux下shell脚本启动jar包样例1样例2总结linux下shell脚本启动jar包样例1#!/bin
阅读更多...
java内存泄漏排查过程及解决

java内存泄漏排查过程及解决

《java内存泄漏排查过程及解决》公司某服务内存持续增长,疑似内存泄漏,未触发OOM,排查方法包括检查JVM配置、分析GC执行状态、导出堆内存快照并用IDEAProfiler工具定位大对象及代码... 目录内存泄漏内存问题排查1.查看JVM内存配置2.分析gc是否正常执行3.导出 dump 各种工具分析4.
阅读更多...
Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器？核心概念设计目标核心特点1. EDM 信息可选2. 智能类
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2