.png){kind=icon}
返回
Path Planning using a One-shot-sampling Skeleton Map
.png){kind=icon}
PRE
AI
DOI：10.1109/TLA.2026.11421258.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
路径规划算法的根本目标是计算无碰撞路径，许多研究工作集中于寻找最优距离路径。然而，对于某些应用，更合适的方法是平衡响应时间、路径安全性和路径长度。在此背景下，骨架图是图基方案中的有用工具，因为它提供了自由工作空间的内在表示。然而，标准骨架化算法计算成本高昂，因为它们主要面向图像处理任务。我们提出了一种高效的路径规划方法，能够在可接受的处理时间内找到安全路径。该方法利用基于U-Net架构的深度去噪自编码器（DDAE）来计算导航图的骨架化版本，我们称之为SkelUnet。SkelUnet网络通过单次采样（OSS）探索整个工作空间，这与先前算法使用的迭代或概率采样不同。SkelUnet在包含12,500个二维地牢地图的数据集上进行训练和测试。运动规划方法在一个包含无人 aerial vehicle（UAV）的仿真环境中进行评估，并在250个先前未见过的地图上使用多种导航指标评估计算路径的可导航性。结果表明，使用SkelUnet构建路线图具有显著优势，例如连接自由工作空间的所有区域、提供更安全的路径以及减少处理时间。这些特性使该方法特别适用于结构化环境中的移动机器人。
Keyword:
Skeleton
Planning
Robots
Navigation
Trajectory
Robot kinematics
Mobile robots
Collision avoidance
Noise reduction
Neural networks
Motion planning
map-based navigation
mobile robots
denoising auto-encoder
deep learning