logo móvil
Contáctanos

Planificación de rutas de quadrotor y generación de trayectorias polinómicas utilizando programación cuadrática para entornos interiores

Autores: Arshad, Muhammad Awais; Ahmed, Jamal; Bang, Hyochoong

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Planificación de rutas de quadrotor y generación de trayectorias polinómicas utilizando programación cuadrática para entornos interiores


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Robótica

Palabras clave

Estudio
Quadrotor
Entornos interiores
Generación de trayectorias
Restricciones de optimización
Trayectorias sin obstáculos

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
Este estudio considera el problema de generar trayectorias óptimas, factibles desde el punto de vista cinodinámico y libres de obstáculos para un quadrotor a través de entornos interiores. Exploramos métodos para superar los desafíos que enfrentan los quadrotors en entornos interiores debido a su dinámica vehicular de orden superior, espacios libres relativamente limitados en el entorno y restricciones de optimización desafiantes. En esta investigación, proponemos un pipeline completo para la planificación de rutas, generación de trayectorias y optimización para la navegación de quadrotors a través de entornos interiores. Formulamos el problema de generación de trayectorias como un Programa Cuadrático (QP) con restricciones de Corredor Libre de Obstáculos (OFC). El OFC es una colección de poliedros convexos superpuestos que modelan un espacio de conexión libre similar a un túnel desde la configuración actual hasta la configuración objetivo. Las restricciones de desigualdad lineales proporcionadas por los poliedros de los OFCs se utilizan en el QP para un rendimiento de optimización en tiempo real. Demostramos la viabilidad de nuestro enfoque, su rendimiento y su completitud simulando múltiples entornos de diferentes tamaños y densidades de obstáculos variables utilizando MATLAB Optimization Toolbox. Encontramos que nuestro enfoque tiene mayores posibilidades de convergencia del solucionador de optimización en comparación con los enfoques actuales para escenarios desafiantes. Mostramos que nuestro pipeline propuesto puede planificar rutas completas y optimizar trayectorias en unos pocos cientos de milisegundos y en aproximadamente diez iteraciones del solucionador de optimización para entornos interiores cotidianos.

Otros recursos que podrían interesarte

Temas Virtualpro