复杂地形环境下基于地形坡度进行滑移预测的路径规划算法及其应用研究

The project proposed a path planning algorithm based on terrain slope for slip.prediction, aiming at the path planning failure caused by the slip in soft terrain environment. First, the slippage is predicted using terrain slope information, and a slip prediction algorithm is developed; then, merging the predicted slip information into the terrain traversability cost function,the goodness map was generated，and the integration of the slip prediction and path planning algorithm is implemented. The path planning algorithm by slip prediction can choose a better path ,even avoid that terrains of large slip before getting stuck and increase the efficiency of path planning in that terrain environments, especially in soft terrain environment; It is established the important theoretical foundation of the development on the autonomous navigation of lunar rover.

本项目针对松软地形环境下滑移导致的路径规划失效问题，研究一种基于地形坡度进行滑移预测的路径规划算法。首先，研究一种滑移预测算法，利用地形坡度信息进行滑移预测；然后，将预测的滑移信息与地形通过性评价函数合并，建立适宜度地图，实现滑移预测与路径规划算法集成；该路径规划算法通过滑移预测可以选择更好的路径或者避开高度滑移地区，提高复杂地形环境下尤其松软地形环境下路径规划的有效性，为月球车的自主导航的研究奠定了重要的理论基础。

本项目针对松软地形环境下滑移导致的路径规划失效问题,研究一种基于滑移预测的路径规划算法。首先，研究一种地形分类算法，利用地形特征信息进行地形分类。对于地形分类任务,以往的方法都是采用单一尺度或单一模型来提取图像的特征，采用高分辨率的低分辨率网络来提取图像的特征，以及使用没有通道间关系的网络。这些特征提取方法分类精度比较低；而且，样本中的地形分类任务不同于其他图像分类任务，地形样本间的差异分类任务比其他图像级别的分类任务更精细，以及地形中每个样本的颜色分类的相似性，需要保持特征的高分辨率，并且突出显示图像特征的频道。因此，本项目研究了一种基于深度集成网络的地形分类算法，通过建立通道之间的相互依赖关系，使模型形成竞争关系，优化激活函数和卷积神经网络的结构，弥补了单通道设计上模型结构的不足，提高了精度，该方法的分类准确率达到91.57%。然后，针对松软、坡度地形导致的路径规划失效问题，研究了一种基于强化学习的月球车路径规划方法，可以动态预测滑移并抵消滑移。该方法将运动规划问题转化为一个适用于强化学习的决策问题，通过把月球车行驶过程分解为一系列动作，通过把局部目标和地形坡度信息作为输入数据，设计预测地形通过性代价函数，并将其与全局规划算法的启发式函数相结合，实现滑移预测与路径规划算法集成；依靠月球车行驶进程中不断学习、训练，输出尽可能补偿滑移影响的动作，提高了滑移预测精度，减小了未知环境中月球车轨迹的偏离量达20%，以便选择更好的路径或者避开高度滑移地区，提高复杂地形环境下尤其松软地形环境下路径规划的有效性，为月球车的自主导航的研究奠定了重要的理论基础。