이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

plannerHybridAStar

Hybrid A* 경로 플래너

R2019b 이후

설명

Hybrid A* 경로 planner 객체는 주어진 2차원 공간에서 비홀로노믹 제약 조건을 가진 이동체를 위한 평활화된 경로를 생성합니다.

plannerHybridAStar 객체는 Reeds-Shepp 연결을 사용하여 장애물 없는 경로를 구합니다. MinTurningRadius, ForwardCost, ReverseCost와 같은 속성을 조정하여 연결 동작을 수정할 수 있습니다. AnalyticExpansionInterval 속성을 사용하여 Reeds-Shepp 연결을 검사하는 간격을 설정할 수 있습니다.

참고

Hybrid A* 플래너는 stateValidator 객체의 ValidationDistance 속성을 기반으로 모션 프리미티브와 분석적 확장을 보간하여 맵에서 충돌을 검사합니다. ValidationDistance 속성이 Inf로 설정되면, 이 객체는 상태 유효성 검사기에 지정된 맵의 셀 크기를 기준으로 보간합니다. 점유 맵을 플래너에 할당하기 전에, 이동체 크기를 고려하여 점유 맵을 확장하십시오.

생성

구문

planner = plannerHybridAStar(validator)

planner = plannerHybridAStar(validator,Name,Value)

설명

planner = plannerHybridAStar(validator)는 Hybrid A* 알고리즘을 사용하여 경로 planner 객체를 생성합니다. validator 입력값을 validatorOccupancyMap 또는 validatorVehicleCostmap 객체로 지정합니다. validator 입력값은 StateValidator 속성의 값을 설정합니다.

planner = plannerHybridAStar(validator,Name,Value)는 하나 이상의 이름-값 쌍 인수를 사용하여 경로 플래너의 속성을 설정합니다. 각 속성 이름은 작은따옴표(' ')로 묶습니다.

속성

StateValidator — 계획을 위한 상태 유효성 검사기

validatorOccupancyMap 객체 | validatorVehicleCostmap 객체

계획을 위한 상태 유효성 검사기로, SE(2) 상태공간을 기준으로 validatorOccupancyMap 또는 validatorVehicleCostmap 객체로 지정됩니다.

MotionPrimitiveLength — 생성할 모션 프리미티브의 길이

ceil(sqrt(2)*map_CellSize) (디폴트 값) | 양의 스칼라

생성할 모션 프리미티브의 길이로, 'MotionPrimitiveLength'와 함께 양의 스칼라가 쉼표로 구분되어 지정됩니다(단위: 미터). 큰 맵이나 희소 환경의 경우 길이를 늘리십시오. 밀집 환경의 경우 길이를 줄이십시오.

참고

'MotionPrimitiveLength'는 'MinTurningRadius'를 기준으로 원주 길이의 4분의 1을 초과할 수 없습니다.

데이터형: double

MinTurningRadius — 이동체의 최소 회전 반경

(2*motion_primitive_length)/pi (디폴트 값) | 양의 스칼라

이동체의 조정 가능한 최소 반경으로, 'MinTurningRadius'와 함께 양의 스칼라가 쉼표로 구분되어 지정됩니다(단위: 미터).

참고

'MinTurningRadius'의 값이 설정되어 있으면 'MotionPrimitiveLength'는 이 값을 기준으로 원주 길이의 4분의 1을 초과할 수 없습니다.

데이터형: double

NumMotionPrimitives — 생성할 모션 프리미티브 개수

5 (디폴트 값) | 3보다 크거나 같은 양의 홀수 정수 스칼라

생성할 모션 프리미티브 개수로, 'NumMotionPrimitives'와 함께 3보다 크거나 같은 양의 홀수 정수 스칼라가 쉼표로 구분되어 지정됩니다.

ForwardCost — 정방향으로 이동하기 위한 비용 승수

1 (디폴트 값) | 양의 스칼라

정방향으로 이동하기 위한 비용 승수로, 'ForwardCost'와 함께 양의 스칼라가 쉼표로 구분되어 지정됩니다. 정방향 모션에 벌점을 적용하려면 비용 값을 늘리십시오.

데이터형: double

ReverseCost — 역방향으로 이동하기 위한 비용 승수

3 (디폴트 값) | 양의 스칼라

역방향으로 이동하기 위한 비용 승수로, 'ReverseCost'와 함께 양의 스칼라가 쉼표로 구분되어 지정됩니다. 역방향 모션에 벌점을 적용하려면 비용 값을 늘리십시오.

데이터형: double

DirectionSwitchingCost — 모션 방향 전환에 대해 가산되는 비용

0 (디폴트 값) | 양의 스칼라

모션 방향 전환에 대해 가산되는 비용으로, 'DirectionSwitchingCost'와 함께 양의 스칼라가 쉼표로 구분되어 지정됩니다. 방향 전환에 벌점을 적용하려면 비용 값을 늘리십시오.

데이터형: double

AnalyticExpansionInterval — 사용 가능한 최저 비용 노드에서 분석적 확장을 시도하는 간격

5 (디폴트 값) | 양의 정수 스칼라

사용 가능한 최저 비용 노드에서 분석적 확장을 시도하는 간격으로, 'AnalyticExpansionInterval'과 함께 양의 정수 스칼라가 쉼표로 구분되어 지정됩니다.

Hybrid A* 경로 플래너는 해당 인스턴스에서 사용 가능한 최저 비용의 노드에서 모션 프리미티브를 확장합니다.

• 확장할 노드 개수는 방향 및 그 유효성 둘 모두에서 생성될 프리미티브 개수에 따라 다르며 이 사이클은 'AnalyticExpansionInterval'에 도달할 때까지 반복됩니다.

• 그런 다음, Hybrid A* 경로 플래너는 Reeds-Shepp 모델을 사용하여 트리에서 목표 자세에 도달하기 위해 분석적 확장을 시도합니다. 시도가 실패하면 Hybrid A* 경로 플래너는 사이클을 반복합니다.

간격을 줄이고 최종 목표 지점에 대한 Reeds-Shepp 연결 검사 횟수를 늘려서 알고리즘 성능을 개선합니다.

InterpolationDistance — 출력 경로에서 보간된 자세 간의 거리

1 (디폴트 값) | 양의 스칼라

출력 경로에서 보간된 자세 간의 거리로, 'InterpolationDistance'와 함께 양의 스칼라가 쉼표로 구분되어 지정됩니다(단위: 미터).

데이터형: double

객체 함수

plan	Find obstacle-free path between two poses
show	Visualize the planned path

예제

Hybrid A Star를 사용하여 장애물 없는 경로 계획하기

Hybrid A* 알고리즘을 사용하여 주차장을 통과하는 이동체를 위한 충돌 없는 경로를 계획합니다.

맵을 생성하여 상태 유효성 검사기에 할당하기

주차장의 이동체 비용맵에서 셀의 비용 값을 불러옵니다.

load parkingLotCostVal.mat % costVal

비용 값으로 binaryOccupancyMap을 생성합니다.

resolution = 3;
map = binaryOccupancyMap(costVal,resolution);

상태공간을 생성합니다.

ss = stateSpaceSE2;

상태공간 경계가 맵 제한과 동일하도록 업데이트합니다.

ss.StateBounds = [map.XWorldLimits;map.YWorldLimits;[-pi pi]];

충돌 검사를 위한 state validator 객체를 생성합니다.

sv = validatorOccupancyMap(ss);

맵을 state validator 객체에 할당합니다.

sv.Map = map;

경로를 계획하고 시각화하기

state validator 객체로 plannerHybridAStar 객체를 초기화합니다. 플래너의 MinTurningRadius 속성과 MotionPrimitiveLength 속성을 지정합니다.

planner = plannerHybridAStar(sv, ...
                             MinTurningRadius=4, ...
                             MotionPrimitiveLength=6);

이동체의 출발 자세와 목표 자세를 [x, y, theta] 벡터로 정의합니다. 여기서 x와 y는 위치(단위: 미터)를 지정하고 theta는 방향 각도(단위: 라디안)를 지정합니다.

startPose = [4 9 pi/2]; % [meters, meters, radians]
goalPose = [30 19 -pi/2];

출발 자세부터 목표 자세에 이르는 경로를 계획합니다.

refpath = plan(planner,startPose,goalPose,SearchMode='exhaustive');     

show 함수를 사용하여 경로를 시각화합니다.

show(planner)

참고 문헌

[1] Dolgov, Dmitri, Sebastian Thrun, Michael Montemerlo, and James Diebel. Practical Search Techniques in Path Planning for Autonomous Driving. American Association for Artificial Intelligence, 2008.

[2] Petereit, Janko, Thomas Emter, Christian W. Frey, Thomas Kopfstedt, and Andreas Beutel. "Application of Hybrid A* to an Autonomous Mobile Robot for Path Planning in Unstructured Outdoor Environments." ROBOTIK 2012: 7th German Conference on Robotics. 2012, pp. 1-6.

확장 기능

C/C++ 코드 생성
MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

버전 내역

R2019b에 개발됨

참고 항목

validatorOccupancyMap | validatorVehicleCostmap | navPath

도움말 항목

• Hybrid A Star를 사용하여 경로 계획에 대한 코드 생성하기
• Enable Vehicle Collision Checking for Path Planning Using Hybrid A*