4 规划路线

有了定位和周围环境感知功能，移动机器人就拥有确定路径并安全导航至目的地所需的所有信息。有多种路径规划算法可供使用。其中，占据栅格地图上的路径规划简单而有效。此外，由于是在更新占据栅格地图期间检测到障碍物，因此占据栅格地图广泛用于障碍物检测和路径规划。通过识别已占据和未占据的栅格，移动机器人可以发现一条高效且安全的通往目的地的路径。

图 4-1 是 AM69A 上自主导航系统的数据流示例，使用的是安装在移动机器人上的图像传感器。VPAC3 VISS 对原始图像进行处理并去马赛克，然后 LDC 消除图像失真。为了感知周围环境，MSC 重新调整未失真图像的大小，并将其转换为 RGB 格式，供 DL 网络使用。通过 MMA 加速 DL 推理，从图像传感器检测物体并确定其姿态。为了进行定位，从未失真图像中提取特征点，然后从地图中搜索相应的特征点，以确定移动机器人在地图上的姿态。C7x DSP 可以优化该定位过程。许多特征提取算法使用金字塔图像，而 MSC 可以加速金字塔图像的生成。进行路径规划时将考虑到移动机器人的姿态和检测到的物体。由于也可以使用移动机器人的姿态将检测到的物体投影到地图上，因此会识别移动机器人周围的自由空间，从而确定通往目的地的路径和移动机器人的控制命令。该示例数据流可通过多个图像传感器进行扩展，并在传感器之间进行适当的外部校准。

图 4-1 AM69A 自主导航系统的示例数据流

采用 2D 激光雷达和 IMU 的自主导航系统是在 Robotics SDK 基础上实现，并配有 SCUTTLE 机器人。对于该系统，使用 2D 激光雷达 SLAM 离线构建占据栅格地图，并使用相同的 2D 激光雷达传感器将该地图用于实时导航。对于自主导航，将在每次激光雷达扫描时执行图 1-1 中的三项任务（即定位、周围环境感知和路径规划），并且控制命令将转换为脉宽调制 (PWM) 信号以控制电机。工程页面中描述了这一数据流，并且可以在 AM69A 处理器上复制该系统。