Safe Control using Occupancy Grid Map-based Control Barrier Function (OGM-CBF)

安全导航在未知环境中是机器人领域面临的重大挑战。控制屏障函数（CBF）是一种强大的数学工具，用于保证安全要求。然而，许多研究中的一个共同假设是CBF已知，并且障碍物具有预定义的形状。在本文中，我们提出了一种称为基于占据格地图的控制屏障函数（OGM-CBF）的新方法，该方法基于占据格地图定义控制屏障函数。这使得在使用机载感知传感器（如LiDAR或相机）在线生成环境的本地或全局地图的同时，可以将其推广到未知环境。使用此方法，系统通过每个时间步长的单个、连续可微的CBF来保证安全，它可以表示为CBF-QP优化公式中的一个约束，同时在环境中具有任意数量的未知形状障碍物。这使得CBF在未知和已知环境中都可以实现实际的实时实现。OGM-CBF的有效性在CARLA模拟器和实际工业移动机器人的安全控制中得到了证明。

解决安全导航在未知环境中的挑战，提出了一种基于占据栅格地图的控制障碍函数方法。

使用占据栅格地图定义控制障碍函数，实现对未知环境的通用性，保证安全性。

提出了OGM-CBF方法，使用在线感知传感器生成环境的局部或全局地图，可以处理任意数量的未知障碍物；实验在CARLA模拟器和实际工业移动机器人上验证了方法的有效性。

相关研究包括但不限于：Control Barrier Functions, Safe navigation, Occupancy Grid Maps, LiDAR, camera perception.