BSL: Navigation Method Considering Blind Spots Based on ROS Navigation Stack and Blind Spots Layer for Mobile Robot

本文提出了一种基于机器人操作系统（ROS）导航堆栈和盲区层（BSL）的考虑盲区的导航方法，适用于轮式移动机器人。本文使用激光测距仪（LRF）和RGB-D相机识别环境信息。当环境中存在角落或障碍物时，会出现盲区，如果人或物体从这些盲区向机器人移动，可能导致碰撞。为了防止这种碰撞，本文提出了一种考虑盲区的导航方法，基于BSL的本地代价地图层来为轮式移动机器人规划路径。通过利用RGB-D相机收集的环境数据来估计盲区。考虑到这些盲区的导航方法是通过实现BSL和采用动态窗口方法的增强代价函数的本地路径规划方法实现的。通过模拟和实验进一步证明了所提出方法的有效性。

本文旨在为移动机器人设计一种导航方法，考虑到盲点，以避免潜在的碰撞风险。盲点是指环境中存在角落或障碍物时，可能导致碰撞，特别是当人或物体从这些盲点向机器人移动时。

本文的关键思路是利用基于ROS导航栈和盲点层（BSL）的导航方法，通过RGB-D相机识别环境信息，利用BSL的本地代价地图层来解决盲点问题，使用增强的代价函数动态窗口方法进行本地路径规划，从而实现考虑盲点的导航。

本文使用LRF和RGB-D相机识别环境信息，提出了一种新的导航方法，考虑到机器人的盲点。通过在BSL中使用本地代价地图层来解决盲点问题，增加了动态窗口方法的代价函数，从而实现了考虑盲点的导航。通过实验验证了该方法的有效性。

最近的相关研究包括使用深度学习方法进行环境感知和导航，以及使用传感器和算法来解决机器人的盲点问题。相关论文包括：“End-to-End Learning of Deep Visual Perception and Control for Indoor Robots”和“Blind Spot Detection and Avoidance for Mobile Robots Using Ultrasonic Sensors”等。