Efficient Global Navigational Planning in 3D Structures based on Point Cloud Tomography

在复杂的三维场景中导航需要适当的环境表示以实现有效的场景理解和轨迹生成。我们提出了一种基于环境的层析理解的高效且可扩展的全局导航框架，用于在多层结构中导航地面机器人。我们的方法使用点云地图生成层析图像来编码地面和天花板高度的几何结构，然后考虑机器人的运动能力评估场景的可穿越性。通过并行计算加速了层析图像的构建和场景评估。相比直接在三维空间中规划路径，我们的方法进一步减轻了轨迹生成的复杂性。它通过搜索多个层析图像来生成三维轨迹，并单独调整机器人的高度以避免悬挂物。我们在各种模拟场景中评估了我们的框架，并在四足机器人上进行了实际测试。我们的方法将场景评估时间缩短了3个数量级，并将路径规划速度提高了3倍，相比现有方法展示了在各种复杂的三维环境中高效的全局导航。代码可在以下链接中找到：https://github.com/byangw/PCT_planner。

论文试图提出一种高效的全局导航框架，以解决在复杂的三维环境中导航的问题。

论文提出了一种基于环境的层状结构的层状理解方法，通过点云地图生成切片，以编码几何结构作为地面和天花板的高程，并考虑机器人的运动能力评估场景可穿过性。然后通过在多个切片中搜索生成三维轨迹，并单独调整机器人高度以避免悬挂。

论文的方法通过并行计算加速了切片构建和场景评估，并且相对于直接在三维空间中进行规划，减轻了轨迹生成的复杂性。该方法在各种模拟场景中进行了评估，并在四足机器人上进行了实际测试。该方法将场景评估时间缩短了3个数量级，并将路径规划速度提高了3倍，展示了在各种复杂三维环境中高效的全局导航。

最近的相关研究包括：《3D导航：从点云地图到可行驶区域的划分》、《使用深度学习的三维导航》等。