2025年9月21日 星期日

Unit 3-4 3d障礙偵測與避障演算法

knowledge graph 



Slides, Slides+

Unit 3: 3d障礙偵測演算法


障礙偵測(Recast 原理)

動態障礙偵測

Simulating A Navigation Assistant



Unit 4: 避障演算法

Voronoi an introduction 

Voronoi-based Safe Routing Planning (Country Alley  2d)







本單元重點在於 3D 感測、障礙物偵測以及安全路徑規劃演算法。

學習講義：3D 障礙物偵測與導航演算法

課程名稱： 健康照護科技專題
單元主題： Unit 3 & 4 – 3D 環境感知與路徑規劃

一、 Unit 3：3D 障礙物偵測演算法 (3D Obstacle Detection)

本單元探討輔具（如視障助行器）如何透過科技「看見」並分析 3D 環境中的潛在危險。

1. 核心概念：從 2D 到 3D

  • 全局障礙物分析 (Global Obstacle Analysis)： 不同於傳統平面影像，3D 感測能分析物體的體積與深度。

  • 體素化 (Voxelization)： 將 3D 空間切割成無數個小立方體（稱為「體素」，Voxel），以此判斷哪些空間是被佔據的，哪些是可以通行的。

  • 靜態與動態偵測：

    • 靜態偵測： 識別牆壁、家具等固定障礙物。

    • 動態偵測： 即時追蹤行人、車輛等移動目標。

2. Recast Navigation 導航流程

Recast 是一種廣泛應用於機器人與遊戲領域的導航網格生成技術，流程如下：

  1. 體素化 (Voxelization)： 建立 3D 世界的實體模型。

  2. 濾波 (Filtering)： 去除雜訊，並過濾掉人類/機器人無法通過的狹窄區域。

  3. 導航網格生成 (NavMesh Generation)： 生成一個簡化的多邊形網格，定義出確切的「可行走區域」。

3. 聲納 (Sonar) 模擬應用

  • 利用超音波感測器模擬蝙蝠定位，將距離資訊轉化為提示音或觸覺回饋，協助使用者感知障礙物距離。

二、 Unit 4：避障與路徑規劃 (Obstacle Avoidance & Path Planning)

在偵測到障礙物後，系統必須計算出一條最安全的路徑。

1. 馮羅諾圖 (Voronoi Diagram) 的應用

  • 定義： 根據空間中障礙物點的分布，將空間劃分成多個區域。

  • 安全特性： 馮羅諾圖的「邊界線」恰好是距離周圍所有障礙物最遠的點。

  • 健康照護應用： 對於輪椅使用者或視障者，沿著馮羅諾圖的邊界行走，可以確保與兩側障礙物保持「最大安全距離」，避免碰撞。

2. 路徑規劃演算法比較

  • 最短路徑演算法 (如 A 演算法)：* 雖然路徑最短、速度最快，但路徑往往會「貼近」牆角或障礙物邊緣。

  • 基於馮羅諾圖的導航： 雖然路徑可能較長，但始終保持在通道的中央，安全性最高（Safest Path）。

3. 空間標記與地名 (Place Name)

  • 將 Voronoi 區域與具體地點連結（如「廚房」、「大門出口」），實現更直覺的語音引導導航。

三、 綜合工作流程總結

  1. 感知 (Sense)： 透過 3D 感測器獲取原始數據。

  2. 建模 (Model)： 使用 Recast 概念進行體素化並生成導航網格（Unit 3）。

  3. 規劃 (Plan)： 應用 Voronoi 圖形理論，計算出一條最遠離障礙物的安全路徑（Unit 4）。

  4. 執行 (Execute)： 透過語音或震動裝置，引導使用者避開危險。

四、 自我檢測與討論

  1. 為什麼在 3D 導航之前，必須先進行「體素化 (Voxelization)」？

  2. 在狹窄的室內環境中，使用「最短路徑」和「最大安全路徑 (Voronoi)」各有什麼優缺點？

  3. 聲納感測在偵測「動態障礙物」時會面臨哪些挑戰？


張貼者： 於

沒有留言:

張貼留言

訂閱： 張貼留言 (Atom)