174 lines
7.2 KiB
TeX
174 lines
7.2 KiB
TeX
\section{问题二：保证接收的第二检测点选择}
|
||
\subsection{候选位置集合与安全区域}
|
||
设首次有效示向度为 $(s,\theta)$。有效读数除限定角域外，
|
||
还说明源距检测点不超过接收半径上界，故
|
||
\begin{equation}
|
||
K_1=\Omega\cap W(s,\theta,\delta_{\mathrm{eff}})\cap\B(s,R_+).
|
||
\label{eq:k1}
|
||
\end{equation}
|
||
其中 $R_+=1500$ 为有效接收半径上界。
|
||
$\direction$ 对应距离大于 $5$ m；式~\eqref{eq:k1} 采用其凸松弛，
|
||
使真实可行位置始终包含在所维护的候选集合中。
|
||
|
||
对非空紧集 $K$ 定义
|
||
\begin{equation}
|
||
F_K(q)=\max_{g\in K}\norm{q-g},\qquad
|
||
\mathcal Q(K)=\{q:F_K(q)\le R_-\}
|
||
=\bigcap_{g\in K}\B(g,R_-).
|
||
\label{eq:exact-safe}
|
||
\end{equation}
|
||
该区域内的任何点均在所有可能真源的最小接收范围内。
|
||
$F_K$ 是凸函数且为 $1$-Lipschitz，因而 $\mathcal Q(K)$ 是闭凸集。
|
||
由式~\eqref{eq:mec} 可知
|
||
\begin{equation}
|
||
\mathcal Q(K)\ne\varnothing\quad\Longleftrightarrow\quad\rho(K)\le R_-.
|
||
\end{equation}
|
||
这一表述将第二点的鲁棒可行性转化为最小包围圆判据\cite{boyd}。
|
||
|
||
在线用外切正多边形表示圆盘，再逐半平面裁剪。
|
||
若边数为 $M$、圆半径为 $r$，外切多边形顶点的半径为
|
||
$r\sec(\pi/M)$，其最大径向超出量准确写为
|
||
\begin{equation}
|
||
e_M(r)=r\bigl(\sec(\pi/M)-1\bigr).
|
||
\label{eq:outer-error}
|
||
\end{equation}
|
||
默认 $M=192$。由于整个圆盘已包含在多边形中，
|
||
裁剪后得到 $K_1\subseteq P^{\mathrm{out}}$。
|
||
算法求外包多边形 $P^{\mathrm{out}}$ 的最小包围圆 $\B(m,\rho_{\mathrm{out}})$。
|
||
|
||
由三角不等式，充分安全盘为
|
||
\begin{equation}
|
||
\mathcal Q_{\mathrm{in}}
|
||
=\B\!\left(m,R_- -\rho_{\mathrm{out}}-\eta\right),\qquad
|
||
\eta=10^{-3}\ {\rm m}.
|
||
\label{eq:safe-disk}
|
||
\end{equation}
|
||
任意 $q\in\mathcal Q_{\mathrm{in}}$ 与真源 $g$ 满足
|
||
$\norm{q-g}\le\norm{q-m}+\norm{m-g}\le R_- -\eta$。
|
||
因此第二次检测一定为 $\direction$ 或 $\near$。
|
||
该构造适用于 $\rho_{\mathrm{out}}+\eta\le R_-$；
|
||
当候选区域较大时，程序先在其圆心追加观测，再更新可行区域。
|
||
|
||
\subsection{首次截断角域的解析候选盘}
|
||
为给出不依赖离散多边形的显式答案，暂去掉 $\Omega$，考虑
|
||
$S=W(s,\theta,\delta)\cap\B(s,R_+)$。
|
||
当 $0\le\delta\le45^\circ$，令
|
||
\begin{equation}
|
||
a=\frac{R_+}{2\cos\delta},\qquad c=s+a\,u(\theta).
|
||
\end{equation}
|
||
\begin{proposition}[截断角域最小包围圆]
|
||
上述 $S$ 的最小包围圆为 $\B(c,a)$。
|
||
\end{proposition}
|
||
\begin{proof}
|
||
任取 $g=s+t u(\theta+\varphi)$，其中 $0\le t\le R_+$、
|
||
$|\varphi|\le\delta$。有
|
||
$\norm{g-c}^2=t^2+a^2-2at\cos\varphi$。
|
||
该式关于 $t$ 为凸二次式，最大值在区间端点取得。
|
||
$t=0$ 时为 $a^2$；$t=R_+$ 时不超过
|
||
$R_+^2+a^2-2aR_+\cos\delta=a^2$，故全域被包含。
|
||
|
||
再取边界三点 $s,p_\pm=s+R_+u(\theta\pm\delta)$。
|
||
权重
|
||
$\lambda_\pm=1/(4\cos^2\delta)$、
|
||
$\lambda_0=1-1/(2\cos^2\delta)$ 非负且和为 $1$，
|
||
其加权中心为 $c$。三点均距 $c$ 为 $a$，
|
||
对任意圆心 $z$，加权平方距离等于 $a^2+\norm{z-c}^2$，
|
||
故至少一点距 $z$ 不小于 $a$。任何包含三点的圆半径均不小于 $a$。
|
||
\end{proof}
|
||
由于 $K_1\subseteq S$，于是
|
||
\begin{equation}
|
||
\boxed{
|
||
q\in\B\!\left(s+\frac{1500}{2\cos\delta}u(\theta),
|
||
1000-\frac{1500}{2\cos\delta}\right)}
|
||
\label{eq:q2-answer}
|
||
\end{equation}
|
||
即为题目所求的一种明确候选区域，实际使用时再内缩 $1$ mm。
|
||
该圆盘构成 $\mathcal Q(K_1)$ 的一个显式凸子集。
|
||
|
||
\begin{table}[htbp]
|
||
\centering\small
|
||
\caption{解析安全盘参数，由式~\eqref{eq:q2-answer} 直接计算}
|
||
\begin{tabular}{lrr}
|
||
\toprule
|
||
误差半角 & 中心沿首次方向偏移 $a$/m & 候选盘半径/m\\
|
||
\midrule
|
||
$1^\circ$ & 750.114246 & 249.885754\\
|
||
$1.005^\circ$ & 750.115391 & 249.884609\\
|
||
\bottomrule
|
||
\end{tabular}
|
||
\label{tab:safeanalytic}
|
||
\end{table}
|
||
在线算法继续使用 $\Omega$ 裁剪后的完整候选形状，
|
||
通常能够获得更紧的源包围圆与更大的充分安全盘。
|
||
解析公式负责解释保证为何存在，多边形流程负责利用已有的全部几何约束。
|
||
|
||
\begin{figure}[htbp]
|
||
\centering
|
||
\includegraphics[width=0.70\linewidth]{geo-q2-guaranteed-reception-disk.png}
|
||
\caption{第二点解析候选区域。左图为首次截断角域 $S$、
|
||
其最小包围圆 $\B(c,a)$ 与保证接收的候选盘 $\B(c,1000-a)$；
|
||
右图为半径分解，$a=1500/(2\cos\delta)$。取 $\delta=1^\circ$ 时
|
||
$a\approx750.114$ m、$1000-a\approx249.886$ m，与表~\ref{tab:safeanalytic} 一致。}
|
||
\label{fig:q2disk}
|
||
\end{figure}
|
||
|
||
\subsection{定位效果指标与有限候选求解}
|
||
理想的鲁棒选点模型为
|
||
\begin{equation}
|
||
\min_{q\in\mathcal Q_{\mathrm{in}}}
|
||
\left(\sup_{y\in\mathcal Y(q,K_1)}\rho(K_1\cap O(q,y)),
|
||
\frac{\norm{q-p}}{5}\right)_{\mathrm{lex}},
|
||
\label{eq:q2minimax}
|
||
\end{equation}
|
||
其中 $p$ 是当前机器人位置，$y$ 表示可能观测，
|
||
$O(q,y)$ 为相应观测可行集，下标表示按字典序比较：
|
||
先最小化最坏后验半径，再减少移动耗时。
|
||
方向分支取相应角域，近距离分支取 $\B(q,5)$。
|
||
这比仅优化交会角更直接地对应最终清除需求。
|
||
|
||
连续极小极大问题求解成本较高，当前算法采用有限候选近似。
|
||
在式~\eqref{eq:safe-disk} 的盘心及半径比例
|
||
$0.4,0.75,1.0$ 的三个环上各取 $12$ 个方向，
|
||
角度为 $(k+\tfrac12)2\pi/12$，共 $37$ 点。
|
||
对每个候选 $q$，在 $P^{\mathrm{out}}$ 边界以不大于 $60$ m 的间距采样，
|
||
包含全部顶点。对边界采样点 $g$ 枚举读数
|
||
$\operatorname{bearing}(q,g)\pm\delta_{\mathrm{eff}}$，
|
||
计算新角域交后的最小包围半径，并另外计算 $\near$ 分支；
|
||
取所得最大值作为 $\widehat J(q)$。
|
||
|
||
选取使 $(\widehat J(q),\norm{q-p}/5)$ 最小的点，
|
||
然后将边界采样间距加密至 $15$ m 复核其评分。
|
||
$\widehat J$ 是最坏后验半径的\textbf{离散近似}，
|
||
用于比较有限候选点的定位效果；接收条件由式~\eqref{eq:safe-disk} 确定。
|
||
|
||
\begin{algorithm}[htbp]
|
||
\caption{保证接收的第二检测点选择}
|
||
\label{alg:q2}
|
||
\begin{algorithmic}[1]
|
||
\Require 首次测点与示向度，或已更新的候选凸外包；当前位置
|
||
\Ensure 下一检测点、采样后验评分与接收保证状态
|
||
\State 初次调用时构造 $K_1$ 的外包多边形；后续调用沿用已有外包
|
||
\State 计算最小包围圆 $\B(m,\rho_{\mathrm{out}})$ 与安全盘半径 $b=1000-\rho_{\mathrm{out}}-10^{-3}$
|
||
\If{$b<0$}
|
||
\State 在候选区域圆心追加观测
|
||
\Else
|
||
\State 生成 $37$ 个安全候选点
|
||
\For{每个候选点 $q$}
|
||
\State 枚举外包边界样本与方向端点读数，补入近距离分支
|
||
\State 计算最坏后验半径 $\widehat J(q)$
|
||
\EndFor
|
||
\State 按后验评分优先、移动时间次优选点，并以 $15$ m 采样间距复核
|
||
\EndIf
|
||
\State 获得新观测后更新候选集
|
||
\If{观测为 $\near$}
|
||
\State 就地清除
|
||
\Else
|
||
\State 根据最小包围半径决定清除或追加测量
|
||
\EndIf
|
||
\end{algorithmic}
|
||
\end{algorithm}
|
||
若候选数为 $N_q$、边界样本数为 $N_g$、多边形顶点数为 $m$，
|
||
一次裁剪为 $O(m)$，总计算量主要为
|
||
$O(N_qN_g(m+C_{\mathrm{MEC}}(m)))$。
|
||
该算法采用问题一的角域模型与最小包围圆方法，通过多边形裁剪逐次更新候选集。
|