目前来看选择距离最近的方法虽然很呆很简单，但确实好用。

另外，一个边界区域由很多栅格点组成，这时就需要通过一些算法选择目标边界点，作者在源代码中列举了三种常用方法：closest（BFS第一个检测到的点）、middle（中点）、centroid（质心）。-frontier_search.cpp的buildNewFrontier()函数中

另外，可应采用插件的形式管理自主探索的算法，在源代码中提供了两个example插件，通过Base_Plugin接口类将自主探索算法集成到Exploration_Server中，便于修改，算法流程图如下所示。

二、explorate_lite

explorate_lite的代码是基于frontier_exploration16.04版本写的，但是经过作者几次更新代码有了很大的改进。

（1）它添加了一个frontierCost函数用来判断计算边界区域的代价，对 到边界的距离 + 边界大小 （+前沿方向分量） 几个项加权后，排序，选择代价最小的边界的质心作为目标点。

（2）在frontier_exploration中对于边界点Frontier的定义放在了Frontier.msg消息里面，而它定义为结构体形式，其中也包含了更多信息。

（3）它添加了tf校验机制，确保了 map_frame->robot_base_frame 的通畅

（4）添加了ros::console记录器记录Debug信息

（5）添加了更多接口方便通过launch文件对这些参数进行修改

（6）这个修改的优劣有待讨论：explorate_lite在发布目标边界点时，使用的是定时发布，如下图，当机器人选择了一个当前的“最近点”时，行进过程中遇到更近的会不会换一个目标点，这样会增加路径重复率，也会造成机器人的频繁起停。

（7）设置了容忍时间，超时会把这个点加到黑名单中，可以类似仿照限定程序总运行时间

explore_lite程序的框图如下：

三、rrt_exploration

rrt_exploration分为四个主要部分：Global Frontier Detector、Local FrontierDetector、Filter、Assigner。

（1）Global Frontier Detector、Local Frontier：使用全局和局部边缘检测点去选择下一步应该探索的边界点，生长的RRT数到达的点如果位于未知区域，则这个的被认为是边界点，全局边缘检测是一种从初始位置开始一直执行的RRT搜素，全局RRT树不重置，随着时间不断生长、细化，主要是防止机器人错过在地图上探索小角落的机会，也确保原理机器人当前位置的点被检测和探索[rrt_exploration]，而局部边缘检测是以机器人当前位置为起始点拓展的RRT树，这个局部树搜索到一个边界点后会重置树。

这里存在一些问题：

全局RRT树的生长速度随着树的生长而变慢RRT是一种渐进最优的算法，理论上时间足够长可以覆盖整个地图，但其具有随机性，有限时间内很可能无法完全探测所有未知区域，特别是实际应用中往往是有时间要求的RRT本身的生长问题：当一个分支无法生长延伸时，需要回溯到之前的未知，这会增加搜索时间和重复区域如下图，RRT具有随机性，可能在机器人前往一个目前“最优”的目标点时，突然发现了一个更好的点，机器人需要折返，尽管这种可能性很小，但可能会出现这种情况，会增加时间和重复度，而frontier_exploration这种算法往往有更好的倾向性和启发性，而且在探索过程中使用了BFS虽然时间较慢（我认为是微小的），但是可以搜索到所有可能的边界，并通过权重合理选择探索顺序。

RRT源代码中提供了使用opencv进行边界检测的方法作为比较，将使用cv2.findContours()方法检测出来的边界序列求质心后打包发送，发送给Filter滤波后再发送给Assigner，在Assigner中求出最终的得分，选择得分高的节点发送个Move_base节点，这就出现一个情况在每一次检测节点轮询，目标点是不断发生变化的（很具有随机性），也就是说有可能还没到当前发布的位置时，随着地图更新，又会产生新的目标点，如果向一个方向即将（还没）探索完（这时它的信息增益I很小了），还是可能会被其他位置的目标边界点吸引，这样会增加重复性和探索时间，及时作者加了滞回增益h，也不能避免发生这种情况。

（2）Filter

对搜索到的点进行聚类，形成边界

（3）Assigner

从现有的目标点中根据导航成本（N）和信息增益（I）两项选择机器人下一步需要前往的目标点

可以借鉴的一点是RRT选择点的公式，在信息增益I这一项前加了一个滞回增益项h，h也跟距离有关，防止一个很远但I过大的边界点把机器人吸引过去。

RRT相较于frontier_exploration的优势就是速度快，但作者也在文献中实验指出，探索时间比基于图像处理的时间稍长，但是优势在于可以方便的拓展到三维。

总结

最后，就是我经过看论文和阅读源代码，分析总结的自主探索算法可以改进的点，通过我阅读一些文献，我发现对算法的改进确实就是从这几个方面入手的。

我还写了一篇文献综述，对以及发布的文献总使用的改进方法和原理进行了阐述和总结，之后看看发不发出来吧。

在VX公众号“月月望归鸟”，回复“自主探索”，即可获得三种自主探索的注释版代码