路径规划算法初步认识

资料

A literature review of UAV 3D path planning

上面那个论文把uav的路径规划分为如下5类:

• sampling-based algorithms
• node-based algorithms
• mathematical model based algorithms
• Bio-inspired algorithms
• multi-fusion based algorithms

知乎移动机器人路径规划

• 完备的（complete)(有解是能够求出来的)，主要应用于二维三维的grid，多维的计算量就大了
• 基于采样的（sampling-based）又称为几率完备的，(有解不必定能求出来的,可能通过足够多的采样能够获得解，是几率上的可能能获得解)

路径规划算法发展的历程

公开课

宾夕法尼亚大学的运动规划

RRT(快速随机搜索树)

RRT算法是RRT算法的变种算法，算法能够收敛到最优解，不只能够实现二维环境下的路径规划，多维度的环境也可使用RRT算法，并且因为算法是均匀采样，并不会出现局部最小的状况。

RPM 要先构建roadmap，所以能够屡次使用的，graph中的node还能够相互链接的

RRT是直接从start node延增出去的，每一个node只有一个parent的，

RRT wiki

伪代码

- add start node to tree

- repeat n times
    
    - generate a random configuration x
    - if x is a freespace using the `CollisionCheck` function 
        
        find y ,the cloest node in the tree to the random configuraion x

        if (`Dist(x,y) > delta`) -- check if x too far from y
            find a configuration z that is along the path from x to y such that Dist(z,y) <= delta
            x = z

        if (`LocalPlanner(x,y)`) -- check if you can get from x to y .Add x to the tree with y as patent

Artifical potential fields

构造一个函数 = an attractive potential field + a repulsive potential field

= 一个离目标点越近能量越低的函数 + 一个离障碍物越远能量越低的函数

下面第一张图是黑色障碍物，第二张图是attractive potential field ,第三张图是 repulsive potential field,最后一张是上面两个的相加获得的最终构造的函数

可能会陷入到local minimum

nbvplanner

github

ethz 开源的一个路径规划算法库

须要的是里程计tf坐标变换和3d点云数据，计算下个位置的gain，这个gain也考虑了octomap中格子的几率，考虑的是看到尚未mapped的格子
，尽量寻找相应多的格子进行路径规划，

代码中的mesh_structure.h,对咱们的做用不是很大，主要是用于导入CAD图纸，不用在线输入点云数据，这时候寻找的是看到的surface最多的下一个目标点

tool

2d路径规划可视工具

工具显示的第三个维度是几率的大小，可视化，针对的是moveit这个开源工具，没有试过别的可不能够

TODO

具体的代码下周会写，写完再具体写一写内容。