路徑規劃算法初步認識

資料

A literature review of UAV 3D path planning

上面那個論文把uav的路徑規劃分爲如下5類:

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

知乎移動機器人路徑規劃

• 完備的（complete)(有解是能夠求出來的)，主要應用於二維三維的grid，多維的計算量就大了
• 基於採樣的（sampling-based）又稱爲機率完備的，(有解不必定能求出來的,可能通過足夠多的採樣能夠獲得解，是機率上的可能能獲得解)

路徑規劃算法發展的歷程

公開課

賓夕法尼亞大學的運動規劃

RRT(快速隨機搜索樹)

RRT算法是RRT算法的變種算法，算法能夠收斂到最優解，不只能夠實現二維環境下的路徑規劃，多維度的環境也可使用RRT算法，並且因爲算法是均勻採樣，並不會出現局部最小的狀況。

RPM 要先構建roadmap，所以能夠屢次使用的，graph中的node還能夠相互鏈接的

RRT是直接從start node延增出去的，每一個node只有一個parent的，

RRT wiki

僞代碼

- 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

構造一個函數 = an attractive potential field + a repulsive potential field

= 一個離目標點越近能量越低的函數 + 一個離障礙物越遠能量越低的函數

下面第一張圖是黑色障礙物，第二張圖是attractive potential field ,第三張圖是 repulsive potential field,最後一張是上面兩個的相加獲得的最終構造的函數

可能會陷入到local minimum

nbvplanner

github

ethz 開源的一個路徑規劃算法庫

須要的是里程計tf座標變換和3d點雲數據，計算下個位置的gain，這個gain也考慮了octomap中格子的機率，考慮的是看到尚未mapped的格子
，儘量尋找相應多的格子進行路徑規劃，

代碼中的mesh_structure.h,對咱們的做用不是很大，主要是用於導入CAD圖紙，不用在線輸入點雲數據，這時候尋找的是看到的surface最多的下一個目標點

tool

2d路徑規劃可視工具

工具顯示的第三個維度是機率的大小，可視化，針對的是moveit這個開源工具，沒有試過別的可不能夠

TODO

具體的代碼下週會寫，寫完再具體寫一寫內容。