type
status
date
slug
summary
tags
category
icon
password
一、Introduction
1. autonomous robot
- Estimation（状态估计/定位）
- 低延时
- 高精度，高前后一致性
- Planning（规划）
- 复杂和未知的环境
- 安全性、动态可行性
- 有限的传感和计算
- Perception（感知）
- 3D建图
- 融合和集成
- Control（控制）
- 产生实时控制信号
2. Motion planning
- Basic requirements
- Old-school pipeline
- 前端路径搜索
- 后端轨迹生成（优化）
二、Course Outline
motion planning
- 路径规划的前端、路径搜索（基于采样/搜索/满足动力学约束的一些搜索）
- 后端轨迹优化、轨迹生成
1. Front-end: Path Finding
- Search-based methods
- Sampling-based methods
2. Search-based Method
基于搜索的算法
- Dijkstra’s算法
- A*算法
- JPS
3. Sampling-based Method
基于采样的路径搜索算法
4. Kinodynamic Path Finding
都是建立一个状态空间模型（或者非线性的模型），接下来给一定离散化之后的控制量，驱动状态转移
1. State Lattice Search（代价十分高昂）
（图上面的搜索）建立一个移动机器人的动力学模型，将控制量进行离散化（固定时间，固定油门，不同方向的路径合一起形成的图），每一个结点包含状态，实现最短路径。
2. 混合A*算法（复杂度降低，可以比较快的找到path）
- 维护一个栅格网络地图。
- 会根据格子大小对树进行暴力剪枝，每一个网格中只保留一个状态点，该状态点不一定像普通的网格搜索一样落在格子中间，而是可能落在格子任何一个地方。
- 当格子里出现了另一个的状态，它可以维护起点开始到此处代价最小，则会取代掉该网格里原状态。
3. Kino dynamic RRT*
- 采样位置和状态
- 求解两状态边界最优控制问题
5. Back-end: Trajectory Optimization
后端轨迹优化、轨迹生成
Typical Planning Methods Overview
三、Map Representation
MI
- 作者:spark
- 链接:http://sparkleaf.cn/article/1293c231-7c52-80a7-b851-f9c43fc6dbaa
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。