上面那个论文把uav的路径规划分为以下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)(有解是可以求出来的)，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）又称为概率完备的，(有解不一定能求出来的,可能经过足够多的采样可以得到解，是概率上的可能能得到解)
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，算法可以收敛到最优解，不仅可以实现二维环境下的路径规划，多维度的环境也可以使用RRT算法，而且由于算法是均匀采样，并不会出现局部最小的情况。
RPM 要先构建roadmap，因此可以多次使用的，graph中的node还可以相互连接的
RRT是直接从start node延增出去的，每个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得到的最终构造的函数
可能会陷入到local minimum
nbvplanner
github
ethz 开源的一个路径规划算法库
需要的是里程计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中格子的概率，考虑的是看到还没有mapped的格子
，尽可能寻找相应多的格子进行路径规划，
代码中的mesh_structure.h,对我们的作用不是很大，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概率的大小，可视化，针对的是moveit这个开源工具，没有试过别的可不可以
