Motion Planning运动规划(一)

运动规划

运动规划是一个过程,用来寻找从起始点到目标点的移动步骤。需要在运动受到约束的条件下找到最优解。

1. 分类

路径规划:在规定范围的区域,连接起点和终点的序列点或曲线成为路径,构成路径的策略叫路径规划。路径规划的目标:规划出无碰撞的路径,同时路径的长度尽可能短。

轨迹规划:在路径规划的基础上加入时间序列信息,每个时刻对应有位置、朝向甚至速度、加速度,会考虑速度和运动学约束尽量按照规划路径进行。

全局路径规划:已知地图信息,根据给定的目标点进行总体路径的规划。规划出的路径有一系列的pose(x,y,theta)
局部路径规划:地图信息未知或部分可知,根据附近的障碍物信息进行避障轨迹的规划

离线路径规划:在环境先验信息上进行的,完整的先验信息只适用于静态环境。
在线路径规划:基于传感器信息的不确定环境的路径规划,轨迹需要在线规划。

2. 常见运动规划算法

基于采样:PRM、RRT、DWA
基于优化:TEB
基于图搜索:Dijstra、A*、DFS、BFS
基于人工势场法:人工势场法
基于曲线拟合:直线、圆弧、多项式曲线、贝塞尔曲线、羊角曲线

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
motion planning算法是指在机器人、自动驾驶汽车等无人驾驶系统中,为实现特定任务而规划机器人或汽车的运动路径的一类算法。这类算法可以利用环境感知数据、路径搜索算法等技术,将需求转换为可执行的运动序列,并生成相应的控制指令,实现机器人或汽车的自主运动。 常见的motion planning算法有以下几种: 1. 基于图搜索的算法,如Dijkstra算法、A*算法、RRT(Rapidly-exploring Random Tree)等。它们可以根据搜索图的构建方式和搜索策略的不同,实现不同的路径规划优化。 2. 路径优化算法,如样条曲线插值算法、Bezier曲线拟合算法、B样条曲线算法等。这些算法主要用于生成连续光滑的路径,提高机器人或汽车的运动稳定性。 3. 轨迹优化算法,如二次规划算法、非线性规划算法和最小二乘优化算法等。这些算法主要用于对路径生成的轨迹进行优化,以满足运动约束条件和机器人或汽车的动力学特性等考虑。 4. 碰撞检测算法,如凸壳算法、距离场算法和渐进式网格算法等。这些算法主要用于避免机器人或汽车在运动过程中与环境障碍物发生碰撞。 综上所述,motion planning算法是一类在无人驾驶系统中很重要的算法,不同的算法适用于不同的场景和实际应用需求,选用合适的算法能够在避免碰撞的前提下高效、安全地完成任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值