运动规划一：基于搜索的路径搜索

1.Graph Search Basis

1.1 配置空间下的规划

• 工作空间：机器人有不同的形状和尺寸，进行碰撞检测就需要花费很多时间，并且较难。
• 配置空间：把机器人当成一个点，把障碍物进行膨胀，规划就进行了简化。

1.2 图搜索整体思想：

搜索树的节点，然后从目标点回溯到起始点，找到路径。

• 维护容器：open list (访问的节点) and close list（已被扩展过的节点）
• 容器从起始点Xs开始初始化
• 循环
  • 容器中弹出节点，放入close list ，不会被再次加入openlist
  • 扩展节点
  • 将扩展节点存入容器
• 结束循环，直到容器为空

1.3 图遍历

• BFS (广度优先):（每条边权重相等）
  • 队列，先入先出。
  • 层级搜索
  • 地图中能找到最优路径，后面算法的基础
• DFS (深度优先):
  • 堆栈，后入先出。
  • 把某个分支走到底
  • 地图中不能找到最优路径

2.Dijkstra and A*

算法

• 启发式搜索：人为设置规则，朝着目标点前进
• 贪心算法：欧氏距离或曼哈顿距离，有障碍时会误导，无法得到最优路径
• Dijkstra：使得路径有最小的 cost，弹出节点的方式是以g(n)最小的方式弹出。若存在，就能找到最优解，类似于BFS，若不存在，就相当于穷举。
  
• A*:Dijstra 算法加上一个启发式函数，弹出节点以f(n)=g(n) + h(n)最小的节点弹出.
  • 要求h(n)<=h(n*) ,小于实际需要花费的最小路径：欧氏距离/无穷范数/0(Dijkstra)
    
• Weighted A*-> Anytime A*-> ARA*->D*:后续可深入研究

工程实现

• 将栅格地图表示为图：4连接或8连接
• 优先队列：见pdf
• 最优的启发式函数：相差太多就会使得搜索范围增加
  - Tie Breaker：打破平衡，使得路径搜索时有偏向性，具体使用时参考ppt

3. Jump Point Search

系统性打破平衡的办法：要遵循对应的 look ahead rules

• 优点:在障碍物较多的时候，JPS 速度会很快。维护容器的代价更低等等。
• 缺点：但是在空旷的时候，JPS 迭代查询花的时间就会很多
• 限制：只适用于uniform grid map.

4. Homework

• 1.完成启发式函数：欧式、曼哈顿、最短距离
• 2.初始化配置g(n) = infinite g(Xs) = 0
• 3.弹出排序第一的节点，放入close list
• 4.找到neighbor，计算cost
• 5.扩展节点，并将上一节点设为父节点
• 6.若已在open list 里，若满足条件则更新g（n）值，更新父节点。
• 7.根据终点回溯找到路径。

参考

1. 高飞老师:移动机器人运动规划课程