运动规划五：基于软约束和硬约束的轨迹生成

前言：博客介绍非常简单，具体的 请参考课程。

1.Introduction

• 硬约束：必须满足需求
• 软约束：只是对于约束有倾向性，并不能百分百满足
  

2. 基于硬约束的轨迹优化

2.1 基于安全走廊的轨迹生成步骤（corridor-based）

• 1.检测障碍物
• 2.搜索飞行走廊
• 3.膨胀飞行走廊
• 4.在走廊内产生轨迹
  最后就是解凸优化问题
  
• 优缺点：
  • 优点：高效，高质量（飞行走廊的大面积提供了可优化的空间）
  • 缺点： 只是在中间点有限制，生成的曲线需要迭代的去检验是否超过最大约束，耗时耗力，并且不知道是否一定会有解。
    

2.2 Bezier Curve Optimization

Bezier Curve 的一些特点：

• 保证了都在凸多边形里（安全走廊里），不用迭代检验

• 只是解凸优化问题，不用迭代检验，并且可以很快知道是否有解答。
  

3. 基于软约束的轨迹优化

为什么需要

3.1基于距离的轨迹优化问题

• 问题描述：约束中添加了光滑项、碰撞项、和dynamic cost（类比 碰撞项）
  
  
• 基于欧式距离场：惩罚函数的选择以及求的最优值
  
• 求最优值（局部最优）
  • 梯度下降
  • Linear search
  • 梯度下降（一阶）
  • 牛顿法（二阶）
  • 。。。

3.2 规划策略

3.2.1 Receding horizon re-planning

• 1.生成全局路径
• 2.局部路径优化
• 3.追踪局部路径，经过一段时间之后再优化下一阶段的路径
  

3.2.2 Exploration strategy

轨迹初始化：

• minimum snap
• global path（安全优先）

软约束可以分成两步走：

• 1.值考虑障碍物，把路径往中间推
• 2.考虑光滑性（smooth cost）
  

4. 案例学习：Fast Planner

Kinodynamic path searching + B-Spline trajectory optimization + time adjustment
具体参看课程和论文【2】
B-Spline：

• 凸包特性
• Continuity: no need of constraints at segments joints：不用考虑中间点
  

参考：

• 1.深蓝学院：移动机器人运动规划课程，具体内容请看课程，若内容侵权联系删除。
• 2.Gradient-Based Online Safe Trajectory Generation for Quadrotor Flight in Complex Environments, Fei Gao et al