对 RRG 算法的解释

RRT 和 RRG

RRT 算法在搜索的过程中产生一条通向终点的树，RRT 的基本步骤是：
　　1. 起点作为一颗种子，从它开始生长枝丫；
　　2. 在机器人的“构型”空间中，生成一个随机点X；
　　3. 在树上找到距离X最近的那个点，记为Y吧；
　　4. 朝着X的方向生长，如果没有碰到障碍物就把生长后的树枝和端点添加到树上，返回 2；
在这个路径中，产生的一系列的节点作为无人机或者机器人的路径点。

而RRG算法产生的是一系列的安全球体，有球心和半径。考虑了障碍物的距离。

RRG 算法伪代码讲解

在实时搜地图的路径规划中，RRG主要用于产生一系列的安全区域球体，即无人机在飞行过程中周围的安全区域。
在RRG算法伪代码中，$n$ 代表一个球体，$G$ 表示一个安全球体序列，$N$ 表示最大采样点数。

1. 首先初始化将起始点 $ns$ 加入安全球体序列。
2. 通过sample() 函数在空间中采样一个新的点给 $cr$ 。
3. 在安全球体序列 $G$ 中找到一个与采样点最近的安全球体 $nc$ 。
4. 求最近的安全球体 $nc$ 的球心 $nc.c$ 沿采样点 $cr$ 射线方向上一段距离的点作为新的安全球体的球心 $nn.c$ 。
5. 通过radius_search() 函数求离新的安全球体的球心 $nn.c$ 最近的障碍物距离，作为新的安全球体的半径 $nn.r$ 。
6. 判断 半径 $nn.r$ 大于设定的阈值时，将新的安全球体加入安全球体序列 $G$ ，并且球心与最近的安全球体球心连接。
7. 找到在新的安全球体一定阈值距离内的球体，判断它们之间的重叠空间体积，若大于一定阈值，这个重叠空间要使无人机能够安全穿过，就将它们的球心连接起来。

在实时搜地图的路径规划中，就可以利用RRG产生的安全球体，再通过A*启发式搜索选择一条安全球体路径，形成了无人机的安全飞行走廊。这个实时路径规划思想是在论文 Online Quadrotor Trajectory Generation and Autonomous Navigation on Point Clouds 中被提出。