运动规划大纲

运动规划在整个机器人中的地位

• 现在一般的机器人的运动规划都是在地图里面的 (已知地图)

运动规划的过程

运动规划一般分成前端和后端

前端一般是直接规划出一条从起点到终点的路径，一般情况下，前端只要保证不和障碍物相撞就行了。
后端是在前端规划的路径上进行优化(eg.加入动力学模型).
值得注意的是，后端在优化的时候不是一次对全部的前端路径进行优化，
而是只截取离机器人较近的一段进行优化。

• 前端
  1.只需要搜索出一条从起点到终点的安全路径
  2.路径是低维的(一般只含有path的position)
  3.路径是离散的
• 后端
  1.要搜索(优化)出一条机器人可执行的路径
  2.路径是高维的(必须包含控制信息)
  3.路径是连续的

运动规划的方法

• 前端(path finding)
  基于搜索
  1.图搜索
  2.Dijkstra 和 A*
  3.jump point search
  基于采样
  1.probabilistic road map
  2.rapidly-exploring random tree（RRT）
  3.optimal sampling-based method
  4.advance sampling-based method

快速扩展随机树RRT：
在状态空间中向所有可扩散的区域扩散树(碰撞检测)，生成一个随机扩展树。
当树上的叶子节点触碰(包含)目标节点之后，就能通过树干生成一条路径。

满足动力学约束
1.state-state boundary value optimal control problem
2.state lattice search
3.kindynamic RRT*
4.Hybrid A*

Hybrid A*
2010年，斯坦福首次提出一种满足车辆运动学的算法(Hybrid A*),并在(DARPA)的城市挑战赛中得以运用。

• 后端(trajectory generation)
  1.minimum-snap trajectory generation
  2.sotf and hard constrained trajectory optimization

运动规划的难点和应用

map

• occupancy grid map
• octo-map
• voxel hashing
• point cloud map
• tsdf map
• esdf map