AirSim学习日志 10-避障算法调研

做一些简单的避障算法调研，对常见的避障算法原理和优缺点简单了解，便于之后选择合适的方法实现。

1.快速扩展随机树算法（RRT）

参考知乎：https://zhuanlan.zhihu.com/p/66047152

首先确定一张包含了障碍物信息的地图，从出发点开始向目标点生成一棵树，每个节点生长时都有一定的概率直接向终点生长、或朝地图内任意方向生长，以避免被障碍物阻拦生长。经过多次生长后，可以得到由起点到达终点的路径，最短路径的获取可以通过A*等算法实现。

这种方法简单直观，能适应很复杂的情况，但是需要提前知道障碍物的分布情况；生长结果与采样步长和数量相关，采样点过多会导致计算量大，过少可能无法得到理想路径。

2.概率路线图方法（PRM）

参考博客园：https://www.cnblogs.com/21207-iHome/p/7209954.html

与RRT类似，RRT通过树的生长寻找路径，在生长过程中采样点；PRM先在地图中采样，再通过采样点获取路径。

如果使用以上两种方法，需先获取障碍物分布信息，再通过航路点跟踪的方法到达指定目标。

3.人工势场法

参考知乎：https://zhuanlan.zhihu.com/p/66265861

构造人工势场，一种简单的构造方法为引力/斥力势函数，引力来源于目标点，斥力来源于障碍物。通过梯度下降算法，在人工势场中选取势最小的路径。

如果已知障碍物的分布，可以先获取人工势场，计算出最优路径，然后执行；如果未知障碍物的分布，可以尝试根据传感器检测信息实时构造周围势场，获取局部最优路径。缺点是可能陷入局部极小值，需进行改进。

4.Bug避障算法

参考博客园：https://www.cnblogs.com/21207-iHome/p/5998635.html

Bug1算法原理为，遇到障碍物后环绕障碍物一周，然后选择距离目标点最近的位置，并驶向该位置，然后继续前进；

Bug2算法原理为，遇到障碍物后环绕障碍物，在到达目标点与起始点的连线时，离开障碍物，沿该连线继续前进。

Bug1算法需环绕障碍物一周，用时较长；Bug2算法在大多数情况下优于Bug1算法，但复杂情况下可能用时更长。Bug算法原理非常简单，但用时较长、未考虑机器人/无人机的动力学限制，难以适应复杂的情况。

5.向量场直方图（VFH）

类似人工势场法，根据机器人/无人机周边环境，创建一个局部地图，使用极坐标直方图表示，选择值最小、宽度最大的方向前进。该算法改进自VFF算法，之后还有VFH+和VFH*等改进。在三维空间内，查到了3DVFH+的相关论文：《3DVFH+ Real-Time Three-Dimensional Obstacle Avoidance》

VFM算法原理较之前几种都复杂，考虑到的因素也更多，能适应实时环境。