无人机路径规划及轨迹规划笔记

目录

一、构形空间

二、图的定义

三、图搜索算法

1、概述

2、广度优先算法（BFS）和深度优先算法（DFS）

1、广度优先算法（BFS）

2、深度优先算法（DFS）

3、对比

3、贪婪最佳优先算法

4、Dijkstar算法和A*算法

1、Dijkstar算法

2、A*算法（Dijkstar+启发式函数）

3、区别

---

学习视频链接：6.无人机路径规划及轨迹规划_哔哩哔哩_bilibili

一、构形空间

·机器人构形：机器人所有的位置点
·机器人自由度(DOF):用来表示机器人构形的最小实数坐标数
·机器人构形空间：包含所有可能的机器人构形的n维空间，记作C-space
·每个机器人姿态都是C-Space中的一个点

二、图的定义

图由节点和边构成

三、图搜索算法

1、概述

维护一个容器来存储所有待访问的节点，容器初始化时只存在初始状态Xs，按一定的循环顺序从容器中移出一个节点，得到该节点的所有邻接点，并将这些节点存入容器。当容器为空时结束循环，禁止从容器中移出的节点再次进入容器。

2、广度优先算法（BFS）和深度优先算法（DFS）

1、广度优先算法（BFS）

先进入队列的节点会被先拿出来

2、深度优先算法（DFS）

后进入队列的节点会被先拿出来

3、对比

3、贪婪最佳优先算法

通过启发式函数取出节点（欧式距离&曼哈顿距离）

欧式距离：两点之间的直线距离

曼哈顿距离：在二维平面中，两个点 (x1, y1) 和 (x2, y2) 之间的曼哈顿距离计算公式为 |x1 - x2| + |y1 - y2| 。在三维空间中，如果有两点 a(x1, y1, z1) 和 b(x2, y2, z2)，则它们之间的曼哈顿距离是 |x1 - x2| + |y1 - y2| + |z1 - z2|

优点：没有障碍物时可以很快的规划路径

缺点：存在障碍物时，规划出来的路径不是最短路径

4、Dijkstar算法和A*算法

1、Dijkstar算法

策略：每次从容器中取出累计代价g(n)最小的节点。已扩展节点的累计代价应为到起始点的最短路径代价。

g(n)：从初始点到点n的累计代价

算法流程：

优点：具有完备性和最优性

缺点：扩展不具有方向性，没有利用到目标点的信息

2、A*算法（Dijkstar+启发式函数）

策略：取出具有最小f(n)的节点

累计代价 g(n):从起始状态到节点“n”的最小估计代价 

启发式函数h(n):从节点到目标点的最小估计代价

从起始状态到目标状态,经过节点“n”的最小估计代价为 f(n)=g(n)+h(n)

算法流程：

可采用的启发函数：所有节点到终点的代价小于等于从节点n到终点的真实最小距离

加权A*算法：

3、区别

Dijkstar算法：朝着各个方向搜索

A*算法：朝着目标点方向搜索

 

---

未完待续