路径规划之CVM类算法简述

  关注同名微信公众号“混沌无形”，阅读更多有趣好文！

原文链接：机器人空间采样算法研究现状简述（包含原文PDF百度云下载链接）

空间采样算法按照采样空间不同，可分为：状态空间采样和运动空间采样。如图 2.1所示，基于状态空间采样的算法能够在大面积、高纬度的空间中快速生成路径，包括RRT和PRM类算法等，具有概率完备性，其主要步骤包括随机采样、度量连接、碰撞检测和路径查询。基于运动空间采样的算法则在速度空间等距采样，通过评价函数选择最佳控制指令，驱动机器人运动，主要包括CVM类算法及DWA类算法等。

（请横屏看图）

图 2.1 空间采样算法发展路线概况

 

第三类是CVM（Curvature Velocity Method）类算法，核心思想是基于非全向移动机器人小速度空间范围，结合运动学模型，生成预测轨迹，并进行约束条件评估分析，找出最合适的轨迹。 

Simmons、Ko等人针对差速移动机器人提出基于有边界的速度空间采样方法，即机器人运动轨迹为圆弧或直线。如CVM[19]在速度空间中等距采样，并选择综合成本最低的速度以控制机器人，LCM[20]针对廊道场景，将CVM与方向空间法相结合，驱动机器人沿着廊道运动的同时避开障碍物。如图 1.6所示，DCVM[21]融入概率3D占据-速度栅格图，用于避开动态障碍物，并在仿真和真实环境中得到验证。

图 2.7 DCVM[21]

 精彩的理论论证过程见原文链接（含全文下载链接）

由于网页排版效果一般，所以笔者按照期刊论文版式为小伙伴们整理了原文PDF，方便收藏和回味。

原文链接：（包含原文PDF百度云下载链接）
CSDN下载链接：移动机器人路径规划之一空间采样算法

如果喜欢的话，可以关注我，阅读更多有趣好文！

微信公众号：混沌无形

知乎号：混沌无形

B站：混沌无形R