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
第四类是DWA(Dynamic Window Approach)类算法,DWA[22]与CVM极为相似,均基于速度空间采样,评价方式有区别。Brock、Seder等人提出了改进算法,如General DWA[23]将DWA扩展为全向移动,并融入导航函数,TVDW[24]考虑了动态障碍物,将FD*与DWA相结合,以提升机器人运动前瞻性,DW4DO[25]使用了双重动态窗,无动力学约束限制的动态窗增加了DWA的探测范围,并将其升级为DW4DOT[25],进一步提升DWA的前瞻性,以提升其避障性能。
图 2.8 DWA算法(图片来源:https://github.com/AtsushiSakai/PythonRobotics)
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