teb局部路径规划算法

TEB算法基本原理

DWA、TEB、Trajectory Rollout是三种常用的局部路径规划算法。其中，TEB算法有很强的前瞻性，能够动态避障，表现较好，缺点是计算复杂——这也是其使用g2o算法优化计算量的原因。

TEB全称是Timed Elastic Band，译为时间橡皮筋。好比导航的起点和终点之间，拉了一条绷直的橡皮筋作为行走路线，如果路中间有障碍物，就会将橡皮筋撑开，影响行走时的路径。

就像这样：

当然，在实际情况中，机器人的行走路线会受到许多其他因素的影响，不会紧贴着障碍物表面。我们通常会将障碍物进行膨胀处理，让机器人的行走路线与真实的障碍物之间，保持一定的安全距离。
在TEB算法中，所有影响因素分为两类：约束和轨迹。
约束指的是速度和加速度的限制，这些往往由机器人本身决定；轨迹则指最短或最快的路径，或者与障碍物保持距离，又或者是与规划路径尽可能地跟随。

一般来说，TEB算法会通过参数的方式，调整各影响因素的权重，为每个影响因素设计奖励或者惩罚函数，然后对可行的路线进行打分，最后选择得分最高的局部路线下发速度指令。

这样规划出的路径，更符合小车的硬件结构以及运动学，能够让小车流畅地行驶和绕障，且行驶速度和到点时间都有着优秀表现。

但由于需考虑的参数较多，如何「合理地」配置参数，就成了最重要且最困难的一环。

如何为TEB算法配置参数？

典型的「障碍物和中间点参数配置」

通常来说，我们会希望为机器人规划出一条远离障碍物，又尽可能经过中间点的路线，让机器人的行走路线更合理。基于此，我们可以在TEB算法中，对障碍物和中间点分别配置参数，并运用到惩罚函数中。