总结课程《深蓝学院移动机器人路径规划》
1.概率路图 Probabilistic Road Map
分为学习阶段,查询阶段。
通过采样的方式代替整个2D栅格图,通过一个图结构简化地图。
学习阶段:用一定的采样方式撒点,把落在障碍物中的点剔除,完成采样。
采样后通过线段连接采样点,连接时需要考虑距离限制以及障碍物限制。
查询阶段:构建完成一张图后,可以通过D或者A*去查找路径。
概率完备,高效。
2.RRT(Rapidly-exploring Random Tree)
相对于PRM,更针对的去寻找从起点到终点的路径,但是其并不是一条最佳的路径,也不高效。
3.RRT*
1.选择一条从起始点到
X
n
e
w
X_{new}
Xnew最短(代价最小)的路径。
2.剪枝:如果其他节点从
X
n
e
w
X_{new}
Xnew节点到达起始点更短的话,则需要被修改。(例如
X
2
X_{2}
X2父节点修改为
X
n
e
w
X_{new}
Xnew)
4.Kinodynamic-RRT*
用曲线代替直线连接点
X
n
e
a
r
−
X
n
e
w
X_{near}-X_{new}
Xnear−Xnew。此时原本被舍弃的线段,可能因为变成曲线而不会经过障碍物。
5.Anytime-RRT*
在机器人运动的过程中,RRT*在不断更新,即起始点不断更新为机器人当前位置点。
能够更好的适应变化的环境。
6.Informed RRT*
把采样的过程限制在一个椭圆中,该椭圆由已经产生的路径决定。
以起始点、终止点作为椭圆的焦点,以生成轨迹的长度作为椭圆上点到达俩焦点的距离之和(常数)。
7.Cross-entropy motion planning
在路径点附近多高斯采样,生成多条轨迹,通过求均值可得到新的多高斯采样,生成新的路径。