Robotics: Computational Motion Planning（路径规划）笔记（二）:配置空间（Configuration Space）

在本章中我们将会引入配置空间（Configuration Space）这一个概念，这会帮助我们在一个统一的框架内解决路径规划问题。

上一章链接：

Robotics: Computational Motion Planning（路径规划）笔记（一）:基于图搜索的方法-Grassfire、Dijkstra和A*算法

配置空间

我们知道，机器人有不同的形状和尺寸，如果我们要规划机器人的移动路径，我们是需要进行碰撞检测的，目的是防止机器人撞到障碍物上，所以我们在进行路径规划时需要知道机器人的几何信息：

但是通过引入配置空间，在这个空间里我们就可以将机器人当作一个质点来分析，这就大大减小了路径规划的复杂性，但是我们就需要同时也要在配置空间里表示障碍物：

如上图所示，我们来看一个有两个自由度的机器人，也就是说机器人只能平移，不能旋转。在工作空间里，机器人还是有尺寸，并且有不同形状的。但是在配置空间里，机器人就变成了一个质点，这时候我们还需要在配置空间里表示障碍物：

总结

• 在工作空间： 机器人有形状和大小，难以进行运动规划
• 在配置空间（Configuration Space）：
  • 机器人是一个点
  • 障碍物需要在配置空间中表示
•  在配置空间中表示障碍物可能非常复杂。因此，在实践中使用了近似（但更保守）表示法：

如果是在三维空间中，我们可以把机器人当做一个球体来看待，这个球体要完全包围住机器人，其半径就是  ，那么在配置空间中我们可以把所有障碍物进行膨胀操作，即把障碍物朝各个方向扩大  。

下一章链接：

Robotics: Computational Motion Planning（路径规划）笔记（三）:基于采样的方法-PRM和RRT算法