摘要
图规划算法分为图搜索算法、BUG类算法和势场力类算法,最后从模型复杂度、实时性、环境适应能力及路径曲线质量等方面分析了上述三类算法的优缺点
引言
运动规划时什么?要解决什么问题?
轨迹曲线=路径曲线+速度曲线
控制机器人沿着这条轨迹运动,直至目标
优化,最短时间和最短路径
运动规划的前提条件
地图
定位
机器人首先需要利用传感器获取环境信息,构建环境地图并计算自身在环境中的位姿,接着根据自身在地图中的位置,明确起始点和终点后,才可以进入到运动规划阶段,最后将生成的轨迹转化为运动规划阶段,最后通过将生成的轨迹转化为运动控制指令发送给运动控制模型,驱动机器人运动。
02 图规划算法研究分析
2.1 图搜索算法
主要特征:是将地图栅格化后进行路径搜索,并致力于达到路径最优,效率最优等目标
Dijkstra算法
属于广度优先算法,采用遍历的方式,计算起点到终点的所有路径,并选择成本最低的路径
A*算法
在Dijkstra算法基础上,根据起始点和终止点的先验信息设计巧妙的启发式函数,减少搜索扩展的节点数,提高路径搜索效率
后续研究者从内存消耗、实时性、动态环境适应性、移动目标追踪、路径之来给你等角度进行了深入研究和改进
2.2 BUG类算法
是基于几何地图规划的算法
核心思路是当机器人遇到障碍物时,就沿着障碍物边界运动,没有遇到障碍物时就沿着起点到终点的连线方向上运动
2.3 势场力类算法
人工势场法,借鉴了重力势场和电场模型
传统势场法
但多数势场法未考虑机器人模型硬约束
03 图规划算法分析
势场力算法
优点:模型简单,安全性极佳,实时性好,路径较平滑
缺点:易受到障碍物冲击,存在振荡