机器人图规划算法研究现状简述-学习笔记

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