MAV path planning survey

早期工作：

微分平坦 differential flatness [2011-1]

闭式求解 minimum snap trajectory[2016-2]

寻找自由通道 find free corridor【2015-3】

 

path planning pipeline

1. 硬约束派：前端生成path，不考虑kinodynamic，然后寻找free corrider，后端基于path加入各种约束优化求解trajectory。

2. 软约束派：受CHOMP影响，直接在path上利用梯度下降法优化

基于滚动时域控制的重规划

保守规划与乐观规划（对待unkown 的态度）

基于梯度的方法

1. oleynikova 【2016-4】 假设rrt给出航点，用S段K维N阶 多项式参数化轨迹。优化方法：quasi-Newtonmethod like BFGS

2. GAOFEI 【2017-5】RRT+polynomial trajectory optimization.cost function 有所不同，优化方法：两步优化-先优化避障cost，再分配time优化smooth，迭代。牛顿法-trust region method。

基于free corridor的方法

1. 多面体表示free corridor， 多项式表示轨迹

liusikang【2017-6】 提出SFC 算法 safe flight corridor 。用一系列凸多面体建模free space。把JPS扩展到3d空间寻找path，在path基础上生成SFC。作为线性不等式约束加入后端的trajectory optimization。参加DARPA FLA 项目，高速飞行达到5m/s。

2. 球体表示free corridor， bezier curve 表示轨迹

gaofei【2016-7】，不转换voxblox或者octomap，直接在原始数据点云上规划。轨迹生成把QCQP转化为SOCP更快，数值稳定性更好。

3. 将规划和时间分配统一到一个优化框架下

FASTER【2019-8】每次规划两条轨迹：第一条是乐观的（在free和unknown空间规划），第二条是保守的（仅在free空间规划）。第一条仅执行部分轨迹，在第二次规划失败的时候执行前一次规划的保守轨迹。时间分配也在优化中完成（要再看看）。

构造成MIQP用Gurobi求解。

时间分配

基于优化的方法存在时间分配问题。基于motion primitive的方法没有这个问题。

liusikang【2018-9】 search-based 方法，zhouboyu【2019-10】kinodynamic path searching method  + B-spline optimization，non-uniform B-spline 可以根据飞行aggressive 调整时间分配。

 

参考文献：

0. Navigation for Small Aerial Autonomous Vehicles in Cluttered Environment