运动规划二：基于采样的路径规划

1.PRM

基本介绍：

• 基于图结构
• 分为学习（撒点生成图）和查询阶段（找图）
  • 学习：随机采样 + 删除有障碍的线段
  • 查询： 使用 Dijstra 和 A* 算法进行查询
• 优缺点：
  • 优点：概率完备,不用查询整个地图；
  • 缺点：分成两个阶段，效率低

关于提高效率的方法：

• lazy collision-checking，先连线，找到障碍物之后才开始删除有障碍的线段，并重新连线

2.RRT

增量式的构建，根据采样点找最近节点，连接线段上前进一段距离后得到新的点，加入搜索树。若在障碍物里就删除。
缺点：
1.如果遇到窄缝，就很难找到路径，因为采样点到达窄缝的可能性较小。
2.非最优解，非高效
3.采样依旧在整个空间完成
提高效率的方式：

• KD - TREE: 提高最近节点的搜索功能，便于更快找到最近的节点。
• Bidirectional RRT / RRT Connect：同时从起点和终点开始生成搜索树，一次撒点，同时生成两颗树。（窄缝问题）

3.Optimal sampling-based path planning methods

RRT:*

• 在RRT 上改进，若找到新节点之后，搜索到临域节点，找到cost最小的点，并添加父节点，修改连接
• 找到路劲之后，没有停止，依旧更新连接
  Kinodynamic-RRT*：
• 考虑机器人的运动学约束
• 生成的线不是直线而是曲线连接；
  Anytime-RRT*：移动过程中执行 RRT*
  

4. Advanced path planning methods

• Informed RRT*:得到路径之后，在限定的椭圆内修改采样点，不断优化路径
  -
  Cross-entropy motion planning：暂不具体了解

5. Implementation

• Open Motion Planning Library
• Moveit with ROS
• Navigation stick - ROS
  • Global planner：A*,D*, RRTs,etc
  • Local planner：Dwa,eband, Teb,etc