OMPL PathSimplifier (路径平滑) 总结

OMPL 的 PathSimplifier 类中实现了几种用于路径简化和平滑的算法。这些算法包括：

1. reduceVertices：

   • 算法描述：通过尝试连接路径上的非相邻节点来简化路径。如果两个节点之间的直线路径无碰撞，则删除中间的节点。
   • 特点：主要用于减少路径上的节点数量，适用于去除不必要的转折点。

2. ropeShortcutPath：

   • 算法描述：使用RRT-Rope方法，以确定性顺序尝试连接路径上的非相邻状态，从而缩短路径。连接尝试优先考虑最远的状态。
   • 特点：使用确定性顺序，效率较高，适用于大规模无障碍环境。

3. partialShortcutPath：

   • 算法描述：使用Partial-Shortcut方法，随机选择路径上的点并尝试连接，从而缩短路径。与reduceVertices不同，此方法不仅采样路径上的关键节点，还采样路径中的中间点。
   • 特点：随机选择连接点，不确定性较高，适合快速改进路径，但可能会产生冗余的简化操作。

4. perturbPath：

   • 算法描述：通过随机扰动路径上的随机点来优化路径。这是一个迭代过程，通常与partialShortcutPath结合使用。
   • 特点：适用于非度量空间的优化目标，对路径长度的优化效果不明显。

5. collapseCloseVertices：

   • 算法描述：尝试连接路径上相近的非相邻状态，并移除中间状态，从而缩短路径。
   • 特点：用于进一步简化路径，减少路径上的冗余节点。

6. smoothBSpline：

   • 算法描述：应用B样条平滑算法，通过插值和节点调整使路径更加平滑。在每一步中细分路径并更新状态以改进平滑度。
   • 特点：显著增加路径上的状态数量，假设三角不等式成立，不适用于非度量空间。

7. simplifyMax：

   • 算法描述：结合多种简化和平滑操作对路径进行最大化简化。包括节点删除、平滑和优化等操作。
   • 特点：在非度量空间中跳过某些操作，以确保简化效果。

8. simplify：

   • 算法描述：在给定时间内或直到满足终止条件前运行简化算法，对路径进行多次简化。
   • 特点：提供时间限制和终止条件，确保简化在有限时间内完成。

9. findBetterGoal：

   • 算法描述：通过采样新目标状态并尝试连接到路径末端来改进路径。
   • 特点：主要用于路径末端的改进，适用于动态目标场景。