深度科普：机器人都在用的Hybrid A*算法，你知道多少？

全局路径规划，是指在已知的环境中为机器人规划一条最优行驶路径。本文将对比经典的A*算法，深度探讨机器人常用全局路径规划算法——Hybrid A*算法的原理，包括Hybrid A*算法特性、RS曲线、代价函数与启发式、节点拓展、碰撞检测，以及局部优化与平滑等内容。 

01 Hybrid A*算法特性

Hybrid A*算法是一种图搜索算法，是基于A*算法的一种「变形」。

A*算法采用贪心策略，结合启发式的引导，在静态网路中求解最短路径有着非常不错的效果。但它在规划过程中，将机器人看做一个质点，只考虑（x，y）两个维度，未考虑机器人的实际运动约束。

​而Hybrid A*算法增加了θ维度，优化了节点的扩展方式，可以更好地满足车辆的运动特性，在有障碍物、低速等场景的阿克曼底盘、无人车等存在运动约束的机器人中，具有更好的使用表现。至于差速、全向机器人等不存在运动约束的机器人场景中，则不需要用到Hybrid A*算法。

应用中，A*算法规划的路径点，都在各个栅格的中心；Hybrid A*算法的路径点可以在栅格的任意位置，并且通常使用Reeds-Shepp曲线连接，生成平滑路径。

A*算法规划路径点在栅格中心

Hybrid A*算法路径点在栅格任意位置

相较于Dubins曲线只允许车辆向前运动，Reeds-Shepp曲线运动模型既允许车辆向前运动，也允许车辆向后运动。

​据J Reeds和L.A. Shepp证明，Reeds-Shepp Car从起点qI到终点qG的最短路径，一定在下面的word之中：

且所有word组合不超过48种：

注：word中的"|"表示车辆运动朝向