上面那个论文把uav的路径规划分为以下5类:

  • sampling-based algorithms

  • node-based algorithms

  • mathematical model based algorithms

  • Bio-inspired algorithms

  • multi-fusion based algorithms

知乎移动机器人路径规划

  • 完备的（complete)(有解是可以求出来的)，主要应用于二维三维的grid，多维的计算量就大了

  • 基于采样的（sampling-based）又称为概率完备的，(有解不一定能求出来的,可能经过足够多的采样可以得到解，是概率上的可能能得到解)

路径规划算法发展的历程

公开课

宾夕法尼亚大学的运动规划

RRT(快速随机搜索树)

RRT算法是RRT算法的变种算法，算法可以收敛到最优解，不仅可以实现二维环境下的路径规划，多维度的环境也可以使用RRT算法，而且由于算法是均匀采样，并不会出现局部最小的情况。

RPM 要先构建roadmap，因此可以多次使用的，graph中的node还可以相互连接的

RRT是直接从start node延增出去的，每个node只有一个parent的，

RRT wiki

伪代码

- add start node to tree

- repeat n times
    
    - generate a random configuration x
    - if x is a freespace using the `CollisionCheck` function 
        
        find y ,the cloest node in the tree to the random configuraion x        if (`Dist(x,y) > delta`) -- check if x too far from y
            find a configuration z that is along the path from x to y such that Dist(z,y) <= delta
            x = z        if (`LocalPlanner(x,y)`) -- check if you can get from x to y .Add x to the tree with y as patent

Artifical potential fields

构造一个函数 = an attractive potential field + a repulsive potential field

= 一个离目标点越近能量越低的函数 + 一个离障碍物越远能量越低的函数

下面第一张图是黑色障碍物，第二张图是attractive potential field ,第三张图是 repulsive potential field,最后一张是上面两个的相加得到的最终构造的函数


可能会陷入到local minimum

nbvplanner

github

ethz 开源的一个路径规划算法库

需要的是里程计tf坐标变换和3d点云数据，计算下个位置的gain，这个gain也考虑了octomap中格子的概率，考虑的是看到还没有mapped的格子
，尽可能寻找相应多的格子进行路径规划，

代码中的mesh_structure.h,对我们的作用不是很大，主要是用于导入CAD图纸，不用在线输入点云数据，这时候寻找的是看到的surface最多的下一个目标点

tool

2d路径规划可视工具

工具显示的第三个维度是概率的大小，可视化，针对的是moveit这个开源工具，没有试过别的可不可以