Grid-Based RRT*的个人理解

Grid-based RRT ⁄ for minimum dose walking path-planning in complex radioactive environments

(未写完)

简单的总结一下这个论文的创新点：

通过将RRT与网格搜索结合，弥补RRT的缺点，可用于具有障碍和狭窄区域的复杂环境。将障碍物部分预处理，生成围绕障碍物的栅格。当障碍物栅格的点进入随机树的范围后，继续按照RRT*的算法，连接这些点，并自然的生成绕过障碍物的路径。

以下是从原文中摘录的一些内容：

矩形边界框表示障碍区域。如果障碍区域彼此重叠，则选择包含这些障碍物的较大边界框作为障碍区域，并且这些障碍物被视为整体以避免产生狭窄区域。

矩形区域用网格离散化，样本位于每个网格节点上。这个过程可以看作是一种确定的抽样方式。然后执行精确的碰撞检测以识别障碍物内的样本，并且这些样本被称为障碍物节点并且不与任何节点连接。网格边界上的样本称为边界节点，它们可以与位于无障碍空间的样本连接（可以与随机树上的点进行连接），将网格节点添加到节点树并优化网格的节点连接。其余的网格节点称为通用节点，它们只能与网格上的其他节点连接（只能与位于障碍物区域的点连接）。


将障碍区域附近的碰撞检测简化为线与矩形之间的碰撞检测，这样使得处理复杂几何障碍物的碰撞检测变得简单。

新的角点检测：节点A和B的附近区域以半径为R的虚线圆圈表示，A的附近区域不覆盖矩形的任何角，因此不需要进行碰撞检测。节点B的附近区域覆盖一个角，节点B和C之间的线（以红色显示）与障碍物区域碰撞。

3.2 路径规划
一旦识别出障碍区域，我们就可以使用网格节点来避开特定障碍物并在障碍物周围生成路径并规划整个空间中的最佳路径。 GB-RRT的主循环在算法2中示出。本质上，该算法包含两个主要部分：采样优化和网格搜索策略。

画红线的部分为改进的部分。

最初，障碍区域中的网格节点是未连接的，不能添加到节点树T中。每个网格节点的成本是无限大的，障碍区域被标记为NeedUpdate。

首先，采样节点的创建方式与RRT相同。在每次迭代中，在空间中随机采样一个点qrand。

然后，找到节点树中离qrand最近的节点qnearest，并通过从最接近qrand的qnearest扩展步骤来生成新节点（第3-5行）。

为了快速确定qnew是否无障碍，获得qnew的最近边界节点qboundary和最近的障碍区域Gnearest（第6-7行）。如果qnew不在最近的障碍区域内，则将其添加到该空间;否则，放弃该点。

其次，如果新节点qnew是无障碍的，则查询qnew的邻居节点集Znear，其半径r与RRT相同（第9行）。

为了加速碰撞检测，通过查询qnew的半径r内的障碍物区域的角来筛选需要碰撞检测的区域。如果qnew附近区域内没有角，则意味着qnew附近区域中的节点连接与障碍区域之间不可能发生冲突，因为qnew的所有相邻节点都在矩形的同一侧;否则，这意味着可能发生碰撞。（请看上面的角点检测那张图）