【路径规划算法】汇总（一）

搜索算法

搜索算法主要包括遍历式和启发式两种；其中Dijkstra算法属于传统的遍历式，A*算法属于启发式；一般来说遍历式算法可以取得全局最优解，但是计算量大，实时性不好；启发式算法结合了遍历式算法以及最佳优先算法的优点，具有计算小、收敛快的特点。

随机采样

主要包括蚁群算法以及RRT（快速扩展随机树）算法。

曲线插值

方法是按照车辆在某些特定条件（安全、快速、高效）下，进行路线的曲线拟合，常见的有贝塞尔曲线、多项式曲线、B样条曲线等。一般就多项式算法而言，主要考虑以下几个几何约束，从而确定曲线的参数。
几何约束：1.起始点的位置与姿态。2.最小转弯半径。3.障碍物约束。4.目标点的位置与姿态。
根据考虑的几何约束不同，多项式算法的阶数从三阶到六阶甚至更高阶，阶数越高的算法复杂度越高，收敛速度越慢。四次多项式的形式如式（3-1）所示，参数由几何约束条件确定。基于参数化曲线来描述轨迹，这种类型的算法比较直观，也可以更加准确的描述车辆所需满足的道路条件，规划出的轨迹也十分平坦、曲率变化连续并可进行约束。缺点是计算量较大，实时性不太好，并且其评价函数也比较难以找到最优的，未来的研究方向主要集中于简化算法以及更加完善的评价函数

人工势场法

人工势场法（Artificial PotentialField，APF）该算法是假设目标点会对自动驾驶车辆产生引力，障碍物对自动驾驶车辆产生斥力，从而使自动驾驶车辆沿“势峰”间的“势谷”前进。这种