基于采样的路径规划

1、PRM，这是一个图结构。首先在空间内随机撒一些点，然后清除障碍物内的点，然后把其他的点相互较近的连起来。

                                                          

优点：概率完备的，只要有一个图并且这个图上有一个最优解，那么这个解就是可以找出来的

缺点：需要解决两个点之间value值的问题，并且一开始就没有专注找到一个最优解。

解决方法：三个阶段：learning、query、lazy collision checking。

2、快速搜索随机树    这是什么搞笑算法

bidirectional 方法，两边同时找，一边从起点拓展一边从终点拓展，但是不是最优解，虽然速度会很快

3、优化的基于采样的路径规划 对 RRT的优化（快速搜索随机树）

通过不断地添加随机点保证得到的路线是最短的

kinodynamic 用曲线代替直线符合机器人运动约束（目前比较火的方向）********重要

 

更加高级的基于采样的路径规划——对采样进行优化

informed RRT*  将撒的点限制在一个椭圆内。椭圆越来越扁，路径越优化。

cross-entropy motion planning

第一次会形成一个非最优的路径，然后再拐点处进行高斯分布采样

得到多个路径后，然后求取均值，再新的均值点上再进行高斯采样。

 

OMPL库，做机械臂仿真可以用