路径规划(二)——轨迹优化(样条法)局部规划(人工势能场法)智能路径规划(生物启发(蚁群RVO)强化学习)

轨迹优化

 

样条法

样条法能满足机器人的动力学约束&＃xff1a;使得轨迹本身/一阶导数/二阶导数连续

样条就是广义的函数和曲线

 

方法&＃xff1a;分段函数 &＃43; 连续性限制

一般来讲使用三次样条

每一个样条段连接两个路径上的离散的点

 

局部规划

 

为什么需要局部规划

      因为规划算法必须权衡精度和全局性

      对于局部情况&＃xff0c;机器人往往有更好的认知&＃xff1a;比如激光雷达能够实时反映局部的障碍物分布。对于规避动态障碍物&＃xff0c;往往要依赖局部规划算法。

      全局规划算法更加考虑连通性&＃xff0c;局部规划算法更加考虑动力学上的可行性。

 

人工势能场法

样条法的延申

定义一个势能函数&＃xff0c;把最小化这个势能函数作为目标函数

目的&＃xff1a;利用高势能表示障碍物或者惩罚区域&＃xff0c;低势能表示奖励区域或者平坦的地区

有障碍物的地方附近势能高

离目标越远的地方势能高&＃xff0c;离目标越近的地方势能低

 

智能路径规划

 

生物启发与相关算法

蚁群算法

 

RVO算法

Reciprocal Velocity Obstacles&＃xff0c;障碍物规避算法

 

强化学习