作者:lan1998_789 | 来源:互联网 | 2023-05-28 10:35
轨迹优化
样条法
样条法能满足机器人的动力学约束: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:分段函数 + 连续性限制
一般来讲使用三次样条
![](https://img8.php1.cn/3cdc5/ff78/696/8593bb87856af7bd.png)
每一个样条段连接两个路径上的离散的点
![](https://img8.php1.cn/3cdc5/ff78/696/26b849e6f18cb437.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h4eGp4dw==,size_16,color_FFFFFF,t_70)
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,机器人往往有更好的认知: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,往往要依赖局部规划算法。
全局规划算法更加考虑连通性,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,把最小化这个势能函数作为目标函数
目的:利用高势能表示障碍物或者惩罚区域,低势能表示奖励区域或者平坦的地区
![](https://img8.php1.cn/3cdc5/ff78/696/a2056fff2bf5f8d2.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h4eGp4dw==,size_16,color_FFFFFF,t_70)
有障碍物的地方附近势能高
离目标越远的地方势能高,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,障碍物规避算法
强化学习