路径规划学习1

学习原因：在未知环境下，机器人能否自主完成无碰撞情况下从起始点到目标点是机器人构建陌生环境地图的基础。

移动机器人路径规划技术：全局路径规划和局部路径规划。如果机器人初始位姿、环境及目标已知，导航问题转化为全局路径规划问题。
        

启发式搜素技术方法：http://www.cnblogs.com/yanlingyin/archive/2012/01/15/2322640.html

快速随机树原理：2000 年以来,随机化方法越来越多的被用到路径规划算法中,由于其随机性的特点,这类方法可适用于不确定环境中的高维度空间,不会产生局部环境迷失和计算量大等问题,进而被广泛应用" 快速扩展随机树算法(Rapidly  Exploring  Random  Trees,RRT)是随机化算法中典型的一个,由 LaValle 和 Kuffner 在 1999 年的 IEEE 国际会议上首次提出"它不同于传统的基于反应模式或基于仿生学的算法,它首次将随机化方法引入到轨迹规划中,由于具有随机性的特点,RRT 算法可以很好地解决在不确定环境下的完整性规划!非完整性规划以及运动动力学的问题[42]"RRT算法的基本思想是通过树杈延伸的方式逐步地降低树结构与目标点之间的距离,直至树杈达到目标点或目标点的阈值范围内,最后用树的脉络来表示从起始点到目标点的路径"这条树的脉络就可以规划出一条从起始点到目标点的路径"。

快速随机树算法：

该种方法的缺点：新叶点的产生是随机的，树的延生具有随机性，导致了轨迹规划的随机性，为构建地图而进行的没有针对性和重复性的探索。

改进方法：加入包围式启发策略。在有障碍物时对障碍物进行包围式搜索，获得更全面的信息，动态障碍物情况下对障碍物进行避障，并在地图上将其去掉。