文章目录
- 0 Lattice Graph
- 1 Hybrid A Star
- 2 Hybrid A Star伪代码
- 3 启发式函数选择
- 4 One Shot
- 5 Application
- 6 总结
0 Lattice Graph
考虑机器人运动模型下的路径规划中说道，不管是离散控制空间还是状态空间，生成的图形都是Lattice Graph。
但是，加入在离散的过程当中，发现因为当时份数选择的更多，就会导致离散时候彼此连接的很近，所以可以进行剪枝的操作。
那如何进行剪枝？最有效的是使用栅格地图直接网上套，即可完成，栅格地图的代表就是A Star算法。所以，所谓的混合A Star算法就是将A*与Lattice Graph相关联。
1 Hybrid A Star
之后，在搜索的过程当中选取不同的Control Input往前驱动我的系统向前积分（就是会有很多feasible motion connections，例如图上的弯弯的线，从中找出最优的），积分出来的这个State，我保持在栅格地图的这个节点方格里都只记录一个机器人的State。
因为现在是保持在栅格地图当中，每个节点方格只记录一个机器人的State，如上图所示，现在进入到同一个栅格中有两条线，所以要不要把原来的那个节点进行更新呢？看Cost，不过这里的Cost不是我们狭义理解的线段的长度，而是一种广义的Cost，比如上次说过的BVP问题当中，Cost可以是时间、消耗的能量、路径的长度、终端状态惩罚项的累加等等。如果新的节点比老节点的Cost要少，就进行更新。
综上，永远保证一个网格当中只有一个节点。
2 Hybrid A Star伪代码
关于A*的伪代码详解
Hybrid A Star
A*算法当中最重要的一点就是找它的邻居（neighbors），其实就是上下左右斜对角。
在找邻居的过程当中，如果发现栅格原先没有被记录，那么就进行一个记录，如果在找邻居发现栅格已经被记录，则看Cost，之后对比决定是否进行更新。
3 启发式函数选择
启发式函数的选择与普通的A*可以是不一样的。
看是否设计动力学模型（&是否考虑障碍物）。
4 One Shot
这种方法就是HA*扩散到一定的程度的时候，直接在某一点计算与终点的理论距离，如果得出来的路径上没有障碍物且符合运动学约束的话那就直接走（因为这就是最优的路径了），可以设置扩散到第几个节点（N = ?）的时候去做一下这个One Shot，相当于买彩票一样的，在无人机的路径规划上还是挺有用的。
5 Application
6 总结
混合A算法产生的路径并非最优的，需要进行两个阶段进行优化：
- 对轨迹上的顶点进行非线性优化，以改善解的长度和平滑度。
- 执行非参数插值。
