文章目录
- 运动路径规划
- 1，引言
- 2，全局路径规划
- 3，局部路径规划
- 4，轨迹规划
运动路径规划
1，引言
路径规划问题是智能机器人三大核心问题（即环境感知，自主定位和运动规划）中的最后一个，该问题要解决的是在出发地和目的地之间确定一条最优路线。在没有任何约束的情况下，两点之间的最短路径一定是直线，但实际情况缺恰恰相反，因此·从路径规划的范围来说可以把路径规划分为全局路径规划，局部规划和轨迹规划。
2，全局路径规划
又叫路径规划，即从·出发点到目的地之间的纯几何路径规划，与时间序列和智能机器人的动力学无关。
3，局部路径规划
又叫避障规划或者动态动态路径规划，主要是探测障碍物，并对障碍物的移动轨迹进行跟踪，同时做出下一步可能位置的推测，最终绘制成一个存在可能风险的障碍物地图。由于潜在的碰撞风险所能提示时间只有毫秒级，因此对于传感器的性能和算法的效率都是一个巨大的挑战。
4，轨迹规划
不同于机械手臂中的路径规划，在智能机器人领域中，轨迹规划通常是指在路径规划和障碍规划的基础上，考虑了时间序列和智能机器人动力学对智能机人运行轨迹的规划，即通过对执行系统进行控制，从而完成转向，加速，减速，等动作，如果智能机器人还有主动悬挂系统，那么在轨迹规划中还需要考虑地形等等因素。
路径规划的实现通常分为两步来完成，分别是环境模型的建和路径的搜索。在环境模型的建立方面根据方法的不同可以分为栅格法，可视化法，自由空间法。其中，栅格法是公认最成熟的算法，虽然相较于其他两种方法其耗费的运算资源最多，但是安全系数也是最高的。
在智能机器人领域，安全是第一位的，而成本是第二位的。
在栅格法中，把工作空间分割成规则且均匀的二值化网格。在智能机器人移动过程中，栅格的尺寸和位置都不会发生变化，而二值化信息表示该栅格处是都有障碍物，没有障碍物的栅格叫做自由栅格，反之则叫做障碍栅格。栅格的尺寸通常和智能机器人的最小相适应。
相较于栅格法而言，可视化和自由空间法的=优点是更加灵活，并且消耗的运算资源小。但缺点是，即障碍物数量和复杂度成正比，并且算法太复杂时可靠性就会降低。
在路径搜索方面根据完成任务的不同，分为前端的路径搜索和后端的路径的轨迹优化。
前端的路径搜索主要完成全局的路径规划，而后端的轨迹优化主要完成对轨迹细节的优化。
从前端的路径搜索方面来说，分为三种方法，基于搜索的方法，基于采样的方法，满足动力学约束的方法，
从后端的轨迹优化来说，分为基本的MInimum-snap,硬约束下的Minimum-snap和软约束的Minimum-snap.
