路径规划综述PPT课件.pptx

机器人路径规划研究综述 王超群 2016/06/272024/3/19 周二11路径规划的概念2路径规划分类简介3路径规划的发展现状4A*、D*算法4人工势场法（APF）5快速搜索随机树（RRT）6当前研究2024/3/19 周二21.什么是路径规划路路径径规规划划技技术术是是机机器器人人研研究究领领域域中中的的一一个个重重要要分分支支。所所谓谓机机器器人人的的最最优优路路径径规规划划问问题题,就就是是依依据据某某个个或或某某些些优优化化准准则则(如如工工作作代代价价最最小小、行行走走路路线线最最短短、行行走走时时间间最最短短等等),),在在其其工工作作空空间间中中找找到到一一条条从从起起始始状状态态到到目目标标状状态的能避开障碍物的最优路径。态的能避开障碍物的最优路径。2024/3/19 周二31.什么是路径规划依依据据某某种种最最优优准准则则，在在工工作作空空间间中中寻寻找找一一条条从从起起始始状状态态到到目目标标状状态态的的避避开开障障碍碍物物的的最最优优路径。路径。需要解决的问题：需要解决的问题：需要解决的问题：需要解决的问题：1.1.始于初始点止于目标点。始于初始点止于目标点。2.2.避障。避障。3.3.尽可能优化的路径。尽可能优化的路径。2024/3/19 周二41.路径规划技术分类1.1.静态结构化环境下的路径规划静态结构化环境下的路径规划2.2.动态已知环境下的路径规划动态已知环境下的路径规划3.3.动态不确定环境下的路径规划动态不确定环境下的路径规划2024/3/19 周二52.路径规划算法分类路径规划算法基于采样的方法Voronoi,RRT,PRM基于节点的方法Dijkstra,A*,D*基于数学模型的算法MILP,NLP基于生物启发式的算法NN,GN多融合算法PRM-Node based2024/3/19 周二62.路径规划算法分类路径规划算法传统算法模拟退化法人工势场法etc智能算法遗传算法神经网络算法etc2024/3/19 周二73.A*、D*算法问题：从A移动到B，绕过障碍首要步骤：方格（三角形五角形.etc）划分空间,简化搜索区域。空间被划分为二维数组，数组中每个元素代表空间中的一个方格，可被标记为可行或不可行。未来的路径就是一系列可行方块的集合。Nodes的概念涵盖了一系列可行方块（或其他形状）AB障碍http:/www.policyalmanac.org/games/aStarTutorial.htm2024/3/19 周二83.A*、D*算法步骤从节点A开始，搜索其临近节点，知道找到目标点AB障碍http:/www.policyalmanac.org/games/aStarTutorial.htm2024/3/19 周二93.A*、D*算法步骤a)从节点A开始，把一系列待考虑的节点放入OpenList里面，OpenList存放着一系列需要检查的节点（方块），如图，首先检查起点周围的8个节点AB障碍http:/www.policyalmanac.org/games/aStarTutorial.htmA2024/3/19 周二103.A*、D*算法步骤a)给每个节点赋值F=G+HG：从初始点到给定待查节点的距离（可多种距离量度）H：从给定 待检查节点到目标点B的距离（可多种距离量度）（Heuristic计算时忽略到达目标点会遇到的障碍）AB障碍http:/www.policyalmanac.org/games/aStarTutorial.htmA2024/3/19 周二113.A*、D*算法步骤a)给每个节点赋值F=G+HG：从初始点到给定待查节点的距离（可多种距离量度）H：从给定 待检查节点到目标点B的距离（可多种距离量度）（Heuristic计算时忽略到达目标点会遇到的障碍）http:/www.policyalmanac.org/games/aStarTutorial.htmBA2024/3/19 周二123.A*、D*算法FGH2024/3/19 周二133.A*、D*算法步骤b)找到F值最小的节点作为新的起点将它从OpenLsit中删除，加入到ClosedList里面检查它的临近节点，忽略已经在ClosedList中的节点和不可行节点（障碍）如果临近节点已经在OpenList里面，则对比一下是否从现节点到临近节点的G值比原G值小，若是，把现节点作为父节点。否，不做改动2024/3/19 周二143.A*、D*算法步骤c)上步骤中新节点未造成任何改动，我们继续在OpenList中寻找新的节点。如图重复a),b)中的步骤，直到我们找到目标节点新节点2024/3/19 周二153.A*、D*算法寻找到目标节点2024/3/19 周二163.A*、D*算法从目标节点回溯可以找到初始点，从而确定路径2024/3/19 周二173.A*、D*算法A*A*算算法法的的特特点点：A*A*算算法法在在理理论论上上是是时时间间最最优优的的，但是也有缺点：它的空间增长是指数级别的。但是也有缺点：它的空间增长是指数级别的。D D*算法算法Dynamic A*Dynamic A*应用于在动态环境下的搜索应用于在动态环境下的搜索 2024/3/19 周二183.A*、D*算法深度优先 VS 广度优先深度优先：2024/3/19 周二193.A*、D*算法深度优先 VS 广度优先广度优先（A*）2024/3/19 周二204.人工势场法人工势场法是局部路径规划局部路径规划的一种比较常用的方法2024/3/19 周二214.人工势场法2024/3/19 周二224.人工势场法引力场和斥力场的构建引力场和斥力场的构建引力函数：引力函数：引力场：引力场：2024/3/19 周二234.人工势场法引力场和斥力场的构建引力场和斥力场的构建斥力场：斥力场：斥力：斥力：2024/3/19 周二244.人工势场法2024/3/19 周二254.人工势场法人工势场法的优缺点人工势场法的优缺点优优点点：便便于于低低层层的的实实时时控控制制，在在实实时时避避障障和和平平滑滑的的轨轨迹控制方面，得到了广泛应用迹控制方面，得到了广泛应用缺点：缺点：（a a）当当物物体体离离目目标标点点比比较较远远时时，引引力力将将变变的的特特别别大大，相相对对较较小小的的斥斥力力在在甚甚至至可可以以忽忽略略的的情情况况下下，物物体体路路径径上可能会碰到障碍物上可能会碰到障碍物（b b）当当目目标标点点附附近近有有障障碍碍物物时时，斥斥力力将将非非常常大大，引引力力相对较小，物体很难到达目标点相对较小，物体很难到达目标点（c c）在在某某个个点点，引引力力和和斥斥力力刚刚好好大大小小相相等等，方方向向想想反反，则物体容易陷入局部最优解或震荡则物体容易陷入局部最优解或震荡2024/3/19 周二265.快速搜索随机树（RRT）2024/3/19 周二275.快速搜索随机树（RRT）2024/3/19 周二285.快速搜索随机树（RRT）2024/3/19 周二295.快速搜索随机树（RRT）2024/3/19 周二305.快速搜索随机树（RRT）2024/3/19 周二315.快速搜索随机树（RRT）优点：优点：复复杂杂度度主主要要决决定定于于寻寻找找路路径径的的难难度度，跟跟整整个个规规划划场场景景的的大大小小和和构构型型空空间间的的维维数数基本无关基本无关缺点：缺点：1.1.基本无基本无biasbias的的RRTRRT会在空间随机扩展会在空间随机扩展2.2.输出路径非最优路径输出路径非最优路径2024/3/19 周二326.当前研究1.1.轨轨迹迹优优化化：样样条条插插值值，多多项项式式插插值值等等平滑方法平滑方法2.2.未知环境下的路径规划（未知环境下的路径规划（exploringexploring）3.3.动态环境下的路径规划动态环境下的路径规划4.4.三维路径规划三维路径规划2024/3/19 周二332024/3/19 周二34