机器人路径规划其三四 LPA* D* Lite导读
上节说到，A*算法可以看作Dijkstra的扩展，然而，这两种算法均为静态路径规划算法，无法解决动态规划问题，在实际的移动机器人工况中，如果存在需要建图导航的情况，动态规划算法就显得很重要。这节的LPA*和D* Lite算法就是同为基于搜索的动态规划算法，它们可以在规划时发现环境改变后，不需要重新规划路径，前者更新g-value和rhs后，再得出最终的路径，后者则是选用的从目标点规划的方法，D* Lite是结合LPA*和Dynamic SWSF-FP算法而来的，可以看作是LPA*的优化，比LPA*有更好的效果。
由于LPA*较为复杂，搜索方向与A*相同，从起点开始，但是纳入优先队列的不再是最小cost的点，而是一种被定义为non-consistent的点，排序的原则Key也不相同，迭代完成后是从目标点回溯直到到达起始点或者无有效路径，这里省去步骤，详情可参考维基百科：
https://en.wikipedia.org/wiki/Lifelong_Planning_A*
D* Lite没有专门的百科页面，详情可查看论文：
Koenig, S.; Likhachev, M. (2005), "Fast Replanning for Navigation in Unknown Terrain", Transactions on Robotics, 21 (3): 354–363, CiteSeerX 10.1.1.65.5979, doi:10.1109/tro.2004.838026
关于这些算法的应用，已经有开源的轨迹规划库：https://ompl.kavrakilab.org/classompl_1_1LPAstarOnGraph.html，但是好像没找到D* lite，不知道为啥？可能是实用性不如其它？Github上到是有一些。
