随笔分类 - 路径规划
Minimum Snap轨迹规划详解（3）闭式求解
摘要：如果QP问题只有等式约束没有不等式约束，那么是可以闭式求解（close form）的。闭式求解效率要快很多，而且只需要用到矩阵运算，不需要QPsolver。 这里介绍Nicholas Roy文章中闭式求解的方法。 1. QP等式约束构建 闭式法中的Q 矩阵计算和之前一样（参照文章一），但约束的形式与
阅读全文
Minimum Snap轨迹规划详解（2）corridor与时间分配
摘要：在上一篇文章中，我们得到的轨迹并不是很好，与路径差别有点大，我们期望规划出的轨迹跟路径大致重合，而且不希望有打结的现象，而且希望轨迹中的速度和加速度不超过最大限幅值。为了解决这些问题有两种思路： 思路一：把这些”期望“加入到优化问题中。 思路二：调整时间分配，来避免这些问题。1.corridor1.
阅读全文
Minimum Snap轨迹规划详解（1）轨迹规划
摘要：一. 轨迹规划是什么？ 在机器人导航过程中，如何控制机器人从A点移动到B点，通常称之为运动规划。运动规划一般又分为两步： 1、路径规划：在地图（栅格地图、四\八叉树、RRT地图等）中搜索一条从A点到B点的路径，由一系列离散的空间点（waypoint）组成。 2、轨迹规划：由于路径点可能比较稀疏、而且
阅读全文
RRT路径规划算法（matlab实现）
摘要：基于快速扩展随机树（RRT / rapidly exploring random tree）的路径规划算法，通过对状态空间中的采样点进行碰撞检测，避免了对空间的建模，能够有效地解决高维空间和复杂约束的路径规划问题。该方法的特点是能够快速有效地搜索高维空间，通过状态空间的随机采样点，把搜索导向空白区域
阅读全文
A*寻路算法C++简单实现
摘要：搜索区域 如图所示简易地图, 其中绿色方块的是起点 (用 A 表示), 中间蓝色的是障碍物, 红色的方块 (用 B 表示) 是目的地. 为了可以用一个二维数组来表示地图, 我们将地图划分成一个个的小方块。 开始寻路 1.从起点A开始, 把它作为待处理的方格存入一个"开启列表", 开启列表就是一个等待
阅读全文
move_base 分层代价地图的作用（翻译）
摘要：A. 标准层 Static Map Layer:为了做全局规划，机器人需要一个超越其传感器的地图，以了解墙壁和其他静态障碍物的位置。 静态地图可以先用SLAM算法生成，也可以从架构图中创建。 当层接收到地图时，updateBounds方法将需要返回覆盖整个地图的边界框。 然而，在随后的迭代中，由
阅读全文
