資料

上面那個論文把uav的路徑規劃分為以下5類:

• sampling-based algorithms
• node-based algorithms
• mathematical model based algorithms
• Bio-inspired algorithms
• multi-fusion based algorithms

• 完備的（complete)(有解是可以求出來的)，主要應用於二維三維的grid，多維的計算量就大了
• 基於取樣的（sampling-based）又稱為概率完備的，(有解不一定能求出來的,可能經過足夠多的取樣可以得到解，是概率上的可能能得到解)

路徑規劃演算法發展的歷程

公開課

RRT(快速隨機搜尋樹)

RRT演算法是RRT演算法的變種演算法，演算法可以收斂到最優解，不僅可以實現二維環境下的路徑規劃，多維度的環境也可以使用RRT演算法，而且由於演算法是均勻取樣，並不會出現區域性最小的情況。

RPM 要先構建roadmap，因此可以多次使用的，graph中的node還可以相互連線的

RRT是直接從start node延增出去的，每個node只有一個parent的，

虛擬碼

- add start node to tree

- repeat n times
    
    - generate a random configuration x
    - if x is a freespace using the `CollisionCheck` function 
        
        find y ,the cloest node in the tree to the random configuraion x

        if (`Dist(x,y) > delta`) -- check if x too far from y
            find a configuration z that is along the path from x to y such that Dist(z,y) <= delta
            x = z

        if (`LocalPlanner(x,y)`) -- check if you can get from x to y .Add x to the tree with y as patent
 

Artifical potential fields

構造一個函式 = an attractive potential field + a repulsive potential field

= 一個離目標點越近能量越低的函式 + 一個離障礙物越遠能量越低的函式

下面第一張圖是黑色障礙物，第二張圖是attractive potential field ,第三張圖是 repulsive potential field,最後一張是上面兩個的相加得到的最終構造的函式

可能會陷入到local minimum

nbvplanner

ethz 開源的一個路徑規劃演算法庫

需要的是里程計tf座標變換和3d點雲資料，計算下個位置的gain，這個gain也考慮了octomap中格子的概率，考慮的是看到還沒有mapped的格子
，儘可能尋找相應多的格子進行路徑規劃，

程式碼中的mesh_structure.h,對我們的作用不是很大，主要是用於匯入CAD圖紙，不用線上輸入點雲資料，這時候尋找的是看到的surface最多的下一個目標點

tool

工具顯示的第三個維度是概率的大小，視覺化，針對的是moveit這個開源工具，沒有試過別的可不可以

TODO

具體的程式碼下週會寫，寫完再具體寫一寫內容。