qq91752728的博客

分三大块来理解,costmap,globalplanner,baselocalplanner1.costMap在costmap这一模块上面，首先就提出了分层 如果是一整张图，那么我们对图的任何修改都会在它上面完成。实际上当信息量太多的时候，很有可能我们并不想总是一次性更新所有的图。具体论文Lu, Hershberger, Smart - 2014 - Layered costmaps f...

ROS Navigation包里面的GlobalPlanner自带是提供了两种全局路径规划的方法，dijkstra和A* dijkstra 大家都知道了，A*在之前的一篇博客里面有介绍 A* 评估函数 为 f(n) = g(n) + h(n) g(n) 为起点到已经搜寻过的节点的代价值 h(n) 为当前节点到目标节点(终点)的值 在这里我们可以看到A* 考虑了已经遍历过的点和未遍历过...

首先我们明确几个重要的坐标系 1.base_link 移动机器人的当前坐标系 2.odom 里程计坐标系，一般由里程计运动模型来计算，不过不同的地方可能会有不同的计算方法，比如有的可能是编码器计算。 这个坐标系的特点就是，会有累计误差，并不能做为一个长期的参考坐标系，但是优点则是连续，无跳变 3.map 地图坐标系，可以作为一个长期的参考坐标系，但是不连续。原因是，在定位模块中会根据...

应该翻译成正向搜索和反向搜索？反正意思就是backward指从目标节点到起始节点的搜索，forward指从起始节点到目标节点的搜索常见的比如A* 就是forward search，D* 是backward search。那么问题来了，两种方法肯定是有优劣的。我们简单的用下面这个例子描述问题如果正向搜索显然会因为很多分支导致效率下降，但是如果反向搜索会得到如下结果，访问的节点数会...

来自《planning_algorithm》一书的笔记1.Configure Space可以理解为机器人的空间大小，称作为”C-space”，在空间中移动的时候将障碍物膨胀一个机器人的半径 如上图所示，中间和右边的图中，存在两个原型机器人，所以我们需要将障碍物膨胀一个半径，这样我们在之后的运动中可以把一个有体积的机器人看做是一个空间点的移动2.forward search a...

这里介绍一个local planner，论文是这篇Elastic Bands: Connecting Path Planning and Control 目前我们的一些规划的方法主要思想就是先规划出Path，接着根据Path生成Trajectory，让机器人跟着(tracking)这个Trajectory走就不会有事。 主要介绍了Elastic Bands这种Connecting Path P...