Robotics: Computational Motion Planning（路径规划）笔记（三）:基于采样的方法-PRM和RRT算法

在上一个章节中，我们讨论了配置空间，在本章节中，我们将讨论在配置空间中随机采样一些点以寻找一条路径，这种方法称之为基于采样的方法，我们将会介绍其中最基础的两种算法，PRM（Probabilistic Road Map）概率路图法以及RRT（Rapidly-explorring Random Tree）快速扩展随机树法。

上一章链接：

Robotics: Computational Motion Planning（路径规划）笔记（二）:配置空间（Configuration Space）

PRM（Probabilistic Road Map）概率路图法

什么是PRM?

• 探测图结构的空间连通性;
• 对free space的精细覆盖;
• 把planning划分成两个阶段: 学习阶段(Learning phase) 和 查询阶段(Query phase)

接下来我们先介绍下PRM是怎么运作的。首先我们有一张配置空间下的地图（称之为C-space），如下图所示，红色是起始点，绿色是要到达的终点，灰色是障碍物，白色部分就是可以移动的区域，也就是free space，如下图左图所示。