qq_42286607的博客

在上一个章节中，我们讨论了基于采样的方法-PRM和RRT算法，在本章节中，我们将讨论人工势场法（Artificial Potential Fields），这是另一种路径规划方法，主要思想就是在配置空间内构造一个平滑函数，机器人会根据函数的梯度方向向目标点移动，同时躲避障碍物。人工势场法（Artificial Potential Fields）人工势场法的主要内容就是构造一个函数，当机器人靠近障碍物时，其值会变高，当机器人靠近目标点时，其值会变低。同时，我们还希望此函数在所需的目标位置具有最低值。如果

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足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。

在本章中我们将会引入配置空间（Configuration Space）这一个概念，这会帮助我们在一个统一的框架内解决路径规划问题。

这是之前Coursera上宾夕法尼亚大学开的Robotics专项课程的第二个部分：Computational Motion Planning，也就是路径规划部分。讲的都是目前最基础的最经典的路径规划算法，适合初学者学习。在这一章我们会讲基于图搜索的方法，其中包括Grassfire、Dijkstra和A*算法。

在之前的学习中我们已经讨论了如何根据给定轨迹对四旋翼进行控制，而控制的时候我们是采用线性化模型来简化相应的公式的，这在控制非高速情况下的无人机是适用的，但如果我们想要让无人机飞行地更加敏捷快速，那么还是要用非线性模型来控制我们的四旋翼无人机，那么这章我们就来探讨一下无人机的非线性控制。

在之前的学习中我们已经讨论了如何根据给定轨迹对四旋翼进行控制，在这一章里，我们将探索四旋翼无人机在三维空间中的运动规划，即给定一个三维的环境，我们希望能够在这个三维环境中指定具体的点，进而让四旋翼无人机在这个环境中规划出无障碍的轨迹路线。

在这一章里，我们将探索四旋翼无人机在二维平面以及三维空间中的运动控制，基于姿态与位置的PD控制器。

在这一章里，我们将探索四旋翼无人机动力学的相关知识。我将主要讲刚体动力学中的牛顿-欧拉方程以及在四旋翼无人机上的形式。

在这一章里，我们将探索四旋翼无人机的运动学原理。 这章将会讲机器人学中的坐标转换（Transformation）、旋转（Rotation）、欧拉角（Euler Angles）、角-轴旋转表示（Axis/Angle Representations for Rotations）、角速度（Angular Velocity）等知识。

在这一章里，我们将探索四旋翼如何飞行的。 这章将会讲一些基本的力学原理以及如何设计无人机。

本专栏是近期 Coursera上宾夕法尼亚大学Kumar教授的课程——Robotics: Aerial Robotics 整理的一些笔记，上面是Coursera课程上对该课程的介绍（机翻请见谅），欢迎对无人机感兴趣的小伙伴们一起学习。