写在前面的话

本文将深入探讨机器人路径规划,涵盖C++编程与ROS平台,涉及RRT、A*等搜索算法,多项式、贝塞尔与B样条的轨迹表征,以及MinimumSnap和MinimumJerk优化方法。后续还将介绍车辆运动学与轨迹跟踪技术,如纯跟踪、PID和斯坦利算法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

写在前面的话


这个专栏主要用于记录机器人路径规划的具体实现,这里将会采用C++编程语言,并借助ROS系统,进行项目构建与可视化。

这里不涉及强化学习等人工智能的方法, 我们将采用学院派的老思路,将路径规划分为前端路径搜索,后面轨迹优化以及轨迹跟踪三个部分;后面的工作也将围绕这个三个主题展开。 这里先把要做的框架先搭起来(希望后面不会偷懒吧)


1. 路径搜索算法

1.1 基于采样的方法

  • RRT
  • RRT-Star
  • RRT-Connect
  • Informed RRT-start

1.2 基于图搜索的方法

  • A-star

2. 轨迹优化

2.1 轨迹表征方法

  • 基于多项式的轨迹表征
  • 基于贝塞尔的轨迹表征
  • 基于B样条的轨迹表征

2.2 最优目标函数

  • Minimum Snap轨迹优化方法
  • Minimum Jerk轨迹优化方法

3. 轨迹跟踪

  • 车辆运动学基础
  • 纯轨迹跟踪
  • PID轨迹跟踪
  • Stanley轨迹跟踪
  • MPC轨迹跟踪
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值