弱的一米

I. 简介几十年来，导航算法越来越复杂了。他们可以处理大量的传感器数据，以高精度跟踪障碍物和自由空间的位置。结合正确的路径规划者，他们可以很好地在机器人周围导航机器人。然而，许多这些导航算法也遇到同样的问题：算法基于静态约束寻找有效的碰撞 - 自由路径。这种算法对于许多用例来说是很好的，或者在抽象中导航，如果所有这些都是从点A到点B，这是不够的。对于其他用例来说还不够。对于在人口稠密的动态环境中移动

包括Trajectory Rollout 和 Dynamic Window Approach (DWA)两种方法，理论上来说分别对应base_local_planner和dwa_local_planner两个包，但其实dwa的大部分代码都放在了base_local_planner包里面框架对于这种大工程，我们还是从类继承图来着手：以上接口是局部规划的核心，简单来说:TrajectorySample

概述 ​ 动态窗口法主要是在速度（v，w）空间中采样多组速度，并模拟机器人在这些速度下一定时间（sim_period）内的轨迹。在的到多租轨迹以后，对这些轨迹进行评价，选取最优轨迹所对应的速度来驱动机器人运动。 ​ 该算法突出点在于动态窗口这个名词，它的含义是依据移动机器人的加减速性能限定速度采样空间在一个可行的动态范围内。1. 机器人运动模型模型1简单，最常用，但不是动态窗口论文中的模

ROS中，机器人全局路径规划默认使用的是navfn包 move_base的默认参数中可以找到 base_global_planner (`string`, default: "navfn/NavfnROS")navigation的源代码中还有一个global_planner的包里面已经有了A*,Dijkstra等算法的实现。 navfn的源程序中也有这两个算法的实现，默认根