折衷規劃算法
關注創建者：CAE追夢者 創建時間：2019-06-09
折衷規劃算法的視頻教程
1-39基于matlab的全局路徑規劃算法中的快速擴展隨機樹RRT路徑規劃算法及其改進方法RRT Star
基于matlab的全局路徑規劃算法中的快速擴展隨機樹RRT路徑規劃算法及其改進方法RRT Star、RRT_Conncet是一種具有狀態約束的非線性系統生成開環軌跡的技術，相比于其他算法可以輕松處理障礙物的問題。程序中的各參數已進行詳細說明，起點坐標，終點坐標，步長，迭代數等均可根據需求進行更改，程序已調通。 購買后可下載視頻中的源程序文件。
￥25.9 3分鐘 8播放
查看
1-89基于matlab的人工蜂群和粒子群混合優化的路徑規劃算法
基于matlab的人工蜂群和粒子群混合優化的路徑規劃算法，起點和終點確定的前提下，在障礙物中尋找最佳路徑。數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。
￥25.9 1分鐘 4播放
查看
1-58基于matlab的采樣的運動規劃算法-RRT(Rapidly-exploring Random Trees)
基于matlab的采樣的運動規劃算法-RRT(Rapidly-exploring Random Trees)，3D和2D,原始的RRT算法中將搜索的起點位置作為根節點，然后通過隨機采樣增加葉子節點的方式，生成一個隨機擴展樹，當隨機樹的葉子節點進入目標區域，就得到了從起點位置到目標位置的路徑。程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。
￥35.9 6分鐘 9播放
查看
折衷規劃算法的實例教程
基于matlab的全局路徑規劃算法中的快速擴展隨機樹RRT路徑規劃算法及其改進方法RRT Star、RRT_Conncet是一種具有狀態約束的非線性系統生成開環軌跡的技術，相比于其他算法可以輕松處理障礙物的問題。程序中的各參數已進行詳細說明，起點坐標，終點坐標，步長，迭代數等均可根據需求進行更改，程序已調通。
基于matlab的A星算法和PSO算法實現路徑規劃動畫演示，具有GUI界面，可自主生成障礙物。移動靶路徑規劃。程序已調通，可直接運行。
機器人到達局部目標后再次進行新的局部規劃。如此反復進行直到到達全局目標。
滾動規劃算法的基本原理：
環境信息預測：在滾動的每一步，機器人根據探測到的視野內的信息、或所有已知的環境信息，建立環境模型，包括設置已知區域內的節點類型信息等；
局部滾動優化：將上述環境信息模型看成一個優化的窗口，在此基礎上，根據目標點的位置和特定的優化策略計算出下一步的最優子目標，然后根據子目標和環境信息模型，選擇局部規劃算法，確定向子目標行進的局部路徑，并實施當前策略，即依所規劃的局部路徑行進若干步，窗口相應向前滾動；
反饋信息校正：根據局部最優路徑，驅動機器人行走一段路徑后，機器人會探測到新的未知信息，此時可以根據機器人在行走過程探測到的新信息補充或校正原來的環境模型，用于滾動后下一步的局部規劃。
其中，局部子目標是在滾動窗口中尋找一個全局目標的映射，它必須避開障礙物，且滿足某種優化指標。子目標的選擇方法反映了全局優化的要求與局部有限信息約束的折衷，是在給定信息環境下企圖實現全局優化的自然選擇。
基于滾動窗口的路徑規劃算法依靠實時探測到的局部環境信息，以滾動方式進行在線規劃。在滾動的每一步，根據探測到的局部信息，用啟發式方法生成優化子目標，在當前滾動窗口內進行局部路徑規劃，然后實施當前策略(依局部規劃路徑移動一步)，隨滾動窗口推進，不斷取得新的環境信息，從而在滾動中實現優化與反饋的結合。由于規劃問題壓縮到滾動窗口內，與全局規劃相比其計算量大大下降。
展開 子目標的選擇方法反映了全局優化的要求與局部有限信息約束的折衷，是在給定信息環境下企圖實現全局優化的自然選擇。
基于滾動窗口的路徑規劃算法依靠實時探測到的局部環境信息，以滾動方式進行在線規劃。在滾動的每一步，根據探測到的局部信息，用啟發式方法生成優化子目標，在當前滾動窗口內進行局部路徑規劃，然后實施當前策略(依局部規劃路徑移動一步)，隨滾動窗口推進，不斷取得新的環境信息，從而在滾動中實現優化與反饋的結合。由于規劃問題壓縮到滾動窗口內，與全局規劃相比其計算量大大下降。
基于滾動窗口的路徑規劃算法的具體步驟如下：
步驟0：對起點、終點、工作環境、機器人的視野半徑、步長進行初始化；
步驟1：如果終點到達，規劃中止；
步驟2：對當前滾動窗口內的環境信息進行刷新；
步驟3：產生局部子目標；
步驟4：根據子目標及已知環境信息，在當前滾動窗口內規劃一條優化的局部可行路徑；
步驟5：依規劃的局部路徑行進一步，步長小于視野半徑；
步驟6：返回步驟1。
滾動在線RRT算法流程
在一個滾動窗口內，隨機樹以當前位置為起始點，構建傳感器范圍內的隨機樹。構建方法與基本RRT算法一致。為了使全局環境中隨機樹具有向目標方向生長的趨勢，在運動規劃時引入啟發信息，減少隨機樹的隨機性，提高搜索效率。
展開 為了找到最佳路徑，動態規劃算法在格子中窮盡搜索，同時考慮障礙物的存在、行程時間和期望行為。
為了改進McNaughton等人的方法，Xu等人。（2012）使用四次曲率多項式來提供規劃周期之間的連續曲率變化率；不僅從采樣端點建立連接，而且從當前車輛姿態進行連接。另一個區別是，速度曲線是反向生成的，在評估替代路徑時，也考慮了舒適性、效率和能耗。
Gu等人也使用了時空晶格。（2013）在一個2級規劃方法中，首先生成一個最佳無碰撞參考路徑，然后對狀態空間進行采樣，以便根據參考路徑找到最佳路徑。構建參考路徑是為了處理詳盡的采樣；從而導致更集中的搜索和更人性化的駕駛風格。
RRTs與Lattice Planner比較
RRT和Lattice Planner的比較如表3所示：
綜上所述，RRT和Lattice Planner都使用數據結構（分別是樹和格）對狀態空間進行采樣，試圖以一種快速、安全的方式對其進行探索。在這兩種情況下都可以快速探索，并向規劃模塊提供一系列可能的路徑，供車輛遵循。然而，據稱規劃范圍相對較大，并且，對于道路行駛的動態特性，當障礙物或障礙物突然出現時，需要重新規劃例行程序來補充這些增量搜索方法。最后，為了提高安全性，應該使用額外的碰撞預測模塊，而不是算法的內置碰撞檢查功能。
展開 
折衷規劃算法的相關專題、標簽、搜索
折衷規劃算法的最新內容
摘要：本研究旨在解決機械臂在復雜環境中避障路徑規劃的問題。本文提出了一種利用粒子群優化算法（PSO）進行機械臂避障規劃的方法，通過建立機械臂的運動模型，將避障問題轉化為優化問題。PSO算法通過模擬群體中個體的社會行為和個體行為來尋找到最佳路徑，確保機械臂在避開障礙物的同時，能夠高效地到達目標位置。研究表明，基于PSO算法的避障規劃在收斂速度和路徑優化上具有良好的性能，能夠有效提高機械臂的操作效率和安全性
基于matlab的Dijkstra算法進行路徑規劃。可根據實際情況輸入障礙物和起止點坐標信息； 輸出避碰最短路徑； 能夠利用切線圖算法對障礙物區域進行環境建模，設置障礙物的位置和區域。利用Dijkstra算法進行路徑規劃。程序已調通，可直接運行。
基于matlab的多目標遺傳算法的無人機航路規劃。在三維航路中進行航路代價估計，綜合考慮路徑長度、隱蔽性、危險度，規劃出最優路徑。輸出3D規劃路徑。程序已調通，可直接運行。
基于matlab的A星算法和PSO算法實現路徑規劃動畫演示，具有GUI界面，可自主生成障礙物。移動靶路徑規劃。程序已調通，可直接運行。
基于matlab的采樣的運動規劃算法-RRT(Rapidly-exploring Random Trees)，3D和2D,原始的RRT算法中將搜索的起點位置作為根節點，然后通過隨機采樣增加葉子節點的方式，生成一個隨機擴展樹，當隨機樹的葉子節點進入目標區域，就得到了從起點位置到目標位置的路徑。程序已調通，可直接運行。
基于matlab的全局路徑規劃算法中的快速擴展隨機樹RRT路徑規劃算法及其改進方法RRT Star、RRT_Conncet是一種具有狀態約束的非線性系統生成開環軌跡的技術，相比于其他算法可以輕松處理障礙物的問題。程序中的各參數已進行詳細說明，起點坐標，終點坐標，步長，迭代數等均可根據需求進行更改，程序已調通。
摘要: 為完成6自由度機械臂在多種障礙物環境下的關節軌跡規劃，提出一種精確的碰撞檢測算法，結合6次多項式關節空間軌跡規劃算法完成機械臂的軌跡規劃避障算法。通過對障礙物與機械臂進行幾何模型簡化將6自由度機械臂的碰撞檢測問題轉化為模型之間最小距離計算問題；結合機械臂正逆運動學與碰撞檢測結果，創建遺傳優化算法的適應度函數，使機械臂在完成避障的同時優化各關節軌跡長度和轉動角度，將機械臂避障軌跡規劃問題轉化為約束條件下的多目標優化問題
來源 | 知乎@搬磚的旺財、阿木實驗室
自主機器人近距離操作運動規劃體系
在研究自主運動規劃問題之前，首先需建立相對較為完整的自主運動規劃體系，再由該體系作為指導，對自主運動規劃的各項具體問題進行深入研究。本節將根據自主機器人的思維方式、運動形式、任務行為等特點，建立與之相適應的自主運動規劃體系。并按照機器人的數量與規模，將自主運動規劃分為單個機器人的運動規劃與多機器人協同運動規劃兩類規劃體系
彭曉燕，謝 浩，黃 晶
（湖南大學機械與運載工程學院，長沙 410082）
［摘要］ 無人駕駛汽車局部路徑規劃算法應確保避障的安全性、實時性和路徑的平滑性等。本文提出了一種基于離散優化的局部路徑規劃算法，即采用代價函數分別評估離散生成的候選路徑的安全性、平滑性等，再根據各代價函數加權計算獲得局部最佳路徑。針對障礙物移動隨機性，設計了一種基于運動估計結合高斯卷積的移動障礙安全性代價函數；考慮候選路徑曲率的變化及其連續性
作者 |
Pirate Jack
來源 |
Vehicle
導讀：本節主要介紹在自動道路駕駛領域現有研究中使用的規劃技術。給定一條由路線規劃（導航）提供的路線，在道路上行駛的運動規劃（以下簡稱規劃）主要是在考慮車輛運動模型、車輛應遵循的航路點和交通環境的約束條件下
