全局路徑規(guī)劃算法
關(guān)注創(chuàng)建者：matlab應(yīng)用與學(xué)習(xí) 創(chuàng)建時(shí)間：2023-10-29
全局路徑規(guī)劃算法的視頻教程
1-39基于matlab的全局路徑規(guī)劃算法中的快速擴(kuò)展隨機(jī)樹RRT路徑規(guī)劃算法及其改進(jìn)方法RRT Star
基于matlab的全局路徑規(guī)劃算法中的快速擴(kuò)展隨機(jī)樹RRT路徑規(guī)劃算法及其改進(jìn)方法RRT Star、RRT_Conncet是一種具有狀態(tài)約束的非線性系統(tǒng)生成開環(huán)軌跡的技術(shù)，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(shù)已進(jìn)行詳細(xì)說明，起點(diǎn)坐標(biāo)，終點(diǎn)坐標(biāo)，步長(zhǎng)，迭代數(shù)等均可根據(jù)需求進(jìn)行更改，程序已調(diào)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(yōu)化的路徑規(guī)劃算法
基于matlab的人工蜂群和粒子群混合優(yōu)化的路徑規(guī)劃算法，起點(diǎn)和終點(diǎn)確定的前提下，在障礙物中尋找最佳路徑。數(shù)據(jù)可更換自己的，程序已調(diào)通，可直接運(yùn)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
1.2spaceclaim中mesh（beta）全局網(wǎng)格設(shè)置（使用邊界框規(guī)劃網(wǎng)格）
sapceclaim 2019 R1以上的版本已經(jīng)有mesh（beta）功能，基于sapceclaim本身直接建模的思路，網(wǎng)格劃分功能也非常強(qiáng)大，本視頻主要介紹了spaceclaim中mesh（beta）的設(shè)置，通過算例講解邊界框功能的運(yùn)用，以及圖層的用法，并且全局網(wǎng)格的設(shè)置（同時(shí)對(duì)比workbensh mesh 以及spaceclaim mesh中的自由網(wǎng)格劃分、spaceclaim mesh中邊界框的網(wǎng)格劃分方法
￥1.5 23分鐘 85播放
查看
全局路徑規(guī)劃算法的實(shí)例教程
基于matlab的全局路徑規(guī)劃算法中的快速擴(kuò)展隨機(jī)樹RRT路徑規(guī)劃算法及其改進(jìn)方法RRT Star、RRT_Conncet是一種具有狀態(tài)約束的非線性系統(tǒng)生成開環(huán)軌跡的技術(shù)，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(shù)已進(jìn)行詳細(xì)說明，起點(diǎn)坐標(biāo)，終點(diǎn)坐標(biāo)，步長(zhǎng)，迭代數(shù)等均可根據(jù)需求進(jìn)行更改，程序已調(diào)通。
基于matlab的A星算法和PSO算法實(shí)現(xiàn)路徑規(guī)劃動(dòng)畫演示，具有GUI界面，可自主生成障礙物。移動(dòng)靶路徑規(guī)劃。程序已調(diào)通，可直接運(yùn)行。
其中，局部子目標(biāo)是在滾動(dòng)窗口中尋找一個(gè)全局目標(biāo)的映射，它必須避開障礙物，且滿足某種優(yōu)化指標(biāo)。子目標(biāo)的選擇方法反映了全局優(yōu)化的要求與局部有限信息約束的折衷，是在給定信息環(huán)境下企圖實(shí)現(xiàn)全局優(yōu)化的自然選擇。
基于滾動(dòng)窗口的路徑規(guī)劃算法依靠實(shí)時(shí)探測(cè)到的局部環(huán)境信息，以滾動(dòng)方式進(jìn)行在線規(guī)劃。在滾動(dòng)的每一步，根據(jù)探測(cè)到的局部信息，用啟發(fā)式方法生成優(yōu)化子目標(biāo)，在當(dāng)前滾動(dòng)窗口內(nèi)進(jìn)行局部路徑規(guī)劃，然后實(shí)施當(dāng)前策略(依局部規(guī)劃路徑移動(dòng)一步)，隨滾動(dòng)窗口推進(jìn)，不斷取得新的環(huán)境信息，從而在滾動(dòng)中實(shí)現(xiàn)優(yōu)化與反饋的結(jié)合。由于規(guī)劃問題壓縮到滾動(dòng)窗口內(nèi)，與全局規(guī)劃相比其計(jì)算量大大下降。
基于滾動(dòng)窗口的路徑規(guī)劃算法的具體步驟如下：
步驟0：對(duì)起點(diǎn)、終點(diǎn)、工作環(huán)境、機(jī)器人的視野半徑、步長(zhǎng)進(jìn)行初始化；
步驟1：如果終點(diǎn)到達(dá)，規(guī)劃中止；
步驟2：對(duì)當(dāng)前滾動(dòng)窗口內(nèi)的環(huán)境信息進(jìn)行刷新；
步驟3：產(chǎn)生局部子目標(biāo)；
步驟4：根據(jù)子目標(biāo)及已知環(huán)境信息，在當(dāng)前滾動(dòng)窗口內(nèi)規(guī)劃一條優(yōu)化的局部可行路徑；
步驟5：依規(guī)劃的局部路徑行進(jìn)一步，步長(zhǎng)小于視野半徑；
步驟6：返回步驟1。
2.3.2 滾動(dòng)在線RRT算法流程
在一個(gè)滾動(dòng)窗口內(nèi)，隨機(jī)樹以當(dāng)前位置為起始點(diǎn)，構(gòu)建傳感器范圍內(nèi)的隨機(jī)樹。構(gòu)建方法與基本RRT算法一致。為了使全局環(huán)境中隨機(jī)樹具有向目標(biāo)方向生長(zhǎng)的趨勢(shì)，在運(yùn)動(dòng)規(guī)劃時(shí)引入啟發(fā)信息，減少隨機(jī)樹的隨機(jī)性，提高搜索效率。
令 代表隨機(jī)樹中兩個(gè)位姿節(jié)點(diǎn)間的路徑代價(jià)， 代表隨機(jī)樹中兩個(gè)位姿節(jié)點(diǎn)間的歐幾里德距離。類似于A*算法，本算法為隨機(jī)樹中每個(gè)節(jié)點(diǎn)定義一個(gè)估價(jià)函數(shù)： 。其中 是隨機(jī)節(jié)點(diǎn) 到樹中節(jié)點(diǎn) 所需的路徑代價(jià)。
展開 滾動(dòng)規(guī)劃算法的基本原理：
環(huán)境信息預(yù)測(cè)：在滾動(dòng)的每一步，機(jī)器人根據(jù)探測(cè)到的視野內(nèi)的信息、或所有已知的環(huán)境信息，建立環(huán)境模型，包括設(shè)置已知區(qū)域內(nèi)的節(jié)點(diǎn)類型信息等；
局部滾動(dòng)優(yōu)化：將上述環(huán)境信息模型看成一個(gè)優(yōu)化的窗口，在此基礎(chǔ)上，根據(jù)目標(biāo)點(diǎn)的位置和特定的優(yōu)化策略計(jì)算出下一步的最優(yōu)子目標(biāo)，然后根據(jù)子目標(biāo)和環(huán)境信息模型，選擇局部規(guī)劃算法，確定向子目標(biāo)行進(jìn)的局部路徑，并實(shí)施當(dāng)前策略，即依所規(guī)劃的局部路徑行進(jìn)若干步，窗口相應(yīng)向前滾動(dòng)；
反饋信息校正：根據(jù)局部最優(yōu)路徑，驅(qū)動(dòng)機(jī)器人行走一段路徑后，機(jī)器人會(huì)探測(cè)到新的未知信息，此時(shí)可以根據(jù)機(jī)器人在行走過程探測(cè)到的新信息補(bǔ)充或校正原來的環(huán)境模型，用于滾動(dòng)后下一步的局部規(guī)劃。
其中，局部子目標(biāo)是在滾動(dòng)窗口中尋找一個(gè)全局目標(biāo)的映射，它必須避開障礙物，且滿足某種優(yōu)化指標(biāo)。子目標(biāo)的選擇方法反映了全局優(yōu)化的要求與局部有限信息約束的折衷，是在給定信息環(huán)境下企圖實(shí)現(xiàn)全局優(yōu)化的自然選擇。
基于滾動(dòng)窗口的路徑規(guī)劃算法依靠實(shí)時(shí)探測(cè)到的局部環(huán)境信息，以滾動(dòng)方式進(jìn)行在線規(guī)劃。在滾動(dòng)的每一步，根據(jù)探測(cè)到的局部信息，用啟發(fā)式方法生成優(yōu)化子目標(biāo)，在當(dāng)前滾動(dòng)窗口內(nèi)進(jìn)行局部路徑規(guī)劃，然后實(shí)施當(dāng)前策略(依局部規(guī)劃路徑移動(dòng)一步)，隨滾動(dòng)窗口推進(jìn)，不斷取得新的環(huán)境信息，從而在滾動(dòng)中實(shí)現(xiàn)優(yōu)化與反饋的結(jié)合。由于規(guī)劃問題壓縮到滾動(dòng)窗口內(nèi)，與全局規(guī)劃相比其計(jì)算量大大下降。
展開 作者 |
Pirate Jack
來源 |
Vehicle
導(dǎo)讀：本節(jié)主要介紹在自動(dòng)道路駕駛領(lǐng)域現(xiàn)有研究中使用的規(guī)劃技術(shù)。給定一條由路線規(guī)劃（導(dǎo)航）提供的路線，在道路上行駛的運(yùn)動(dòng)規(guī)劃（以下簡(jiǎn)稱規(guī)劃）主要是在考慮車輛運(yùn)動(dòng)模型、車輛應(yīng)遵循的航路點(diǎn)和交通環(huán)境的約束條件下，包括靜態(tài)障礙物和動(dòng)態(tài)障礙物，尋找車輛行駛的最佳路徑。
簡(jiǎn)介
規(guī)劃可以分為增量方法，即通過重復(fù)使用以前搜索的信息來尋找狀態(tài)轉(zhuǎn)換的最佳順序（從一開始就沒有完全指定），以及試圖為車輛找到最佳單狀態(tài)轉(zhuǎn)換的本地方法。全局或局部路徑也與車輛執(zhí)行的決策或操縱有很強(qiáng)的相關(guān)性，因此也將討論操縱規(guī)劃。如下圖所示，路徑搜索在從路線規(guī)劃器中選擇路線后啟動(dòng)，并作為搜索最佳操縱的輸入（即使車輛具有最正確和安全行為的操縱）。然而，最終路徑可能會(huì)根據(jù)最佳操縱而改變，如這兩個(gè)模塊之間的反饋回路所示。一旦路徑最終確定，就生成了最終的軌跡規(guī)劃。
因此，自動(dòng)駕駛路徑規(guī)劃分為三個(gè)層次：
（1） 找到車輛要遵循的最佳幾何路徑
a 通過增量采樣或離散幾何結(jié)構(gòu)（即增量搜索）找到最佳的動(dòng)作序列。
b 從多個(gè)最終狀態(tài)中找到最佳操作（即局部搜索）。
（2） 找到最佳的動(dòng)作執(zhí)行。
展開 
全局路徑規(guī)劃算法的相關(guān)專題、標(biāo)簽、搜索
全局路徑規(guī)劃算法的最新內(nèi)容
摘要：本研究旨在解決機(jī)械臂在復(fù)雜環(huán)境中避障路徑規(guī)劃的問題。本文提出了一種利用粒子群優(yōu)化算法（PSO）進(jìn)行機(jī)械臂避障規(guī)劃的方法，通過建立機(jī)械臂的運(yùn)動(dòng)模型，將避障問題轉(zhuǎn)化為優(yōu)化問題。PSO算法通過模擬群體中個(gè)體的社會(huì)行為和個(gè)體行為來尋找到最佳路徑，確保機(jī)械臂在避開障礙物的同時(shí)，能夠高效地到達(dá)目標(biāo)位置。研究表明，基于PSO算法的避障規(guī)劃在收斂速度和路徑優(yōu)化上具有良好的性能，能夠有效提高機(jī)械臂的操作效率和安全性
基于matlab的路徑規(guī)劃GUI交互。包括蟻量系統(tǒng)、蟻周系統(tǒng)、蟻密系統(tǒng)、蟻群系統(tǒng)、免疫混合算法。11種路徑規(guī)劃數(shù)據(jù)，最多225個(gè)規(guī)劃點(diǎn)。蟻群和免疫算法的參數(shù)可進(jìn)行設(shè)置，使得效果最佳。動(dòng)態(tài)顯示可視化規(guī)劃結(jié)果。程序已調(diào)通，可直接運(yùn)行。
基于matlab的3D路徑規(guī)劃，蟻群算法（ACO）和天牛須（BAS）以及兩種結(jié)合的三種優(yōu)化方式，對(duì)3D路徑規(guī)劃的最短路徑進(jìn)行尋優(yōu)。程序已調(diào)通，可直接運(yùn)行。
基于matlab的Dijkstra算法進(jìn)行路徑規(guī)劃。可根據(jù)實(shí)際情況輸入障礙物和起止點(diǎn)坐標(biāo)信息； 輸出避碰最短路徑； 能夠利用切線圖算法對(duì)障礙物區(qū)域進(jìn)行環(huán)境建模，設(shè)置障礙物的位置和區(qū)域。利用Dijkstra算法進(jìn)行路徑規(guī)劃。程序已調(diào)通，可直接運(yùn)行。
基于matlab的無人機(jī)路徑規(guī)劃，包括2D路徑和3D路徑，三種優(yōu)化算法，分別是蝙蝠算法（BA）、蝙蝠算法融合差分進(jìn)化算法(DEBA)、結(jié)合人工勢(shì)場(chǎng)方法的改進(jìn)混沌蝙蝠算法(CPFIBA)。輸出距離迭代曲線和規(guī)劃的路徑。程序已調(diào)通，可直接運(yùn)行。
基于matlab的多目標(biāo)遺傳算法的無人機(jī)航路規(guī)劃。在三維航路中進(jìn)行航路代價(jià)估計(jì)，綜合考慮路徑長(zhǎng)度、隱蔽性、危險(xiǎn)度，規(guī)劃出最優(yōu)路徑。輸出3D規(guī)劃路徑。程序已調(diào)通，可直接運(yùn)行。
基于matlab的蟻群算法路徑尋優(yōu)的GUI實(shí)例程序代碼，通過MATLAB GUI框架編寫，生動(dòng)形象逼真， 很好的詮釋了蟻群算法的原理。可主動(dòng)輸入優(yōu)化方法的參數(shù)，包括地圖和測(cè)試數(shù)據(jù)，可輸出路徑結(jié)果。程序已調(diào)通，可直接運(yùn)行。
基于matlab的A星算法和PSO算法實(shí)現(xiàn)路徑規(guī)劃動(dòng)畫演示，具有GUI界面，可自主生成障礙物。移動(dòng)靶路徑規(guī)劃。程序已調(diào)通，可直接運(yùn)行。
基于matlab的蟻群優(yōu)化路徑算法，二維路徑和三維路徑優(yōu)化。輸出可視化最優(yōu)路徑和距離迭代曲線。數(shù)據(jù)可更換自己的，程序已調(diào)通，可直接運(yùn)行。
基于matlab的采樣的運(yùn)動(dòng)規(guī)劃算法-RRT(Rapidly-exploring Random Trees)，3D和2D,原始的RRT算法中將搜索的起點(diǎn)位置作為根節(jié)點(diǎn)，然后通過隨機(jī)采樣增加葉子節(jié)點(diǎn)的方式，生成一個(gè)隨機(jī)擴(kuò)展樹，當(dāng)隨機(jī)樹的葉子節(jié)點(diǎn)進(jìn)入目標(biāo)區(qū)域，就得到了從起點(diǎn)位置到目標(biāo)位置的路徑。程序已調(diào)通，可直接運(yùn)行。
