经典路径规划算法分类概述(更新中)
本文目录
- 根据工作区域划分算法
- 全局路径规划中的分类
- 当前算法的发展方向
- 算法特性列举(持续更新)
- 全局规划
- 局部规划
- 相关文献以及思维导图(同步更新)
在无人机的自主导航任务中包含四个重要组成部分:感知、定位、路径规划和运动控制,路径规划则是其中的一大核心问题。
这里将对目前的路径规划算法以及日后的发展趋势做一个简单的介绍,并将相关融合算法的论文进行归档
根据工作区域划分算法
通过无人机的工作区域可以划分为:
全局路径规划: 全局路径规划是依据已知的全局障碍物地图信息,并使用各种寻优算法获取全局最优路径,但存在计算量大、搜索效率低以及收敛速度慢等缺点。
局部路径规划: 局部路径规划是指无人机根据其自身传感器实时采集当前所在位置信息和局部障碍物信息,从而获取起点到目标点的最优路径,具有较高的实时性,但容易陷入局部最优解。
全局路径规划中的分类
全局路径规划又分为传统算法和智能算法,以下为示意图
其中基于神经网络进行路径规划可以分为两种:
第一种为在全局环境己知的情况下,神经网络的输入为路径上各个点的横纵坐标值,用神经网络的并列连接结构反复对各个路径点的横纵坐标值进行迭代,使得目标代价函数最小,达到寻找一条无碰撞最短路径的目的。
第二种为在己知局部环境的情况下,通过对神经网络进行训练,模拟人脑面对障碍物时的反应,借此达到躲避动态障碍物的效果。
当前算法的发展方向
目前无人机的用途日益广泛,随着飞行任务的复杂化需要对算法进行发展,对于其发展可以概括为以下三个思路:
一、改进已有的算法
不同的算法适用于不同的环境之中,针对于不同的应用场景选择不同的算法进行规划,同时进行细节微调。这样的方法可以使得规划更加贴合当前任务要求,但是无法适用于通用场景。
二、算法融合
这是当前规划算法的发展趋势,许多论文进行多个算法的融合以达到互相弥补缺陷的目的,确实有效解决了单一算法效率低下、收敛速度不佳等缺点。
三、高维环境下研究
随着无人机、无人艇的实际应用逐渐普及,通常的二维路径规划将受到许多局限,三维环境下的算法还具有很大的发展空间。
算法特性列举(持续更新)
全局规划
A*
Dijkstra
RRT :
- 优点:搜索能力强,对于任何的不规则障碍物都可以找到路径且全局最优路径
- 缺点:搜索效率低,收敛速度慢
- 改进方法:快速随机增长树(RRT*)
局部规划
人工势场(APF):
其中包含了引力势场和斥力势场;引力势场是目标点 G对无人机的吸引力,引力函数随着目标点对于无人机的距离的减小而增大;斥力势场是障碍点O对于无人机的斥力,同样随着距离的减小而增大,根据情况距离一般取欧氏距离。- 优点:计算较为简单,复杂度低,计算量小并且具有良好的实时性
- 缺点:目标点不可达和容易陷入局部极小值
- 改进方法:模拟退火、修正势场函数
- 动态窗口(DWA):
首先对无人机的速度空间(线速度,角速度,偏航角)进行采样,然后对无人机的运动学模型对采样的速度进行轨迹预测,通过评价函数对预估的轨迹进行评价。最后从评估的轨迹中选出性能指标最高的一组速度作为无人机的速度输出。
- 优点:算法具有速度较快,计算不复杂的特点
- 缺点:
相关文献以及思维导图(同步更新)
APF+RRT:
[1]王海. 基于视觉SLAM建图的无人机路径规划[D].北京化工大学,2020.DOI:10.26939/d.cnki.gbhgu.2020.001260.
经典路径规划算法分类概述(更新中)相关推荐
- Apollo星火计划学习笔记——Apollo路径规划算法原理与实践
文章目录 前言 1. 路径规划算法总体介绍 1.1 Task: LANE_CHANGE_DECIDER 1.2 Task: PATH_REUSE_DECIDER 1.3 Task: PATH_BORR ...
- 【计算机科学】【2012】【含源码】边境巡逻车路径规划算法
本文为加拿大多伦多大学(作者:George Tin Lam Lau)的硕士论文,共99页. 本文提出了一种无人驾驶边境巡逻车的在线路径规划算法.在这个追逃游戏中,无人驾驶汽车必须在多个入侵者到达他们安 ...
- Dijkstra 路径规划算法在二维仿真环境中的应用 -- Python代码实现
在上一节中,介绍了 Dijkstra 算法的原理以及在图中的应用,这一节将一步步实现 Dijkstra 路径规划算法在二维环境中的路径规划,来进一步加深对 Dijkstra 算法的理解. 所需要用到的 ...
- 地图导航中的路径规划算法(综述)
综述介绍+本人研究与实践结果--实际是论文 相关的路径规划算法,静态路网中,通常使用双向A*算法 常见的其他搜索算法,IA*(迭代A*),内存限定A*,分层路网A*(将高速路网构建成一个新的路网), ...
- RRT路径规划算法在二维仿真环境中的应用 -- Python代码实现
在上一节中,介绍了 RRT 算法的原理,这一节将一步步实现 RRT 路径规划算法在二维环境中的路径规划,来进一步加深对 RRT 算法的理解. 二维环境的搭建 我们将搭建下图所示的二维环境,绿色点为起点 ...
- python无人机路径规划算法_RRT算法在Python中的实现,快速,拓展,随机,树
""" <基于智能优化与RRT算法的无人机任务规划方法研究>博士论文 <基于改进人工势场法的路径规划算法研究>硕士论文 ""& ...
- 多边形之间相交求交点的算法_路径规划算法总结
本文来自知乎网友@搬砖的旺财,地平线机器人算法工程师.作者根据自己本科和硕士阶段的学习经历,整理归纳了所接触过的规划算法. 1.自主机器人近距离操作运动规划体系 在研究自主运动规划问题之前,首先需建立 ...
- 多机器人路径规划的代码_知荐 | 地平线机器人算法工程师总结六大路径规划算法...
来源 | 知乎 知圈 | 进"高精度地图社群",请加微信15221054164,备注地图 目录 1 自主机器人近距离操作运动规划体系········1.1 单个自主机器人的规划体系 ...
- 《MATLAB智能算法30个案例》:第23章 基于蚁群算法的二维路径规划算法
<MATLAB智能算法30个案例>:第23章 基于蚁群算法的二维路径规划算法 1. 前言 2. MATLAB 仿真示例 3. 小结 1. 前言 <MATLAB智能算法30个案例分析& ...
- 自动驾驶路径规划——基于概率采样的路径规划算法(RRT、RRT*)
目录 1. RRT算法背景 1.1 RRT算法核心思想 1.2 RRT算法优缺点 2. 经典RRT算法 2.1 RRT算法流程 2.2 RRT伪代码 3. 基于目标概率采样 4. RRT*算法 4.1 ...
最新文章
- 国办支持乡村医生建设 医疗信息化提速
- 函数平移口诀_八年级数学下册:一次函数的图像,平移口诀是“上加下减,左加右减”...
- LeetCode 496. Next Greater Element I
- ORA-01033 ORACLE 正在初始化或关闭
- Linux-lamp
- Spring boot中使用Jackson ObjectMapper注入
- 全社会有效需求不足分析
- ipad上的电子阅读器们
- UltraEdit(UE)主窗口颜色修改
- tomcat在45秒内没有启动,启动超时
- 使用 VirtualBox 虚拟机在电脑上运行 Android 4.0 系统,让电脑瞬间变安卓平板
- 学生信息管理系统-web项目实训(基于JAVA)
- 学临床专业和计算机哪个好,大学里“炙手可热”的专业,未来10年也不会被淘汰,发展前景更好...
- 用户唯一登录,最新登录挤掉以前的登录,实现踢人.
- WEB前端优化之内容篇
- ubuntu命令行更新vscode
- Python 之圆周率 π 的计算
- 一个LM324的电流源方案
- 云计算赛项-私有云Ansible服务部署
- DSPACE仿真平台的使用