pathPlannerRRT
配置RRT路径规划
描述
的pathPlannerRRT对象配置基于最优车辆路径规划迅速探索随机树(RRT *)算法。* RRT路径规划探索车辆周围的环境通过构造随机树无碰撞造成。
一旦pathPlannerRRT对象配置,使用计划函数的计划从一开始就对这个目标的道路。
创建
描述
规划师= pathPlannerRRT (返回一个costmap)pathPlannerRRT对象规划车辆路径。costmap是一个vehicleCostmap对象指定车辆周围的环境。costmap设置Costmap属性值。
规划师= pathPlannerRRT (集属性路径的规划师通过使用一个或多个名称-值对参数。例如,costmap,名称,值)pathPlanner (costmap GoalBias, 0.5)设置GoalBias属性概率为0.5。在报价附上每个属性的名字。
属性
例子
计划路径停车位
计划一个车辆路径的停车位使用RRT *算法。
负载的costmap停车场。情节costmap看到停车场和车辆,以避免过高的地区。
data =负载(“parkingLotCostmapReducedInflation.mat”);costmap = data.parkingLotCostmapReducedInflation;情节(costmap)
启动和目标提出了路径规划定义为(x, y,Θ)向量。世界单位(x,y位置是在米。世界单位Θ取向的值在度。
startPose = [11 10 0];%(米、米、学位)goalPose = (31.5, 90);
创建一个RRT *路径规划计划路径从一开始对目标构成。
规划师= pathPlannerRRT (costmap);refPath =计划(计划、startPose goalPose);
阴谋计划路径。
策划(计划)
计划路径和检查它的有效性
计划通过使用一个停车场车辆路径最优迅速探索随机树(RRT *)算法。检查路径是否有效,然后沿着路径情节过渡姿势。
负载的costmap停车场。情节costmap看到停车场和车辆,以避免过高的地区。
data =负载(“parkingLotCostmap.mat”);costmap = data.parkingLotCostmap;情节(costmap)
启动和目标提出了车辆定义为(x,y,Θ)向量。世界单位(x,y位置是在米。世界单位Θ取向角的度。
startPose = (4, 90);%(米、米、学位)goalPose =[0] 30日13日;
使用一个pathPlannerRRT对象从一开始就计划一个路径对目标构成。
规划师= pathPlannerRRT (costmap);refPath =计划(计划、startPose goalPose);
检查路径是否有效。
isPathValid = checkPathValidity (refPath costmap)
isPathValid =逻辑1
沿着路径插入过渡姿势。
transitionPoses =插入(refPath);
阴谋计划的路径和costmap过渡姿势。
持有在情节(refPath“DisplayName的”,“计划路径”)散射(transitionPoses (: 1) transitionPoses (:, 2), [],“填充”,…“DisplayName的”,“过渡姿势”)举行从
提示
为了提高性能,
pathPlannerRRT对象使用一个近似最近邻搜索。这个搜索技术检查sqrt (N)节点,N是搜索的节点数量。使用精确的最近邻搜索,设置ApproximateSearch财产假。杜宾和Reeds-Shepp连接方法是假定为运动学上地可行而忽略惯性的影响。这些方法使路径规划适合低速环境,在惯性轮力的影响很小。
引用
Sertac Karaman[1],埃米利奥Frazzoli。“最佳Kinodynamic运动规划使用增量Sampling-Based方法。”第49 IEEE会议决定和控制(CDC)。2010年。
[2]Shkel,安德烈·M。,Vladimir Lumelsky. "Classification of the Dubins Set."机器人和自治系统。34卷,4号,2001年,页179 - 202。
[3]芦苇,j . A。,L. A. Shepp. "Optimal paths for a car that goes both forwards and backwards."太平洋数学杂志。2号卷。145年,1990年,页367 - 393。
