设计、模拟和部署路径规划算法

路径规划可以让自动驾驶车辆或机器人找到从起点到目标状态的最短且最无障碍的路径。路径可以是一组状态(位置和方向)或路径点。路径规划需要环境映射以及作为输入的起始和目标状态。地图可以用不同的方式表示,比如网格地图、状态空间和拓扑路线图。

路径规划技术包括用于自动驾驶汽车的两种主要算法。

基于网格的搜索算法在网格地图中根据最小旅行成本找到路径。它们可以用于2D环境中的移动机器人等应用程序。然而,实现基于网格的算法所需的内存随着维数的增加而增加,例如对于6自由度机器人操作臂。

Sampling-based搜索算法通过在状态空间中随机抽样新的节点或机器人配置来创建一个可搜索的树。基于采样的算法适用于低维和高维搜索空间。

路径规划,连同感知(或视觉)和控制系统,构成了机器人或车辆自主导航的三个主要组成部分。路径规划增加了自动驾驶汽车、机器人操纵器、ugv和无人机等系统的自主性。

MATLAB®,仿金宝app真软件®,导航工具箱™提供路径规划工具,使您能够:

  • 实现基于采样的路径规划算法RRTRRT *使用可定制的规划基础结构
  • 在占用网格地图上规划路径,如自动停车,使用混合一个*
  • 生成局部轨迹室内动态重新规划自动公路换道
  • 比较路径有效性和最优性使用路径度量如平滑度和间隙
  • 生成航路点并发送控制命令来跟随它们使用纯追求控制器
  • 将路径规划算法部署为独立的ROS节点或在嵌入式平台上使用C/ c++代码

参见:机器人的MATLAB和金宝appSimulink导航的工具箱机器人系统工具箱无人机的工具箱ROS工具箱自动驾驶工具箱™模型预测控制工具箱™MATLAB编码器™Stateflow®强化学习工具箱™激光雷达工具箱™机器人编程同时定位和测绘传感器融合和跟踪工具箱