路径规划的一般步骤：构建环境、搜索、平滑处理；环境构建：C-空间，自由空间、Voronoi图、栅格法；搜索算法在下面逐个列出。解决的问题：全局、局部、未知环境；解决维度：二维、三维；路径搜索的连续性：离散、连续; 时间需求：实时、不是实时的；下面先列出常见的路径优化方法，后面将逐个给出算法 ...

基于先验完全信息的全局路径规划 局部路径规划 - http://blog.csdn.net/birdy_/article/details/77453638 姿态空间离散 行车图法：在自由空间中构建连通网络 在图中用直线连接所有特定点，删除会发生碰撞的，在余下的路线中求出 ...

1，Dijkstra’s 算法 一种发散性寻找最短路径算法。 由起点开始向四周开始发散，直到碰到目标点为止。这时就是最短路径。优点：能找到与目标点的最短路径；缺点：搜索花费的时间会比较长。 2，Greedy Best-First-Search 快速搜索算法。 启发性的算法 ...

算法介绍 A*（念做：A Star）算法是一种很常用的路径查找和图形遍历算法。它有较好的性能和准确度。本文在讲解算法的同时也会提供Python语言的代码实现，并会借助matplotlib库动态的展示算法的运算过程。 A*算法最初发表于1968年，由Stanford研究院的Peter Hart ...

博客转载自：http://www.cnblogs.com/21207-iHome/p/7210543.html 传统的路径规划算法有人工势场法、模糊规则法、遗传算法、神经网络、模拟退火算法、蚁群优化算法等。但这些方法都需要在一个确定的空间内对障碍物进行建模，计算复杂度与机器人自由度呈指数关系 ...

　　路径规划作为机器人完成各种任务的基础，一直是研究的热点。研究人员提出了许多规划方法：如人工势场法、单元分解法、随机路标图（PRM）法、快速搜索树（RRT）法等。传统的人工势场、单元分解法需要对空间中的障碍物进行精确建模，当环境中的障碍物较为复杂时，将导致规划算法计算量较大。基于随机采样技术 ...

　　传统的路径规划算法有人工势场法、模糊规则法、遗传算法、神经网络、模拟退火算法、蚁群优化算法等。但这些方法都需要在一个确定的空间内对障碍物进行建模，计算复杂度与机器人自由度呈指数关系，不适合解决多自由度机器人在复杂环境中的规划。基于快速扩展随机树（RRT / rapidly exploring ...

通过调研发现目前移动机器人动态路径规划用的比较多的路径规划算法是D*,本人写这篇博客的目的在于记录自己自己这几天的调研总结和学习体会。 1.简介 D*是动态A*（D-Star, Dynamic A*） 卡耐基梅隆机器人中心的Stentz在1994和1995年的两篇文章提出，主要用于机器人探路 ...