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 ...

　　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 ...

本文主要记录本人之前调研过在三维复杂环境下的路径规划算法。 RRT快速随机搜索树 快速扩展随机树(Rapidly-exploring Random Trees，RRT)算法，是近十几年得到广泛发展与应用的基于采样的运动规划算法，它由美国爱荷华州立大学的Steven M. LaValle教授 ...

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 ...

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 ...

　　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 ...

参考博客链接：https://www.cnblogs.com/kex1n/p/4178782.html Dijkstra是常用的全局路径规划算法，其本质上是一个最短路径寻优算法。算法的详细介绍参考上述链接。 本文与参考博文相比，主要有如下两个不同： 1、开发语言换成了matlab，代码部分 ...

1.RRT RRT算法倾向于拓展到开放的未探索区域，只要时间足够，迭代次数足够多，没有不会被探索到的区域。 2.RRT-Connect RRT-Connect算法：基于RRT搜索空间的盲目性，节点拓展环节缺乏记忆性的缺点，为了提高空间内的搜索速。在RRT算法的基础上加上了 ...