這兩天雖然沒有實質性收獲，但是總算無人機和無人車的軌跡優化梳理清楚了。
1.軌跡優化梳理
經過周五晚上熬夜梳理，和今天一天的梳理，整個白天都是暈的，看來看去，也沒有實質收獲，直到晚上才漸漸理清楚。
按照系統模型分
- 無人機
- 無人車
按照求解類型分
- 二次規划（無人機），NLopt,Moesk，閉式解，OOQP
- 非線性規划（無人車），包括李柏的最優控制，目前見到的都是IPM求解器-Ipopt
2.開源項目梳理
因為目前急需掌握一套軌跡優化的方法，梳理了高飛老師的開源項目:
- Btraj，基於硬約束（走廊）的貝塞爾軌跡，求解器是Mosek，這個求解器不開源，而且不知道怎么使用走廊，
- grad_traj_optimization，基於軟約束的多項式軌跡，需要ESDF地圖，求解器NLopt，求解器開源，這個是比較合適的，因為沒有強制約束到waypoint。
- Teach-repeat-replan中的Global planning，就是走廊+spatial optimization(求解器OOQP) + temporal optimization(求解器Mosek)，這個也是很合適的
- large_scale_traj_optimizer，僅需兩個頭文件，可以用於替換Teach-repeat-replan中的Global planning 中的軌跡優化，僅需兩個頭文件即可，但是具體如何使用走廊，還沒有開源，coming soon
- Am_traj，兩個頭文件即可，看樣子是閉式解
- 深藍第六章作業，minimum snap trajectory generation，可以用閉式解，也可以用OOQP，這個是最基礎的，應該要掌握的是如何建模，如何C++寫這些數學公式。
- CMPCC，基於飛行走廊的MPC，OSQP求解器，關於MPC，是另一個話題了，先記錄一下。
- 李柏，最優控制，NLP問題，Ipopt求解。
- multi_robot_traj_planner，這個就是今晚發現的很好的資源啦，無人車，用到了走廊，用到Ipopt求解，當前正好缺少無人車軌跡優化的開源項目學習。