自动驾驶学习笔记（二十）——Planning算法

motion planning算法是指在机器人、自动驾驶汽车等无人驾驶系统中，为实现特定任务而规划机器人或汽车的运动路径的一类算法。这类算法可以利用环境感知数据、路径搜索算法等技术，将需求转换为可执行的运动序列，并生成相应的控制指令，实现机器人或汽车的自主运动。 常见的motion planning算法有以下几种： 1. 基于图搜索的算法，如Dijkstra算法、A*算法、RRT（Rapidly-exploring Random Tree）等。它们可以根据搜索图的构建方式和搜索策略的不同，实现不同的路径规划优化。 2. 路径优化算法，如样条曲线插值算法、Bezier曲线拟合算法、B样条曲线算法等。这些算法主要用于生成连续光滑的路径，提高机器人或汽车的运动稳定性。 3. 轨迹优化算法，如二次规划算法、非线性规划算法和最小二乘优化算法等。这些算法主要用于对路径生成的轨迹进行优化，以满足运动约束条件和机器人或汽车的动力学特性等考虑。 4. 碰撞检测算法，如凸壳算法、距离场算法和渐进式网格算法等。这些算法主要用于避免机器人或汽车在运动过程中与环境障碍物发生碰撞。 综上所述，motion planning算法是一类在无人驾驶系统中很重要的算法，不同的算法适用于不同的场景和实际应用需求，选用合适的算法能够在避免碰撞的前提下高效、安全地完成任务。