qq_28366817的博客

StateLatticePlanner核心思路是先采样生成状态栅格地图，最后利用search方法生成自车运行轨迹。StateLattice和Grids的主要区别是栅格节点包含自车的状态信息，借用维基百科对lattice graph的定义：A, orRnStateLattices考虑到每个顶点机器人的动力学模型，用来生成采样点之间的可行路径，而Grids只是简单的对空间维度进行等间距离散采样，由此采样得到的路径可能不符合机器人的运动模型。

本文详细介绍了D*算法原理，它是一种动态搜索路径的算法。D*算法主要解决位置地形条件下路径重新规划(replan)问题，当移动机器人碰到障碍时候通过局部修正快速得到最优的路径规划。相比于重新利用Dijkstra或者A*做为Replanner，D*对运行时间的优化随着随着搜索搜索空间增长有着显著的优化。

HybridAStar算法主要是在A*基础上考虑车辆动力学相关的搜索算法，其放弃了A*中对搜索空间离散化，利用Dubins或者Reeps-Shepp来考虑自车能够前进的位置，使得规划的轨迹满足车辆的非完整性约束，但是该Hybrid A*牺牲了算法的完备性和最优性。Hybrid A*算法主要包括(1)在连续空间上扩张节点搜索最短路径，(3)路径平滑。Hybrid A*算法与A*算法的差异对比如下表所示A*Hybrid A*离散方法(Discrete method)