任务规划与航迹生成一体化指南
📚 共计 30 章节
01
任务规划概述
定义、发展历程、核心要素(任务、资源、约束、目标)与应用领域(无人机、机器人、自动驾驶)
基础
无人机
02
航迹生成基础
航迹与路径区别 · 数学表示(时间序列、样条曲线)· 基本流程
核心
数学
03
坐标系与坐标变换
世界/机体/传感器坐标系 · 欧拉角与四元数 · 齐次变换矩阵
几何
SLAM
04
环境建模
栅格地图 · 八叉树 · 点云 · 拓扑 · 语义地图构建与特点
感知
地图
05
路径搜索算法(上)
Dijkstra原理、实现步骤、优缺点分析
经典
图搜索
06
路径搜索算法(下)
A*原理 · 启发函数 · JPS · D* Lite 改进变种
启发式
优化
07
基于采样的规划算法
RRT · RRT* · Informed RRT* · 概率完备性与渐进最优性
随机
最优
08
轨迹生成基础
多项式轨迹 · 贝塞尔 · B样条 · 最小加加速度轨迹
曲线
平滑
09
时间分配与速度规划
梯形速度 · S形速度 · 时间最优轨迹生成
运动学
时间
10
约束处理
运动学/动力学约束 · 环境约束(避障)· 最大速度/加速度/加加速度
安全
限制
11
多目标优化
加权求和 · 帕累托最优 · NSGA-II在航迹规划中的应用
进化
权衡
12
动态环境规划
滚动时域优化 · 模型预测控制(MPC)在航迹跟踪中的应用
MPC
在线
13
协同任务规划
多无人机协同 · 任务分配(匈牙利/拍卖)· 一致性协议
集群
分配
14
航迹平滑与优化
B样条拟合 · 梯度下降 · 凸优化(CVXPY)平滑应用
优化
光滑
15
不确定性处理
卡尔曼滤波 · 粒子滤波 · 鲁棒优化 · 机会约束规划
滤波
鲁棒
16
强化学习在规划中的应用
Q-learning · DQN · 策略梯度方法
RL
决策
17
深度强化学习进阶
PPO · SAC · 基于模型的强化学习在航迹规划中的实践
DRL
先进
18
传感器融合与定位
GPS/IMU融合 · 视觉SLAM · 激光SLAM · 因子图优化
融合
定位
19
避障策略
势场法 · 速度障碍(VO) · RVO · ORCA算法
避障
反应式
20
四旋翼无人机航迹规划
动力学模型 · 微分平坦性 · 最小时间轨迹 · 实飞验证
无人机
实飞
21
地面机器人航迹规划
轮式模型 · Reeds-Shepp曲线 · Dubins曲线
地面
非完整
22
自动驾驶车辆规划
行为规划 · 运动规划 · Frenet坐标系下轨迹生成
自动驾驶
Frenet
23
水下机器人规划
水流影响建模 · 声呐约束 · 能量最优轨迹
水下
能量
24
机械臂路径规划
构型空间 · 逆运动学 · 避奇异点 · 抓取规划
机械臂
操作
25
软件工具与框架
ROS Navigation Stack · OMPL · MoveIt · MATLAB Toolbox
工具
ROS
26
仿真与验证
Gazebo · AirSim · 硬件在环测试 · 性能评估指标
仿真
测试
27
实战项目一
基于A*算法的无人机二维航迹规划与可视化
实战
A*
28
实战项目二
基于RRT*的机械臂避障路径规划
实战
RRT*
29
实战项目三
基于MPC的无人机动态轨迹跟踪控制
实战
MPC
30
前沿趋势与挑战
学习型规划器 · 端到端规划 · 安全关键系统 · 可解释性规划
前沿
挑战