3、轨迹规划概述：全局路径规划 vs 局部轨迹规划、S型与梯形速度规划
大家好，我是老张。今天咱们聊聊轨迹规划。
说实话，很多刚入行的朋友容易把「路径规划」和「轨迹规划」混为一谈。我刚开始做AGV那会儿也犯过这个错——以为规划出一条路就完事了。结果呢？车是能走，但要么急停急起把货物晃倒，要么转弯时直接冲出路线。嗯，这里面的门道，咱们今天一次说透。
核心区别一句话：路径规划告诉你「走哪条路」，轨迹规划告诉你「怎么走这条路」。
3.1 全局路径规划：先看地图再出发
全局路径规划，说白了就是「先看地图，再定路线」。AGV在启动之前，需要知道整个环境长什么样——哪里有墙、哪里有货架、哪里是通道。然后算法基于这张静态地图，算出一条从起点到终点的可行路径。
我个人习惯把全局规划比作「导航软件里的路线推荐」。你输入目的地，高德给你三条路：最快的、最堵的、红绿灯最少的。AGV的全局规划也是类似，只不过它要考虑的是路径长度、转弯次数、是否经过狭窄区域等等。
实战经验：我在做仓储AGV项目时，遇到过一个问题——全局路径规划出来的路线太「理想化」了。算法觉得走直线最短，但实际通道中间有个柱子，车根本过不去。后来我学乖了，在代价函数里加入了「安全距离惩罚项」，路径才变得靠谱。
常用的全局规划算法有这些：
- A*算法：最经典，启发式搜索，效率高。我90%的项目都用它。
- Dijkstra：A*的祖宗，保证最优但慢。适合小地图。
- RRT / RRT*：随机采样，适合高维空间或非结构化环境。
- PRM：概率路线图，适合静态环境多次查询。
但注意，全局规划有个致命弱点——它假设地图是静态的。如果路上突然出现一个人、一辆叉车，全局规划是不知道的。这时候就需要局部轨迹规划上场了。
3.2 局部轨迹规划：边走边看
局部轨迹规划，你可以理解为「实时避障」。AGV一边沿着全局路径走，一边用激光雷达或视觉传感器感知周围环境。发现障碍物？立刻重新规划一小段轨迹，绕过去。
我经常跟团队说：全局规划是「战略」，局部规划是「战术」。战略定大方向，战术处理突发情况。
避坑指南：我曾经在一个项目中，局部规划的频率设得太低（只有5Hz），结果AGV撞上了突然出现的纸箱。后来我把频率提到20Hz，同时加了速度限制——如果障碍物太近，先急刹再重新规划。记住：局部规划的反应速度，直接决定了AGV的安全性。
常见的局部规划方法：
- DWA（动态窗口法）：在速度空间采样，选最优轨迹。简单高效，我入门时第一个学的就是它。
- TEB（时间弹性带）：把轨迹看作一条「橡皮筋」，优化它的形状。适合复杂环境。
- MPC（模型预测控制）：预测未来几步，滚动优化。效果好但计算量大。
- 人工势场法：目标点产生引力，障碍物产生斥力。容易陷入局部极小值，慎用。
3.3 速度规划：让AGV「丝滑」运动
路径规划好了，轨迹也调整了，但还有一个关键问题——速度怎么给？
你想想看，如果AGV从静止直接跳到1m/s，电机瞬间输出最大扭矩，会发生什么？轻则货物倾倒，重则电机过载烧毁。所以我们需要速度规划，让速度平滑变化。
这里有两个经典的速度曲线：梯形速度规划和S型速度规划。
3.3.1 梯形速度规划
梯形速度曲线，顾名思义，速度-时间图像像一个梯形。它分为三个阶段：匀加速、匀速、匀减速。
优点：简单、计算量小、容易实现。
缺点：加速度在拐点处突变，产生「冲击」（Jerk无限大）。
// 梯形速度规划示例（伪代码）
float v_max = 1.0; // 最大速度 m/s
float a = 0.5; // 加速度 m/s²
float d = 0.5; // 减速度 m/s²
float s_total = 5.0; // 总位移 m
// 计算加速段和减速段距离
float s_acc = v_max * v_max / (2 * a);
float s_dec = v_max * v_max / (2 * d);
if (s_acc + s_dec <= s_total) {
// 能达到最大速度
float s_cruise = s_total - s_acc - s_dec;
// 三段式：加速-匀速-减速
} else {
// 达不到最大速度，只有加速和减速
// 两段式：加速-减速
}什么时候用梯形？我个人建议：对舒适度要求不高、负载较轻、或者计算资源有限的场景。比如小型搬运AGV、巡检机器人。
3.3.2 S型速度规划
S型速度曲线，在梯形的基础上增加了「加加速度」（Jerk）控制。加速度不再是突变，而是平滑变化。速度-时间图像像字母「S」。
优点：运动极其平滑，无冲击，适合精密操作或载人场景。
缺点：参数多（7段甚至更多），计算复杂，实时性稍差。
// S型速度规划核心参数
float v_max = 1.0; // 最大速度
float a_max = 0.5; // 最大加速度
float j_max = 2.0; // 最大加加速度
// 7段式S型曲线：
// 加加速 - 匀加速 - 减加速 - 匀速 - 加减速 - 匀减速 - 减减速我记得有一次做医疗AGV项目，车上要运送精密仪器。梯形规划一启动，仪器就报警「加速度超限」。换成S型规划后，问题立刻解决。说白了，S型就是「梯形的高级版」，用计算量换舒适度。
| 对比项 | 梯形速度规划 | S型速度规划 |
|---|---|---|
| 加速度变化 | 突变（阶跃） | 平滑（连续） |
| 加加速度（Jerk） | 无限大 | 有限值可控 |
| 计算复杂度 | 低 | 中高 |
| 适用场景 | 普通搬运、巡检 | 精密操作、载人、高速 |
| 实时性 | 好 | 一般 |
我的选择策略：如果项目预算紧、MCU性能弱，用梯形。如果客户对「平稳性」有明确要求（比如运输玻璃、液体），必须上S型。没有绝对的好坏，只有合不合适的场景。
3.4 全局与局部的配合：一个实际案例
最后分享一个我实际做过的案例。某电商仓库的AGV项目，环境是2000平米的货架区。
全局规划：先用A*在已知地图上算出一条主路径，避开所有固定货架。
局部规划：AGV运行时，激光雷达检测到前方有临时堆放的包裹。DWA算法立刻介入，在局部范围内重新规划轨迹，绕开包裹后再回到全局路径上。
速度规划：考虑到货物是普通纸箱，我用了梯形速度规划，最大速度1.2m/s，加速度0.4m/s²。跑起来很稳，没有出现货物倾倒的情况。
嗯，这就是轨迹规划的全貌。全局定方向，局部躲障碍，速度保平稳。三者缺一不可。