机器人避障算法深度解析

📚 共计 30 章节

避障算法概述

机器人避障问题定义 · 全局vs局部 · 传统vs学习 · 评价指标

安全性平滑性实时性

传感器基础

激光雷达 · 深度相机 · 超声波/红外 · 传感器融合

LiDARRGB-D融合

栅格地图 · 代价地图 · 占据栅格更新 · 八叉树地图

Grid MapCostmapOctoMap

坐标变换基础

base_link/odom/map · TF树 · 欧拉角与四元数 · 齐次矩阵

TF四元数坐标系

Bug算法系列

Bug0 · Bug1绕墙+最短离开 · Bug2直线+绕墙 · 优缺点

人工势场 · 引力/斥力设计 · 局部极小值 · 随机扰动

APF局部极小填平势场

图搜索 · 代价最小优先 · 伪代码实现 · 最优但慢

最优路径广度优先静态

启发式搜索 · 曼哈顿/欧氏/切比雪夫 · A* vs Dijkstra · 代码

启发函数最优高效

动态环境 · 反向搜索+代价更新 · 与D*关系 · 未知探索

动态增量未知环境

快速随机搜索树 · 采样+扩展+连接 · 优缺点 · 代码实现

随机采样快速非最优

渐进最优性 · rewiring重连 · RRT* vs RRT · 复杂环境

最优重连渐进

椭圆采样空间 · 路径优化 · 性能对比 · 实际案例

椭圆采样加速最优

概率路线图 · 学习/查询阶段 · 参数选择 · 优缺点

PRM多查询采样

Lattice Planner

状态格 · 运动学格点生成 · 结构化道路 · 与A*结合

Lattice运动学结构化

时间弹性带 · 轨迹优化目标 · 路径/时间/障碍距离 · 调参

TEB弹性带实时

动态窗口法 · 速度空间采样 · 评价函数 · 代码实现

DWA速度采样局部

MPC在避障中的应用

模型预测控制 · 避障建模 · 约束处理 · MPC vs DWA

MPC约束预测

向量场直方图 · 极坐标直方图 · 候选方向 · VFH+/VFH*

VFH直方图快速

近邻图 · 可视性路径搜索 · 密集障碍物优势 · 与VFH对比

ND可视性密集

基于学习的避障

深度学习避障 · 端到端 · 模仿学习 · 强化学习

深度强化学习避障

DQN/DDPG/PPO · 状态/动作空间 · 奖励函数设计

行为克隆(BC)避障

行为克隆原理 · 专家数据 · BC vs RL · 局限性

BC模仿局限性

避障中的路径平滑

贝塞尔曲线 · B样条 · 多项式轨迹 · 平滑性影响

贝塞尔B样条平滑

避障中的速度规划

梯形速度 · S形速度 · Trapezoidal vs S-Curve · 耦合

速度规划S形梯形

多机器人避障

协同/分布式 · 速度障碍法(VO) · RVO · ORCA算法

动态障碍物处理

运动预测 · 卡尔曼滤波 · 时空避障 · DWA扩展

卡尔曼时空动态

避障算法工程实践

ROS Navigation Stack · move_base调参 · costmap配置 · 工程坑

ROSmove_basecostmap

避障算法评估与测试

Gazebo/Stage仿真 · 成功率/路径长度/计算时间 · 数据集

仿真评估数据集

避障算法前沿趋势

Transformer避障 · 端到端模型 · 多模态融合 · 具身智能

Transformer多模态具身

综合项目实战

从零搭建避障系统 · 传感器→建图→定位→规划→控制 · 决策树

实战全栈决策树