第7章-轨迹规划.pptVIP

7.4规划轨迹的实时生成采用带抛物线过渡的线性轨迹规划方法时，需要附加一个约束条件：每个自由度的过渡域持续时间必须相同，这样才能保证各自由度形成的复合运动在空间形成一条直线。7.4规划轨迹的实时生成笛卡尔空间轨迹实时生成方法与关节空间相似，例如，带有抛物线过渡的线性轨迹，在线性域中，X的每一自由度按下式计算：在过渡域中，每个自由度的轨迹按下式计算：7.4规划轨迹的实时生成最后将笛卡尔空间轨迹转换成等价的关节空间的量：通过求解逆运动学得到关节位移用逆雅可比计算关节速度用逆雅可比及其导数计算角加速度7.4规划轨迹的实时生成在实际中往往采用更简便的方法：将X以轨迹更新速率转换成等效的驱动矩阵D(λ)，再由运动学反解子程序计算相应的关节矢量q，然后由数值微分计算和：7.4规划轨迹的实时生成【例】Matlab机器人工具箱轨迹生成7.4规划轨迹的实时生成【例】Matlab机器人工具箱轨迹生成7.4规划轨迹的实时生成【例】Matlab机器人工具箱轨迹生成7.4规划轨迹的实时生成【例】Matlab机器人工具箱轨迹生成7.4规划轨迹的实时生成【例】Matlab机器人工具箱轨迹生成7.4规划轨迹的实时生成7.5移动机器人路径规划与跟踪路径规划是指的是机器人的最优路径规划问题，即依据某个或某些优化准则（如工作代价最小、行走路径最短、行走时间最短等），在工作空间中找到一个从起始状态到目标状态能避开障碍物的最优路径。机器人的路径规划应用场景极丰富，最常见如游戏中NPC及控制角色的位置移动，百度地图等导航问题，小到家庭扫地机器人、无人机大到各公司正争相开拓的无人驾驶汽车等。7.5移动机器人路径规划与跟踪常见的路径规划算法7.5移动机器人路径规划与跟踪解决的问题可描述为：在无向图G=(V,E)中，假设每条边E[i]的长度为w[i]，找到由顶点vs到其余各点的最短路径。7.5移动机器人路径规划与跟踪基本思想：采用了贪心的思想，每次都查找与该点距离最近的点7.5移动机器人路径规划与跟踪算法实例S集合U集合ABCDEF=6=3=∞=∞=∞7.5移动机器人路径规划与跟踪算法实例S集合U集合ABCDEF=5=6=7=∞=3AC7.5移动机器人路径规划与跟踪算法实例S集合U集合ABCDEF=5=10=7=∞=3AC=6AC7.5移动机器人路径规划与跟踪算法实例S集合U集合ABCDEF=5=7=9=3AC=6ACAC7.5移动机器人路径规划与跟踪算法实例S集合U集合ABCDEF=5=7=9=3AC=6ACACACD7.5移动机器人路径规划与跟踪7.5移动机器人路径规划与跟踪基本概念：有哪些信誉好的足球投注网站区域（TheSearchArea）：图中的有哪些信誉好的足球投注网站区域被划分为了简单的二维数组，数组每个元素对应一个小方格，通常将一个单位的中心点称之为有哪些信誉好的足球投注网站区域节点（Node）。开放列表(OpenList)：将路径规划过程中待检测的节点存放于OpenList中，而已检测过的格子则存放于CloseList中。7.5移动机器人路径规划与跟踪父节点（parent）：在路径规划中用于回溯的节点，开发时可考虑为双向链表结构中的父结点指针。路径排序（PathSorting）：具体往哪个节点移动由以下公式确定：F(n)=G+H。G代表的是从初始位置A沿着已生成的路径到指定待检测格子的移动开销。H指定待测格子到目标节点B的估计移动开销。7.5移动机器人路径规划与跟踪启发函数（HeuristicsFunction）：H为启发函数，也被认为是一种试探，由于在找到唯一路径前，不确定在前面会出现什么障碍物，因此用了一种计算H的算法，具体根据实际场景决定。在简化的模型中，H采用的是传统的曼哈顿距离（ManhattanDistance），也就是横纵向走的距离之和。7.5移动机器人路径规划与跟踪如下图所示，绿色方块为机器人起始位置A，红色方块为目标位置B，蓝色为障碍物。7.5移动机器人路径规划与跟踪把要搜寻的区域划分成正方形的格子。把有哪些信誉好的足球投注网站区域简化为2维数组。数组的每一项代表一个格子，它的状态就是可走(walkalbe)或不可走(unwalkable)。现用A*算法寻找出一条自A到B的最短路径，每个方格的边长为10，即垂直水平方向移动开销为10。因此沿对角移动开销约等于14。7.5移动机器人路径规划与跟踪1.从起点A开始，把它加入