设计、模拟和部署路径规划算法
路径规划可以让自动驾驶车辆或机器人找到从起点到目标状态的最短和最无障碍的路径。路径可以是一组状态(位置和方向)或路径点。路径规划需要一个环境映射以及作为输入的开始和目标状态。地图可以用不同的方式表示,比如网格地图、状态空间和拓扑路线图。
路径规划技术包括用于自动驾驶汽车的两种主要算法。
基于网格的搜索算法在网格图中根据最小出行成本找到一条路径。它们可用于二维环境中的移动机器人等应用。然而,实现基于网格的算法的内存需求随着维数的增加而增加,例如对于6自由度的机器人操作臂。
基于抽样的搜索算法通过在状态空间中随机采样新节点或机器人配置来创建可搜索树。基于采样的算法适用于低维和高维搜索空间。
路径规划,连同感知(或视觉)和控制系统,构成了任何机器人或车辆自主导航的三个主要组成部分。路径规划在自动驾驶汽车、机器人操纵器、ugv和无人机等系统中增加了自主权。
MATLAB®,仿真软件®,导航工具箱™提供路径规划工具,使您能够:
例子和如何
软件参考
参见:MATLAB和Simulink for Robotics,导航的工具箱,机器人系统工具箱,无人机的工具箱,ROS工具箱,自动驾驶工具箱™,模型预测控制工具箱™,MATLAB编码器™,Stateflow®,强化学习工具箱™,激光雷达工具箱™,机器人编程,同时定位和映射,传感器融合和跟踪工具箱,无人机的编程