prm

路径规划: PRM 路径规划算法 (Probabilistic Roadmaps 随机路标图)

坚强是说给别人听的谎言 提交于 2019-11-29 02:03:23
路径规划作为机器人完成各种任务的基础,一直是研究的热点。研究人员提出了许多规划方法如: 1. A* 2. Djstar 3. D* 4. 随机路标图(PRM)法 2. 人工势场法 2. 单元分解法 4. 快速搜索树(RRT)法等。 传统的人工势场、单元分解法需要对空间中的障碍物进行精确建模,当环境中的障碍物较为复杂时,将导致规划算法计算量较大。 基于 随机采样技术 的 PRM法 可以有效解决 “高维空间” 和 “复杂约束” 中的路径规划问题。 1. 简介 如上图所示, PRM(Probabilistic Roadmaps) 是一种基于图搜索的方法,一共分为两个步骤: 学习阶段 , 查询阶段 它将连续空间转换成离散空间,再利用A*等搜索算法在路线图上寻找路径,以提高搜索效率。 这种方法能用相对少的随机采样点来找到一个解,对多数问题而言,相对少的样本足以覆盖大部分可行的空间,并且找到路径的概率为1(随着采样数增加,P(找到一条路径)指数的趋向于1)。显然,当采样点太少,或者分布不合理时,PRM算法是不完备的,但是随着采用点的增加,也可以达到完备。所以PRM是概率完备且不最优的。 用随机路径图(PRM)法寻找给定地图中两点之间的路径,PRM进行路径规划的步骤: 学习阶段: 在给定图的自由空间里随机 撒点 (自定义个数),构建一个 路径网络图 。 a)构造步骤 b)扩张步骤 查询阶段: