Сконфигурируйте RRT* планировщик пути
pathPlannerRRT объект конфигурирует планировщика пути к транспортному средству на основе оптимального быстро исследующего случайного дерева (RRT*) алгоритм. RRT* планировщик пути исследует среду вокруг транспортного средства путем построения дерева случайных положений без коллизий.
Однажды pathPlannerRRT объект сконфигурирован, используйте plan функционируйте, чтобы запланировать путь от положения запуска до цели.
planner = pathPlannerRRT( возвращает costmap)pathPlannerRRT объект для планирования пути к транспортному средству. costmap vehicleCostmap объект, задающий среду вокруг транспортного средства. costmap устанавливает Costmap значение свойства.
planner = pathPlannerRRT( свойства наборов планировщика пути при помощи одного или нескольких аргументов пары "имя-значение". Например, costmap,Name,Value)pathPlanner(costmap,'GoalBias',0.5) устанавливает GoalBias свойство к вероятности 0,5. Заключите каждое имя свойства в кавычки.
Запланируйте путь к транспортному средству к месту для парковки при помощи RRT* алгоритм.
Загрузите costmap парковки. Постройте costmap, чтобы видеть парковку и раздутые области для транспортного средства, чтобы избежать.
data = load('parkingLotCostmapReducedInflation.mat');
costmap = data.parkingLotCostmapReducedInflation;
plot(costmap)
Задайте запускаются и целевые положения для планировщика пути как [x, y, Θ] векторы. Мировые единицы измерения для (x, y) местоположения исчисляются в метрах. Мировые единицы измерения для Θ значений ориентации в градусах.
startPose = [11, 10, 0]; % [meters, meters, degrees]
goalPose = [31.5, 17, 90];Создайте RRT* планировщик пути, чтобы запланировать путь от положения запуска до целевого положения.
planner = pathPlannerRRT(costmap); refPath = plan(planner,startPose,goalPose);
Постройте запланированный путь.
plot(planner)
Запланируйте путь к транспортному средству через парковку при помощи оптимального быстро исследующего случайного дерева (RRT*) алгоритм. Проверяйте, что путь допустим, и затем постройте положения перехода вдоль пути.
Загрузите costmap парковки. Постройте costmap, чтобы видеть парковку и раздутые области для транспортного средства, чтобы избежать.
data = load('parkingLotCostmap.mat');
costmap = data.parkingLotCostmap;
plot(costmap)
Задайте запускаются и целевые положения для транспортного средства как [x, y, Θ] векторы. Мировые единицы измерения для (x, y) местоположения исчисляются в метрах. Мировые единицы измерения для Θ углов ориентации в градусах.
startPose = [4, 4, 90]; % [meters, meters, degrees]
goalPose = [30, 13, 0];Используйте pathPlannerRRT возразите, чтобы запланировать путь от положения запуска до целевого положения.
planner = pathPlannerRRT(costmap); refPath = plan(planner,startPose,goalPose);
Проверяйте, что путь допустим.
isPathValid = checkPathValidity(refPath,costmap)
isPathValid = logical
1
Интерполируйте положения перехода вдоль пути.
transitionPoses = interpolate(refPath);
Постройте запланированный путь и положения перехода на costmap.
hold on plot(refPath,'DisplayName','Planned Path') scatter(transitionPoses(:,1),transitionPoses(:,2),[],'filled', ... 'DisplayName','Transition Poses') hold off
Обновление любого из свойств планировщика очищает запланированный путь от pathPlannerRRT. Вызов plot отображения только costmap, пока путь не планируется с помощью plan.
Улучшать производительность, pathPlannerRRT возразите использует аппроксимированный самый близкий соседний поиск. Этот поисковый метод проверяет только sqrt(N) узлы, где N количество узлов, чтобы искать. Чтобы использовать точный самый близкий соседний поиск, установите ApproximateSearch свойство к false.
Дубины и методы связи Тростников-Shepp приняты, чтобы быть кинематическим образом выполнимыми и проигнорировать инерционные эффекты. Эти методы делают планировщика пути подходящим для низких скоростных сред, где инерционные эффекты сил колеса малы.
[1] Карамен, Сертэк и Эмилио Фраццоли. "Оптимальное планирование движения Kinodynamic Используя инкрементные основанные на выборке методы". 49-я конференция по IEEE по решению и управлению (CDC). 2010.
[2] Shkel, Андрей М. и Владимир Лумельский. "Классификация Набора Dubins". Робототехника и Автономные системы. Издание 34, Номер 4, 2001, стр 179–202.
[3] Тростники, J. A. и Л. А. Шепп. "Оптимальные пути для автомобиля, который идет и вперед и назад". Тихоокеанский Журнал Математики. Издание 145, Номер 2, 1990, стр 367–393.