本文仅供学习使用，并非商业用途，全文是针对哈尔滨工业大学刘文之的论文《移动机器人的路径规划与定位技术研究》进行提炼与学习。论文来源中国知网，引用格式如下： [1]刘文之. 基于激光雷达的SLAM和路径规划算法研究与实现[D].哈尔滨工业大学,2018.
相关坐标系转换原理已经在前一篇文章写完了，直接上转换方程。
这里他的运动模型选择的是基于里程计的运动模型，还有一种基于速度的运动模型，其实都差不多，整体思想都一样。里程计是通过计算一定时间内光电编码器输出脉冲数来估计机器人运动位移的装置，主要是使用光电码盘。根据光电码盘计算出此时轮子的速度，然后通过已知的轮子半径来获得单位时间 每个轮子 的位移增量。
高等数学可知单位时间位移增量就是速度，对速度在一定时间上进行积分就得到这一段时间所走过的路程。
根据上图，我们可以求出来机器人航向角角速度、圆弧运动半径和机器人角度变化量，由此可以解的机器人在当前时刻的位姿。
实际上也是有误差，所以单独依靠里程计会与实际结果产生较大误差，所以必须引入其他的外部传感器对外部环境的观测来修正这些误差，从而提高定位精度。
首先肯定需要将激光雷达所测得的端点坐标从极坐标、机器人坐标中转换到世界坐标中。
这张略过，暂时不需要看这个
路径规划算法介绍：
因为该算法会产生大量的无用临时途径，简单说就是很慢，所以有了其他算法。
了解两种代价之后，对于每一个方块我们采用预估代价与当前路径代价相加的方法，这样可以表示每一个路径点距离终点的距离。在BFS搜索过程的基础上，优先挑选总代价最低的那个路径进行搜索，就可以少走不少弯路。（算法讲解 ）
在局部路径规划算法之中，我们选用DWA算法（dynamic window approach），又叫动态窗口法。动态窗口法主要是在速度(v, w)空间中采样多组速度，并模拟机器人在这些速度下一定时间内的轨迹。在得到多组轨迹后，对这些轨迹进行评价，选取最优的轨迹所对应的速度来驱动机器人运动。 state sampling就是按照之前给出的全局路径规划，无论是Dijkstra还是A* 都可以方便的得到state sampling，DWA算法所需要提前建立的action sampling有两种：
但是无论是什么情况，上述所做的工作就是把机器人的位移转化到世界坐标中来，而不是机器人坐标系。速度采样结束之后，只需要对小车的轨迹进行评判，就可以得到最优解了。下面介绍速度采样的办法。
对速度进行采样一般有以下三个限制：
当确定了速度范围之后，就需要根据速度分辨率来对小车速度离散化，在每一时刻将小车在不同直线速度角速度组合下所即将要行驶的距离都可视化出来。
其中每一条轨迹都是很多小直线连接起来的。
需要用评价函数来对上述轨迹进行选择，选择最适合的轨迹
最后为了让三个参数在评价函数里所发挥的作用均等，我们使用归一化处理来计算权重。
算法流程整体如下：
众所周知，我们要看文献，但是看什么、怎么看是必须首先要解决的问题。
回顾过去一个月的学术生活，虽也忙碌，但似乎缺乏了某种更为宏观的指导。不过毕竟刚刚开始，也无法一下子上升到一定的高度。因此在这样一个节点，就很有必要对学术路径做一更为深入的思考，避免无目的地瞎忙，那最终只会导致看起来忙，但实际上做的都是“紧急不重要”的事情。
首先要 确立目标 。我们的目标是在研究生一年级上学期能有至少三篇比较成熟的论文构想，并搭建起论文框架，至少写出一篇比较成熟的论文。
顺着这个思路，我们首先就是要做好选题策划。然后根据自己的选题进行深挖：查阅文献资料，进行文献综述，搭建论文框架，完成论文写作。这个可以说是我们 学术生活的主体部分 。
但是除此以外呢，我们还要紧跟 理论热点、学术前沿 。这里主要是和导师紧密联系在一起的，一方面我们要通读导师的论文，将导师的研究成果掌握透彻。另一方面我们要根据导师的指引开拓疆土，把握好理论前沿的脉搏。
进一步细化 ，我们的学术生活可以分为两大部分。第一大部分是进行论文写作，另一大部分是紧跟理论热点、学术前沿。两者是相辅相成的关系。由此可得，我们的思路也应当分成两条线。第一条线是比较明确的，做好进一步的规划即可。第二条线还需要进一步明确：导师的论文集+导师的专著+导师指引的方向的相关资料。
时间规划 ：在进行实践规划的时候，同样是按照两项主要任务分配时间。需要注意的是，应当考虑采取弹性工作制，以最大限度地激发思维、活跃思维。切记切记：每一分每一秒都极其宝贵，务必竭尽全力。
——2019年11月5日09:25:33
1. 运输路径优化问题
运输距离运输环节运输工具运输时间运输费用
文献
1 马良;TSP及其扩展问题的混合型启发式算法[J];上海理工大学学报;1999年01期
2 周勇,陈洪亮;蚁群算法的研究现状及其展望[J];微型电脑应用;2002年02期
1 刘海燕,李宗平,叶怀珍;物流配送中心选址模型[J];西南交通大学学报(自然科学版);2000年03期
2 李延晖;马士华;;基于时间竞争的配送系统多目标决策模型研究[J];计算机集成制造系统-CIMS;2005年11期
3 孙元欣,黄培清;竞争型连锁经营网点选址模型与遗传算法解[J];科学学与科学技术管理;2001年10期
4 魏恒,任福田;人-机参与公交客运枢纽选址方法[J];北京工业大学学报;1991年03期
5 李栋;曹义华;苏媛;冯婷;;基于改进蚁群算法的低空突防航迹规划[J];北京航空航天大学学报;2006年03期
6 封全喜,刘诚;物流配送车辆路径问题的并行遗传算法研究[J];铁道科学与工程学报;2005年04期
7 许志红,张培铭;基于蚁群算法的智能交流接触器优化设计[J];电工电能新技术;2005年03期
8 杨荣华,王新洲,牛瑞芳;非线性最小二乘估计的蚁群单纯形混合算法[J];地理空间信息;2005年03期
9 蒋建国;夏娜;齐美彬;木春梅;;一种基于蚁群算法的多任务联盟串行生成算法[J];电子学报;2005年12期
10 彭沛夫;林亚平;胡斌;张桂芳;;基于遗传因子的自适应蚁群算法最优PID控制[J];电子学报;2006年06期
1 宁静;王桂棠;吴黎明;刘军;;基于自适应挥发因子蚁群算法的Zigbee路由协议[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年
2 张开飞;黄道;;基于改进蚁群算法的车辆路径问题研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年
3 许�;陈国仁;张利萍;;应用于拣选操作的自动化立体仓库作业优化调度[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年
4 龙栋材;李斌兵;;蚂蚁算法在导航系统中的应用研究[A];第四届海峡两岸GIS发展研讨会暨中国GIS协会第十届年会论文集[C];2006年
5 赵磊;黄道;;基于蚁群算法的化工过程故障诊断[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年
6 许(王莹);陈国仁;张利萍;;应用于拣选操作的自动化立体仓库作业优化调度[A];先进制造技术论坛暨第三届制造业自动化与信息化技术交流会论文集[C];2004年
7 段海滨;王道波;于秀芬;;基于混合优化策略的连续域蚁群算法改进研究[A];2006中国控制与决策学术年会论文集[C];2006年
8 陆凯峰;彭力;;基于改进蚁群优化算法的机器人路径规划[A];2007中国控制与决策学术年会论文集[C];2007年
9 许志红;张培铭;;基于蚁群算法的智能交流接触器优化设计[A];中国电工技术学会低压电器专业委员会第十二届学术年会论文集[C];2005年
10 石为人;余兵;张星;;单机作业下的提前/脱期问题的蚁群调度优化算法[A];中国仪器仪表学会测控技术在资源节约和环境保护中的应用学术会议论文集[C];2001年
1 郭建宏;林副产品配送优化辅助决策模型及GIS集成研究[D];北京林业大学;2008年
2 杨剑峰;蚁群算法及其应用研究[D];浙江大学;2007年
3 曾洪涛;基于Community Intelligence的水电企业模型及应用研究[D];华中科技大学;2006年
4 徐俊杰;元启发式优化算法理论与应用研究[D];北京邮电大学;2007年
5 丁铸;基于群智能的区域防空作战指挥决策研究[D];南京理工大学;2007年
6 向阳;移动Ad Hoc网络QoS路由技术研究[D];武汉理工大学;2007年
7 李澄非;计算智能方法研究及其在流程工业中应用[D];北京化工大学;2007年
8 柯晶;强跟踪状态估计与群集辨识[D];浙江大学;2003年
9 程铁信;大型工程项目物流风险分析与管理研究[D];天津大学;2003年
10 韩勇;物流园区系统规划的理论、方法和应用研究[D];天津大学;2003年
