本文共 739 字，大约阅读时间需要 2 分钟。
- 小车工作空间用OccupancyGrid表示，其实就是栅格
- 可以用robotics.BinaryOccupancyGrid表示(BinaryOG):1表示障碍物，0表示能走。可以用map = robotics.BinaryOccupancyGrid(10,10,5)命令生成一个BOG，10米乘10米，每米被分成5等份（分辨率为5）,用setOccupancy(map,障碍物坐标,1)可以往map里加障碍物。
- 可以用robotics.OccupancyGrid表示(ProbabilityOccupancyGrid)：1很可能有障碍物，0没啥可能有障碍物
- 给定起点和终点，可以用PRM（prob road map）算法来找一条没有障碍物的路，其基本流程是在平面上随机撒一些点，然后把所有点连起来（不经过障碍物），最后离起点和终点最近的随机点之间的路径就是要的路径。可以用PRMobj = robotics.PRM(map,250)撒250个点到map上，并生成PRM。PRMobj.show可以画出来看，PRMobj.findpath([起点坐标],[目标点坐标])可以找到一条起点到终点的折线并返回折线上每个点的坐标，这个时候再PRMobj.show可以看到这条线。有时候机器人比较大，规划出来的路线可能靠障碍物太近了，这时候可以先把map里的障碍物膨胀一点，再规划路径。
- 用PRM找到了路径，但是这个路径是个折线，这意味如果车速上去了，就容易超出去，（此处还没想明白，暂时不想了），因此要用聪明的方式跟踪这个折线，也就是找一个控制。可以用纯追踪算法
- 一个例子：
转载于:https://www.cnblogs.com/prototyping/p/10847303.html