图搜索法可视图法1979年提出机器人由点来描述障碍物用多边形来描述组合连接各顶点且各顶点间连线时可见的再利用优化算法搜索从起点S到终点G的最优路径。Dijkstra算法属于广度优先的状态空间搜索算法耗时间与空间较大维护两个顶点集合第一个集合初始含源点每次从另一个集合中选取最短路径点到前集合中直到另一个结合为空。A*算法为了解决Dijkstra算法效率低的问题作为一种启发式算法被提出。该算法在广度优先的基础上加了一个估价函数。f(n)g(n)h(n)f(n)g(n)h(n)f(n)g(n)h(n)其中g(n)称为耗散函数表示从起始节点到节点n的实际代价。h(n)称为启发函数表示节点n到目标节点的估计代价。距离表中按f(n)排序。启发函数的取值可以是两点间的欧式距离或曼哈顿距离绝对轴距之和等。需要维护open list及close list和路径代价G、H和F。是一个可采纳的最好优先算法。RRT算法快速搜索随机树算法Rapidly Exploring Random Tree是一种增量式采样的搜索方法。每次随机生成一个点从树中找到与其最近节点后朝随机点方向生长一段距离如非障碍物则加入树中否则放弃这次生长。概率完备非最优。滚动在线RRT算法人工势场法基本思想是将目标和障碍物对机器人运动的影响具体化成人造势场。目标处势能低障碍物处势能高。这种势差产生了目标对机器人的引力和障碍物对机器人的斥力其合力控制机器人沿势场的负梯度方向向目标点运动。优点计算方便、得到的路径安全平滑缺点复杂势场环境可能导致机器人无法到达目标。BUG算法原理类似昆虫爬行的运动决策策略。在未遇到障碍物时沿直线向目标运动在遇到障碍物后沿着障碍物边界绕行并利用一定的判断准则离开障碍物继续直行。计算方便不需要获知全局地图和障碍物形状具备完备性。但是生成的路径不够平滑对机器人的各种微分约束适应性比较差。增量式启发算法LPA*算法D* Lite算法总结人工势场法应用灵活可以在保证安全的情况下获得一条平滑路径并且对于动态环境可以实现实时运动控制适合于长距离机动且障碍物较少的情况。而基于随机采样的搜索树方法可以在复杂约束环境中获得可行解适合于机械臂近距离操作。