pathPlannerRRT

配置RRT *路径规划

扩大所有页面

描述

该pathPlannerRRT对象配置基于最优快速随机树（RRT *）算法的车辆路径规划。一个RRT *路径规划通过构建随机无碰撞姿势的树探索车辆周围的环境。

一旦pathPlannerRRT对象已配置，请使用计划功能计划从一开始就构成了对目标的路径。

创建

句法

规划人员= pathPlannerRRT（costmap）

规划师= pathPlannerRRT (costmap、名称、值)

描述

例

规划师= pathPlannerRRT (costmap）回报pathPlannerRRT用于规划车辆路径的对象。costmap是一个vehicleCostmap对象确定车辆周围的环境。costmap设置Costmap属性值。

规划师= pathPlannerRRT (costmap，名称,值）套性能通过使用一个或多个名称值对自变量的路径规划器。例如，pathPlanner (costmap GoalBias, 0.5)设置GoalBias属性，以0.5的概率。在引号中每个属性的名称。

属性

全部展开

`Costmap`-车辆环境成本图
`vehicleCostmap`宾语

车辆周围环境的Costmap，指定为vehicleCostmap宾语。所述costmap用于随机产生的姿势碰撞检测。在创建时，指定此costmap您pathPlannerRRT对象使用costmap输入。

`GoalTolerance`-围绕目标姿态宽容
`[0.5 0.5 5]`（默认）|[xTol，yTol，ΘTol]矢量

宽容周围的目标姿态，指定为[xTol，yTol，ΘTol)向量。路径规划器完成规划时，车辆达到目标的姿态在这些公差(X，ÿ）的位置和取向角，Θ。该xTol和yTol值的世界单位与。相同vehicleCostmap。ΘTol是在度。

`GoalBias`-选择目标姿态的概率
`0.1`（默认）|[0,1]范围内的实标量

选择目标位姿而不是随机位姿的概率，指定为[0,1]范围内的实数。较大的数值可以加速实现目标，但存在无法绕过障碍的风险。

`ConnectionMethod`-用于连接姿态的方法
`“杜宾”`（默认）|`“Reeds-Shepp”`

方法用于计算连续的姿势，指定为之间的连接“杜宾”要么“Reeds-Shepp”。使用“杜宾”如果只向前运动是允许的。

该“杜宾”方法包含三个基本动作序列，每一个基本动作都是以下类型之一:

直（向前）
在车辆的最大转向角左转（正向）
在车辆的最大转向角右转（向前）

如果使用此连接方法，则规划的车辆路径的段将存储为driving.DubinsPathSegment对象。

该“Reeds-Shepp”方法包含三个到五个基本动作的序列，每一个基本动作都是以下类型之一:

直线(前进或后退)
车辆最大转向角向左转弯(前进或后退)
在车辆（正向或反向）的最大转向角向右转

如果使用此连接方法，则规划的车辆路径的段将存储为driving.ReedsSheppPathSegment对象。

该MinTurningRadius属性决定最大转向角。

`ConnectionDistance`-最大位姿距离
`五`（默认）|积极的真正的标量

两个连接的姿势之间的最大距离，指定为正实数标量。pathPlannerRRT计算两个姿势之间的连接距离，包括转弯。较大的值导致更长的路径片段之间的姿态。

`MinTurningRadius`-车辆最小转弯半径
`4`（默认）|积极的真正的标量

车辆的最小转弯半径，指定为正实标。此值对应于转弯圆的在最大转向角的半径。较大的值限制用于路径规划器的最大转向角，和较小的值导致急转弯。缺省值是使用2.8米的轴距为35度的最大转向角来计算。

`MinIterations`-最少的计划迭代次数
`100`（默认）|正整数

最小数目规划器迭代探索costmap，指定为一个正整数。增加该值增加在costmap替代路径的采样。

`MaxIterations`-规划师最大迭代次数
`10000`（默认）|正整数

探索成本图的最大计划迭代次数，指定为正整数。增加这个值会增加寻找有效路径的样本数量。如果未找到有效路径，则路径规划器将在超过此最大值后退出。

`ApproximateSearch`-启用近似最近邻搜索
`真正的`（默认）|`假`

启用近似最近邻搜索，指定为真正的要么假。将此值设置为真正的使用更快，但近似的搜索算法。将此值设置为假在增加的计算时间成本，使用精确搜索算法。

对象的功能

`计划`	使用RRT*路径规划器规划车辆路径
`情节`	由RRT* path planner规划的路径

例子

全部折叠

规划通往停车位的路径

打开生活的脚本

使用RRT*算法规划车辆到停车位的路径。

加载一个停车场的成本地图。绘制成本地图，以看到停车场和膨胀的区域，为车辆避免。

data =负载('parkingLotCostmapReducedInflation.mat');costmap = data.parkingLotCostmapReducedInflation;图（costmap）

定义起点和目标姿势的路径规划为[x, y,Θ)向量。世界单位(X，ÿ）位置是在米。世界单位为Θ方向值以度为单位。

startPose = [11, 10, 0];％[米，米，度]goalPose = [31.5，17，90];

创建RRT *路径规划计划从一开始姿势到目标姿势的路径。

规划师= pathPlannerRRT (costmap);refPath =计划(计划、startPose goalPose);

绘制计划的路径。

图（规划师）

路径规划，并检查它的有效性

打开生活的脚本

通过使用最佳的快速随机树（RRT *）算法，通过规划停车场的车辆路径。检查路径是否有效，然后绘制沿路径的转换姿势。

加载一个停车场的成本地图。绘制成本地图，以看到停车场和膨胀的区域，为车辆避免。

data =负载('parkingLotCostmap.mat');costmap = data.parkingLotCostmap;图（costmap）

将车辆的起始姿势和目标姿势定义为[X，ÿ，Θ)向量。世界单位(X，ÿ）位置是在米。世界单位为Θ取向角的单位为度。

startPose = [4,4,90];％[米，米，度]goalPose = [30，13，0];

使用一个pathPlannerRRT目标规划从起始姿势到目标姿势的路径。

规划师= pathPlannerRRT (costmap);refPath =计划(计划、startPose goalPose);

检查路径是否有效。

isPathValid = checkPathValidity（refPath，costmap）

isPathValid =合乎逻辑1

沿路径插入过渡位姿。

transitionPoses =插入(refPath);

在成本图上标出计划的路径和过渡位置。

保持在情节(refPath'显示名称'，“计划路径”)散射(transitionPoses (: 1) transitionPoses (:, 2), [],'填充'，...'显示名称'，“过渡体式”)举行从

提示

更新任何规划者的属性清除从规划路径pathPlannerRRT。调用情节直到一个路径是使用计划只显示costmap计划。
为了提高性能，pathPlannerRRT对象使用近似最近邻搜索。只有这种搜索技术检查SQRT（N）节点，其中，ñ是节点进行搜索的次数。要使用精确最近邻搜索，设置ApproximateSearch属性假。
所述的Dubins和芦苇-Shepp连接方法被认为是可行的运动学和忽略惯性效应。这些方法使路径规划器适合于低速的环境中，其中车轮力的惯性效果小。

参考

[1]卡拉曼，Sertac，和埃米利奥Frazzoli。“最佳Kinodynamic运动规划的增量采样为基础的方法。”第49次IEEE会议决定和控制中心（CDC）。2010。

[2] Shkel, Andrei M.和Vladimir Lumelsky。" Dubins分类集"机器人和自动系统。第34卷，第4期，2001年，第179-202页。

[3] Reeds, J. A.，和L. A. Shepp。“汽车前进和后退的最佳路径。”太平洋数学杂志。第145卷，第2期，1990年，第367-393页。

扩展功能

C / c++代码生成
使用MATLAB®编码器™生成C和c++代码。

使用说明及限制:

该ConnectionMethod，MinIterations，MaxIterations,ApproximateSearch性能必须编译时间常数。

也可以看看

pathPlannerRRT

描述

创建

句法

描述

属性

`Costmap`-车辆环境成本图
`vehicleCostmap`宾语

`GoalTolerance`-围绕目标姿态宽容
`[0.5 0.5 5]`（默认）|[xTol，yTol，ΘTol]矢量

`GoalBias`-选择目标姿态的概率
`0.1`（默认）|[0,1]范围内的实标量

`ConnectionMethod`-用于连接姿态的方法
`“杜宾”`（默认）|`“Reeds-Shepp”`

`ConnectionDistance`-最大位姿距离
`五`（默认）|积极的真正的标量

`MinTurningRadius`-车辆最小转弯半径
`4`（默认）|积极的真正的标量

`MinIterations`-最少的计划迭代次数
`100`（默认）|正整数

`MaxIterations`-规划师最大迭代次数
`10000`（默认）|正整数

`ApproximateSearch`-启用近似最近邻搜索
`真正的`（默认）|`假`

对象的功能

例子

规划通往停车位的路径

路径规划，并检查它的有效性

提示

参考

扩展功能

C / c++代码生成
使用MATLAB®编码器™生成C和c++代码。

也可以看看

功能

块

对象

主题

介绍了在R2018a

自动驾驶工具箱文件

万博1manbetx

用Simulink实现自适应巡航控制器万博1manbetx

pathPlannerRRT

描述

创建

句法

描述

属性

Costmap-车辆环境成本图vehicleCostmap宾语

GoalTolerance-围绕目标姿态宽容[0.5 0.5 5]（默认）|[xTol，yTol，ΘTol]矢量

GoalBias-选择目标姿态的概率0.1（默认）|[0,1]范围内的实标量

ConnectionMethod-用于连接姿态的方法“杜宾”（默认）|“Reeds-Shepp”

ConnectionDistance-最大位姿距离五（默认）|积极的真正的标量

MinTurningRadius-车辆最小转弯半径4（默认）|积极的真正的标量

MinIterations-最少的计划迭代次数100（默认）|正整数

MaxIterations-规划师最大迭代次数10000（默认）|正整数

ApproximateSearch-启用近似最近邻搜索真正的（默认）|假

对象的功能

例子

规划通往停车位的路径

路径规划，并检查它的有效性

提示

参考

扩展功能

C / c++代码生成使用MATLAB®编码器™生成C和c++代码。

也可以看看

功能

块

对象

主题

介绍了在R2018a

自动驾驶工具箱文件

万博1manbetx

用Simulink实现自适应巡航控制器万博1manbetx

`Costmap`-车辆环境成本图
`vehicleCostmap`宾语

`GoalTolerance`-围绕目标姿态宽容
`[0.5 0.5 5]`（默认）|[xTol，yTol，ΘTol]矢量

`GoalBias`-选择目标姿态的概率
`0.1`（默认）|[0,1]范围内的实标量

`ConnectionMethod`-用于连接姿态的方法
`“杜宾”`（默认）|`“Reeds-Shepp”`

`ConnectionDistance`-最大位姿距离
`五`（默认）|积极的真正的标量

`MinTurningRadius`-车辆最小转弯半径
`4`（默认）|积极的真正的标量

`MinIterations`-最少的计划迭代次数
`100`（默认）|正整数

`MaxIterations`-规划师最大迭代次数
`10000`（默认）|正整数

`ApproximateSearch`-启用近似最近邻搜索
`真正的`（默认）|`假`

C / c++代码生成
使用MATLAB®编码器™生成C和c++代码。