今天读了一篇关于机器人路径规划的论文，在这里记录一下。
原文：改进 A*和动态窗口法的移动机器人路径规划 ：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=JSJJ2020102300M&v=l5%25mmd2FDG1c37fumFRahpllN7JWV7J8kDILJRNZEVRg08wG9PMHUwc7HUH8oEHwUpjio
1、提出问题
文章提出了结合A*算法和动态窗口法的融合算法。
首先，，使用 A*算法规划出一条全局路径，再利用一种关键折点提取算法，用于剔除全局路径上的冗余拐点及冗余节点，保证路径的全局最优。
然后，根据关键节点对全局路径进行分段，再结合动态窗口法对每段局部路径进行优化，提高路径的安全性和平滑性。
A*算法存在的问题：拐点过多、节点冗余、与障碍物距离近等问题。
动态窗口法：极容易陷入布局最优，寻路成功率低。
2、提出算法
（1）优化A*算法
（a）获取 A*算法所规划路径的全部节点集 ，其中
表示规划路径的起点，
表示规划路径的终点。创建初始值只包含路径起点
和终点
的关键节点集
用来存放算法优化后的关键转折点。
（b）从 开始作直线依次连接
，判断直线
是否经过障碍物，若直线
经过障碍物，则节点
为路径的必经节点，且必为关键转折点，将节点
添加至集合V ；若直线
没有经过障碍物，则判定节点
为冗余节点，从
继续向后连接节点集U 中的节点，直到连接到路径的终点
，将所有的关键节点都添加至集合V 。关键节点选取完成后，集合
包含了所有关键节点，假设集合V 中包含的路径关键节点数为m。
（c）依次连接集合V 中所有的节点，完成对路径的全局优化，路径全局优化步骤图如图
（2）优化动态窗口法
由动态窗口法的原理可知，路径的影响因素主要是移动机器人的航向角和角速度，由于角速度通常是固定配置值，所以影响路径平滑程度和路径长度的主要因素是航向角。航向角偏差越大，所需的转弯距离越长，越容易造成路径的冗余。故本文主要针对航向角进行改进和优化，局部优化的具体步骤如下。
（a）从起点 开始，依次将关键节点集
中除开终点
的所有节点作为局部路径规划的起点
；从第二个节点
开始，依次将集合
中的所有节点作为局部路径规划的终点
，将全局路径分为
共 m-1 段路。
这里没有看懂
（b）计算路径 即原线段
的倾斜角度，计算线段倾斜角度的公式如下。
（c）将路径的倾斜角度转换为弧度值，作为移动机器人的初始航向角，斜率角度转化弧度值的公式如下。
（d）初始化移动机器人的状态参数集 L{l}，其中l{x,y,yaw,v,w} 记录移动机器人路径规划过程中的状态参数，包括位置、航向角、线速度、角速度。
（e）按照实际环境需要，设定移动机器人的初始线速度V（m/s） 、初始角速度 w（rad/s） ，结合前三步得到起点、终点
、初始航向角 yaw(rad) ，综合得到
。
（f）使用动态窗口法进行局部路径规划，并将机器人的所有状态参数更新到到状态参数集L 中，记录路径的所有节点和机器人的位姿信息，每段路径完成后状态参数集变成
表示移动机器人的最新状态参数。
（g）按照式（b）计算下一段路径的倾斜角度 
，同时将机器人上一状态参数l中的 yaw转换为角度值
，弧度值转化为角度值的公式如下。
这里为什么要将机器人的航向角设为yaw/2呢？？？
（h）重复（g）,
图片文字均来自该论文，仅供学习，侵权联删。