路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

目录

• 0 专栏介绍
• 1 什么是LPA*算法？
• 2 LPA*算法核心概念一览
• 3 LPA*算法流程
• 4 步步图解：算法实例
• 5 算法仿真与实现
• • 5.1 ROS C++实现
  • 5.2 Python实现

0 专栏介绍

🔥附C++/Python/Matlab全套代码🔥课程设计、毕业设计、创新竞赛必备！详细介绍全局规划(图搜索、采样法、智能算法等)；局部规划(DWA、APF等)；曲线优化(贝塞尔曲线、B样条曲线等)。

🚀详情：图解自动驾驶中的运动规划(Motion Planning)，附几十种规划算法

1 什么是LPA*算法？

在路径规划 | 图解动态A*(D*)算法(附ROS C++/Python/Matlab仿真)中我们介绍了D*算法，它最大的优势是可以同时兼容静态环境和存在未知动态变化的场景。

然而，D*虽然具备动态性，但由于算法只传播障碍信息，故规划路径只能保证可行性。例如D*算法中的实例

在将障碍移除后，该信息不会被感知。而终身规划A*(Lifelong Planning A*, LPA*)算法