近年来随着智能汽车的发展，出现了很多关于汽车运动的控制算法，包括方向控制算法、速度控制算法以及方向与速度综合控制算法。虽然这些算法大多不以驾驶员模型命名，但实质上它们无一例外地描述了驾驶员对汽车运动的某种控制行为，从广义上来说这些控制算法从属于驾驶员模型。大多数现有模型仍属于跟随既定轨迹或既定速度曲线的跟随控制模型，只有少数模型具有实时决策预期轨迹的功能。根据决策时所采用的优化变量不同，具有轨迹决

RRT与其他算法进行对比RRT 经历长时间发展，取得了大量的研究成果。然而，优化后的路径与最优路径仍有一定差距。主要原因在于改进的 RRT*算法需要不断调整步长以提高路径精度，生成最优路径所消耗的内存资源及计算时间呈指数增长，不适于实际应用的机器人系统。此外，环境中的不规则障碍物区域采样、机器人的传感器精度、路面的凹凸性等因素也会影响路径质量。

      1968年发明的A*算法就是把启发式方法（heuristic approaches）如BFS，和常规方法如Dijsktra算法结合在一起的算法。     A-Star算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。

本部分结合了网上的一些资料以及自己的一些理解，可能不一定正确，部分步骤有所省略，具体可参考文末参考文献。定义两个点云集合Pp1p2pnPp1​p2​...pn​Qq1q2qnQq1​q2​...qn​，其中PPP为参考点云集合，QQQ为数据点云集合。点云的配准即是需要将QQQ通过一系列的旋转与平移得到目标PPP，实际上两个点云集合不会完全相同，所以往往无法得到准确的RRR和ttt。

地图的比例尺导航电子地图制作流程自动驾驶地图的定义高精度自动驾驶地图与导航地图的区别与关联高精度地图特征自动驾驶高精地图制作流程自动驾驶地图现状与趋势。

超声波传感器原理及传感器分类超声波传感器的工作原理超声波传感器的优缺点。

智能车辆包含环境感知、规划决策、车辆控制三大部分：环境感知模块用来处理车上传感器的数据，获得自身车辆位置、路网结构、动静态障碍物位置等外界环境信息。规划决策模块作为智能车辆的大脑，决定智能车辆的驾驶行为以及期望路径。车辆控制模块将期望速度、转角等转变为车辆执行器控制量，控制车辆沿指定轨迹行驶。

自主避障功能的实现主要依赖于运动规划模块和定位与建图模块。自主避障模块接收由运动规划模块计算出的轨迹、定位模块所提供的车辆位置信息以及建图模块提供的地图信息，对轨迹进行适当的调整，并在必要时改变它（通常是降低速度），最后将该调整结束的轨迹传给控制模块进行车辆控制，以达到避障的功能。

这个学期学校开设了相应的课程，同时也在学习古月居机器人学系列的《基于栅格地图的机器人路径规划指南》，为了巩固知识，方便自己的学习与整理，遂以学习笔记的形式记录。

这个学期学校开设了相应的课程，同时也在学习古月居机器人学系列的《基于栅格地图的机器人路径规划指南》，为了巩固知识，方便自己的学习与整理，遂以学习笔记的形式记录。人工势场法本质上是一种控制方法，其轨迹并非像其他规划算法一样，而是由实时的控制量产生的。MATLAB实现人工势场法