本文目录
文章大致来源：
问题背景：
机器人通过栅格地图进行路径规划时，根据静态障碍物得到全局路径。通过各种路径规划算法，如 Dijkstra's，A*，D-star，RRT等，规划出的路径都存在直线之间有急剧拐弯（曲率变化大）的问题，对于实际机器人是没办法连续完成这样的路径的，大多需要停止运动转向继续行驶，这样的话能量消耗较大且工作效率较低。针对这个问题就需要对寻找到的路径进行平滑处理。
解决思路：
将路径修改为各段各点间 ①速度 ②加速度 ③曲率 三部分连续
优化方法：
- 多项式插值
插值法用于路径平滑十分原始，有两个缺点：①计算复杂度高；②Runge's 现象；
（Runge's现象为龙格现象，即随着插值节点个数增加，反而不能更好地逼近被插值函数的现象。理论了解：函数逼近——拉格朗日插值下的(Runge)龙格现象 | 北太天元 or matlab )
对于路径优化的应用：平滑轨迹插值方法之多项式插值（附代码） - 贝塞尔曲线
贝塞尔曲线是应用于二维图形应用程序的数学曲线，由一组称为控制点的向量来确定，给定的控制点按顺序连接构成控制多边形，贝塞尔曲线逼近这个多边形，进而通过调整控制点坐标改变曲线的形状。控制点的作用是控制曲线的弯曲程度理论了解：详解样条曲线（上）（包含贝塞尔曲线）
对于路径优化的应用：【路径规划】局部路径规划算法——贝塞尔曲线法（含python实现 | c++实现） - 三次样条曲线
理论了解：基于三次样条插值的路径规划算法
对于路径优化的应用： - B样条曲线
理论了解：详解样条曲线（上）（包含贝塞尔曲线）
对于路径优化的应用：基于B-spline的轨迹优化 - NURBS 曲线
理论了解：
对于路径优化的应用： - Dubin's曲线
理论了解：
对于路径优化的应用： - Clothoid曲线
理论了解：
对于路径优化的应用： - Hypocycloid
理论了解：
对于路径优化的应用： - Reeds-Shepp Curves
理论了解：
对于路径优化的应用： - Balkcom-Mason 曲线
理论了解：
对于路径优化的应用：
