在基于采样的算法里，算是比较好的了。不过采样算法共同的问题都是，在“穿过小缝”这种问题面前，比较无力。例子就是前几天群里大家做的走迷宫的测试。

ompl 没装好吧。看作业文档了吗

@尤家迪 

@何伯特 说得对！至于计算量，计算量不大，因为对于无人机来说，最复杂的莫过于求一个高次多项式的根。

@bmhlkbcj 求解最优T，根源上是为了求解最优的Cost J，对吧？不然你怎么指定每条轨迹该给多少时间？

@bmhlkbcj 没法保证不碰到障碍物和速度加速度约束，这就是个启发式函数啊。你做A*时候算h考虑障碍物了吗

@bmhlkbcj 不用继续产生。让你们写的就是个local planner。实际用的时候，生成了轨迹，机器人前进了一段，然后再局部生成新的轨迹。

@何伯特 无人车应该也有简单的计算方法的。只是我不太了解罢了。

问题有解一定能有限时间内找到；问题有解能以趋近于1的概率找到；在问题以一定分辨率离散化后的空间做到complete .

KRRT* 代价很大，文章提供了一个很好的思路，但是本身算法计算量太大，因此至今没见到实际应用。不过我实验室目前正在推进，可以小小预告一下，几个月内就能看到实用的krrt*了。

就是地图是incremental地一点点建起来，往里增加、更新的。不是每次来了测量就全部抹掉重建地图

t=0的时候，初始状态啊，把0带入方程

@团子 是啊

改代码吧..我没写这种情况的

@mkop 可能是写错了。。

@mkop 我写的 

由 “GridNode 指针 构成的 三维数组”。完事。

@mkop 是

无他唯手熟尔。做机器人的大多数也不是学计算机的，大家都是这么过来的。做好的办法就是从一个工程入手，课程作业恰恰就提供了这样的机会。作业不能按时交没关系，慢慢磨把它写出来吧

有的。JPS的启发式函数的设计，整个算法的流程和A*完全一致