很长一段时间以来一直开放的本地计划算法具有很好的实际使用效果，但我从未仔细阅读过。最近，我有时间仔细组合此代码。
在阅读LocalPlanner的本地路径计划代码之前，您必须首先了解其本地路径的处理过程。要进行详细的分析，请参阅博客：MATLAB使用Sampling离散点来制作三个路模拟三个样本以生成
GitHub地址：LocalPlanner.CPP自主探索开发环境和计划算法似乎尚未发布，因此只有该部分只能被代码慢慢刺伤。
通过阅读代码的这一部分，在我的理解中，路径规划师的主要思想是通过点云数据找到障碍，然后消除障碍物的路径线。保持可通过的路径，选择一个更合适的本地路径所有可通过的路径！
Local Planner中定义了太多的参数，并且根据您自己的理解引入了一些参数。有些参数了解错误或不理解，欢迎纠正我?
首先，关于LocalPlanner中的坐标系，因为它在模拟环境中运行，因此点云数据在下面，但是作为本地规划师，当在真实的汽车中使用时，点云数据应为LIDAR雷达在下面，将在后续应用中更改。
从数据的输入开始，LocalPlanner可以接收原始的点云数据，也可以在接地细分后接收点云数据，可以通过参数调整。两种输入数据类型之间的差异将在代码中引入。
在激光点云的回调函数中，前面已经提到，在仿真环境中，本地规划仪是坐标系中的完整点云映射，因此，此处完整的点云映射是根据车辆根据车辆所根据根据车辆的车辆，车辆是根据车辆进行的。位置被削减，仅保留在车辆附近的点云数据。在实际使用过程中，可以删除该部分的代码。地面分割后的点云数据处理也一样。
将添加地面分割之后的原始点云数据或点云数据。但是，当您选择使用地面后的点云数据时，即在当时不会再次使用原始点云数据。
。
在此代码的实际使用中，无需旋转转换，但是如果要剪切真实的云数据，也可以根据距离过滤，但含义不大，因为真实- 该系统的时间性质已经很高。
除了实时点云信息外，输入数据还具有离线路径信息。在MATLAB中，使用离散点模拟了三个类似样本-to订单的单击此博客的方式，已详细分析了有关路径信息的路径信息信息，请访问：（1）：（1）第一个采样（2）路径点集
（3）每个路径的最后一个路径点（4）路径点和碰撞细菌网格的索引关系！[在此处插入图片说明]（https://img-blog.csdnimg.cn/cbcc1c42464d20999201d269999999999999999999d0.png？
这样，整个系统的初始化已经完成，并且数据已完全准备就绪。
原始：https：//juejin.cn/post/7099280519711424526