1 摘要
利用b样条的凸包特性，结合欧几里得距离场的梯度信息和动态约束，采用b样条优化算法提高了轨迹的光滑性和间隙。最后，通过将最终轨迹表示为非均匀b样条，采用迭代时间调整方法保证轨迹的动态可行性和非保守性。
2 相关工作
硬约束方法
硬约束方法的首创是最小snap轨迹生成Minimum snap trajectory generation and control for quadrotors | IEEE Conference Publication | IEEE Xplore.，其中轨迹表示为分段多项式，并通过求解二次规划( quadratic programming, QP)问题生成。硬约束方法通过凸形式保证全局最优性。然而，忽略了自由空间中与障碍物的距离，这往往导致轨迹接近障碍物。此外，动力学约束是保守的，使轨迹速度不足，以快速飞行。
软约束方法(本文选用的)
也有方法将轨迹生成作为一个非线性优化问题，考虑平滑和安全。软约束方法利用梯度信息推动轨迹远离障碍物，但存在局部极小问题，没有很强的成功率和动力学可行性保证。我们的优化方法还利用梯度信息提高了轨迹的安全性。然而，与以往计算昂贵的沿轨迹线积分的方法不同，基于b样条的凸包特性，将公式设计得更加简单。它大大提高了计算效率和收敛速度。
3 运动动力学路径搜索
前端运动学路径搜素源于自动汽车的混合A*(hybrid-state A*)搜索算法，其可再体素网格网络中搜索一个安全的，运动学可行的、且相对时间以及控制成本最低的轨迹。
未完待续~~~
