多目标路径规划：IMOMD-RRT*算法详解

---

多目标路径规划项目结构与关键算法解析

一、项目版本概览

该路径规划项目共包含两个主要版本：

两个版本的共同点：

• 配置文件路径：config/algorithm_config.yaml

  • system: 使用不同算法的编号

  • destination: 定义目标点的 ID 列表

  • map: 指定使用的地图文件

  • pseudo:

    • 1: 仅规划起点到终点
    • 0: 多目标路径规划

---

两个版本的区别：

✅ 新版特点：

• 路径生成由 src/main 可执行文件完成；
• 支持三种算法生成 .csv 文件（保存在 experiments/ 文件夹中）；
• plot_result.py 可生成可视化对比曲线，展示多个指标下的三种算法表现；
• 需手动将 .csv 文件放入脚本指定路径才能正确绘图。

✅ 旧版特点：

• 支持 实时 RViz 可视化路径；
• 启动：launch/osm.launch；
• driver_mode = 1：使用 algorithm_config.yaml 中定义的目标点；
• driver_mode = 0：用户在 RViz 中手动打点生成路径；
• ⚠️ 修改 driver_mode 后需重新 catkin_make；
• num_objectives 仅在 driver_mode=0 时生效；
• 路径显示数量取决于 destination 参数设置。

---

两版本的联系：

• 旧版本 RViz 显示路径后会自动将路径数据生成到新版的 experiments/ 文件夹中对应的 .csv 文件。

---

二、TSP 与 R-TSP 问题引入

经典 TSP（Traveling Salesman Problem）：

寻找一个旅行商经过所有城市一次并返回起点的最短路径，是组合优化与图论的重要问题。

本项目所用 R-TSP（Relaxed TSP）：

• 宽松版本 TSP，允许一个点被访问多次；
• 但仍需保证路径的 起点和终点顺序；
• 更贴合机器人/小车复杂路径规划实际需求。

---

三、路径规划中的伪目标点与陷阱处理

❓ 问题：什么是“逃离陷阱”？为什么要引入伪目标点？

✅ 回答：

在路径规划中，陷阱指的是算法陷入局部最优解，无法走出当前区域或错误路径。

引入采样算法的意义：

• 避免陷入局部最优；
• 随机性采样 → 提高全局探索能力；
• 常见方法如蒙特卡洛采样。

伪目标点（Pseudo-Destination）作用总结：

1. 避免局部最优陷阱；
2. 辅助避障，临时绕行；
3. 优化路径质量；
4. 支持动态环境下的实时调整。

✅ 本质是提升算法在复杂环境下的灵活性与鲁棒性。

---

四、IMOMD-RRT* vs. RRT* 的六大区别

编号	区别点说明
①	RRT* 随机全图采样，IMOMD-RRT* 仅在道路上可能的点进行采样
②	IMOMD 从路径中途的可扩展点采样作为 Vrand，而非直接从树中节点采样
③	给 Vnew 节点重新选择最优父节点，最小化总成本
④	使用跳点搜索（Jump Point Search）加速树扩展
⑤	对邻域节点进行重新布线以优化树结构
⑥	若某点连接了两棵树，该点被视为连接点（桥接）

---

五、为什么 RRT* 有图还需求 R-TSP？

虽然 RRT* 可生成有权图，但：

• RRT* 专注于“到达一个目标点的最短路径”；
• R-TSP/IMOMD-RRT* 关注“在多个目标之间如何选择顺序”；
• 二者解决的问题层级不同，IMOMD 解决的是路径排序 + 连接优化的组合优化问题。

---

️ 六、ROS 路径规划中的地图与定位机制详解

map_server 与 move_base

• map_server 节点发布 /map 静态地图；

• 若不启动 map_server，/map 话题为空；

• move_base 核心导航模块，依赖 /map；

  • 订阅 /map，生成 全局/局部代价地图；
  • 若无 /map，则无法生成有效代价地图。

---

Cartographer 与 Relocation 重定位

• 推荐用 cartographer 自带的 .pbstream 发布 /map；
• 启动更快，定位更精准；
• 若用 .pgm + map_server，Cartographer 定位慢、误差大；
• 初始位置错误时，可自动重定位，但耗时长、稳定性差。

修改 cartographer 初始定位教程：传送门

---

代价地图结构理解

名称	功能
静态地图层	显示全局障碍
障碍物地图层	实时探测障碍
膨胀层（inflation）	扩大障碍半径，保障路径安全

• 全局代价地图：

  • 基于静态地图生成；
  • 膨胀区域持续保持；

• 局部代价地图：

  • 以机器人为中心，实时更新；
  • 仅维护当前运动范围。

---

七、实用技巧与建议

• amcl 初始位置可通过 RViz 中的“2D Pose Estimate”手动设定；
• 每次修改 driver_mode 或目标点后记得重新 catkin_make；
• .csv 输出路径文件可用于后续路径指标评估和绘图；
• 合理使用伪目标点与多目标策略，提升在复杂环境下的鲁棒性。