3. OMPL规划器详解
说到MoveIt的避障规划，OMPL是绕不开的核心。我刚开始接触MoveIt时，面对OMPL里那一堆算法名字——RRT、RRT*、PRM、EST、KPIECE……说实话，有点懵。每个算法都号称能规划路径，但到底该用哪个？参数怎么调？
这一章，我就带你把这些算法理清楚。咱们不搞学术那一套，就讲实际干活时怎么选、怎么配。
OMPL是什么？
OMPL的全称是Open Motion Planning Library，一个开源的运动规划库。MoveIt默认就用它来做路径规划。说白了，OMPL就是一群规划算法的集合，你给它一个起点、一个终点、一个环境地图，它帮你找出一条能走的路。
我个人的习惯是，把OMPL理解成一个工具箱。里面有不同的工具（算法），有的适合开阔空间，有的擅长狭窄通道，有的追求最优解，有的只求快速找到一条可行路径。
核心要点：OMPL不直接处理机器人的运动学模型，它只负责在配置空间（C-Space）中搜索路径。机器人具体的关节限制、碰撞检测，由MoveIt的其他模块处理。
OMPL算法家族概览
OMPL里的算法大致分两类：基于采样的和基于搜索的。实际工程中，我们主要用基于采样的算法，因为它们在高维空间里表现好。
下面这张图是我自己整理的OMPL算法家族关系，你看一眼就能明白大概。
嗯，这张图基本把OMPL的算法家族说清楚了。实际项目中，90%的场景用几何探索类就够了。控制空间类主要用在有动力学约束的机器人上，比如移动底盘、无人机。
RRT与RRT*：快速探索随机树
RRT（Rapidly-exploring Random Tree）是OMPL里最经典的算法。它的思路很简单：从起点开始，随机向空间里撒点，每次把新点连接到最近的树上，直到树长到终点附近。
你想想看，这就像在黑夜里用手电筒探路。你只能照亮眼前一小块，然后一步步往前走。RRT就是这种「走一步看一步」的策略。
RRT* 是RRT的升级版。它多做了两件事：
- 重新选择父节点：每次加入新节点后，检查附近有没有更短的路径可以连过来
- 重新布线：如果新节点能让附近节点的路径变短，就更新它们的连接关系
我在项目中遇到过这样一个场景：用RRT规划一条7轴机械臂的路径，每次都能找到路径，但路径弯弯绕绕，机器人走起来像喝醉了酒。换成RRT*后，路径平滑了很多，虽然规划时间多了30%，但执行效率反而更高了。
我的经验：如果对路径质量要求不高，只求快速找到一条可行路径，用RRT-Connect（双向RRT）。如果追求路径最优，用RRT*。RRT*的代价是规划时间更长，但路径更短、更平滑。
PRM：概率路线图
PRM（Probabilistic Roadmap）的思路和RRT完全不同。它先在整个空间里随机撒点，然后连接相邻的点，构建一张「路线图」。规划时，只需要把起点和终点连到这张图上，然后搜图就行了。
PRM适合什么场景？我举个例子。假设你要让机器人在一个固定的工作站里反复执行任务，环境基本不变。用PRM，你只需要建一次路线图，后面每次规划都是秒级完成。
PRM有两个阶段：
- 学习阶段：随机采样，构建路线图。这个阶段比较耗时
- 查询阶段：把起点终点连到图上，搜索路径。这个阶段非常快
我曾经在一个汽车焊装产线项目里用过PRM。工作站里有几十个夹具和焊枪，环境复杂但固定。用PRM建图花了大概5分钟，但后面每次规划只需要0.2秒。相比之下，RRT每次都要重新探索，平均要1.5秒。对于产线节拍来说，PRM的优势很明显。
注意：PRM不适合动态环境。如果障碍物经常移动，路线图需要频繁重建，反而比RRT更慢。另外，PRM在狭窄通道场景下表现不好，因为随机采样很难采到狭窄区域里。
配置OMPL规划器参数
好了，算法选好了，接下来就是调参数。OMPL的规划器参数主要在ompl_planning.yaml里配置。我直接给你看一个实际项目中的配置示例：
# ompl_planning.yaml 示例
planner_configs:
RRTConnectkConfigDefault:
type: geometric::RRTConnect
range: 0.1 # 扩展步长，单位：弧度
goal_bias: 0.05 # 向目标点偏置的概率
border_fraction: 0.9 # 边界采样比例
RRTstarkConfigDefault:
type: geometric::RRTstar
range: 0.15
goal_bias: 0.05
delay_collision_checking: 1 # 延迟碰撞检测，提高速度
PRMkConfigDefault:
type: geometric::PRM
max_nearest_neighbors: 10 # 每个点的最大邻居数
max_sampling_attempts: 100 # 最大采样尝试次数
# 为不同规划组分配规划器
arm_group:
planner_configs:
- RRTConnectkConfigDefault
- RRTstarkConfigDefault
- PRMkConfigDefault
projection_evaluator: joints(shoulder_pan_joint, shoulder_lift_joint)
longest_valid_segment_fraction: 0.01参数调优，我个人的经验是抓住几个关键点：
| 参数名 | 作用 | 调优建议 |
|---|---|---|
| range | 每次扩展的最大步长 | 值越大，探索越快，但容易跳过狭窄通道。一般设0.05-0.2 |
| goal_bias | 向目标点采样的概率 | 值越大，规划越快，但容易陷入局部最优。一般设0.05-0.1 |
| max_nearest_neighbors | PRM中每个点的邻居数 | 值越大，路线图连通性越好，但建图越慢。一般设10-30 |
| longest_valid_segment_fraction | 路径离散化精度 | 值越小，碰撞检测越精确，但规划越慢。一般设0.01-0.05 |
我曾经踩过一个坑：把range设得太大，结果RRT每次扩展都跳过障碍物之间的缝隙，死活找不到路径。后来把range从0.5降到0.08，路径就出来了。所以，range这个参数，小了安全但慢，大了快但容易漏掉路径。
调参小技巧：先设一个较大的range（比如0.2）和较小的goal_bias（0.05），看能不能找到路径。如果找不到，逐步减小range。如果找到了但路径太绕，增大goal_bias或换用RRT*。
还有一个参数容易被忽略——projection_evaluator。这个参数告诉OMPL如何把高维关节空间投影到低维，用于计算距离和最近邻搜索。默认用前两个关节，但如果你的机器人有特殊构型，可以自定义投影方式。
嗯，关于OMPL规划器的核心内容就这些。记住一句话：没有最好的算法，只有最合适的算法。RRT-Connect适合快速找路，RRT*适合追求最优，PRM适合固定环境多查询。参数调优时，range和goal_bias是最先要调的。
可可精品资料库