1. 课程导论与场景认知
大家好，我是你们这门课的主讲。在机器人行业摸爬滚打了十来年，我见过不少“看起来很酷，一跑就撞”的机器人。今天咱们开篇，先聊聊最核心的问题——到底什么是复杂避障？我们为什么非得做路径规划？
说白了，复杂避障就是让机器人在一个充满不确定性的环境里，自己找到一条能走、走得稳、走得快的路。你想想看，如果只是空荡荡的大厅，那谁都会规划。但现实世界不是这样的。
核心定义：复杂避障 = 动态障碍物 + 非结构化环境 + 运动学约束 + 实时性要求
1.1 我眼中的“复杂”到底指什么？
很多同学一开始觉得，避障不就是绕开桌子椅子吗？嗯，没那么简单。我在做仓储机器人项目时遇到过这样一个场景：机器人要穿过一条窄通道，通道里有人走动，有叉车临时停靠，地上还有散落的纸箱。这还没完，货架上的光照会突然变化，激光雷达偶尔会扫到反光条……
这才是真正的“复杂”。我把它拆成四个维度：
- 环境动态性：障碍物不是静止的。人、车、门，随时在动。
- 感知不确定性：传感器有噪声，有盲区。你看到的“墙”可能只是灰尘。
- 运动学约束：车不是点，它有尺寸、有转弯半径。阿克曼底盘和差速底盘，规划思路完全不同。
- 实时性要求：规划不能慢。你算三秒，机器人已经撞上去了。
一个小经验：我曾经在调试时发现，算法在仿真里跑得完美，一到真实场景就频繁卡死。后来排查了一周，发现是激光雷达的更新频率和规划器的频率没对齐。这种坑，书本上很少讲。
1.2 为什么需要路径规划？直接遥控不行吗？
你可能会问：我让人远程遥控机器人，不也能避障吗？
答案是：可以，但效率极低，而且不可靠。我参与过一个户外巡检项目，现场有几十台机器人同时工作。如果每台都靠人遥控，那得配一个连的人。更关键的是，遥控有延迟，信号一断，机器人就傻在原地。
路径规划的价值在于：
- 自主性：机器人自己决策，不需要人一直盯着。
- 最优性：能找到最短、最安全、最省电的路径。
- 可扩展性：多台机器人可以协同工作，互不干扰。
- 鲁棒性：遇到突发障碍，能实时重规划。
说白了，路径规划就是给机器人装上“大脑”。没有它，机器人就是个遥控玩具。
1.3 课程目标与项目全景图
这门课的目标很明确：让你从零开始，掌握一套能用在真实复杂场景中的路径规划方法。不是只讲理论，也不是只调包。
我们会一起完成一个完整的项目：从地图构建、全局规划、局部规划，到最后的实车部署。每一步我都会结合自己踩过的坑来讲。
注意：这门课不是入门课。你需要有基础的ROS和Python知识。如果你还不会写一个简单的发布订阅节点，建议先补一下基础。
下面这张图，是我们整个课程的知识体系。你可以把它当作一张“藏宝图”，每学完一章，就点亮一个节点。
从这张图你能看到，我们不是一上来就讲算法。先打基础，再逐步深入。每一章都是下一章的铺垫。我个人习惯是，学完一章后，回头再看这张图，你会发现自己站的位置越来越靠右。
1.4 一个简单的例子：从A到B，到底有多难？
假设你的机器人要从房间的A点走到B点。中间有一张桌子、一把椅子、一个正在走动的人。
最简单的做法：画一条直线。但直线会撞到桌子。
改进一下：绕开桌子。但椅子又挡住了。
再改进：同时绕开桌子和椅子。但人突然走了一步，路径又失效了。
这就是复杂避障的缩影。你需要一个算法，能实时感知环境变化，快速重新规划路径，同时还要保证路径平滑、不抖动、不原地打转。
一个小技巧：我在做动态避障时，喜欢把“预测”也加进去。不是等人走到你面前才躲，而是根据人的运动趋势，提前规划一条“预判性”的路径。效果会好很多。
1.5 你需要准备什么？
工欲善其事，必先利其器。这门课我们会用到以下工具和库：
| 工具/库 | 用途 | 版本建议 |
|---|---|---|
| ROS (Noetic 或 Humble) | 机器人操作系统，通信框架 | Noetic (Ubuntu 20.04) 或 Humble (Ubuntu 22.04) |
| Python 3 | 主要编程语言 | ≥ 3.8 |
| NumPy / SciPy | 数值计算与优化 | 最新稳定版 |
| OpenCV | 图像处理（可选） | ≥ 4.5 |
| Gazebo / Stage | 仿真环境 | 与ROS版本匹配 |
嗯，这里要注意：ROS版本选错了，后面很多包会装不上。我个人建议用Noetic，社区支持最成熟。
1.6 写在开头的话
做路径规划，有时候挺折磨人的。你可能调了一整天参数，机器人还是撞墙。但别灰心，我当年也是这样过来的。
记得有一次，我在现场调试AGV，它总是在同一个位置急停。我查了地图、查了代价函数、查了传感器，最后发现是地面有一块黑色的胶带，被激光雷达误识别成了障碍物。这种问题，光靠看书是学不到的。
所以，这门课我会尽量把“书上学不到的东西”也讲给你听。希望你能少走一些弯路。
准备好了吗？我们开始吧。