01
课程导论与场景认知
什么是复杂避障？为什么需要路径规划？课程目标与项目全景图。
导论全景
02
环境建模基础
栅格地图、代价地图、拓扑地图的构建与选择。
地图建模
03
全局路径规划A*算法
原理、启发函数设计、在栅格地图上的实现。
A*全局
04
A*算法实战
Python实现A*，处理8邻域移动与障碍物碰撞检测。
Python碰撞
05
全局路径规划Dijkstra算法
原理、与A*的对比、适用场景。
Dijkstra对比
06
Dijkstra算法实战
Python实现Dijkstra，可视化路径搜索过程。
可视化搜索
07
局部路径规划DWA算法
动态窗口法原理、速度空间采样、评价函数设计。
DWA局部
08
DWA算法实战
Python实现DWA，模拟动态避障过程。
避障模拟
09
局部路径规划TEB算法
时间弹性带原理、轨迹优化与约束处理。
TEB优化
10
TEB算法实战
Python实现TEB，处理狭窄通道与动态障碍物。
狭窄动态
11
混合路径规划
全局+局部规划融合策略，A* + DWA/TEB协同工作。
混合协同
12
混合规划实战
构建全局地图，实时切换局部规划器，处理突发障碍。
实时切换
13
动态障碍物预测
基于速度的线性预测、基于卡尔曼滤波的轨迹预测。
预测卡尔曼
14
预测与规划融合
将预测信息融入代价地图，实现前瞻性避障。
融合前瞻
15
多机器人协同避障
分布式规划、优先级分配、冲突解决策略。
多机冲突
16
多机器人实战
Python模拟多机器人协同导航，避免死锁。
模拟死锁
17
复杂地形路径规划
非平坦地形代价地图、坡度与粗糙度建模。
地形代价
18
复杂地形实战
在3D点云地图上规划路径，考虑机器人运动学约束。
3D运动学
19
狭窄通道规划
RRT*算法原理、渐进最优性、在狭窄空间的改进。
RRT*最优
20
RRT*算法实战
Python实现RRT*，处理狭窄通道与高维空间。
高维采样
21
未知环境探索
前沿探索法、基于信息论的探索策略。
探索信息论
22
探索与规划结合
SLAM与路径规划协同，边建图边规划。
SLAM协同
23
路径平滑与优化
B样条曲线、贝塞尔曲线、最小 jerk 轨迹优化。
平滑jerk
24
路径平滑实战
对A*生成的折线路径进行平滑处理，生成可执行轨迹。
折线轨迹
25
ROS导航栈实战
move_base框架、costmap_2d配置、全局与局部规划器插件。
ROSmove_base
26
ROS实战
在Gazebo仿真环境中部署完整导航系统，测试复杂场景。
Gazebo仿真
27
性能评估与调优
规划时间、路径长度、成功率、鲁棒性分析。
评估调优
28
真实机器人部署
从仿真到实车，传感器选型、计算资源优化。
部署实车
29
前沿技术展望
基于学习的路径规划（RL、IL）、端到端导航。
RL端到端
30
课程总结与项目答辩
综合项目展示，常见问题与解决方案回顾。
总结答辩