01
路径规划概述
什么是路径规划 · 应用领域（机器人/自动驾驶/无人机）· 课程目标与学习路径
概念导学
02
环境建模基础
栅格地图 · 几何地图 · 拓扑地图构建方法与适用场景
地图建模
03
全局 vs 局部路径规划
区别、联系、典型算法概览
分类概览
04
Dijkstra算法原理
算法思想 · 伪代码 · 时间复杂度 · 优缺点
经典图搜索
05
Dijkstra算法实战
Python实现 · 参数调节（网格权重）· 避坑指南
编码调参
06
A*算法原理
启发式函数 · f=g+h详解 · 与Dijkstra对比
启发式核心
07
A*算法实战
Python实现 · 启发式函数选择（曼哈顿/欧氏）· 参数调优
实现距离
08
A*算法进阶
双向A* · 动态加权A* · 跳点搜索JPS原理
加速JPS
09
RRT算法原理
快速随机搜索树 · 算法流程 · 概率完备性
采样随机
10
RRT算法实战
Python实现 · 步长参数调节 · 目标偏置策略
编码步长
11
RRT*算法
渐近最优性 · 重连机制 · 与RRT对比实验
最优重连
12
Informed RRT*
采样空间优化 · 椭圆子集采样 · 收敛速度提升
高效椭圆
13
PRM算法原理
概率路线图 · 学习/查询阶段 · 参数影响
路线图概率
14
PRM算法实战
Python实现 · 采样点数与连接距离参数调节
实现采样
15
Lazy PRM & 延迟碰撞检测
延迟碰撞检测 · 效率优化
优化惰性
16
局部路径规划概述
DWA · TEB · MPC 方法概览
局部概览
17
DWA算法原理
速度空间搜索 · 评价函数（方位角/速度/障碍物距离）
动态窗口评价
18
DWA算法实战
Python实现 · 权重参数调节（alpha/beta/gamma）
调参权重
19
TEB算法原理
轨迹优化 · 时间最优 · 约束处理
时间弹性优化
20
TEB算法实战
Python实现 · 参数调节（轨迹分辨率/权重）
实现分辨率
21
MPC路径规划
模型预测 · 滚动优化 · 反馈校正 · 与DWA/TEB对比
MPC预测
22
混合A*算法
自动驾驶泊车 · Reeds-Shepp曲线 · 非完整约束
泊车混合
23
路径平滑技术
B样条曲线 · 贝塞尔曲线 · 三次样条插值
平滑样条
24
多机器人路径规划
冲突检测 · 优先级规划 · 协同A*
多机器人协同
25
动态环境路径规划
重规划策略 · D* Lite算法原理与实战
动态D* Lite
26
算法选型方法论
场景分析（静态/动态/已知/未知/2D/3D）· 性能指标
选型方法论
27
参数调节通用技巧
网格搜索 · 随机搜索 · 贝叶斯优化 · 可视化调参
调参自动化
28
路径规划评估指标
路径长度 · 计算时间 · 成功率 · 平滑度 · 安全裕度
评估指标
29
综合实战项目（上）
ROS+Gazebo测试环境 · A*与DWA联合导航
ROS联合
30
综合实战项目（下）
参数调节对比实验 · 性能分析 · 课程总结与未来方向
总结对比