第二章：全局路径规划与局部路径规划：区别与联系、典型算法概览、参数整定的重要性
大家好，欢迎来到《路径规划实战》的第二讲。
上一章我们聊了路径规划的基本概念，很多同学反馈说「全局」和「局部」这两个词听着有点绕。嗯，这很正常。我刚开始接触机器人时，也花了很长时间才搞明白它们到底在干什么。
说白了，全局路径规划是「看地图，定大方向」；局部路径规划是「看眼前，躲障碍」。两者缺一不可。今天我们就来彻底拆解它们。
2.1 全局路径规划 vs 局部路径规划：到底有什么区别？
先讲个我自己的经历。几年前我做一款仓储机器人，地图是提前建好的。我让机器人从A点到B点取货，全局规划器算出一条最优路径。结果呢？走到一半，地上突然多了个纸箱。全局路径没变，机器人直接撞上去了。
为什么会这样？因为全局规划器只认「静态地图」，它不知道动态障碍物。这时候就需要局部规划器上场了——它实时感知周围环境，临时绕开纸箱，再回到全局路径上。
两者的核心区别，我总结成一张表：
| 对比维度 | 全局路径规划 | 局部路径规划 |
|---|---|---|
| 输入信息 | 静态地图（先验已知） | 传感器数据（实时感知） |
| 规划范围 | 起点到终点（全图） | 当前视野范围（几米内） |
| 计算频率 | 低（一次或低频更新） | 高（10Hz~50Hz） |
| 输出结果 | 一系列路径点（粗路径） | 速度指令（v, ω） |
| 典型算法 | A*, Dijkstra, RRT | DWA, TEB, MPC |
你想想看，全局规划像不像你出门前用手机地图规划路线？而局部规划就像你开车时看后视镜、打方向盘。两者配合，才能安全到达目的地。
2.2 典型算法概览
这部分我挑几个最常用的算法，讲讲它们的核心思想和适用场景。每个算法我都踩过坑，所以会多聊几句实战经验。
2.2.1 全局规划算法
A* 算法
A* 是我用得最多的全局规划算法。它结合了 Dijkstra 的「保证最优」和贪心算法的「快速收敛」。核心公式很简单：f(n) = g(n) + h(n)。g(n) 是起点到当前点的实际代价，h(n) 是当前点到终点的估计代价。
我个人习惯用欧几里得距离做 h(n)，因为计算快，而且对于网格地图效果不错。但要注意：如果 h(n) 估计过高，A* 会退化成 Dijkstra，速度变慢；如果 h(n) 估计过低，可能找不到最优路径。
Dijkstra 算法
Dijkstra 是 A* 的「老大哥」。它没有启发函数，只靠 g(n) 来搜索。优点是保证找到最短路径，缺点是搜索范围太大，效率低。
说实话，在大多数机器人场景中，我很少直接用 Dijkstra。除非地图特别小，或者对最优性要求极高。否则 A* 的性价比更高。
RRT（快速随机搜索树）
RRT 是一种基于采样的算法。它在地图中随机撒点，逐步构建一棵树，直到树梢触及终点。优点是能处理高维空间和非凸障碍物，缺点是不保证最优，路径往往很「抖」。
我记得有一次做机械臂路径规划，环境非常复杂，A* 算到超时都没出结果。换成 RRT，几秒钟就找到了一条可行路径。虽然路径不太平滑，但至少能动了。后续再用平滑算法优化一下就好。
2.2.2 局部规划算法
DWA（动态窗口法）
DWA 的核心思想是：在速度空间（v, ω）中采样，模拟未来几秒的运动轨迹，然后选一条「最好」的轨迹。评价标准通常包括：朝向目标、避开障碍、速度平滑。
我刚开始用 DWA 时，总觉得参数调不好。机器人要么转圈圈，要么急刹车。后来发现，问题出在「评价权重」上。权重调大了，机器人会过度避障，原地打转；权重调小了，又容易撞墙。
TEB（时间弹性带）
TEB 是 DWA 的「进阶版」。它把路径看作一条「弹性带」，通过优化轨迹上的点来同时满足：路径最短、速度平滑、避障安全。TEB 能处理更复杂的约束，比如非完整约束（差速轮、阿克曼转向）。
我个人觉得 TEB 比 DWA 更「聪明」，但调参也更麻烦。它的参数多达几十个，比如轨迹点数量、优化权重、障碍物膨胀半径等。调不好时，机器人会「抖动」或者「绕远路」。
2.3 参数整定的重要性
讲到这里，你可能已经发现了：算法是骨架，参数是血肉。同样的算法，参数不同，效果天差地别。
我见过太多同学，算法选对了，但参数没调好，最后怪算法不行。其实，参数整定才是路径规划的「内功」。
举个例子。A* 算法中，启发函数的权重系数 w 可以调节搜索的「贪婪程度」。w=1 时是标准 A*，w>1 时搜索更快但可能非最优。我曾经在一个项目中，把 w 从 1.0 调到 1.2，搜索时间从 5 秒降到了 0.8 秒，路径长度只增加了 3%。这个 trade-off 值不值得？完全看场景。
再比如 DWA 的三个评价权重：
- 朝向权重：让机器人朝着目标走。权重太大，机器人会忽略障碍物。
- 避障权重：让机器人远离障碍物。权重太大，机器人会绕远路。
- 速度权重：让机器人保持匀速。权重太大，机器人会「懒得」减速转弯。
这三个权重的比例，我一般从 1:1:1 开始调，然后根据实际表现微调。如果机器人频繁撞墙，就加大避障权重；如果机器人绕远路，就减小避障权重。没有万能公式，全靠经验和观察。
2.4 知识体系框架
为了帮你理清思路，我画了一张框架图。它展示了全局规划与局部规划的关系，以及典型算法的定位。
从图中你可以看到，全局规划负责「大方向」，局部规划负责「微操」。两者通过参考路径连接起来。而参数整定，则是让这套系统真正跑起来的关键。
2.5 小结
这一章我们聊了全局与局部规划的区别，也看了几个经典算法的特点。说实话，算法本身并不难，难的是怎么让它们在真实机器人上稳定工作。
我建议你从 A* + DWA 这个组合开始练手。A* 负责全局路径，DWA 负责局部避障。先跑通仿真，再上实车。调参时别急，一次只改一个参数，记录下效果。慢慢你就会找到感觉。
下一章，我们会深入 A* 算法的代码实现，手把手教你写一个可用的全局规划器。到时候见。
可可精品资料库