1. 课程导入与无人系统避障问题界定

欢迎进入《无人系统避障决策与局部规划》课程。在展开算法细节之前，本章先回答三个基础问题：这门课要解决什么问题、它在自主导航体系中处于什么位置、不同平台对避障的需求差异在哪里。只有把问题边界界定清楚，后续的路径搜索、轨迹优化、速度障碍、人工势场、模型预测控制等内容才能各归其位，而不是变成一堆互不相干的算法罗列。

一、课程目标：从"能走"到"走得安全且及时"

自主导航通常被拆成四个层次：定位与建图回答"我在哪、环境什么样"；全局规划回答"从起点到终点大致怎么走"；局部规划回答"未来几秒具体怎么动"；控制执行回答"如何把期望运动变成电机、舵面或螺旋桨指令"。本课程聚焦中间两层中与避障直接相关的部分——避障决策与局部规划。

课程目标可归纳为三点：其一，理解避障问题的数学描述，即把"别撞上"翻译成约束、代价与可行域；其二，掌握主流局部规划方法的适用条件与失效边界，包括动态窗口法（DWA）、人工势场法（APF）、时间弹性带（TEB）、速度障碍法（VO/RVO）以及基于采样的MPC类方法；其三，具备把方法落到具体平台参数上的工程判断力，例如给定一台轴距0.6 m、最大速度1.5 m/s的差速无人车，或一架最大水平速度8 m/s的四旋翼，能判断哪种方法可行、需要多大感知范围、控制周期应取多少。

二、避障决策在自主导航中的位置

用一个信号链来理解会更清晰：传感器（激光雷达、深度相机、毫米波雷达、AIS）输出原始观测 → 感知模块给出障碍物位置、速度、类别与可通行区域 → 局部规划器结合全局参考路径与当前状态，在满足运动学约束的前提下生成一条短时域轨迹 → 控制器跟踪该轨迹 → 执行机构作用于平台 → 平台运动改变状态，再次进入感知。避障决策并非独立模块，而是嵌在这条闭环中的"约束生成与冲突消解"环节。

关键点在于：全局规划给出的路径通常只考虑静态地图，而真实环境中会出现未建模障碍、移动行人、其他车辆。局部规划器必须在几十到几百毫秒内重新决策，同时保证输出轨迹与全局目标不背离。这就引出了本课程反复出现的核心矛盾——安全性与实时性的权衡。

三、三类平台的避障需求差异

同样是"避障"，无人机、无人车、无人船的约束条件差别很大，直接决定了算法选型。

无人机工作在三维空间，自由度最高，但动力学最紧张。四旋翼可以悬停、侧移、垂直爬升，避障方向不限于水平面；代价是续航有限、对加速度敏感，且一旦失控后果严重。典型参数：室内小型机最大速度2–3 m/s，安全半径0.3–0.5 m；室外机型可达8–15 m/s，安全半径需按制动距离放大到2–5 m。避障周期通常要求50–100 ms，感知以深度相机或双目为主，前向视场角常为60°–90°，存在明显盲区，因此需要主动偏航或全向感知补充。

无人车受非完整约束，不能横移，转弯半径由轴距和最大前轮转角决定。以轴距L=0.6 m、最大转角δ=30°为例，最小转弯半径 R = L/tanδ ≈ 0.6/0.577 ≈ 1.04 m。这意味着在窄通道中，车辆无法像无人机那样"侧身让开"，必须提前规划转向。无人车避障更强调纵向制动：若最大减速度 a=3 m/s²，速度 v=1.5 m/s，则制动距离 s=v²/(2a)=0.375 m，加上反应与执行延迟，安全距离通常取0.8–1.2 m。城市低速无人车规划周期约100 ms，高速场景需压缩到50 ms以内。

无人船惯性大、响应慢，但避障时间尺度宽松。以船长5 m、巡航速度3 m/s（约5.8节）为例，紧急停船距离可达数十米，因此避障决策必须提前到百米量级。无人船受《国际海上避碰规则》（COLREGs）约束，对遇、交叉、追越等局面有明确的让路与保向义务，这使避障不仅是几何问题，还是规则推理问题。规划周期可放宽到200–500 ms，但预测时域需拉长到10–30 s。

四、安全性与实时性的量化权衡

避障系统的设计本质上是在两个指标间找平衡点。安全性可以用"最小间距 d_min 是否始终大于安全阈值 d_safe"来度量；实时性可以用"单次规划耗时 t_plan 是否小于控制周期 T"来度量。二者往往冲突：更精细的轨迹优化、更长的预测时域、更保守的安全裕度都会提升安全性，但增加计算量。

工程上常用的处理方式是分层降级：正常状态下运行完整优化器；当计算超时或感知退化时，切换到轻量级反应式避障（如APF或紧急制动）；若仍无法保证安全，则触发最小风险状态（MRC），例如悬停、靠边停车或减速漂航。这一思路贯穿本课程后续章节。

本章建立了课程的问题坐标系：避障决策与局部规划位于感知与控制的交界处，承担短时域内的约束生成与冲突消解；无人机、无人车、无人船因运动学与动力学差异，对安全距离、规划周期和规则约束的要求各不相同；安全性与实时性的权衡需要通过分层降级策略来落地。接下来的章节将沿着这条主线，逐一展开具体方法与工程实现。