摘要：针对高斯过程路径规划算法（GPMP2）处理非线性不等式约束能力有限，在复杂障碍物地图中易陷入局部极小值，进而产生碰撞的问题，结合序列二次规划算法 （Sequential Quadratic Programming ， SQP），提出了改进的SQP-GPMP2算法。首先，该算法从概率的角度将运动规划视为轨迹优化，得到初始轨迹状态。其次，引入碰撞代价函数，用来表示机器人和障碍物的碰撞代价关系。最后，使用SQP算法对轨迹进行迭代修正，保证轨迹的无碰撞和运动学合理性。仿真实验结果显示，相比于GPMP2等算法，该算法在不同尺寸迷宫上的规划成功率至少提高20个百分点，证明本文算法在处理复杂约束能力和保证路径规划效率上具有优越性。
文章目录
0 引言
1 仿真实验设置
1.1高斯过程先验
1.2 似然函数
1.3 计算MAP轨迹
1.4 快速高斯过程插值
1.5 GPMP2存在的问题
2 改进SQP-GPMP2算法
2.1序列二次规划算法原理
2.2引入碰撞代价函数
2.3用SQP修正GPMP2轨迹
3 仿真实验及分析
3.1实验设置
3.2仿真实验结果分析
4 结论
