FDSPC: Fast and Direct Smooth Path Planning via Continuous Curvature Integration

近年来，机器人的全局路径规划取得了显著进展。启发式搜索和概率采样方法均显示出在复杂场景中寻找可行解的能力。然而，主流的全局路径规划算法通常会产生弯曲的路径，需要额外的平滑后处理。在本文中，我们提出了一种基于连续曲率积分的快速直接路径规划方法。该方法确保路径的可行性，同时直接生成具有恒定速度的全局平滑路径，从而消除了后处理平滑路径的需要。此外，我们在多种场景下比较了所提出的方法与现有方法在解决时间、路径长度、内存使用和平滑度方面的表现。所提出的方法在自定义的 $\mathcal{S}_2$ 平滑度（转向平均角度）方面表现优异，远远超过现有技术的平均水平。这些结果证明了我们的方法在几个代表性环境中的有效性和优越性。

该论文旨在解决全局路径规划中路径弯曲的问题，并提供一种快速、直接、平滑的路径规划方法，消除了后处理平滑的需要。

该论文提出了一种基于连续曲率积分的路径规划方法，直接生成全局平滑路径，同时保证路径的可行性和恒定速度。

论文通过多个场景下的实验比较，证明了该方法的优越性，特别是在平滑度方面。

在全局路径规划领域，已经有许多启发式搜索和概率采样方法被提出。但是，这些方法通常需要后处理平滑，而该论文提出的方法直接生成平滑路径，具有更好的性能。