这两天虽然没有实质性收获，但是总算无人机和无人车的轨迹优化梳理清楚了。

1.轨迹优化梳理

经过周五晚上熬夜梳理，和今天一天的梳理，整个白天都是晕的，看来看去，也没有实质收获，直到晚上才渐渐理清楚。

按照系统模型分

• 无人机
• 无人车

按照求解类型分

• 二次规划（无人机），NLopt,Moesk，闭式解，OOQP
• 非线性规划（无人车），包括李柏的最优控制，目前见到的都是IPM求解器-Ipopt

2.开源项目梳理

因为目前急需掌握一套轨迹优化的方法，梳理了高飞老师的开源项目:

• Btraj，基于硬约束（走廊）的贝塞尔轨迹，求解器是Mosek，这个求解器不开源，而且不知道怎么使用走廊，
• grad_traj_optimization，基于软约束的多项式轨迹，需要ESDF地图，求解器NLopt，求解器开源，这个是比较合适的，因为没有强制约束到waypoint。
• Teach-repeat-replan中的Global planning，就是走廊+spatial optimization(求解器OOQP) + temporal optimization(求解器Mosek)，这个也是很合适的
• large_scale_traj_optimizer，仅需两个头文件，可以用于替换Teach-repeat-replan中的Global planning 中的轨迹优化，仅需两个头文件即可，但是具体如何使用走廊，还没有开源，coming soon
• Am_traj，两个头文件即可，看样子是闭式解
• 深蓝第六章作业，minimum snap trajectory generation，可以用闭式解，也可以用OOQP，这个是最基础的，应该要掌握的是如何建模，如何C++写这些数学公式。
• CMPCC，基于飞行走廊的MPC，OSQP求解器，关于MPC，是另一个话题了，先记录一下。
• 李柏，最优控制，NLP问题，Ipopt求解。
• multi_robot_traj_planner，这个就是今晚发现的很好的资源啦，无人车，用到了走廊，用到Ipopt求解，当前正好缺少无人车轨迹优化的开源项目学习。