FASTER Fast and Safe Trajectory Planner for Flights in unknown environments
本文主要提出一种在位置环境中更加安全快速的轨迹规划方法，原本存在的问题有1.为每段轨迹分配对应的dt，这样求解起来太慢。2.安全问题上，在局部规划时确保机器人一直保持在free空闲空间中，这样计算出的路径太过保守。
改进点有1.允许局部规划器在空闲和未知空间（F∪U）中规划路径，并在空闲空间中备份安全路径以保证安全。2.使用Gurobi求解MIQP（混合整数二次规划公式）时，限制条件为机器人轨迹范围在多面体内。3.利用启发式算法为轨迹分配固定的dt。（主要是影响因子f的计算）
算法具体步骤：
- 起点L偏移δt到A，动态地改变这个偏移量δt，以确保解算器能够在小于δt的时间内找到下一个解。（为何将起点偏移文中未提及）偏移量δt的计算方法是将前一个重规划步骤的总时间乘以α≥1（通常α≈1.25）。
- 投影目标点Gterm到sliding map（机器人周围的局部地图）中的G，G作为局部地图中的目标点。
- 利用JPS求解出两条路径JPSa和JPSb，JPSb是由前一段轨迹修改得到的。
- 比较两条路径的代价并取其中较小值。
- 凸分解求出全局路径的多面体Polywhole
- 根据上次迭代求出的f影响因子求解本次f影响因子（启发式算法）（文中未具体给出求解过程，只有一个大致范围）
- 求解MIQP得出全局轨迹（whole）
- 重复5-7步骤求解出安全轨迹（safe），不同点在于凸分解的范围不同。
- 最终轨迹为A->R∪safe（改进的高速轨迹只在A->R这段范围？不是很清楚，理解的朋友可以留言讲下）
多面体polyhedron的求解可参见另一篇博客
https://blog.csdn.net/jUst3Doit/article/details/105418245
JPS（Jump Point Search）参见
https://zerowidth.com/2013/a-visual-explanation-of-jump-point-search.html