Fast-Planner
Fast-Planner
机器人, 飞控/无人机
3/5
🧩 软硬件结合
已发布
项目简介
A Robust and Efficient Trajectory Planner for Quadrotors
Fast-Planner 是一个专为四旋翼无人机在复杂未知环境中实现高速飞行而设计的开源规划算法框架。该项目由香港科技大学空中机器人团队与浙江大学 FAST 实验室联合开发，核心目标是为无人机提供鲁棒、高效的实时运动规划能力，使其能够在动态、非结构化的三维空间中自主导航。
标签
项目特点
**鲁棒且高效的轨迹生成**：包含动力学路径搜索、B样条轨迹优化、拓扑路径搜索与路径引导优化等多种算法，确保在复杂环境中生成安全、动态可行的轨迹。
**感知感知规划**：支持感知感知规划策略，使无人机能够主动观察并避开未知障碍物。
**完整的仿真与测试环境**：提供基于 ROS 的仿真环境，包含随机地图生成、Rviz 可视化等工具，方便用户快速上手和测试。
**模块化设计**：代码结构清晰，分为 mapping、path_searching、bspline、bspline_opt、active_perception、plan_manage 等模块，便于理解和扩展。
**丰富的文档与论文支持**：项目相关算法已在多个顶级期刊和会议（如 RA-L、ICRA、T-RO）上发表，并提供了详细的 BibTeX 引用信息。
技术规格
| 支持 ROS 版本 | Melodic (Ubuntu 18.04) / Noetic (Ubuntu 20.04) |
|---|---|
| 依赖库 | NLopt v2.7.1, Armadillo, CUDA (可选，用于 GPU 深度渲染) |
| 主要编程语言 | C++ |
| 仿真环境 | 基于 ROS 的 uav_simulator |
| 可视化工具 | Rviz |
| 输入 | 深度图像/点云 + 相机位姿/里程计 |
| 输出 | 安全、动态可行的四旋翼轨迹 |
项目资源
GitHub 仓库
论文 1: Robust and Efficient Quadrotor Trajectory Generation for Fast Autonomous Flight
论文 2: Robust Real-time UAV Replanning Using Guided Gradient-based Optimization and Topological Paths
论文 3: RAPTOR: Robust and Perception-aware Trajectory Replanning for Quadrotor Fast Flight
视频演示 1
视频演示 2
视频演示 3
IEEE Spectrum 报道 1
IEEE Spectrum 报道 2
IEEE Spectrum 报道 3
FUEL 项目
ego-planner 项目
RACER 项目
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Ubuntu 18.04/20.04 | 1 | — | 操作系统 |
| ROS Melodic/Noetic | 1 | — | 机器人操作系统 |
| NLopt v2.7.1 | 1 | — | 非线性优化库 |
| Armadillo | 1 | — | C++ 线性代数库 |
| CUDA Toolkit | 1 | — | 可选，用于 GPU 深度渲染 |
| 支持 CUDA 的 NVIDIA GPU | 1 | — | 可选，用于 GPU 深度渲染 |
能力画像
⚪ 记忆与知识检索: 1/5
🔵 逻辑推演: 5/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 1/5
🔵 数理与计算: 5/5
🔵 动手与操作: 3/5
⚪ 狂热与坚持: 1/5
🔵 创造与创新: 5/5
项目图库
视频
所需技能
🔧 **动手能力**：需要能够搭建和配置 Ubuntu + ROS 开发环境，安装依赖库，编译项目代码。
💻 **编程能力**：需要具备 C++ 编程基础，理解 ROS 节点、话题、服务等概念，能够阅读和修改代码。
⚡ **电子电路**：本项目主要关注软件算法，不涉及硬件电路，但若需在真实无人机上部署，则需要了解飞控、传感器等硬件知识。
适用场景
学术研究：作为四旋翼轨迹规划算法的研究平台，可在此基础上进行算法改进和实验验证。
无人机自主导航：用于开发能够在未知环境中高速飞行的无人机自主导航系统。
机器人竞赛：为无人机竞速、避障等竞赛提供高效的规划算法基础。
教学演示：作为机器人学、运动规划等课程的教学演示工具，展示先进的轨迹规划方法。