版权声明：本文为博主原创博文，未经允许不得转载，若要转载，请说明出处并给出博文链接
最近在学习VFH算法，感觉蛮神奇，特意从维基百科扒来了资料，供学习研究。。。
在机器人技术中，Vector Field Histogram(VFH，向量场直方图）是Johann Borenstein和Yoram Koren在1991年[1]提出的一种实时路径规划算法。VFH通过所谓的直方图网格利用机器人环境的统计表示，因此非常重视处理来自传感器和建模误差的不确定性。与其他避障算法不同，VFH考虑了机器人的动力学和形状，并返回特定于平台的转向指令。VFH作为一个局部路径规划器而非全局路径规划器，已被证明产生接近最优路径。
原VFH算法是基于 Virtual Force Field虚拟力场的局部路径规划算法。VFH在1998年由Iwan Ulrich和Johann Borenstein[2]更新，并重新命名为VFH+(非官方的“增强VFH”)。这个方法在2000年由Ulrich和Borenstein再次更新，并被重新命名为VFH*[3]。 VFH是目前移动机器人中最受欢迎的局部路径规划器之一，与后来开发的动态窗口方法竞争。许多机器人开发工具和仿真环境都内置了对VFH的支持。
VFH的目标是计算效率，鲁棒，不敏感的误读。在实践中，VFH算法被证明是快速和可靠的，特别是在穿越密集的障碍。VFH算法的中心是通过直方图网格使用障碍物的统计表示。这样的表示非常适合不准确的传感器数据，并适应多传感器读数的融合。
①直角直方图网格:利用机器人的距离传感器，如声纳或激光测距仪，构建二维直角直方图网格。网格不断实时更新。
②极坐标直方图:将围绕机器人瞬间位置的笛卡尔坐标直方图降低，构造一维极坐标直方图。
③候选谷:根据与目标方向的接近度，选择极障碍密度低于阈值的连续扇区，称为候选谷。
一旦选定的候选方向的中心被确定，机器人的方向被引导。机器人在迎面接近障碍物时降低速度。
VFH 2D simulation
①阈值迟滞:迟滞增加了计划轨迹的平滑性。
②机器人体型尺寸:考虑不同体型的机器人，不需要通过低通滤波器手动调整参数。
③障碍物前视:被障碍物阻挡的扇区在VFH+中被遮蔽，这样引导角度就不会直接进入障碍物。
④成本函数:添加了一个成本函数来更好地表征算法的性能，并通过改变成本函数或其参数来提供行为切换的可能性。
2000年8月，Iwan Ulrich和Johann Borenstein发表了一篇描述VFH*的论文，声称改进了原来的VFH算法，明确地处理了局部规划算法在全局最优性没有得到保证的缺点。在VFH*中，算法通过最小化代价和启发式函数来验证A*搜索算法生成的转向命令。虽然在实践中很简单，但在实验结果中表明，这种向前看的验证能够成功地处理原VFH和VFH+无法处理的问题情况(产生的轨迹是快速和平滑的，没有明显的减速存在障碍)。
参考文献：
