1.算法简介
Hybrid A*算法是一种图搜索算法，改进于A*算法。与普通的A*算法区别在于，Hybrid A*规划的路径考虑了车辆的运动学约束，即满足了车辆的最大曲率约束。
由于A*具有启发式，可以实现快速的结点搜索。核心在于结点权重如何确定（路径代价的设置）。
Hybrid A*算法的启发式包括两种: non-holonomic without-obstacles和holonomic with obstacles。
前者考虑了车辆的运动约束，但不考虑障碍物，一般使用RS曲线，Dubins曲线；后者将车辆当成网格地图上面的点，但考虑了障碍物。
图1 基于Hybrid A*的路径规划算法流程
2.Hybrid A*规划路径的组成
Hybrid A*规划的路径由两部分组成，第一部分是考虑了车辆运动学的探索结点连接而成的路径；第二部分是使用ReedSheeps曲线连接中间点位姿与目标位姿的路径。
1）Hybrid A*的结点拓展
Hybrid A*的搜索空间不仅考虑了x,y方向的拓展，还考虑了Θ方向的探索。相比普通A*的探索空间，Hybrid A*的结点拓展是三维的，因此需要更多的计算量。
图3 Hyrbrid A*的结点扩展：往前往后探索结点
图4 普通A*和Hybrid A* 结点拓展的区别
考虑车辆运动学约束，对地图网格化，生成结点，起始位姿到结点的路径为path1;
2）Analytical Expansion
Hyrbrid A*偶尔会尝试使用RS曲线或Dubins曲线尝试连接当前的结点与目标结点。这一方面可以精确地连接到目标位姿，另一方向可提高搜索的速度。如果得到的曲线与环境障碍物无碰撞，可以提取结束搜索。此时，由结点探索得到的路径为path1,RS曲线或Dubins曲线为path2，那么规划得到的路径为path={path1,path2}。
这一操作在接近目标位姿或者非常稀疏的环境中比较有作用。如果每次尝试连接都需要做碰撞检测，会极大增加计算量。
3.Hybrid A*的启发式
Hybrid A*的有两个启发式，一般会取二者的最大值作为约束。
其中约束启发式结合了车辆的运动学约束，忽略了环境。一般使用RS曲线或Dubins曲线的长度。这种启发式约束考虑了当前航向角以及转弯半径，可以确保车辆以正确的航向接近目标位姿。当车辆越来越接近目标时，这一约束会发挥较重要的作用。
无约束启发式则忽略了车辆的运动学特性，只考虑了障碍物。一般使用普通A*搜索得到的路径(当前结点为目标点，HA*搜索的目标结点为起始结点)，并使用欧几里得距离表示。这使得 A* 搜索的封闭列表存储到目标的所有最短距离 g(x)，因此可以用作查找表，而不是在 HA* 进行时启动新的搜索。这个考虑了障碍物的启发式可以引导车辆绕过障碍物或U型弯道。
