将前文中的规划方法进行总结。如表所示对移动机器人运动规划的经典算法展开了介绍，阐述并分析了不同方法的基本工作原理和适用范围：

1. 基于图搜索的方法计算速度与道路环境及扫描地图的分辨率有关，在低维空间具有简单、方便的优势，而且往往具备解析完备性，但其生成的路径很难满足车辆运动学约束；

2. 基于数值优化的方法通过数值求解多目标优化问题，保证规划结果的最优性，但历时较长，依赖于初始值的方法容易陷入局部最优，影响整个规划过程的实时性；

3. 基于采样的方法可快速添加约束条件，完成轨迹规划，但由于缺乏引导信息，盲目性较大；

4. 基于曲线插值进行轨迹规划，能快速获取平滑且连续轨迹路线，但外界障碍的分布复杂程度影响其规划效率，多作为后端优化模块与其它方法结合使用。

值得注意的是，上述路径规划算法往往并非单独使用，而是通过组合的方式以达到更优的效果。

                                                                                         常用运动规划方法及其优劣