开源一个无人机MINCO轨迹规划库，纯C++，支持2D和3D以及多种变形

最近整理并开源了一个 MINCO 轨迹优化库：traj_opt。

它基于原有 GCOPTER 代码优化而来，支持 2D / 3D 轨迹和多种优化问题变形，并刻意做成与 ROS 解耦的纯 C++ 头文件库，方便集成到 ROS 1、ROS 2 或普通 CMake 项目中。

项目地址：

• GitHub：https://github.com/shupx/traj_opt
• Gitee：https://gitee.com/shu-peixuan/traj_opt

1. 项目来源与主要改进

原始项目是浙江大学 FAST Lab 的 GCOPTER：

• GCOPTER：https://github.com/ZJU-FAST-Lab/GCOPTER
• MINCO 论文：https://arxiv.org/abs/2103.00190

GCOPTER 是一个基于 MINCO 的多旋翼轨迹优化器，支持动力学约束和用户自定义约束。traj_opt 在此基础上主要做了这些整理：

• 统一支持 2D 和 3D 轨迹；
• 增加多种时间约束和优化目标；
• 提供 optimize_v1()、optimize_v2()、optimize_v3() 三种接口；
• 做成纯头文件 C++ 库，不依赖 ROS；
• 补充详细的头文件注释、参数说明和测试示例。

核心库使用 C++17 和 Eigen3。位置约束通过回调函数传入，因此不会绑定某一种地图或 ESDF 实现。

2. 先看测试示例：2D、3D 都能直接跑

仓库的 test 目录提供了比较完整的使用参考：

• test_minco_optimizer_v1.cpp
• test_minco_optimizer_v2.cpp
• test_minco_optimizer_v3.cpp
• plot_minco_result.py

测试程序覆盖了：初始状态、目标位置、中间航路点、时间分配、物理约束、位置违反量、梯度回调、优化和 JSON 结果绘图。2D 示例使用圆形障碍物，3D 示例使用球形障碍物。

编译并运行：

mkdir build && cd build
cmake .. -DBUILD_TESTING=ON
make
cd ../test

# v1：自由总时间，分别运行 3D 和 2D
./../build/test/test_minco_optimizer_v1
./../build/test/test_minco_optimizer_v1 2d

# v2：固定总时间
./../build/test/test_minco_optimizer_v2
./../build/test/test_minco_optimizer_v2 2d

绘制结果：

python plot_minco_result.py minco_result_2d.json 2d
python plot_minco_result.py minco_result_3d.json 3d

3. 三种优化形式和约束接口

optimize_v1()：轨迹总时间自由

起点PVA固定，优化每段时间、中间航路点和末端 PVA 状态，目标主要是：

时间代价 + 能量代价

适合在轨迹耗时、平滑性和能量之间自动权衡。

和gcopter不同，此处末端 PVA 状态也作为优化变量没有固定，但被限制在一个球形区域内，可以设置该球形区域半径为零来达到固定末端状态的目的，因此比直接固定末端位置更加通用。

optimize_v2()：固定轨迹总时间

总时间固定，优化中间航路点、末端 PVA 和段时间分配，目标主要是：

末端位置误差 + 能量代价

适合任务已经规定总时长的情况。

optimize_v3()：自由时间 + 末端位置代价

总时间不固定，同时考虑时间代价、能量代价和末端位置误差：

时间代价 + 末端位置误差 + 能量代价

三个版本都支持 2D / 3D，通过模板参数指定维度：

minco_optimizer::MINCO_Optimizer<2> optimizer2d;
minco_optimizer::MINCO_Optimizer<3> optimizer3d;

库还提供速度、角速度、倾角、推力和位置等约束配置。位置约束回调返回违反量、位置梯度和时间梯度，可以接入圆形/球形障碍物、ESDF、栅格地图或动态障碍物。

4. 安装与集成到 ROS 1 / ROS 2

编译测试

git clone https://github.com/shupx/traj_opt.git
cd traj_opt
./compile.sh
# 或：./compile.sh -c

如果使用 Gitee：

git clone https://gitee.com/shu-peixuan/traj_opt.git

作为子目录集成

这是 README 推荐的方式。把仓库放到自己的工程中：

add_subdirectory(traj_opt)
target_link_libraries(your_target PRIVATE traj_opt::traj_opt)

源码中直接包含：

#include "traj_opt/minco_optimizer.hpp"

这种方式适合放进 ROS 1 catkin、ROS 2 ament / colcon 或普通 CMake 工程一起编译，不需要库本身依赖 ROS。

安装后使用

mkdir build && cd build
cmake .. -DCMAKE_INSTALL_PREFIX=../install
make install

在其他工程中：

find_package(traj_opt REQUIRED)
target_link_libraries(your_target PRIVATE traj_opt::traj_opt)

如果安装路径不是系统默认路径，可以设置：

cmake .. -DCMAKE_PREFIX_PATH=/path/to/traj_opt/install

5. 适用场景

traj_opt 更适合作为轨迹规划后端，接在 A*、RRT 等路径搜索器后面，用于：

• 无人机轨迹平滑和优化；
• 2D 移动机器人轨迹优化；
• 3D 无人机避障；
• 编队和多旋翼轨迹生成；
• 带速度、推力和倾角约束的轨迹规划；
• ROS 1 / ROS 2 之间复用同一套 C++ 优化代码。

它本身不负责路径搜索、建图或发布 ROS topic，提供的是一个独立、可嵌入的 MINCO 轨迹优化后端。

如果你正在使用 GCOPTER，或者想在 ROS 工程中接入 MINCO，可以先运行 test 示例，再把示例中的位置约束回调替换成自己的地图查询接口。

项目地址：

• GitHub：https://github.com/shupx/traj_opt
• Gitee：https://gitee.com/shu-peixuan/traj_opt
• 原始 GCOPTER：https://github.com/ZJU-FAST-Lab/GCOPTER

参考资料：

• MINCO 论文：https://arxiv.org/abs/2103.00190
• GCOPTER 论文：https://doi.org/10.1109/TRO.2022.3160022