无人车的state space lattice，作者是Thomas M，有几篇需要看一下，这是第一篇
论文：《State Space Sampling of Feasible Motions for High Performance Mobile Robot Navigation in Highly Constrained Environments》
本文应用场景：
全局路径-->path following-->local lattice planner
本文核心：
本文讲的是local planner，即如何构建搜索空间，生成单层Lattice，并没有进一步做启发式搜索。
1.构建状态空间的Search Space
horizon是5米，扇形45度，每个采样终点分为3个方向。
2. 利用Global Guidance信息
3. Model-Based Trajectory Generation
当前状态到各个采样状态之间的轨迹，通过下边论文的方法生成，是可以实时的。《Howard, T.M. and Kelly, A. (2006). Optimal Rough Terrain Trajectory Generation for Wheeled Mobile Robots》
开源项目：
https://github.com/amslabtech/state_lattice_planner
项目介绍说参考了本论文，但是感觉应该是仅仅用了构建搜索空间的方法，单层lattice是离线生成的，并没有用作者的Optimal Rough Terrain Trajectory Generation方法。
总结：
我比较关心的是Optimal Rough Terrain TrajectoryGeneration是怎么实现的，也就是无人车的两点边界值问题是如何求解的！