小张同学的博客😎

笔者认为难点之一是如何处理存在耦合关系的路径与速度曲线的优化问题，常用方式有三种： 1）路径-速度完全脱离处理：仅单纯生成平滑路径，再使用曲线跟踪算法控制机器人运动，该方法动态避障性能偏弱。 2）路径-速度循环迭代优化：先生成无碰撞路径（静态避障），再基于该路径生成稳定好的无碰撞速度曲线（动态避障），并通过循环迭代优化算法生成最佳轨迹曲线，该方法降低优化维度，提升了优化效率。 3）路径-速度“捆绑”优化：综合考虑所有的约束关系及优化目标，生成最优轨迹曲线，该方法生成的轨迹效果很好，但存在优化模型构造难度大、优化效率不高等问题。 图规划算法 图规划算法多数将环境模型离散化表达，如栅格图等，其离散节点描述相应状态，建立节点间联系，并求解最优路径。 空间采样算法 空间采样算法按照采样空间不同，可分为：状态空间采样和运动空间采样。 基于状态空间采样的算法能够在大面积、高纬度的空间中快速生成路径，包括RRT和PRM类算法等，具有概率完备性，其主要步骤包括随机采样、度量连接、碰撞检测和路径查询。 基于运动空间采样的算法则在速度空间等距采样，通过评价函数选择最佳控制指令，驱动机器人运动，主要包括 ...

浅谈智能车入门 为什么要参加智能车大赛 简介： 全国大学生智能汽车竞赛是由教育部高等教育司委托教育部高等学校自动化类专业教学指导委员会主办、先后由飞思卡尔半导体公司、恩智浦（中国）管理有限公司协办的赛事。竞赛过程包括理论设计、实际制作、整车调试、现场比赛等环节，要求学生组成团队，协同工作。该竞赛融科学性、趣味性和观赏性为一体，涵盖自动控制、模式识别、传感技术、电子、电气、计算机、机械与汽车等多学科专业的创意性比赛。 首先，谈一下我个人是如何一步步接触到智能车: 大学的迷茫，虽说入学就准备好要考研，但是毕竟对于刚入学的我来说比较遥远。对于空闲时间的安排，就是玩耍，主要是我耍也不会耍 学长、学姐，宣传，带到实验室参观了一番 开始购买相关资料，询问学长需要学什么 终于点亮了小灯… 其次，说一下实际用途: 含金量高，为你的保研、评优或是找工作的简历上添上漂亮的一段话 中国高等教育学会高校竞赛评估与管理体系研究工作组发布的全国普通高校大学生竞赛排行榜，榜上有名 编辑 收获一段美好的回忆，包括和队友一起调车，熬夜到早晨去看日出… 你需要具备什么 ​ …毅力… 硬件方 ...

依赖库： 123import matplotlib.pyplot as pltimport numpy as npfrom matplotlib import colors 实现过程：使用numpy生成所需栅格地图的矩阵值。在此基础上随机生成障碍，值为1代表障碍，值为0代表无障碍，最后使用matplotlib绘画出。 代码如下： 1234567891011121314 # 地图长，宽 map_w = 10 map_h =10 G = np.zeros(map_w*map_h) obs_num = int(G.size * 0.2) # 障碍数量 obs_a = np.random.randint(low=0, high=G.size, size=obs_num) # 随机产生障碍的索引 G[obs_a] = 1 # 障碍 map_test = G.reshape([map_w, map_h]) # 创建矩阵地图cmap = colors.ListedColormap(['none', 'black', 'white', ...

AUV回收控制的关键技术研究 &考虑几何约束的AUV路径规划 初读印象 comment:: 提出了AUV的归航路径规划方法，解决了有限三维空间下约束条件的存在带来的困难，兼顾海流影响，给出归航最优路径。提出了表达路径的三次Ｂ样条曲线数学方法，通过对控制点的操作改变路径的几何特性；分析了欠驱动AUV的操纵运动方程，得到了运动学约束条件和回收任务终端约束条件；基于半物理仿真平台建立海流干扰下ＡＵＶ跟踪控制的消耗模型；通过定义二元适应度函数表达约束信息和寻优信息作为遗传进化的依据，通过人工智能的遗传算法进化操作得到可行且最优路径； 文章骨架 %%创新点到底是什么?%% ==novelty:: ==提出了一种基于 #Ｂ样条 理论的路径规划方法解决约束问题，并利用 #遗传算法 强大的搜索能力以及寻优能力得到最优路径。 %%有什么意义？%% ==significance:== 引入洋流的影响考虑实际的航行，进行回收轨迹规划 %%使用了什么方法?%% ==usage method:: == 思路 解决路径的可行性问题，即“是”与“否”，给出满足约束条件的路径解空间。 其次是 ...

基于多目标优化算法的多无人机协同航迹规划_周德云.pdf * Authors: [[ 周德云]] 初读印象 comment:: 文提出的一种针对多无人机协同航迹规划的多目标优化算法，即协同非支配排序进化算法，针对多架无人机的航迹距离、安全性、时间以及空间的协同性进行规划。运用多目标优化算法，克服了传统航迹规划中需要为各目标函数取权值的不足，并且可以生成多组可供选择的解。同时引入协同进化策略，将各无人机的航迹规划视作子种群，各子种群间进行合作，子种群内采用非支配排序进化算法进行独立优化。 文章骨架 %%简介%% introduction:: 整体框架采用合作型协同进化算法，将各无人机的航迹规划视作多个子种群，各个子种群间以最优个体进行信息交流，子种群内运用ＮＳＧＡ－ＩＩ算法独立进行迭代优化。考虑到多机之间的协同性，将传统 ＮＳＧＡ－ＩＩ算法中的“拥挤距离”参数用时间空间协同系数所取代。运用该算法最终可以得到多组满足不同性能要求的结果，并能根据实际需要进行航迹选择，实现了多机协同航迹规划与无人机多航迹规划的结合。 %%相关工作%% related works:: 约束优化模型： 分别是对 ...

A survey on path planning for persistent autonomy of autonomous underwater vehicles 初读印象 comment:: 本文描述了启用远程 AUV 的方法学的当前状态，并提供了一些现有 AUV 的详细文献回顾，以表征其操作耐久性。路径规划被确定为提高 AUV 持久性的核心和关键组成部分。路径优化、适应动态环境的路径重规划以及多 AUV 的协同路径规划等目标受到了研究界的广泛关注。本文回顾了针对这三个技术领域的主要研究工作。本文的主要目的是对路径的形状和特性以及路径规划的优化技术进行全面调查。这些技术和算法已被分类为不同的类别，并讨论了它们的假设和缺点。 发展方向： 能量存储 效率提升 ![[Pasted image 20220713155902.png]] AUV技术发展方向 效率提升 机械 减阻 表面摩擦 自动化 任务分配 路径规划 功耗 推进力 负荷 存储技术提升 电池 有效载荷 参考文献 [1] Zeng Z, Lian L, Sammut K, et al. A survey o ...