qq_31239371的博客

由于我主要做多UAV研究，因此记录的问题都是与此相关的~~1.对于多UAV场景，由于在setting文件中，每个UAV的初始位置都不一样，因此在用getMultirotorState函数获取UAV状态信息时，需要在当前坐标后在加上其初始坐标。这是因为getMultirotorState函数获得的坐标是相对于每个UAV自己的初始位置的，因此需要将它们转换到统一的坐标系下，方便使用2.对于多UAV场景，moveToPositionAsync函数中的位置参数，也是相对于自己的初始位置的，因此在某些情况下也

1.机器人规划算法——人工势场法 - 知乎2.第四章、移动机器人的路径规划4_@想念你的笑的博客-优快云博客3.基于信息一致性的多无人机编队控制方法研究 - 中国知网4.路径规划与轨迹跟踪系列算法学习_第6讲_人工势场法_哔哩哔哩_bilibili...

相关资料，备忘：https://github.com/ShuiXinYun/Path_Plan/tree/d9707334af7451c361776d07791151b3b09976c9https://medium.com/nerd-for-tech/local-path-planning-using-virtual-potential-field-in-python-ec0998f490afArtificial Potential Field - python codeht...

问题：模型没有添加collison ?如果没有添加collison，在UE4当中有2中方式可以使其带有碰撞属性，如图1.在设置中，选择UseComplexCollisionAsSimple, 就是第三个然后该模型在场景中是具有碰撞的。如果选择第二个的话（UseSimpleCollisonAsComplex）, 场景中直接被其他物体穿透。2.将Collision Complexity设置为Default, 然后直接给模型添加一个Collsion, 这个使其带有.

滚动时域控制（或者叫滚动时域优化），英文为receding horizon control（RHC），又称为模型预测控制（Model Predictive Control，MPC），能有效解决多优化目标及约束问题，并能弥补模型失配、时变、干扰等引起的不确定性。 总结：RHC和MPC说的是一种方法！！！...

相信经常看论文的科研人，对NP-Hard这个词都不陌生，特别是计算机专业的小伙伴。每次见都感觉对NP-Hard不太熟，认识有点模糊，于是花时间查了下资料，记录下一点认识。

本文主要是对多机器人跟踪移动目标这个问题的细化研究，即针对多机器人观察多移动目标展开综述。文章主要对多机器人观察多移动目标问题涉及的五个关键因素做了描述，同时也对解决这个问题的四种技术给予了解释。具体内容我就不多说了，给出文章的一个结构图。Ps：个人观点，文中的CT、CMOMMT、CSAT、MPE应该是4种不同的任务形式，而不是4种控制技术，这里表述存在问题文章来自：Khan A, Rinner B, Cavallaro A. Cooperative robots to observe movi

克拉美-罗界。又称Cramer-Rao lower bounds(CRLB)，克拉美-罗下界。克拉美罗界是对于参数估计问题提出的，为任何无偏估计量的方差确定了一个下限。无偏估计量的方差只能无限制的逼近CRB，而不会低于CRB，因此这个界也可以称为CRLB，意为克拉美罗下界。CRLB可以用于计算无偏估计中能够获得的最佳估计精度，因此经常用于计算理论能达到的最佳估计精度，和评估参数估计方法的性能（是否接近CRLB下界）。克拉美罗界本身不关心具体的估计方式，只是去反映：利用已有信息所能估计参数的最好效

最近在看无人机目标跟踪相关的论文，多数文章中都出现了“制导律”一词，经过查阅资料，记下自己的一点理解：定义：制导律（英语：guidance law，也称导引律）指依据导航信息，用以计算如导弹、无人机等飞行器的运行路径，使其能有效到达目标点的算法。是探测、制导与控制的一项重要环节。常见的制导律包括比例导引、协同导引等。从定义能看出，这个词主要用在导弹或者飞行器方面，意思就是以某种方法，控制飞行器按一定的路径或者说是轨迹准确到达目标位置，那么这种方法就是一种制导律。PS：其实个人理解，对于飞行器的制

简单来说：运动学：主要研究的是运动本身，即表述物体的速度、加速度和空间位置这几个量之间的大小和方向关系（不涉及物体质量以及到作用在物体上的力）。通常将物体抽象为质点或某个几何形状，研究特征点之间的速度、加速度、相对位置关系。动力学：要实现某种运动，应该对物体施加什么样的力二者关系：运动学描述物体怎么运动，动力学解释这样运动的原因二者应用场景：在设计某个机器初期，研究其关键零部件的运动轨迹、速度使其满足相应要求时，用运动学就可以；当研究如何使机器按照相应速度、加速度平稳的运行起来，涉及到控制时

摘 要本文主要从因果推断方法和因果性学习这两个方面介绍和分析了目前国内外相关领域的研究进展，探讨了这两方面研究的发展方向。关 键 字人工智能；因果推断；因果性学习；领域自适应0 引言因果关系一直是人类认识世界的基本方式和现代科学的基石。爱因斯坦就曾指出，西方科学的发展是以希腊哲学家发明形式逻辑体系，以及通过系统的实验发现有可能找出因果关系这两个伟大的成就为基础。从与相关关系对比的角度来看， 因果关系严格区分了“原因”变量和“结果” 变量，在揭示事物发生机制和指导干预行为等方 ..

向量范数：表征在向量空间中向量的大小常用的向量范数：0范数，用以统计向量中非零元素的个数。1范数，为向量中各个元素的绝对值之和。2范数，就是通常意义上的模，即向量各个元素平方和的1/2次方。2范数又称Euclidean（欧几里得）范数或者Frobenius范数或欧氏距离，使用很广泛。具体理解可以参考以下文章：https://blog.youkuaiyun.com/a6333230/article/details/87860875?utm_medium=distribute.pc_relevant

线性时不变系统英文：linear time invariant（LTI）它包括连续时间系统与离散时间系统线性时不变=线性+时不变。（1）时不变即系统参数不随时间而改变。（2）线性=齐次性+叠加性。①齐次性即输入增大n倍，输出为原输出的n倍。②叠加性即f1+f2输入系统，输出为f1的响应+f2的响应。转自：https://baike.baidu.com/item/%E7%BA%BF%E6%80%A7%E6%97%B6%E4%B8%8D%E5%8F%98%E7%B3%..

如何通俗并尽可能详细地解释卡尔曼滤波？ - 司南牧的回答 - 知乎 https://www.zhihu.com/question/23971601/answer/770830003 [易懂]如何理解那个把嫦娥送上天的卡尔曼滤波算法Kalman filter? - 司南牧的文章 - 知乎 https://zhuanlan.zhihu.com/p/77327349 https://blog.youkuaiyun.com/varyshare/article/details/95065650...

一篇很不错的介绍A*算法的文章：https://www.cnblogs.com/21207-iHome/p/6048969.html#undefined

简单来说，树莓派就是一台微型PC，可以胜任大部分PC可以完成的工作，更具体的介绍放在下面的链接里。https://shumeipai.nxez.com/what-raspi-used-for https://zhuanlan.zhihu.com/p/166019428

一、在ROS当中，里程计是一种利用从移动传感器获得的数据来估计物体位置随时间的变化而改变的方法。二、而在ROS当中里程计信息可以分为两个部分：一个是位姿（位置和姿态），一个是速度（线速度和角速度）。三、里程计可以从两个地方获取数据，一个是从安装在发动机和轮子上的编码器，编码器每转一圈会触发固定数量的ticks（通常会有几百或者几千个），从而记录对应轮子转了多少圈。加上预先知道的轮子的直径和轮间距，编码器就可以把记录的数据转化成用m来表示的轮子行驶的距离，或者用rad表示的轮子转动的角度。一个是从移动

首先，先以一张图表明三者的关系：即：运动规划包括由路径规划和轨迹规划组成。下面来对三者进行进一步的介绍。运动规划（motion planning）：在给定的位置A与位置B之间为机器人找到一条符合约束条件的路径。包括行进的路径以及行进的方式。路径规划（path planning）：连接起点位置和终点位置的序列点或曲线称之为路径，构成路径的策略称之为路径规划。其目标是使路径与障碍物的距离尽量远同时路径的长度尽量短。轨迹规划（trajectory planning）：规划机器人执行运动时的速度