EGOPlanner—Prometheus代码阅读笔记汇总

已于 2023-04-06 10:13:41 修改
阅读量1.6k 收藏 17
点赞数 2
分类专栏： EGOSwarm-Prometheus代码阅读 文章标签： prometheus
于 2023-04-05 22:09:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_33401810/article/details/129973862
版权
本文是一篇关于Prometheusv2中EGOSwarm模块的代码阅读笔记，作者分享了启动文件、节点实现以及EGOReplanFSM和EGOPlannerManager类的解析。笔记旨在个人学习并欢迎交流，参考了FastPlanner的相关资料，代码来源于ZJU-FAST-Lab和amov-lab的GitHub仓库。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Prometheusv2中的EGOSwarm代码阅读笔记，个人学习用。
目前还有部分代码没看明白，欢迎大家交流！
主要参考资料：
Fast Planner——代码解读参考资料整理
EGO-Swarm代码阅读笔记汇总
代码来源：
https://github.com/ZJU-FAST-Lab/ego-planner
https://github.com/amov-lab/Prometheus

一、启动文件

EGOPlanner代码阅读笔记【一】——启动文件

二、节点

EGOSwarm—Prometheus代码阅读笔记【二】——节点实现

三、类实现

EGOSwarm—Prometheus代码阅读笔记【三】——EGOReplanFSM类
EGOSwarm—Prometheus代码阅读笔记【四】——EGOPlannerManager类

…待补充…

【无人机实战】第二章：Ego Planner程序框架及代码解析
qq_35635374的博客
04-06 864
上面生成的轨迹并不是B样条轨迹，接下来需要将其变成B样条轨迹（通过求解最小二乘问题获得B样条的控制带你来进行转换），该部分内容是通过调用parameterizeToBspline函数完成的，该函数的具体程序位于uniform_bspline.cpp文件中，该函数的输入参数中point_set是轨迹上的点，start_end_derivatives是起点和终点的高阶约束。在BsplineOptimizeTrajRefine函数中，调用了refine_optimize函数来执行具体的优化过程。
技术分享 | Prometheus避障—A_star算法代码阅读
AMOVLAB(阿木实验室)
10-09 1106
在使用P系列无人机过程中，相信大家都知道P系列无人机的避障功能，在之前的技术分享中：Prometheus（P450）-室内外避障，给看官们详细讲解了避障的算法原理以及实际飞行操作演示的文章。今天，为了方面更加快速的进行二次开发，着重解读一下A星算法代码的实现。 prometheus项目中，A_star算法功能包存放在 Prometheus/Modules/planning/global_planning路径下，如图所示。 进入global_planning功能包的src文件夹下，我们可以看到5个cpp文件
【代码学习笔记】ego-planner代码学习笔记
weixin_45058446的博客
03-29 1849
【代码】ego-planner代码流程图。
ego-planner-swarm
04-30
3分钟内快速入门 编译安装了ros的ubuntu 16.04、18.04和20.04通过的测试。 您可以一个接一个地执行以下命令。 sudo apt-get install libarmadillo-dev git clone https://github.com/ZJU-FAST-Lab/ego-planner-swarm.git cd ego-planner-swarm catkin_make -j1 source devel/setup.bash roslaunch ego_planner simple_run.launch 如果您觉得这项工作有用或有趣，请给我们加星 :star: ， 谢谢！ :grinning_face: 致谢 这项工作将扩展到了群体导航。 自我群 EGO-Swarm：在杂乱环境中的全自动分散式四旋翼群系统 EGO-Swarm是一种分散的异步系统解决方案，仅使用机载资源，即可在未知的，障碍丰富的场
EGO_Planner代码学习（四）：轨迹规划器流程——上
qq_41069236的博客
06-12 7932
之前学习了EGO-Planner启动流程、轨迹服务器流程、以及控制器流程，已经给继续学习EGO-Planner规划器打好了基础，下面就详细的记录一下规划器部分的流程以及细节。由于整个的篇幅较长，本节先写一下规划器总体的流程，详细的轨迹生成的细节后文再进行补充。
基于Prometheus的ego运动规划实现
dueen1123的博客
05-06 1823
配置Prometheus环境 下载依赖包 sudo apt-get install ros-melodic-rtabmap* sudo apt-get install ros-melodic-octomap-* sudo apt-get install ros-melodic-cartographer* 安装非线性优化工具箱 NLopt并编译（可选） git clone https://github.com/stevengj/nlopt.git cd nlopt mkdir build cd build
EGO Planner代码解析----CMakeLists.txt和package.xml
weixin_45868890的博客
06-08 2819
EGO_planner代码 Cmakelists文件 package.xml文件解析
从类的层面解析ego-planner
诗筱涵的博客
03-19 1271
path_searching依赖于plan_env，bspline_opt依赖于path_searching和plan_env，层次非常清晰，正好对应了，先建图，再路径搜索，再路径优化，对应前端后端。//getPath函数的返回值类型是vector，说明返回的就是一条路径。可以单独的用plan_env类进行实例化，也可以单独用plan_env和astar进行实例化。从类的层面解析ego-planner。基于GridMap类使用AStar类。单独的用GridMap类。
源代码阅读笔记：源码阅读笔记
02-03
书籍会不定期更新，目前专注于k8s原始码的阅读，输出的阅读笔记会同步至多个平台，主要有以下几个： 本书github地址： : 在线阅读： : 个人博客： : 简书： 知乎专栏： 腾讯云—云+社区： 微信公众号：田飞雨 ...
prometheus-net：.NET库，用于使用Prometheus指标检测代码
02-04
普罗米修斯网 这是一个.NET库，用于检测您的应用程序并将指标导出到 。 该库针对支持以下运行时（及更高版本）的 ： .NET Framework 4.6.1 .NET Core 2.0 单声道5.4 一些特殊的功能子集需要更现代的运行时： ...
《Prometheus监控实战》笔记【一到三章】
wulitaotao96的博客
01-11 821
本文内容为书籍《Prometheus监控实战》的读书笔记，书籍链接Prometheus监控实战 (豆瓣) 一 监控简介 1 监控的两个客户： 技术 了解技术状况，诊断技术问题 业务 支撑业务持续发展 2 监控是管理基础设施和业务的核心工具 全局视角，从最高层（业务）依次展开。 协助故障诊断。 作为基础设施、应用程序开发和业务人员的信息源。 内置于应用程序设计、开发和部署的生命周期中。 尽可能自动化，并提供自服务 3 监控方式 探针/黑盒：在应用程序的外部，它查询应用程序的外部...
EGO-Planner.pdf
03-05
Gradient-based planners are widely used for quadrotor local planning, in which a Euclidean Signed Dis- tance Field (ESDF) is crucial for evaluating gradient magnitude and direction. Nevertheless, computing such a field has much redundancy since the trajectory optimization procedure only covers a very limited subspace of the ESDF updating range. In this paper, an ESDF-free gradient-based planning framework is proposed, which significantly reduces computation time. The main improvement is that the
使用 prometheus python 库编写自定义指标的方法(完整代码)
12-17
使用 Prometheus Python 库编写自定义指标是扩展 Prometheus 监控能力的重要方式，特别是在需要收集特定应用或服务的个性化数据时。Prometheus Python 客户端库提供了方便的接口，允许开发者轻松创建各种类型的指标...
EGO_Planner代码学习（一）：启动流程
qq_41069236的博客
05-24 5288
最近在学习高飞老师的EGO_Planner自主无人机课程，开这个帖子就是想记录一下学习过程中的笔记，方便反复查看。
EGO Planner代码解析bspline_optimizer部分(2)
weixin_45868890的博客
12-19 731
EGO Planner代码解析bspline_optimizer部分(2) pij的选取
ego_planner代码解读: ego_replan_fsm.cpp
m0_46198830的博客
08-26 1388
ego_planner代码解读
ego planner代码解读——ego_replan_fsm.cpp文件【状态机】
lijiaming550的博客
04-09 1950
ego planner 的ego_replan_fsm.cpp文件主要函数功能解读、状态机状态转移图
Ego Planner规划算法（下）——Ego Planner程序框架
慕羽★的博客
08-09 4240
本系列文章用于学习记录Ego-Planner规划算法的相关内容，本系列文章是在在Fast Planner规划算法系列文章的基础上，展开对Ego Planner的相关介绍，主要包括Ego Planner算法流程和程序框架两部分，主要学习资料是深蓝学院的移动机器人运动规划课程
EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors
zhaoliang的博客
05-26 2770
EGO-Planner: An ESDF-free Gradient-based Local Planner for Quadrotors
egoplanner无人车
最新发布
04-03
### EGO Planner 在无人车中的应用与实现 EGO Planner 是一种高效的路径规划算法，尤其适合于需要高精度避障和动态适应性的场景，如无人机、无人驾驶车辆等[^1]。以下是关于如何在自动驾驶领域中利用 EGO Planner 进行路径规划的具体分析。 #### 核心原理 EGO Planner 的核心优势在于能够在复杂环境中快速生成最优路径并实现实时调整。该算法通常结合局部感知数据（例如激光雷达或摄像头获取的信息），并通过优化目标函数来计算最佳轨迹。这种特性使其非常适合用于无人车的动态环境导航需求。 #### 规划流程概述 在一个典型的 ROS 平台下，EGO Planner 可以按照如下方式集成到无人车系统中： 1. **传感器数据融合** 使用 LiDAR 或其他传感器采集周围环境的数据，并将其转换为占用栅格地图或其他形式的地图表示。这些地图可以作为输入传递给 EGO Planner 以便进行路径决策。 2. **全局路径规划** 利用 A* 或 Dijkstra 等传统图搜索算法预先定义一条粗略的全局路径。这条路径会指导后续更精细的局部路径规划过程。 3. **局部路径优化** 基于当前状态信息（位置、速度、加速度等）以及最新的传感数据，调用 EGO Planner 来重新评估最近区域内的可行性和安全性。此阶段涉及复杂的数学建模和技术细节处理，比如碰撞检测、曲率约束满足等问题。 4. **控制命令发布** 将最终得到的最佳轨迹转化为具体的转向角、油门开度等物理量指令发送至执行机构完成动作输出。 #### 技术对比：FAST-Planner vs. EGO-Planner 值得注意的是，虽然两者都属于现代先进路径规划工具集成员之一，但它们之间存在显著差异。相比于 FAST-Planner 更注重效率方面表现——能在极短时间内完成高质量路径设计任务；而 EGO Planner 则倾向于综合考量多种因素达到平衡效果，在某些特定条件下可能展现出更好的灵活性和鲁棒性特点[^3]。 下面给出一段简单的 Python 示例代码片段演示如何初始化一个基本版本的 EGO Planner 对象： ```python from ego_planner import EgoPlanner def initialize_ego_planner(): planner = EgoPlanner() planner.set_map_parameters(width=10, height=10, resolution=0.1) start_pose = (0, 0, 0) # 起始姿态(x,y,theta) goal_pose = (9, 9, 0) # 终点姿态(x,y,theta) path = planner.plan(start_pose=start_pose, goal_pose=goal_pose) return path ``` 上述代码仅作为一个简化版示意图供参考学习之用，请根据实际情况调整参数配置等内容后再应用于真实项目开发当中去。 ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值