qq_42941526的博客

项目地址https://github.com/icsl-Jeon/traj_gen_vis安装依赖需注意的问题traj_gen (with qpoases)需安装ros分支的代码（这个作者并没有指出，坑），git clone -b ros https://github.com/icsl-Jeon/traj_gen.git在编译时如果找不到qpOASES，需先指定路径 ，默认路径是错的，前面设置不成功的话，可以在target_link_library中指定静态库路径/usr/local/lib/l

微型无人机的在线轨迹生成，用于在3D密集环境中追踪运动目标摘要一、介绍二、相关工作A.在障碍物环境中追逐B.通过预先规划安全地生成轨迹三、 问题陈述A.问题设置B. 能力C.命名IV、 视点生成A.可见度指标B.具有安全性和可见性的预规划C.追逐走廊五、平滑轨迹的生成六、验证结果摘要这项工作涉及在杂乱环境中配备视觉传感器的飞行器的移动目标追逐任务。 与无障碍或稀疏环境相比，追赶者应能够同时处理碰撞和遮挡，并提高飞行效率。 为了通过实时重规划应对这些挑战，我们引入了一种针对目标可见性的指标，并提出了一个级

机器人跟随人的任务要求移动机器人检测并跟踪选定的目标人，并与目标保持适当的距离。在实际应用中，机器人必须在考虑意外障碍物的情况下不断地估计目标位置，以保持跟随人控制的稳定。本文提出将目标跟随控制与避障相结合，使机器人在避障的同时跟随目标。在本设计中，利用RGB-D摄像机获取障碍物和人体特征。深层神经网络(DNN)模型用于在环境中检测和识别用户。将改进的人工势场算法应用于机器人运动规划中，将目标人的位置信息和障碍物信息结合起来。在移动机器人上的实际实验验证了该方法的有效性。