xiewf的博客

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例

Tixiao Shan, Wei Wang, Brendan Englot, Carlo Ratti, Daniela Rus

Minimum Snap轨迹规划详解（1）轨迹规划入门https://blog.youkuaiyun.com/q597967420/article/details/76099491Minimum Snap轨迹规划详解（2）corridor与时间分配https://blog.youkuaiyun.com/q597967420/article/details/77623235Minimum Snap轨迹规划详...

文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据参考前言基于梯度的在线安全轨迹生成是轨迹优化框架，用于基于分段线段初始路径生成安全，平滑和动态可行的轨迹。规划中的问题是将碰撞成本，平整度和动力学可行性的损失降到最低。一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas as pdimport matpl

文章目录简介一、介绍二、原理飞行走廊生成三、项目演示参考简介Btraj是一个在线的四旋翼无人机的运动规划框架，主要用于未知环境中的自主导航。基于机载状态估计和环境感知，采用基于快速行进（FM *）的路径搜索方法，从基于构建的欧氏距离场（ESDF）中寻找路径，以实现更好的时间分配。通过对环境进行膨胀生成四旋翼无人机的飞行飞行走廊。使用伯恩斯坦多项式将轨迹表示为分段Bezier曲线，并将整个轨迹生成问题转换成凸问题。通过使用Bezier曲线，可以确保轨迹的安全性和高阶动力学可行性，可以将轨迹完全限制在安全

文章目录一、简介二、原理三、项目演示参考一、简介出自本文提出了一种在复杂环境中实现快速自主飞行的计划方法。 对环境进行建模，使其在传感器探测范围内确定性已知，范围外概率已知， 该方法并非寻找代价最低的路径，而是最大化确定能成功导航到下一个目标的可能性。 如果先前的地图可用，则概率通过环境离线传播。 如果没有先验地图，则该方法将来自目标点或人工引导的定向输入作为导航的指引。轨迹库实现的在线方法使用调制解调器嵌入式计算机上的单个CPU线程确定0.2-0.3毫秒内的路径。在实验中，它使轻型无人机能够在复杂

文章目录前言一、快速自主飞行中的重规划方法1.基于梯度的轨迹优化方法2.Perception-aware replanning二、快速自主探索中的层级规划方法1.增量式边界检测和聚类2.全局行程规划3.局部视点细化三、自主探索现存的问题和研究方向四、总结前言摘录香港科技大学周博宇的线上分享https://www.techbeat.net/talk-info?id=499自主探索是用自主机器人对未知环境进行快速重建的过程，它在许多实际应用，比如工业检测、精准农业、搜索救援中，都是一个基础问题。无人机由

文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据参考资料前言OpenPlanner是名古屋大学开发的开源自动驾驶框架Autoware中使用的运动规划算法。它是通过对全局路径进行采样生成一系列的候选路径，结合矢量地图、传感器信息以及碰撞、交通规则等约束，选择出最优的运动轨迹。一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下（示例）：import numpy as npimp