2020年移动机器人运动规划高清视频教程(附代码,讲义) 8章

发布时间: 2020-08-13

发货 百度网盘 自动发货 时间 2020年 类型 会员打折

¥18.00

立即下载 加入收藏

5.0分/3人

升级会员组 享受更多优惠

自动发货

课程介绍:

系统讲解运动规划的中文课程,讲述最新,最实用的planning算法原理以及工程实现。重点讲述应用/实现/工程部分,学完可以直接应用于移动机器人中。
Path finding算法属于“前端”,我们不希望在这上面花费太多的算力和代价,因此往往会把一些高维问题转换为低维问题,找到一个粗略的可行解;Trajectory generation属于“后端”,称之为轨迹生成或者轨迹优化环节,这时候会把它变成一个真正的可行解,满足机器人动力学约束等等的一条轨迹。

本门课程所需要的一些知识技能:线性代数、概率论、Matlab、C++、Linux。这些技能都是机器人行业的必备。

这门课属于国内首次系统讲解运动规划,从此告别只能依靠博客,知乎,英文paper查找学习资料的尴尬。

课程目录

第1章 概述和课程介绍

1.1课程总体介绍

1.2课纲介绍与规划方法分类
1.3常用地图结构与基础知识
1.4实践演示

第2章 基于搜索的路径规划

2.1图搜索基础

2.2Dijstra和Astar算法
2.3JPS算法
2.4实践演示与作业

第3章 基于采样的路径规划

3.1-3.2概率路线图算法

3.3-3.4基于采样的最优路径规划算法

第4章 动力学约束下的路径规划

4.1动力学概念简介
4.2状态栅格搜索算法
4.3两点边界最优控制问题
4.4混合Astar算法
4.5动力学约束RRTstar算法

第5章 轨迹生成

5.1MinimumSnap1

5.2MinimumSnap2

第6章 软约束和硬约束下的轨迹优化

6.1轨迹优化

6.2作业

第7章 基于马尔可夫决策过程的运动规划

7.1规划中的不确定性和马尔科夫决策过程

7.2最小最大代价规划和最小期望代价规划
7.3值迭代和实时动态规划

第8章 模型预测控制在运动规划的应用


配套资料(代码、讲义)

备注:(04)2020061101人工智能

版权信息:本站所有资源仅供学习与参考,请勿用于商业用途,如有侵犯您的版权,请及时联系客服,我们将尽快处理。
  • 照**

    20天前照**

    未评价,系统默认好评!

  • martia*******

    29天前martia*******

    未评价,系统默认好评!

  • inval*****

    2月前inval*****

    未评价,系统默认好评!

更多评论

嘿,我来帮您!