利用A*, greedy, Dijkstra, RRT算法，针对迷宫障碍物栅格地图，采用8连接方法，找一 条从起始点到目标点的无

复制动态matlab代码MSN植绒阵型控制 在阅读文件之前签出论文。 安装 在您的系统中安装最新版本的 MATLAB，将目录“源代码”复制到您的 MATLAB 目录或任何其他目录，然后打开并运行任何文件 - MSN1.m、MSN2.m、MSN3.m、MSN4.m， MSN5.m 分别用于下面解释的 5 个案例。 项目参数： 传感器节点数：n = 100。 空间维度：m = 2。 传感器节点之间的期望距离：d = 15。 缩放因子：k = 1.2 和交互范围 r = k*d。 Epsilon = 0.1 和 Delta_t = 0.009（这两个参数是可选的，您可以更改它们）。 案例 案例 1 - MSN 碎片化 文件名：MSN1.m 在 50x50 的区域内随机生成 100 个节点的连接网络。 绘制 100 个节点的 MSN 的初始部署图。 通过一条线将相邻节点连接在一起。 地块 绘制节点的碎片。 绘制速度。 绘制连通性。 绘制轨迹。 算法 1： 案例 2 - 使用静态目标实现 MSN 准格阵 文件名：MSN2.m 在 50x50 的区域内随机生成 100 个节点的连接网络。 将目标（

高速水面无人艇动态障碍物危险规避算法.pdf

最简单的波传播情况是自由空间中的直接波传播。 在这种视距 (LOS) 传播的特殊情况下，不存在由于地球表面或其他障碍物造成的障碍物。 我们考虑来自各向同性天线的辐射。 这种类型的天线是完全全向的，向所有方向均匀辐射。

效果展示： https://user-images.githubusercontent.com/36581610/50039518-d29d4400-0001-11e9-9c36-eb782cdb37c9.gif 播放器 每个玩家都有一个大脑，它有一个方向向量数组，用于确定他们的方向。起初这些向量都是随机初始化的。经过几代人的努力，玩家的大脑开始变得优化，可以在墙上导航。 人口 创建了 300 名玩家，每个人都有自己的大脑。一旦种群中的所有玩家都死亡，则计算每个玩家的适应度。在计算出适应度之后，种群然后执行自然选择。为此，创建了一个新的一代，它继承了前一代的一些内容并对其进行变异以可能产生改进。被继承的球员是由他们的适应度决定的，适应度较高的球员更有可能被选择继承。 突变 当对玩家的大脑进行变异时，全局变异率用于确定大脑中有多少变异。此变量初始化为 0.01 ( 1% )，但可以调整以引起或多或少的剧烈突变。

基于bayes的lidar障碍物跟踪,基于ROS开发

利用matlab做的 rrt a* d* bi-rrt等多种路径规划设计，包含多种不同障碍图内的规划，可以规划时间、路径长度

基于深度学习的行车障碍物检测

基于Qlearning强化学习的机器人路线规划仿真,带GUI界面,可设置障碍物 +GUI界面+程序操作视频 注意事项（仿真图预览可参考博主博客里面"同名文章内容"。）： 使用matlab2022a或者高版本仿真。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体操作观看提供的程序操作视频跟着操作。

方法： - 提取感兴趣区域 - 地面过滤：采样基于同心区域的区域地面分割和地面似然估计方法 - 聚类：采用欧式聚类，基于不同半径阈值分割 - 获取bounding_box:包括致信，长宽高，方向，姿态等信息 - 可视化