凸优化matlab代码轨迹凸可行集算法 这是用于运动规划实时优化的凸可行集算法的实现（Changliu et al.2018）（）。 我的项目合作伙伴（）和我还扩展了该算法，以为多个智能体生成优化的轨迹而不会发生碰撞。 该项目是宾夕法尼亚大学的一门课程，因此由于学术诚信政策，该代码无法公开显示。 对我的工作细节感兴趣的招聘人员可以通过与我联系。 我们在论文上的9页报告和扩展结果在这里（）链接，在下面的段落中，我将对该算法进行概述。 算法 凸可行集算法是一种用于解决具有凸目标函数和非凸约束的运动规划问题的快速算法。 它将非凸问题转化为一系列凸问题，并迭代求解。 它是通过在非凸域内找到凸可行集并将它们作为凸优化问题求解直到收敛而做到的。 本文中的这张图很好地形象化了此过程： 执行 在我们的实现中，我们将目标函数表述为二次函数，该函数对在规划范围内遵循给定轨迹所必需的加速度进行了惩罚。 这样就形成了平滑而短的轨迹，从而完全避免了障碍。 给定场景的最终轨迹可以在此处看到，其中灰色框是障碍物，细线是先前迭代的解，而收敛的解以黑色显示： 我们将CFS实现的性能与使用Matlab的fmincon的内

行业分类-作业装置-一种家用服务机器人的机械臂动态避障运动规划方法.zip

TEB算法过程 算法原理方面可参考下面的博文： 《Trajectory modification considering dynamic constraints of autonomous robots》理解 TEB与DWA对比： teb在运动过程中会调整自己的位姿朝向，当到达目标点时，通常机器人的朝向也是目标朝向而不需要旋转。dwa则是先到达目标坐标点，然后原地旋转到目标朝向。对于两轮差速底盘，teb在运动中调节朝向会使运动路径不流畅，在启动和将到达目标点时出现不必要的后退。这在某些应用场景里是不允许的。因为后退可能会碰到障碍物。而原地旋转到合适的朝向再径直走开是更为合适的运动策略。这也是

Robot Motion Planning and Control Editor: Jean-Paul Laumond Chapter 1: Guidelines in Nonholonomic Motion Planning for Mobile Robots Chapter 2: Geometry of Nonholonomic Systems Chapter 3: Optimal Trajectories for Nonholonomic Mobile Robots Chapter 4: Feedback Control of a Nonholonomic Car-Like Robot Chapter 5: Probabilistic Path Planning Chapter 6: Collision Detection Algorithms for Motion Planning

多足多足机器人规划与控制，多足步行机器人的静力学、运动学、动力学、步态规划、控制方法

机器人的运动原理理论算法和实现。chm格式，能直接打开不用阅读器。

移动机器人运动规划[深蓝学院]-含视频、课件与源码

Motion Planning for Self-Driving Cars[多伦多大学]-含视频、课件与字幕.rar

此代码提出遗传算法（GA）来优化 3 连杆（冗余）机器人的点对点轨迹规划手臂。 提议的 GA 的目标函数是最小化旅行时间和空间，同时不超过最大值预定义扭矩，不会与机器人工作区中的任何障碍物发生碰撞。 四次多项式和五次多项式是用于描述在关节空间连接初始、中间和最终点的段。 使用了直接运动学以避免机械臂的奇异配置。 要观看为其编写代码的论文，请点击此链接。 http://jjmie.hu.edu.jo/files/JJMIE-V2-N3-press/2(16-21).pdf

为实现Dobot机械臂的运动控制,验证运动学分析准确性和运动规划的可行性,首先理论求解机械臂正逆运动学,然后基于蒙特卡洛法对机械臂进行了工作空间分析,利用Robotics Toolbox工具箱对Dobot机械臂进行运动规划仿真验证。仿真结果证明Dobot机械臂正、逆向运动学分析计算正确,运动规划合理可行。