#资源达人分享计划#

本文分2部分，第2-3节介绍free space下的路径规划，目标是规划出一条平滑且满足车辆non-holonomic约束的最短路径。第4节介绍semi-structured环境的路径规划。 free space的方法分为2部分，第1部分是采用启发式搜索方法获得一条满足车辆运动学约束的可行驶轨迹，比如Hybrid A*方法，通常结果不是最优、但接近最优。第2部分是在此基础上，采用数值优化产生更平滑的轨迹。

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