超全的轨迹规划,机械臂,移动机器人都适用。
2021-09-03 22:26:21 15.28MB 轨迹规划 机器人
1
NGSIM US-101数据集平滑 描述 NGSIM US-101数据集平滑功能使用提供了众所周知的轨迹NGSIM US-101数据集的低噪点和平滑版本。 平滑过程分为两个步骤,该过程包括:首先,平滑X和Y值,然后相对于平滑的X,Y值重新计算速度和加速度。 表中的内容 NGSIM US-101数据集 自2005年发布以来,NGSIM US 101数据集一直是研究人员进行轨迹预测的最终开源数据集。包括[1-3]在内的许多研究人员都指出数据集中存在噪声,这主要是由于其具有是从位于加利福尼亚州洛杉矶的俯瞰好莱坞高速公路的建筑物上安装的8台摄像机的视频录像中自动提取的,也称为美国南行101。用于提取NGSIM US-101数据集的软件称为NG-VIDEO软件。 另外,NGSIM文档明确指出: 尚未对数据集进行准确性评估 [我们不对数据完整性提出任何要求。 提供的数据可能存在差距 我们发现,绘制加
2021-08-31 09:12:33 348.28MB dataset self-driving-car smoothing trajectory
1
机器人轨迹规划经典参考书籍,google找的,1积分随便下载。spring出版社。
2021-08-30 21:50:01 13.9MB trajectory p 速度曲线
1
Trajectory算法是对轨道数据进行聚类,简单,迅速
2021-08-25 10:55:19 9.02MB 聚类 轨道
1
004_Optimal+Trajectory+Generation+for+Autonomous+Vehicles+Under+Centripetal+Acceleration+Constraints+for+In-lane+Driving+Scenarios
2021-08-18 13:39:03 518KB 自动驾驶 轨迹规划
1
拉基格 在线轨迹生成。 即时的。 时间最佳。 混蛋约束。 Ruckig根据目标航路点的位置,速度和加速度,从受速度,加速度和加速度率限制所限制的任何初始状态开始计算最佳时间轨迹。 Ruckig是库的更强大的开源替代品。 实际上,Ruckig是第一个Type V轨迹发生器,甚至支持定向速度和加速度限制,同时在顶部速度更快。 对于机器人技术和加工应用,Ruckig既可以对不可预见的事件做出即时React,又可以进行简单的离线轨迹规划。 安装 Ruckig没有依赖项(测试除外)。 要使用CMake构建Ruckig,只需运行 mkdir -p build cd build cmake -DCMAKE_BUILD_TYPE=Release .. make 要将Ruckig安装在系统范围的目录中,请使用(sudo) make install 。 我们建议将Ruckig作为项目中的目录包括在内,并在
1
这是国外的一份PDF版PPT,讲解机械臂轨迹规划方面内容,包括关节空间、工作空间轨迹规划,以及常见的多项式、样条轨迹等。
2021-07-19 14:08:01 4.21MB Trajectory Robot
1
这是Trajectory Planning for Automatic Machines and Robots Springer带书签电子版,带书签看起来方便。
2021-07-19 14:02:53 13.13MB trajectory planning automatic machines
1
In this tutorial, we provide principled methods to quantitatively evaluate the quality of an estimated trajectory from visual(-inertial) odometry (VO/VIO), which is the foundation of benchmarking the accuracy of different algorithms. First, we show how to determine the transformation type to use in trajectory alignment based on the specific sensing modality (i.e., monocular, stereo and visual-inertial). Second, we describe commonly used error metrics (i.e., the absolute trajectory error and the relative error) and their strengths and weaknesses. To make the methodology presented for VO/VIO applicable to other setups, we also generalize our formulation to any given sensing modality. To facilitate the reproducibility of related research, we publicly release our implementation of the methods described in this tutorial.
2021-07-19 11:01:21 506KB slam
1
rosrun showpath_odom showpath_odom
2021-07-15 15:00:41 4KB trajectory
1