基于回旋曲线的平行泊车路径规划与跟踪控制_张家旭. 摘 要：综合考虑汽车运动学约束、泊车过程中碰撞约束和计算实时性等要求，提出一种基于回旋曲线的平行泊车 路径规划与跟踪控制方法。首先，基于圆弧-直线组合方式推导出平行泊车可行泊车起始区域边界，并通过对固定 回旋曲线的旋转和翻转变换完成曲率连续的平行泊车路径的设计，避免原地转向现象。随后，基于非奇异快速终 端滑模理论和双幂次趋近律推导出非时间参考的路径跟踪滑模控制律，提高泊车路径跟踪控制的动态响应特性和 鲁棒性。最后，结合车辆动力学仿真软件对所提出的平行泊车路径规划与控制方法的有效性进行仿真验证。 关键词：车辆工程；平行泊车路径规划与跟踪；回旋曲线；非奇异快速终端滑模；双幂次趋近律

国内目前研究机器人路径规划的人并不多，算是比较偏的一个学科。我把自己从研一到研二收集的论文（绝大部分是IEEE旗下的会议论文，如IROS、ICRA等）分为几个目录：PRM，RRT，动态环境下的路径规划，困难区域问题和采样策略，打包上传，希望有志同道合的初学者和朋友用得到。

matlab说话代码QLearning for Path Planning 这是用于路径规划的Q学习算法（代码+描述）的实现。 这是文件结构： QLearning for Path Planning |-- src |-- data |-- Distance.mat |-- Distance_bigmap.mat |-- NodeSide.mat |-- NodeSide_bigmap.mat |-- Planned |-- PlannedData.mat |-- PlannedData_bigmap.mat |-- GetBigmapMat.m |-- main.m |-- mygetRealObstacle.m |-- mygetRewardTable.m |-- mygetRoutelen.m |-- myQLearningRoute.m |-- myQLearningTrain.m |-- myRouteChange.m |-- time_test.m |-- imgs |-- images used in file 'Readme.md' |-- Readme.md 在以上文

采用强化学习中的Q-learning算法实现移动机器人的局部路径规划，并引入资格迹，修改神经网络RBF的权值，使算法更有效地利用未知环境信息特征，以提高迭代过程中的收敛速度。

本代码为路径规划和matlab的学习代码，主要参考matlab帮助文档里的“Path Following for a Differential Drive Robot” 操作环境：matlab2019b 使用模型：双轮差速小车模型

完整论文内容，内含原代码及参考文献，可直接用

拣货路径优化matlab代码这是一个用于 Lynx 机器人（6-DoF 机械手）的动态平滑 RRT 规划器。 主要功能： 模拟函数：runsim.m 静态规划生成函数（主函数）：SRRT.m 动态规划的生成函数：regrow.m 其他功能： 示例函数：sample.m 在空间中选择随机节点：RandomNode.m 邻居查找函数：neighbor.m 节点扩展函数：extend.m 碰撞检测功能：DetCol.m 路径优化函数：path_opt.m Utils：这些是我在以前的实验室中实现的来自 p-code 或 m-code 的辅助函数 为了评估规划器的平滑度，我们在不同的静态地图中进行了模拟： 静态模拟结果： 随机样本和epsilon-greedy样本的比较： 原始路径和修剪路径之间的比较： 为了评估规划器的动态性能，由于在 matlab 中可视化 3d 移动障碍物非常棘手，我们将其实现到在不断变化的环境中导航的规划器点机器人上，得到以下结果： 场景一：随机移动门： 场景2：棘手的迷宫：

维RRT避障路径规划算法.zip

Dubins曲线.docx

采用人工势场法进行路径规划和避障,建立新的汽车无人驾驶路径规划环境模型。汽车以自身的圆周势场进行探测,每次移动都会使势力场发生改变,在进行信息收集后判断避开障碍物的所有路径,最终在规划的路径中找出最佳路径,从而完成避障和路径规划。避障路径规划技术能够指引汽车避开障碍物,避免事故的发生,对提高道路交通的安全水平大有帮助。