基于激光雷达无人机避障系统，内含详细的教程和源码以及对应的视频。可用于参考作为毕业设计和其他创新创业项目。

单片机实验周内容，部分仿真加程序

复旦大学电子系统导论大作业-小车避障与绕桩.zip

DWA（Dynamic Window Approach）算法是一种用于机器人路径规划的算法，它由Andrew Kelly和Lydia E. Kavraki于1996年提出。DWA算法特别适用于在动态环境中进行机器人的实时路径规划，如无人驾驶汽车、无人机（UAV）和移动机器人等。以下是DWA算法的详细解释： ### 1. 算法原理 DWA算法的核心思想是在机器人的控制空间中搜索一个可行的控制序列，使得机器人能够在避免碰撞的同时，尽可能快速地达到目标位置。 ### 2. 算法步骤 DWA算法通常包括以下步骤： #### 2.1 初始化 - 确定机器人的初始位置和目标位置。 - 定义机器人的动力学模型和运动学约束。 #### 2.2 控制空间采样 - 在给定的时间间隔内，从控制空间中随机采样一系列的控制输入（如速度、加速度、转向角等）。 #### 2.3 预测模型 - 对于每个采样的控制输入，使用机器人的动力学模型预测未来一段时间内机器人的位置和姿态。 #### 2.4 碰撞检测 - 对于每个预测的未来状态，检查是否存在碰撞风险。这通常涉及到与环境障碍物的几何关系检查。

红外遥控的超声波避障小车

CSDN佛怒唐莲上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描视频QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

随机障碍物地图(障碍物数量至少为10个)，要求：设置左下角为起点，右上角为终点，采用合适的算法/方法规划可行的最优路径。(提供程序流程图、MALAB仿真程序代码和仿真结果图) 随机障碍物地图(障碍物数量至少为10个)，要求：设置左下角为起点，右上角为终点，采用合适的算法/方法规划可行的最优路径。(提供程序流程图、MALAB仿真程序代码和仿真结果图) 随机障碍物地图(障碍物数量至少为10个)，要求：设置左下角为起点，右上角为终点，采用合适的算法/方法规划可行的最优路径。(提供程序流程图、MALAB仿真程序代码和仿真结果图) 随机障碍物地图(障碍物数量至少为10个)，要求：设置左下角为起点，右上角为终点，采用合适的算法/方法规划可行的最优路径。(提供程序流程图、MALAB仿真程序代码和仿真结果图) 随机障碍物地图(障碍物数量至少为10个)，要求：设置左下角为起点，右上角为终点，采用合适的算法/方法规划可行的最优路径。(提供程序流程图、MALAB仿真程序代码和仿真结果图) 随机障碍物地图(障碍物数量至少为10个)，要求：设置左下角为起点，右上角为终点，采用合适的算法/方法规划可行的最优路径。

基于DQN的三维无人机避障航迹规划

1、使用stm32f103最小系统板 2、采用L298N驱动二路电机驱动电机（12v供电） 3、用Timer3输出两路PWM波对小车进行调速 4、四路红外循迹的功能 5、超声波测距功能，舵机自动转向，二者结合可以自动躲避障碍物 6、可以使用手机蓝牙调试助手控制小车的运动方向等其他功能 7、工程详细，代码有注释

使用深度强化学习算法实现端到端的无人车避障 使用ROS和gazebo环境下仿真 python脚本编写