Tesseract ROS 平台 CI状态 Linux（Focal） Linux（仿生） 棉绒（lang式） 棉绒（C整理） Tesseract ROS软件包 tesseract_examples –该软件包包含使用tesseract和tesseract_ros进行运动计划和碰撞检查的示例。 tesseract_plugins –包含用于碰撞和运动学的插件，这些插件由监视器自动加载。 tesseract_rosutils –该软件包包含实用程序，例如从ROS消息类型转换为本机Tesseract类型，以及相反。 tesseract_msgs –该软件包包含Tesseract ROS使用的ROS消息类型。 tesseract_rviz –该软件包包含用于Rviz可视化Tesseract的ROS可视化插件。所有功能都已在库中组合在一起，从而能够快速创建自定义显示。 tesserac

matlab-rrt-variant：具有可视化功能的2d和3d c空间已实现RRT *，RRT连接，惰性RRT和RRT扩展

细节增强的matlab代码RRT明星 RRT星动计划 这是RRT *算法的Matlab实现，它是RRT的“增强”版本。 示例运行： 磁石颜色中的线表示障碍物。 黑线代表创建的快速探索树。 红线是从起点到终点的最终路径。 另一个非常幸运的发现： 该算法仅通过幸运地对一个点进行采样就找到了一条路径。 否则它将找不到路径，因为RRT *在狭窄的通道中无法很好地工作。 没有路径示例： rrt及其狭窄通道时变体不好，在这里我们可以看到算法无法找到从起点到终点的路径 高层次的解释 使用随机均匀抽样，我们选择一个点的坐标，然后尝试将其连接到当前树。 （起初仅由起点组成），我们尝试将此新点连接到树中最近的顶点。 只有在线路没有碰到任何障碍物的情况下，我们才能连接它们。 重复此过程，直到例如到达多个所需的树节点为止。 最后，我们找到最接近终点的点，并尝试将它们连接起来，如果能够的话，我们已经找到了一条路径。 （由于我们正在统一采样点，因此我们不太可能无法到达终点）如果涉及到一条狭窄的通道，则此算法很有可能找到一条路径。 除了RRT，对于每个随机点x_rand，该算法还会找到树中距随机点半径r的圆内的所有

Xpp是一个用于可视化有腿机器人的运动计划。 它在RVIZ中绘制了支撑区域，接触力和运动轨迹，并显示了针对特定机器人的URDF，包括单腿，两腿料斗和 。 在此，可以看到由库生成的更多示例动作。 安装 推荐的安装方式是通过： sudo apt-get install ros- < ros> -xpp 从源代码构建 如果您不想从ROS二进制文件安装，则此软件包需要和ROS ： sudo apt-get install ros- < ros> -desktop-full sudo apt-get install libeigen3-dev 然后，您可以在catkin工作区中构建程序包 cd catkin_workspace/src git clone https://github.com/leggedrobotics/xpp.git cd .. catkin_m

无人驾驶汽车项目 我使用开源模拟器完成了多个自动驾驶汽车（AV）项目。 这些项目涵盖了从控制，状态估计，定位，感知到运动计划的视音频领域。 控制器使用CARLA模拟环境在跑道上导航自动驾驶汽车。 误差状态扩展卡尔曼滤波器，可使用CARLA模拟器中的数据对车辆进行定位。 名称待定 识别场景中对象的边界框并定义可驱动曲面的边界的算法。 名称待定 分层运动计划程序，用于在CARLA模拟器中的一系列场景中导航，包括避免将车停在车道上，跟着领先车辆行驶并安全地导航十字路口。 安装CARLA 的Ubuntu 下载并按照。 视窗 下载版并按照。

使用数值方法求解机器人运动计划，以解决最佳控制问题。 规划可以采用运动学约束（例如位置、速度、加速度、加加速度边界）、动力学约束（例如机器人刚体动力学包括重力、离心力和科里奥利力、惯性力、关节扭矩限制，甚至扭矩变化率限制），以及碰撞避免考虑在内。 解决时间在几秒钟内。 详细信息参见出版物：“机器人运动规划的高效轨迹优化”，Yu Zhao、Hsien-Chung Lin、Masayoshi Tomizuka，ICARCV 2018。 有关可用演示的列表，请参阅https://github.com/yzhao334/Efficient-Trajectory-Optimization-for-Robot-Motion-Planning--Examples 。 所需软件包：chebfun、CasADi。 包中包含的其他依赖项（STLRead 和 STLWrite）

Computational Motion Planning 第2+3+4周编程作业 对应博客链接：https://blog.csdn.net/qq_39537898/article/details/104400702

pybullet规划（ss-pybullet） PyBullet实用程序功能库，用于机器人运动计划，操纵计划以及任务和运动计划（TAMP）。 该存储库最初是为TAMP的 （以前称为 ）方法开发的。 在 Yijiang的帮助下，可以通过获得一个稳定且有据可查的ss-pybullet 。 但是，新功能将继续首先通过ss-pybullet引入。 引文 Caelan Reed Garrett。 PyBullet规划。 。 2018。 安装 使用以下命令在OS X或Linux上安装PyBullet： $ pip install numpy pybullet $ git clone --recurse-submodules https://github.com/caelan/ss-pybullet.git $ cd ss-pybullet $ git pull --recurse-submod

避免加速度和速度障碍的相互碰撞 我们提出了一种考虑到加速约束的移动机器人避碰方法。 我们讨论了在移动障碍物中导航单个机器人的情况，以及在导航公共工作空间时相互避免碰撞的多个机器人的情况。 受速度障碍概念的启发，我们引入了加速度－速度障碍（AVO），以使机器人在遵守加速度约束的同时避免与移动障碍物发生碰撞。 AVO表征了机器人可以安全地达到并采用的比例控制加速度所采用的新速度。 通过让每个机器人承担避免成对碰撞的责任的一半，我们将此概念扩展为针对多机器人设置的相互避免碰撞。 我们的设计可确保无冲突导航，即使机器人独立且同时行动而无需协调。 我们的方法是为完整的机器人设计的，但也可以应用于运动约束非完整的机器人，例如汽车。 我们已经实现了我们的方法，并且在具有大量机器人和障碍物的具有挑战性的环境中显示了仿真结果。 版权所有2010北卡罗莱纳大学教堂山分校 根据Apache许可版本2.0（“

开放运动计划库（OMPL） Linux 视窗 这是OMPL.app，它是OMPL的扩展版本，它增加了对网格加载和碰撞检查以及简单GUI的支持。 访问以获取详细的安装说明。 OMPL.app具有以下必需的依赖性： （1.58版或更高版本） （版本3.5或更高版本） （3.3或更高版本） （版本3.0.1270或更高版本） （0.3.1版或更高版本） 以下依赖项是可选的： （用于GUI） （用于GUI） （需要生成Python绑定） （需要使用Open Dynamics Engine编译对计划的支持） （需要在上创建文档的本地副本） 安装依赖项后，您可以在Linux，macOS和MS Windows上构建OMPL.app。 转到OMPL.app的顶级目录，然后键入以下命令： mkdir -p build/Release cd build/Re