Mr.Winter`-CSDN博客

原创合合信息亮相鲁迅书局，扫描全能王黑科技扫出你的“能量buff”

11月29日，合合信息旗下扫描全能王亮相上海鲁迅书局，带来了传统文化和现代科技的跨时空碰撞。很荣幸参加这次扫出你的能量buff快闪活动体验以及KOL线下交流见面会，零距离体验黑科技。希望通过本次的分享，能够让众多不能到现场的小伙伴感受智能文档处理、智能图像处理的无限魅力与广阔前景

2024-12-03 09:32:28 1580 19

原创优化求解 | 非线性最小二乘优化器Ceres安装教程与应用案例

Ceres是一个开源的 C++ 库，用于求解大规模非线性最小二乘问题。本文提供了简便的Ceres一键安装脚本，介绍了Ceres库的基本概念：非线性最小二乘、残差块、代价函数等，并给出Powell函数优化和非线性曲线拟合的案例，加深对Ceres库的应用理解，为后续基于非线性最小二乘的轨迹优化打下基础

2024-11-25 10:26:58 1442 21

原创【已解决】/usr/bin/ld: cannot find -lxxx与cannot open shared object file: No such file or directory

解决编译时找不到动态链接库或运行时找不到动态链接库导致的报错

2024-11-18 17:55:39 1665 2

原创轨迹优化 | 基于Savitzky-Golay滤波的无约束路径平滑(附ROS C++/Python仿真)

Savitzky-Golay滤波器被广泛应用于信号降噪，其特点在于在滤除噪声的同时可以确保信号的形状、宽度不变。本文应用Savitzky-Golay滤波进行无约束路径平滑问题，给出了详细的Savitzky-Golay滤波卷积参数推导流程，并基于ROS C++/Python进行算法实现加深理解

2024-11-18 09:30:54 2814 16

原创数值优化 | 图解牛顿法、阻尼牛顿法与高斯牛顿法(附案例分析与Python实现)

牛顿法属于经典的二阶无约束优化方法，具有收敛速度快的特点。本文从一个引例出发，系统介绍牛顿迭代法、阻尼牛顿法、高斯牛顿法这三个经典的牛顿类算法，并基于Python实现，给出曲线拟合的案例进行算法的分析对比

2024-11-12 09:44:08 2644 16

原创路径规划 | ROS中多个路径规划算法可视化与性能对比分析

我们希望能够有一种方式定性、定量地对比不同路径算法的性能。本文通过设计一个ROS可视化插件的形式，帮助大家进行规划算法的定性、定量对比实验，并提供了常用的定量指标计算方法

2024-11-05 09:12:07 2090 17

原创轨迹规划 | 基于差速运动学的有模型PID算法(附ROS C++仿真)

在某些情况下，无模型PID可能面临系统稳定性问题，特别是在非线性系统中。当我们明确知道系统的动力学模型时，可以考虑采用有模型的PID算法更精确地调整PID参数，优化控制性能。本文介绍基于差速运动学模型的PID路径跟踪算法，并通过微分同胚的概念揭示非线性系统反馈线性化的本质，最后提供ROS C++算法实现加深理解

2024-10-28 10:02:54 5232 20

原创 PRCV2024：可信AI向善发展与智能文档加速构建

在PRCV2024中，合合信息图像算法研发总监郭丰俊老师针对生成式人工智能时代下图像内容安全和智能文档加速的相关技术，分享了自己的独到见解，并介绍了合合信息在这两个方向上取得的进步。接下来，让我们深入了解一下GAI在智能文档领域带来的挑战与机遇。

2024-10-23 09:53:50 15041 15

原创数值优化 | 图解梯度下降法与共轭梯度下降法(附案例分析与Python实现)

在复杂环境中，机器人需要寻找从起始点到目标点的最优路径。通过将路径表示为一个代价函数，梯度下降法可以用于最小化该代价，从而找到最符合期望的路径。本节从数值优化的层面介绍梯度下降法和共轭梯度法的原理、共同点和不同点，并给出基于python的案例实现加深理解

2024-10-21 09:20:16 3825 18

原创数值优化 | 图解线搜索之Armijo、Goldstein、Wolfe准则(附案例分析与Python实现)

线搜索是无约束优化问题中的关键算法之一。本节介绍非精确线搜索的Armijo、Goldstein、Wolfe、强Wolfe准则，并给出图例可视化不同准则的区别，最后给出非精确线搜索的Python实现与两个案例分析加深理解

2024-10-14 10:10:21 4357 19

原创碰撞检测 | 图解视线生成Bresenham算法(附ROS C++/Python/Matlab实现)

Bresenham视线生成是一种高效的算法，用于在二维网格上绘制直线。Bresenham算法可以应用在栅格地图中进行一维碰撞检测，即检查起点和终点间直线是否穿过障碍栅格。本文图解Bresenham碰撞检测的原理，并给出ROS C++/Python/Matlab三种实现加深理解

2024-10-08 09:54:37 9498 31

原创路径处理 | 关键点提取之Douglas–Peucker算法(附ROS C++/Python实现)

道格拉斯-普克算法(Douglas–Peucker)是一种经典的路径关键点提取算法，其基于分治思想，以采样前后路径误差最小化为目标，提取路径关键点。本文一步步图解Douglas–Peucker算法的流程，并给出ROS C++和Python实现、可视化加深理解

2024-09-23 10:08:21 3605 24

原创碰撞检测 | 图解线段几何与线段相交检测原理(附ROS C++可视化)

线段相交检测是广义多边形计算几何的基础，本文图解线段几何的常见算法，例如线段与线段相交检测(快速排斥与跨立实验)；线段与圆的相交检测；线段与矩形的相交检测。通过ROS C++实现算法并辅以可视化演示加深理解

2024-09-18 09:20:14 3238 17

原创 Leetcode题解精讲之二叉树的基本理论(分类、四种遍历方式、存储方式)

一文图解、串讲二叉树的各种知识：分类、遍历方式、存储方式

2024-09-12 11:16:51 4497 6

原创碰撞检测 | 详解圆-矩形碰撞检测与N圆覆盖模型(附ROS C++可视化)

圆是碰撞检测中常用的外接图形。本文介绍机器人与自动驾驶领域常用的N圆覆盖碰撞模型，并介绍圆与矩形的一般化碰撞检测方法，给出基于C++的算法实现ROS的可视化仿真加深理解

2024-09-10 09:18:50 3592 23

原创碰撞检测 | 详解矩形AABB与OBB碰撞检测算法(附ROS C++可视化)

矩形包围盒碰撞检测的核心原理是用矩形近似待检测物体轮廓，通过计算两个矩形间是否有重叠区域来进行碰撞判断。常用的包围形式有轴对齐包围盒(Axis-Aligned Bounding Box, AABB)以及更精细化具有角度的方向包围盒(Oriented Bounding Box, OBB)。本文详解这两种碰撞检测算法，并给出基于C++的算法实现和ROS可视化仿真案例

2024-09-03 10:00:57 7839 27

原创碰撞检测 | 基于ROS Rviz插件的多边形碰撞检测仿真平台

在自动驾驶和机器人领域，多边形碰撞检测在保证规划控制安全性方面发挥了极大的作用。本文的目标就是基于ROS Rviz搭建一个多边形仿真平台，为后续基于多边形的碰撞检测、TTC等算法提供验证环境

2024-08-22 09:25:21 9503 10

原创 ROS2从入门到精通2-4：Rviz2插件制作案例(以工具栏和多点导航插件为例)

Rviz2是一种支持扩展的视图工具，可以使用插件机制来扩展丰富的功能，进行二次开发。本文介绍如何为Rviz定制化设计插件，案例是实现一个工具栏箭头设置插件和多点巡航插件

2024-08-13 19:43:21 2324 12

原创 ROS2从入门到精通4-6：路径平滑插件开发案例(以B样条曲线平滑为例)

本文详细总结ROS2路径平滑器(Nav2 Smoother)插件开发的范式，并提供基于B样条曲线的路径平滑算法插件实现基础平滑功能，文章结合开发范式、算法原理和实际开发案例加深理解

2024-08-05 08:59:05 9118 13

原创丹摩智算：如何在云端开发一个AI应用——基于UNet的眼底血管分割案例

丹摩智算低价狂欢节开始，4090、显示器等神秘好礼等待大家！

2024-07-31 12:27:42 9187 4

原创碰撞检测 | 矩形增量膨胀安全走廊模型(附C++/Python仿真)

安全走廊在自动驾驶/机器人领域非常重要，其为轨迹优化建模提供了避障约束。本文介绍了矩形增量膨胀安全走廊的基本生成方法，并给出了C++/Python实现加深理解

2024-07-31 09:10:41 3104 14

原创轨迹优化 | 基于ESDF的共轭梯度优化算法(附ROS C++/Python仿真)

共轭梯度法的核心原理是求解优化问题的共轭向量组作为优化方向，由于优化方向间彼此正交，故每次迭代只需沿着一个方向寻优而互不影响。本文设计基于ESDF的障碍约束、曲率约束和平滑约束，基于ROS C++和Python提供了共轭梯度法的轨迹优化实践案例

2024-07-23 09:09:44 16865 36

原创 ROS2从入门到精通2-3：详解机器人3D物理仿真Gazebo与案例分析

本文详细介绍了Gazebo是什么？为什么要使用这个工具？清晰地列出了Gazebo的安装流程和界面的基本功能元素；并用实例讲解了用Gazebo搭建自定义地图的过程

2024-07-18 09:17:42 2614 1

原创 ROS2从入门到精通5-1：详解代价地图与costmap插件编写(以距离场ESDF为例)

一文总结ROS2代价地图的核心概念与配置，并以欧氏符号距离场障碍层为案例，介绍代价地图插件的编写方法，图文并茂加深理解

2024-07-15 09:49:47 5954 18

原创合合信息大模型加速器重磅上线，释放智能文档全新可能

2024世界人工智能大会，快来体验合合信息带来的大模型加速器黑科技

2024-07-10 09:11:14 20131 27

原创 AI集成工具平台一站式体验，零门槛使用国内外主流大模型

几十种AI大模型，欢迎体验

2024-07-08 09:26:48 13785 14

原创 Conan安装与C++第三方环境配置保姆级图文教程(附速查字典)

Conan是一个开源的C/C++包管理器，用于管理和构建C/C++项目所需的依赖库。本文介绍Conan的安装、常见操作，并给出一个实际案例加深理解

2024-07-02 16:18:42 7345 4

原创轨迹规划 | 图解模型预测控制MPC算法(附ROS C++/Python/Matlab仿真)

模型预测控制MPC是一种先进的控制策略，广泛应用于工程领域。它通过建立动态系统的数学模型，并基于当前状态进行预测，优化未来一段时间内的控制动作，以达到最优的控制效果。本文基于差速轮式移动机器人，推导MPC在路径跟踪问题的应用，并给出ROS C++/Python/Matlab三种实现加深理解

2024-07-02 09:11:41 4015 17

原创 ROS2从入门到精通2-2：详解机器人3D可视化工具Rviz2与案例分析

本文详细介绍了Rviz是什么？为什么要使用这个工具？清晰地列出了Rviz的安装流程和界面的基本功能元素；讲解了Rviz基本数据类型与话题，并用两个实例深入理解Rviz数据可视化的过程

2024-06-26 10:00:00 2480 7

原创 ROS2从入门到精通4-4：局部控制插件开发案例(以PID算法为例)

在ROS2中，局部控制插件为导航系统提供灵活性和可扩展性。本文详细总结ROS2控制器插件开发的范式，并提供基于PID算法的控制插件实现路径跟踪，文章结合开发范式、算法原理和实际开发案例加深理解

2024-06-24 09:19:35 6149 22

原创 C++性能分析工具gperftools安装教程与使用案例分析

gperftools是由谷歌开发的一套性能分析工具。它主要用于帮助开发人员更好地了解其程序的性能瓶颈并进行有效的优化。本文介绍gperftools的安装流程，并给出实际案例加深理解

2024-06-17 21:00:47 5743 4

原创轨迹优化 | 图解欧氏距离场与梯度场算法(附ROS C++/Python实现)

距离场在运动规划中则常用于地图建模和轨迹梯度优化。本文图解欧氏距离场EDT的算法原理，并基于双线性插值给出欧氏梯度场的公式推导，并给出ROS C++和Python的算法实现加深理解

2024-06-17 09:29:29 3339 11

原创路径规划 | 图解遗传(GA)算法(附ROS C++仿真)

遗传算法(Genetic Algorithm, GA)是模拟自然界中生物进化过程的一种计算方法，借鉴了基因编码、选择变异等生物学概念。本文系统解析遗传算法的基本概念，并将其应用在路径规划和平滑上，同时给出ROS C++实现加深理解

2024-06-11 09:18:06 4008 25

原创 ROS2从入门到精通4-3：全局路径规划插件开发案例(以A*算法为例)

在ROS2中，路径规划插件为导航系统提供灵活性和可扩展性。本文详细总结ROS2规划插件开发的范式，并提供A*算法路径规划插件的实际开发案例加深理解

2024-06-03 09:14:34 3139 13

原创 ROS2从入门到精通2-1：launch多节点启动与脚本配置

在ROS2中，launch文件用于优化多个节点的启动流程，经过ROS2的启动脚本优化，使得系统的启动和管理更加便捷和高效，也更适合复杂系统的部署和管理。

2024-05-30 09:18:34 1954 10

原创路径规划 | 图解粒子群(PSO)算法(附ROS C++仿真)

粒子群算法(PSO)的基本思想是模拟鸟群觅食机制，将鸟类的觅食方向分为自我认知部分和社会部分，个体自主探索群体周围空间的同时，也随着群体的主流方向前进，不断逼近最优目标。本文详解PSO算法基本概念，并给出ROS C++实现加深理解

2024-05-27 09:27:14 1517 15

原创 ROS2从入门到精通4-1：运动规划仿真环境Nav2搭建与导航测试

本文从零开始带你安装官方移动机器人TurtleBot3和Nav2导航功能包，体验ROS2的可视化仿真工具Gazebo与RVIZ，同时给出了常见问题的解决方案

2024-05-23 09:29:17 1701 13

原创碰撞检测 | 1D/2D碰撞时间TTC模型理论推导(附Python实现)

碰撞时间TTC是驾驶行为研究中常用的重要概念，常用于交通流畅性和安全性分析的重要风险指标，并为轨迹规划和决策提供量化依据。本文详细推导一维和二维TTC计算模型，并给出二维车辆TTC计算Python代码加深理解

2024-05-20 09:18:04 2219 32

原创 ROS从入门到精通4-3：制作Docker镜像文件Dockerfile

Dockerfile是用来构建Docker镜像的构建文件，是由一系列命令和参数构成的脚本。本文详细介绍Dockerfile的基本指令，并提供一个构建ROS运动规划镜像的实际案例

2024-05-16 09:32:49 1249 6

原创轨迹规划 | 图解纯追踪算法Pure Pursuit(附ROS C++/Python/Matlab仿真)

纯追踪算法(Pure Pursuit)参考了人类驾驶行为，其基本思想是在待跟踪路径上设置预瞄点(goal-ahead)，通过简单的几何方法驱动机器人跟踪预瞄点直至抵达目标位置.本文详细推导纯追踪算法的理论原理及其变种——自适应纯追踪算法(APP)和规范化纯追踪算法(RPP)，并提供ROS C++/Python/Matlab三种仿真实现加深理解

2024-05-13 09:16:47 6157 26

2019年美赛优秀论文中文版的项目资源是一个非常有价值的资源，它包含了一些在2020年美赛中获得优秀成绩的论文的中文版。这些论文涵盖了各种不同的主题和领域，包括但不限于数学建模、计算机科学、物理学等等。这些论文的核心原理是基于数学建模和计算机算法的应用。通过对实际问题进行抽象和建模，研究者们提出了一些创新性的方法和算法来解决这些问题。这些方法和算法经过实践验证，在美赛中取得了优秀的成绩。这些论文的应用场景非常广泛。它们可以应用于工程领域，帮助工程师们解决实际问题；也可以应用于科学研究领域，推动科学的发展；还可以应用于教育领域，帮助学生们更好地理解和应用数学和计算机科学知识。如果你对数学建模、计算机算法或者相关领域感兴趣，这些论文将会是一个非常有价值的学习资料。它们可以帮助你深入理解相关领域的核心原理和应用方法，提升你的学术水平和解决实际问题的能力。

2024-03-15

2020年美赛优秀论文中文版

2020年美赛优秀论文中文版的项目资源是一个非常有价值的资源，它包含了一些在2020年美赛中获得优秀成绩的论文的中文版。这些论文涵盖了各种不同的主题和领域，包括但不限于数学建模、计算机科学、物理学等等。这些论文的核心原理是基于数学建模和计算机算法的应用。通过对实际问题进行抽象和建模，研究者们提出了一些创新性的方法和算法来解决这些问题。这些方法和算法经过实践验证，在美赛中取得了优秀的成绩。这些论文的应用场景非常广泛。它们可以应用于工程领域，帮助工程师们解决实际问题；也可以应用于科学研究领域，推动科学的发展；还可以应用于教育领域，帮助学生们更好地理解和应用数学和计算机科学知识。如果你对数学建模、计算机算法或者相关领域感兴趣，这些论文将会是一个非常有价值的学习资料。它们可以帮助你深入理解相关领域的核心原理和应用方法，提升你的学术水平和解决实际问题的能力。

2024-03-15

电赛机器人项目-D*路径规划算法(Python实现)

D*路径规划的项目资源是一种用于路径规划的算法，它的核心原理是通过动态地更新路径信息来实现高效的路径搜索。D*算法最初是为了解决机器人在未知环境中的路径规划问题而提出的。 D*算法的应用场景非常广泛，特别适用于需要实时路径规划的领域。例如，无人机、自动驾驶车辆、机器人导航等领域都可以使用D算法来进行路径规划。由于D*算法能够在运行时根据环境变化动态更新路径，因此它对于动态环境下的路径规划非常有效。 D*算法的核心思想是通过启发式搜索和局部修正来实现路径规划。它通过评估当前节点到目标节点的代价，并根据代价更新路径信息。当环境发生变化时，D算法会根据新的信息重新计算路径，并通过局部修正来快速调整路径。通过使用基于D*路径规划的项目资源，您可以轻松实现高效的路径规划功能，并且能够适应动态环境的变化。这将为您的项目带来更好的性能和可靠性。

2024-03-15

大学生创新创业训练项目-基于DWA的机器人路径规划(Python实现)

DWA（Dynamic Window Approach）路径规划的大学生创新竞赛项目资源是一个基于机器人路径规划的项目。DWA路径规划是一种常用的动态窗口方法，它通过考虑机器人的动力学约束和环境信息，实现了高效的路径规划。核心原理是通过建立机器人与环境的模型，结合机器人的动力学特性，计算出机器人在不同速度和转向角度下的运动窗口。然后，根据目标位置和环境信息，选择最优的速度和转向角度，以实现安全、高效的路径规划。这种基于DWA路径规划的方法在机器人导航、自动驾驶等领域有着广泛的应用场景。例如，在无人车领域，可以利用DWA路径规划来实现车辆的自主导航和避障功能；在智能仓储系统中，可以利用DWA路径规划来实现机器人的货物搬运和路径规划等任务。通过这个项目资源，你可以深入了解DWA路径规划的核心原理和应用场景，并且可以基于该方法进行相关的研究和开发工作。

2024-03-15

drow 2d激光雷达点云数据集

DROW 2D激光点云数据集是一个用于机器学习和计算机视觉研究的重要资源。它包含了通过激光传感器获取的二维点云数据，可以用于目标检测、目标跟踪、场景理解等多个应用领域。核心原理是通过激光传感器扫描周围环境，获取到的激光点云数据。这些数据以二维坐标的形式表示了环境中物体的位置和形状信息。每个点都包含了激光束与物体之间的距离和反射强度等属性。 DROW 2D激光点云数据集的应用场景非常广泛。其中之一是目标检测，通过分析点云数据中的物体形状和位置信息，可以实现对环境中目标物体的自动识别和定位。另外，该数据集还可以用于目标跟踪，通过连续的点云数据帧，可以实现对目标物体在时间上的追踪和预测。此外，该数据集还可以用于场景理解，通过分析点云数据中的结构和几何信息，可以实现对环境场景的建模和分析。

2024-03-06

基于Hybrid A*的路径规划(Matlab实现)

这个代码资源提供了一个实现了hybrid A*算法的程序框架，它可以帮助你快速构建自己的路径规划系统。该代码资源的核心部分包括以下几个方面：网格地图表示：该代码资源提供了一种有效的方式来表示环境地图，以便进行路径搜索。它可以将地图划分为网格，并记录每个网格的状态信息，如是否可通过、代价等。连续和离散搜索：hybrid A*算法结合了连续和离散搜索，以在连续空间中进行快速搜索，并在离散空间中进行精确路径规划。该代码资源实现了这两种搜索方法，并提供了相应的接口供你使用。启发式函数：为了加速路径搜索过程，该代码资源还提供了一些启发式函数，用于评估节点的优先级。这些启发式函数可以帮助算法更好地选择下一个扩展节点，以便更快地找到最优路径。通过使用这个基于hybrid A*的路径规划代码资源，你可以快速构建一个高效的路径规划系统，以应对各种复杂环境。它提供了一个可靠的算法框架，使你能够专注于解决具体的路径规划问题。

2024-03-06

yolov9-Pytorch源代码

YOLOv9的核心思想是将目标检测任务转化为一个回归问题，通过将图像分成不同的网格单元，并预测每个单元中是否存在目标以及目标的位置和类别。与传统的滑动窗口方法相比，YOLOv9能够在一次前向传播中同时预测多个目标，大大提高了检测速度。在YOLOv9的实现中，使用了一系列的卷积层和池化层来提取图像特征，并通过多个尺度的特征融合来增强模型的感受野。此外，YOLOv9还引入了特征金字塔网络（FPN）和注意力机制等技术，进一步提升了模型的检测性能。通过使用PyTorch作为实现框架，YOLOv9可以充分利用PyTorch强大的计算和自动求导功能，简化了模型的训练和调试过程。同时，PyTorch还提供了丰富的预训练模型和优化算法，可以帮助开发者更快地构建和优化YOLOv9模型。

2024-03-06

基于Dijkstra的路径规划算法(Python实现)

Dijkstra算法的应用场景非常广泛，其中最典型的应用是在交通网络中进行路线规划。例如，当我们需要找到两个城市之间的最短路径时，可以将城市看作图中的节点，道路看作图中的边，然后利用Dijkstra算法计算出最短路径。除了交通网络，Dijkstra算法还可以应用于其他领域，如电信网络中的路由选择、物流配送中的路径规划等。它的优势在于能够快速找到最短路径，并且适用于有向图和无向图。

2024-03-05

基于深度优先搜索（DFS）的路径规划算法(Python实现)

深度优先搜索（DFS）是一种常用的图遍历算法，用于寻找图中的路径。它从起始节点开始，沿着一条路径尽可能深入地探索，直到无法继续为止，然后回溯到上一个节点，继续探索其他路径。DFS的核心原理是通过递归或栈的方式实现深度遍历。深度优先搜索在路径规划中有广泛的应用场景。例如，在迷宫问题中，可以使用DFS来找到从起点到终点的路径。在图的遍历中，DFS可以用于查找两个节点之间的路径，或者查找图中的环。此外，在人工智能领域中，DFS也被用于解决一些搜索问题，如八皇后问题和数独问题。通过使用基于深度优先搜索的路径规划代码资源，您可以轻松地实现在图或迷宫等问题中寻找路径的功能。该代码资源将提供核心的深度优先搜索算法实现，并可以根据您的需求进行适当的修改和扩展。您可以根据具体情况选择递归或栈来实现DFS，并结合合适的数据结构来存储节点和路径信息。

2024-03-05

基于三次样条(cubic spline)的路径规划算法(Python实现)

基于cubic spline的路径规划是一种常用的算法，用于在给定起点和终点之间生成平滑的路径。它的核心原理是通过插值方法，将离散的路径点连接起来，形成连续的曲线。在路径规划中，起点和终点是已知的，而中间的路径点需要通过插值来确定。Cubic spline算法使用三次多项式来逼近每个路径段，保证路径的平滑性和连续性。通过在每个路径段上定义多个控制点，可以调整路径的形状和曲率，以适应不同的应用场景。这种路径规划算法广泛应用于机器人导航、自动驾驶、航空航天等领域。在机器人导航中，路径规划可以帮助机器人避开障碍物，找到最优的行进路径。在自动驾驶中，路径规划可以帮助车辆规划安全、高效的行驶路线。在航空航天领域，路径规划可以用于飞行器的轨迹规划和控制。总之，基于cubic spline的路径规划算法通过插值方法生成平滑的路径，适用于各种需要规划连续、平滑路径的应用场景。

2024-03-05

基于Clothoid的路径规划算法(Python实现)

基于Clothoid的路径规划是一种常用的算法，它可以在机器人、自动驾驶和航空等领域中实现高效的路径规划。Clothoid是一种特殊的曲线，其曲率变化连续且平滑，因此可以在复杂的环境中生成平滑的路径。核心原理是通过将路径分解为一系列Clothoid段，每个段都有不同的曲率。这些Clothoid段可以通过调整曲率来实现路径的平滑过渡，从而减少机器人或车辆的运动惯性和摩擦力。这种平滑路径规划可以提高机器人或车辆的稳定性和控制性能。 Clothoid路径规划算法的应用场景非常广泛。在自动驾驶领域，它可以用于生成平滑的车辆轨迹，提高行驶的舒适性和安全性。在机器人导航中，它可以用于规划机器人的运动路径，避免障碍物和优化运动轨迹。在航空领域，它可以用于飞行器的路径规划和控制，提高飞行的稳定性和效率。

2024-03-05

基于Closed Loop RRT*的路径规划算法(Python实现)

基于Closed Loop RRT的路径规划算法是一种高效的路径规划方法，它结合了Rapidly-exploring Random Tree (RRT)和RRT算法的优点。该算法的核心原理是通过随机采样和树结构的构建来搜索可行路径，并通过迭代优化来提高路径质量。在Closed Loop RRT算法中，首先通过随机采样生成一个树结构，其中包含起始点和目标点。然后，通过不断扩展树结构，将新的节点连接到已有的节点上，直到找到一条连接起始点和目标点的路径。与传统的RRT算法不同的是，Closed Loop RRT算法会在每次扩展节点时考虑到目标点，以便更快地找到最优路径。该算法的应用场景非常广泛。例如，在机器人路径规划中，Closed Loop RRT*可以帮助机器人在复杂环境中找到最短、最安全的路径。此外，该算法还可以应用于自动驾驶领域，帮助车辆规划避障路径，提高行驶效率和安全性。

2024-03-05

基于Batched Informed RRT*的路径规划算法(Python实现)

Batched Informed RRT*是一种高效的路径规划算法，它基于Rapidly-exploring Random Trees（RRT*）算法，并通过批处理的方式进一步提升了性能。该算法的核心原理是在搜索过程中，利用启发式信息来引导树的生长，以更快地找到最优路径。 Batched Informed RRT算法的应用场景非常广泛。例如，在机器人导航中，路径规划是一个重要的任务。通过使用Batched Informed RRT算法，机器人可以在复杂的环境中快速找到最优路径，避免障碍物，并且能够适应动态环境的变化。此外，该算法还可以应用于自动驾驶、无人机飞行路径规划等领域。总结来说，Batched Informed RRT算法通过结合RRT和批处理技术，提供了一种高效的路径规划方法。它在各种应用场景中都能够快速找到最优路径，并且具有较好的适应性和鲁棒性。

2024-03-05

基于B样条曲线的路径规划(Python实现)

B样条曲线是一种常用的数学曲线插值方法，它通过控制点和节点向量来定义曲线形状。在路径规划中，B样条曲线可以用于生成平滑的路径，以满足机器人、无人车等自动化系统的运动需求。核心原理：B样条曲线的核心原理是通过控制点和节点向量来插值生成曲线。控制点决定了曲线的形状，而节点向量则决定了曲线的平滑程度。通过调整控制点和节点向量，可以得到不同形状和平滑程度的曲线。应用场景：B样条曲线在路径规划中有广泛的应用。例如，在机器人路径规划中，可以使用B样条曲线来生成平滑的轨迹，以避免机器人运动过程中的抖动和不稳定性。在无人车路径规划中，B样条曲线可以用于生成平滑的车辆轨迹，提高行驶的舒适性和安全性。此外，B样条曲线还可以应用于计算机图形学、动画制作等领域。

2024-03-05

基于贝塞尔曲线的路径规划(Python实现)

基于贝塞尔曲线的路径规划是一种常用的算法，它可以用来生成平滑的路径，适用于各种应用场景，如机器人导航、动画设计、游戏开发等。核心原理是通过贝塞尔曲线的插值计算，将给定的起点和终点之间的路径进行平滑化处理。贝塞尔曲线是一种数学曲线，由控制点决定形状。路径规划算法会根据给定的控制点，计算出一系列中间点，然后通过插值计算得到平滑的路径。应用场景举例：机器人导航：在机器人导航中，路径规划是一个重要的问题。通过使用基于贝塞尔曲线的路径规划算法，可以使机器人在运动过程中避免突变和抖动，提高导航的精度和平滑性。动画设计：在动画设计中，路径规划可以用来控制物体的运动轨迹。通过使用基于贝塞尔曲线的路径规划算法，可以实现物体在动画中的平滑移动，增加动画的流畅性和真实感。游戏开发：在游戏开发中，路径规划可以用来控制角色或物体的移动路径。通过使用基于贝塞尔曲线的路径规划算法，可以实现游戏中的平滑移动效果，提升游戏的交互性和用户体验。

2024-03-05

双向广度优先搜索(BBFS)路径规划算法(Python实现)

基于双向广度优先搜索的路径规划算法是一种常用的图搜索算法，用于寻找两个节点之间的最短路径。该算法从起始节点和目标节点同时进行搜索，通过不断扩展搜索范围，直到两个搜索队列相遇或找到最短路径为止。核心原理是利用广度优先搜索的特性，从起始节点和目标节点同时进行搜索，每次扩展搜索范围时，都会将当前节点的邻居节点加入到搜索队列中。通过不断交替进行搜索，直到两个搜索队列相遇，即找到了起始节点和目标节点之间的最短路径。该算法的应用场景广泛，例如地图导航、游戏路径规划、网络路由等。在地图导航中，可以利用该算法找到最短路径来指导用户行驶；在游戏中，可以使用该算法来计算NPC角色的移动路径；在网络路由中，可以利用该算法来选择最优的传输路径。

2024-03-05

广度优先搜索(BFS)路径规划算法(Python实现)

基于广度优先搜索的路径规划是一种常用的算法，用于在图或者树结构中寻找从起点到目标点的最短路径。这种算法通过逐层扩展搜索的方式，从起点开始，逐步向外扩展，直到找到目标点或者遍历完所有可能的路径。通过使用基于广度优先搜索的路径规划算法，可以有效地找到最短路径。这种算法适用于无权图或者树结构，并且在实际应用中被广泛使用，例如地图导航、迷宫求解等。

2024-03-05

D* Lite路径规划算法(Python实现)

D* Lite算法的核心思想是通过不断更新代价地图来实现路径规划。它使用两个主要的数据结构：状态图和优先队列。状态图记录了每个位置的代价信息，而优先队列则根据代价信息来选择下一个要扩展的节点。在使用D* Lite算法进行路径规划时，首先需要初始化起点和目标点，并将起点加入到优先队列中。然后，算法会不断从优先队列中选择代价最小的节点进行扩展，直到找到目标点或者无法找到路径为止。在扩展节点时，D* Lite算法会根据当前节点的代价信息和邻居节点的代价信息来更新状态图，并更新优先队列中节点的优先级。

2024-03-04

D*路径规划算法(Python实现)

D*算法的优势，能够在已知地图的情况下，实时计算出最优路径，并且能够适应环境的变化。无论是在机器人导航、自动驾驶、无人机飞行还是其他需要路径规划的领域，我们的工具都能够提供高效、准确的路径规划解决方案。我们的基于D*算法的路径规划工具具有以下特点：实时更新路径：根据环境的变化，我们的工具能够实时更新路径，确保始终选择最优路径。高效性能：我们的工具经过优化，能够在大规模地图上快速计算出路径，提高了路径规划的效率。灵活性：我们的工具支持不同类型的地图和各种约束条件，可以根据具体需求进行定制化配置。易于集成：我们提供了简洁易用的API接口，方便开发者将我们的工具集成到自己的项目中。

2024-03-04

基于Bug的路径规划算法(Python实现)

该资源是一个基于Bug算法的实现库，提供了一系列Bug算法的实现代码和工具函数，方便用户在自己的项目中应用Bug算法进行优化。

2024-03-04

双向A*路径规划算法(Python实现)

双向A算法是一种启发式搜索算法，它通过同时从起点和终点进行搜索，以找到最短路径。相比传统的单向A算法，双向A算法能够更快地找到最优解。该资源提供了一个实现了双向A算法的代码库，可以帮助开发者快速实现路径规划功能。使用该资源，您可以轻松地在各种应用场景中应用双向A算法，例如机器人导航、游戏AI等。

2024-03-04

VGG-11、VGG-16、VGG-19 Pytorch算法复现

VGG是一种经典的卷积神经网络架构，由牛津大学的研究团队提出。它在2014年的ImageNet图像分类挑战中取得了很好的成绩，成为了当时最先进的模型之一。VGG的主要特点是使用了非常小的卷积核（3x3）和深层网络结构，通过堆叠多个卷积层和池化层来提取图像特征。基于Pytorch实现的VGG资源提供了一个方便的工具，使得用户可以轻松地使用VGG模型进行图像分类任务。通过加载预训练的VGG模型，用户可以快速地进行图像特征提取和分类。同时，Pytorch作为一个流行的深度学习框架，提供了丰富的功能和灵活性，使得用户可以方便地进行模型的训练和调整。

2024-03-04

Resnet Pytorch算法复现

这是一个基于PyTorch实现的ResNet资源，ResNet是一种深度残差网络，被广泛应用于图像分类任务。该资源提供了ResNet在PyTorch框架下的完整实现代码，方便研究者和开发者进行模型训练和应用。ResNet通过引入残差连接解决了深度网络训练中的梯度消失和梯度爆炸问题，使得网络可以更深更容易训练。该实现包含了各个版本的ResNet，如ResNet-18、ResNet-34、ResNet-50等，用户可以根据自己的需求选择适合的模型进行使用。此外，该资源还提供了预训练的权重文件，可以直接加载并在自己的数据集上进行微调或特征提取。无论是学术研究还是工程应用，这个基于PyTorch实现的ResNet资源都将为你的项目提供强大的支持。

2024-03-04

DenseNet Pytorch算法复现

这是一个基于Pytorch实现的Densenet资源，Densenet是一种密集连接的深度神经网络模型，它在图像分类和目标检测等计算机视觉任务中表现出色。该资源提供了一个经过训练的Densenet模型，可以用于图像分类任务。该模型具有较高的准确率和泛化能力，并且在处理大规模数据集时具有较好的性能。此外，该资源还提供了预训练的权重文件，用户可以直接加载这些权重文件并在自己的项目中使用已经训练好的Densenet模型，从而节省了训练时间和计算资源。无论是对于初学者还是有经验的研究者，这个基于Pytorch实现的Densenet资源都是一个非常有价值的工具，可以帮助他们快速构建和训练高性能的图像分类模型。

2024-03-04

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

2019年美赛优秀论文中文英文版

2020年美赛优秀论文中文版

电赛机器人项目-D*路径规划算法(Python实现)

大学生创新创业训练项目-基于DWA的机器人路径规划(Python实现)

drow 2d激光雷达点云数据集

基于Hybrid A*的路径规划(Matlab实现)

yolov9-Pytorch源代码

基于Dijkstra的路径规划算法(Python实现)

基于深度优先搜索（DFS）的路径规划算法(Python实现)

基于三次样条(cubic spline)的路径规划算法(Python实现)

基于Clothoid的路径规划算法(Python实现)

基于Closed Loop RRT*的路径规划算法(Python实现)

基于Batched Informed RRT*的路径规划算法(Python实现)

基于B样条曲线的路径规划(Python实现)

基于贝塞尔曲线的路径规划(Python实现)

双向广度优先搜索(BBFS)路径规划算法(Python实现)

广度优先搜索(BFS)路径规划算法(Python实现)

D* Lite路径规划算法(Python实现)

D*路径规划算法(Python实现)

基于Bug的路径规划算法(Python实现)

双向A*路径规划算法(Python实现)

VGG-11、VGG-16、VGG-19 Pytorch算法复现

Resnet Pytorch算法复现

DenseNet Pytorch算法复现

路径规划A*算法 python实现

KD树实现源码+可视化实例演示

Openpose python接口应用demo

Windows下跑通ORBSLAM实验

空空如也