系列文章目录
提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加
TODO:写完再整理
文章目录
前言
认知有限,望大家多多包涵,有什么问题也希望能够与大家多交流,共同成长!本文先对优化理论及应用导读做个简单的介绍,具体内容后续再更,其他模块可以参考去我其他文章
提示:以下是本篇文章正文内容
一、常用的优化理论类型介绍
介绍常用的优化理论类型及方法,包括介绍凸优化与非凸优化的概念、建立优化问题一般思想
常用的优化方法包括代价评分函数优化、梯度下降优化原理、QP(二次规划)的优化、EM最大期望值优化、词袋优化、数值优化等等
https://blog.csdn.net/qq_35635374/article/details/124209257
(1)常用的优化方法
详细介绍基于梯度下降(Gradient)算法的相关理论及示例,同时介绍基于无梯度(导数)的优化算法及凸优化的优化算法
https://blog.csdn.net/qq_35635374/article/details/138295668
(2)求解优化问题的nlopt工具库
介绍求解优化问题的工具库nlopt,使用nlopt优化库进行路径规划的后端轨迹优化
https://blog.csdn.net/qq_35635374/article/details/138295722
https://blog.csdn.net/qq_35635374/article/details/124639073
(3)二次型函数优化–二次型调节器理论
介绍二次型函数优化,建立QP问题
https://blog.csdn.net/qq_35635374/article/details/124554736
(4)OOQP二次优化库
介绍求解优化问题的OOQP二次优化库
https://blog.csdn.net/qq_35635374/article/details/124629707
二、机器人运动轨迹优化
(1)基于优化理论,梯度下降迭代优化使得轨迹形变的局部规划思想
介绍局部路径规划的核心思想:通过设计多项子代价损失函数,对一条路径进行非线性优化使其发生形变,实现障碍物避让的设计思想和设计步骤。
https://blog.csdn.net/qq_35635374/article/details/131613564
(2)Teb_planner
介绍了Teb_planner规划算法的原理、源码分析、工程部署经验及算法优缺点
https://blog.csdn.net/qq_35635374/article/details/138295741
三、无人车运动轨迹优化
(1)基于Frenet车道线坐标系,采用DP、QP速度解耦进行局部规划
针对自动驾驶车的场景,介绍基于Frenet车道线坐标系下,采用路径与速度解耦进行局部规划的方法
先使用DP的算法进行路径探索规划在ST图中搜索最优曲线,再使用QP优化的方式在ST图中对规划出来的速度轨迹进行选道及平滑,实现局部规划的动态效果
https://blog.csdn.net/qq_35635374/article/details/127720450
(2)机器人运动轨迹优化# EM_planner最大期望滚动优化算法
介绍EM_planner实现的流程,包括期望最大化Expectation Maximum的最优理论、EM_planner的optimizer具体的步骤、EM_planner的程序流程及关键步骤
https://blog.csdn.net/qq_35635374/article/details/138296059
(3)车道具体场景的设计核心思想
从场景需求出发,介绍车道具体场景的设计核心思想,包括实现变道、超车、切车并道的场景需求等等
https://blog.csdn.net/qq_35635374/article/details/138296092
四、无人机运动轨迹优化
(1)硬约束(飞行走廊)轨迹优化
介绍了无人机硬约束(飞行走廊)轨迹优化规划算法的原理及算法优缺点
https://blog.csdn.net/qq_35635374/article/details/138295763
(2)软约束轨迹优化
介绍了无人机软约束轨迹优化规划算法的原理及算法优缺点
https://blog.csdn.net/qq_35635374/article/details/138295789