优化理论及应用导读

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

---

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

拓展专栏阅读

局部轨迹规划local_planning

---