<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_41845878的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/qq_41845878</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qq_41845878]]></copyright><item><title><![CDATA[ubuntu 20.04 配置cartographer 库]]></title><link>https://blog.csdn.net/qq_41845878/article/details/129843821</link><guid>https://blog.csdn.net/qq_41845878/article/details/129843821</guid><author>qq_41845878</author><pubDate>Wed, 29 Mar 2023 20:28:22 +0800</pubDate><description><![CDATA[在安装 cartographer库之前，需要先安装ROS。安装ROS的教程请查找相关文章。系统要求：ubuntu 18 & Melodic 或者 ubuntu 20 & Noetic。]]></description><category></category></item><item><title><![CDATA[基于光线跟踪的路径规划算法]]></title><link>https://blog.csdn.net/qq_41845878/article/details/128863728</link><guid>https://blog.csdn.net/qq_41845878/article/details/128863728</guid><author>qq_41845878</author><pubDate>Fri, 03 Feb 2023 11:41:15 +0800</pubDate><description><![CDATA[我提出的新的路径规划算法]]></description><category></category></item><item><title><![CDATA[新建ROS订阅者、发布者节点方法]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120252222</link><guid>https://blog.csdn.net/qq_41845878/article/details/120252222</guid><author>qq_41845878</author><pubDate>Sun, 12 Sep 2021 17:16:35 +0800</pubDate><description><![CDATA[文章目录1、新建一个该项目的工作空间，并在其中创建一个文件夹src2、进入src文件夹，并在其中创建一个package，运行如下命令即可3、返回上一层，编译，并source4、编写发布者程序和订阅者程序5、在这里最好把这两个文件的权限修改一下，不然可能在运行的时候，程序异常终止6、修改Cmakelist.txt文件7、回到工作空间，也就是src的上一层目录8、运行
做个正直的人
1、新建一个该项目的工作空间，并在其中创建一个文件夹src
mkdir my_ws
cd my_ws
mkdir src

2、进]]></description><category></category></item><item><title><![CDATA[Ubuntu16.04下配置pip国内镜像源加速安装]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120251996</link><guid>https://blog.csdn.net/qq_41845878/article/details/120251996</guid><author>qq_41845878</author><pubDate>Sun, 12 Sep 2021 16:23:16 +0800</pubDate><description><![CDATA[Ubuntu16.04下配置pip国内镜像源加速安装永久置换pip镜像源1. 创建pip.conf文件2. 编辑pip.conf文件3. 测试速度暂时置换镜像源
做个正直的人

这个是我在网上看到的，并作了笔记。但是忘了是从哪里看得了，找不到本主，如果看到请联系我修改。谢谢。

基于国内网速的问题，我们直接pip安装包通常速度非常慢，而且经常会出现装到一半失败了的问题。既然这样，我们就要充分利用国内镜像的力量，节省时间，明显提高pip安装的效率。以下是我的做法，一共分为永久置换和暂时置换两种方法.
国内镜像]]></description><category></category></item><item><title><![CDATA[ubuntu 16.04安装ros-kinetic]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120251513</link><guid>https://blog.csdn.net/qq_41845878/article/details/120251513</guid><author>qq_41845878</author><pubDate>Sun, 12 Sep 2021 16:04:47 +0800</pubDate><description><![CDATA[ubuntu 16.04安装ros-kinetic声明：1、更换镜像源2、设置sources.list3、 设置Key（公钥已更新）4、 更新package5、 安装ros kinetic完整版6、 初始化rosdep（这一步极有可能出现问题，看本文最后的解决方法）7、 配置ros环境8、 安装依赖项9、 测试ros是否安装成功问题解答：1、 若是在执行sudo rosdep init 时出现如下问题2、 若是在执行rosdep update时出现了time out（超时连接）的问题
声明：

本文档内所有]]></description><category></category></item><item><title><![CDATA[移动机器人路径规划综述]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120026954</link><guid>https://blog.csdn.net/qq_41845878/article/details/120026954</guid><author>qq_41845878</author><pubDate>Sat, 11 Sep 2021 17:39:22 +0800</pubDate><description><![CDATA[移动机器人路径规划综述
传播知识是一项伟大的使命。
路径规划（Path Planning）是移动机器人最重要的任务之一，担负着移动机器人改变自身位置的重大使命。我对移动机器人的路径规划充满兴趣，并一直希望能够对这一领域有一个全面而深入地理解。在了解了一些路径规划算法之后，找了几篇关于路径规划方面的综述性文章，做了一些笔记，整理在此，大家相互学习。
目前对路径规划算法的分类标准比较多样，但是大致上可以分为以下几类：
依据信息的多寡

全局路径规划算法：从整体环境出发，依据整幅地图的全部信息（比如障碍物的形状、]]></description><category></category></item><item><title><![CDATA[VFH*避障/局部路径规划算法]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120236122</link><guid>https://blog.csdn.net/qq_41845878/article/details/120236122</guid><author>qq_41845878</author><pubDate>Sat, 11 Sep 2021 17:38:12 +0800</pubDate><description><![CDATA[VFH*避障/局部路径规划算法1、VFH+存在的问题——dead-end2、VFH*算法2.1 VFH*算法概述2.1.1 VFH*的参数2.2.2 表示2.2.3 算法步骤2.2 投影位置和方向2.3 代价函数2.3.1 kek_eke​项2.3.2 平滑项2.3.3 折扣因子λ2.4 启发函数2.5 枝叶因子b3、算法分析
做个正直的人
VFH*是VFH、VFH+两个算法的持续改进，对这两个算法不熟悉的同学，不建议直接看这一篇文章。可以去看我写的两篇介绍VFH、VFH+算法的文章。
先说一下这三个算法的]]></description><category></category></item><item><title><![CDATA[图搜索算法——宽度优先算法BFS、最短路径算法Dijkstra、A*、Hybrid A*]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120182829</link><guid>https://blog.csdn.net/qq_41845878/article/details/120182829</guid><author>qq_41845878</author><pubDate>Thu, 09 Sep 2021 11:02:23 +0800</pubDate><description><![CDATA[BFS、Dijkstra、A*、Hybrid A*1、符号说明2、宽度优先搜索BFS3、Dijkstra 算法4、A*算法5、Hybrid A*算法5.1 Hybrid A*的与众不同之处5.2 Hybrid A*的实现5.2.1 搜索
做个正直的人
1、符号说明
C：closed list，里面存储的是所有已经处理过的节点
O：open list，里面存储的是所有已经发现但是还没有被放进closed list中的节点
U(x)：表示所有可以对x采取的动作的集合，其返回结果是x的相邻节点
predecess]]></description><category></category></item><item><title><![CDATA[Cell Decomposition系列路径规划算法——PCD]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120130912</link><guid>https://blog.csdn.net/qq_41845878/article/details/120130912</guid><author>qq_41845878</author><pubDate>Mon, 06 Sep 2021 19:49:03 +0800</pubDate><description><![CDATA[Cell Decomposition系列——PCD
做个正直的人
思想
PCD是目前Cell Decomposition算法中，我认为表现最好的。
基于概率的算法（比如RRT、PCD）和确定性算法（比如A*、Dijkstra）相比，不需要显式的表达，因而在高维问题中具有相当大的优势。可以大大节省计算量和空间需求。

PCD虽然是基于ACD的，也是对各个cell进行不同粒度的分解，也是采用固定的形状，但是PCD中的cell是free还是occupied并不是确定的，而是概率的。PCD在一个cell中进行采样，]]></description><category></category></item><item><title><![CDATA[Cell Decomposition系列路径规划算法——ECD、ACD]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120073570</link><guid>https://blog.csdn.net/qq_41845878/article/details/120073570</guid><author>qq_41845878</author><pubDate>Mon, 06 Sep 2021 11:36:01 +0800</pubDate><description><![CDATA[路径规划算法——Cell Decomposition
做个正直的人
思想
cell decomposition算法看名字，即将整个的search space分解（decomposition）为许多的相互毗邻的cell，然后把这些cell表示为一个node，每两个相邻的cell所对应的两个node用edge连接。这样整个search space就变成了一个graph。随后应用一些图搜索算法（比如深度优先搜索DFS、广度优先搜索BFS、Dijkstra算法等）就可以找到一条从起点到目标点的路径。
CD算法本文讲]]></description><category></category></item><item><title><![CDATA[VFH+避障/局部路径规划算法]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120022869</link><guid>https://blog.csdn.net/qq_41845878/article/details/120022869</guid><author>qq_41845878</author><pubDate>Tue, 31 Aug 2021 17:50:24 +0800</pubDate><description><![CDATA[VFH+避障/局部路径规划算法
这篇文章是我看论文《VFH+: Reliable Obstacle Avoidance for Fast Mobile Robots》（Iwan Ulrich and Johann Borenstein）的笔记，所以说是文章的翻译也可以。想看原paper的可以自己去找，看过VFH算法的话，这个VFH+算法还是非常好懂的。
我前面写过一篇讲VFH算法的文章，感兴趣的可以去看看。
VFH局部路径规划算法
我在讲VFH算法的最后，写了一点我对VFH算法的评价，主要有两点，一是VFH]]></description><category></category></item><item><title><![CDATA[VFH避障/局部路径规划算法]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120021477</link><guid>https://blog.csdn.net/qq_41845878/article/details/120021477</guid><author>qq_41845878</author><pubDate>Tue, 31 Aug 2021 17:25:46 +0800</pubDate><description><![CDATA[VFH避障/局部路径规划算法
本文章是我看《The Vector Field Histogram-Fast Obstacle Avoidance for Mobile Robots》论文时候的笔记，感兴趣的欢迎去看原论文。
VFH中有一些概念是从其他算法中借鉴过来的，并且VFH算法本身就是对VFF(Virtural Force Field)的一种改进，其中有很多的相似之处。所以按照原论文的思路，先介绍由CMU提出的Certainty Grid算法中的一些概念，再介绍一下势场法中的一些概念，接着介绍一下VFF]]></description><category></category></item><item><title><![CDATA[从RRT到RRT*，再到Informed RRT*，路径规划算法怎么写]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120020737</link><guid>https://blog.csdn.net/qq_41845878/article/details/120020737</guid><author>qq_41845878</author><pubDate>Tue, 31 Aug 2021 16:41:00 +0800</pubDate><description><![CDATA[从RRT到RRT*，再到Informed RRT*，路径规划算法怎么写
RRT中文名字是“快速搜索随机树”（Rapidly-exploring Random Tree），是一种比较常用的基于采样的静态路径规划算法。
我们可以这么理解：小明住在北京，小红住在南京，有一天小红给小明发了一条短信，短信上说只要小明从北京来南京见小红，小红就做小明的女朋友。单身青年小明一看给激动坏了，当即收拾东西要来南京。
1、RRT算法
为了说明RRT算法，我们作出如下假设：


小明不知道从北京直达南京的路线；


在每一个城市]]></description><category></category></item><item><title><![CDATA[ubuntu如何安装Astra-RGBD相机驱动]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120020193</link><guid>https://blog.csdn.net/qq_41845878/article/details/120020193</guid><author>qq_41845878</author><pubDate>Tue, 31 Aug 2021 16:16:18 +0800</pubDate><description><![CDATA[ubuntu如何安装Astra-RGBD相机驱动
开言道：
夫婿千里觅封侯，流苏不暖看江舟。一点渔火隐隐语，应是孩童嘻笑声。
去年在咸鱼上淘了一个乐视的astra深度相机，听说是因为乐视出事了，所以只有一百多快。到手后一直没顾上搞一下。现在做毕设，需要用到深度相机，虽然实验室有一个realsense，但是好几个人一块用，总归还是有点不方便。所以就自己想着把驱动安装一下，用自己的深度相机。
其实我只需要用到彩色图和深度图，其他的我也不感兴趣，所以简单的配置一下和ros相关的驱动。关于ros的安装，不再赘述，可]]></description><category></category></item><item><title><![CDATA[ros自定义全局路径规划器并内置到ros工作空间]]></title><link>https://blog.csdn.net/qq_41845878/article/details/120019381</link><guid>https://blog.csdn.net/qq_41845878/article/details/120019381</guid><author>qq_41845878</author><pubDate>Tue, 31 Aug 2021 15:57:56 +0800</pubDate><description><![CDATA[ros自定义全局路径规划器并内置到ros工作空间
最近做移动机器人的运动规划，需要用到分层自适应路径规划算法。ROS内部已经集成了多种全局路径规划器（BaseGlobalPlanner）和局部路径规划器（BaseLocalPlanner），包括用A*算法、Dijstra算法、DWA动态窗口法等。这些都封装在ros的move_base节点中。一开始我想自己实现一个move_base节点，后来想了想，还是算了吧。搞不赢。
所以就用插件的形式，做了一个全局路径规划器的插件（plugin），这样就可以用ros原本的]]></description><category></category></item><item><title><![CDATA[迭代牛顿-欧拉法——机器人动力学逆解]]></title><link>https://blog.csdn.net/qq_41845878/article/details/117336153</link><guid>https://blog.csdn.net/qq_41845878/article/details/117336153</guid><author>qq_41845878</author><pubDate>Thu, 27 May 2021 20:40:27 +0800</pubDate><description><![CDATA[迭代牛顿-欧拉法牛顿欧拉法的步骤向外回归（outward recursion）step 1step 2向内回归（inward recursion）step 3step 4牛顿欧拉法的三种形式无坐标系NE算法（Coordinate-Free Algorithm）连杆坐标系NE算法（Link-Coordinates Algorithm）3-D向量NE算法
牛顿欧拉法的步骤
牛顿欧拉法（NE）是求解机器人动力学逆解的一种方法。动力学逆解定义为：已知机器人的构型qqq和运动的速度q˙\dot{q}q˙​和加速度q¨]]></description><category></category></item><item><title><![CDATA[六维空间向量表示法公式笔记]]></title><link>https://blog.csdn.net/qq_41845878/article/details/117293550</link><guid>https://blog.csdn.net/qq_41845878/article/details/117293550</guid><author>qq_41845878</author><pubDate>Wed, 26 May 2021 17:33:52 +0800</pubDate><description><![CDATA[六维空间向量表示法目录1、运动和力2、空间速度和空间力3、加法运算和模乘4、点积(内积)5、坐标变换6、叉积(向量积，外积)7、微分8、加速度9、空间动量10、空间惯量11、空间运动方程
目前对机器人动力学还没有一套标准的表示法，比如有3D向量、齐次矩阵、六维空间向量等。其中最有效的是六维空间向量（ Spatial Vector Notation），本文是我看《Handbook of robotics》的笔记，其中看起来弯弯曲曲的字母vfv fvf表示3维向量，看起来直直的v f 表示六维空间向量。
1、运]]></description><category></category></item><item><title><![CDATA[DH参数]]></title><link>https://blog.csdn.net/qq_41845878/article/details/117215742</link><guid>https://blog.csdn.net/qq_41845878/article/details/117215742</guid><author>qq_41845878</author><pubDate>Mon, 24 May 2021 10:03:11 +0800</pubDate><description><![CDATA[DH参数到底是什么（懵了好多次，这次记个笔记）
最近，毕设搞得差不多，想着找Springer的《Handbook of robotics》来看看，了解一下当前机器人的研究现状。但是看到&lt;2.4节：几何描述参数&gt;的时候，我发现上面的DH参数我怎么看不懂了？幸亏以前用的时候总结过一条规律，拿来翻翻之后，我觉得我又行了。
先看看Handbook上描述DH参数的示意图

千万不要看着两个坐标轴相交了，交点就是坐标系原点，图中是zi−1z_{i-1}zi−1​与xi−2x_{i-2}xi−2​
相交。
这]]></description><category></category></item><item><title><![CDATA[python2和python3共存在程序编译方面的三个问题]]></title><link>https://blog.csdn.net/qq_41845878/article/details/116896043</link><guid>https://blog.csdn.net/qq_41845878/article/details/116896043</guid><author>qq_41845878</author><pubDate>Sun, 16 May 2021 16:53:47 +0800</pubDate><description><![CDATA[opt/ros/kinetic/lib/libresource_retriever.so：对‘curl_easy_init@CURL_OPENSSL_3’未定义的引用——错误怎么解决
最近刚刚给新装的ubuntu 16.04系统配置了pytorch环境，由于是安装了anaconda，所以在编译项目文件的时候出现了这么一个错误
opt/ros/kinetic/lib/libresource_retriever.so：对‘curl_easy_init@CURL_OPENSSL_3’未定义的引用

这错误看起来好]]></description><category></category></item><item><title><![CDATA[ubuntu16.04+kinetic 配置cartographer]]></title><link>https://blog.csdn.net/qq_41845878/article/details/116603060</link><guid>https://blog.csdn.net/qq_41845878/article/details/116603060</guid><author>qq_41845878</author><pubDate>Mon, 10 May 2021 17:39:39 +0800</pubDate><description><![CDATA[ubuntu16.04+kinetic 配置cartographer配置google的cartographer来实现SLAM（同步定位与建图）1、安装工具2、为cartographer建立工作空间3、解压cartographer的压缩文件4、编译protobuf5、安装依赖6、编译安装7、配置环境变量8、测试结果
配置google的cartographer来实现SLAM（同步定位与建图）
做毕设需要用到SLAM算法来对环境建图，由于移动平台上使用的是google开发的cartographer来建图，我也在我]]></description><category></category></item></channel></rss>