自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(10)
  • 收藏
  • 关注

原创 std::chrono::seconds 和 boost::posix_time::seconds

挖填,等下填std::chrono::secondsboost::posix_time::seconds差别boost::asio::ip::tcp::iostream expires_from_now

2021-05-09 11:49:26 423

原创 AIT*杂谈

本文将介绍AIT*(Adaptively Informed Trees)算法[1](不是ABIT*[2],但是后面会提到这篇文章的内容)。AIT*是对BIT*的改进,论文中给出的图可以看到,AIT*非常快,稳稳跑赢BIT*,而且在许多问题上比RRT-Connect还快。AIT*性能那么AIT*做了什么改进呢?——主要是修改了ĥ(x)的定义。回顾一下BIT*中,存储各顶点的优先队列Qv,其键值定义为g(v)+ĥ(v),这里ĥ(v)是从v到终点的直线距离; ...

2021-03-02 16:25:37 1174 4

原创 渐近最优运动规划的理论分析方向

研究的一个主要领域是完善和扩展Karaman S首次提出的渐近最优性的理论分析。包括保证渐近最优或概率最优的情况下压缩边界(1),为渐近收敛制定宽松的界限以至于找到near optimal解(2),以及扩展以评估收敛速度的分析(3)。1、渐近最优性是考虑了每个采样点的多个连接的结果。连接需要关于状态估量、状态维度和已有顶点数量的函数。每增加新采样点时,这些表达式的定义都需要确定最小数量的k-nearest或最大距离(r-disc)。但是采样点及其连通数量的增多,其计算成本也会增加。因此一些研究关

2021-02-28 12:00:56 327

原创 双臂机器人开源集合

https://github.com/liangyuwei/dual_ur5_armhttps://github.com/ipab-rad/saifer-surgeryhttps://github.com/PickNikRobotics/moveit_shelf_pickinghttps://github.com/Danfoa/invite-roboticshttps://github.com/shengjiangcong/baymax_cube_solverhttps://github

2021-02-22 15:11:29 576

原创 OMPL-constrained planning

有时,一个机器人的运动被它的任务或固有运动学特性所约束。例如,机器人可能想要保持一杯水位、在表面上写字或者遵循与任务相对应的空间中的某些曲线。在上述每种情况下,对机器人运动的约束均由某些函数定义,,它映射了机器人的状态空间到实向量值上。只要有约束就认为满足。例如,为了保持杯子水平,杯子轴与直立的z轴的角距离可能是约束函数。另外,满足运动的约束满足沿路径的每个点。约束运动计划解决了如何找到满足运动约束的问题,同时仍然避免障碍或实现其他目标的问题。通常,运动规划器不会意识到约束,因此不会生成满足约束的路径.

2021-02-20 18:23:48 263

原创 OMPL - Optimal Planning

在某些运动计划问题中,您可能不希望起始状态和目标状态之间只有任何有效路径。 您可能对最短的路径感兴趣,或者对最远离障碍物的路径感兴趣。 在这些情况下,您正在寻找一条最佳路径:一条满足您的约束条件的路径(连接起始状态和目标状态而不会发生冲突),并且还优化了一些路径质量指标。 路径长度和路径间隙是路径质量指标的两个示例。 尝试优化路径质量度量的运动计划器称为优化计划器。为了执行最佳计划,您需要做两件事:路径质量度量标准或优化目标。 优化运动计划器您可以使用ompl :: base :: Opt.

2021-02-20 17:10:33 185

原创 OMPL学习之Available State Samplers

可用状态采样器(Available State Samplers)有两种不同类型的采样器听起来很相似,但有不同的作用:状态空间采样器(ompl::base::StateSampler)和有效状态采样器(ompl::base::ValidStateSampler)。对于每种类型的状态空间,都需要存在一个对应从ompl::base::StateSampler派生类,该类允许从该状态空间生成一致的样本,从该状态空间使用高斯分布生成另一个附近的状态。有效的状态采样器使用状态空间采样器作为低级原语(low lev

2021-02-19 22:14:26 178 2

原创 如何在Moveit中集成自己的规划算法

参考资料:MoveIt!自定义运动规划算法的方法OMPL学习--第三篇之源码安装Moveit!和OMPL(Melodic版本)Ubuntu18.04-编译安装支持Python运动规划库OMPLOMPL库教程翻译Ubuntu 下 OMPL 的安装与使用我个人电脑的系统是ubuntu20第一步查看moveit相关教程,然后发现moveit中的规划器用的是ompl,所以我就打算先学习一下ompl。关于ompl的安装我是相对顺利的。在官网下载源码包以及安装脚本,根据..

2021-01-31 23:10:29 3709 12

原创 MoveIt » Tutorials » OMPL Planner 中文翻译

问题:OMPL的中文教程较少,很多中文教程基本时机器翻译,然后复制粘贴,并不符合国人的阅读习惯以及表述不准确导致晦涩难懂。目标:以自己的理解,翻译下方连接的Moveit OMPL教程(欢迎点评给予建议)https://ros-planning.github.io/moveit_tutorials/doc/ompl_interface/ompl_interface_tutorial.htmlOMPL 规划器开源运动规划库(OMPL)是一个集成了众多先进的基于采样算法的库,也是MoveI

2021-01-21 22:15:06 579 2

原创 moveit benchmarking教程实践中的问题记录

环境 ubuntu20.04 ros-noetic-desktop-full moveit目标运行moveit benchmarking教程报错1、按照教程运行下列代码roslaunch panda_moveit_config demo.launch db:=true报错如下:ERROR: cannot launch node of type [warehouse_ros_mongo/mongo_wrapper_ros.py]: warehous..

2021-01-14 15:49:28 265

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除