基于硬约束的轨迹规划

最新推荐文章于 2023-11-23 12:56:16 发布
最新推荐文章于 2023-11-23 12:56:16 发布
阅读量946 收藏 13
点赞数 3
分类专栏： 二次规划QP 运动规划 凸优化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44809980/article/details/107660041
版权

硬约束的轨迹规划

在前面Minimum Snap即基础上加入避障；
算法思想：

  • 用八叉树地图生成bouding box

  • 搜索到经过bouding box 重叠区域的路径

  • 用贝塞尔曲线进行优化

  • 贝塞尔曲线有4个优点：
    曲线的控制点必然经过路径起始点
    凸包包含所有控制点 曲线一定在凸包内
    求导后依然是贝塞尔曲线，并且控制点可以由原来的控制点表示
    时间0<t<1

  • 构建QM 要重新推导代价函数

  • 构建Abeq 没有了中间waypoint约束

  • 多了区域性的约束 即不等式约束

  • 贝塞尔曲线的系数和杨辉三角有关：如图3.我的理解是，在求导时B曲线不能像多项式一样直观的得到系数，但他的规律是求导时系数的一部分正好对应杨辉三角；

  • 不等式约束 Abieq 的构建还不是很清楚到底是怎么将不等式变成矩阵形式

  • Abeq的构建不清楚连续性约束的构建过程（留在以后有时间解决）

  • 大体上基于走廊的轨迹规划已经清楚 再细节上还需研究

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

yu_明明明皓
关注
  • 3
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
走廊法(corridor method)
zte10096334的博客
06-30 695
使命：克服维数魔咒( Curse of Dimensionality)
路径规划——曲线拟合详解（二）：贝塞尔曲线、B样条曲线与QP优化（ Fast-Planner算法核心部分）
最新发布
weixin_43793717的博客
04-03 4321
曲线优化收官之战（看懂B样条+Fast-Planner）
[运动规划算法]基于硬约束和软约束的轨迹规划
xiewf的博客
03-30 5563
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 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例
基于软约束的轨迹（路径）优化原理公式推导详解
世界仙境与冷酷尽头's Blog
08-30 2149
基于软约束的轨迹（路径）优化原理公式推导详解
移动机器人路径规划（六）--- 软约束、硬约束下的轨迹优化/生成SOFT AND HARD CONSTRAINED TRAJECTORY OPTIMIZATION
qq_41694024的博客
11-23 781
移动机器人路径规划（六）--- 软约束、硬约束下的轨迹优化/生成SOFT AND HARD CONSTRAINED TRAJECTORY OPTIMIZATION
6软硬约束下的轨迹优化
qq_37087723的博客
06-11 2056
Introduction Minimum snap trajectory optimization 我们只限制中间路径点 轨迹应该会通过。 •计算成本低，易于实现。 •对轨迹本身没有约束。 •轨迹的“超调”不可避免。 基于Minimum snap 框架有利于平滑曲线 代，不利于避障。所以需要我们进行修改， 产生障碍物推力（人工势场法），添加硬约束（bound box绿色方块) Hard/ Soft constraints min⁡f(x)s.t.gi(x)=ci,i=1,...,n  等式约束  hj(
机器人轨迹规划matlab仿真代码
09-01
通过这个资源，你可以学习到如何利用MATLAB进行机器人轨迹规划，包括理解多项式路径生成、考虑实际应用约束的轨迹优化以及如何在MATLAB环境中进行仿真验证。这不仅对学术研究有价值，也对实际的机器人系统设计和控制...
duoduanwuci_五次多项式轨迹规划_
10-01
本文将深入探讨基于MATLAB的五次多项式轨迹规划，并提供如何运行和仿真这一方法的详细步骤。 五次多项式通常表示为 \( P(x) = a_5x^5 + a_4x^4 + a_3x^3 + a_2x^2 + a_1x + a_0 \)，其中 \( a_i \) 是多项式的系数...
轨迹规划,轨迹规划算法
09-10
轨迹规划算法有很多种，例如基于样条曲线的方法、基于优化的方法和基于路径规划与速度规划分离的方法等。其中，样条曲线方法常见于轨迹规划，因为它们能提供平滑且连续的路径。在MATLAB中，可以使用spline函数创建...
机器人轨迹规划图MATLAB
11-09
- **目标与任务**：轨迹规划的目标是设计出一条满足机器人动态约束和环境约束的路径，确保机器人能够避开障碍物，同时保证运动的平稳性和效率。 - **规划类型**：可分为离线规划（预先计算好整个路径）和在线规划...
机械臂/机器人 轨迹规划 matlab
11-21
本主题主要关注的是基于MATLAB的五次多项式轨迹规划方法，同时也提及了其他可能的规划方式，如笛卡尔空间和关节空间的轨迹规划以及样条曲线规划。 1. **五次多项式轨迹规划**： 五次多项式通常用于生成平滑的连续...
路径规划——软/硬约束下的轨迹优化
space_dandy的博客
03-09 6405
Minimum Snap是轨迹优化中的常用方法，其效果如下： 上图中红线为Minimum Snap优化生成的光滑轨迹，可以看出Minimum Snap有利于光滑曲线的生成。该算法虽然可以控制轨迹经过哪些路标点，但是没有考虑环境中的障碍物信息(如图中红色方块)，不利于做避障。 软/硬约束 硬约束 硬约束要求严格满足上述等式约束或不等式约束。 软约束 软约束将约束加入在目标函数里，即加入惩罚项。 1.硬约束轨迹优化 1.1 Corridor-based 轨迹优化(基于走廊的) 论文名称：Online
移动机器人运动规划(六)--软约束和硬约束下的轨迹优化
weixin_43619346的博客
07-20 3584
本节课
软约束和硬约束的轨迹优化
Mr.π的博客
03-29 4829
左边是软约束，右边是硬约束 -------------------------------------------------------------------------------------------------------------------------------------------------------------------------分界线 ---------...
公开课精华|机器人的带约束轨迹规划
soaring_casia的专栏
12-10 1814
公开课精华 | 机器人的带约束轨迹规划 本文章总结于大疆前技术总监，目前在卡内基梅隆大学读博的杨硕博士在深蓝学院的关于机器人的带约束轨迹规划的公开课演讲内容。 --------全文约5000字-------- 笔者不是机器人领域的，因此特地去了解了一下杨硕博士，深感佩服，不仅是他的履历，更多的是他关于学术上的至臻的追求和执着的探索。本次公开课可以算是一个机器人轨迹规划的入门介绍，同时也能够激励我们，在科研学习中，仰望星空与脚踏实地。 整个公开课分为以下几个部分： 1、复杂机器人运动轨迹..
软约束、硬约束、Minimum Snap的轨迹优化方法
世界仙境与冷酷尽头's Blog
06-09 3151
Minimum Snap
【自动驾驶轨迹规划之安全行驶走廊】
weixin_65089713的博客
04-17 5429
1.1 安全飞行走廊（SFC） 大规模和非凸的防撞约束使路径规划的计算复杂度过高，在无人机路径规划领域，提出了安全飞行走廊（SFC）这种方式，通过铺设安全飞行走廊使得无人机与周围的所有障碍物分开，从而最优控制问题的规模完全独立于环境的复杂性，提高了路径规划的速度。
【snap.svg.js】贝塞尔曲线的绘制
XYZ
04-18 2214
1.二次贝塞尔曲线 二次贝塞尔曲线只需要一个控制点，用来确定起点和终点的曲线斜率。因此它需要两组参数，控制点和终点坐标。 Q x1 y1, x y 2.三次贝塞尔曲线 三次贝塞尔曲线需要定两个控制点，所以用C命令创建三次贝塞尔曲线，需要设置三组坐标参数： M10 200 C10 110,180 110,180 20//Mx1 y1 C xc1 yc1, xc2 yc2, x2 y...
自动驾驶中轨迹规划的探索和挑战
思我所
09-24 712
大家好，今天我们主要介绍一下轨迹规划的探索和挑战，我主要从四个方面介绍: 轨迹规划的概念 决策 横向规划 纵向规划 轨迹规划的概念 轨迹规划的核心就是要解决车辆该怎么走的问题。比如我们知道了附近有行人、骑自行车的人以及前方的卡车，如果我们现在将要左转，该怎么办？这就是轨迹规划该解决的问题。 轨迹规划的输入包括拓扑地图，障碍物及障碍物的预测轨迹，交通信号灯的状态，还有定位导航（因为要知道目的地是哪才能规划路径）、车辆状态等其他信息。而轨迹规划的输出就是一个轨迹，轨迹是一个时间到位置的函数，就是在特定的时.
硬约束轨迹优化 matlab实现
07-08
在 MATLAB 中实现硬约束轨迹优化可以使用非线性规划（Nonlinear Programming，NLP）的方法。以下是一个简单的示例代码，演示如何使用 fmincon 函数来求解硬约束轨迹优化问题： ```matlab % 定义目标函数 fun = @(x) (x(1) - 1)^2 + (x(2) - 2.5)^2; % 定义初始点 x0 = [0 0]; % 定义约束条件 A = []; b = []; Aeq = []; beq = []; lb = [-1 -1]; ub = [3 3]; % 使用 fmincon 函数求解 x_opt = fmincon(fun, x0, A, b, Aeq, beq, lb, ub); disp("最优解："); disp(x_opt); ``` 在上述代码中，目标函数 `fun` 表示轨迹优化的目标，即需要最小化的函数。初始点 `x0` 表示初始的优化点。约束条件包括线性不等式约束 `A*x <= b`，线性等式约束 `Aeq*x = beq`，以及变量的上下界限制 `lb <= x <= ub`。通过调用 `fmincon` 函数，可以得到最优解 `x_opt`。 请注意，这只是一个简单示例，你可能需要根据具体的问题进行相应的修改。另外，对于复杂的问题，可能需要使用更高级的优化算法或者自定义约束函数来实现硬约束轨迹优化。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值