基于核插值的多模态沿测地线路径规划研究（Matlab代码实现）

 👨‍🎓个人主页：研学社的博客   

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

路径规划可以分为传统算法路径规划和智能仿生算法路径规划两类，其中传统路径规划算法又

可以分为全局路径规划算法和局部路径规划算法。全局路径规划是在已知的环境中进行路径规划，环境信息已经给定且障碍物位置等信息基本不发生变化，一般只需按照事先规划的全局路径进行工作即可。而局部路径规划是在未知的环境中进行路径规划，主要通过传感器等工具获取当前的局部环境信息，主要是动态障碍物的位置信息等，在此基础上进行路径规划和避障，如水下机器人所处环境的障碍物分布极易发生改变，需要实时获取环境信息，进行局部路径规划。

📚2 运行结果

 

 

部分代码：

 %% Using KCCA
    [mU_kcca,mV_kcca,~,~] = KCCA(K1,K2,EvfdParams.NumberOfEigenVals);
    Model_kcca = fitcecoc(mU_kcca(train_inds,:),labels(train_inds)','Learners',templateSVM('Standardize',true));
    [label,score] = predict(Model_kcca,mU_kcca(test_inds,:));
    acc_kcca=sum((label-labels(test_inds))==0)/numel(test_inds);

    %% Using NCCA
    [mU_ncca, mV_ncca,Kx, Ky] = NCCA_KernelsAsInputs(K1,K2,  EvfdParams.NumberOfEigenVals);
    Model_ncca = fitcecoc(mU_ncca(train_inds,:),labels(train_inds)','Learners',templateSVM('Standardize',true));
    [label,~] = predict(Model_ncca,mU_ncca(test_inds,:));
    acc_ncca=sum((label-labels(test_inds))==0)/numel(test_inds);
    
    %% Using AD
    K_ad=0.5*( GetCS(K1)* GetCS(K2)'+ GetCS(K2)* GetCS(K1)');
    [V,EigenVals]=GetSortedEVs(K_ad, EvfdParams.NumberOfEigenVals);
    Model_ad = fitcecoc(V(train_inds,:),labels(train_inds)','Learners',templateSVM('Standardize',true));
    [label,score] = predict(Model_ad,V(test_inds,:));
    acc_ad=sum((label-labels(test_inds)==0))/numel(test_inds);
    
    %% Concatenate results
    nccas=[nccas,acc_ncca];
    kccas=[kccas,acc_kcca];
    ours=[ours,acc_ours];
    linears=[linears,acc_linear];
    ads=[ads,acc_ad];
end

%% Aggregate results
mean_nccas=mean(nccas);
mean_kccas=mean(kccas);
mean_ours=mean(ours);
mean_linears=mean(linears);
mean_ads=mean(ads);
Table=[{ours,linears,ads,nccas,kccas}];

%% Compute STDs and print aggregaed results
AggTableText=cell(size(Table,1),size(Table,2));
AggTable=zeros(size(Table,1),2*size(Table,2));
for row_ind=1:size(Table,1)
    text=[''];
    for col_ind=1:size(Table,2)
        AggTable(row_ind,2*(col_ind-1)+1)=mean(Table{row_ind,col_ind});
        AggTable(row_ind,2*(col_ind))=std(Table{row_ind,col_ind});
        AggTableText{row_ind,col_ind}=sprintf('$%.2f (%.2f)$',mean(Table{row_ind,col_ind}),std(Table{row_ind,col_ind}));
    end
    text=[text,'\\\\'];

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]王鹤静,王丽娜.机器人路径规划算法综述[J/OL].桂林理工大学学报:1-15[2023-04-26].http://kns.cnki.net/kcms/detail/45.1375.N.20221213.1104.001.html

[2]Ori Katz, Ronen Talmon, Roy R. Lederman (2022) Multimodal Manifold Learning Using Kernel Interpolation Along Geodesic Paths 

🌈4 Matlab代码实现