3D运动计划 该项目是Backyard Flyer项目的延续，您在其中执行了简单的方形飞行路径。 在这个项目中，您将整合在过去的几课中学到的技术，以规划一条通向城市环境的道路。 查看，以详细了解合格的提交内容。 设定说明 步骤1：下载模拟器 这是一个新的模拟器环境！ 从下载适合您的操作系统的该项目的运动计划模拟器。 第2步：设置您的Python环境 如果尚未安装，请按照说明设置Python环境并使用Anaconda安装所有相关软件包。 步骤3：克隆此存储库 git clone https://github.com/udacity/FCND-Motion-Planning 步骤4：测试设定 该项目的首要任务是在此新模拟器中测试Backyard Flyer项目的。 验证您的Backyard Flyer解决方案代码是否按预期工作，并且您的无人机可以在新模拟器中执行方形飞行路径。 为此，请启动

FCND-3D运动计划 该项目是Backyard Flyer项目的延续，您在其中执行了简单的方形飞行路径。 在这个项目中，您将整合在过去的几课中学到的技术，以规划一条通向城市环境的道路。 查看，以详细了解合格的提交内容。 可以在Udacity教室的GPU​​支持的虚拟机中执行此项目！ 您无需下载模拟器和入门文件，只需在Udacity教室的虚拟工作区中完成此项目即可！ 请按照以继续使用VM。 要在本地计算机上完成此项目，请按照以下说明进行操作： 步骤1：下载模拟器 这是一个新的模拟器环境！ 从下载适合您的操作系统的该项目的运动计划模拟器。 第2步：设置Python环境 如果尚未安装，请按照说明设置Python环境并使用Anaconda安装所有相关软件包。 步骤3：克隆此存储库 git clone https://github.com/udacity/FCND-Motion-Planni

Tesseract ROS 平台 CI状态 Linux（Focal） Linux（仿生） 棉绒（lang式） 棉绒（C整理） Tesseract ROS软件包 tesseract_examples –该软件包包含使用tesseract和tesseract_ros进行运动计划和碰撞检查的示例。 tesseract_plugins –包含用于碰撞和运动学的插件，这些插件由监视器自动加载。 tesseract_rosutils –该软件包包含实用程序，例如从ROS消息类型转换为本机Tesseract类型，以及相反。 tesseract_msgs –该软件包包含Tesseract ROS使用的ROS消息类型。 tesseract_rviz –该软件包包含用于Rviz可视化Tesseract的ROS可视化插件。所有功能都已在库中组合在一起，从而能够快速创建自定义显示。 tesserac

matlab-rrt-variant：具有可视化功能的2d和3d c空间已实现RRT *，RRT连接，惰性RRT和RRT扩展

细节增强的matlab代码RRT明星 RRT星动计划 这是RRT *算法的Matlab实现，它是RRT的“增强”版本。 示例运行： 磁石颜色中的线表示障碍物。 黑线代表创建的快速探索树。 红线是从起点到终点的最终路径。 另一个非常幸运的发现： 该算法仅通过幸运地对一个点进行采样就找到了一条路径。 否则它将找不到路径，因为RRT *在狭窄的通道中无法很好地工作。 没有路径示例： rrt及其狭窄通道时变体不好，在这里我们可以看到算法无法找到从起点到终点的路径 高层次的解释 使用随机均匀抽样，我们选择一个点的坐标，然后尝试将其连接到当前树。 （起初仅由起点组成），我们尝试将此新点连接到树中最近的顶点。 只有在线路没有碰到任何障碍物的情况下，我们才能连接它们。 重复此过程，直到例如到达多个所需的树节点为止。 最后，我们找到最接近终点的点，并尝试将它们连接起来，如果能够的话，我们已经找到了一条路径。 （由于我们正在统一采样点，因此我们不太可能无法到达终点）如果涉及到一条狭窄的通道，则此算法很有可能找到一条路径。 除了RRT，对于每个随机点x_rand，该算法还会找到树中距随机点半径r的圆内的所有

Xpp是一个用于可视化有腿机器人的运动计划。 它在RVIZ中绘制了支撑区域，接触力和运动轨迹，并显示了针对特定机器人的URDF，包括单腿，两腿料斗和 。 在此，可以看到由库生成的更多示例动作。 安装 推荐的安装方式是通过： sudo apt-get install ros- < ros> -xpp 从源代码构建 如果您不想从ROS二进制文件安装，则此软件包需要和ROS ： sudo apt-get install ros- < ros> -desktop-full sudo apt-get install libeigen3-dev 然后，您可以在catkin工作区中构建程序包 cd catkin_workspace/src git clone https://github.com/leggedrobotics/xpp.git cd .. catkin_m

无人驾驶汽车项目 我使用开源模拟器完成了多个自动驾驶汽车（AV）项目。 这些项目涵盖了从控制，状态估计，定位，感知到运动计划的视音频领域。 控制器使用CARLA模拟环境在跑道上导航自动驾驶汽车。 误差状态扩展卡尔曼滤波器，可使用CARLA模拟器中的数据对车辆进行定位。 名称待定 识别场景中对象的边界框并定义可驱动曲面的边界的算法。 名称待定 分层运动计划程序，用于在CARLA模拟器中的一系列场景中导航，包括避免将车停在车道上，跟着领先车辆行驶并安全地导航十字路口。 安装CARLA 的Ubuntu 下载并按照。 视窗 下载版并按照。

使用数值方法求解机器人运动计划，以解决最佳控制问题。 规划可以采用运动学约束（例如位置、速度、加速度、加加速度边界）、动力学约束（例如机器人刚体动力学包括重力、离心力和科里奥利力、惯性力、关节扭矩限制，甚至扭矩变化率限制），以及碰撞避免考虑在内。 解决时间在几秒钟内。 详细信息参见出版物：“机器人运动规划的高效轨迹优化”，Yu Zhao、Hsien-Chung Lin、Masayoshi Tomizuka，ICARCV 2018。 有关可用演示的列表，请参阅https://github.com/yzhao334/Efficient-Trajectory-Optimization-for-Robot-Motion-Planning--Examples 。 所需软件包：chebfun、CasADi。 包中包含的其他依赖项（STLRead 和 STLWrite）

Computational Motion Planning 第2+3+4周编程作业 对应博客链接：https://blog.csdn.net/qq_39537898/article/details/104400702

pybullet规划（ss-pybullet） PyBullet实用程序功能库，用于机器人运动计划，操纵计划以及任务和运动计划（TAMP）。 该存储库最初是为TAMP的 （以前称为 ）方法开发的。 在 Yijiang的帮助下，可以通过获得一个稳定且有据可查的ss-pybullet 。 但是，新功能将继续首先通过ss-pybullet引入。 引文 Caelan Reed Garrett。 PyBullet规划。 。 2018。 安装 使用以下命令在OS X或Linux上安装PyBullet： $ pip install numpy pybullet $ git clone --recurse-submodules https://github.com/caelan/ss-pybullet.git $ cd ss-pybullet $ git pull --recurse-submod