|
|
课程介绍：
系统讲解运动规划的中文课程，讲述最新，最实用的planning算法原理以及工程实现。重点讲述应用/实现/工程部分，学完可以直接应用于移动机器人中。
Path finding算法属于“前端”，我们不希望在这上面花费太多的算力和代价，因此往往会把一些高维问题转换为低维问题，找到一个粗略的可行解；Trajectory generation属于“后端”，称之为轨迹生成或者轨迹优化环节，这时候会把它变成一个真正的可行解，满足机器人动力学约束等等的一条轨迹。
课程目录：├─00.配套资料（代码、讲义）
│ 00.配套资料（代码、讲义）.rar
│
├─01.第1章 概述和课程介绍
│ 1.1课程总体介绍.mp4
│ 1.2课纲介绍与规划方法分类.mp4
│ 1.3常用地图结构与基础知识.mp4
│ 1.4实践演示.mp4
│
├─02.第2章 基于搜索的路径规划
│ 2.1图搜索基础.mp4
│ 2.2Dijstra和Astar算法.mp4
│ 2.3JPS算法.mp4
│ 2.4实践演示与作业_.mp4
│
├─03.第3章 基于采样的路径规划
│ 3.1-3.2概率路线图算法.mp4
│ 3.3-3.4基于采样的最优路径规划算法.mp4
│
├─04.第4章 动力学约束下的路径规划
│ 4.1动力学概念简介.mp4
│ 4.2状态栅格搜索算法.mp4
│ 4.3两点边界最优控制问题.mp4
│ 4.4混合Astar算法.mp4
│ 4.5动力学约束RRTstar算法.mp4
│
├─05.第5章 轨迹生成
│ 5.1MinimumSnap1.mp4
│ 5.2MinimumSnap2.mp4
│
├─06.第6章 软约束和硬约束下的轨迹优化
│ 6.1轨迹优化.mp4
│ 6.2作业（视频尾部画面卡）.mp4
│
├─07.第7章 基于马尔可夫决策过程的运动规划
│ 7.1规划中的不确定性和马尔科夫决策过程.mp4
│ 7.2最小最大代价规划和最小期望代价规划.mp4
│ 7.3值迭代和实时动态规划.mp4
│
└─08.第8章 模型预测控制在运动规划的应用
8.1.mp4
8.2.mp4
8.3.mp4
课程加密提供VIP会员观看，windows系统可播放！
20200819已经发布文件
下载地址：
|
|
[复制链接]
发表于 2020-8-17 21:29:31
发表于 2020-8-17 21:31:35
