三次多项式轨迹规划：三次多项式轨迹规划就是s(t)相对于时间t的变化满足三次多项式变化，其表达式如下： 如前文所述：t的取值范围是[0,T],s(t)的取值范围是[0,1],又因为初始速度和末速度都为0，所以：S（t）的一阶导数表达式为：从而可以计算出对应的系数：将系数带入到上面的三次多项式，可得到再将上式代入到路径表达式，即可得到完整的轨迹规划表达式，如下所示：其中，最大的关节速度在时刻到达，其数值为：最大的关节加速度和关节减速度在和，其中：关节空间三次多项式轨迹规划：TH1=[30,60,2,5,50,70,80];%定义关节空间中的两个点TH1,TH
三次多项式轨迹规划：三次多项式轨迹规划就是s(t)相对于时间t的变化满足三次多项式变化，其表达式如下： 如前文所述：t的取值范围是[0,T],s(t)的取值范围是[0,1],又因为初始速度和末速度都为0，所以：S（t）的一阶导数表达式为：从而可以计算出对应的系数：将系数带入到上面的三次多项式，可得到再将上式代入到路径表达式，即可得到完整的轨迹规划表达式，如下所示：其中，最大的关节速度在时刻到达，其数值为：最大的关节加速度和关节减速度在和，其中：关节空间三次多项式轨迹规划：TH1=[30,60,2,5,50,70,80];%定义关节空间中的两个点TH1,TH
目录简介卫星轨迹图展示STARLINK-2300IRIDIUM180GPSBIIF-12BEIDOU10星历解算代码示例地图绘制代码示例卫星星座图绘制展示starlink卫星星座GPS星座北斗卫星星座图ONEWEB卫星星座GlobalStar卫星星座简介Ephem可用于执行高精度天文计算，包括计算行星、彗星、小行星和地球卫星的位置等。Folium是python上著名的地理信息可视化库，使用folium我们可以在Python端编写代码操纵数据和制作优美的可交互地图。使用ephem解算卫星的位置，然后使用folium就能绘制卫星星下点轨迹图了。卫星轨迹图展示人造地球卫星和地心连线与地面的交点称作星
目录简介卫星轨迹图展示STARLINK-2300IRIDIUM180GPSBIIF-12BEIDOU10星历解算代码示例地图绘制代码示例卫星星座图绘制展示starlink卫星星座GPS星座北斗卫星星座图ONEWEB卫星星座GlobalStar卫星星座简介Ephem可用于执行高精度天文计算，包括计算行星、彗星、小行星和地球卫星的位置等。Folium是python上著名的地理信息可视化库，使用folium我们可以在Python端编写代码操纵数据和制作优美的可交互地图。使用ephem解算卫星的位置，然后使用folium就能绘制卫星星下点轨迹图了。卫星轨迹图展示人造地球卫星和地心连线与地面的交点称作星
目录前言一、evo工具的安装二、运行TUM数据集1.TUM单目数据集2.TUMRGB-D数据集三、运行KITTI数据集1.KITTI单目数据集2.KITTI双目数据集四、运行EuRoC数据集1.EuRoC单目数据集2.EuRoC双目数据集五、使用evo工具分析1.常用指令2.用evo工具分析TUM3.用evo工具分析KITTI4.用evo工具分析EuRoC前言在ORB-SLAM2的学习过程中，不可避免的会用到这些数据集来运行程序，并且还会将运行轨迹与相机真实轨迹作对比，下面就介绍使用evo工具分析SLAM常用TUM，KITTI，EuRoC数据集。SLAM数据集TUM，KITTI，EuRoC数据
目录前言一、evo工具的安装二、运行TUM数据集1.TUM单目数据集2.TUMRGB-D数据集三、运行KITTI数据集1.KITTI单目数据集2.KITTI双目数据集四、运行EuRoC数据集1.EuRoC单目数据集2.EuRoC双目数据集五、使用evo工具分析1.常用指令2.用evo工具分析TUM3.用evo工具分析KITTI4.用evo工具分析EuRoC前言在ORB-SLAM2的学习过程中，不可避免的会用到这些数据集来运行程序，并且还会将运行轨迹与相机真实轨迹作对比，下面就介绍使用evo工具分析SLAM常用TUM，KITTI，EuRoC数据集。SLAM数据集TUM，KITTI，EuRoC数据
QP解决MinimumSnap轨迹优化问题文章目录QP解决MinimumSnap轨迹优化问题1.多项式的次数确定2.MinimumSnap案例分析2.1轨迹的多项式表达2.2约束条件确定3MinimumSnap算法运行过程3.1准备工作3.2MinimumSnapQPSolver函数3.2.1getQ函数3.2.2getAbeq函数3.3显示功能大佬的代码：https://github.com/KailinTong/Motion-Planning-for-Mobile-Robots本文代码：https://github.com/tgj-maker/QP_Minimumn_Snap(gitee无
QP解决MinimumSnap轨迹优化问题文章目录QP解决MinimumSnap轨迹优化问题1.多项式的次数确定2.MinimumSnap案例分析2.1轨迹的多项式表达2.2约束条件确定3MinimumSnap算法运行过程3.1准备工作3.2MinimumSnapQPSolver函数3.2.1getQ函数3.2.2getAbeq函数3.3显示功能大佬的代码：https://github.com/KailinTong/Motion-Planning-for-Mobile-Robots本文代码：https://github.com/tgj-maker/QP_Minimumn_Snap(gitee无
文章目录参考资料1.基本概念1.1MPCvsoptimalcontrol1.2MPC优点2.MPC整体流程2.1预测区间与控制区间2.2约束2.3MPC流程2.4MPCvs.LQR3.MPC设计4.MPC应用——无人车轨迹跟踪4.1MPC建模4.2python代码实现4.2.1参数4.2.2运动学模型4.2.3参考轨迹4.2.4矩阵拍平4.2.5角度归一化到[-pi，pi]4.2.6MPC控制实现4.2.7主函数5.MPC开源库/程序参考资料bilibili的DR_CAN讲解的MPC模型预测控制器知乎上一个比较通俗易懂的解释模型预测控制轨迹跟踪模型预测控制(MPC)原理与python实现DR_
文章目录参考资料1.基本概念1.1MPCvsoptimalcontrol1.2MPC优点2.MPC整体流程2.1预测区间与控制区间2.2约束2.3MPC流程2.4MPCvs.LQR3.MPC设计4.MPC应用——无人车轨迹跟踪4.1MPC建模4.2python代码实现4.2.1参数4.2.2运动学模型4.2.3参考轨迹4.2.4矩阵拍平4.2.5角度归一化到[-pi，pi]4.2.6MPC控制实现4.2.7主函数5.MPC开源库/程序参考资料bilibili的DR_CAN讲解的MPC模型预测控制器知乎上一个比较通俗易懂的解释模型预测控制轨迹跟踪模型预测控制(MPC)原理与python实现DR_
