0.1 运动规划算法介绍

• 基本的数学知识

• 基本的python语言知识

• Ubuntu 18.04或以上的系统环境(虚拟机也可)

第0章 引言

• 0.1 运动规划算法介绍

• 0.2 环境配置和代码运行

第1章 运动规划基础知识

• 1.1 车辆运动学:自行车模型

• 1.1.c 车辆运动学:自行车模型代码解析

• 1.2 车辆运动学:阿克曼转向模型

• 1.3 碰撞检测算法:AABB, SAT

• 1.3.c 碰撞检测算法: AABB, SAT代码解析

• 1.4 碰撞检测算法:GJK

• 1.4.c 碰撞检测算法:GJK代码解析

• 1.5 Frenet坐标系

• 1.5.c Frenet坐标系代码解析

第2章 常见的曲线表达形式

• 2.1 基于5次多项式的参数方程曲线(Quintic Polynomial)

• 2.1.c 基于5次多项式的参数方程曲线代码解析

• 2.2 3次样条曲线(Cubic Spline)

• 2.2.c 3次样条曲线代码解析

• 2.3 贝塞尔曲线(Bézier Curve)

• 2.3.c 贝塞尔曲线代码解析

• 2.4 3次螺旋线 (Cubic Spiral Curve)

• 2.4.c 3次螺旋线代码解析

• 2.5 Dubins曲线

• 2.5.c Dubins曲线代码解析

• 2.6 Reeds Shepp曲线

• 2.6.c Reeds Shepp曲线代码解析

第3章 基于采样的规划算法

• 3.1 随机性采样: PRM

• 3.1.c PRM代码解析

• 3.2 随机性采样:RRT

• 3.2.c RRT代码解析

• 3.3 确定性采样:基于控制空间采样

• 3.3.c 确定性采样:基于控制空间采样代码解析

• 3.4 确定性采样:基于状态空间采样

• 3.4.c 确定性采样:基于采样空间采样代码解析

第4章 基于搜索的规划算法

• 4.1 图搜的基础

• 4.2 DFS

• 4.2.c DFS代码解析

• 4.3 BFS

• 4.3.c BFS代码解析

• 4.4 Dijkstra算法

• 4.4.c Dijkstra代码解析

• 4.5 A*算法

• 4.5.c A*代码解析

• 4.6 Hybrid A*算法

• 4.6.c Hybrid A*代码解析

第5章 基于优化的规划算法

• 5.1 数值优化基础:基本概念

• 5.2 数值优化基础:梯度下降法,牛顿法

• 5.2.c 梯度下降法,牛顿法代码解析

• 5.3 数值优化基础:线搜索

• 5.3.c 线搜索方法代码解析

• 5.4 二次规划问题:QP优化

• 5.5 基于PiecewiseJerk的路径优化方法

• 5.5.c PiecewiseJerkPathOptimizer路径优化代码解析