选择导航路径规划算法

详细介绍了不同路径和运动规划算法的好处。

使用RRT规划移动机器人路径

这个例子展示了如何使用快速探索随机树(RRT)算法来规划通过已知地图的车辆路径。特殊的车辆约束也应用于自定义状态空间。您可以为任何导航应用程序使用自定义状态空间和路径验证对象来优化您自己的规划器。

使用RRT在杂乱的房间中移动家具

这个例子展示了如何规划一个路径来移动笨重的家具在一个狭窄的空间避免杆。这个例子展示了一个“Piano Mover’s Problem”的工作流程，它用于测试带有约束状态空间的路径规划算法。本示例使用plannerRRTStar对象实现自定义优化快速探索树(RRT*)算法。提供的示例助手演示了如何为任何运动规划应用程序定义自定义状态空间和状态验证。

基于RRT的机械臂运动规划

为一个动作计划一个抓取动作Kinova Jaco辅助机器人手臂使用快速探索随机树（RRT）算法。此示例使用plannerRRTStar对象对状态进行采样并规划机器人运动。提供的示例帮助说明如何为运动规划应用程序定义自定义状态空间和状态验证。

室内地图上的动态重新规划

这个示例展示了如何使用测距仪和a *路径规划器对仓库地图执行动态重新规划。

公路换道

此示例显示了如何模拟高速公路驾驶场景中的自动换道机动系统。

基于Frenet参考路径的公路轨迹规划

此示例演示如何在高速公路驾驶场景中规划局部轨迹。本示例使用参考路径和障碍物动态列表为ego车辆生成替代轨迹。ego车辆在提供的驾驶场景中定义的交通中导航drivingScenario对象。基于成本、可行性和无碰撞运动，车辆在自适应巡航控制、变道和车辆跟随机动之间进行切换。

城市驾驶最优轨迹生成

此示例显示了如何在城市场景中使用轨迹优化网．

基于动态占用栅格地图的城市环境运动规划

这个示例向您展示了如何使用Frenet参考路径在城市驾驶场景中执行动态重规划。在本例中，您使用局部环境的动态占用网格地图估计来找到最优的局部轨迹。

Simulink®中的避障路径跟踪金宝app

本示例演示如何使用Simulink在跟随差速驱动机器人的路径时避开障金宝app碍物。本例使用ROS从基于MATLAB®的模拟器发送和接收信息。您可以将模拟器替换为其他基于ROS的模拟器，如Gazebo®。

TurtleBot和VFH的避障功能

这个例子展示了如何使用ROS工具箱和带有矢量场直方图(VFH)的TurtleBot®来执行在环境中驾驶机器人时的避障。机器人向前行驶，直到遇到障碍物为止。的controllerVFH对象在试图向前行驶时计算转向方向以避开对象。

向量场直方图

VFH算法细节和可调属性。

単純追跡コントローラー

単純追跡コントローラーの機能とアルゴリズムの詳細。