点到点轨迹规划——三次曲线，五次曲线，梯形曲线，S曲线

三次曲线和五次曲线函数

%三次曲线规划函数： %x0,x1分别为规划起始位置和终止时刻位置，v0,v1分别为规划起始速度和终止时刻速度 %T为规划时长，t为求解时刻 function y=triple(x0,x1,v0,v1,T,t) a=(2*x0-2*x1+v0*T+v1*T)/T^3; b=(-3*x0+3*x1-2*v0*T-v1*T)/T^2; c=v0; d=x0; y=a*t^3+b*t^2

自动驾驶——Smooth Local Planning

在本模块中，我们将讨论分层运动规划器的最低级别，即局部规划器。作为提醒，局部规划器是分层规划器的一部分，它以无碰撞、高效和舒适的方式执行行为规划器所要求的机动。这导致轨迹，即在给定时间空间中的一系列点，或路径和速度剖面，即在每个点具有所需速度的空间中的点序列。然后，这个计划可以作为您在第一课程中开发的控制器的参考输入。在本模块中，我们将以我们在模块四中开发的入门反应式规划器为基础，这样它就能够处理自动驾驶运动规划问题中存在的一些细微差别。特别是，我们将从离散时间转移到连续时间，以便生成易于使用控制器跟踪的平

【机器人算法】轨迹规划

笛卡尔空间轨迹规划ctraj源代码基于球形四元数的姿态插补理解参考资料 ctraj 可以理解为输入“起点位姿”、“终点位姿”和“步长”，求出过程的齐次变换矩阵。 源代码 %CTRAJ Cartesian trajectory between two poses % % TC = CTRAJ(T0, T1, N) is a Cartesian trajectory (4x4xN) from pose T0 to T1 % with N points that follow a trapezoidal velo

机器人运动学轨迹规划（一）

对于一个机器人系统，一般都会经历加速、匀速、减速的运动过程。在整个运动过程中，速度随时间的变化曲线称为速度曲线。常见的速度曲线主要有：梯形曲线(T型)、S型曲线(S)、多项式曲线等。 对于一个梯形速度曲线，主要包括匀加速、匀速、匀减速过程。对于S型速度曲线，一般主要包括加加速、匀加速、减加速、匀速、加减速、匀减速、减减速，一共7段，所以一般又称为7段式。 同梯形速度曲线相比，S型速度曲线对电机...

机器人中的轨迹规划（Trajectory Planning ）

   Figure. Several possible path shapes for a single joint 五次多项式曲线(quintic polynomial)   $$\theta(t)=a_0+a_1t+a_2t^2+a_3t^3+a_4t^4+a_5t^5$$  　　考虑边界条件： $$\begin{align*} \theta_0&=a_0\\\theta_f&amp...

机器人轨迹规划——五次多项式插值轨迹

五次多项式 五次多项式表达式如下： q(t)=k0+k1t+k2t2+k3t3+k3t3+k4t4+k5t5q(t)=k_0+k_1t+k_2t^2+k_3t^3+k_3t3+k_4t^4+k_5t^5q(t)=k0​+k1​t+k2​t2+k3​t3+k3​t3+k4​t4+k5​t5 特点： 加速度连续 可以定义起始和结束的位置、速度、加速度（因为一共有六个约束，所以需要是五次多项式） 举例： q0=0q_0=0q0​=0 q1=1q_1=1q1​=1 v0=0v_0=0v0​=0 v1=0v_1=

机器人轨迹规划——梯形速度轨迹(超详细)

机器人轨迹 这一系列轨迹教程将主要包括以下内容： 点到点轨迹（P2P） 五次多项式插值轨迹 三次多项式插值轨迹 梯形速度曲线轨迹 双S形速度曲线轨迹 多个自由度轨迹的时间同步 在线轨迹规划 多项式在线轨迹规划 梯形在线轨迹规划 双S形在线轨迹规划 非线性实时轨迹滤波 多点轨迹（Multi-point) 三次样条曲线（cubic spline） 贝赛尔曲线（Bezier Curve） B样条曲线（BSpline） 时间最优轨迹 三次样条时间最优轨迹 任意路径下的时间最优轨迹 时间

机器人轨迹规划——双S曲线轨迹（详细推导）

机器人轨迹这一系列轨迹教程将主要包括以下内容：点到点轨迹（P2P）在线轨迹规划多点轨迹（Multi-point)时间最优轨迹双S轨迹相比梯形轨迹，更加的平滑，梯形轨迹本质上是将一段点到点的轨迹分为三段（加速——匀速——减速）；而双S轨迹本质上是分为了七段，中间的匀速段是不变的，但是它将梯形轨迹的加速、减速段分为三段。以加速段为例，先是以最大的加加速度达到最大的加速度，然后以恒加速度进行加速，然后以最大的加加速度将加速度减到零。上面一段话看着比较晕，中文里面加加速度指的是对加速度求导，也称为跃度，对应的是英文

机器人轨迹规划——三次多项式插值轨迹

机器人轨迹 这一系列轨迹教程将主要包括以下内容： 点到点轨迹（P2P） 五次多项式插值轨迹 三次多项式插值轨迹 梯形速度曲线轨迹 双S形速度曲线轨迹 多个自由度轨迹的时间同步 在线轨迹规划 多项式在线轨迹规划 梯形在线轨迹规划 双S形在线轨迹规划 非线性实时轨迹滤波 多点轨迹（Multi-point) 三次样条曲线（cubic spline） 贝赛尔曲线（Bezier Curve） B样条曲线（BSpline） 时间最优轨迹 三次样条时间最优轨迹 任意路径下的时间最优轨迹 时间

Windows环境下pcl点云库 安装配置全流程（精简、有效）

本文为Windows配置点云库pcl步骤，具体是win10、visual studio 2017、pcl1.11.1。

代码实现ROS2bag录制数据和回放数据(C++)

ROS2的ROS2bag功能可以将指定Topic中的数据以.db3的格式(不同于ROS）保存到本地文件中。读取文件数据可以实现数据回放。

CANoe UDS $27服务DLL生成实战：从工程配置到算法修改全流程

本文详细介绍了在Vector CANoe中为UDS（统一诊断服务）的$27安全访问服务生成定制化DLL（动态链接库）的全流程。从定位官方参考工程、配置Visual Studio开发环境，到深入解析核心的GenerateKeyEx函数接口，并重点演示了如何修改和实现自定义的种子-密钥安全算法，最终完成DLL的编译、部署与CANoe集成测试，为汽车电子诊断开发提供实战指导。

判断两个多边形是否相交（java实现）

判断两个多边形是否相交 ，当前认为一个点相交也是相交，可针对凹多边形和凸边型等多复杂的多边形进行相交判断，采用java实现，因为网上java实现的比较少，所以这里写下如何实现，适用于碰撞检测，地图等等应用场景

Decoder如何工作、Transformer如何训练、以及exposure bias问题

1、结合图文描述Decoder中各个模块是什么，以及是如何工作的。2、transformer是如何训练的。3、exposure bias问题造成的原因及解决方法

【1】Python交叉编译到OpenHarmony标准系统运行（arm32位）

本文介绍如何Python语言如何在OpenHarmony标准系统运行，包括5.0r和4.1r以及4.0r，和未来版本的OpenHarmony版本上。 Python语言在OpenHarmony上使用，需要将Python解释器CPython移植到OpenHarmony标准系统。通过交叉编译的方式。

知识图谱-构建：知识图谱构建流程【本体构建、知识抽取（实体抽取、 关系抽取、属性抽取）、知识表示、知识融合、知识存储】

旅游领域的类是用来描述旅游的抽象化概念术语，是对众多旅游个体共性的概念化描述。术语是划分类的基础，根据构建领域本体的目标和具体需要，可以确定哪些术语能作为领域本体的类。在以上抽取的众多旅游领域术语中，有些是能直接作为类的，如旅游、人物、交通方式、景区等等，而有些则不能作为类，如票价、景区门票、联系方式等等，它们只是属性。“旅游”很明显是最顶层的类，是父类。然后，要确定旅游的子类，根据大众标签里体现的共性和《中国分类主题词表》确定了旅游领域的11个核心概念，即本体层次结构图数据属性（固有属性）...

Figma 设计稿转前端代码：Cursor 实现 UI 还原的 4 种精准映射方法

揭示 Figma 设计稿转前端代码失效的根本原因在于四层语义未对齐（像素→布局、视觉→样式、交互→行为、意图→架构），提出以语义标注为核心的结构化喂数据方法，详解通过图层命名、Description 字段和 Markdown 上下文锚点实现高精度 React 组件生成，并给出可落地的避坑指南与实测提

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android：LinePhone3.2.7(最新版本)，官网地址：http://www.linphone.org/

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。