คำถามติดแท็ก rrt

ฉันกำลังพยายามใช้โครงสร้างเพื่อนบ้านที่ใกล้ที่สุดเพื่อใช้ในการวางแผนการเคลื่อนไหว RRT เพื่อที่จะทำได้ดีกว่าการค้นหาแบบใกล้เคียงกับสัตว์เดรัจฉานเชิงเส้นฉันต้องการใช้สิ่งที่คล้ายกับ kd-tree อย่างไรก็ตามดูเหมือนว่าการใช้งานแบบคลาสสิกของ kd-tree ถือว่าแต่ละมิติของพื้นที่สามารถแบ่งออกเป็น "ซ้าย" และ "ขวา" ความคิดนี้ไม่ได้นำไปใช้กับช่องว่างที่ไม่ใช่ยูคลิดเช่น SO (2) ฉันกำลังทำงานกับแขนกลเรียงต่อเนื่องที่มีการเชื่อมโยงการหมุนอย่างสมบูรณ์ซึ่งหมายความว่าแต่ละมิติของพื้นที่การกำหนดค่าของหุ่นยนต์คือ SO (2) และไม่ใช่ยูคลิด อัลกอริทึม kd-tree สามารถปรับเปลี่ยนเพื่อรองรับ subspaces ประเภทนี้ได้หรือไม่ ถ้าไม่มีโครงสร้างเพื่อนบ้านที่ใกล้เคียงที่สุดที่สามารถจัดการ subspaces ที่ไม่ใช่ Euclidean เหล่านี้ได้ในขณะที่ยังง่ายต่อการอัพเดทและสืบค้น? ฉันดูที่FLANNด้วย แต่มันก็ไม่ชัดเจนสำหรับฉันจากเอกสารของพวกเขาว่าพวกเขาสามารถจัดการพื้นที่ย่อยที่ไม่ใช่แบบยุคลิดได้หรือไม่

15 motion-planning  rrt 

อัลกอริธึมการวางแผนการเคลื่อนไหวแบบสุ่มตัวอย่างที่ดีที่สุด (อธิบายไว้ในบทความนี้ ) แสดงให้เห็นว่าเส้นทางที่ไม่มีการชนกันของข้อมูลนั้นมาบรรจบกับเส้นทางที่ดีที่สุดเมื่อเวลาในการวางแผนเพิ่มขึ้น อย่างไรก็ตามเท่าที่ฉันเห็นการพิสูจน์และการทดลองในแง่ดีได้สันนิษฐานว่าการวัดต้นทุนเส้นทางคือระยะทางแบบยุคลิดในพื้นที่กำหนดค่า Can RRT *ยังให้ผลผลิตคุณสมบัติ optimality สำหรับตัวชี้วัดคุณภาพเส้นทางอื่น ๆ เช่นการเพิ่มการกวาดล้างขั้นต่ำจากอุปสรรคตลอดเส้นทางหรือไม่RRT* * * *RRT∗\text{RRT}^*RRT* * * *RRT∗\text{RRT}^* ในการกำหนดการกวาดล้างขั้นต่ำ: เพื่อความง่ายเราสามารถพิจารณาหุ่นยนต์แบบจุดเคลื่อนที่ในอวกาศยูคลิด สำหรับการกำหนดค่าใด ๆที่อยู่ในพื้นที่กำหนดค่าที่ไม่มีการชนกันของข้อมูลให้กำหนดฟังก์ชั่นd ( q )ซึ่งจะส่งคืนระยะห่างระหว่างหุ่นยนต์และอุปสรรค C ที่ใกล้ที่สุด สำหรับเส้นทางσ , กวาดล้างขั้นต่ำmin_clear ( σ )เป็นค่าต่ำสุดของd ( Q )สำหรับทุกQ ∈ σ ในการวางแผนการเคลื่อนไหวที่ดีที่สุดเราอาจต้องการเพิ่มระยะห่างขั้นต่ำจากสิ่งกีดขวางตามเส้นทาง นี่จะหมายถึงการกำหนดตัวชี้วัดต้นทุนQqqd( q)d(q)d(q)σσ\sigmamin_clear ( σ)min_clear(σ)\text{min_clear}(\sigma)d( q)d(q)d(q)Q∈ σq∈σq \in \sigmaซึ่ง cเพิ่มขึ้นเมื่อระยะห่างขั้นต่ำลดลง หนึ่งฟังก์ชั่นที่เรียบง่ายจะเป็นค( σ …

14 motion-planning  algorithm  rrt  theory 

ฉันกำลังทำงานกับควอดโรเตอร์ ฉันรู้ตำแหน่งของมัน -ที่ซึ่งฉันต้องการไป - ตำแหน่งเป้าหมายและจากนั้นฉันคำนวณเวกเตอร์ - เวกเตอร์หน่วยที่จะพาฉันไปยังเป้าหมายของฉัน:aaabbbccc c = b - a c = normalize(c) เนื่องจาก quadrotor สามารถเคลื่อนที่ในทิศทางใดก็ได้โดยไม่มีการหมุนสิ่งที่ฉันพยายามทำคือ หมุนโดยมุมเอียงของหุ่นยนต์ccc แยกออกเป็นองค์ประกอบx,yx,yx, y ส่งพวกเขาไปยังหุ่นยนต์เป็นมุมม้วนและระดับเสียง ปัญหาคือว่าถ้าหันเหเป็น 0 °± 5 แล้วก็ใช้งานได้ แต่ถ้าหันไปใกล้ +90 หรือ -90 มันจะล้มเหลวและหันไปทิศทางที่ผิด คำถามของฉันคือฉันขาดอะไรบางอย่างชัดเจนที่นี่?

9 quadcopter  uav  navigation  slam  kinect  computer-vision  algorithm  c++  ransac  mobile-robot  arduino  microcontroller  machine-learning  simulator  rcservo  arduino  software  wifi  c  software  simulator  children  multi-agent  ros  roomba  irobot-create  slam  kalman-filter  control  wiring  routing  motion  kinect  motor  electronics  power  mobile-robot  design  nxt  programming-languages  mindstorms  algorithm  not-exactly-c  nxt  programming-languages  mindstorms  not-exactly-c  raspberry-pi  operating-systems  mobile-robot  robotic-arm  sensors  kinect  nxt  programming-languages  mindstorms  sensors  circuit  motion-planning  algorithm  rrt  theory  design  electronics  accelerometer  calibration  arduino  sensors  accelerometer