xxmhgs
这家伙很懒，什么也没写
Ta上传的资源 (0)
Motion Planning in Urban Environments_Part I.pdf
本文是DARPA比赛的冠军车“Boss”的运动规划方法。分为on-road & unstructured 2种场景。后者主要指停车场。
机器人局部路径规划算法VFH系列论文
机器人局部路径规划算法——VFH系列论文。主要根据传感器的观测数据,更新占用栅格地图,然后计算下一步的运动方向。
Junior_The Stanford Entry in the Urban Challenge.pdf
这篇文献重点介绍了Junior的系统结构、地图、感知、定位、规划模块的内容,只讲了大概思路和方法,细节较少。
Motion Planning in Urban Environments_Part II.pdf
本文是DARPA冠军车“Boss”的运动规划算法，第二部分。主要讲停车场内如何规划。车道上的规划请参考part1.
Real Time Trajectory Planning for Autonomous Urban Driving_Framework
本文最新颖的地方在于对参考线的预处理，分为以下3个步骤：a- 从数字地图（高精地图）中获取道路中心线，即初步的参考线；b- 使用共轭梯度非线性优化方法使其平滑；c- 使用三次B样条曲线插值。带来的提升是：比较急的弯道上，参考线的曲率会变小，并且更平滑，有效降低了车辆过弯时的侧移风险
Path Planning for Autonomous Vehicles in Unknown Semistructured Environments
本文分2部分，第2-3节介绍freespace下的路径规划，目标是规划出一条平滑且满足车辆non-holonomic约束的最短路径。第4节介绍semi-structured环境的路径规划。
freespace的方法分为2部分，第1部分是采用启发式搜索方法获得一条满足车辆运动学约束的可行驶轨迹，
产生音频信号并录音分析频谱
在MATLAB中，通过chirp产生扫频信号并播放，同时启动audiorecorder录音，做FFT变换绘制录音的波形和频谱图
GradientInformed Path Smoothing for Wheeled Mobile Robots.pdf
1.输入是path（来自于图搜索或采样式路径规划方法）和steerfunction，输出是path。分为2个步骤，a:使用梯度下降法，移动和插入顶点使得离障碍物更远、离障碍物近的地方路径点更密集；b:使用基于cost的short-cutting方法删除不必要的路径点。
Autonomous Driving in Urban Environments_Boss and the Urban Challenge
DARPA比赛的冠军车“Boss”的相关文章，本文主要是系统介绍，涉及软件结构、感知、运动规划、决策等模块。同时，还分析了Boss在比赛时的表现，出现的bug，以及为什么出现这些bug。
A trajectory planning method based on forward path generation and backward
本文是《TrajectoryPlanningforCooperativeAutonomousValetParking》的参考文献5，适用于平行停入和垂直停入车位2种场景，尤其是倒车停入的场景。
整个方法分为2个部分：1是向前的轨迹生成，即计算车头朝前从车位开出停到路边的轨迹，即下图中的Pd->Ps