logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

小车模型——双差速小车模型

双差速轮模型通过独立控制左右轮的转速,实现了机器人的运动和转向。运动学正解用于根据轮速计算机器人的运动状态,而逆解用于根据期望运动状态计算所需的轮速。动力学模型进一步描述了机器人在给定驱动力和驱动扭矩下的动态行为。这些模型为机器人的设计和控制提供了理论基础。

文章图片
#算法#学习#linux +2
曲率计算——公式以及意义

曲率公式根据曲线的表示形式不同而不同。常见的曲率公式包括参数方程、显式方程、隐式方程和极坐标方程。曲率的几何意义是描述曲线的弯曲程度。

#学习#c++#算法 +1
解析几何——计算向量与x的夹角

假设这两点为A(x1,y1)和B(x2,y2),则向量AB的坐标为AB=(x2-x1,y2-y1)。要求向量AB与x轴正方向的夹角,即求向量AB与x轴正方向的夹角θ。其中,|AB|为向量AB的长度。

文章图片
#算法
ROS2——录制数据包(bag)

在 ROS 2 中,录制数据集(bag)的工具是rosbag2。它允许你记录和回放 ROS 2 中的话题数据。

#算法#学习#linux +2
自动驾驶学习——RTK(实时动态差分定位)

定义RTK是实时动态差分定位技术的简称,通过基准站(固定已知位置)与流动站(车载接收器)的协同工作,利用载波相位差分算法消除卫星信号误差,实现厘米级定位精度。工作原理基准站修正误差:基准站接收卫星信号,计算实际位置与卫星信号的误差(如电离层延迟、卫星钟差等),并通过无线通信(如4G/5G)将修正数据发送给流动站。流动站实时解算:流动站结合自身接收的卫星信号和基准站的修正数据,利用载波相位差分技术解

文章图片
#自动驾驶#学习#人工智能
小车模型——偏心差速轮模型

由于车轮不在车体中心,车辆的实际运动中心会偏离几何中心。这可能导致车辆的动态行为与理想模型略有不同,但上述动力学方程仍然可以用于描述车辆的动态行为。当差速轮不在车体中心时,运动学和动力学模型需要考虑车轮位置对车辆运动的影响。以下是详细的运动学正解、逆解和动力学模型的介绍。由于车轮不在车体中心,车辆的实际运动中心会偏离几何中心,但上述公式仍然适用。即使车轮不在车体中心,上述公式仍然可以用于计算所需的

文章图片
#机器学习#人工智能#算法 +4
小车模型——双舵轮的状态方程

车体坐标系车体质心为原点O(O)Ox(x)x轴指向前进方向,y(y)y轴垂直向左,构成右手坐标系。舵轮安装位置:舵轮1在ab((a, b))((ab)),舵轮2在−a−b((-a, -b))((−a−b))(典型对角安装时ab(a = b)abL2a22b2L2a22b2​。状态变量xy(x, y)xy(全局坐标系)。θ(\theta)θ(相对于全局坐标系x(x)x轴)。控制输入舵轮1线速度v1。

文章图片
#线性代数#机器学习#矩阵 +4
TFT-LCD工艺制程

TFT-LCD 的制造工艺涉及多个复杂步骤,包括 TFT 阵列基板制造、彩色滤光片制造、液晶盒组装和模块组装。随着技术的进步,TFT-LCD 在分辨率、能效、视角等方面不断改进,广泛应用于各种显示设备中。

算法学习——求解二次规划问题

是一种优化问题,其目标函数是二次函数,约束条件是线性函数。

文章图片
#算法#学习#linux +2
常用的运动控制算法

不同的运动控制算法适用于不同的场景和系统特性。选择合适的控制算法需要考虑系统的动态特性、控制目标、计算资源等因素。线性系统:LQR、PID。非线性系统:滑模控制、反馈线性化、反步控制。复杂系统:MPC、神经网络控制、强化学习控制。鲁棒性要求高:鲁棒控制、滑模控制。周期性任务:迭代学习控制。

#c++#学习#开发语言 +2
    共 20 条
  • 1
  • 2
  • 请选择