admin 管理员组

文章数量: 1184232

最近的工作重心回到到算法上之后，陆陆续续开始学习一些自动驾驶的控制算法。目前工作的方向主要是online trajectory generation和底层控制。

对于在线路径规划，一个重要的概念是其应该能提供给车辆一个速度和方向控制命令，使底层控制器跟随这个输入去执行运动控制操作。

人工势场法(Artificial Potential Field Method)是一个典型的在线路径算法。其运用了'水往低处流'的思路，很自然的能够理解车辆路径的产生规律。

话不多说，直接上Matlab代码看一下。

close all;clear

%% Copyright@https://www.jianshu/u/1f9b23cfe862

density = 0.2;

Grid_X = 0:density:10;

Grid_Y = 0:density:10;

Basic_Z = ones(length(Grid_X), length(Grid_Y));

P0 = 20;

a = 20; %斥力影响因素

b = 10; %引力影响因素

%%

Goal = [10,10]; %目标

Obs = [3,2;

3,3;

5,7;

5.3,6;

6,6;

2,4;

3,8;

4,7;

8,9]; %障碍物坐标

for k1 = 1: length(Grid_X)

for k2 =1:length(Grid_Y)

X_c = Grid_X(k1);

Y_c

本文标签： 演示 势场法 MATLAB Artificial method

版权声明：本文标题：matlab人工势场法三维演示图,人工势场法（Artificial Potential Field Method）的学习 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1738258453a1952215.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。