這個(gè)系列的文章是之前Python實(shí)現(xiàn)所有算法的兄弟篇，眼看著夏令營完事，我也要又開始學(xué)習(xí)日子了：

若干篇，大家可以看以前的文章

我思來想去，決定深耕機(jī)器人領(lǐng)域，又大又深。雖然現(xiàn)在的算法大部分都可以找到，但是沒有一個(gè)集成的項(xiàng)目來做，這個(gè)PR的項(xiàng)目首先是保證了可視化的操作，我想沒人不愛可視化吧。其次就是算法的齊全：

常見的定位算法

地圖繪制

點(diǎn)云配準(zhǔn)

路徑規(guī)劃

路徑追蹤

機(jī)械臂等等

對(duì)于代碼庫，作者還編制了一個(gè)doc

安裝庫以后，這里把依賴的庫安裝一下：

pip install -r requirements/requirements.txt

會(huì)把使用的全安裝

測(cè)試一下這個(gè)怎么樣，注意是使用Python的終端

運(yùn)行的很OK

除此之外，還搞了一篇論文，原文在最后：

看不懂英文的意思？我給你翻譯一下，近年來自主的導(dǎo)航技術(shù)在很多的領(lǐng)域都大受關(guān)注，這個(gè)系統(tǒng)是指，在不受操作者控制的情況下，能夠長時(shí)間的向目標(biāo)移動(dòng)的系統(tǒng)，首先是需要知道自己在哪里，那些地方是安全的，去這個(gè)安全的地方該如何去，以及如何控制自己的運(yùn)動(dòng)。如果缺少任意一個(gè)，都是不可以的。可能太大白話了，定位，映射，路徑規(guī)劃，路徑跟隨。但是熟悉這些東西需要大量的不同的技能集合，線性代數(shù)，統(tǒng)計(jì)學(xué)，概率論，優(yōu)化理論，控制理論等等。而且學(xué)習(xí)這些還得良好的教育資源，那么這個(gè)項(xiàng)目就是為了為這個(gè)美好的愿望來添磚加瓦，他有很多的模擬動(dòng)畫，有助于讀者來了解之后的基本思想。

還是繼續(xù)說，雖然可以找到很多的資料，但是對(duì)于一個(gè)初學(xué)者還是不能很好的來了解算法的思路。

項(xiàng)目按照可讀性，就是代碼易于閱讀，實(shí)用性，算法必須具有實(shí)用性，就是在學(xué)術(shù)界和工業(yè)界得到廣泛的應(yīng)用，最后就是最小的依賴關(guān)系，很少的外部依賴可以讓我們輕松的運(yùn)行代碼的demo。這就是庫的三個(gè)重要特征。

在文章的后面我想寫一下這個(gè)庫的組織方式：

按照大的技術(shù)類別分為：定位，映射，SLAM，路徑規(guī)劃和路徑跟蹤。然后我會(huì)簡(jiǎn)單的介紹一下這幾個(gè)的作用，定位是通過各種傳感器來確定自己的位置和方向的能力。映射也可以稱為測(cè)繪的能力，機(jī)器人需要了解環(huán)境，可以設(shè)別障礙物的位置和形狀，才能避開障礙物。SLAM是一種更加好的辦法，可以同時(shí)估計(jì)機(jī)器人的姿態(tài)和環(huán)境地圖的能力，但是它難以求解，因?yàn)槎ㄎ恍枰貓D，映射需要定位，這樣看就好像是先有雞還是先有蛋的問題。路徑規(guī)劃是機(jī)器人尋找可行高效的路徑到達(dá)目標(biāo)的能力，路徑必須要根據(jù)機(jī)器人的運(yùn)動(dòng)模型和障礙物位置滿足一些約束條件，并優(yōu)化目標(biāo)的時(shí)間和到障礙物的距離等一些目標(biāo)函數(shù)。

現(xiàn)在就安裝這些庫就好，最后一個(gè)是一個(gè)優(yōu)化的庫。

CVXPY 是一種用于凸優(yōu)化問題的開源 Python 嵌入式建模語言。它可以讓您以一種遵循數(shù)學(xué)的自然方式表達(dá)您的問題，而不是求解器所需的限制性標(biāo)準(zhǔn)形式。

因?yàn)橐煌５目锤鞣NAPI，劃詞翻譯這個(gè)瀏覽器插件也值得擁有~

概率機(jī)器人，這個(gè)書你看過嗎？如果看過的話，這個(gè)庫是練習(xí)的解決方案

https://github.com/pptacher/probabilistic_robotics

https://fanyi.youdao.com/

https://arxiv.org/ftp/arxiv/papers/1808/1808.10703.pdf

https://github.com/AtsushiSakai/PythonRobotics

https://www.cvxpy.org/

審核編輯 ：李倩