轨迹优化 | 基于ESDF的共轭梯度优化算法(附ROS C++/Python仿真)

目录

• 0 专栏介绍
• 1 数值优化：共轭梯度法
• 2 基于共轭梯度法的轨迹优化
• • 2.1 障碍约束函数
  • 2.2 曲率约束函数
  • 2.3 平滑约束函数
• 3 算法仿真
• • 3.1 ROS C++实现
  • 3.2 Python实现

0 专栏介绍

🔥课程设计、毕业设计、创新竞赛、学术研究必备！本专栏涉及更高阶的运动规划算法实战：曲线生成与轨迹优化、碰撞模型与检测、多智能体群控、深度强化学习运动规划、社会性导航、全覆盖路径规划等内容，每个模型都包含代码实现加深理解。

🚀详情：运动规划实战进阶

1 数值优化：共轭梯度法

共轭梯度法是一种用于解决大型稀疏线性方程组或无约束优化问题的迭代数值方法。它利用了线性代数中的共轭概念，并结合了梯度下降法的思想，以更有效地找到函数的极小值点。

形式化地，对于$n$