梯形速度规划算法原理及代码

2023-12-13 02:12

本文主要是介绍梯形速度规划算法原理及代码,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

梯形速度规划的原理:梯形速度规划算法
对应的代码如下:

#pragma once
#include <cmath>
#include <iostream>
#include <vector>
struct SpeedPoint {SpeedPoint() {s = 0;speed = 0;t = 0;}double s;      // mdouble speed;  // m/sdouble t;      // s
};inline std::tuple<double, double, double> trapezoidalSpeedPlanningGetS(const double& max_speed, const double& init_speed,const double& aim_distance, const double& aim_speed,const double& aim_acc) {// 分类讨论,初始车速&最高速度的大小double valid_aim_speed = aim_speed;if (aim_speed > max_speed) {valid_aim_speed = max_speed;}double s1 =(std::pow(max_speed, 2) - std::pow(init_speed, 2)) / (2 * aim_acc);double s3 =(std::pow(max_speed, 2) - std::pow(valid_aim_speed, 2)) / (2 * aim_acc);double s2 = aim_distance - fabs(s1) - s3;if (s2 < 0) {s2 = 0;s1 = (2 * aim_acc * aim_distance - std::pow(init_speed, 2) +std::pow(valid_aim_speed, 2)) /(4 * aim_acc);if (fabs(s1) > aim_distance) {s1 = std::copysign(aim_distance, s1);s2 = s3 = 0;} elses3 = aim_distance - fabs(s1);}return std::tuple<double, double, double>(s1, s2, s3);
}/*** @brief trapezoidalSpeedPlanning: 梯形速度规划* @param max_speed* @param init_speed* @param aim_distance* @param aim_speed* @param aim_acc* s1: 加速段* s2: 匀速段* s3: 减速段* @return*/
inline std::vector<SpeedPoint> trapezoidalSpeedPlanning(const double& max_speed, const double& init_speed,const double& aim_distance, const double& aim_speed,const double& aim_acc) {std::vector<SpeedPoint> results;if (max_speed <= 0) {// to zero.return results;}double s1, s2, sk, s3;std::tuple<double, double, double> result_ss = trapezoidalSpeedPlanningGetS(max_speed, init_speed, aim_distance, aim_speed, aim_acc);s1 = std::get<0>(result_ss);s2 = std::get<1>(result_ss);s3 = std::get<2>(result_ss);sk = fabs(s1) + s2;const double delta_t = 0.1;double acculate_s = 0;double acculate_v = init_speed;double acculate_t = 0;SpeedPoint speed_point;double s1_sign = std::copysign(1, s1);double speed_m = std::sqrt(2 * aim_acc * s1 + init_speed * init_speed);for (; acculate_s < aim_distance;) {speed_point.s = acculate_s;speed_point.t = acculate_t;speed_point.speed = acculate_v;acculate_t += delta_t;results.push_back(speed_point);if (acculate_s <= fabs(s1)) {acculate_s += acculate_v * delta_t;acculate_v += aim_acc * delta_t * s1_sign;} else if (acculate_s < sk) {acculate_s += acculate_v * delta_t;} else {// 减速段acculate_s += acculate_v * delta_t;acculate_v -= aim_acc * delta_t;if (acculate_v <= 0) break;}}return results;
}inline double trapezoidalSpeedPlanningTime(const double& max_speed,const double& init_speed,const double& aim_distance,const double& aim_speed,const double& aim_acc) {if (max_speed <= 0) {// to zero.return INFINITY;}double s1, s2, s3;std::tuple<double, double, double> result_ss = trapezoidalSpeedPlanningGetS(max_speed, init_speed, aim_distance, aim_speed, aim_acc);double valid_aim_speed = aim_speed;if (aim_speed > max_speed) {valid_aim_speed = max_speed;}s1 = std::get<0>(result_ss);s2 = std::get<1>(result_ss);s3 = std::get<2>(result_ss);//  std::cout << "s1: " << s1 << ", s2: " << s2 << ", s3: " << s3 <<//  std::endl;double speed_m = std::sqrt(2 * aim_acc * s1 + init_speed * init_speed);double speed_final = std::sqrt(speed_m * speed_m + 0.2 - 2 * aim_acc * s3);if (fabs(speed_final - valid_aim_speed) > 1) return INFINITY;double time_1 = fabs(speed_m - init_speed) / aim_acc, time_2 = s2 / speed_m,time_3 = (speed_m - speed_final) / aim_acc;return time_1 + time_2 + time_3;
}
inline double GetSpeedPlanningTimeByReultS(const std::tuple<double, double, double>& result_ss,const double& max_speed, const double& init_speed,const double& aim_distance, const double& aim_speed,const double& aim_acc) {if (max_speed <= 0) {// to zero.return INFINITY;}double s1, s2, s3;double valid_aim_speed = aim_speed;if (aim_speed > max_speed) {valid_aim_speed = max_speed;}s1 = std::get<0>(result_ss);s2 = std::get<1>(result_ss);s3 = std::get<2>(result_ss);//  std::cout << "s1: " << s1 << ", s2: " << s2 << ", s3: " << s3 <<//  std::endl;double speed_m = std::sqrt(2 * aim_acc * s1 + init_speed * init_speed);double speed_final = std::sqrt(speed_m * speed_m + 0.2 - 2 * aim_acc * s3);if (fabs(speed_final - valid_aim_speed) > 1) return INFINITY;double time_1 = fabs(speed_m - init_speed) / aim_acc, time_2 = s2 / speed_m,time_3 = (speed_m - speed_final) / aim_acc;return time_1 + time_2 + time_3;
}inline SpeedPoint trapezoidalSpeedPlanningPointByS(const double& s1, const double& s2, const double& s3, const double& s,const double& init_speed, const double& aim_acc) {SpeedPoint speed_point;double speed_m = std::sqrt(2 * aim_acc * s1 + init_speed * init_speed);speed_point.s = s;double s1_sign = std::copysign(1, s1);if (s <= fabs(s1)) {double vt = sqrt(2 * aim_acc * s1_sign * s + init_speed * init_speed);speed_point.speed = vt;speed_point.t = (vt - init_speed) / (aim_acc * s1_sign);} else if (s < fabs(s1) + s2) {double v1_t = speed_m;speed_point.speed = v1_t;// s1_t + (s - fabs(s1)) / v1_t;speed_point.t =(v1_t - init_speed) / (aim_acc * s1_sign) + (s - fabs(s1)) / v1_t;} else {// 减速段double v1_t = speed_m;double t1 = fabs(speed_m - init_speed) / aim_acc;double t2 = s2 / v1_t;double end_speed_2 = v1_t * v1_t - 2 * aim_acc * (s - s2 - fabs(s1));if (end_speed_2 < 1e-2)speed_point.speed = 0;elsespeed_point.speed = sqrt(end_speed_2);speed_point.t = t1 + t2 + (v1_t - speed_point.speed) / aim_acc;}return speed_point;
}

这篇关于梯形速度规划算法原理及代码的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/486792

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

动态规划---打家劫舍

题目: 你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。 给定一个代表每个房屋存放金额的非负整数数组,计算你 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。 思路: 动态规划五部曲: 1.确定dp数组及含义 dp数组是一维数组,dp[i]代表

hdu4407(容斥原理)

题意:给一串数字1,2,......n,两个操作:1、修改第k个数字,2、查询区间[l,r]中与n互质的数之和。 解题思路:咱一看,像线段树,但是如果用线段树做,那么每个区间一定要记录所有的素因子,这样会超内存。然后我就做不来了。后来看了题解,原来是用容斥原理来做的。还记得这道题目吗?求区间[1,r]中与p互质的数的个数,如果不会的话就先去做那题吧。现在这题是求区间[l,r]中与n互质的数的和

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO