Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2010.14428

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2010.14428 (eess)
[提交于 2020年10月27日 ]

标题: 基于最优模型的轨迹规划与静态多边形约束

标题: Optimal model-based trajectory planning with static polygonal constraints

Authors:Andreas B. Martinsen, Anastasios M. Lekkas, Sebastien Gros
摘要: 本文的主要贡献是为受多边形约束的动力系统规划全局最优轨迹的新方法。 所提出的方法是一种混合轨迹规划方法,结合了图搜索,即离散路线图方法,与凸优化,即完整路径方法。 与过去的方法不同,过去的方法主要关注使用简单的障碍物近似或次优的空间离散化,我们的方法能够利用多边形约束的精确几何形状来规划最优轨迹。 通过为Dubins汽车模型规划距离最优轨迹,以及为海洋车辆规划时间、距离和能量最优轨迹,对所提出方法的性能和灵活性进行了仿真评估。
摘要: The main contribution of this paper is a novel method for planning globally optimal trajectories for dynamical systems subject to polygonal constraints. The proposed method is a hybrid trajectory planning approach, which combines graph search, i.e. a discrete roadmap method, with convex optimization, i.e. a complete path method. Contrary to past approaches, which have focused on using simple obstacle approximations, or sub-optimal spatial discretizations, our approach is able to use the exact geometry of polygonal constraints in order to plan optimal trajectories. The performance and flexibility of the proposed method is evaluated via simulations by planning distance-optimal trajectories for a Dubins car model, as well as time-, distance- and energy-optimal trajectories for a marine vehicle.
主题: 系统与控制 (eess.SY) ; 优化与控制 (math.OC)
引用方式: arXiv:2010.14428 [eess.SY]
  (或者 arXiv:2010.14428v1 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2010.14428
通过 DataCite 发表的 arXiv DOI
期刊参考: IEEE Transactions on Control Systems Technology, 2021
相关 DOI: https://doi.org/10.1109/TCST.2021.3094617
链接到相关资源的 DOI

提交历史

来自: Andreas Bell Martinsen [查看电子邮件]
[v1] 星期二, 2020 年 10 月 27 日 16:42:17 UTC (2,024 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math
< 上一篇   |   下一篇 >
新的 | 最近的 | 2020-10
切换浏览方式为:
cs
cs.SY
eess
eess.SY
math.OC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号