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
🔥课设、毕设、创新竞赛必备！🔥本专栏涉及更高阶的运动规划算法轨迹优化实战，包括：曲线生成、碰撞检测、安全走廊、优化建模(QP、SQP、NMPC、iLQR等)、轨迹优化(梯度法、曲线法等)，每个算法都包含代码实现加深理解
🚀详情：运动规划实战进阶：轨迹优化篇
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 n
