VIP20

本课程属于：008-强化学习策略 机器人系统 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

传感器反馈轨迹规划实战

📚 共计 30 章节

课程导论与基础

传感器反馈轨迹规划概述、应用场景（机械臂、AGV、无人机）、课程目标与学习路径。

导论应用场景

坐标系与空间变换

世界坐标系、机器人基坐标系、工具坐标系、齐次变换矩阵、欧拉角与四元数。

坐标系变换矩阵

运动学基础（上）

机械臂正运动学、DH参数法、标准DH与改进DH的区别。

正运动学DH参数

运动学基础（下）

机械臂逆运动学、解析解与数值解、雅可比矩阵与奇异性。

逆运动学雅可比

轨迹规划基础

关节空间 vs 笛卡尔空间规划、梯形/S形速度规划、多项式插值（3-5-7次）。

速度规划插值

传感器数据处理（上）

传感器噪声模型、低通滤波（均值/高斯/卡尔曼）、滑动窗口滤波。

滤波卡尔曼

传感器数据处理（下）

坐标变换与手眼标定（Eye-in-Hand vs Eye-to-Hand）、传感器融合（互补滤波、卡尔曼滤波）。

手眼标定融合

视觉传感器与轨迹规划

视觉伺服基础（IBVS vs PBVS）、基于视觉的目标跟踪与轨迹生成。

视觉伺服目标跟踪

力传感器与轨迹规划

力/力矩传感器基础、阻抗控制导论、基于力的轨迹修正（装配、打磨）。

力传感器阻抗控制

激光雷达与轨迹规划

2D/3D激光雷达基础、点云处理（滤波、分割）、基于激光雷达的导航与避障。

激光雷达点云

IMU与轨迹规划

IMU原理（加速度计、陀螺仪）、姿态解算（Mahony/Madgwick）、IMU辅助轨迹平滑。

IMU姿态解算

多传感器融合定位

扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、粒子滤波（PF）在轨迹规划中的应用。

EKFUKF粒子滤波

路径规划基础（上）

图搜索算法（Dijkstra、A*）、RRT与RRT*、PRM。

路径规划基础（下）

基于优化的路径规划（梯度下降、凸优化）、时间最优路径规划。

优化时间最优

B样条曲线与NURBS曲线、轨迹平滑与时间参数化、最小加加速度轨迹。

动态环境轨迹规划

速度障碍法（VO）、动态窗口法（DWA）、模型预测控制（MPC）基础。

模型预测控制（MPC）进阶

MPC公式推导、线性MPC与非线性MPC、MPC在轨迹跟踪中的应用。

线性MPC非线性MPC

强化学习与轨迹规划

强化学习基础（Q-Learning、DQN）、策略梯度（PPO）、在轨迹规划中的应用案例。

模仿学习与轨迹规划

行为克隆、逆强化学习、从示教中学习轨迹。

行为克隆逆强化学习

机械臂抓取轨迹规划

抓取姿态估计、运动规划（MoveIt!）、避障与平滑。

AGV/移动机器人轨迹规划

全局路径规划（A*）、局部路径规划（TEB、DWA）、轨迹跟踪控制（Pure Pursuit、Stanley）。

AGVPure Pursuit

无人机轨迹规划

四旋翼动力学、最小加加速度轨迹、基于视觉的无人机避障。

无人机避障

人机协作轨迹规划

安全距离与速度监控、协作机器人轨迹规划（速度/力限制）、ISO 10218/TS 15066标准。

协作机器人安全标准

轨迹规划中的实时性挑战

实时操作系统（RTOS）基础、算法复杂度分析、代码优化技巧（C++/Python）。

仿真环境搭建

Gazebo/CoppeliaSim基础、传感器仿真（相机、激光雷达、IMU）、ROS与仿真环境集成。

GazeboCoppeliaSim

ROS与轨迹规划

ROS基础（Topic/Service/Action）、MoveIt!框架详解、ROS Navigation Stack。

轨迹规划项目实战（一）

基于视觉的机械臂抓取项目（从感知到执行）。

机械臂抓取视觉

轨迹规划项目实战（二）

基于激光雷达的AGV自主导航项目。

AGV激光雷达

轨迹规划项目实战（三）

基于多传感器融合的无人机编队飞行项目。

无人机编队多传感器

课程总结与未来展望

技术趋势（具身智能、端到端学习）、职业发展建议、推荐学习资源。

具身智能学习资源