机器人实用Python代码合集，帮你搞定自主导航 |GitHub高热

迷之栗 发自 凹非寺 量子位 出品 | 公众号 QbitAI

“有代码么？”

每每写到某实验室的机器人，解锁了厉害的操作，评论区很容易生出这样的问题。

然而，答案常常略带伤感，不好意思，暂时没有。

最近，有一份机器人Python代码合集登陆GitHub，并受到了用户的热烈标星。

自主导航看这里

来自日本的坂井敦，是一个玩机器人的工程师。

他和小伙伴们，为了能让更多的机器人，在地球上自如地游走，便为广大同行做了一次这样的Python代码汇总，大类如下——

· Localization (定位) · Mapping (地图构建) · SLAM · Path Planning (路径规划) · Path Tracking (路径追踪)

不难看出，这份合集非常在意，机器人的自主导航能力。

第一个登场的，是“定位”分类下的扩展卡尔曼滤波器 (EKF) 。

这是一个传感器融合的定位方法。 蓝线是真实轨迹，黑线是用航位推测法 (Dead Reckoning) 推定的轨迹。 绿点是位置数据 (比如GPS) ，红线是EKF估计出的轨迹。 红色椭圆是EKF估计的协方差。

就像这样，每个词条下面都配了一张动图，还有动图的详解。

坂井说，这样观众就可以更加直观地理解，各种方法背后的思路。

果然是温柔的程序猿。

赏心悦目的集合

各种方法的代码都可以免费自取，又有美味的动图，指引前路，还是很幸福吧。

所以，一起来品尝几幅动图——

这是A星算法。

这是势场 (Potential Field) 算法。

这是均匀极性采样 (Uniform Polar Sampling) 。

这是Voronoi路线图法。

以上作品来自路径规划章节，也是最丰盛的一章，有这么长——

里面分15个子类，包括了动态窗口法 (Dynamic Window Approach) ，如基于网格的搜索 (Grid Based Search) 算法等等。

子类还有自己的子类。

帮助机器人定制路线，躲避障碍，当事无巨细。

想必，大家会用餐愉快的。

喝前摇一摇

想要更好地用这份合集，来投喂机器人，你需要以下工具：

· Python 3.6.x · Numpy · Scipy · Matplotlib · Pandas · Cvxpy 0.4.x

祝各位的机器人茁壮成长。

△ 坂井君所在的小松製作所，是工程机械领域的巨头

并在此献上传送门： https://github.com/AtsushiSakai/PythonRobotics

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态