這個系列的文章是之前Python實現所有算法的兄弟篇，眼看著夏令營完事，我也要又開始學習日子了：

若干篇，大家可以看以前的文章

我思來想去，決定深耕機器人領域，又大又深。雖然現在的算法大部分都可以找到，但是沒有一個集成的項目來做，這個PR的項目首先是保證了可視化的操作，我想沒人不愛可視化吧。其次就是算法的齊全：

常見的定位算法

地圖繪制

點云配準

路徑規劃

路徑追蹤

機械臂等等

對于代碼庫，作者還編制了一個doc

安裝庫以后，這里把依賴的庫安裝一下：

pip install -r requirements/requirements.txt

會把使用的全安裝

測試一下這個怎么樣，注意是使用Python的終端

運行的很OK

除此之外，還搞了一篇論文，原文在最后：

看不懂英文的意思？我給你翻譯一下，近年來自主的導航技術在很多的領域都大受關注，這個系統是指，在不受操作者控制的情況下，能夠長時間的向目標移動的系統，首先是需要知道自己在哪里，那些地方是安全的，去這個安全的地方該如何去，以及如何控制自己的運動。如果缺少任意一個，都是不可以的。可能太大白話了，定位，映射，路徑規劃，路徑跟隨。但是熟悉這些東西需要大量的不同的技能集合，線性代數，統計學，概率論，優化理論，控制理論等等。而且學習這些還得良好的教育資源，那么這個項目就是為了為這個美好的愿望來添磚加瓦，他有很多的模擬動畫，有助于讀者來了解之后的基本思想。

還是繼續說，雖然可以找到很多的資料，但是對于一個初學者還是不能很好的來了解算法的思路。

項目按照可讀性，就是代碼易于閱讀，實用性，算法必須具有實用性，就是在學術界和工業界得到廣泛的應用，最后就是最小的依賴關系，很少的外部依賴可以讓我們輕松的運行代碼的demo。這就是庫的三個重要特征。

在文章的后面我想寫一下這個庫的組織方式：

按照大的技術類別分為：定位，映射，SLAM，路徑規劃和路徑跟蹤。然后我會簡單的介紹一下這幾個的作用，定位是通過各種傳感器來確定自己的位置和方向的能力。映射也可以稱為測繪的能力，機器人需要了解環境，可以設別障礙物的位置和形狀，才能避開障礙物。SLAM是一種更加好的辦法，可以同時估計機器人的姿態和環境地圖的能力，但是它難以求解，因為定位需要地圖，映射需要定位，這樣看就好像是先有雞還是先有蛋的問題。路徑規劃是機器人尋找可行高效的路徑到達目標的能力，路徑必須要根據機器人的運動模型和障礙物位置滿足一些約束條件，并優化目標的時間和到障礙物的距離等一些目標函數。

現在就安裝這些庫就好，最后一個是一個優化的庫。

CVXPY 是一種用于凸優化問題的開源 Python 嵌入式建模語言。它可以讓您以一種遵循數學的自然方式表達您的問題，而不是求解器所需的限制性標準形式。

因為要不停的看各種API，劃詞翻譯這個瀏覽器插件也值得擁有~

概率機器人，這個書你看過嗎？如果看過的話，這個庫是練習的解決方案

https://github.com/pptacher/probabilistic_robotics

https://fanyi.youdao.com/

https://arxiv.org/ftp/arxiv/papers/1808/1808.10703.pdf

https://github.com/AtsushiSakai/PythonRobotics

https://www.cvxpy.org/

審核編輯 ：李倩