这个系列的文章是之前Python实现所有算法的兄弟篇，眼看着夏令营完事，我也要又开始学习日子了：
若干篇，大家可以看以前的文章
我思来想去，决定深耕机器人领域，又大又深。虽然现在的算法大部分都可以找到，但是没有一个集成的项目来做，这个PR的项目首先是保证了可视化的操作，我想没人不爱可视化吧。其次就是算法的齐全：
常见的定位算法
地图绘制
点云配准
路径规划
路径追踪
机械臂等等
对于代码库，作者还编制了一个doc
安装库以后，这里把依赖的库安装一下：
代码语言：javascript复制pip install -r requirements/requirements.txt
会把使用的全安装
测试一下这个怎么样，注意是使用Python的终端
运行的很OK
除此之外，还搞了一篇论文，原文在最后：
看不懂英文的意思？我给你翻译一下，近年来自主的导航技术在很多的领域都大受关注，这个系统是指，在不受操作者控制的情况下，能够长时间的向目标移动的系统，首先是需要知道自己在哪里，那些地方是安全的，去这个安全的地方该如何去，以及如何控制自己的运动。如果缺少任意一个，都是不可以的。可能太大白话了，定位，映射，路径规划，路径跟随。但是熟悉这些东西需要大量的不同的技能集合，线性代数，统计学，概率论，优化理论，控制理论等等。而且学习这些还得良好的教育资源，那么这个项目就是为了为这个美好的愿望来添砖加瓦，他有很多的模拟动画，有助于读者来了解之后的基本思想。
还是继续说，虽然可以找到很多的资料，但是对于一个初学者还是不能很好的来了解算法的思路。
项目按照可读性，就是代码易于阅读，实用性，算法必须具有实用性，就是在学术界和工业界得到广泛的应用，最后就是最小的依赖关系，很少的外部依赖可以让我们轻松的运行代码的demo。这就是库的三个重要特征。
在文章的后面我想写一下这个库的组织方式：
按照大的技术类别分为：定位，映射，SLAM，路径规划和路径跟踪。然后我会简单的介绍一下这几个的作用，定位是通过各种传感器来确定自己的位置和方向的能力。映射也可以称为测绘的能力，机器人需要了解环境，可以设别障碍物的位置和形状，才能避开障碍物。SLAM是一种更加好的办法，可以同时估计机器人的姿态和环境地图的能力，但是它难以求解，因为定位需要地图，映射需要定位，这样看就好像是先有鸡还是先有蛋的问题。路径规划是机器人寻找可行高效的路径到达目标的能力，路径必须要根据机器人的运动模型和障碍物位置满足一些约束条件，并优化目标的时间和到障碍物的距离等一些目标函数。
现在就安装这些库就好，最后一个是一个优化的库。
CVXPY 是一种用于凸优化问题的开源 Python 嵌入式建模语言。它可以让您以一种遵循数学的自然方式表达您的问题，而不是求解器所需的限制性标准形式。
因为要不停的看各种API，划词翻译这个浏览器插件也值得拥有~
概率机器人，这个书你看过吗？如果看过的话，这个库是练习的解决方案
代码语言：javascript复制https://github.com/pptacher/probabilistic_roboticshttps://fanyi.youdao.com/https://arxiv.org/ftp/arxiv/papers/1808/1808.10703.pdfhttps://github.com/AtsushiSakai/PythonRoboticshttps://www.cvxpy.org/
