? IT 技能:掌握 C/C++、Linux、Matl" />
? 專業能力:掌握 Linux編程、ROS(機器人操作系統)編程、Gazebo仿真、Rviz等工具、Apollo、CarSim、Prescan、Simulink、Matlab;
? IT 技能:掌握 C/C++、Linux、Matlab;
? 算法基礎:LQR控制算法、PID 控制算法;A*、Dijkstra、RRT、JPS、DWA、人工勢場等路徑規劃算法;二次規劃、動態規劃、五次多項式、
貝塞爾曲線等優化算法;
? 英語水平:CET-6;
基于MFC的Windows應用監控系統(2020.05-2020.07)
? 實現C/S異步通信,Server端對Client端Windows已安裝軟件的監控,若發現黑名單中的軟件,則對相應的客戶端進行警告。基于MFC實現可視化界面,Server端可靈活編輯黑名單列表,并實時警告;Client端會定時向Server端發送請求,同時攜帶其調用
RegOpenKeyEx()接口獲取到的當前客戶端Windows所安裝的軟件信息,供服務端檢測是否具有黑名單中的軟件。該項目參加了廈門市"炬火種·燃新薪"高校專業新星挑戰大賽,并獲得了瑞為賽道的二等獎。
基于ROS的差速小車路徑規劃(2020.10-2021.06)
? 基于機器人操作系統(ROS),閱讀了ROS的move_base源代碼,充分了解了可移動機器人的導航工作流程。對室內環境進行建圖,然后編寫智能小車路徑規劃器,并將其注冊為ROS導航功能包的插件,讓小車完成室內導航。分別實現了A*算法、雙向A*算法以及Dijkstra算法三種全局路徑規劃器以及DWA算法局部路徑規劃器。分別基于turtlebot3進行仿真和差速小車進行了算法驗證。
基于Matlab/ROS實現傳統及改進JPS算法路徑規劃(2021.07-2022.09)
? 基于Matlab實現了傳統JPS算法、傳統雙向JPS算法以及有針對性改進的JPS算法。項目分別對其尋路過程做了可視化,便于直觀地觀察全局尋路情況,并對三個算法進行運行整合,便于對比其差別。對比實驗對多種地圖大小,分別自動地進行了(2%、20%障礙物覆蓋率)隨機障礙物、隨機起始節點以及目標點的30組實驗,后將該算法移植到了ROS中,基于差速小車在室內環境地圖下進行實車測試,驗證了該算法的可行性及高效性。相對于傳統JPS和雙向JPS算法,改進JPS算法效率上分別提升70%、40%。
自主導航涵蓋了JPS全局路徑規劃算法、DWA局部路徑規劃算法和LQR控制算法。 在遇到動態障礙物時引入二次規劃算法對動態障礙物進行減速避讓,提升智能小車的動態避障能力,保證小車的安全性。
改進JPS算法的搜索策略,提升其全局算法的規劃效率。 在規劃全局路徑時考慮智能小車的物理體積,保證全局路徑對于智能小車的可通行性。 通過剪枝策略二次優化全局路徑,減少路徑拐點并縮短路徑長度。