滑行路徑演算法

A. gps行駛路程怎計算的知道的才說

gps每隔一段時間采樣一次，采樣間隔越短，形式的軌跡就越接近實際路線，但是采樣間隔越短數據計算量越大。如果采樣時間間隔很長，實際的路線變為一段段折線，會比實際路程短。

B. 滑雪時如何控制滑行的速度

可以通過控制滑雪板的平行程度來有效的增加或減少摩擦，來達到控制滑行速度的效果，也可以選擇用滑雪桿來增大與地面的接觸面積，進一步的幫助控制滑行速度，也可以通過控制雙膝的曲張程度，以及重心位置，來有效控制滑行速度。

C. 關於科目三空檔滑行 離合器才幾秒算是空檔滑行

我剛考完科目三，科目三裡面的空擋滑行，如何判斷主要是由於車上的衛星定位，還有就是考官來綜合評判的！一般空擋滑行，是由於你本人沒有掛擋，停留在空擋位置超過三秒，那麼系統就會自動判斷你是空擋滑行，這個跟離合器是沒有多大關系的！因為離合器踩到低是准備減速或者是換檔位的，這個時候你的變速器操縱桿如果一直處於空擋位置，你沒有及時的更換檔位，超過了三秒，那麼就會被判定為空擋滑行，所以當離合器踩到底的時候，一定要及時的更換檔位，也以防檔位跟速度不匹配，造成考試不合格啊！

D. 自動駕駛全局路徑規劃是什麼意思

首先來說明三個概念，路徑規劃、避障規劃、軌跡規劃。路徑規劃通常指全局的路徑規劃，也可以叫全局導航規劃，從出發點到目標點之間的純幾何路徑規劃，無關時間序列，無關車輛動力學。
避障規劃又叫局部路徑規劃，又可叫動態路徑規劃，也可以叫即時導航規劃。主要是探測障礙物，並對障礙物的移動軌跡跟蹤（Moving Object Detection and Tracking ，一般縮寫為MODAT）做出下一步可能位置的推算，最終繪制出一幅包含現存碰撞風險和潛在碰撞風險的障礙物地圖，這個潛在的風險提示是100毫秒級，未來需要進一步提高，這對感測器、演算法的效率和處理器的運算能力都是極大的挑戰，避障規劃不僅考慮空間還考慮時間序列，在復雜的市區運算量驚人，可能超過30TFLOPS，這是無人車難度最高的環節。未來還要加入V2X地圖，避障規劃會更復雜，加入V2X地圖，基本可確保無人車不會發生任何形式的主動碰撞。
軌跡規劃則源自機器人研究，通常是說機械臂的路徑規劃。在無人車領域，軌跡規劃的定義感覺不統一。有人將避障規劃與軌跡規劃混淆了。軌跡規劃應該是在路徑規劃和避障規劃的基礎上，考慮時間序列和車輛動力學對車輛運行軌跡的規劃，主要是車縱向加速度和車橫向角速度的設定。將設定交給執行系統，轉向、油門、剎車。如果有主動懸掛，那麼軌跡規劃可能還要考慮地形因素。

三大規劃是無人車最復雜的部分，演算法多不勝數，讓人眼花繚亂，這也是網路、谷歌和蘋果科技巨頭要切入無人車領域的主要原因，這些科技巨頭最擅長的就是演算法的優化整合。當然傳統車廠如福特和豐田，擁有對車輛動力學的絕對優勢，在此領域實力並不比科技巨頭要差，尤其是豐田，從開源SLAM到KITTI，軟體實力絲毫不次於谷歌。

E. 假如從收費站上高速，繞行一大圈又回到起點下高速，費用怎麼算

高速公路的費用是按行走的距離來算的，即便是在高速上繞了一圈又回到起點下高速，費用依舊產生了，還是要交自己所走的路程費用。

F. 急求matlab車輛調度遺傳演算法代碼，需求車輛行駛最優路徑。

function [path,lmin]=ga(data,d) %data為點集,d為距離矩陣，即賦權圖
tic
%======================
sj0=data;%開環最短路線
%=================================
% sj0=[data;data(1,:)]; %閉環最短路線
%=========================
x=sj0(:,1);y=sj0(:,2);
N=length(x);
%=========================
% d(N,:)=d(1,:);%閉環最短路線
% d(:,N)=d(:,1);%距離矩陣d
%======================
L=N; %sj0的長度
w=800;dai=1000;
%通過改良圈演算法選取優良父代A
for k=1:w
c=randperm(L-2);
c1=[1,c+1,L];
flag=1;
while flag>0
flag=0;
for m=1:L-3
for n=m+2:L-1
if d(c1(m),c1(n))+d(c1(m+1),c1(n+1))<d(c1(m),c1(m+1))+d(c1(n),c1(n+1))
flag=1;
c1(m+1:n)=c1(n:-1:m+1);
<a href="https://www..com/s?wd=end&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">end</a>
<a href="https://www..com/s?wd=end&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">end</a>
<a href="https://www..com/s?wd=end&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">end</a>
end
J(k,c1)=1:L;
end
J=J/L;
J(:,1)=0;J(:,L)=1;
rand('state',sum(clock));
%遺傳演算法實現過程
A=J;
for k=1:dai %產生0～1 間隨機數列進行編碼
B=A;
c=randperm(w);
%交配產生子代B
for i=1:2:w
F=2+floor(100*rand(1));
temp=B(c(i),F:L);
B(c(i),F:L)=B(c(i+1),F:L);
B(c(i+1),F:L)=temp;
end;
%變異產生子代C
by=find(rand(1,w)<0.1);
if length(by)==0
by=floor(w*rand(1))+1;
end
C=A(by,:);
L3=length(by);
for j=1:L3
<a href="https://www..com/s?wd=bw&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">bw</a>=floor(1+fix(rand(1,3)*N)); %產生1-N的3個隨機數
<a href="https://www..com/s?wd=bw&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">bw</a>=sort(<a href="https://www..com/s?wd=bw&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">bw</a>);
C(j,:)=C(j,[1:bw(1)-1,bw(2)+1:bw(3),bw(1):bw(2),bw(3)+1:L]);
end
G=[A;B;C];
<a href="https://www..com/s?wd=TL&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">TL</a>=size(G,1);
%在父代和子代中選擇優良品種作為新的父代
[<a href="https://www..com/s?wd=dd&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">dd</a>,IX]=sort(G,2);
temp=[];
temp(1:<a href="https://www..com/s?wd=TL&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">TL</a>)=0;
for j=1:<a href="https://www..com/s?wd=TL&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">TL</a>
for i=1:L-1
temp(j)=temp(j)+d(IX(j,i),IX(j,i+1));
end
end
[DZ,IZ]=sort(temp);
A=G(IZ(1:w),:);
end
path=IX(IZ(1),:)
% for i=1:length(path)
% path(i)=path(i)-1;
% end
% path=path(2:end-1);
lmin=0;l=0;
for j=1:(length(path)-1)
<a href="https://www..com/s?wd=t1&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">t1</a>=path(j);t2=path(j+1);
l=d(<a href="https://www..com/s?wd=t1&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">t1</a>,t2);
lmin=lmin+l;
end
xx=sj0(path,1);yy=sj0(path,2);
plot(xx,yy,'r-o');
axis equal
toc

G. c語言中絕對路徑與相對路徑

先不說你的search演算法 只是輸入數據這部分就有問題
C語言數組下標是從0到（最大值-1） 所以 for(i=1;i<=n;i++)類似這樣從1開始的循環賦值肯定會出問題的

H. 你好，看到你對於matlab 比較熟悉，我想請教一個問題，就是飛機滑行路...

好的，發到哪。

I. 玩過手擲滑翔機的人,請問如何才能手擲滑翔機,讓它滑地更遠呢

會先試滑幾次，看看它滑行的狀態是否平穩，如果不平穩，再利用配重調整。調整好確定沒問題之後，才會盡情投擲。
一般來說，投擲的角度在30度到45度之間最好，因為我們不只要高度，還要最遠距離，行徑路徑越長，留滯時間也會越長。水平行徑路徑，要以45度來得最好，但是以我們手擲的誤差來說，30度到45度都不錯。因為每個人的力氣不同，角度越大，需要越大的力氣投擲，