CarND-MPC-Quizzes 项目教程
2024-09-15 23:27:17作者:宣利权Counsellor
1. 项目目录结构及介绍
CarND-MPC-Quizzes/
├── global_kinematic_model/
│ ├── CMakeLists.txt
│ ├── main.cpp
│ └── ...
├── mpc_to_line/
│ ├── CMakeLists.txt
│ ├── main.cpp
│ └── ...
├── polyfit/
│ ├── CMakeLists.txt
│ ├── main.cpp
│ └── ...
├── solution/
│ ├── global_kinematic_model/
│ ├── mpc_to_line/
│ └── polyfit/
├── .gitignore
├── CODEOWNERS
├── Dockerfile
├── LICENSE
├── README.md
├── install-ubuntu-MPC.sh
├── install_Ipopt_CppAD.md
└── install_ipopt.sh
目录结构介绍
- global_kinematic_model/: 包含全局运动学模型相关的代码和配置文件。
- mpc_to_line/: 包含模型预测控制(MPC)相关的代码和配置文件,用于直线轨迹的控制。
- polyfit/: 包含多项式拟合相关的代码和配置文件。
- solution/: 包含每个测验的解决方案代码。
- .gitignore: Git 忽略文件列表。
- CODEOWNERS: 代码所有者文件。
- Dockerfile: Docker 配置文件,用于构建项目环境。
- LICENSE: 项目许可证文件。
- README.md: 项目说明文件。
- install-ubuntu-MPC.sh: 用于在 Ubuntu 系统上安装 MPC 的脚本。
- install_Ipopt_CppAD.md: 安装 Ipopt 和 CppAD 的说明文档。
- install_ipopt.sh: 安装 Ipopt 的脚本。
2. 项目启动文件介绍
启动文件
每个测验目录(如 global_kinematic_model/、mpc_to_line/、polyfit/)中都有一个 main.cpp 文件,这是项目的启动文件。
启动步骤
-
进入测验目录:
cd global_kinematic_model/ -
创建构建目录:
mkdir build cd build -
编译项目:
cmake .. && make -
运行项目:
./global_kinematic_model
3. 项目配置文件介绍
CMakeLists.txt
每个测验目录中都有一个 CMakeLists.txt 文件,用于配置项目的构建过程。
示例
cmake_minimum_required(VERSION 3.5)
project(global_kinematic_model)
set(CMAKE_CXX_STANDARD 11)
add_executable(global_kinematic_model main.cpp)
Dockerfile
Dockerfile 文件用于配置 Docker 环境,方便在不同系统上构建和运行项目。
示例
FROM ubuntu:18.04
RUN apt-get update && apt-get install -y \
cmake \
g++ \
...
COPY . /app
WORKDIR /app
RUN mkdir build && cd build && cmake .. && make
install_ipopt.sh
install_ipopt.sh 脚本用于安装 Ipopt,这是 MPC 测验所需的依赖项。
示例
#!/bin/bash
# 安装 Ipopt
wget https://www.coin-or.org/download/source/Ipopt/Ipopt-3.12.1.zip
unzip Ipopt-3.12.1.zip
cd Ipopt-3.12.1
./configure
make
make install
通过以上步骤,您可以顺利地配置和运行 CarND-MPC-Quizzes 项目。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K