معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Implementation of vehicle models with varying abstraction levels ranging from kinematic single track model to a multi-body model.

ویژگی	مقدار
سیستم عامل	-
نام فایل	commonroad-vehicle-models-3.0.2
نام	commonroad-vehicle-models
نسخه کتابخانه	3.0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Cyber-Physical Systems Group, Technical University of Munich
ایمیل نویسنده	commonroad@lists.lrz.de
آدرس صفحه اصلی	https://commonroad.in.tum.de/
آدرس اینترنتی	https://pypi.org/project/commonroad-vehicle-models/
مجوز	BSD

# Python Vehicle Models of CommonRoad This package contains all vehicle models of the [CommonRoad benchmarks](https://commonroad.in.tum.de/). We provide implementations of the vehicle dynamics, routines to convert initial states, and vehicle parameters. ## Documentation For a detailed explanation of the vehicle models, please have a look at the [documentation](https://gitlab.lrz.de/tum-cps/commonroad-vehicle-models/blob/master/vehicleModels_commonRoad.pdf). ## Installation To use vehicle models and parameters, run ``` pip install commonroad-vehicle-models ``` ## Code examples For an extended simulation example demonstrating the advantages of more complicated models, we refer to our [gitlab repository](https://gitlab.lrz.de/tum-cps/commonroad-vehicle-models/-/tree/master/PYTHON/scripts). A simple simulation example for using the single-track model in combination with an odeint solver would be ```python3 from scipy.integrate import odeint import numpy from vehiclemodels.init_ks import init_ks from vehiclemodels.parameters_vehicle1 import parameters_vehicle1 from vehiclemodels.vehicle_dynamics_ks import vehicle_dynamics_ks def func_KS(x, t, u, p): f = vehicle_dynamics_ks(x, u, p) return f tStart = 0 # start time tFinal = 1 # start time # load vehicle parameters p = parameters_vehicle1() # initial state for simulation delta0 = 0 vel0 = 15 Psi0 = 0 sy0 = 0 initialState = [0, sy0, delta0, vel0, Psi0] x0_KS = init_ks(initialState) t = numpy.arange(0, tFinal, 0.01) u = [0, 5] x = odeint(func_KS, x0_KS, t, args=(u, p)) ``` ## Contribute If you want to contribute new vehicle models, you can create a merge request in our [repository](https://gitlab.lrz.de/tum-cps/commonroad-vehicle-models/), or contact via our [forum](https://commonroad.in.tum.de/forum/). ## Changelog Compared to version 2.0.0 the following features were added/changed: * linearized kinematic single-track model added as an additional vehicle model * vehicle parameters are stored in YAML-files * parameter configuration of vehicles are generated from YAML-files using [OmegaConf](https://omegaconf.readthedocs.io/en/2.2_branch/) (backwards compatible) ## Referencing If you use CommonRoad for your research, please cite [our paper](http://mediatum.ub.tum.de/doc/1379638/776321.pdf): ``` @inproceedings{Althoff2017a, author = {Althoff, Matthias and Koschi, Markus and Manzinger, Stefanie}, title = {CommonRoad: Composable benchmarks for motion planning on roads}, booktitle = {Proc. of the IEEE Intelligent Vehicles Symposium}, year = {2017}, } ```

نیازمندی

مقدار	نام
>=2.1.1	omegaconf

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl commonroad-vehicle-models-3.0.2:

pip install commonroad-vehicle-models-3.0.2.whl

نصب پکیج tar.gz commonroad-vehicle-models-3.0.2:

pip install commonroad-vehicle-models-3.0.2.tar.gz