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

Fast Marching Square (FM2) is a path planning algorithm based on the Fast Marching Method that solves the Eikonal equation.

ویژگی	مقدار
سیستم عامل	-
نام فایل	fast-marching-square-0.1.1
نام	fast-marching-square
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Vistor
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/fast-marching-square/
مجوز	-

# Fast Marching Square The [Fast Marching Square (FM2) method](https://www.researchgate.net/profile/Santiago-Garrido/publication/305377309_FM2_A_real_Fast_Marching_sensor-based_Motion_Planner/links/59649679aca2728c1129ec03/FM2-A-real-Fast-Marching-sensor-based-Motion-Planner.pdf) is a path planning algorithm which is a variation of the [original Fast Marching Method](https://epubs.siam.org/doi/abs/10.1137/S0036144598347059), which it is based on the idea of guiding the desired path by following light propagation. The path that light follows is always the fastest feasible one, so the proposed planning method ensures the calculation of the path of least possible time. Since the method is based on wave propagation, if there is a feasible solution, it is always found, so it is complete. This implementation of the Fast Marching Squared method is based on the [Mirebeau implementation](https://github.com/Mirebeau/HamiltonFastMarching), so feel free to visit the repository. ## Installation Follow the next steps for installing the simulation on your device. **Requirements:** - Python 3.10.0 or higher ### Install miniconda (highly-recommended) It is highly recommended to install all the dependencies on a new virtual environment. For more information check the conda documentation for [installation](https://conda.io/projects/conda/en/latest/user-guide/install/index.html) and [environment management](https://conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html). For creating the environment use the following commands on the terminal. ```bash conda create -n fm2 python==3.10.9 conda activate fm2 ``` ### Install from pip The ADAM simulator is available as a pip package. For installing it just use: ``` pip install fast-marching-square ``` ### Install from source Firstly, clone the repository in your system. ```bash git clone https://github.com/vistormu/fast_marching_square.git ``` Then, enter the directory and install the required dependencies ```bash cd fast_marching_square pip install -r requirements.txt ``` ## Documentation The official documentation of the package is available on [Read the Docs](https://fast-marching-square.readthedocs.io/en/latest/). Here you will find the [installation instructions](https://fast-marching-square.readthedocs.io/en/latest/src/installation.html), the [API reference](https://fast-marching-square.readthedocs.io/en/latest/src/api_reference.html) and some [minimal working examples](https://fast-marching-square.readthedocs.io/en/latest/src/examples.html).

نیازمندی

مقدار	نام
-	numpy
-	agd
-	pillow
-	scipy

زبان مورد نیاز

مقدار	نام
>=3.10	Python

نحوه نصب

نصب پکیج whl fast-marching-square-0.1.1:

pip install fast-marching-square-0.1.1.whl

نصب پکیج tar.gz fast-marching-square-0.1.1:

pip install fast-marching-square-0.1.1.tar.gz