braid_class_representatives — DRIVE braidpath op

• 資料種類:any → table

• 呼叫: import fullseye as fs; fs.ledger.braid_class_representatives(plans, obstacles=None, costs=None, angle=0.1, jitter='auto')(要直接呼叫實作,import braidpath; braidpath.braid_class_representatives(plans, obstacles=None, costs=None, angle=0.1, jitter='auto');從台帳取用則 opsdrive.get("braid_class_representatives"))

• GPU:無(僅 CPU 參考實作)

用法

將多個規劃(任何規劃器的輸出皆可)依同倫類劃分,並在每類中選費用最小的規劃作為代表。

規劃可以是 (K, T, 2) 的軌跡、網格路徑的序列,或規劃器的 dict(paths,失敗的 None 會略過並計數)。所有規劃的起點與終點必須一致(類是固定端點的變形的類)。費用為 costs,沒有時為軌跡長度之和。

Returns: dict classes(依費用由低到高的 list,各元素為 dict:key、word(代表的字)、best(規劃編號)、cost、count、members)、n_plans、n_failed、n_classes。

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• poc_braid_homotopy_classes — py -3.11 examples/poc_braid_homotopy_classes.py

型別可銜接的下一個運算子(可接受 table 作為輸入)

course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same

同類別(braidpath)

braid_from_trajectories · braid_reduce · braid_artin_images · dynnikov_coordinates · dynnikov_act · braid_equivalent · homotopy_class_compare · pairwise_winding

*Provenance: braidpath.py — DRIVE 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.