braid_class_representatives — DRIVE braidpath op

• 데이터 종류: any → table

• 호출: import fullseye as fs; fs.ledger.braid_class_representatives(plans, obstacles=None, costs=None, angle=0.1, jitter='auto')(구현을 직접 호출하려면 import braidpath; braidpath.braid_class_representatives(plans, obstacles=None, costs=None, angle=0.1, jitter='auto'), 원장에서 가져오려면 opsdrive.get("braid_class_representatives"))

• GPU: 없음(CPU 참조 구현만)

사용법

여러 계획(어느 계획기의 출력이든 가능)을 호모토피 류로 나누고, 류마다 비용이 가장 작은 계획을 대표로 고른다.

계획은 (K, T, 2) 의 궤도이거나, 격자 경로의 열이거나, 계획기의 dict(paths, 실패한 None 은 건너뛰고 센다). 모든 계획의 시작점과 끝점이 일치해야 한다(류는 끝을 고정한 변형의 류). 비용은 costs, 없으면 궤도길이의 합.

Returns: dict classes(비용이 싼 순의 list, 각 요소 dict: key, word(대표의 단어), best(계획의 번호), cost, count, members), n_plans, n_failed, n_classes.

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• poc_braid_homotopy_classes — py -3.11 examples/poc_braid_homotopy_classes.py

타입이 이어지는 다음 연산자(table 를 입력으로 받는 것)

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

같은 카테고리(braidpath)

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

*Provenance: braidpath.py — DRIVE 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

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