braid_class_representatives — DRIVE braidpath op

• 数据种类:any → table

• 调用: import fullseye as fs; fs.ledger.braid_class_representatives(plans, obstacles=None, costs=None, angle=0.1, jitter='auto')(要直接调用实现,import braidpath; braidpath.braid_class_representatives(plans, obstacles=None, costs=None, angle=0.1, jitter='auto');从台账取用则 opsdrive.get("braid_class_representatives"))

• GPU:无(仅 CPU 参考实现)

用法

将多个规划(任何规划器的输出均可)按同伦类划分,并在每类中选费用最小的规划作为代表。

规划可以是 (K, T, 2) 的轨迹、网格路径的序列,或规划器的 dict(paths,失败的 None 会跳过并计数)。所有规划的起点和终点必须一致(类是固定端点的变形的类)。费用为 costs,没有时为轨迹长度之和。

Returns: dict classes(按费用从低到高的 list,各元素为 dict:key、word(代表的字)、best(规划编号)、cost、count、members)、n_plans、n_failed、n_classes。

参考(示例数据、文献)

• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。

• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。

• 算法的正典(作者、年份)与用途见上面的族使用指南。

可运行的示例(实际调用该算子并已验证的样例)

• poc_braid_homotopy_classes — py -3.11 examples/poc_braid_homotopy_classes.py

类型可衔接的下一个算子(可接受 table 作为输入)

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

同类别(braidpath)

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

*Provenance: braidpath.py — DRIVE 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*

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