cvar_cost_map — DRIVE roverslip op

• 数据种类:image2d × scalar × any → table

• 调用: import fullseye as fs; fs.ledger.cvar_cost_map(dtm, cell: 'float', model, alpha: 'float' = 0.9, speed: 'float' = 0.05, s_max: 'float' = 0.9, soil_map=None, extrapolate: 'bool' = False) -> 'dict'(要直接调用实现,import roverslip; roverslip.cvar_cost_map(dtm, cell: 'float', model, alpha: 'float' = 0.9, speed: 'float' = 0.05, s_max: 'float' = 0.9, soil_map=None, extrapolate: 'bool' = False) -> 'dict';从台账取用则 opsdrive.get("cvar_cost_map"))

用法

由数字高程(DTM)构建 8 邻域各边的所需时间 [s]，并按边的坡度(带行进方向符号)下滑移的 CVaR_α 折算。

dtm (H, W) [m]、cell [m]。边 (i, j) → 邻域 k 的坡度 θ = atan2(Δz, 水平距離),悲观的滑移 ρ = CVaR_α(s(θ))(θ ≥ 0)/ CVaR_α(−s(θ))(θ < 0),所需时间 L / (v (1 − ρ)),L 为 3-D 边长。ρ ≥ s_max 与超出范围为 inf。extrapolate = False(默认)时,坡度在拟合模型所用数据的角度范围(x_range)之外的边也为 inf(不走不了解的斜坡)—— 高斯过程在数据之外回归先验均值, 若让其外推,坡越陡越会回答"不打滑"(门槛的陷阱)。alpha = 0 时为平均滑移(风险中性)。model 为 1 个,或与 soil_map (H, W 的整数 0..K−1)配对的 K 个的 list。返回值 {"cost": (8, H, W), "risk_slip": (8, H, W), "pitch": (8, H, W) [deg], "offsets": (8, 2), "worst_slip": (H, W) 8 方向の ρ の最大, "alpha", "cell"}。不考虑横向坡度(侧翻、侧滑)。

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_rover_slip_risk_path — py -3.11 examples/poc_rover_slip_risk_path.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(roverslip)

bekker_pressure · bekker_wheel_sinkage · wheel_forces · wheel_sinkage · wheel_traction_curve · slope_slip_curve · ground_shift_track · odometry_slip

*Provenance: roverslip.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.