0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

路径规划算法实现原理

新机器视觉 来源:CSDN-写Bug那些事 2023-09-06 15:36 次阅读

前言

算法原理:参考路径规划算法学习Day1

此方法会结合网络占用法-栅格法来进行实现

提示:

本文会用matlab实现Dijkstra算法,并且会分享一些函数用法的链接,也是本人学习得来,供大家参考,批评指正。

1、Dijkstra算法

1.1、地图创建

总所周知:栅格法生成地图常规是的自己一个一个打,这样既麻烦还浪费时间。

这里介绍几种方法:

way1:在命令框中码:map=rand(k)>0.7 %k代表多少维地图

way2:在matlab中安装Robotics Toolbox工具箱 里有专门的函数makemap可以帮助我们生成一张地图

1.2、matlab实现

function path=DJS(Map,origin,destination)
cmap = [1 1 1; ...white
    0 0 0; ...black
    0 1 0; ...green
    1 1 0; ...yellow
    1 0 0; ...red
    0 0 1; ...blue
    0 1 1];
  colormap(cmap);%map visualization 


[rows, cols]=size(Map);
logical_map = logical(Map);
map=zeros(rows, cols);
map(~logical_map)=1;%free
map(logical_map)=2;%obstacle
%定义一个变量node_cost_list来保存邻居以及它们到起始格的路程
%node_cost_list来保存这些信息,初始化为 Inf,表示从没有访问过。一旦有值,就说明是邻居,赋值的大小就表示该点跟起始点的路程。一旦变成红色,就把它的值再改回 Inf。
node_cost_list = Inf(rows, cols);
node_cost_list(origin(1),origin(2))=0;% set the node_cost of the origin node zero
%定义变量parent_list来保存路径
parent_list=zeros(rows, cols);% create parent_list
destination_index=sub2ind(size(Map),destination(1),destination(2));
origin_index=sub2ind(size(Map),origin(1),origin(2));


plan_success=false;
while true
  map(origin(1),origin(2))=3;
      map(destination(1),destination(2))=4;


      image(0.5,0.5,map);
      grid on;
      set(gca,'xtick',1:1:rows);
      set(gca,'ytick',1:1:cols);
      axis image;
      drawnow;
      %找出距离最小的节点     
      %搜索中心与起始点的路程min_node,搜索中心的索引坐标:current_node,
      [min_node,current_node]=min(node_cost_list(:));
      if(min_node == inf || current_node == destination_index)
        plan_success=true;
        break;
      end
      node_cost_list(current_node) = inf;%当前搜索中心这个位置赋值为 Inf,表示它已经当过搜索中心了。min函数就不会再找这个位置
      map(current_node) = 5;
      [i,j]=ind2sub(size(Map),current_node);
      for k = 0:3 % four direction
        if(k == 0)
          adjacent_node = [i-1,j];
           elseif (k == 1)
          adjacent_node = [i+1,j];
          elseif (k == 2)
            adjacent_node = [i,j-1];
          elseif(k == 3)
          adjacent_node = [i,j+1];
        end
        if((adjacent_node(1)>0 && adjacent_node(1)<=rows) && (adjacent_node(2)>0 &&adjacent_node(2)<=cols))
                    if(map(adjacent_node(1),adjacent_node(2)) ~= 2 && map(adjacent_node(1),adjacent_node(2)) ~= 5)
                       if(node_cost_list(adjacent_node(1),adjacent_node(2)) > min_node + 1)
             node_cost_list(adjacent_node(1),adjacent_node(2)) = min_node + 1;
             if(map(adjacent_node(1),adjacent_node(2)) == 3)
               parent_list(adjacent_node(1),adjacent_node(2)) = 0;%如果相邻节点是原点,则将父节点设置为0。
             else
               parent_list(adjacent_node(1),adjacent_node(2))=current_node;%否则设置当前节点为父节点
             end
             map(adjacent_node(1),adjacent_node(2)) = 6;
            end
          end
        end
      end
end


if(plan_success)
 path=[];
 node=destination_index;
 while parent_list(node)~=0
  path=[parent_list(node),path];
  node=parent_list(node);
 end
 for k = 2:size(path,2)
  map(path(k)) = 7;
  image(0.5,0.5,map);
  grid on;
  set(gca,'xtick',1:1:rows);
  set(gca,'ytick',1:1:cols);
  axis image;
  drawnow;
 end
else
  path=[];
end
end

1.3、20*20地图

1.4、50*50地图

gif太大无法上传,后面我会完善。

主要就是想对比一下,可以让大家看到迪杰斯特拉算法的缺点

2、A*(Astar)算法

2.1、原理

A*(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法,也是解决许多搜索问题的有效算法。

算法中的距离估算值与实际值越接近,最终搜索速度越快。

公式表示为:f(n)=g(n)+h(n)。

其中:

f(n) :是从初始状态经由状态n到目标状态的代价估计,

g(n):是在状态空间中从初始状态到状态n的实际代价,

h(n):是从状态n到目标状态的最佳路径的估计代价。

对于路径搜索问题,状态就是图中的节点,代价就是距离

h(n)的选取保证找到最短路径(最优解的)条件,关键在于估价函数f(n)的选取(或者说h(n)的选取)。

我们以d(n)表达状态n到目标状态的距离,那么h(n)的选取大致有如下三种情况:

如果h(n)< d(n)到目标状态的实际距离,这种情况下,搜索的点数多,搜索范围大,效率低。但能得到最优解。

如果h(n)=d(n),即距离估计h(n)等于最短距离,那么搜索将严格沿着最短路径进行, 此时的搜索效率是最高的。

如果 h(n)>d(n),搜索的点数少,搜索范围小,效率高,但不能保证得到最优解。

A* 算法是在迪杰斯特拉算法的基础上进行改进的一种算法。

与之不同的是,A算法是一种启发式搜索,不会像dijkstra算法一样对整个地图都进行遍历,A算法是有方向的遍历。

2.2、启发式搜索

启发式搜索(Heuristically Search)又称为有信息搜索(Informed Search)。

它是利用问题拥有的启发信息来引导搜索,达到减少搜索范围、降低问题复杂度的目的。

这种利用启发信息的搜索过程称为启发式搜索。

这种搜索方式优点是搜索快,提高了效率,缺点就是得到的解有可能是次优解也有可能什么都得不到。

一句话就是牺牲了精度得到了效率。

3、总结

Dijkstra与A* 对比

相同点:

两者都是以寻找最短路径为目的的算法。

不同点:

Dijkstra算法遍历的时候是对4周平等对待,没有区分的盲目进行遍历。

A* 算法是在迪杰斯特拉算法的基础上进行改进的一种算法。

与之不同的是,A* 算法是一种启发式搜索,不会像dijkstra算法一样对整个地图都进行遍历,A* 算法是有方向的遍历。

它会对周围各点进行评估,然后再进行搜索。

后续程序依旧是基于栅格进行,用matlab实现

审核编辑:汤梓红

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • matlab
    +关注

    关注

    185

    文章

    2974

    浏览量

    230433
  • 算法
    +关注

    关注

    23

    文章

    4609

    浏览量

    92856
  • 函数
    +关注

    关注

    3

    文章

    4329

    浏览量

    62586
  • 路径规划
    +关注

    关注

    0

    文章

    78

    浏览量

    15321

原文标题:路径规划算法学习

文章出处:【微信号:vision263com,微信公众号:新机器视觉】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    基于过Python+matplotlib数据可视化路径规划算法实现

    Astar潜在地搜索图中一个很大的区域。和Dijkstra一样,Astar能用于搜索最短路径。和BFS一样,Astar能用启发式函数引导它自己。在简单的情况中,它和BFS一样快。
    的头像 发表于 11-09 15:03 1607次阅读
    基于过Python+matplotlib数据可视化<b class='flag-5'>路径</b><b class='flag-5'>规划算法</b><b class='flag-5'>实现</b>

    智能清洁机器人

    ;                 洁机器人路径规划算法实现
    发表于 11-08 22:30

    动态规划算法

    动态规划算法资料。
    发表于 08-30 20:44

    LCS的动态规划算法

    LCS的动态规划算法(自底向上)
    发表于 05-25 15:06

    你知道有哪几种常见的车辆路径规划算法吗?

    如何去提高汽车的主动安全性和交通安全性?从算法上解读自动驾驶是如何实现的?有哪几种常见的车辆路径规划算法
    发表于 06-17 10:56

    基于插值A算法路径规划

    提出一个基于插值的路径规划算法-插值 A*。此算法可以在每个栅格路径代价不一致的情况下生成一条平滑路径。由于大多数基于栅格
    发表于 03-03 14:59 16次下载

    基于实时交通信息的动态路径规划算法性能比较_黄西洲

    基于实时交通信息的动态路径规划算法性能比较_黄西洲
    发表于 03-16 10:04 0次下载

    基于路径跟踪方法的路径规划算法

    为解决拖挂式移动机器人系统路径规划算法精准性低、稳定性差和无法考虑系统间安全性等的问题,提出一种基于路径跟踪方法的路径规划算法。该
    发表于 12-04 14:18 6次下载
    基于<b class='flag-5'>路径</b>跟踪方法的<b class='flag-5'>路径</b><b class='flag-5'>规划算法</b>

    如何使用蚁群算法及博弈论进行多Agent路径规划算法实现资料说明

    针对多 Agent 路径规划问题,提出了一个两阶段的路径规划算法。首先,利用改进的蚁群算法来为每个Agent
    发表于 04-26 16:24 10次下载
    如何使用蚁群<b class='flag-5'>算法</b>及博弈论进行多Agent<b class='flag-5'>路径</b><b class='flag-5'>规划算法</b>的<b class='flag-5'>实现</b>资料说明

    自动驾驶汽车四种常用的路径规划算法解析

    自动驾驶汽车的路径规划算法最早源于机器人的路径规划研究,但是就工况而言却比机器人的路径规划复杂得
    发表于 03-08 17:29 1.7w次阅读

    水下航行器自主巡航的路径规划算法实现

    路径规划算法是自主水下航行器(AUV)完成水下自主巡航的核心算法之一。分别综述了基于环境建模和路径搜索两类AUⅣ路径
    发表于 04-09 16:01 8次下载
    水下航行器自主巡航的<b class='flag-5'>路径</b><b class='flag-5'>规划算法</b><b class='flag-5'>实现</b>

    嵌入式GIS中最优路径规划算法研究与实现

    嵌入式GIS中最优路径规划算法研究与实现(嵌入式开发项目经理)-嵌入式GIS中最优路径规划算法研究与实现
    发表于 07-30 12:49 4次下载
    嵌入式GIS中最优<b class='flag-5'>路径</b><b class='flag-5'>规划算法</b>研究与<b class='flag-5'>实现</b>

    A星路径规划算法完整代码资料汇总

    A星路径规划算法完整代码资料汇总
    发表于 12-03 17:16 11次下载

    机器人基于搜索和基于采样的路径规划算法

    基于搜索的路径规划算法已经较为成熟且得到了广泛应用,常常被用于游戏中人物和移动机器人的路径规划
    发表于 10-13 14:23 375次阅读
    机器人基于搜索和基于采样的<b class='flag-5'>路径</b><b class='flag-5'>规划算法</b>

    全局路径规划RRT算法原理

    通往目的地的安全和无碰撞的路径路径规划问题可以分为两个方面: (一)全局路径规划:全局路径
    的头像 发表于 11-24 15:57 1058次阅读