本文共 5084 字,大约阅读时间需要 16 分钟。
在文中,介绍了一种局部路径规划方法——动态窗口法,本文将介绍一种全局路径规划方法——Dijkstra算法(狄克斯特拉算法)。Dijkstra算法是从一个顶点到其余各顶点的最短路径算法,解决的是有向图中最短路径问题。
其基本原理是:每次新扩展一个距离最短的点,更新与其相邻的点的距离。
以下图为例,计算左上角节点到右下角节点的最短路径,箭头上的数值表示两个节点间的距离
首先扩展第一个节点,计算其余节点与第一个节点的距离,如下图所示,用橙色标出已经扩展的节点,未扩展的节点仍用绿色标出,其中圆中的数值表示与第一个节点的距离, ∞ \infty ∞表示该节点没有直接到达此时已扩展节点的路径。
从未扩展的节点(绿色部分)中选择距离最小的节点进行拓展,并更新其余节点到第一个节点的距离,如下图
重复进行上面的步骤,直到所有节点都已扩展。
最后标出左上角节点到右下角节点的最短路径
参考:
假定有如下的地图:
黑色边框为障碍物,要求找到左下角x到右上角x的最短距离,而且每次只能向周围(上、下、左、右、左上、左下、右上、右下)八个点移动
接下来使用Dijkstra算法来解决这个问题,先看最终效果:
为了解决这个问题,我们还需要定义一个节点类,包括自身位置、与开始位置的最短距离,以及在最短路径中前一个节点的索引
class Node: def __init__(self, x, y, cost, pind): self.x = x # 自身位置的x坐标 self.y = y # 自身位置的y坐标 self.cost = cost # 与开始位置的最短距离 self.pind = pind # 在最短路径中位于当前节点的前一个节点的索引 def __str__(self): return str(self.x) + "," + str(self.y) + "," + str(self.cost) + "," + str(self.pind)
sx = 10.0 # 开始位置的x坐标sy = 10.0 # 开始位置的y坐标gx = 50.0 # 目标位置的x坐标gy = 50.0 # 目标位置的y坐标grid_size = 1.0 # 网格大小robot_size = 1.0 # 机器人大小ox = [] # 障碍物的x坐标列表oy = [] # 障碍物的y坐标列表# 向地图中添加障碍物for i in range(60): ox.append(i) oy.append(0.0)for i in range(60): ox.append(60.0) oy.append(i)for i in range(61): ox.append(i) oy.append(60.0)for i in range(61): ox.append(0.0) oy.append(i)for i in range(40): ox.append(20.0) oy.append(i)for i in range(40): ox.append(40.0) oy.append(60.0 - i)for i in range(15): ox.append(5.0 + i) oy.append(20)for i in range(15): ox.append(40.0 + i) oy.append(40)# 画出障碍物、开始位置、目标位置plt.plot(ox, oy, ".k")plt.plot(sx, sy, "xr")plt.plot(gx, gy, "xb")plt.grid(True)plt.axis("equal")nstart = Node(round(sx / grid_size), round(sy / grid_size), 0.0, -1)ngoal = Node(round(gx / grid_size), round(gy / grid_size), 0.0, -1)ox = [iox / grid_size for iox in ox]oy = [ioy / grid_size for ioy in oy]# 生成障碍物地图obmap, minx, miny, maxx, maxy, xw, yw = calc_obstacle_map(ox, oy, grid_size, robot_size)# 节点的可能移动情况# x方向位移,y方向位移,移动距离motion = [[ 1, 0, 1], [ 0, 1, 1], [-1, 0, 1], [ 0, -1, 1], [-1, -1, math.sqrt(2)], [-1, 1, math.sqrt(2)], [ 1, -1, math.sqrt(2)], [ 1, 1, math.sqrt(2)]]
初始化完成后,就是算法的循环过程:每次扩展一个距离最短的点,并更新与其相邻的点的距离
# 已扩展的节点,未扩展的节点openset, closedset = dict(), dict()# 将开始位置加入已扩展节点字典openset[calc_index(nstart, xw, minx, miny)] = nstartwhile True: # 找到未扩展节点中距离最小的节点 c_id = min(openset, key=lambda o: openset[o].cost) current = openset[c_id] print("current", current) # 显示当前扩展的节点 plt.plot(current.x * grid_size, current.y * grid_size, "xc") if len(closedset.keys()) % 10 == 0: # 显示10个节点后暂停一下 plt.pause(0.001) # pass # 判断当前扩展的节点是不是目标节点 if current.x == ngoal.x and current.y == ngoal.y: print("Find goal") ngoal.pind = current.pind ngoal.cost = current.cost break # 如果是则退出循环 # 将当前扩展的节点从未扩展节点字典中剔除 del openset[c_id] # 将当前扩展的节点添加到已扩展节点字典 closedset[c_id] = current # 循环将当前扩展节点周围的节点加入到未扩展节点字典 for i, _ in enumerate(motion): node = Node(current.x + motion[i][0], current.y + motion[i][1], current.cost + motion[i][2], c_id) n_id = calc_index(node, xw, minx, miny) # 判断该节点是否在地图外或者处于障碍物上 if not verify_node(node, obmap, minx, miny, maxx, maxy): # 是则进入下一轮循环 continue # 如果该节点已经被扩展了,则进入下一轮循环 if n_id in closedset: continue # 如果该节点已经在未扩展节点字典中,则更新它到开始位置的最短距离 if n_id in openset: if openset[n_id].cost > node.cost: openset[n_id].cost = node.cost openset[n_id].pind = c_id # 否则加入到未扩展节点字典中 else: openset[n_id] = node
# 计算最终路径rx, ry = [ngoal.x * grid_size], [ngoal.y * grid_size]pind = ngoal.pind# 从最终节点依次向前递推得到最短路径while pind != -1: n = closedset[pind] rx.append(n.x * grid_size) ry.append(n.y * grid_size) pind = n.pindplt.plot(rx, ry, "-r")plt.show()
# 判断节点是否在地图外或者处于障碍物上def verify_node(node, obmap, minx, miny, maxx, maxy): if obmap[node.x][node.y]: return False if node.x < minx: return False elif node.y < miny: return False elif node.x > maxx: return False elif node.y > maxy: return False return Truedef calc_obstacle_map(ox, oy, grid_size, vr): # 四舍五入取整 minx = round(min(ox)) miny = round(min(oy)) maxx = round(max(ox)) maxy = round(max(oy)) xwidth = round(maxx - minx) ywidth = round(maxy - miny) # 障碍物地图生成 # 有障碍物为True,否则为False obmap = [[False for i in range(ywidth)] for i in range(xwidth)] for ix in range(xwidth): x = ix + minx for iy in range(ywidth): y = iy + miny for iox, ioy in zip(ox, oy): # zip:将对象打包为一个个元组 d = math.sqrt((iox - x)**2 + (ioy - y)**2) if d <= vr / grid_size: obmap[ix][iy] = True break return obmap, minx, miny, maxx, maxy, xwidth, ywidthdef calc_index(node, xwidth, xmin, ymin): # 返回节点在地图中的索引:y*xw+x return (node.y - ymin) * xwidth + (node.x - xmin)
程序参考:
转载地址:http://wmvgn.baihongyu.com/