关于ide:开源了机器人技术常用的路径规划算法含动画演示

32次阅读

共计 2512 个字符,预计需要花费 7 分钟才能阅读完成。

【导语】:一个实现了机器人技术中罕用的门路布局算法的开源库,还有动图直观演示运行过程。该库公开工夫不长,在 GitHub 已有 1200+ Star。

简介

在机器人钻研畛域,给定某一特定工作之后,如何布局机器人的静止形式至关重要。PathPlanning 是应用 Python 实现的存储库,实现了机器人技术中罕用的门路布局算法。开发者还为每个算法设计了动画来演示运行过程,相当直观清晰。

我的项目地址:

https://github.com/zhm-real/P…

这个我的项目的贡献者目前是 4 位国内开发者。

目录构造

PathPlanning 库实现的门路布局算法包含基于搜寻和基于采样的布局算法,目录构造如下:

上面咱们间接通过开发者设计的动图理解各个算法的运行过程:

基于搜寻的门路布局算法

(1)最佳门路优先搜索算法

"""Best-First Searching@author: huiming zhou"""import osimport sysimport mathimport heapqsys.path.append(os.path.dirname(os.path.abspath(__file__)) +                "/../../Search_based_Planning/")from Search_2D import plotting, envfrom Search_2D.Astar import AStarclass BestFirst(AStar):    """BestFirst set the heuristics as the priority"""    def searching(self):        """Breadth-first Searching.        :return: path, visited order"""        self.PARENT[self.s_start] = self.s_start        self.g[self.s_start] = 0        self.g[self.s_goal] = math.inf        heapq.heappush(self.OPEN,                       (self.heuristic(self.s_start), self.s_start))        while self.OPEN:            _, s = heapq.heappop(self.OPEN)            self.CLOSED.append(s)            if s == self.s_goal:                break            for s_n in self.get_neighbor(s):                new_cost = self.g[s] + self.cost(s, s_n)                if s_n not in self.g:                    self.g[s_n] = math.inf                if new_cost < self.g[s_n]:  # conditions for updating Cost                    self.g[s_n] = new_cost                    self.PARENT[s_n] = s                    # best first set the heuristics as the priority                     heapq.heappush(self.OPEN, (self.heuristic(s_n), s_n))        return self.extract_path(self.PARENT), self.CLOSEDdef main():    s_start = (5, 5)    s_goal = (45, 25)    BF = BestFirst(s_start, s_goal, 'euclidean')    plot = plotting.Plotting(s_start, s_goal)    path, visited = BF.searching()    plot.animation(path, visited, "Best-first Searching")  # animationif __name__ == '__main__':    main()

(2)Dijkstra 搜索算法

(3)A* 搜索算法
.gif)

(4)双向 A * 搜索算法

.gif)

(5)反复 A* 搜索算法

.gif)

(6)ARA* 搜索算法

.gif)

(7)LRTA* 搜索算法

.gif)

(8)RTAA* 搜索算法

.gif)

(9)D* 搜索算法

.gif)

(10)一生布局 A* 搜索算法

(11)Anytime D* 搜索算法:变动较小

.gif)

(12)Anytime D* 搜索算法:变动较大

基于采样的门路布局算法

(1)RRT 算法

(2)指标偏好 RRT 算法

.gif)

(3)RRT\_CONNECT 算法

.gif)

(4)Extended\_RRT 算法

(5)动静 RRT 算法

(6)N = 10000 时,rrt * 算法

(7)N = 1000 时,rrt*-Smart 算法

(8)FMT* 算法

.gif)

(9)N =1000 时,Informed rrt * 算法

(10)BIT* 算法

.gif)

以上是开发者设计的动画,是不是很直观活泼呢?对门路布局算法感兴趣的童鞋能够到我的项目主页具体理解。

开源前哨 日常分享热门、乏味和实用的开源我的项目。参加保护 10 万 + Star 的开源技术资源库,包含:Python、Java、C/C++、Go、JS、CSS、Node.js、PHP、.NET 等。

正文完
 0