在栅格地图中,常见的**邻域(neighbor)**模式如下所示,即
- 8邻域
- 24邻域
- 48邻域
栅格的邻域表示了从当前位置出发下一次搜索的集合,例如八邻域法中,当前栅格只能和周围的八个栅格相连形成局部路径。
下面是一个图搜索问题的例子,可以直观理解什么是搜索问题。
例1:在如下的栅格地图中,设绿色栅格为起点,红色栅格为终点,灰色栅格为障碍,白色栅格为可行点,问如何设计一条由栅格组成的连接起点、终点的路径,并尽可能使路径最短?
接下来,围绕这个问题展开阐述。
2 贪婪最佳优先搜索
一个朴素的想法是:每一次搜索时就找那些与终点最近的节点,这里衡量最近可以用多种度量方式——曼哈顿距离、欧式距离等。这种方法像一头狼贪婪地望着食物,迫切寻求最近的路径,因此称为贪婪最佳优先搜索(Greedy Best First Search, GBFS)。
假设采用八邻域法,在GBFS思想指导下,在起点的八邻域中就会选择最右侧的节点,如下所示。
循环地,直到如下所示的节点,因为邻域内有障碍,这些障碍节点不会被候选,所以此时离终点最近的就是下方的方格
依次类推直至终点
3 Dijkstra算法
Dijkstra算法走向了另一个极端,它完全不考虑扩展节点与终点的关系,而是定义了一个**路径耗散函数
g
(
n
)
g(n)
g(n)**,从起点开始,机器人每走一个栅格就会产生一定的代价或耗散,因为Dijkstra算法希望路径最短,所以每次首选那些使路径耗散最小的节点。
依照Dijkstra算法的观点,从起点开始,其八个邻域节点都会被依次探索,因为它们离起点最近,接着再探索这些节点的子节点。
因此Dijkstra算法会遍历大量的节点,一圈圈地逼近终点
4 启发式A*搜索
A*算法是非常有效且常用的路径规划算法之一,其是结合Dijsktra算法与GBFS各自优势的启发式搜索算法,其搜索代价评估函数为
f
(
n
)
=
g
(
n
)
h
(
n
)
f(n)=g(n)+h(n)
f(n)=g(n)+h(n)
其中
g
(
n
)
g(n)
g(n)代表路径耗散,是Dijsktra算法分量;
h
(
n
)
h(n)
h(n)代表下一个搜索节点与终点的距离,启发式地引导机器人朝着终点拓展,是GBFS算法分量。
兼具两个算法特点的A*算法既保持完备性,又在一定条件下体现出最优性,被广泛应用于路径规划中。
5 A*、Dijkstra、GBFS算法的异同
特别地
- 当
g
(
n
)
=
0
g\left( n \right) =0
g(n)=0时,启发函数影响占据主导,A*算法退化为GBFS算法——完全不考虑状态空间本身的固有属性,不择手段地追求对目标的趋近,此时算法搜索效率将得到提升,但最优性无法保证;
- 当
h
(
n
)
=
0
h(n)=0
h(n)=0时,路径耗散函数影响占据主导,A*算法退化为Dijsktra算法——无先验信息搜索,此时算法搜索效率下降,但最优性上升。
三个算法的直观比较如下所示
6 算法仿真与实现
6.1 算法流程
6.2 ROS C++实现
核心代码如下
std::tuple<bool, std::vector<Node>> AStar::plan(const unsigned char\* costs, const Node& start,
const Node& goal, std::vector<Node> &expand) {
// open list
std::priority_queue<Node, std::vector<Node>, compare_cost> open_list;
open_list.push(start);
// closed list
std::unordered_set<Node, NodeIdAsHash, compare_coordinates> closed_list;
// expand list
expand.clear();
expand.push\_back(start);
// get all possible motions
const std::vector<Node> motion = getMotion();
// main loop
while (!open_list.empty()) {
// pop current node from open list
Node current = open_list.top();
open_list.pop();
current.id = this->grid2Index(current.x, current.y);
// current node do not exist in closed list
if (closed_list.find(current) != closed_list.end())
continue;
// goal found
if (current==goal) {
closed_list.insert(current);
return {true, this->\_convertClosedListToPath(closed_list, start, goal)};
}
// explore neighbor of current node
for (const auto& m : motion) {
Node new_point = current + m;
// current node do not exist in closed list
if (closed_list.find(new_point) != closed_list.end())
continue;
// explore a new node
new_point.id = this->grid2Index(new_point.x, new_point.y);
new_point.pid = current.id;
// if using dijkstra implementation, do not consider heuristics cost
if(!this->is_dijkstra_)
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
![](https://img-blog.csdnimg.cn/img_convert/21b2604bd33c4b6713f686ddd3fe5aff.png)
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**[需要这份系统化学习资料的朋友,可以戳这里无偿获取](https://bbs.csdn.net/topics/618317507)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**