1.1 图搜索基础

被猫吃的雪糕

已于 2023-12-15 16:28:25 修改

阅读量599

点赞数 1

分类专栏：《移动机器人运动规划》笔记文章标签：图搜索算法算法

于 2023-12-14 16:14:24 首次发布

原文链接：https://www.shenlanxueyuan.com/my/course/633?standing=guest

版权

《移动机器人运动规划》笔记专栏收录该内容

5 篇文章 1 订阅

订阅专栏

配置空间

机器人配置：机器人上所有点的位置描述
DOF自由度：表示机器人配置所需的最小实值坐标数 n，如无人机轨迹规划，在微分平坦状态，初始空间进行规划，需要x,y,z和偏航角四个变量，自由度为四。
机器人配置空间：包含所有可能的机器人配置的n维空间，表示为 C-space。
机器人任何可能的位姿，在C-space中都表示为一个点。

配置空间中障碍物表示

在工作空间中规划

一般不在工作空间中进行规划主要是由以下几个问题：
问题1：机器人有不同的形状和大小
问题2：碰撞检测需要了解机器人的几何形状，既耗时又困难
在这里插入图片描述

在配置空间中规划

特点1：机器人由C-space中的点表示，例如位置（ $R^3$ 中的点），姿态（ $so (3)$ 中的点）等
特点2：障碍物需要在配置空间中表示，即将障碍物按照机器人的体积进行膨胀，使得机器人简化后的质点落在膨胀后的障碍物外面。膨胀后的障碍物空间称为配置空间障碍物或C-obstacle
特点3：C-space = C-obstacle $\bigcup$ C-free
特点4：路径规划是在C-free内找到起点q起点和目标点q目标之间的路径
在配置空间中进行规划时，需要先对障碍物进行膨胀处理来避免碰撞，由于机器人在配置空间中被看成是一个质点，所以规划更为简单。
在这里插入图片描述

图概念

图由节点和边组成，边可以有方向，也可以有权重。
在这里插入图片描述

搜索算法

算法原理

状态空间图：搜索算法的数学表示
- 对于每个搜索问题，都有一个相应的状态空间图
- 图中节点之间的连通性由（有向或无向）边表示

在这里插入图片描述

图搜索步骤：从开始状态S开始
- 搜索图生成搜索树
- 回溯搜索树中的节点，可以得到从起始状态到该节点的路径
- 对于许多情况，构建整个树代价很大或效率低下，如何尽可能快地求得最优路径才是需要考虑问题。

在这里插入图片描述

图搜索算法总体框架

维护一个容器以存储要访问的所有节点
容器初始化为开始状态S
循环
- 根据一些预定义的评价函数从容器中删除节点（访问一个节点）
- 扩展：获取节点的所有邻居（发现所有存在的邻居节点）
- 把邻居节点塞回容器
循环结束

问题：

什么时候结束循环？
当容器为空的时候
如果图是回环的怎么办
添加一个新的容器，记录从容器中删除（弹出/访问）的节点，使得一个节点从容器中删除时，它不被再次添加回容器。
通过什么方式删除正确的节点，可以尽快达到目标状态，从而减少节点的扩展。（我们要实现的算法）

两种遍历图的算法（DFS、BFS）

广度优先搜索Breadth First Search（BFS）：
- 先入先出，容器：队列
深度优先搜索Depth First Search（DFS）：
- 先入后出，容器：栈

深度优先搜索DFS

策略：移除/弹出容器中最深的节点
在这里插入图片描述

简要说明：先将S节点塞入容器，弹出S节点后，按照p、e、d的先后顺序将三个节点塞入容器，之后先弹出子节点d，再按照c，e，b的顺序将d的三个子节点依次塞入容器，先弹出b再塞入b的子节点a，弹出a后，a没有子节点，返回弹出d的另外一个子节点c，如此往复。

如图为栅格地图DFS搜索，先逆时针塞入邻居节点1，2，3，4，弹出最后塞入的节点4，再逆时针塞入邻居节点5，6，7，弹出节点7后再顺时针弹出另据节点8，9，如此往复进行搜索。

广度优先搜索BFS

策略：移除/扩展容器中最浅的节点
在这里插入图片描述
简要说明：先将S节点塞入容器，弹出S节点后，按照p、e、d的先后顺序将三个节点塞入容器，之后先弹出子节点p，再塞入p的子节点q，并弹出节点e，弹出e后，按照r，h的顺序塞入e的子节点，再弹出节点d，塞入d的子节点e，c，b。此时树的第二层全部弹出，且第三层节点按照q，r，h，e，c，b的顺序全部塞入容器，之后再次按先后顺序弹出节点，逐层进行搜索。