python pygame人物移动和障碍物(图片请自行导入本地图片)

#coding=gbk
import sys
import time
import pygame
from pygame.locals import *
import random
pygame.init()
# 使用pygame之前必须初始化

横LENGTH = 1000  # 主屏窗口长度,打横的
竖WIDTH = 680  # 主屏窗口宽度,打竖的
screen = pygame.display.set_mode((横LENGTH, 竖WIDTH))  # 设置主屏窗口
# 说明:set_mode()可以短时间显示主屏窗口
pygame.display.set_caption("图片移动优化测试")  # 设置窗口标题
# 说明:若不设置窗口标题,则窗口标题默认为“pygame window”
class 人物类:
    def __init__(self):
        self.宽度=50
        self.高度=50
        self.img = pygame.image.load("游戏图片/李凯尔.png")  # 加载本地图片,这里请自行导入本地图片路径
        self.img=pygame.transform.scale(self.img,(self.宽度,self.高度))     #缩放
        self.rect = self.img.get_rect()  # 获取图片区域
        self.rect.x = 500  # 设置显示位置
        self.rect.y = 340  # 设置显示位置
        self.stopleft = True  # 图片移动开关
        self.stopright=True
        self.stopup=True
        self.stopdown=True
        self.边界判断=False
        screen.blit(self.img, self.rect)  # 传送
    def 人物更新(self):
        screen.blit(self.img, self.rect)  # 传送
    def 左移(self):
        speed = 5              #后面and的部分是“补充”段,也就是外扩段
        if [self.rect.x-speed,self.rect.y] not in 障碍1.边界:
            if [self.rect.x-speed,self.rect.y+self.高度] not in 障碍1.边界:
                if self.rect.x-speed>=0:
                # 速度调成整数,这样可以和障碍物“贴合”
                    self.rect.left -= speed
    def 右移(self):
        speed = 5  # 后面and的部分是“补充”段,也就是外扩段
        if [self.rect.x+speed+self.宽度,self.rect.y] not in 障碍1.边界:
            if [self.rect.x+speed+self.宽度,self.rect.y+self.高度] not in 障碍1.边界:
                if self.rect.x+speed+self.宽度<=横LENGTH:
                # 速度调成整数,这样可以和障碍物“贴合”
                    self.rect.left += speed
    def 上移(self):
        speed = 5  # 后面and的部分是“补充”段,也就是外扩段
        if [self.rect.x, self.rect.y-speed] not in 障碍1.边界:
            if [self.rect.x+self.宽度,self.rect.y-speed] not in 障碍1.边界:
               if self.rect.y-speed>=0:
            # 速度调成整数,这样可以和障碍物“贴合”
                    self.rect.top-= speed
    def 下移(self):
        speed = 5  # 后面and的部分是“补充”段,也就是外扩段
        if [self.rect.x, self.rect.y + speed+self.高度] not in 障碍1.边界:
            if [self.rect.x+self.宽度,self.rect.y+speed+self.高度] not in 障碍1.边界:
                if self.rect.y+speed+self.高度<=竖WIDTH:
            # 速度调成整数,这样可以和障碍物“贴合”
                    self.rect.top += speed
class 障碍物:
    def __init__(self,x,y):
        self.x=x
        self.y=y
        self.长=100
        self.宽=100
        self.color=(0,210,120)
        self.范围列表=[[self.x,self.y,self.长,self.宽]]
        self.边界=[]
        pygame.draw.rect(screen, self.color, pygame.Rect(self.x,self.y, self.长,self.宽))
        for i in range(x,x+self.长+5,5):   #间隔为5,因为左闭右开,所以最后加上5
            for j in range(y,y+self.宽+5,5):
                self.边界.append([i,j])
        print(self.边界)
    def 添加区域(self,x,y):
        pygame.draw.rect(screen, self.color, pygame.Rect(x, y, self.长, self.宽))
        self.范围列表.append([x,y,self.长,self.宽])
        for i in range(x,x+self.长+5,5):   #间隔为5
            for j in range(y,y+self.宽+5,5):
                self.边界.append([i,j])
        # print(self.边界)
    def 随机添加区域(self):
        x=random.randint(0,横LENGTH)
        y=random.randint(0,竖WIDTH)
        x=x-x%5
        y=y-y%5  #这样一定能生成5的倍数
        print(x,y)
        self.范围列表.append([x, y, self.长, self.宽])
        for i in range(x, x + self.长 + 5,5):  # 间隔为5
            for j in range(y, y + self.宽 +5,5):
                self.边界.append([i, j])
    def 刷新(self):
        for _ in self.范围列表:
            pygame.draw.rect(screen,self.color,pygame.Rect(_[0],_[1],_[2],_[3]))
        # print(人物1.rect)
人物1=人物类()
障碍1=障碍物(100,100)
# 障碍1.添加区域(280,100)
# 障碍1.添加区域(150,500)
障碍1.随机添加区域()
障碍1.随机添加区域()
障碍1.随机添加区域()
def GetEvent():  # 获取事件函数

    for event in pygame.event.get():  # 循环获取事件并监听事件状态

        if event.type == pygame.KEYDOWN:  # 按下了按键
            if event.key == pygame.K_LEFT:  # 左
                人物1.stopleft = False
            elif event.key == pygame.K_RIGHT:  # 右
                人物1.stopright = False
            elif event.key==pygame.K_UP:
                人物1.stopup=False
            elif event.key==pygame.K_DOWN:
                人物1.stopdown=False
            elif event.key==pygame.K_SPACE:
                print(人物1.rect)
                # print([人物1.rect.x, 人物1.rect.y + 5])
                # print([人物1.rect.x+人物1.宽度,人物1.rect.y+5+人物1.高度])
                # print([人物1.rect.x, 人物1.rect.y + 5] in 障碍1.边界)
                # print([人物1.rect.x+人物1.宽度,人物1.rect.y+5+人物1.高度] in 障碍1.边界)
                # print(障碍1.边界)
        elif event.type == pygame.KEYUP:  # 松开了按键
            if event.key == pygame.K_LEFT :
                人物1.stopleft = True
            if event.key==pygame.K_RIGHT:
                人物1.stopright=True
            if event.key == pygame.K_UP :
                人物1.stopup = True
            if event.key==pygame.K_DOWN:
                人物1.stopdown=True
        elif event.type == pygame.QUIT:  # 点击了关闭按钮
            pygame.quit()  # 卸载模块
            sys.exit()  # 退出程序


while True:
    # 说明:while True循环可以使得主屏窗口得以保留
    time.sleep(0.02)  # 使得循环速度变慢,从而使得图片移动速度变慢
    screen.fill((0, 0, 0))  # 填充
    GetEvent()  # 获取事件
    if not 人物1.stopleft:
        人物1.左移()  # 图片移动
    if not 人物1.stopright:
        人物1.右移()
    if not 人物1.stopup:
        人物1.上移()
    if not 人物1.stopdown:
        人物1.下移()


    人物1.人物更新()
    障碍1.刷新()
    pygame.display.update()  # 更新

  • 11
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
势场法(Potential Field)是一种基于力学原理的路径规划方法。它将机器人看作是一个带电粒子,周围的障碍物看作是带电体,通过计算带电粒子受到的吸引力和斥力,来确定其前进方向,从而实现路径规划。 在势场法中,动态障碍物可以通过不断更新带电体的位置和电荷来实现。具体实现可以通过以下步骤来进行: 1. 初始化机器人位置和目标点位置。 2. 初始化障碍物位置和电荷,可以根据具体情况设置不同的电荷值,比如靠近障碍物的电荷值可以设置较大,远离障碍物的电荷值可以设置较小。 3. 计算机器人受到的总力,包括吸引力和斥力。吸引力是机器人指向目标点的力,斥力是机器人远离障碍物的力。 4. 根据计算出的总力,更新机器人的位置。 5. 不断重复步骤3和4,直到机器人到达目标点或者无法到达目标点。 下面是一个使用Python实现势场法路径规划的示例代码,其中包含了动态障碍物的更新: ```python import numpy as np # 势场法路径规划 class PotentialField: def __init__(self, start, goal, obstacles, step=0.1, max_iters=100): self.start = start # 起点 self.goal = goal # 终点 self.obstacles = obstacles # 障碍物 self.step = step # 步长 self.max_iters = max_iters # 最大迭代次数 # 计算吸引力 def _attractive_force(self, position): return self.step * (self.goal - position) # 计算斥力 def _repulsive_force(self, position): force = np.zeros_like(position) for obstacle in self.obstacles: distance = np.linalg.norm(position - obstacle["position"]) if distance > obstacle["radius"]: continue direction = (position - obstacle["position"]) / distance force += self.step * (1.0 / distance - 1.0 / obstacle["radius"]) / distance ** 2 * direction return force # 计算总力 def _total_force(self, position): return self._attractive_force(position) + self._repulsive_force(position) # 势场法路径规划 def plan(self): position = self.start path = [position] for i in range(self.max_iters): force = self._total_force(position) position = position + force path.append(position) if np.linalg.norm(position - self.goal) < self.step: path.append(self.goal) return path # 更新障碍物位置和电荷 for obstacle in self.obstacles: obstacle["position"] += np.random.normal(0, 0.1, size=2) obstacle["charge"] = np.clip(obstacle["charge"] + np.random.randint(-1, 2), 1, 10) return None ``` 在上面的代码中,障碍物通过字典类型来表示,包括位置、半径和电荷等信息。每次迭代时,通过`np.random.normal()`和`np.random.randint()`函数来更新障碍物位置和电荷,模拟动态障碍物的效果。最终返回的是一条机器人从起点到终点的路径。 使用时,可以先定义起点、终点和障碍物,然后调用`PotentialField`类的`plan()`方法进行路径规划,示例代码如下: ```python start = np.array([0, 0]) goal = np.array([5, 5]) obstacles = [ {"position": np.array([1, 1]), "radius": 1, "charge": 5}, {"position": np.array([3, 3]), "radius": 1, "charge": 5}, {"position": np.array([4, 4]), "radius": 1, "charge": 5} ] pf = PotentialField(start, goal, obstacles) path = pf.plan() print(path) ``` 运行代码后,可以得到机器人的路径。需要注意的是,势场法虽然简单易懂,但在复杂环境下可能存在局部最优解或者无法找到路径的情况。因此,在实际应用中需要根据具体情况进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值