路径规划中经常会用到一种算法叫做A*
首先需要了解A*算法的原理
A*寻路算法详解 #A星 #启发式搜索_哔哩哔哩_bilibili
在学A*算法之前需要了解广度优先算法,广度优先算法是将起始点依次向周围探索,然后再以下一轮探索到的方块向周边探索。
最后直到探索到终点。或将所有的方块都探索到。
如何知道路径呢,需要在探索时记录路径的来向。
另外需要注意探索过的方块需要做标记,下次不再进行探索。
程序练习:
1、先构建栅格地图,然后A*进行路径规划,
2、对A*启发函数改进,进行对比
3、改进搜索临域
4、路径平滑
先建立一个绘制地图,然后绘制地图
地图使用矩阵定义,障碍物 数值为inf 其他为0
createFigure 用来绘制地图
A 星算法与广度优先算法不同的是,不会探索所有的边界方块,而是选择边界中 “代价” 最低的方块进行探索。
这里的代价是A星 与广度优先算法相比智能的地方。
这个代价分为两个部分:
1、当前路程代价 (起点到当前点的路径距离)
2、预估代价 (从当前点走到结束点需要的距离,这距离不代表实际距离,所以叫预估距离)
预估代价最常用的是欧拉距离,还有曼哈顿距离,曼哈顿距离不用做开方所以速度更快
在探索过程中会优先选择总代价低的方块进行探索,这样算法会更少计算路径中方块,并且得到的路径也一定是最短路径。
程序1:
使用 4邻域搜索+曼哈顿距离
四个邻域搜索,路径只能上下左右走,从而轨迹会有很多弯折,然后搜索的方格也会更过。
曼哈顿距离为当前点与目标点行列的距离相加,避免开方运算
程序2:
使用 4邻域搜索+曼哈顿距离 + 增加权重
价值函数中预估代价占比提高之后,预估部分对搜寻的影响会变大,所以路径较快速搜索到终点’
程序3
8邻域搜索+曼哈顿距离 + 增加权重
八个邻域搜索,增加了对角线的距离,所以这样做法可以使路径的距离减小,并且搜索速度也会加快
程序4
引入贝塞尔曲线实现路径的平滑,贝塞尔曲线将每个弯折的地方实现平滑