直接上程序
%% 流程初始化
clear all; close all;
pic_num=1;%制作gif所需参数
x_I=1; y_I=1; % 设置初始点
x_G=600; y_G=600; % 设置目标点
goal(1)=x_G;
goal(2)=y_G;
Thr=50; %设置目标点阈值 当到这个范围内时则认为已到达目标点
Delta= 30; % 设置扩展步长,扩展结点允许的最大距离
%% 建树初始化
T.v(1).x = x_I; % T是我们要做的树,v是节点,这里先把起始点加入到T里面来
T.v(1).y = y_I;
T.v(1).xPrev = x_I; % 起始节点的父节点仍然是其本身
T.v(1).yPrev = y_I;
T.v(1).dist=0; %从父节点到该节点的距离,这里可取欧氏距离
T.v(1).indPrev = 0; %父节点的索引
%% 开始构建树——作业部分
ImpRgb=imread('zhangai.png');
Imp=im2bw(ImpRgb,0.1);
xL=size(Imp,1);%地图x轴长度
yL=size(Imp,2);%地图y轴长度
for k1=xL:yL
Imp(k1,:)=1;
end
Imp1=double(Imp);
colormap([0,0,0;1,1,1]); % 创建颜色
pcolor(0.5:size(Imp,1)-1 + 0.5, 0.5:size(Imp,2)-1 + 0.5, Imp1); % 赋予栅格颜色
shading flat;set(gca,'ydir','reverse');
hold on
plot(x_I, y_I, 'ro', 'MarkerSize',10, 'MarkerFaceColor','r');hold on
plot(x_G, y_G, 'go', 'MarkerSize',10, 'MarkerFaceColor','g');% 绘制起点和目标点
count=1;
for iter = 1:3000
%Step 1: 在地图中随机采样一个点x_rand
x_rand=Sample(Imp,goal);
%Step 2: 遍历树,从树中找到最近邻近点x_near
[x_near,index]= Near(x_rand,T);
plot(x_near(1), x_near(2), 'go', 'MarkerSize',2);
%Step 3: 扩展得到x_new节点
x_new=Steer(x_rand,x_near,Delta);%关于求角度的部分存疑,待后续查验
if x_new(1)<=0||x_new(2)<=0||x_new(1)>=625||x_new(2)>=625
continue;
end
%x_new
%检查节点是否是collision-free
flag = collisionChecking(x_near,x_new,Imp1);
if flag== false %如果有障碍物则跳出
continue;
end
count=count+1;
%Step 4: 将x_new插入树T
%提示:新节点x_new的父节点是x_near
T.v(count).x = x_new(1);
T.v(count).y = x_new(2);
T.v(count).xPrev = x_near(1); % 起始节点的父节点仍然是其本身
T.v(count).yPrev = x_near(2);
T.v(count).dist = Distance(x_new,x_near); %从父节点到该节点的距离,这里可取欧氏距离
T.v(count).indPrev = index; %父节点的索引
%Step 5:检查是否到达目标点附近
%提示:注意使用目标点阈值Thr,若当前节点和终点的欧式距离小于Thr,则跳出当前for循环
if Distance(x_new,goal) < Thr
break;
end
%Step 6:将x_near和x_new之间的路径画出来
%提示 1:使用plot绘制,因为要多次在同一张图上绘制线段,所以每次使用plot后需要接上hold on命令
%提示 2:在判断终点条件弹出for循环前,记得把x_near和x_new之间的路径画出来
% plot([x_near(1),x_near(2)],[x_new(1),x_new(2)]);
% hold on
line([x_near(1),x_new(1)],[x_near(2),x_new(2)]);
pause(0.1); %暂停0.1s,使得RRT扩展过程容易观察
%======================================================================
%将结果显示为GIF的部分
F = getframe(gcf);
I = frame2im(F);
[I,map2] = rgb2ind(I,256);
if pic_num == 1
imwrite(I,map2,'RRT.gif','gif', 'Loopcount',inf,'DelayTime',0.1);
else
imwrite(I,map2,'RRT.gif','gif','WriteMode','append','DelayTime',0.1);
end
pic_num = pic_num + 1;
end
%% 路径已经找到,反向查询
if iter < 2000
path.pos(1).x = x_G; path.pos(1).y = y_G;
path.pos(2).x = T.v(end).x; path.pos(2).y = T.v(end).y;
pathIndex = T.v(end).indPrev; % 终点加入路径
j=0;
while 1
path.pos(j+3).x = T.v(pathIndex).x;
path.pos(j+3).y = T.v(pathIndex).y;
pathIndex = T.v(pathIndex).indPrev;
if pathIndex == 1
break
end
j=j+1;
end % 沿终点回溯到起点
path.pos(end+1).x = x_I; path.pos(end).y = y_I; % 起点加入路径
for j = 2:length(path.pos)
plot([path.pos(j).x; path.pos(j-1).x;], [path.pos(j).y; path.pos(j-1).y], 'b', 'Linewidth', 3);
end
F = getframe(gcf);
I = frame2im(F);
[I,map2] = rgb2ind(I,256);
if pic_num == 1
imwrite(I,map2,'RRT.gif','gif', 'Loopcount',inf,'DelayTime',0.2);
else
imwrite(I,map2,'RRT.gif','gif','WriteMode','append','DelayTime',0.2);
end
pic_num = pic_num + 1;
else
disp('Error, no path found!');
end
hold off;
function X_rand=Sample(map,goal)
if unifrnd(0,1)<0.5
X_rand(1)= unifrnd(0,1)* size(map,1);
X_rand(2)= unifrnd(0,1)* size(map,2);
else
X_rand=goal; %这一步很重要,并不是完全随机,而是时刻要以目标为导向
end
function [X_near,index]=Near(X_rand,T)
v_code = [T.v(1).x,T.v(1).y];
min_distance = sqrt(norm(X_rand - v_code ));
%min_distance=sqrt((X_rand(1)-T.v(1).x)^2+(X_rand(2)-T.v(1).y)^2);
for T_iter=1:size(T.v,2) %第2个维度表示生成树上的节点
temp_code = [T.v(T_iter).x,T.v(T_iter).y];
temp_distance=sqrt(norm(X_rand - temp_code));
%temp_distance=sqrt(((1).x)^2+(X_rand(2)-T.v(T_iter).y)^2);
if temp_distance<=min_distance
min_distance=temp_distance;
X_near(1)=T.v(T_iter).x;
X_near(2)=T.v(T_iter).y;
index=T_iter;
end
end
function X_new=Steer(X_rand,X_near,StepSize)
%atan2(a,b)是4象限反正切,它的取值不仅取决于正切值a/b,还取决于点 (b, a) 落入哪个象限
% a是纵坐标y,b是横坐标x。
theta = atan2(X_rand(2)-X_near(2),X_rand(1)-X_near(1)); % direction to extend sample to produce new node
X_new = X_near(1:2) + StepSize * [cos(theta) sin(theta)];
function feasible=collisionChecking(~,goalPose,map)%冲突检查:判断起始点到终点之间是否有障碍物
feasible=true;%可行的,可执行的
% dir=atan2(goalPose(1)-startPose(1),goalPose(2)-startPose(2));%目标点和起始点之间的角度
x = floor(goalPose(1))+1;
y = floor(goalPose(2))+1;
if map(y,x)==0 % 矩阵的行表示x,矩阵的列表示y。
feasible=false;
end
% for r=0:0.5:sqrt(sum((startPose-goalPose).^2))%sqrt(sum((startPose-goalPose).^2)):两点间的距离
% posCheck = startPose + r.*[sin(dir) cos(dir)];%以0.5的间隔得到中间的点
% if ~(feasiblePoint(ceil(posCheck),map) && feasiblePoint(floor(posCheck),map) && ...
% feasiblePoint([ceil(posCheck(1)) floor(posCheck(2))],map) && feasiblePoint([floor(posCheck(1)) ceil(posCheck(2))],map))
% feasible=false;break;
% end
% if ~feasiblePoint([floor(goalPose(1)),ceil(goalPose(2))],map), feasible=false; end
end
所用的地图如图1所示,黑色块部分是障碍,图是截的别的博主的,所以在程序中有一部分需要图像处理,二值化,将蓝线和红线擦除。
最后的仿真结果,因为求解的过程中涉及随机,所以每次运行求解出的路径不同。本文放了两个作为参考。
图1 路径规划结果图(1)
图2 路径规划结果图(2)
结论:应用传统的RRT方法做路径规划,相比于人工势场法是比较好的,但是存在运算时间长,迭代次数多的问题,另外,每次求的并不是最优路径,而是找到一条路径能从起点通向终点,同时,因为求解的随机性,每次得到的路径都是不一样的,如果终点被障碍包围,只有一条狭长的甬道通向终点,那么RRT方法就不是可取的了,因为在这种情况下几乎求不出解来,需要做改进。