运动规划入门 | 1. 白话Dijkstra，从原理到Matlab实现

原创文章，作者：tloinny，如若转载，请注明出处：古月居 https://www.guyuehome.com/5652

感谢古月老师@古-月给的机会，让笔者有幸成为古月居签约作者，此后笔者将在古月居发布更多Robotic相关的博文，当然我也会同步转载小部分内容到CSDN，有兴趣看全文的小伙伴欢迎到原文地址阅读哦 ：https://www.guyuehome.com/5652

在运动规划的研究场景里很多已经存在的经典算法，在运动规划的入门阶段绕不过去的五种基础算法分别有：Dijkstra（D）、Astar（A）、PRM（概率路线图法Probabilistic Road Maps）、RRT（重复探索随机树 Rapidly Exploring Random Trees）、人工势场法（Artificial Potential Fields）**

笔者将会更新这个“运动规划入门”系列，尽我所能详细地给小伙伴们分别讲解这五种算法。由于笔者能力有限，讲解内容有任何错误的话，请务必指正。

Dstar基本原理图解

ok，我们就用下面这个图来距离Dstar算法，假设起点是A，终点是G，每条边具备不同的代价值，我们的任务就是找出从A到G代价最小的路径。每个节点还具备两个属性值，一个是node_cost，这个node_cost记录了当前节点到起点的已知的最小总代价值，这个node_cost会在算法迭代过程中由于规划出来的路径不相同而被更新成不同的值。另一个属性值是parent，parent表明了根据当下规划出来的路径，该节点对应的父节点，比如说：节点F的父节点可能是B也可能是D也可能是E，在完全取决于我们选择哪条路径。

完整博文请移至古月居：https://www.guyuehome.com/5652