运动规划入门 | 1. 白话Dijkstra，从原理到Matlab实现

置顶 于 2020-03-27 15:21:46 发布
阅读量986 收藏 5
点赞数 4
分类专栏： 古月居转载
原文链接：https://www.guyuehome.com/5652
版权

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

沐棋
关注
专栏目录
Matlab之在城市环境中基于动态占用网格图的的运动规划仿真（附源码）
珞瑜的博客
10-21 1769
另一方面，基于网格的方法允许无对象模型的表示，这有助于在具有大量对象的复杂场景中进行有效的碰撞检查。该概率可以合并到最优性标准的成本函数中，以考虑系统中的不确定性，并在不增加计划员的时间范围的情况下做出更好的决策。），以及自我飞行器在轨迹上的计划位置。在此示例中，您使用两种不同的策略对终端状态进行采样，具体取决于车辆在参考路径上的位置，在下图中显示为蓝色和绿色区域。在此示例中，学习了如何使用基于网格的跟踪器中的动态地图预测，以及如何将动态地图与局部路径规划算法集成，以便在动态复杂环境中为自我车辆生成轨迹。
运动规划入门 | 2. 白话A*，从原理到Matlab实现
沐棋的博客
05-07 639
原创文章，作者：tloinny，如若转载，请注明出处：古月居 https://www.guyuehome.com/6560 书接上回，上一次我们讲完了Dijkstra，如果小伙伴们有印象的话，肯定还记得在上一篇的文末，我们提到了Dijkstra的致命缺点：处理大地图时效率低下。那么今天我们就来看看Dijkstra的近亲A*究竟做出了哪些改变来解决效率问题？ 1. A*原理详解 我们知道，Dij...
路径/运动规划开源/常用算法 Matlab代码汇总(包括存在不确定性下运动规划Belief space planning)
rolling0707的博客
07-16 7346
—Sampling-based motion Planning ----RRT------ * RRTstar 2D/3D Github Codehttp://arms.nu.edu.kz/research/matlab-toolbox-rrt-based-algorithms * RRT for Manipulator （ARM）Github Code * RRT*，RRT-c...
matlab开发-基于遗传算法的机器人运动规划
08-22
matlab开发-基于遗传算法的机器人运动规划。采用遗传算法对机器人手臂的轨迹规划进行优化。
运动规划-1
tony_513的博客
02-16 746
运动规划（Motion Planning）就是在给定的位置A 与位置 B 之间为机器人找到一条符合约束条件的路径。这个约束可以是无碰撞、路径最短、机械功最小等。是机器人学的一个重要研究领域。 构型空间 构型（Configuration）是机器人的一个状态，如平面机器人，构型可以是 ，分别用于描述机器人的位置与姿态；而对于六轴机械臂，一个构型则是 ，即每个关节的角度。 机器人所有...
机器人运动规划方法－D*算法
11-30
D*算法是经典机器人路径规划方法，据说火星探测机器人就是采用D*算法作为路径规划方法 Pdf格式
基于时间窗规划和Dijkstra的AGV调度算法matlab实现完整源码.zip
08-18
【资源说明】 1、该资源内项目代码都是经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、...基于时间窗规划和Dijkstra的AGV调度算法matlab实现完整源码.zip
最短路径算法dijkstra的matlab实现_dijkstra_最短路径算法_
10-04
本篇文章将深入探讨Dijkstra算法的基本原理、MATLAB实现以及其在实际应用中的价值。 Dijkstra算法的核心思想是采用贪心策略，每次选择当前未访问节点中距离源点最近的一个节点，并更新与其相邻节点的距离。这个过程...
基于时间窗规划和Dijkstra的AGV调度算法matlab实现完整源码+全部数据.zip
11-03
基于时间窗规划和Dijkstra的AGV调度算法matlab实现完整源码+全部数据.zip基于时间窗规划和Dijkstra的AGV调度算法matlab实现完整源码+全部数据.zip基于时间窗规划和Dijkstra的AGV调度算法matlab实现完整源码+全部数据...
test1.rar_matlab实现dijkstra算法
07-15
描述“用matlab实现传统dijkstra算法”进一步确认了这个项目的核心内容，即用MATLAB来编写代码，实现Dijkstra算法的常规版本，用于找到图中一个起点到其他所有顶点的最短路径。 **Dijkstra算法详解** Dijkstra算法...
Dstar（动态路径规划）算法
04-25
D*算法又称为动态A*算法，在未知环境或有动态障碍物出现时，采用A*算法需要丢弃初始规划完成的open表和close表，重新进行规划。造成规划时间的增加，D*算法的核心思想是先用dijkstra或A*从目标点向初始点进行反向搜索，然后机器人从起点向目标点移动，当遇到动态障碍物时，只进行局部的更改即可，效率明显提高。本仿真基于matlab进行D*算法的动画演示。
用A*算法路径规划， matlab程序
12-21
用A*算法进行二维路径规划，即AStar算法， matlab程序，可以直接运行
D星路径搜索算法
01-23
在5X5坐标系上面进行路径搜索，使用D星搜索出来一条最优路径。
Dstar-lite-on-ROS-Turtlebot:D * lite运动计划算法，Robot OS，Turtlebot
05-12
ROSTurtlebot上的Dstar-lite 仿真：ME / CS 133b机器人最终项目，加州理工学院，2017年冬季，贡献者：胡博涛，刘玉凯，石冠亚。 ROS和Turtlebot：CS / ME / EE 134自治最终项目，加州理工学院，2018年Spring，贡献者：胡博涛，刘玉凯，石冠亚，吴彦，吴玉伟。 （按字母顺序） 1.模拟 运动计划是算法和机器人技术的基本主题，它考虑了机器人需要确定从某个起点到目标的最短路径，同时避免环境中所有障碍的问题。 D * Lite，D *算法的简化，从目标开始反向搜索并尝试从头开始，并使用当前的最佳路径和启发式估计来贪婪地扩展每个节点。 该项目首先实现了基于python的D * lite算法。 为了测试机器人的性能，我们还生成随机迷宫并通过MATLAB记录其路径。 有关使用说明，请参见./D_star_lite_simulation/r
D搜索算法matlab实现GUI
11-09
matlab实现的利用D算法搜索路径，GUI实现可以设置生成的地图参数和提示搜索状态等，完美演示，绝对可用。
基于时间窗规划和Dijkstra的AGV调度算法matlab实现源码（高分项目）.zip
最新发布
04-20
基于时间窗规划和Dijkstra的AGV调度算法matlab实现源码（高分项目）.zip本资源中的源码都是经过本地编译过可运行的，评审分达到95分以上。资源项目的难度比较适中，内容都是经过助教老师审定过的能够满足学习、使用...
D*路径搜索算法原理解析及Python实现
热门推荐
云水禅心的博客
12-17 4万+
D*路径搜索算法原理解析及Python实现1.D*算法简述2.操作2.1扩张 1.D*算法简述 D*是以下三种相关增量搜索算法之一: 最初的D* (Anthony Stentz的)是一种知情的增量搜索算法。 Focussed D是Anthony Stentz设计的一种增量启发式搜索算法，它结合了A[3]和原始D的思想。Focussed D源于对原始D*的进一步开发。 D* Lite[4]是Sve...
D-Star算法
码农的科研笔记
10-10 4283
D-Star算法名称Dynamic A Star，是一种适应于动态环境的启发式的路径搜索算法，适合周围环境位置或者周围环境处于动态变化的场景 【适用范围】 动态环境 【算法流程】 由于是动态环境，算法主要是两个阶段， 第一阶段是从目标点往起点进行探索，得到搜索区域节点距离终点最短路径的信息（父节点信息） 第二阶段是机器人动态环境交互中，遇见障碍物时对路径做动态修改，机器人从起点开始往终点行走过程...
D star路径搜索算法
肚皮朝上的刺猬的博客
09-25 2万+
D Star 寻路算法一、简介二、算法介绍2.1 符号表示2.2 算法描述三、算法总结 一、简介 “D*算法”的名称源自 Dynamic A Star,最初由Anthony Stentz于“Optimal and Efficient Path Planning for Partially-Known Environments”中介绍。它是一种启发式的路径搜索算法，适合面对周围环境未知或者周围环境存...
最短路径dijkstra算法原理及matlab实现
07-24
### 回答1： 最短路径Dijkstra算法是一种用于计算带权有向图中单源最短路径的经典算法。它的基本原理是通过不断更新节点到源节点的距离，从而找到到达目标节点最短的路径。 算法从源节点开始，先将源节点到它的邻接节点的距离初始化为无穷大。然后将源节点到它的邻接节点的距离更新为通过源节点的距离加上源节点到邻接节点的权重。接着，从所有未访问节点中选择距离最小的节点，将该节点标记为已访问，并更新与该节点相邻的节点的距离。重复这个过程，直到所有节点都被访问完毕或没有可更新的距离。最后，就可以得到源节点到所有其他节点的最短路径。 在MATLAB中，可以通过邻接矩阵来实现Dijkstra算法。邻接矩阵是一个二维矩阵，矩阵的每个元素表示两个节点之间的权重。首先，需要初始化一个距离数组，用于存储源节点到其他节点的临时最短路径长度。然后，通过遍历邻接矩阵，将源节点到它的邻接节点的距离初始化为邻接矩阵中对应的权重。接着，再初始化一个标记数组，用于标记节点是否已经被访问过。然后，循环遍历未访问节点，选择距离最小的节点，并将该节点标记为已访问。随后，更新与该节点相邻的节点的距离，如果存在更短的路径。这个过程一直重复，直到所有节点都被访问完毕。最后，通过距离数组就可以得到源节点到其他所有节点的最短路径。 总结来说，最短路径Dijkstra算法能够找到带权有向图中的单源最短路径。在MATLAB中，通过邻接矩阵和相应的数据结构，可以完美地实现这个算法。 ### 回答2： 迪杰斯特拉算法是一种用于求解图上两个节点之间最短路径的经典算法。 其原理如下： 1. 创建一个数组dist[]，数组中的元素表示源节点到图中其他顶点的最短距离，开始时将源节点的距离设为0，其他节点的距离设为无穷大。 2. 创建一个集合visited[]，用来记录已经找到最短路径的节点。 3. 选择dist[]中距离源节点最近的节点，将其标记为visited，并更新其邻接节点的距离。若经过这个节点到邻接节点的距离比当前记录的距离小，则更新dist[]数组中的距离。 4. 重复第3步，直到所有节点都被标记为visited，或者dist[]中没有未被访问的节点。 5. 最终，dist[]数组中记录了源节点到所有其他节点的最短路径。 在MATLAB中实现迪杰斯特拉算法，可以按照以下步骤进行： 1. 初始化dist[]数组和visited[]数组。 2. 在dist[]数组中将源节点的距离设置为0，其他节点的距离设置为无穷大。 3. 在一个循环中，首先选择dist[]数组中距离源节点最近的节点v，并将其标记为visited。 4. 遍历节点v的所有邻接节点u，如果经过节点v到达节点u的距离比当前记录的距离小，则更新dist[]数组中的距离。 5. 重复步骤3和步骤4，直到所有节点都被标记为visited。 6. 最后，dist[]数组中记录了源节点到其他节点的最短路径。 以上是最短路径迪杰斯特拉算法的原理及在MATLAB中的实现方式。该算法在实际应用中被广泛使用，用于解决很多网络和路径规划问题。 ### 回答3： Dijkstra算法是一种用于求解带权重图中最短路径的算法。它通过计算从起点到各个顶点的最短路径长度，并逐步找到最短路径。 算法原理如下： 1. 创建一个空的优先队列和一个空的最短路径集合。优先队列用于存放待搜索的顶点，节点的优先级按照到起点的距离从小到大排列。 2. 将起点加入优先队列，并设置距离起点的距离为0。 3. 重复以下步骤，直至优先队列为空： - 从优先队列中取出距离起点最近的顶点v。 - 将顶点v加入最短路径集合中。 - 对于v的所有邻接顶点u，更新u的最短距离，如果经过顶点v到达u的距离小于当前最短距离，则更新最短距离，并将u加入优先队列。 Matlab实现如下： ```matlab function [dist, path] = dijkstra(graph, source) num_nodes = size(graph, 1); dist = inf(1, num_nodes); % 初始化距离数组，设置为正无穷大 dist(source) = 0; % 设置起点的距离为0 visited = false(1, num_nodes); % 记录节点是否被访问过的数组 path = zeros(1, num_nodes); % 记录最短路径的数组 for i = 1:num_nodes % 从未访问的节点中选出距离最小的节点 [~, u] = min(dist.*~visited); visited(u) = true; % 标记该节点为已访问 % 更新与u相邻节点的最短距离 for v = 1:num_nodes if graph(u, v) > 0 && dist(v) > dist(u) + graph(u, v) dist(v) = dist(u) + graph(u, v); path(v) = u; % 更新最短路径 end end end end ``` 以上是Dijkstra算法的简要原理和用Matlab实现的代码。通过该算法，可以得到从起点到其他各个顶点的最短路径距离和路径信息。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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