路径规划学习之地图生成（一）

前言

机器人的路径规划问题是运动规划中的一个重要问题，具有广泛的应用价值和研究价值。本人从今天开始学习机器人的路径规划问题，写文章用于记录学习的过程和遇到的一些问题，也希望能得到一些大佬的指点，大家共同进步。

一、栅格地图

栅格地图是机器人路径规划问题中一种常用的地图建模方法，就是将场景内的所有事物进行二值化处理，障碍物为1，非障碍物为0。
栅格地图实质上是将移动机器人的工作环境进行单元分割，将其用大小相等的方块表示出来，这样栅格大小的选取是影响规划算法性能的一个很重要的因素。栅格较小的话，栅格地图中的环境信息会非常清晰，但会增大信息存储量，干扰信号也会随之增加，规划速度会相应降低，实时性得不到保证；反之，由于信息量少，抗干扰能力有所增强，规划速度随之增快，但环境信息会变得模糊，不利于有效路径的规划。

二、随机生成栅格地图

1.随机数创建m*n矩阵地图

使用随机数生成mn矩阵，这里以2020矩阵地图为例。

%随机数创建栅格地图(20*20),大于0.8为1
 Map=rand(20)>0.8;

2.完整代码

使用随机数生成20*20矩阵地图。

%% 随机创建栅格地图的方法
function grid_map
Map=rand(20)>0.8;%随机数创建栅格地图(20*20),大于0.8为1

[rows,cols]=size(Map);
 figure(1);
 axis([0 rows 0 cols]);
 axis image;
 axis ij;
 set(gca,'xtick',1:1:rows,'ytick',1:1:cols);
 set(gca,'GridLineStyle','-','xGrid','on','yGrid','on');
 hold on

%对为1的栅格填充颜色
for i=1:rows%行
    for j=1:cols%列
        if Map(i,j)==1
            row=j-1;
            col=i-1;
            fill([row row+1 row+1 row],[col col col+1 col+1],[1 0.1 0.6]);%栅格四个顶点的横坐标、纵坐标和颜色
        end
    end
end
end

3. 所生成的地图

总结

这篇博文是路径规划算法学习的一个前期准备工作，后面还会陆续更新一些学习路径规划算法的博文，期待大家的点评和指正。