本文介绍了D*和D* Lite算法在机器人动态路径规划中的应用，这两种算法适用于环境未知或变化的场景。算法以目标点开始搜索，通过优先队列OpenList进行节点搜索，利用K值进行动态调整。当遇到障碍物时，通过Modify-Cost函数调整路径成本并传播到受影响的节点。相比于A*，D*算法更注重从目标向起点的搜索，减少计算开销。文章提供Matlab源码并展示了运行结果。
⛄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在动态变化的场景。
1 算法介绍
同A算法类似，D-star通过一个维护一个优先队列（OpenList）来对场景中的路径节点进行搜索，所不同的是，D不是由起始点开始搜索，而是以目标点为起始，通过将目标点置于Openlist中来开始搜索，直到机器人当前位置节点由队列中出队为止（当然如果中间某节点状态有动态改变，需要重新寻路，所以才是一个动态寻路算法）。
2 .1 符号表示
本部分主要介绍一下论文中用到的一些符号及其含义。
论文中将地图中的路径点用State表示，每一个State包含如下信息：
Backpointer: 指向前一个state的指针，指向的state为当前状态的父辈，当前state称为指针指向state的后代，
订阅专栏 解锁全文
扫一扫
211
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
