本文共 2830 字,大约阅读时间需要 9 分钟。
RRT,快速随机生成树,顾名思义,是一种路径规划问题。
假如,我们要设计一个自动规划路径的机器人,适用场景在室内。但是,在室内有很多家具的阻碍,我们需要机器人避开阻碍到达终点。现在,我们可以进行编写程序了。第一步,我们设定起点和终点,以及每次随机路径的步长,并导入一些python实现RRT算法的一些库。
import numpy as npimport matplotlib.pyplot as pltimport randomimport mathstart_x= 0start_y= 0goal_x=100goal_y=-2max_size=1000truepath=[]#initial the start and the goalpx=start_xpy=start_yfoot_length=10i=0x=[0]y=[0]
第二步,我们生成随机点,然后进行判断新生成的路劲是否在障碍物上,如果符合条件,则存放在队列中。
for j in range(1000000): num1=random.random() num2=random.random() random_x=120 * num1 random_y=5 * (-0.5 + num2) if random_x>px: new_x=px+(random_x-px)/foot_length new_y=py+(random_y-py)/foot_length #7550 and new_x<55 and new_y<2 and new_y>0.5: flag_1=1 else: flag_1=0 #35 <40 1 <2 if new_x>20 and new_x<25 and new_y<2 and new_y>0.5: flag_11=1 else: flag_11=0 #35 <40 -1 <0 if new_x>20 and new_x<25 and new_y<-0.5 and new_y>-2: flag_111=1 else: flag_111=0 # if new_x>50 and new_x<55 and new_y<-0.5 and new_y>-2: flag_1111=1 else: flag_1111=0 distance_c=math.sqrt((goal_x-px)**2+(goal_y-py)**2) distance_a=math.sqrt((goal_x-new_x)**2+(goal_y-new_y)**2) if distance_c>distance_a:#last point > new point flag_2=1 else: flag_2=0 if flag_1==0 and flag_2==1 and flag_11==0 and flag_111==0 and flag_1111==0: x.append(new_x) y.append(new_y) px=new_x py=new_y
第三步,绘制图形部分,绘制障碍物以及机器人所要行走的路径。
qiang1_x=[]qiang1_y=[]qiang2_x=[]qiang2_y=[]#障碍物坐标qiang3_x=[]qiang3_y=[]qiang4_x=[]qiang4_y=[]for i in range(100000): qiang1_x.append(random.randint(50,55)) qiang1_y.append(0.5+2*random.random())plt.scatter(qiang1_x,qiang1_y,s=10,color="blue") for i in range(100000): qiang2_x.append(random.randint(20,25)) qiang2_y.append(0.5+2*random.random()) plt.scatter(qiang2_x,qiang2_y,s=10,color="blue") for i in range(100000): qiang3_x.append(random.randint(50,55)) qiang3_y.append(-0.5-2*random.random())plt.scatter(qiang3_x,qiang3_y,s=10,color="blue") for i in range(100000): qiang4_x.append(random.randint(20,25)) qiang4_y.append(-0.5-2*random.random()) plt.scatter(qiang4_x,qiang4_y,s=10,color="blue") plt.scatter(start_x,start_y,s=100,color="black")plt.scatter(goal_x,goal_y,s=100,color="black") #RRT路径plt.plot(x,y,color="red")#plt.plot(x,y)#plot还有很多参数,可以查API修改,如颜色,虚线等plt.title("");plt.xlabel("x");plt.ylabel("y");plt.show()
然后可以得到如下机器人行走路径:
这里,我们发现机器人行走的路径较为稳定,符合我们RRT算法的需求。 但是,应用到实际,可能会有一些问题。 笔者改过输入的起点以及终点的坐标,发现变化情况很大 笔者将起点和终点分别更改后,得到如下图形 理论上是可行的,但是实际上,机器人是不可能贴着墙行走。 所以本RRT算法还需要通过现代算法进行优化,笔者能力有限,希望大家一起学习。转载地址:http://ioprn.baihongyu.com/