机器人路径规划:基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(提供Python代码)

迪杰斯特拉算法(Dijkstra)是由荷兰计算机科学家狄克斯特拉于1959年提出的,因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法,解决的是有权图中最短路径问题。迪杰斯特拉算法主要特点是从起始点开始,采用贪心算法的策略,每次遍历到始点距离最近且未访问过的顶点的邻接节点,直到扩展到终点为止。它可以找到从一个起始节点到其他所有节点的最短路径。

一、算法介绍

Dijkstra算法采用贪心策略,通过逐步扩展已知最短路径集合来逐步确定最短路径。它使用一个距离数组来记录从起始节点到其他节点的当前最短距离,并通过不断更新距离数组来逐步确定最短路径。

二、算法描述

  1. 创建一个距离数组dist\[\],用于记录起始节点到其他节点的当前最短距离。初始化dist\[\],将起始节点的距离设为0,其他节点的距离设为无穷大。

  2. 创建一个集合visited\[\],用于记录已经确定最短路径的节点。

  3. 重复以下步骤,直到visited\[\]包含所有节点:

a. 从未访问的节点中选择一个距离最小的节点u,将其加入visited\[\]。

b. 对于节点u的所有邻居节点v,更新其距离数组dist\[\]:

  • 如果通过节点u可以获得更短的路径,则更新distv为新的最短距离。
  1. 最终,dist\[\]数组中记录了起始节点到其他所有节点的最短距离。

三、算法流程

  1. 初始化dist\[\]数组和visited\[\]集合。

  2. 将起始节点的距离设为0。

  3. 重复以下步骤,直到visited\[\]包含所有节点:

a. 从未访问的节点中选择一个距离最小的节点u。

b. 将节点u加入visited\[\]。

c. 对于节点u的所有邻居节点v,更新其距离数组dist\[\]:

  • 如果通过节点u可以获得更短的路径,则更新distv为新的最短距离。
  1. 返回dist\[\]数组作为最短路径结果。

四、部分代码

复制代码
import matplotlib.pyplot as plt
import math

show_animation = True


class Dijkstra:

    def __init__(self, ox, oy, resolution, robot_radius):
        """
        Initialize map for a star planning

        ox: x position list of Obstacles [m]
        oy: y position list of Obstacles [m]
        resolution: grid resolution [m]
        rr: robot radius[m]
        """

        self.min_x = None
        self.min_y = None
        self.max_x = None
        self.max_y = None
        self.x_width = None
        self.y_width = None
        self.obstacle_map = None

        self.resolution = resolution
        self.robot_radius = robot_radius
        self.calc_obstacle_map(ox, oy)
        self.motion = self.get_motion_model()

    class Node:
        def __init__(self, x, y, cost, parent_index):
            self.x = x  # index of grid
            self.y = y  # index of grid
            self.cost = cost
            self.parent_index = parent_index  # index of previous Node

        def __str__(self):
            return str(self.x) + "," + str(self.y) + "," + str(
                self.cost) + "," + str(self.parent_index)

五、部分结果

六、完整Python代码

见下方联系方式

相关推荐
梯度下降者33 分钟前
Python - 函数
python·高阶函数·可调用对象·functools·嵌套作用域
forest_091 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
H.莓飛1 小时前
【C++】【STL】stack_OJ题
服务器·c语言·开发语言·数据结构·c++·算法·visual studio
火山引擎开发者社区2 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔2 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区2 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
starzy19903 小时前
深入理解Scala隐式参数:上下文流转
开发语言·python·scala
努力的MM1233 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI3 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能