路径规划——RRT*算法

路径规划------RRT*算法

算法原理

RRT Star 算法是一种渐近最优的路径规划算法,它是 RRT 算法的优化版本。RRT Star 算法通过不断地迭代和优化,最终可以得到一条从起点到目标点的最优路径。

在学习RRT Star 算法之前最好先学习一下RRT原始算法:RRT算法

与RRT 算法相比,RRT Star 算法的主要不同之处在于它对已构建的路径进行优化,以提高搜索效率和精度。RRT Star算法与RRT算法的区别主要在于重新选择父节点和重新布线两个方面。

1.重新选择父节点过程

在新产生的节点node_new附近以定义的半径范围内寻找"近邻",作为替换父节点的备选。依次计算"近邻"节点到起点的路径代价加上到每个"近邻"的路径代价,具体过程如下图:

在上图中的这种情况下,以节点4作为node_new节点的父节点时路径代价是最小的,因此当前随机树的结构无需改动。

如果是下图的情况:

此时,以节点6作为node_new节点的父节点时的路径代价是最小的,因此进行随机树结构改动为如下图所示:

2.重新布线过程

在为node_new节点重新选择父节点后,为了进一步使随机树节点间的代价尽量小,为随机树重新布线。如果"近邻节点"的父节点改为node_new节点可以减小路径代价,则进行更改。如下图所示:

原来的路径情况:

将近邻节点的父节点改为node_new节点后的路径情况:

可以发现将节点6和8的父节点改为node_new后路径代价大于原来的路径代价,因此不需要改变节点6和8的父节点。

而对于节点4和7,将其父节点改为node_new后路径代价小于原来的路径代价,因此需要将节点4和7的父节点改为node_new,则新生成的随机树如下图所示:

这两部分的实现代码:

python 复制代码
for node_n in node_list:
    new_dist = self.distance(node_n,node_new)
    if new_dist < self.search_r and not self.isCollision(node_n, node_new):

        cost = node_n.cost + new_dist
        if node_new.cost > cost:
            # find who is the best parent of node_new
            node_new.parent = node_n.position
            node_new.cost = cost
            else:
                cost = node_new.cost + new_dist
                if node_n.cost > cost:
                    # find whose best parent is node_new
                    node_n.parent = node_new.position
                    node_n.cost = cost
                    else:
                        continue
相关推荐
YuTaoShao4 分钟前
【LeetCode 热题 100】994. 腐烂的橘子——BFS
java·linux·算法·leetcode·宽度优先
Wendy14418 小时前
【线性回归(最小二乘法MSE)】——机器学习
算法·机器学习·线性回归
拾光拾趣录8 小时前
括号生成算法
前端·算法
渣呵9 小时前
求不重叠区间总和最大值
算法
拾光拾趣录9 小时前
链表合并:双指针与递归
前端·javascript·算法
好易学·数据结构9 小时前
可视化图解算法56:岛屿数量
数据结构·算法·leetcode·力扣·回溯·牛客网
香蕉可乐荷包蛋10 小时前
AI算法之图像识别与分类
人工智能·学习·算法
chuxinweihui10 小时前
stack,queue,priority_queue的模拟实现及常用接口
算法
tomato0910 小时前
河南萌新联赛2025第(一)场:河南工业大学(补题)
c++·算法
墨染点香11 小时前
LeetCode Hot100【5. 最长回文子串】
算法·leetcode·职场和发展