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
对方正在长头发丿25 分钟前
LETTERS(DFS)
c++·笔记·算法·深度优先·图论
Qian_ShouYi26 分钟前
MATLAB 代码学习
学习·算法·matlab
lovebugs1 小时前
K8s面试第一篇:初识Kubernetes——核心概念与组件详解
后端·算法·面试
HelloDam2 小时前
基于元素小组的归并排序算法
后端·算法·排序算法
HelloDam2 小时前
基于连贯性算法的多边形扫描线生成(适用于凸多边形和凹多边形)【原理+java实现】
算法
uhakadotcom3 小时前
Apache Airflow入门指南:数据管道的强大工具
算法·面试·github
跳跳糖炒酸奶3 小时前
第四章、Isaacsim在GUI中构建机器人(2):组装一个简单的机器人
人工智能·python·算法·ubuntu·机器人
绵绵细雨中的乡音3 小时前
动态规划-第六篇
算法·动态规划
程序员黄同学4 小时前
动态规划,如何应用动态规划解决实际问题?
算法·动态规划
march_birds4 小时前
FreeRTOS 与 RT-Thread 事件组对比分析
c语言·单片机·算法·系统架构