开源了！机器人技术常用的路径规划算法（含动画演示）

（给Python开发者加星标，提升Python技能）

来源： 开源前哨

【导语】：一个实现了机器人技术中常用的路径规划算法的开源库，还有动图直观演示运行过程。该库公开时间不长，在 GitHub 已有 1200+ Star。

简介

在机器人研究领域，给定某一特定任务之后，如何规划机器人的运动方式至关重要。PathPlanning 是使用 Python 实现的存储库，实现了机器人技术中常用的路径规划算法。开发者还为每个算法设计了动画来演示运行过程，相当直观清晰。

项目地址：

https://github.com/zhm-real/PathPlanning

这个项目的贡献者目前是 4 位国内开发者。

目录结构

PathPlanning 库实现的路径规划算法包括基于搜索和基于采样的规划算法，目录结构如下：

下面我们直接通过开发者设计的动图了解各个算法的运行过程：

基于搜索的路径规划算法

（1）最佳路径优先搜索算法

"""
Best-First Searching
@author: huiming zhou
"""

import os
import sys
import math
import heapq

sys.path.append(os.path.dirname(os.path.abspath(__file__)) +
                "/../../Search_based_Planning/")

from Search_2D import plotting, env
from Search_2D.Astar import AStar


class BestFirst(AStar):
    """BestFirst set the heuristics as the priority 
    """
    def searching(self):
        """
        Breadth-first Searching.
        :return: path, visited order
        """

        self.PARENT[self.s_start] = self.s_start
        self.g[self.s_start] = 0
        self.g[self.s_goal] = math.inf
        heapq.heappush(self.OPEN,
                       (self.heuristic(self.s_start), self.s_start))

        while self.OPEN:
            _, s = heapq.heappop(self.OPEN)
            self.CLOSED.append(s)

            if s == self.s_goal:
                break

            for s_n in self.get_neighbor(s):
                new_cost = self.g[s] + self.cost(s, s_n)

                if s_n not in self.g:
                    self.g[s_n] = math.inf

                if new_cost < self.g[s_n]:  # conditions for updating Cost
                    self.g[s_n] = new_cost
                    self.PARENT[s_n] = s

                    # best first set the heuristics as the priority 
                    heapq.heappush(self.OPEN, (self.heuristic(s_n), s_n))

        return self.extract_path(self.PARENT), self.CLOSED


def main():
    s_start = (5, 5)
    s_goal = (45, 25)

    BF = BestFirst(s_start, s_goal, 'euclidean')
    plot = plotting.Plotting(s_start, s_goal)

    path, visited = BF.searching()
    plot.animation(path, visited, "Best-first Searching")  # animation


if __name__ == '__main__':
    main()

（2）Dijkstra搜索算法

（3）A*搜索算法

（4）双向A* 搜索算法

（5）重复 A*搜索算法

（6）ARA* 搜索算法

（7）LRTA* 搜索算法

（8）RTAA* 搜索算法

（9）D* 搜索算法

（10）终身规划 A* 搜索算法

（11）Anytime D* 搜索算法：变动较小

（12）Anytime D* 搜索算法：变动较大

基于采样的路径规划算法

（1）RRT 算法

（2）目标偏好 RRT 算法

（3）RRT_CONNECT 算法

（4）Extended_RRT 算法

（5）动态 RRT 算法

（6）N = 10000 时，rrt * 算法

（7）N = 1000 时，rrt*-Smart 算法

（8）FMT* 算法

（9）N =1000 时，Informed rrt * 算法

（10）BIT* 算法

以上是开发者设计的动画，是不是很直观生动呢？对路径规划算法感兴趣的童鞋可以到项目主页详细了解。

- EOF -

推荐阅读  点击标题可跳转

觉得本文对你有帮助？请分享给更多人

推荐关注「Python开发者」，提升Python技能

点赞和在看就是最大的支持❤️