网站首页 > 技术教程 正文
描述
上一篇文章混合A*算法详解(一)路径搜索
路径损失函数使用Voroni势能图
根据之前的文章分析,决定A*路径长度的有两点:路径长度和距离障碍物远近。Voroni图用于权衡这两者。之前我在记录二维点云的阿尔法形状算法时简单介绍过维诺图,链接在这里。
阿尔法形状算法与2D点云的C++实现
维诺图可以将每个障碍物作为一个多边形的中心。障碍物与障碍物之间,被等分的线段分割开,使得整个环境构成了一张维诺图。它有如下几个性质:
1.每个多边形中只有一个节点;
2.相邻多边形中的节点到达他们公共边的距离相等;
3.多边形内的点距离其中心,比距离其他多边形的中心都要近
论文在维诺图的基础上提出了维诺势能(Voroni Field)。它的公式如下:
(,)pv(x,y)代表节点在某一位置的势能,α代表下降速率,dO?代表节点到最近障碍物的距离,dV?代表节点到维诺图多边形边的距离。dOmax?代表势能值的最大有效范围。根据该势能会生成一个维诺图(the Generalized Voronoi Diagram,GVD)
该势能有以下几个特点:
1.超出势能值范围的势能都为0;
2.势能值(,)?[0,1]pV?(x,y)?[0,1],且在(,)(x,y)范围内是连续的;
3.只有在障碍物内部才会达到最大值;
4.在GVD的边上达到最小值。
Voronoi场相对于传统势场的关键优势在于,势能值是根据总可用导航间隙按比例缩放的。因此,即使很窄的开口仍然是可导航的,这在标准势场中并不总是如此。在传统势场中,障碍物周围的场值通常被设置为无穷大,这意味着车辆无法穿越这些区域。相比之下,Voronoi场根据可用的导航间隙来调整势能值,这意味着即使在狭窄的空间内,车辆也可以找到可穿越的路径。
论文给出了几张图,如下:
图a显示了一个模拟停车场对应的Voroni势能图,图b是其对应的GVD图。注意到障碍物之间的狭窄空隙没有被势能阻挡,在他们之间总会有一条=0pV?=0的势能为0路径。图c显示了一个反例,当势能公式为(,)=(+(,))?1p(x,y)=α(α+dO?(x,y))?1时,障碍物之间仍然有比较高的势能。
下图显示了一个真实停车场的维诺地图中的一条驾驶轨迹。
点击混合A*算法详解(二)路径平滑——古月居可查看全文
猜你喜欢
- 2024-10-25 AMEYA360报道:智能扫地机器人 SLAM技术与A算法
- 2024-10-25 基于LFOA算法的相关向量机核参数优化
- 2024-10-25 定积分的换元法与分部积分法 定积分的换元和分部
- 2024-10-25 Apriori算法是什么?适用于什么情境?
- 2024-10-25 用Python写一个A*搜索算法含注释说明
- 2024-10-25 浅谈什么是分治算法 浅谈什么是分治算法是什么
- 2024-10-25 技术分享 | Prometheus避障—A_star算法代码阅读
- 2024-10-25 浅析机器人学位置与姿态之坐标系绕任意轴线旋转算法
- 2024-10-25 一文简介常见的机器学习算法 常见机器学习算法
- 2024-10-25 欧几里得算法 最大公约数欧几里得算法
你 发表评论:
欢迎- 07-01类似于STM32之类的单片机,RTOS比裸机真有那么大优势?
- 07-01单片机系统按键硬件、软件设计技巧
- 07-01单片机键盘消抖“独门”汇编方案分享,不用延时还能用什么?
- 07-01单片机引脚功能介绍(单片机引脚工作原理)
- 07-01单片机与外设的交互(单片机与电脑交互)
- 07-0126单片机的最小电路介绍(单片机最小电路图pcb)
- 07-01汇编入门第一篇,小白也能看懂(汇编rl)
- 07-01单片机简介(arm单片机)
- 最近发表
- 标签列表
-
- sd分区 (65)
- raid5数据恢复 (81)
- 地址转换 (73)
- 手机存储卡根目录 (55)
- tcp端口 (74)
- project server (59)
- 双击ctrl (55)
- 鼠标 单击变双击 (67)
- debugview (59)
- 字符动画 (65)
- flushdns (57)
- ps复制快捷键 (57)
- 清除系统垃圾代码 (58)
- web服务器的架设 (67)
- 16进制转换 (69)
- xclient (55)
- ps源文件 (67)
- filezilla server (59)
- 句柄无效 (56)
- word页眉页脚设置 (59)
- ansys实例 (56)
- 6 1 3固件 (59)
- sqlserver2000挂起 (59)
- vm虚拟主机 (55)
- config (61)
本文暂时没有评论,来添加一个吧(●'◡'●)