路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

0 专栏介绍

🔥附C++/Python/Matlab全套代码🔥课程设计、毕业设计、创新竞赛必备!详细介绍全局规划(图搜索、采样法、智能算法等);局部规划(DWA、APF等);曲线优化(贝塞尔曲线、B样条曲线等)。

🚀详情:图解自动驾驶中的运动规划(Motion Planning),附几十种规划算法


1 什么是LPA*算法?

路径规划 | 图解动态A*(D*)算法(附ROS C++/Python/Matlab仿真)中我们介绍了D*算法,它最大的优势是可以同时兼容静态环境和存在未知动态变化的场景。

然而,D*虽然具备动态性,但由于算法只传播障碍信息,故规划路径只能保证可行性。例如D*算法中的实例

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

在将障碍移除后,该信息不会被感知。而终身规划A*(Lifelong Planning A*, LPA*)算法通过结合增量式启发式算法,在保证动态可行性的同时增强了最优性。

2 LPA*算法核心概念一览

LPA*算法的核心概念如下所示:

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

3 LPA*算法流程

LPA*算法主函数流程如下所示

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

核心函数路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)如下所示

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

4 步步图解:算法实例

以下面的栅格地图为例,红色栅格表示起点,蓝色栅格表示终点,黄色栅格表示开节点表中的节点
路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

LPA*算法的静态规划阶段如下图所示

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

LPA*算法动态路径修正阶段如下所示

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

5 算法仿真与实现

5.1 ROS C++实现

核心函数路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)如下所示

void LPAStar::computeShortestPath()
{
  while (1)
  {
    if (open_list_.empty())
      break;

    LNodePtr u = open_list_.begin()->second;
    open_list_.erase(open_list_.begin());
    u->open_it = open_list_.end();
    expand_.push_back(*u);

    // goal reached
    if (u->key >= this->calculateKey(goal_ptr_) && goal_ptr_->rhs == goal_ptr_->g_)
      break;

    // Locally over-consistent -> Locally consistent
    if (u->g_ > u->rhs)
    {
      u->g_ = u->rhs;
    }
    // Locally under-consistent -> Locally over-consistent
    else
    {
      u->g_ = INF;
      this->updateVertex(u);
    }

    std::vector<LNodePtr> neigbours;
    this->getNeighbours(u, neigbours);
    for (LNodePtr s : neigbours)
      this->updateVertex(s);
  }
}

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

5.2 Python实现

核心函数路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)如下所示

def computeShortestPath(self) -> None:
    '''
    Perceived dynamic obstacle information to optimize global path.
    '''
    while True:
        node = min(self.U, key=lambda node: node.key)
        if node.key >= self.calculateKey(self.goal) and \
                self.goal.rhs == self.goal.g:
            break

        self.U.remove(node)
        self.EXPAND.append(node)

        # Locally over-consistent -> Locally consistent
        if node.g > node.rhs:
            node.g = node.rhs
        # Locally under-consistent -> Locally over-consistent
        else:
            node.g = float("inf")
            self.updateVertex(node)

        for node_n in self.getNeighbor(node):
            self.updateVertex(node_n)

路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)

完整工程代码请联系下方博主名片获取


🔥 更多精彩专栏


👇源码获取 · 技术交流 · 抱团学习 · 咨询分享 请联系👇

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
心中带点小风骚的头像心中带点小风骚普通用户
上一篇 2023年3月22日 下午9:36
下一篇 2023年3月22日 下午9:50

相关推荐

此站出售,如需请站内私信或者邮箱!