来源丨古月居
我们在这里通过Python编程 matplotlib在这里，我们主要实现路径规划算法的数据可视化A Star算法、D Star算法、Dijkstra算法、RRT算法在2D空间下3D在空间下实现。
Astar在潜在的搜索图中有一个大区域。Dijkstra一样，Astar可用于搜索最短路径。BFS一样，Astar可以用启发函数引导自己。在简单的情况下，它和BFS一样快。
在程序入口部分，我们通过调用定义来指定起点和目标点Astar类别规划路径录，最后通过plot如图所示，可视化绘制显示。
类的初始化内容如下，主要介绍参数plot点坐标和算法类型。dict存储方式，plot如图所示，通过关键字搜索数据。
通过A Star如图所示，算法搜索路径点并添加显示。
如图所示，最终路径求解如下。
在A Star算法的3D在空间路径搜索部分，我们添加了所有向点Direction，这里所有的求解方向，如图所示。
其余部分和2D A Star与求解相同，这是增加求解实现描述显示，求解效果如图所示。
D Star算法对移动环境中的道路搜索也更有效。当迁移到当前节点时，只能检查最近路线上的结点和相邻节点的变化，包括机器人搜索。
通过调用，我们仍然指定起点和目标点DStar实现算法的验证和分析，如图所示。
类结构函数部分，调用Plotting类实现图表的初始结构，并声明相关阈值变量存储区，如图所示。
这部分是算法实现的核心，主要是贪婪策略迭代寻找更好的解决方案。如果发现路径比现在短，可以在这里向前或向后迭代。D Star如图所示
Dstar算法对2D如图所示：
D Star算法对3D如图所示，
Dijkstra算法也可以看作是贪婪的想法，首先保留从起点到每个节点之间的距离，找到v，然后放松找到v，所谓的放松方式是，第一次发现更近的距离作为中转站会更近，如果更近调整距离，所以当所有节点，从起点到其他节点之间保存并留下最短的距离。
和前两个一样，在指定起点和目标点后，调用定义Dijkstra类实现路径的搜索规划，最终通过plot可视化显示类。图可函数如图所示。
Dijkstra算法相对简单，这是基于数据结构的基本结构，核心代码如图所示。
Dijkstra算法2D路径规划如如图所示。
Dijkstra算法3D路径规划效果如图所示：
RRT(快速寻找随机树)是一种非常常见的方法，可以使用任何机器人类型、自由度和约束的复杂性。
它的基本原理非常简单，这是其在机器人应用领域流行的主要因素之一。但它的缺陷也非常突出，它得到的道路通常质量不是很好，比如棱角，不光滑，通常远离最佳路线。
RRT算法是基于抽样路径规划的D空间下的路径规划效果较好。核心功能函数如图所示。
RRT算法在3D规划效果如图所示。
本文仅做学术分享，如有侵权，请联系删文。
1.自动驾驶领域的多传感器数据集成技术
2.自动驾驶领域3D点云目标检测全栈学习路线！(单模态 多模态/数据 代码)3.彻底了解视觉三维重建：原理分析、代码解释、优化和改进4.中国第一门面向工业级实战的点云处理课程5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码解释6.彻底理解视觉-惯性-惯性SLAM：基于VINS-Fusion正式开课啦7.彻底了解基础LOAM框架的3D激光SLAM: 从源代码分析到算法优化8.室内外激光彻底分析SLAM关键算法原理、代码和实战(cartographer LOAM LIO-SAM)
9.从零开始建造一套结构光3D重建系统[理论 源码 实践]
10.单目深度估计方法:算法梳理和代码实现
11.在自动驾驶中部署深度学习模型
12.相机模型及标定(单目) 双目 鱼眼）
13.重磅！四旋翼飞机：算法与实战
14.ROS2从入门到精通:理论与实战:
15.国内首个3D缺陷检测教程：理论、源代码和实战
16.基于Open3D点云处理入门及实战教程
扫码添加小助手微信，可
也可以申请加入我们的细分交流群。目前主要有、、、、、等微信群。
注：，例如：”3D视觉 上海交大 安静。请按格式备注，可快速通过并邀请进入群。也请联系。
▲长按加微信群或投稿
▲长按关注微信官方账号
：针对3D视觉领域的深耕五个方面，各大厂的算法工程师进行技术指导。同时，星球将与知名企业合作发布3家D视觉相关算法开发岗位和项目对接信息，打造集技术与就业于一体的铁杆粉丝聚集区，近4000星球成员打造更好的AI世界共同进步，知识星球入口:
学习3D视觉核心技术，扫描查看介绍，3天内无条件退款
圈子里有高质量的教程资料，回答问题，帮助你有效地解决问题