当前位置:首页 » 《随便一记》 » 正文

基于PRM(probabilistic roadmaps)算法的机器人路线规划算法matlab仿真

7 人参与  2022年10月17日 16:59  分类 : 《随便一记》  评论

点击全文阅读


目录

一、理论基础

二、MATLAB仿真程序

三、仿真结果


一、理论基础

地图和机器人的模型如下:

1.使用一个2*2的网格大小(gridsize)和5度的角分辨率(angular resolution),创建机器人的构型空间(Configurationspace)。请简单说明,并输出构型空间的视图。
机器人的初始状态:坐标(0,45),90度

2.使用谈心搜索算法计算从(50,50)到(750, 250)的最短路径。请在图中标明并且输出最短路径的长度。

3.使用中轴变换计算最安全的路径(最安全的路径是指离墙最远的路径)。请在图中标明并且输出最短路径的长度。

4.使用PRM(probabilistic roadmaps)算法计算从(50,50)到(750, 250)的最短路径。分别使用50、100、500个样本点。请在图中标明并输出这些路径的长度。
 


使用一个2*2的网格大小(grid size)和5度的角分辨率(angular resolution),创建机器人的构型空间(Configuration space)。请简单说明,并输出构型空间的视图。

机器人的初始状态:坐标(0,45),90度

       这里,如果按1*1的方格,算法将及其复杂,数据量极大,我们这里将网格进行分割。300*800的空间,分割为10*10一个方格。

      PRM算法是通过对空间进行大量采样来构建路线图,用于后续的特定查询。路线图是无向连接图,车辆或机器人可以路线图上由任意一点移动到其他点。点与点连接线最简单的就是直线。路线图构建好之后可以采用经典的A*算法来搜索路径。PRM算法构建路线图过程如下所示。

二、MATLAB仿真程序

clc;clear;close all;warning off;addpath 'func\'%转弯分辨率ang   = 5/180*pi;W     = 800;H     = 300;K     = 10;Scale = max(W,H)/K;[MAPs,Start,Ends,cc,MAPpoint] = func_wall(Scale,K);%显示方格场景图func_Map2fig(MAPs,Start,Ends,H/K,W,H,K);S1    = Start;S2    = 0;S3    = inf;S4    = [];S5    = [];Paths = ['R','L','D','U'];%开始贪心算法搜索,while ~max(ismember(S1,Ends))&&~isempty(S1)    [temp,kj]           = min(S2+S3);    %搜索路径值用来判断往哪走    [path1,path2,path3] = func_search(S1(kj),S2(kj),MAPs,Ends);    S4                  = [S4;S1(kj)];    S5                  = [S5;S2(kj)];    %判决    if kj>1&&kj<length(S1)        S1=[S1(1:kj-1);S1(kj+1:end)];        S2=[S2(1:kj-1);S2(kj+1:end)];        S3=[S3(1:kj-1);S3(kj+1:end)];    else        S1=[S1(kj+1:end)];        S2=[S2(kj+1:end)];        S3=[S3(kj+1:end)];    end        for jj=1:length(path3)        if ~isinf(path1(jj))            if ~max([S1;S4]==path3(jj))                MAPpoint{path3(jj)}=Paths(jj);                 S1 = [S1; path3(jj)];                 S2 = [S2; path1(jj)];                 S3 = [S3; path2(jj)];            elseif max(S1==path3(jj))                i=find(S1==path3(jj));                if S2(i)>path1(jj)                    S2(i)=path1(jj);                    S3(i)=path2(jj);                    MAPpoint{S1(i)}=Paths(jj);                end            else i=find(S4==path3(jj));                if S5(i)>path1(jj)                   S5(i)=path1(jj);                   MAPpoint{S4(i)}=Paths(jj);                  end            end        end    end    if isempty(S1)        break;    endendPathss=func_check(Ends,MAPpoint); figure(1);plot(Pathss(:,1)+0.5,Pathss(:,2)+0.5-(W-H)/K,'color',[0 1 0],'LineWidth',2);title('贪婪算法');X=Pathss(:,1)+0.5;Y=Pathss(:,2)+0.5-(W-H)/K;%输出长度d=0;for i = 1:length(X)-1    d = d+K*sqrt((X(i)-X(i+1))^2 + (Y(i)-Y(i+1))^2);endd

三、仿真结果

 

 

A16-73 

 


点击全文阅读


本文链接:http://m.zhangshiyu.com/post/45293.html

<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

关于我们 | 我要投稿 | 免责申明

Copyright © 2020-2022 ZhangShiYu.com Rights Reserved.豫ICP备2022013469号-1