结果展示
这里对于图形化界面进行一个简单的介绍:
绿色:已搜索(待遍历)节点;
浅灰色:搜索过程中的最小F数值点;
红色:起点;
绿色:终点;
黄色:最终的生成路径;
黑色:障碍物(不可走坐标);
A_star类
源码如下所示:
class A_star
{
public:
A_star() {};
~A_star();
void Astar_algorithm();
bool judge_env_legal(const Point&);
int calcu_Hn(const Point&);
int calcu_Gn(const Point&);
int calcu_cost(const Point&, const Point&);
void set_start_end_obs_map(Graph&);
void add_openset(Point* p) { openset.push_back(p); };
void add_fatherset(Point* p) { fatherset.push_back(p); };
void delete_openset(const int& idx) {openset.erase(openset.begin() + idx);};
void search_env_block(Point*);
void calcu_type_selection(int&, const int&, const int&);
void show_para_below(Point*);
bool is_alread_set(std::vector<Point*>&, Point*);
void get_trajectory(const Point*);
UserPara get_astar_userpara();
Point* find_min_Fn(int& idx);
private:
int cross_cost = 14;
int plane_cost = 10;
std::vector<Point*> openset;
std::vector<Point*> fatherset;
//std::vector<Point*> trajectory;
std::vector<Point*> obstacleset;
Point start;
Point end;
UserPara user_trajectory;
const int env_nums = 8;
//int offset_x[4] = {0, 1, 0, -1};
//int offset_y[4] = {-1, 0, 1, 0};
int offset_x[8] = {-1, 0, 1, 1, 1, 0, -1, -1};
int offset_y[8] = { -1, -1, -1, 0, 1, 1, 1, 0};
};
这个就是A_star类定义,下面是Astar_algorithm函数主体:
void A_star::Astar_algorithm()
{
int min_Fn_idx(0);
Point* min_Fn_p = new Point(start.x, start.y);
memcpy(min_Fn_p, &start, sizeof(start));
add_openset(min_Fn_p);
while (!openset.empty()) {
Graph::show_map(user_trajectory);
min_Fn_p = find_min_Fn(min_Fn_idx);
show_para_below(min_Fn_p);
if (*min_Fn_p == end) { break; }
search_env_block(min_Fn_p);
add_fatherset(min_Fn_p);
delete_openset(min_Fn_idx);
user_trajectory.map[min_Fn_p->x][min_Fn_p->y] = PASS_SEARCH;
}
get_trajectory(min_Fn_p);
}
可以看到,这个这个函数主体就是这篇文章里的伪代码的具体实现:[Astar_algorithm01]A*算法伪代码以及思路
那么接下来就是算法探索邻域的方法了,从父节点往外走,一共有8个格点可以走,搜索节点的方法也是通过数组来进行索引的,具体示意图如下:
获得了搜索坐标点之后我们需要判断搜索的点是不是合法的,是不是超过了地图界限,如果是的话,需要delete掉申请的堆里的内存。那么如果搜索到的是正常的节点的时候就需要进行操作了。
首先是计算该节点的新G值,计算方法就是父节点的G加上父节点到该搜索节点的cost。
接下来就需要判断该坐标的节点是否已经遍历过且存到了fatherset里面或者是否是障碍物,如果是的话同样需要delete掉堆内的内存,如果不是的话就是可以更新探索的节点了。
如果该搜索节点已经在了openset里,那就说明这个点已经搜索过了,那么之后当该节点的新G值小于原来就有的G值的时候就需要进行G值,F值的更新否则不做操作,或者如果该搜索节点没有在openset里面,就只需要添加G值,F值然后把该节点加入openset即可。
void A_star::search_env_block(Point* p)
{
int temp_cost(INT_MAX);
for (int i = 0; i < env_nums; i++) {
Point* search_p = new Point((*p).x + offset_x[i], (*p).y + offset_y[i]);
if (judge_env_legal(*search_p)) {
temp_cost = (*p).Gn + calcu_cost(*p, *search_p);
if (is_alread_set(obstacleset, search_p) || is_alread_set(fatherset, search_p)) {
delete search_p;
continue;
}
else {
user_trajectory.map[search_p->x][search_p->y] = SEARCH;
if (!is_alread_set(openset, search_p)) {
search_p->Gn = temp_cost;
search_p->Fn = search_p->Gn + calcu_Hn(*search_p);
search_p->pre_point = p;
add_openset(search_p);
}else if(search_p->Gn > temp_cost){
search_p->Gn = temp_cost;
search_p->Fn = search_p->Gn + calcu_Hn(*search_p);
search_p->pre_point = p;
}
}
}
else {delete search_p;}
}
}
评论(0)
您还未登录,请登录后发表或查看评论