自动驾驶小白说 🏎️4.6.c Hybrid A*代码解析
type
status
slug
date
summary
tags
category
password
icon
有些鸟儿是关不住的，它们的羽毛太鲜亮了。
—《肖申克的救赎》
🏰代码及环境配置：请参考0.2 环境配置和代码运行 | 动手学运动规划!
本节提供了Hybrid A*算法的代码测试：
4.6.c.1 构图的代码实现
本节构建的图比较简单，主要包含map border（
board_x和board_y）和obstacles（ox和oy），读者也可根据需求修改构图方式。4.6.c.2 Hybrid A*的代码实现
在Hybrid A*算法中，基于环境信息，起始点位置，目标点位置以及
x, y ,yaw 的分辨率搜到最优路径：start:起始点信息：x，y，yawgoal:目标点信息：x，y，yawox:障碍物和地图边界的x坐标序列oy:障碍物和地图边界的x坐标序列xy_resolution: x和y的分辨率，用来encoding坐标值yaw_resolution:yaw的分辨率，用来encoding横摆角最终返回一条路径：path: 包含了一系列的x, y和yaw信息
🌞Note: 在进行碰撞检测时会使用kdtree来加速
另外hybrid a star算法中，启发式函数时使用动态规划计算所有点到终点的距离，此时我们是考虑了障碍物的影响的。
在进行一个节点的analytic expansion时我们使用的时Reeds Shepp 曲线：
4.6.c.3 Hybrid A*的代码测试
在
main 函数中设置起始点，目标点，grid的分辨率和yaw的分辨率，在创建grid map之后，并运行Hybrid A*算法，即可找到最优路径。如下图所示，红色路径即为最终Hybrid A*搜出来的最优路径。
Loading...
