C++結合OpenCV實現RRT算法(路徑規劃算法)
1.RRT算法簡介
代碼鏈接:RRT
動圖展示
RRT
2.算法整體框架流程
RRT算法整體框架主要分為rand、near、new三點的建立和near與new之間的安全性檢查
2.1 rand點的建立
rand點表示在地圖 M M M中隨機采樣獲得,記住是隨機。我們可以通過設計隨機函數,讓盡可能的點進入空曠區域,即算法框架中的Sample函數。下圖中紅色點表示起點,綠色的點表示終點。
2.2 near和new點的建立
near點表示從RRT樹 Γ Gamma Γ中通過距離函數,判斷樹中哪個點距離當前rand點最近,此時該點即為near點。對應於算法框架中的Near函數。
new點表示以near點到rand為方向,以 E i E_i Ei為步長,生成的一個新點。對應於算法框架的Steer函數。
2.3 安全性檢查
若上述的new點在安全區域內,且new與near點連線安全,則會在RRT樹中進行擴展,否則不會進行擴展。對應於算法框架中的CollisionFree函數。
2.4 算法結束判斷
算法框架中的當new點與goal相等,表示算法運行成功,但是實際編程情況中,new點與goal點會存在一定的距離閾值。
3.RRT代碼框架
3.1 主函數
main.cpp :首先通過地圖文件中讀取地圖數據(本次代碼提供兩張地圖,供測試使用),然後設置RRT算法的起點和終點,以及相關參數設置,例如距離閾值、步長、迭代次數等。其次通過RRT算法的接口函數RRTCore和CreatePath獲得RRT算法的路徑,最後通過顯示函數Display進行數據可視化。
#include <iostream> #include <vector> #include <string> #include "map.h" #include "display.h" #include "RRT.h" using namespace std; int main() { //讀取地圖點 //vector<vector<int>>mapData = MapData("map/map.txt"); 定義起點和終點,以及閾值 //int xStart = 10; //int yStart = 10; //int xGoal = 700; //int yGoal = 700; //int thr = 50; //int delta = 30; //int numer = 3000; //讀取地圖點 vector<vector<int>>mapData = MapData("map/map6.txt"); //定義起點和終點,以及閾值 int xStart = 134; //起點x值 int yStart = 161; //起點y值 int xGoal = 251; //終點x值 int yGoal = 61; //終點y值 int thr = 10; //結束與終點的距離閾值 int delta = 10; //步長 int numer = 3000; //迭代參數 //創建RRT對象 CRRT rrt(xStart, yStart, xGoal, yGoal, thr, delta, mapData); vector<pair<float, float>>nearList, newList; vector<pair<int, int>>path; //RRT核心函數 bool flag = rrt.RRTCore(nearList, newList,numer); if (flag == true) { //通過RRT獲得路徑 rrt.CreatePath(path); std::cout << "path size is:" << path.size() << std::endl; //顯示函數 Display(xStart, yStart, xGoal, yGoal, mapData, path, nearList, newList); } return 0; }
3.2 地圖數據的獲取
本次地圖數據通過python程序將地圖圖片中的障礙物的位置存儲起來,然後通過C++流的方式進行讀取。
img2txt.py:該程序可以將彩蛇或者黑白地圖中的障礙物**(gray_img [ i ] [ j ] [i][j] [i][j]== 0,數據0在圖片中為純黑,表示障礙物;255在圖片中為純白,表示自由可通行區域)**讀取,然後以txt的格式進行存儲。python程序需要opencv的環境,大傢自己百度安裝。
# -*- coding: utf-8 -*- import matplotlib.pyplot as plt # plt 用於顯示圖片 import numpy as np import cv2 img = cv2.imread("map/map6.bmp") print(img.shape) if len(img.shape)==3: print("圖片為彩色圖") gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) elif len(img.shape)==2: print("圖片為灰度圖") gray_img=img h=gray_img.shape[0] w=gray_img.shape[1] print (gray_img.shape) f = open("map/map6.txt", "wb") # 尺寸 h, w f.write((str(h) + " " + str(w) + " ").encode("utf-8")) for i in range(h): for j in range(w): if gray_img[i][j] == 0: print("hello world") f.write((str(i) + " " + str(j) + " ").encode("utf-8")) f.close() print ("map.txt save sucessful")
其中保存的地圖txt數據分為兩部分,第一行表示地圖的高和寬;從第二行開始表示障礙物的坐標值,例如234 648表示第648行,第234列那個點的圖像像素值為0。圖像坐標系中原點坐標在圖像的左上角,x軸向右,y軸向下。
800 800
234 648
234 649
234 650
234 651
234 652
234 653
234 654
234 655
234 656
234 657
234 658
234 659
…
map.h
#pragma once #ifndef __MAP__ #define __MAP__ #include <vector> #include<iostream> #include <string> using namespace std; vector<vector<int>> MapData(std::string _MapPath); #endif
map.cpp:通過C++流的方式進行txt數據的讀取,按照上述存儲方式進行讀取。
/*該函數是讀取map.txt形成一個二維數組num,其中num裡面0表示障礙物,255為可自由區域*/ #include "map.h" #include<fstream> #include<sstream> vector<vector<int>>MapData(std::string _MapPath) { ifstream f; f.open(_MapPath); string str; vector<vector<int> > num; bool FirstLine = true; while (getline(f, str)) //讀取1行並將它賦值給字符串str { if (FirstLine) { istringstream in(str); // c++風格的串流的輸入操作 int a; in >> a; int height = a; in >> a; int wight = a; num.resize(height, vector<int>(wight, 255)); FirstLine = false; } else { istringstream input(str); // c++風格的串流的輸入操作 vector<int> tmp; int a; while (input >> a) //通過input將第一行的數據一個一個的輸入給a tmp.push_back(a); num[tmp[0]][tmp[1]] = 0; } } return num; }
3.3 RRT算法的實現
RRT.h:主要通過RRTCore函數實現RRT算法的本體,通過CreatePath函數獲得RRT算法的路徑。
#pragma once #ifndef __RRT__ #define __RRT__ #include <iostream> #include <string> #include <vector> #include <math.h> #include "ctime" #define N 999 #define pi 3.1415926 using namespace std; //定義RRT搜索樹結構 struct Tree { float Sx; //當前點的x值 float Sy; //當前點的y值 //new點 float SxPrev; //該點先前點的x值 float SyPrev; //該點先前點的x值 //near點 float Sdist; //near點與new點的距離 int SindPrev; //new點的索引 }; class CRRT { public: //RRT構造函數 CRRT(int _xStart, int _yStart, int _xGoal, int _yGoal, int _thr, int _delta, vector<vector<int>>_map); //距離計算函數 inline float GetDist(int _x1, int _y1, int _x2, int _y2); //與rand點距離較近的點在RRT樹中的索引 int GetMinIndex(int _x1, int _y1, vector<Tree>_T); //點的安全性判定 inline bool FeasiblePoint(float _x, float _y, vector<vector<int>>_map); //near點與new點連線之間的碰撞檢測 bool CollisionChecking(vector<float> _startPose, vector<float> _goalPose, vector<vector<int>>_map); //RRT核心函數 bool RRTCore(int _numer,vector<pair<float,float>>& _nearList, vector<pair<float, float>>& _newList); //RRT生成路徑函數 void CreatePath(vector<pair<int, int>>& _path); private: vector<Tree> m_TreeList; //RRT搜索樹列表 Tree m_tree; //RRT搜索樹 vector<vector<int>>m_map; //二維地圖 int m_xStart; //起點X值 int m_yStart; //起點Y值 int m_xGoal; //終點X值 int m_yGoal; //終點Y值 int m_thr; //距離閾值 int m_delta; //步長 int m_mapWight; //地圖寬度 int m_mapHight; //地圖高度 }; #endif
RRT.cpp:主要實現RRT.h頭文件中的各成員函數。
#include "RRT.h" /*********************************************************** *@函數功能: RRT構造函數,對地圖寬度和高度進行初始化 ----------------------------------------------------------- *@函數參數: _xStart 起點X值 _yStart 起點Y值 _xGoal 終點X值 _yGoal 終點Y值 _thr 距離閾值 _delta 步長 _map 地圖 ----------------------------------------------------------- *@函數返回: 無 ***********************************************************/ CRRT::CRRT(int _xStart, int _yStart, int _xGoal, int _yGoal, int _thr, int _delta, vector<vector<int>>_map ):m_xStart(_xStart),m_yStart(_yStart),m_xGoal(_xGoal),m_yGoal(_yGoal),m_thr(_thr),m_delta(_delta),m_map(_map) { m_mapWight = _map[0].size(); m_mapHight = _map.size(); } /*********************************************************** *@函數功能: 兩點距離計算函數 ----------------------------------------------------------- *@函數參數: _x1 第一個點X值 _y1 第一個點Y值 _x2 第二個點X值 _y2 第二個點Y值 ----------------------------------------------------------- *@函數返回: 兩點之間的距離值 ***********************************************************/ inline float CRRT::GetDist(int _x1, int _y1, int _x2, int _y2) { return sqrt(pow((_x1 - _x2), 2) + pow((_y1 - _y2), 2)); } /*********************************************************** *@函數功能: 求rand點距離較近的點在RRT樹中的索引 ----------------------------------------------------------- *@函數參數: _x1 rand點X值 _y1 rand點Y值 _T RRT搜索樹列表 ----------------------------------------------------------- *@函數返回: 最近索引值 ***********************************************************/ int CRRT::GetMinIndex(int _x1, int _y1, vector<Tree>_T) { float distance = FLT_MAX; //FLT_MAX表示float最大值 int index = 0; for (int i = 0; i < _T.size(); i++) { if (GetDist(_x1, _y1, _T[i].Sx, _T[i].Sy) < distance) { distance = GetDist(_x1, _y1, _T[i].Sx, _T[i].Sy); index = i; } } return index; } /*********************************************************** *@函數功能: 點的安全性判定 ----------------------------------------------------------- *@函數參數: _x1 點X值 _y1 點Y值 _map 地圖點 ----------------------------------------------------------- *@函數返回: true表示該點安全,false表示不安全 ***********************************************************/ inline bool CRRT::FeasiblePoint(float _x, float _y, vector<vector<int>>_map) { //判斷該點是否在地圖的高度和寬度范圍內,且是否在障礙物內 if (!(_x >= 0 && _x < m_mapWight && _y >= 0 && _y < m_mapHight && _map[_y][_x] == 255)) return false; return true; } /*********************************************************** *@函數功能: near點與new點連線之間的碰撞檢測 ----------------------------------------------------------- *@函數參數: _startPose near點 _goalPose new點 _map 地圖點 ----------------------------------------------------------- *@函數返回: true表示安全,false表示不安全 ***********************************************************/ bool CRRT::CollisionChecking(vector<float> _startPose, vector<float> _goalPose, vector<vector<int>>_map) { //new點若在障礙物內,直接返回false if (!(FeasiblePoint(floor(_goalPose[0]), ceil(_goalPose[1]), _map))) { return false; } float dir = atan2(_goalPose[0] - _startPose[0], _goalPose[1] - _startPose[1]); float poseCheck[2] = { 0.0,0.0 }; float stop = sqrt(pow(_startPose[0] - _goalPose[0], 2) + pow(_startPose[1] - _goalPose[1], 2)); //r+=2表示在near與new連線的基礎上,每次移動2個步長 for (float r = 0; r <= stop; r += 2) { poseCheck[0] = _startPose[0] + r*sin(dir); poseCheck[1] = _startPose[1] + r*cos(dir); //由於poseCheck點為float類型,為亞像素級,因此判斷該點四領域的像素值,ceil向上取整,floor向下取整 if (!(FeasiblePoint(ceil(poseCheck[0]), ceil(poseCheck[1]), _map) && FeasiblePoint(floor(poseCheck[0]), floor(poseCheck[1]), _map) && FeasiblePoint(ceil(poseCheck[0]), floor(poseCheck[1]), _map) && FeasiblePoint(floor(poseCheck[0]), ceil(poseCheck[1]), _map))) { return false; } } return true; } /*********************************************************** *@函數功能: RRT核心函數 ----------------------------------------------------------- *@函數參數: _nearList near點集合,為引用傳參,實際上也為返回值 _newList new點集合,為引用傳參,實際上也為返回值 _numer RRT算法迭代次數 ----------------------------------------------------------- *@函數返回: true表示RRT找到路徑,false表示沒找到 ***********************************************************/ bool CRRT::RRTCore(int _numer,vector<pair<float, float>>& _nearList, vector<pair<float, float>>& _newList) { //將起點插入樹中 m_tree.Sx =m_xStart; m_tree.Sy = m_yStart; m_tree.SxPrev = m_xGoal; m_tree.SyPrev = m_yGoal; m_tree.Sdist = 0; m_tree.SindPrev = 0; m_TreeList.push_back(m_tree); vector<float>Rand, Near, New; Rand.resize(2, 0.0); Near.resize(2, 0.0); New.resize(2, 0.0); srand(time(NULL));//設置隨機數種子,使每次產生的隨機序列不同 int count = 0; for (int i = 1; i <= _numer; i++) { //隨機產生地圖點Rand Rand[0] =m_mapWight*(rand() % (N + 1) / (float)(N + 1)); Rand[1] = m_mapHight*(rand() % (N + 1) / (float)(N + 1)); //通過距離判斷來計算與Rand最近的Near點 int minDisIndex = GetMinIndex(Rand[0], Rand[1], m_TreeList); Near[0] = m_TreeList[minDisIndex].Sx; Near[1] = m_TreeList[minDisIndex].Sy; //Near與Rand連線,移動delta步長 float theta = atan2(Rand[1] - Near[1], Rand[0] - Near[0]); New[0] = Near[0] + m_delta*(cos(theta)); New[1] = Near[1] + m_delta*(sin(theta)); //連線碰撞檢測 if (!CollisionChecking(Near, New, m_map)) continue; //擴展RRT搜索樹 std::cout << "i:" << i << std::endl; m_tree.Sx = New[0]; m_tree.Sy = New[1]; m_tree.SxPrev = Near[0]; m_tree.SyPrev = Near[1]; m_tree.Sdist = m_delta; m_tree.SindPrev = minDisIndex; m_TreeList.emplace_back(m_tree); //距離閾值判斷,是否搜索結束 if (GetDist(New[0], New[1], m_xGoal, m_yGoal) < m_thr) { return true; } //保存near點與new點 _nearList.emplace_back(std::make_pair(Near[0], Near[1])); _newList.emplace_back(std::make_pair(New[0], New[1])); } return false; } /*********************************************************** *@函數功能: RRT生成路徑,逆向搜索 ----------------------------------------------------------- *@函數參數: _path RRT生成路徑集合點,為引用傳參,實際上也為返回值 ----------------------------------------------------------- *@函數返回: 無 ***********************************************************/ void CRRT::CreatePath(vector<pair<int, int>>& _path) { pair<int, int>temp; //將終點加入路徑集合點 _path.push_back(std::make_pair(m_xGoal, m_yGoal)); //由於搜索路徑結束存在一個閾值,故將搜索樹的最後一個點加入路徑集合點 _path.push_back(std::make_pair(m_TreeList[m_TreeList.size() - 1].Sx, m_TreeList[m_TreeList.size() - 1].Sy)); int pathIndex = m_TreeList[m_TreeList.size() - 1].SindPrev; //逆向搜索 while (true) { _path.emplace_back(std::make_pair(m_TreeList[pathIndex].Sx, m_TreeList[pathIndex].Sy)); pathIndex = m_TreeList[pathIndex].SindPrev; if (pathIndex == 0) break; } //將起點加入路徑集合點 _path.push_back(std::make_pair(m_TreeList[0].Sx, m_TreeList[0].Sy)); }
接下裡主要從RRT中的核心函數RRTCore進行算法介紹。
3.3.1 起點入樹
#include "RRT.h" /*********************************************************** *@函數功能: RRT構造函數,對地圖寬度和高度進行初始化 ----------------------------------------------------------- *@函數參數: _xStart 起點X值 _yStart 起點Y值 _xGoal 終點X值 _yGoal 終點Y值 _thr 距離閾值 _delta 步長 _map 地圖 ----------------------------------------------------------- *@函數返回: 無 ***********************************************************/ CRRT::CRRT(int _xStart, int _yStart, int _xGoal, int _yGoal, int _thr, int _delta, vector<vector<int>>_map ):m_xStart(_xStart),m_yStart(_yStart),m_xGoal(_xGoal),m_yGoal(_yGoal),m_thr(_thr),m_delta(_delta),m_map(_map) { m_mapWight = _map[0].size(); m_mapHight = _map.size(); } /*********************************************************** *@函數功能: 兩點距離計算函數 ----------------------------------------------------------- *@函數參數: _x1 第一個點X值 _y1 第一個點Y值 _x2 第二個點X值 _y2 第二個點Y值 ----------------------------------------------------------- *@函數返回: 兩點之間的距離值 ***********************************************************/ inline float CRRT::GetDist(int _x1, int _y1, int _x2, int _y2) { return sqrt(pow((_x1 - _x2), 2) + pow((_y1 - _y2), 2)); } /*********************************************************** *@函數功能: 求rand點距離較近的點在RRT樹中的索引 ----------------------------------------------------------- *@函數參數: _x1 rand點X值 _y1 rand點Y值 _T RRT搜索樹列表 ----------------------------------------------------------- *@函數返回: 最近索引值 ***********************************************************/ int CRRT::GetMinIndex(int _x1, int _y1, vector<Tree>_T) { float distance = FLT_MAX; //FLT_MAX表示float最大值 int index = 0; for (int i = 0; i < _T.size(); i++) { if (GetDist(_x1, _y1, _T[i].Sx, _T[i].Sy) < distance) { distance = GetDist(_x1, _y1, _T[i].Sx, _T[i].Sy); index = i; } } return index; } /*********************************************************** *@函數功能: 點的安全性判定 ----------------------------------------------------------- *@函數參數: _x1 點X值 _y1 點Y值 _map 地圖點 ----------------------------------------------------------- *@函數返回: true表示該點安全,false表示不安全 ***********************************************************/ inline bool CRRT::FeasiblePoint(float _x, float _y, vector<vector<int>>_map) { //判斷該點是否在地圖的高度和寬度范圍內,且是否在障礙物內 if (!(_x >= 0 && _x < m_mapWight && _y >= 0 && _y < m_mapHight && _map[_y][_x] == 255)) return false; return true; } /*********************************************************** *@函數功能: near點與new點連線之間的碰撞檢測 ----------------------------------------------------------- *@函數參數: _startPose near點 _goalPose new點 _map 地圖點 ----------------------------------------------------------- *@函數返回: true表示安全,false表示不安全 ***********************************************************/ bool CRRT::CollisionChecking(vector<float> _startPose, vector<float> _goalPose, vector<vector<int>>_map) { //new點若在障礙物內,直接返回false if (!(FeasiblePoint(floor(_goalPose[0]), ceil(_goalPose[1]), _map))) { return false; } float dir = atan2(_goalPose[0] - _startPose[0], _goalPose[1] - _startPose[1]); float poseCheck[2] = { 0.0,0.0 }; float stop = sqrt(pow(_startPose[0] - _goalPose[0], 2) + pow(_startPose[1] - _goalPose[1], 2)); //r+=2表示在near與new連線的基礎上,每次移動2個步長 for (float r = 0; r <= stop; r += 2) { poseCheck[0] = _startPose[0] + r*sin(dir); poseCheck[1] = _startPose[1] + r*cos(dir); //由於poseCheck點為float類型,為亞像素級,因此判斷該點四領域的像素值,ceil向上取整,floor向下取整 if (!(FeasiblePoint(ceil(poseCheck[0]), ceil(poseCheck[1]), _map) && FeasiblePoint(floor(poseCheck[0]), floor(poseCheck[1]), _map) && FeasiblePoint(ceil(poseCheck[0]), floor(poseCheck[1]), _map) && FeasiblePoint(floor(poseCheck[0]), ceil(poseCheck[1]), _map))) { return false; } } return true; } /*********************************************************** *@函數功能: RRT核心函數 ----------------------------------------------------------- *@函數參數: _nearList near點集合,為引用傳參,實際上也為返回值 _newList new點集合,為引用傳參,實際上也為返回值 _numer RRT算法迭代次數 ----------------------------------------------------------- *@函數返回: true表示RRT找到路徑,false表示沒找到 ***********************************************************/ bool CRRT::RRTCore(int _numer,vector<pair<float, float>>& _nearList, vector<pair<float, float>>& _newList) { //將起點插入樹中 m_tree.Sx =m_xStart; m_tree.Sy = m_yStart; m_tree.SxPrev = m_xGoal; m_tree.SyPrev = m_yGoal; m_tree.Sdist = 0; m_tree.SindPrev = 0; m_TreeList.push_back(m_tree); vector<float>Rand, Near, New; Rand.resize(2, 0.0); Near.resize(2, 0.0); New.resize(2, 0.0); srand(time(NULL));//設置隨機數種子,使每次產生的隨機序列不同 int count = 0; for (int i = 1; i <= _numer; i++) { //隨機產生地圖點Rand Rand[0] =m_mapWight*(rand() % (N + 1) / (float)(N + 1)); Rand[1] = m_mapHight*(rand() % (N + 1) / (float)(N + 1)); //通過距離判斷來計算與Rand最近的Near點 int minDisIndex = GetMinIndex(Rand[0], Rand[1], m_TreeList); Near[0] = m_TreeList[minDisIndex].Sx; Near[1] = m_TreeList[minDisIndex].Sy; //Near與Rand連線,移動delta步長 float theta = atan2(Rand[1] - Near[1], Rand[0] - Near[0]); New[0] = Near[0] + m_delta*(cos(theta)); New[1] = Near[1] + m_delta*(sin(theta)); //連線碰撞檢測 if (!CollisionChecking(Near, New, m_map)) continue; //擴展RRT搜索樹 std::cout << "i:" << i << std::endl; m_tree.Sx = New[0]; m_tree.Sy = New[1]; m_tree.SxPrev = Near[0]; m_tree.SyPrev = Near[1]; m_tree.Sdist = m_delta; m_tree.SindPrev = minDisIndex; m_TreeList.emplace_back(m_tree); //距離閾值判斷,是否搜索結束 if (GetDist(New[0], New[1], m_xGoal, m_yGoal) < m_thr) { return true; } //保存near點與new點 _nearList.emplace_back(std::make_pair(Near[0], Near[1])); _newList.emplace_back(std::make_pair(New[0], New[1])); } return false; } /*********************************************************** *@函數功能: RRT生成路徑,逆向搜索 ----------------------------------------------------------- *@函數參數: _path RRT生成路徑集合點,為引用傳參,實際上也為返回值 ----------------------------------------------------------- *@函數返回: 無 ***********************************************************/ void CRRT::CreatePath(vector<pair<int, int>>& _path) { pair<int, int>temp; //將終點加入路徑集合點 _path.push_back(std::make_pair(m_xGoal, m_yGoal)); //由於搜索路徑結束存在一個閾值,故將搜索樹的最後一個點加入路徑集合點 _path.push_back(std::make_pair(m_TreeList[m_TreeList.size() - 1].Sx, m_TreeList[m_TreeList.size() - 1].Sy)); int pathIndex = m_TreeList[m_TreeList.size() - 1].SindPrev; //逆向搜索 while (true) { _path.emplace_back(std::make_pair(m_TreeList[pathIndex].Sx, m_TreeList[pathIndex].Sy)); pathIndex = m_TreeList[pathIndex].SindPrev; if (pathIndex == 0) break; } //將起點加入路徑集合點 _path.push_back(std::make_pair(m_TreeList[0].Sx, m_TreeList[0].Sy)); }
3.3.2 rand點的獲取
為瞭方便起見,並沒有設置隨機采樣函數,通過隨機種子進行rand的確定。其中(rand() % (N + 1) / (float)(N + 1))是產生0~1的隨機樹,小數點與N有關。
m_tree.Sx =m_xStart; m_tree.Sy = m_yStart; m_tree.SxPrev = m_xGoal; m_tree.SyPrev = m_yGoal; m_tree.Sdist = 0; m_tree.SindPrev = 0; m_TreeList.push_back(m_tree); vector<float>Rand, Near, New; Rand.resize(2, 0.0); Near.resize(2, 0.0); New.resize(2, 0.0);
3.3.3 near點的獲取
通過簡單的距離函數進行near點的判斷。其中GetMinIndex就是通過遍歷獲取與rand點最近的near點,當然可以通過kd-tree對這塊進行改進,大傢感興趣可以自行發揮,這裡為瞭方便起見,就采用最原始的方法。
//隨機產生地圖點Rand Rand[0] =m_mapWight*(rand() % (N + 1) / (float)(N + 1)); Rand[1] = m_mapHight*(rand() % (N + 1) / (float)(N + 1));
3.3.4 new點的獲取
//通過距離判斷來計算與Rand最近的Near點 int minDisIndex = GetMinIndex(Rand[0], Rand[1], m_TreeList); Near[0] = m_TreeList[minDisIndex].Sx; Near[1] = m_TreeList[minDisIndex].Sy;
註意near點的獲取使用C++中的atan2函數,該函數是 atan() 的增強版,能夠確定角度所在的象限。
其中**double atan2(double y,double x)**返回 y/x 的反正切值,以弧度表示,取值范圍為(-π,π]
。如下圖所示,紅色線為 s i n ( θ ) sin( heta) sin(θ),綠色線為 c o s ( θ ) cos( heta) cos(θ)。
當 (x, y) 在象限中時:
第一象限
第二象限
第三象限
第四象限
0 < θ < π / 2 0< heta<pi/2 0<θ<π/2
π / 2 < θ < π pi/2 < heta <pi π/2<θ<π
π < θ < π / 2 -pi< heta<-pi/2 π<θ<π/2
π / 2 < θ < 0 -pi/2< heta<0 π/2<θ<0
當 (x, y) 在象限的邊界(也就是坐標軸)上時:
y = 0 y=0 y=0且 x ≥ 0 x geq 0 x≥0
y = 0 y=0 y=0且 x < 0 x < 0 x<0
y > 0 y>0 y>0且 x = 0 x=0 x=0
y < 0 y<0 y<0且 x = 0 x=0 x=0
θ = 0 heta =0 θ=0
θ = π heta=pi θ=π
θ = π / 2 heta=pi/2 θ=π/2
θ = π / 2 heta=-pi/2 θ=π/2
那麼
n e w _ x = n e a r _ x + d c o s ( θ ) n e w _ y = n e a e _ y + d s i n ( θ ) new_x=near_x+d*cos( heta) \ new_y=neae_y+d*sin( heta) \ new_x=near_x+dcos(θ)new_y=neae_y+dsin(θ)
表示new點的情況如下,均滿足new點在near與rand點之間。這就是atan2帶來的好處。
第一象限
第二象限
第三象限
第四象限
3.3.5 安全性檢測
near點與new點之間的安全性判斷通過CollisionChecking函數所實習,基本思想就是沿著near與new點的方向,每隔一定的微小步長(代碼中用 r r r)取一點,判斷該點是否在障礙物內。註意微小步長所取的點,它的像素是亞像素級的,可通過雙線性插值方法判斷該像素的值。本文為瞭方便起見,判斷該點亞像素的周圍四點領域,進行安全性判斷。
舉個例子,例如該點為 p = ( 1.3 , 4.7 ) p=(1.3,4.7) p=(1.3,4.7),通過向下取整floor和向上取整ceil得該亞像素點的四點領域
c e i l ( 1.3 ) = 2 , c e i l ( 4.7 ) = 5 > p 1 = ( 2 , 5 ) ceil(1.3)=2,ceil(4.7) =5 —>p_1=(2,5) ceil(1.3)=2,ceil(4.7)=5>p1=(2,5)
f l o o r ( 1.3 ) = 1 , f l o o r ( 4.7 ) = 4 > p 2 = ( 1 , 4 ) floor(1.3)=1,floor(4.7)=4–>p_2=(1,4) floor(1.3)=1,floor(4.7)=4>p2=(1,4)
c e i l ( 1.3 ) = 2 , f l o o r ( 4.7 ) = 4 > p 3 = ( 2 , 4 ) ceil(1.3)=2,floor(4.7)=4–>p_3=(2,4) ceil(1.3)=2,floor(4.7)=4>p3=(2,4)
f l o o r ( 1.3 ) = 1 , c e i l ( 4.7 ) = 5 > p 4 = ( 1 , 5 ) floor(1.3)=1,ceil(4.7) =5—>p_4=(1,5) floor(1.3)=1,ceil(4.7)=5>p4=(1,5)
bool CRRT::CollisionChecking(vector<float> _startPose, vector<float> _goalPose, vector<vector<int>>_map) { //new點若在障礙物內,直接返回false if (!(FeasiblePoint(floor(_goalPose[0]), ceil(_goalPose[1]), _map))) { return false; } float dir = atan2(_goalPose[0] - _startPose[0], _goalPose[1] - _startPose[1]); float poseCheck[2] = { 0.0,0.0 }; float stop = sqrt(pow(_startPose[0] - _goalPose[0], 2) + pow(_startPose[1] - _goalPose[1], 2)); //r+=2表示在near與new連線的基礎上,每次移動2個步長 for (float r = 0; r <= stop; r += 2) { poseCheck[0] = _startPose[0] + r*sin(dir); poseCheck[1] = _startPose[1] + r*cos(dir); //由於poseCheck點為float類型,為亞像素級,因此判斷該點四領域的像素值,ceil向上取整,floor向下取整 if (!(FeasiblePoint(ceil(poseCheck[0]), ceil(poseCheck[1]), _map) && FeasiblePoint(floor(poseCheck[0]), floor(poseCheck[1]), _map) && FeasiblePoint(ceil(poseCheck[0]), floor(poseCheck[1]), _map) && FeasiblePoint(floor(poseCheck[0]), ceil(poseCheck[1]), _map))) { return false; } } return true; }
3.4 可視化顯示
display.h
#pragma once #ifndef __DISPLAY__ #define __DISPLAY__ #include <opencv2/opencv.hpp> #include <vector> using namespace std; //顯示函數 void Display(int _xStart,int _yStart,int _xGoal,int _yGoal, vector<vector<int>>_map, vector<pair<int, int>>_path, vector<pair<float, float>>_nearList, vector<pair<float, float>>_newList); #endif // !__DISPLAY__
display.cpp
註意該代碼會在當前項目中的image文件夾(沒有該文件夾,手動創建一個即可)中存儲rrt顯示過程圖片(為瞭後期作gif使用,其他沒什麼用),若是不想存儲,則註釋掉。
cv::imwrite(“image/image” + std::to_string(i) + “.jpg”, image);
#include "display.h" #include <iostream> #include <string> #include <Windows.h> #include <cstdlib> #include <io.h> // _access #include <direct.h> //_mkdir /*********************************************************** *@函數功能: RRT函數顯示 ----------------------------------------------------------- *@函數參數: _xStart 起點X值 _yStart 起點Y值 _xGoal 終點X值 _yGoal 終點Y值 _thr 距離閾值 _map 地圖 _path 路徑點 _nearList near點集合 _newList new點集合 ----------------------------------------------------------- *@函數返回: 無 ***********************************************************/ void Display(int _xStart, int _yStart, int _xGoal, int _yGoal, vector<vector<int>>_map, vector<pair<int, int>>_path, vector<pair<float, float>>_nearList, vector<pair<float, float>>_newList) { int mapWight = _map[0].size(); int mapHight = _map.size(); //如沒有image文件夾,則新建一個,存放RRT擴展樹的中間過程 std::string prefix = "image"; if (_access(prefix.c_str(), 0) == -1) //如果文件夾不存在 { _mkdir(prefix.c_str()); //則創建 } //通過地圖點繪制圖像RGB,白色可通行區域,黑色為障礙物區域 cv::namedWindow("RRT result", CV_WINDOW_AUTOSIZE); cv::Mat image(mapHight, mapWight, CV_8UC3, cv::Scalar(0, 0, 0)); for (int row = 0; row < mapHight; row++) { for (int col = 0; col < mapWight; col++) { if (_map[row][col] == 255) { image.at<cv::Vec3b>(row, col)[0] = 255; image.at<cv::Vec3b>(row, col)[1] = 255; image.at<cv::Vec3b>(row, col)[2] = 255; } } } //顯示起點和終點,紅色起點,綠色終點 cv::circle(image, cv::Point(_xStart, _yStart), 4, cv::Scalar(0, 0, 255), -1, 4); //起點 cv::circle(image, cv::Point(_xGoal, _yGoal), 4, cv::Scalar(0, 255, 0), -1, 4); //終點 //顯示路徑探索過程 for (int i = 0; i < _nearList.size(); i++) { cv::line(image, cv::Point(_nearList[i].first, _nearList[i].second), cv::Point(_newList[i].first, _newList[i].second), cv::Scalar(255, 0, 0), 2, 2); cv::imshow("RRT result", image); cv::waitKey(100); //100ms刷新一下 cv::imwrite("image/image" + std::to_string(i) + ".jpg", image); } //顯示最終路徑,黃色 for (int i = 0; i < _path.size() - 1; i++) { cv::line(image, cv::Point(_path[i].first, _path[i].second), cv::Point(_path[i + 1].first, _path[i + 1].second), cv::Scalar(0, 255, 255), 2, 2); } //保存6張最終圖片,方便制作gif for (int i = 0; i <= 5; i++) { cv::imwrite("image/image"+std::to_string(_nearList.size()+i)+".jpg", image); } cv::imshow("RRT result", image); cv::waitKey(0); }
4. 代碼運行過程
註意顯示過程中的“樹枝”表示near點與new點的連接。
顯示過程
顯示結果
map6.bmp
顯示過程
顯示結果
map.png
<動圖太大,CSDN僅支持5M,無法顯示>
一個批量將圖片轉為gif的python腳本,註意python代碼中一定要添加dir_list = natsort.natsorted(dir_list),否則會出現圖片亂序的問題。
import os import cv2 as cv import moviepy.editor as mpy import numpy as np import natsort import imageio def frame_to_gif(frame_list): gif = imageio.mimsave('./result.gif', frame_list, 'GIF', duration=0.00085) dir_list = os.listdir('image') dir_list = natsort.natsorted(dir_list) img_list=[] for i in range(0,len(dir_list)): print (dir_list[i]) img = cv.imread('image\' + dir_list[i]) #img = cv.cvtcolor(img, cv.color_bgr2rgb) img_list.append(img) frame_to_gif(img_list)
到此這篇關於C++結合OpenCV實現RRT算法的文章就介紹到這瞭,更多相關C++ OpenCV RRT算法內容請搜索LevelAH以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持LevelAH!
推薦閱讀:
- 基於Python實現二維圖像雙線性插值
- 帶你深度走入C語言取整以及4種函數
- C++中的pair使用詳解
- 一文帶你瞭解Go語言標準庫math和rand的常用函數
- OpenCV獲取圖像中直線上的數據具體流程