A* 在图或栅格上寻找从起点到终点的路径。它为每个候选位置维护已走代价 g 和到目标的估计代价 h,优先探索 f = g + h 较小的位置。
一个小例子
在四邻接栅格中,每走一步代价为 1,可用曼哈顿距离作为启发式估计。若允许对角移动且代价不同,启发式也要与运动规则一致。障碍单元不可进入,代价地图中的高代价区域则可以提高经过它们的成本。
为什么规划成功仍可能走不过去
栅格路径只是离散的几何结果。机器人还有尺寸、转弯半径、最大速度和动态障碍。真实导航通常需要平滑路径、局部控制以及实时重新规划。
动手验证
在 10×10 网格中设置几堵墙,记录每次从候选集合取出的格子、g/h/f 值和最终路径。再加大机器人安全边距,比较路线是否改变。
排错时先检查起终点是否落在不可通行区域,再检查地图坐标与格子索引的转换。
还没有评论,欢迎提出第一个问题。