[*] Lau B, Sprunk C, Burgard W. Atualização aprimorada de mapas de distância euclidianos e diagramas de Voronoi [C] // IEEE / RSJ International Conference on Intelligent Robots & Systems. IEEE, 2010.
Este artigo implementa o algoritmo de Mapa de Ocupação para Mapas de Distância Euclidiana em [*] em python.
Os algoritmos relevantes no artigo são os seguintes:
O algoritmo pode atualizar um mapa de distância europeu com base na adição ou remoção de obstáculos que ocupam o mapa de grade.
Entre eles, o artigo explica pop (abrir) e inserir (abrir, s, d) duas funções sem pseudocódigo. De acordo com o artigo, pop (abrir) é encontrar um elemento com a menor distância de aberto e devolvê-lo, e excluí-lo de aberto. No processo de implementação, ao retornar de acordo com a distância mínima, quando um obstáculo é removido de um mapa com vários obstáculos, o programa cairá em um loop infinito. Verificou-se que pode operar normalmente se retornar de acordo com a distância máxima.
O jornal também acrescentou que adicionar um atributo a cada grade: processo, para atingir o objetivo semelhante a adicionar e remover filas abertas.
Implementação de algoritmo python
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
open_list = []
dist = 99999.0*np.ones((30, 30))
obst = -1*np.ones((30, 30))
toRaise = np.zeros((30, 30))
process = np.zeros((30, 30))
def S2IJ(s):
i = int(s//30)
j = int(s%30)
return i,j
def SetObstacle(i,j):
obst[i,j] = i*30+j
dist[i,j] = 0
process[i,j] = 1
# open_list.append([i,j])
def RemoveObstacle(i,j):
obst[i,j] = -1
toRaise[i,j] = 1
dist[i, j] = 99999.0
process[i, j] = 1
# open_list.append([i,j])
def Raise(i,j):
for ni in [-1, 0, 1]:
for nj in [-1, 0, 1]:
if ni == 0 and nj == 0:
continue
xi = i + ni
xj = j + nj
if xi < 0 or xi >= 30 or xj < 0 or xj >= 30:
continue
if (obst[xi, xj] >= 0) and (toRaise[xi, xj] == 0):
oi, oj = S2IJ(obst[xi,xj])
if (oi != xi) or (oj != xj):
dist[xi,xj] = 99999.0
# print(xi,xj,oi,oj,obst[xi, xj])
obst[xi, xj] = -1
toRaise[xi, xj] = 1
# else:
# for i in range(30):
# for j in range(30):
# toRaise[i,j] = 0
process[xi, xj] = 1
# open_list.append([xi, xj])
toRaise[i,j] = 0
def Lower(i, j):
si, sj = S2IJ(obst[i, j])
for ni in [-1, 0, 1]:
for nj in [-1, 0, 1]:
if ni == 0 and nj == 0:
continue
xi = i + ni
xj = j + nj
if xi < 0 or xi >= 30 or xj < 0 or xj >= 30:
continue
if toRaise[xi, xj] == 0:
d = np.sqrt((si-xi)*(si-xi)+(sj-xj)*(sj-xj))
if (d < dist[xi, xj]) or (obst[xi, xj] < 0):
dist[xi, xj] = d
obst[xi, xj] = si*30+sj
process[xi, xj] = 1
# open_list.append([xi, xj])
def Pops(): # get the element with max distance
max_index = -1
max_dist = -1.0
for i in range(30):
for j in range(30):
if process[i,j] == 1:
if dist[i,j] > max_dist:
max_dist = dist[i,j]
max_index = i*30+j
if max_index < 0:
return False, max_index
else:
oi, oj = S2IJ(max_index)
process[oi, oj] = 0
return True, max_index
def UpdateDistanceMap():
not_empty, s = Pops()
while not_empty:
i,j = S2IJ(s)
if toRaise[i,j] == 1:
Raise(i,j)
# print("raise")
# print(i,j)
else:
if obst[i,j] >= 0:
Lower(i,j)
# print("lower")
# print(i,j)
not_empty, s = Pops()
Adicione um obstáculo do mapa em branco
SetObstacle(15, 15)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
Custo de
tempo: tempo de parede: 325 ms
Mapa de distância europeu:
Adicione um obstáculo
SetObstacle(5,5)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
Custo de
tempo: tempo de parede: 93,8 ms
Mapa de distância europeu:
Adicione outro obstáculo
SetObstacle(10, 25)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
Custo de
tempo: tempo de parede: 71,9 ms
Mapa de distância europeu:
Remova um obstáculo do mapa
RemoveObstacle(5,5)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
Custo de
tempo: tempo de parede: 854 ms
Mapa de distância europeu:
Adicionar novamente um novo obstáculo
SetObstacle(25,25)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
O tempo custa
tempo na parede: 58,6 ms
Mapa de distância europeu
suplemento
O mapa de distância euclidiana pode obter ainda o mapa de Voronoi (conforme o exemplo dado no artigo):
Observamos cuidadosamente o mapa de distância euclidiana gerado no programa acima e descobrimos que existem grades com limites semelhantes entre os obstáculos:
Portanto, após obter o mapa de distância euclidiana, você pode facilmente obter o mapa de Voronoi.
Em conclusão
O custo de tempo de geração de mapas de distâncias euclidianos é muito alto e dificilmente pode ser usado para gerar mapas de custos locais para direção não tripulada. Mas pode ser aplicado a cenas relativamente estáticas.