OpenCV A星寻路 实现应用

z13228604287

地图生成来自：https://tools.2weima.com/migong

  

窗口程序集名	保 留	保 留	备 注
程序集1

子程序名	返回值类型	公开	备 注
_启动子程序	整数型		本子程序在程序启动后最先执行

变量名	类 型	静态	数组	备 注
地图	数据矩阵类			黑白图片
路径	数组容器
步数	整数型
坐标	坐标二维整型结构
绘制路径	数据矩阵类
i	整数型
起点横坐标	整数型			寻路的起点 X
起点纵坐标	整数型			寻路的起点 Y
终点横坐标	整数型			寻路的终点 X
终点纵坐标	整数型			寻路的终点 Y
主体尺寸	整数型			表示寻路主体的尺寸。在实际的寻路场景中，寻路的主体可能并非一个点，而是具有一定大小的物体，比如游戏中的角色、机qi人等。
忽略拐角	逻辑型			控制着寻路时对拐角处障碍物的处理方式
横竖移代价	整数型			代表在地图上水平或者垂直移动一格需要付出的成本，默认值是 10。可以把地图想象成一个由小格子组成的棋盘，当你从一个格子水平或者垂直移动到相邻的格子时，就需要 “付出” 10 个单位的成本。
斜移代价	整数型			指的是在地图上斜向移动一格需要付出的成本，默认值是 14。同样以棋盘为例，当你从一个格子斜向移动到相邻的格子时，就需要 “付出” 14 个单位的成本。
启动时间	长整数型

' 读取图片作为地图，0表示障碍物  255可以通行的路
地图.从字节集加载 ( #底图, #读图_灰度模式 )
如果真 (地图.空 ())
调试输出 (“无法读取地图图片，请检查文件路径！”)
返回 (-1)

起点横坐标 ＝ 20
起点纵坐标 ＝ 10
终点横坐标 ＝ 340
终点纵坐标 ＝ 250
' 表寻路主体的尺寸，算法会保证寻路主体的整个区域都能通过。
主体尺寸 ＝ 10
' 假设在地图上存在这样的情况，节点 A 和节点 B 处于斜对角位置，而在它们之间的拐角处有障碍物。若isIgnoreCorner为true，算法就会允许从节点 A 斜向移动到节点 B；若 忽略拐角 为 假，算法就不会选择这条斜向路径，而是会尝试通过水平和垂直移动来绕过障碍物。
忽略拐角 ＝ 假
' 举个例子，假如你在玩游戏，你的角色要在地图上从一个点走到另一个点。如果只能水平或者垂直移动，每走一格就相当于消耗了 10 点 “能量”。这个 “能量” 就是这里所说的代价。在算法里，这个代价会影响到路径的选择。因为算法会尽量选择总代价最小的路径。
横竖移代价 ＝ 10
' 为什么斜向移动的代价和水平、垂直移动不一样呢？这是因为在实际情况中，斜向移动可能会更困难或者花费更多的资源。比如在游戏里，角色斜向移动可能需要调整方向、花费更多的体力等。所以在算法里，斜向移动的代价会设置得比水平、垂直移动的代价高一些。
斜移代价 ＝ 14
启动时间 ＝ 视觉_取启动时间 ()
路径 ＝ 视觉_A星寻路 (地图, 起点横坐标, 起点纵坐标, 终点横坐标, 终点纵坐标, 主体尺寸, 忽略拐角, 横竖移代价, 斜移代价)
调试输出 (“寻路消耗:”, 视觉_取启动时间差异 (启动时间, 0), “毫秒”)
步数 ＝ 路径.成员数 ()
' 如果未找到有效路径
如果真 (步数 ＝ 0)
调试输出 (“找不到给定大小的有效路径！”)
返回 (-1)
视觉_颜色空间转换 (地图, 绘制路径, #颜色_GRAY转BGR, 0)
计次循环首 (步数, i)
坐标 ＝ 路径.取坐标二维整型结构 (i)
视觉_圆 (绘制路径, 坐标, 10, 标量 (0, 0, 255), -1, 8, 0)
计次循环尾 ()
' 标记起点，绘制红色(255, 0, 0)的实心圆
视觉_圆 (绘制路径, 坐标二维整型 (起点横坐标, 起点纵坐标), 10, 标量 (255, 0, 0), -1, 8, 0)
' 标记终点，绘制黑色(0, 0, 0)的实心圆
视觉_圆 (绘制路径, 坐标二维整型 (终点横坐标, 终点纵坐标), 10, 标量 (0, 0, 0), -1, 8, 0)
视觉_创建窗口 (“A星寻路”, #窗口_普通模式 )
视觉_显示图像 (“A星寻路”, 绘制路径)
视觉_等待按键 (0)
返回 (0)  ' 可以根据您的需要返回任意数值

i支持库列表	支持库注释
OpenCV	(未知支持库)
spec	特殊功能支持库

.版本 2<br /> .支持库 OpenCV<br /> .支持库 spec<br /> <br /> .程序集 程序集1<br /> <br /> .子程序 _启动子程序, 整数型, , 本子程序在程序启动后最先执行<br /> .局部变量 地图, 数据矩阵类, , , 黑白图片<br /> .局部变量 路径, 数组容器<br /> .局部变量 步数, 整数型<br /> .局部变量 坐标, 坐标二维整型结构<br /> .局部变量 绘制路径, 数据矩阵类<br /> .局部变量 i, 整数型<br /> .局部变量 起点横坐标, 整数型, , , 寻路的起点 X<br /> .局部变量 起点纵坐标, 整数型, , , 寻路的起点 Y<br /> .局部变量 终点横坐标, 整数型, , , 寻路的终点 X<br /> .局部变量 终点纵坐标, 整数型, , , 寻路的终点 Y<br /> .局部变量 主体尺寸, 整数型, , , 表示寻路主体的尺寸。在实际的寻路场景中，寻路的主体可能并非一个点，而是具有一定大小的物体，比如游戏中的角色、机qi人等。<br /> .局部变量 忽略拐角, 逻辑型, , , 控制着寻路时对拐角处障碍物的处理方式<br /> .局部变量 横竖移代价, 整数型, , , 代表在地图上水平或者垂直移动一格需要付出的成本，默认值是 10。可以把地图想象成一个由小格子组成的棋盘，当你从一个格子水平或者垂直移动到相邻的格子时，就需要 “付出” 10 个单位的成本。<br /> .局部变量 斜移代价, 整数型, , , 指的是在地图上斜向移动一格需要付出的成本，默认值是 14。同样以棋盘为例，当你从一个格子斜向移动到相邻的格子时，就需要 “付出” 14 个单位的成本。<br /> .局部变量 启动时间, 长整数型<br /> <br /> ' 读取图片作为地图，0表示障碍物  255可以通行的路<br /> 地图.从字节集加载 (#底图, #读图_灰度模式)<br /> .如果真 (地图.空 ())<br />     调试输出 (“无法读取地图图片，请检查文件路径！”)<br />     返回 (-1)<br /> .如果真结束<br /> <br /> 起点横坐标 ＝ 20<br /> 起点纵坐标 ＝ 10<br /> 终点横坐标 ＝ 340<br /> 终点纵坐标 ＝ 250<br /> ' 表寻路主体的尺寸，算法会保证寻路主体的整个区域都能通过。<br /> 主体尺寸 ＝ 10<br /> ' 假设在地图上存在这样的情况，节点 A 和节点 B 处于斜对角位置，而在它们之间的拐角处有障碍物。若isIgnoreCorner为true，算法就会允许从节点 A 斜向移动到节点 B；若 忽略拐角 为 假，算法就不会选择这条斜向路径，而是会尝试通过水平和垂直移动来绕过障碍物。<br /> 忽略拐角 ＝ 假<br /> ' 举个例子，假如你在玩游戏，你的角色要在地图上从一个点走到另一个点。如果只能水平或者垂直移动，每走一格就相当于消耗了 10 点 “能量”。这个 “能量” 就是这里所说的代价。在算法里，这个代价会影响到路径的选择。因为算法会尽量选择总代价最小的路径。<br /> 横竖移代价 ＝ 10<br /> ' 为什么斜向移动的代价和水平、垂直移动不一样呢？这是因为在实际情况中，斜向移动可能会更困难或者花费更多的资源。比如在游戏里，角色斜向移动可能需要调整方向、花费更多的体力等。所以在算法里，斜向移动的代价会设置得比水平、垂直移动的代价高一些。<br /> 斜移代价 ＝ 14<br /> 启动时间 ＝ 视觉_取启动时间 ()<br /> 路径 ＝ 视觉_A星寻路 (地图, 起点横坐标, 起点纵坐标, 终点横坐标, 终点纵坐标, 主体尺寸, 忽略拐角, 横竖移代价, 斜移代价)<br /> 调试输出 (“寻路消耗:”, 视觉_取启动时间差异 (启动时间, 0), “毫秒”)<br /> 步数 ＝ 路径.成员数 ()<br /> ' 如果未找到有效路径<br /> .如果真 (步数 ＝ 0)<br />     调试输出 (“找不到给定大小的有效路径！”)<br />     返回 (-1)<br /> .如果真结束<br /> 视觉_颜色空间转换 (地图, 绘制路径, #颜色_GRAY转BGR, 0)<br /> .计次循环首 (步数, i)<br />     坐标 ＝ 路径.取坐标二维整型结构 (i)<br />     视觉_圆 (绘制路径, 坐标, 10, 标量 (0, 0, 255), -1, 8, 0)<br /> .计次循环尾 ()<br /> ' 标记起点，绘制红色(255, 0, 0)的实心圆<br /> 视觉_圆 (绘制路径, 坐标二维整型 (起点横坐标, 起点纵坐标), 10, 标量 (255, 0, 0), -1, 8, 0)<br /> ' 标记终点，绘制黑色(0, 0, 0)的实心圆<br /> 视觉_圆 (绘制路径, 坐标二维整型 (终点横坐标, 终点纵坐标), 10, 标量 (0, 0, 0), -1, 8, 0)<br /> 视觉_创建窗口 (“A星寻路”, #窗口_普通模式)<br /> 视觉_显示图像 (“A星寻路”, 绘制路径)<br /> 视觉_等待按键 (0)<br /> <br /> 返回 (0)  ' 可以根据您的需要返回任意数值

z13228604287

在 A * 寻路算法中，让寻路结果不贴边可以通过以下几种方法实现
1.调整地图数据或图结构

• 扩大障碍物边界：在地图数据中，将障碍物的边界向外扩展一定的距离。例如，原本代表墙壁的区域，向外扩张 1 - 2 个格子，这样 A * 算法在寻路时就会自然地避开这些扩展后的区域，从而避免紧贴着墙走。
• 修改图结构：如果是基于图结构的寻路，可以在生成图时，对靠近边界的节点进行特殊处理。比如，减少边界节点与内部节点的连接数量，或者增加边界节点的权重，使得算法在选择路径时更倾向于避开边界节点。
  

2.调整启发式函数：启发式函数用于估计从当前节点到目标节点的距离。可以对启发式函数进行修改，使其在靠近边界时返回一个较大的值，从而引导算法避开边界。例如，在计算启发式值时，除了考虑目标距离外，还加入与边界的距离因素。如果一个节点距离边界较近，那么它的启发式值就会相应增大，这样算法在选择下一个扩展节点时，就会尽量选择距离边界较远的节点。
3.添加额外的约束条件：在搜索过程中，添加一些额外的规则来限制路径靠近边界。例如，规定路径上的节点不能与边界节点相邻，或者限制路径与边界之间的最小距离。当算法扩展节点时，检查新生成的节点是否满足这些约束条件，如果不满足，则不将其加入到开放列表中。
4.使用路径平滑算法：在 A * 算法找到初始路径后，使用路径平滑算法对路径进行处理。这些算法可以通过调整路径上的节点位置，使路径更加平滑，同时也有可能使路径远离边界。例如，使用样条曲线拟合路径，或者通过迭代调整路径上的节点，使其在满足一定条件下尽量远离边界。

weihua2018

要授权收费的，吗？

luren1234

未知支持库 下载没用