python路径r python路径规划

工具 spyder（python3.7）  matplotlib库

在进行路径规划仿真的时候，我们希望最后得到的结果不仅仅是一个 填满数字的数组，而是将它变为更加直观的图片

（spyder数组自带染色，很赞）这是我的A*算法得到的最后的结果，数字意义如下：

数字	0	1	3	4	6
含义	障碍物	可以通行	被加入openlist的节点	被加入closelist节点	最后的路径

但是这样的图片表达效果不佳，我寻求了几种可以将它转化为图片的方法

1.利用pylab中的热图，直接将数组作为参数传入即可得到以下图片

代码：

plt.imshow(map_grid, cmap=plt.cm.hot, interpolation='nearest', vmin=0, vmax=10)
plt.colorbar()
xlim(-1, 20)  # 设置x轴范围
ylim(-1, 20)  # 设置y轴范围
my_x_ticks = np.arange(0, 20, 1)
my_y_ticks = np.arange(0, 20, 1)
plt.xticks(my_x_ticks)
plt.yticks(my_y_ticks)
plt.grid(True)
plt.show()

这种方式在表达效果上优于未染色的数组，但是我没有对imshow的热图（heatmap）进行深入研究，所以该没有研究该如何自定义各个部分的颜色，感兴趣的朋友推荐这篇文章给你们

2.直接利用matplotlib进行绘图，利用 plot  scatter以及线条控制来表达我们想要的图像

直接上效果图

黑色表示障碍物，浅蓝色方块表示加入过openlist的位置，绿色表示加入closelist的位置，蓝色线条表示我们最后的路径

（是不是感觉好看很多哈哈哈哈）

代码如下：

def draw_path(map_grid,obstacle,path,closelist,openlist=None):
'''
map_grid为处理好的二维数组
obstacle到openlist都是整数，为其对应的标志。比如0代表obstacle，那么obstacle位置就填0
'''
    obstacle_x=[]
    obstacle_y=[]
    path_x=[]
    path_y=[]
    close_list_x=[]
    close_list_y=[]
    open_list_x=[]
    open_list_y=[]
    for i in range(map_grid.shape[0]):
        for j in range(map_grid.shape[1]):
            if map_grid[i][j]==obstacle:   #栅格地图上obstacle为障碍物标识
                obstacle_x.append(i)
                obstacle_y.append(j)    
            if map_grid[i][j]==path:   #栅格地图上path为最后搜索得到路径位置标志
                path_x.append(i)
                path_y.append(j)
            if map_grid[i][j]==closelist:   #栅格地图上closelist为为闭列表中记录的位置标志
                close_list_x.append(i)
                close_list_y.append(j)
            if map_grid[i][j]==openlist:   #栅格地图上openlist为为闭列表中记录的位置标志
                open_list_x.append(i)
                open_list_y.append(j)
    plt.figure(figsize=(10,10))  #为了防止x,y轴间隔不一样长，影响最后的表现效果，所以手动设定等长
    plt.xlim(-1,map_grid.shape[0])
    plt.ylim(-1,map_grid.shape[1])
    my_x_ticks = np.arange(0, map_grid.shape[0], 1)
    my_y_ticks = np.arange(0, map_grid.shape[1], 1)
    plt.xticks(my_x_ticks)#我理解为竖线的位置与间隔
    plt.yticks(my_y_ticks)
    plt.grid(True)  #开启栅格
    plt.plot(path_x,path_y,linewidth=3)
    plt.scatter(open_list_x,open_list_y,s=500,c='cyan',marker='s')
    plt.scatter(obstacle_x,obstacle_y,s=500,c='k',marker='s')
    plt.scatter(close_list_x,close_list_y,s=500,c='g',marker='s')
    plt.title("grid map simulation ")
    plt.show()

简单来讲就是遍历整个地图，然后将需要绘制的障碍物，路径等都通过列表记录下来，最后通过这几行表现出来，但是传入的mapgrid必须是类似本文第一张图那种经过算法处理过的形式

plt.plot(path_x,path_y,linewidth=3)
    plt.scatter(open_list_x,open_list_y,s=500,c='cyan',marker='s')
    plt.scatter(obstacle_x,obstacle_y,s=500,c='k',marker='s')
    plt.scatter(close_list_x,close_list_y,s=500,c='g',marker='s')

marker代表点标志，c表示颜色，s表示标志的大小，s的大小需要大家自己手动调整一下，不一定适用。这里有一份速查博客，可以帮你快速选择自己要的颜色和样式 

说明：这里选择plot来绘制路径是因为plot会自动连线（除非设置linestyle=''），而scatter是绘制散点图，它不会自动连线。

3.利用OpenCV库进行绘制

这种方法理论上可行（我没有实践）

直接通过img=np.zeros(size,dtype='uint8')来创建画布，然后将得到的二维数组做一个比例变换处理（你不希望自己的图只有几百个像素点吧），依靠OpenCV提供的绘图函数来展示内容

这种方法很麻烦，但是对像素点操作的方式决定了它自由度极高，可以满足很多怪异需求

 

这里还是推荐大家使用第二种方式，原理简单，在具有一定自由度的情况下也不需要很麻烦操作。