掃地機器人的模擬程序 (3)

尋路模塊 (1)

終於要挑戰尋路模塊，雖然我是在重複造輪子，但看一下別人的輪子怎麼造也是很重要的，因此
在這以前首先搜索下，看看有什麼現成的思路和代碼，收穫以下:

兩種尋路邏輯

有兩種尋路邏輯, 隨機碰撞和路徑規劃，考慮到：

a. 隨機碰撞彷佛須要很多經驗/實驗數據才能達到不錯的效果，我缺經驗/數據呢
b. 如今我擁有一個接近於理想環境的狀況，更便於路徑規劃
c. 隨機碰撞獲得的路徑不漂亮，搞很差還漏了邊邊角角，不符合個人美學價值觀

因此決定用路徑規劃

一些路徑規劃的方法

這篇文章介紹了一些路徑規劃的方法

a. 人工智能：原本是想用辦法來作的，畢竟算是用過matlab的人(但忘光光了)，但後來發現學習成本有點高，就放棄了……
b. 人工勢場法：看上去也不簡單，也放棄……
c. 柵格法：說明了地圖形態（含障礙物），但並無說明具體走法，有些懷疑小編或者做者的邏輯能力。話說個人地圖就是柵格形式（用點/座標來表示格子）
d. 模板模型法：很容易理解，就是有幾種走法，按狀況調用。就決定用這個辦法了

決定算法

按上面模板模型法的思路，去搜關鍵字(Complete coverage path planning等)，看了2篇論文和一些科普文章
這篇文章引發了個人注意，這篇論文說的是基於A*算法來實現徹底路徑覆蓋，裏面還有兩個走法，分別是U-turn Search和 Internal Spiral Search，形象地說就是U型走法和回形走法
從文章結論看，U型走法配合A*算法的效果彷佛不錯(重複率低)，那麼我也按這個辦法來吧
具體來講就是U型走法清掃一次，而後經過A*算法走到最近的未清潔點，如此反覆直到全部點都被清潔/走過
雖然這不是全局最優解，但仍是先以實現爲目標努力吧

實現算法 (U型走法)

A*算法稍微有些複雜，以後再開篇文章寫，我先寫U型走法的部分，思路:

1. 須要兩個U型走法，一個朝右，一個朝左，除了朝左右不一樣以外其餘相同
2. 以U型朝右走法爲例，先嚐試往上下移動，「碰牆」後朝右移動一格，而後掉頭，如此反覆直到沒法往右
3. 因爲U型走法具備反覆的特性，若是發現下一步要走的點/格子已經走過了，就要停下來

path_finding代碼1，先寫上面3裏提到的判斷方法
篇幅起見，我這裏只寫一個判斷上方格子是否走過的方法:

def judge_up_passed(self):
    x, y = self.current_coordinate
    up_coordinate = (x, y + 1)
    if up_coordinate in self.path_log:
        return True
    else:
        return False

path_finding代碼2，U型朝右走法:

def u_turn_toward_right(self):
    rollback = False
    while True:
        if (self.judge_up_passable() == False) and (self.judge_down_passable() == False) and (
            self.judge_right_passable() == True):
            self.move_right()

        if rollback == False:
            while self.judge_up_passable() == True and self.judge_up_passed() == False:
                self.move_up()
            if self.judge_right_passable() == True and self.judge_right_passed() == False:
                self.move_right()
                rollback = True
            else:
                rollback = True

        if rollback == True:
            while self.judge_down_passable() == True and self.judge_down_passed() == False:
                self.move_down()
            if self.judge_right_passable() == True and self.judge_right_passed() == False:
                self.move_right()
                rollback = False
            else:
                rollback = False
                break

以後在main中添加方法

from path_finding import *
    Robot.u_turn_toward_right = u_turn_toward_right
    Robot.u_turn_toward_left = u_turn_toward_left
    Robot.judge_up_passed = judge_up_passed
    Robot.judge_down_passed = judge_down_passed
    Robot.judge_left_passed = judge_left_passed
    Robot.judge_right_passed = judge_right_passed

測試

接着看一下寫的U型走法效果如何，在main中測一下

...
    robot.u_turn_toward_right()
    print(robot.path_log)
    print(len(robot.path_log))

而後本身按着path_log看一下U型走得如何，按第一篇文章中的地圖，沒有意外的話，應該是82步