扫地机器人的模拟程序 (3)

寻路模块 (1)

终于要挑战寻路模块，虽然我是在重复造轮子，但看一下别人的轮子怎么造也是很重要的，所以
在这之前首先搜索下，看看有什么现成的思路和代码，收获如下:

两种寻路逻辑

有两种寻路逻辑, 随机碰撞和路径规划，考虑到：

a. 随机碰撞似乎需要不少经验/实验数据才能达到不错的效果，我缺经验/数据呢
b. 现在我拥有一个接近于理想环境的情况，更便于路径规划
c. 随机碰撞得到的路径不漂亮，搞不好还漏了边边角角，不符合我的美学价值观

所以决定用路径规划

一些路径规划的方法

这篇文章介绍了一些路径规划的方法

a. 人工智能：本来是想用办法来做的，毕竟算是用过matlab的人(但忘光光了)，但后来发现学习成本有点高，就放弃了……
b. 人工势场法：看上去也不简单，也放弃……
c. 栅格法：说明了地图形态（含障碍物），但并没有说明具体走法，有些怀疑小编或者作者的逻辑能力。话说我的地图就是栅格形式（用点/坐标来表示格子）
d. 模板模型法：很容易理解，就是有几种走法，按情况调用。就决定用这个办法了

决定算法

按上面模板模型法的思路，去搜关键字(Complete coverage path planning等)，看了2篇论文和一些科普文章
这篇文章引起了我的注意，这篇论文说的是基于A*算法来实现完全路径覆盖，里面还有两个走法，分别是U-turn Search和 Internal Spiral Search，形象地说就是U型走法和回形走法
从文章结论看，U型走法配合A*算法的效果似乎不错(重复率低)，那么我也按这个办法来吧
具体来说就是U型走法清扫一次，然后通过A*算法走到最近的未清洁点，如此反复直到所有点都被清洁/走过
虽然这不是全局最优解，但还是先以实现为目标努力吧

实现算法 (U型走法)

A*算法稍微有些复杂，之后再开篇文章写，我先写U型走法的部分，思路:

1. 需要两个U型走法，一个朝右，一个朝左，除了朝左右不同之外其他相同
2. 以U型朝右走法为例，先尝试往上下移动，“碰墙”后朝右移动一格，然后掉头，如此反复直到无法往右
3. 由于U型走法具有反复的特性，如果发现下一步要走的点/格子已经走过了，就要停下来

path_finding代码1，先写上面3里提到的判断方法
篇幅起见，我这里只写一个判断上方格子是否走过的方法:

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代码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

之后在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

测试

接着看一下写的U型走法效果如何，在main中测一下

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

然后自己按着path_log看一下U型走得如何，按第一篇文章中的地图，没有意外的话，应该是82步