机器人学在Python中的实现（6）：光线投射栅格地图

Hello，大家好，我是MPIG2018级研究新生刘飞亚，在上一章节中，我们讨论了高斯栅格地图的相关内容；机器人在认识环境的过程需要地图的构建来描述、认识环境，从而更好的感知周围环境。今天再来给大家介绍光线投射栅格地图的相关内容。

先看一下本节的主要内容：

一、地图

二、栅格地图

三、热图

四、光线投射算法思想

（一）地图

1、地图是对空间环境的有效表示，是移动机器人定位导航的基础。地图通过环境感知信息和地图信息的匹配，可以定位移动机器人在环境中的位置；还可以根据地图中所记录的障碍物位置，可以规划后续机器人从当前点到目标点的可行路径。

2、机器人学中地图的表示方法有四种：特征地图，拓扑地图，直接表征法和栅格地图。

栅格地图的基本思想：将环境分解成一系列离散栅格，每个栅格有一个值，表示该栅格被障碍物占用的情况。

（二）栅格地图

简单来说，栅格地图就是将机器人周围的环境（包括可行走的路、障碍物等等）用栅格地图表示出来。

栅格地图的优势：可以详细地描述环境信息，易于机器人的路径规划。缺点是随着栅格数量的增加，所需内存和维护的时间也迅速增长。

而光线投射栅格地图，简单来说就是：构建机器人周围的障碍物的相对位置及障碍物的阴影。即模拟这样一个过程：以机器人为中心（可以看做点光源），向四周发射光线，障碍物及它的阴影（不可直线到达区域）用栅格地图表示出来。

（三）热图

热图是将数值的大小以定义的颜色深浅表示出来。

比如拿到一批离散的数据，想看一下在哪个点数值比较大，在哪个点值比较低，你想把这样的一个值的变化，用颜色来区分出来，就可以用热图来实现。

f.heatmap(data,vmin,vmax,cmap)；

data：矩阵数据集，需要显示的数据；

cmap是从数字到颜色的映射，取值是matplotlib包里的colormap名称或颜色对象，或者表示颜色列表；

vmax，vmin:分别是热力图的颜色取值最大和最小范围，默认是根据data数据表里的取值确定。

（四）算法思想

1、根据障碍物的位置（计算机可模拟生成坐标），计算栅格地图的显示的范围；

2、对以机器人为中心每10°周围划分区域，（以10°为例子，可根据障碍物的大小调整）；

3、根据障碍物所在的区域，在此区域内，将比障碍物离机器人更远的栅格标记成阴影（标记相同颜色即可）。

具体的代码实现如下：

在main函数中生成4个随机样点（障碍物点）。

以机器人为中心周围分成360/10个区域（可+1防止溢出）。举例：precast[0]，存储0-10°区域的栅格及它们的信息。

precastDB() 类，属性有：映射到栅格坐标(px,py)，实际坐标(ix,iy)，距原点(0,0)的距离d，点自己所在的区域angleid。

pmap[ ]：存储栅格数据（矩阵）。

先将之前得到的栅格范围通过np.mgrid()进行分片，得到一个一个小的栅格，再将每个栅格的赋值通过热图用颜色深浅表示出来。

模拟效果：

蓝色圆点：机器人位置（原点(0,0)）

红色x：障碍物映射到栅格坐标

蓝色为阴影

黑点：实际坐标

想了解更详细的内容,就来看看我的Presantation吧：