总结一下流程:
思维:直接走向终点+穿透障碍
1,从起点 直接向终点做,每次获取一下指向终点的向量,加一下自身坐标,得到下一个坐标。
分支:1.不是障碍,就继续往前走。
2.是障碍,获取四个关键点(障碍前一点,障碍点,伪穿透点(穿透点前一个点),穿透点),计算障碍物最边缘的重要属性 内圈(不可走点集合),外圈(可走点集合)。
具体前面已经说过了,这里在说一下:从障碍点开始,我的邻居=1的点(处理:如果这个邻居的八个邻居里有=0的点,那么就是障碍边缘点,如果是边界点pass掉)
我的邻居=0的点(处理,不在外圈path内,则加入)
3.得到内外圈的点,(实际在计算内外圈时就可以计算出最远距离点),这里可以用另外一种方法做。就是线性规划。障碍前一点和穿透点组成一天直线,可以 把内外圈各分成 两拨也就是两条path,在分别计算最远距离点。path是否可走,就看最远距离点的邻居是不是==1的边界点,是就不可走,不是就可走。
4.最小路径,最远距离点(到椭圆AB点的距离之和),A最初为起点,随后更新为最远距离点,B点为终点。
5.碰到障碍 则计算,返回最远距离点,和穿透点信息。
6.把穿透点更新为当前点,继续走。
#不需要记录路径什么的,记录下 起点 每个最远距离点 终点,这些就够了
#### 1为障碍,0为可走,9为B*算法产出的特殊点,需要A*寻路算法优化
#以下是代码
import math
import sys
import time
from collections import Counter
import numpy as np
map_be_search = np.array([
#0 1 2 3 4 5 6 7 8 9 10
[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1],
[1, 0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1],
[1, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 1],
[1, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0],
[1, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 1],
[1, 0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1],
[1, 0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1],
[1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1],
[1, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1],
[1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 1],
[1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
[1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1],
[1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1],
[1, 0, 0, 0, 1, 1, 1, 1, 1, 1