稀疏稳定树规划器
sparse-rrt的Python项目详细描述
#sparse rrt planner的python绑定
此软件包基于sparse rrt项目https://bitbucket.org/pracsys/sparse-rrt/
此工作的主要目的是允许在python环境中运行sparse rrt planner。主要的贡献在于：原始包的
C++实验是从Python中执行的，在保持速度的同时，SVG可视化和统计
可控制的规划师系统可以完全用Python编写，而规划师则在C++中执行。这并不像它所说的那么慢——平均减速仅为系统传播的2-3x。规划师、公用事业和系统的
C++代码使用MODER C++ 11特性进行了大量的重构。Python绑定是使用PyBID11
C++实现的规划师、实用工具和系统，它们包含许多内存泄漏，从而防止多次运行计划。这在当前的实现中是固定的。
r/>
标准实验
在没有可视化的情况下运行标准预打包实验：
``python
来自稀疏rrt。实验导入运行标准实验
运行标准实验（'sst汽车'，可视化=false）
```
AR系统，用C++实现，打印输出统计。BR/>现在，统计的是迭代次数BR/>执行，节点的存储数量，以及在BR/>秒中的解长度。运行以下命令以获取它们的列表：
``python
from sparse_rrt.experiments import run_standard_experiment
for exp in available_standard_experiments（）：
print（exp）
````
visualization
可以在独立窗口中显示实现图像。本项目继承了基于原始C++代码库的SVG可视化。很少有方便的函数可以显示SVG图像、将其转换为RGB numpy数组或在窗口中显示它们。
可视化依赖项不包括在包依赖项中以便于安装。
以下是运行可视化可能需要安装的软件包：
-`pyside`或`cairosvg`-在python中呈现svg。` pyside的速度要快得多（安装时运行pip install pyside或pip install cairosvg）
-`pyside'或`python opencv`-打开窗口并显示numpy图像（`show_image`函数）。要安装opencv，可以按照https://www.learnopencv.com/install-opencv3-on-ubuntu/
-`svg write`-从python编写svg文件。只有在使用python编写的系统可视化时（安装run'pip install svgwrite`）
最简单的选项是只安装"pyside"。下面是如何使用可视化运行标准实验的方法。
``python
来自sparse-rrt。experiments import run-run-standard-experiment
run-standard-experiment（'sst-car'，visualization=true）
````
配置。配置示例可以在"实验"文件夹中找到。
您可以通过创建自己的配置来运行自定义实验。例如，下面将运行带有自定义目标点的点系统的RRT计划器：
``python
from sparse_rrt.experiment s.experiment_utils import run_config
point_config=dict（
system='point'，
planner='rrt'，
start_state=[9.，9.]，
goal_state=[-9,9.]，
目标半径=0.5，
随机种子=100，
积分步长=0.02，
最小时间步长=2，
最大时间步长=20，
个数运算量=300000，
显示类型='tree'
）
运行配置（点配置）
````
ath.
-`'nodes`：image windo显示树中每个节点的成本。较暗的节点表示成本较低（更好），而较浅的节点表示成本较高。
system_interface.issystem` interface。
要实现的主要功能是"propagate"，负责系统动力学和碰撞检测。
有关详细文档，请参阅docstrings。提供了一个助手基类"sparse_rrt.systems.system_interface.basesystem"，以便轻松创建最常见的系统。这里是2d中自由点的最简单示例：
``python
import numpy as np
from sparse\rrt.systems.system\u interface import basesystem
class free point（basesystem）：
'
一个实现2d点的简单系统。它的控制包括速度和方向。
'
一个点的最小x，最大x=-10，10最小和最大x坐标
一个点的最小y，最大y=-10，10最小和最大y坐标
最小v，最大v=0，10。#最小和最大控制速度集成的开始状态
：param control:numpy数组，在集成过程中应用常量控件
：param num步骤：要集成的步骤数
：param integration步骤：集成的dt
：返回：系统的新状态
'
控制v=np.array（[control[0]*np.cos（control[1]），控制[0]*np.sin（control[1]））
轨迹=开始状态+np.arange（步数）[：，无]*积分步数*控制v
状态=np.clip（轨迹[-1]，[self.min-x，self.min-y]，[self.max-x，self.max-y]）
返回state
def visualize廑point（self，state）：
'
将状态空间点投影到二维可视化平面
：参数state:状态点的numpy数组
：返回此状态点的可视化坐标的x，y
''
x=（state[0]-self.min_x）/（self.max_x-self.min_x）
y=（state[1]-self.min_y）/（self.max_y-self.min_y）
返回x，y
def get_u state_u bounds（self）：
'
返回状态空间的界限
：返回（min，m）列表ax）状态空间中每个坐标的界限
'
返回[（self.min_x，self.max_x），
（self.min_y，self.max_y）]
def get_u control_x界限（self）：
'
返回控制空间的界限
：返回：列表（min，max）控制空间中每个坐标的界限
'
返回[（self.min_v，self.max_v），
（self.min_theta，self.max_theta）]
def是圆形拓扑（self）：
'
指示状态系统是否具有平面或圆形顶部logy
：return：每个坐标的布尔标志（平面拓扑为false）
'
return[false，false]
```
OM模拟完全从头开始：
`` python
从稀疏资源导入sst
system=freepoint（）
目标半径=0.5，
随机种子=0，
sstδu近=0.4，
sstδu漏=0.2
）
==0:
solution=planner.get_solution（）
打印（"解决方案：%s，节点数：%s"%（planner.get_solution（），planner.get_nodes（）））
```
此软件包基于sparse rrt项目https://bitbucket.org/pracsys/sparse-rrt/
此工作的主要目的是允许在python环境中运行sparse rrt planner。主要的贡献在于：原始包的
C++实验是从Python中执行的，在保持速度的同时，SVG可视化和统计
可控制的规划师系统可以完全用Python编写，而规划师则在C++中执行。这并不像它所说的那么慢——平均减速仅为系统传播的2-3x。规划师、公用事业和系统的
C++代码使用MODER C++ 11特性进行了大量的重构。Python绑定是使用PyBID11
C++实现的规划师、实用工具和系统，它们包含许多内存泄漏，从而防止多次运行计划。这在当前的实现中是固定的。
r/>
标准实验
在没有可视化的情况下运行标准预打包实验：
``python
来自稀疏rrt。实验导入运行标准实验
运行标准实验（'sst汽车'，可视化=false）
```
AR系统，用C++实现，打印输出统计。BR/>现在，统计的是迭代次数BR/>执行，节点的存储数量，以及在BR/>秒中的解长度。运行以下命令以获取它们的列表：
``python
from sparse_rrt.experiments import run_standard_experiment
for exp in available_standard_experiments（）：
print（exp）
````
visualization
可以在独立窗口中显示实现图像。本项目继承了基于原始C++代码库的SVG可视化。很少有方便的函数可以显示SVG图像、将其转换为RGB numpy数组或在窗口中显示它们。
可视化依赖项不包括在包依赖项中以便于安装。
以下是运行可视化可能需要安装的软件包：
-`pyside`或`cairosvg`-在python中呈现svg。` pyside的速度要快得多（安装时运行pip install pyside或pip install cairosvg）
-`pyside'或`python opencv`-打开窗口并显示numpy图像（`show_image`函数）。要安装opencv，可以按照https://www.learnopencv.com/install-opencv3-on-ubuntu/
-`svg write`-从python编写svg文件。只有在使用python编写的系统可视化时（安装run'pip install svgwrite`）
最简单的选项是只安装"pyside"。下面是如何使用可视化运行标准实验的方法。
``python
来自sparse-rrt。experiments import run-run-standard-experiment
run-standard-experiment（'sst-car'，visualization=true）
````
配置。配置示例可以在"实验"文件夹中找到。
您可以通过创建自己的配置来运行自定义实验。例如，下面将运行带有自定义目标点的点系统的RRT计划器：
``python
from sparse_rrt.experiment s.experiment_utils import run_config
point_config=dict（
system='point'，
planner='rrt'，
start_state=[9.，9.]，
goal_state=[-9,9.]，
目标半径=0.5，
随机种子=100，
积分步长=0.02，
最小时间步长=2，
最大时间步长=20，
个数运算量=300000，
显示类型='tree'
）
运行配置（点配置）
````
ath.
-`'nodes`：image windo显示树中每个节点的成本。较暗的节点表示成本较低（更好），而较浅的节点表示成本较高。
system_interface.issystem` interface。
要实现的主要功能是"propagate"，负责系统动力学和碰撞检测。
有关详细文档，请参阅docstrings。提供了一个助手基类"sparse_rrt.systems.system_interface.basesystem"，以便轻松创建最常见的系统。这里是2d中自由点的最简单示例：
``python
import numpy as np
from sparse\rrt.systems.system\u interface import basesystem
class free point（basesystem）：
'
一个实现2d点的简单系统。它的控制包括速度和方向。
'
一个点的最小x，最大x=-10，10最小和最大x坐标
一个点的最小y，最大y=-10，10最小和最大y坐标
最小v，最大v=0，10。#最小和最大控制速度集成的开始状态
：param control:numpy数组，在集成过程中应用常量控件
：param num步骤：要集成的步骤数
：param integration步骤：集成的dt
：返回：系统的新状态
'
控制v=np.array（[control[0]*np.cos（control[1]），控制[0]*np.sin（control[1]））
轨迹=开始状态+np.arange（步数）[：，无]*积分步数*控制v
状态=np.clip（轨迹[-1]，[self.min-x，self.min-y]，[self.max-x，self.max-y]）
返回state
def visualize廑point（self，state）：
'
将状态空间点投影到二维可视化平面
：参数state:状态点的numpy数组
：返回此状态点的可视化坐标的x，y
''
x=（state[0]-self.min_x）/（self.max_x-self.min_x）
y=（state[1]-self.min_y）/（self.max_y-self.min_y）
返回x，y
def get_u state_u bounds（self）：
'
返回状态空间的界限
：返回（min，m）列表ax）状态空间中每个坐标的界限
'
返回[（self.min_x，self.max_x），
（self.min_y，self.max_y）]
def get_u control_x界限（self）：
'
返回控制空间的界限
：返回：列表（min，max）控制空间中每个坐标的界限
'
返回[（self.min_v，self.max_v），
（self.min_theta，self.max_theta）]
def是圆形拓扑（self）：
'
指示状态系统是否具有平面或圆形顶部logy
：return：每个坐标的布尔标志（平面拓扑为false）
'
return[false，false]
```
OM模拟完全从头开始：
`` python
从稀疏资源导入sst
system=freepoint（）
目标半径=0.5，
随机种子=0，
sstδu近=0.4，
sstδu漏=0.2
）
==0:
solution=planner.get_solution（）
打印（"解决方案：%s，节点数：%s"%（planner.get_solution（），planner.get_nodes（）））
```
欢迎加入QQ群-->： 979659372
