# 基于Python的Astar路径规划仿真

**Repository Path**: luhuigao/python-path-planning

## Basic Information

- **Project Name**: 基于Python的Astar路径规划仿真
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-07-21
- **Last Updated**: 2025-12-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# A*路径规划仿真项目

## 项目概述
这是一个基于Python的A*路径规划仿真项目，实现了A*和Hybrid A*算法，支持车辆运动约束，并包含动态障碍物避障逻辑和DWA局部规划器。

## 项目结构
- `main.py`: 主程序入口
- `path_planning/`: 路径规划算法实现
  - `a_star.py`: A*算法实现
  - `hybrid_a_star.py`: Hybrid A*算法实现
  - `dwa_planner.py`: DWA局部规划器实现
- `visualization/`: 可视化模块
  - `plotter.py`: Matplotlib可视化
  - `simulator.py`: Pygame仿真界面
- `utils/`: 工具函数
  - `grid_map.py`: 栅格地图生成
  - `obstacle.py`: 障碍物管理
- `tests/`: 单元测试
- `requirements.txt`: 项目依赖

## 项目创建流程
1. 创建项目目录
```bash
mkdir -p 基于Python的A*路径规划仿真/{path_planning,visualization,utils,tests}
cd 基于Python的A*路径规划仿真
```

2. 创建依赖文件
```bash
echo "matplotlib==3.7.1
pygame==2.3.0
numpy==1.24.3
pytest==7.3.1" > requirements.txt
```

3. 安装依赖
```bash
pip install -r requirements.txt
```

4. 创建主要代码文件
按照项目结构创建相应的Python文件

## 使用方法
1. 运行主程序
```bash
python main.py
```

2. 运行测试
```bash
pytest tests/
```
具体见下文测试说明

## 算法接口说明
### A*算法接口
```python
class AStarPlanner:
    def __init__(self, grid_map, resolution=1.0, robot_radius=1.0):
        # 初始化A*规划器
        # grid_map: 二维数组表示的栅格地图
        # resolution: 栅格分辨率(m)
        # robot_radius: 机器人半径(m)

    def planning(self, start, goal):
        # 路径规划主函数
        # start: [x, y] 起点世界坐标
        # goal: [x, y] 终点世界坐标
        # return: 路径点列表 [[x,y], ...] 或 None
```

### Hybrid A*算法接口
```python
class HybridAStarPlanner:
    def __init__(self, grid_map, resolution=1.0, robot_radius=1.0, min_turning_radius=6.0):
        # 初始化Hybrid A*规划器
        # min_turning_radius: 最小转弯半径(m)

    def planning(self, start, goal):
        # 路径规划主函数
        # start: [x, y, theta] 起点世界坐标和角度
        # goal: [x, y] 终点世界坐标
        # return: 路径点列表 [[x,y,theta,curvature], ...] 或 None
```

### DWA局部规划器接口
```python
class DWAPlanner:
    def __init__(self, max_speed=1.5, max_accel=0.5, max_yawrate=40.0*math.pi/180.0):
        # 初始化DWA规划器
        # max_speed: 最大速度(m/s)
        # max_accel: 最大加速度(m/s²)
        # max_yawrate: 最大角速度(rad/s)

    def plan(self, current_state, goal, grid_map, dynamic_obstacles=[]):
        # 局部路径规划
        # current_state: [x, y, yaw, v, yawrate] 当前状态
        # goal: [x, y] 目标点
        # dynamic_obstacles: 动态障碍物列表
        # return: (最佳速度, 最佳角速度), 轨迹点列表
```

## 扩展方法
1. 添加新算法: 在path_planning目录下创建新的算法文件，实现Planning接口
2. 自定义代价函数: 继承现有规划器类，重写cost_function方法
3. 新地图类型: 在utils/grid_map.py中扩展GridMap类

## 测试说明
项目使用pytest进行单元测试，测试文件位于tests目录下。

### 运行测试
```bash
pytest tests/ -v  # 详细模式运行所有测试
pytest tests/test_a_star.py -v  # 单独测试A*算法
```

### 测试覆盖范围
- 算法正确性测试: 验证路径是否存在、是否碰撞
- 性能测试: 验证规划耗时是否<50ms
- 边界条件测试: 起点/终点不可达、地图全障碍等场景