路径规划算法 例如，许多路径规划算法已实现为机器人技术课程的一部分。 A *，D *，RRT，RRT *

适合路径规划、无人驾驶相关领域科研工作者。

ROS实现人工势场法结合A*算法，优化后的人工势场法作为插件使用

1.直接运行main_csdn.py检查路径 2.算法的具体实现在BasicAlgorithm.py文件中，里面涵盖了BFS、DFS、Dijkstra、Greedy Best First Search、A*五种静态场景的路径规划算法，算法应用于二维的栅格场景 3.几种算法的基本关系： （BFS、DFS）广度和深度优先搜索，最基本的暴力求解算法 （Dijkstra）在BFS的基础之上添加了低成本优先的贪心策略（估价函数） （Greedy Best First Search）在BFS的基础之上添加了启发式 （A*）结合了估价函数和启发式 以上是我个人的理解以及代码实现，具体原理可参考站内其他资源~

机器人局部路径规划算法——VFH系列论文。主要根据传感器的观测数据，更新占用栅格地图，然后计算下一步的运动方向。

移动机器人路径规划算法——人工势场法MALTAB和Python源码，内包含3个python版本的人工势场法独立程序、1个C++版本的人工势场法独立程序和1个MATLAB版本人工势场法的独立程序

基于栅格地图的D*路径规划算法，根据自己的理解，复现原文伪代码。纯python语言编写，注释清晰，用pygame做了很好的可视化。可以用于学习研究，请勿用于生产环境。

概述 该存储库实现了机器人技术中常用的一些路径规划算法，包括基于搜索的算法和基于采样的算法。我们为每种算法设计了动画以显示运行过程。相关论文在中列出。 目录结构 . └── Search-based Planning ├── Breadth-First Searching (BFS) ├── Depth-First Searching (DFS) ├── Best-First Searching ├── Dijkstra's ├── A* ├── Bidirectional A* ├── Anytime Repairing A* ├── Learning Real-time A* (LRTA*) ├── Real-time Adaptive A* (RTAA*) ├── Lifelong Planning A*

多机器人路径规划算法，可视化界面显示，默认实验数据为实现4个机器人路径规划

搜索类的算法 Dijkstra、 Astar、 D_star、 D_star_Lite、Anytime_D_star 、LPAstar、ARASTAR 、Best_First 、LRTAstar等 采样类的算法 RRT、RRT_connect、rrt_sharp、rrt_star、rrt_star_smart、informed_rrt_star、fast_marching_trees、fast_marching_trees、advanced_batch_informed_trees等