ROSTurtlebot上的Dstar-lite 仿真：ME / CS 133b机器人最终项目，加州理工学院，2017年冬季，贡献者：胡博涛，刘玉凯，石冠亚。 ROS和Turtlebot：CS / ME / EE 134自治最终项目，加州理工学院，2018年Spring，贡献者：胡博涛，刘玉凯，石冠亚，吴彦，吴玉伟。 （按字母顺序） 1.模拟 运动计划是算法和机器人技术的基本主题，它考虑了机器人需要确定从某个起点到目标的最短路径，同时避免环境中所有障碍的问题。 D * Lite，D *算法的简化，从目标开始反向搜索并尝试从头开始，并使用当前的最佳路径和启发式估计来贪婪地扩展每个节点。 该项目首先实现了基于python的D * lite算法。 为了测试机器人的性能，我们还生成随机迷宫并通过MATLAB记录其路径。 有关使用说明，请参见./D_star_lite_simulation/r

D * -Lite类 该软件是D * -Lite算法的实现，如[Koenig，2002]中所述。 这是非优化版本，如本文图5所述。 在下面的第3节中说明了对该算法所做的一些小改进。 该资源是根据GNU通用公共许可证版本3（2007年6月29日发布）发布的，该版本可在以下获得： ： 请注意，这是一个早期版本，该软件仍然存在一些小错误。 运行dstar测试程序： 您需要先安装OpenGL / GLUT库，然后才能运行。 但是您不需要他们在自己的程序中使用Dstar类。 $ tar -xzf dstar.tgz $ cd dstar $ make $ ./dstar 指令 [q / Q]-退出 [r / R]-重新计划 [a / A]-切换自动重新计划 [c / C]-清除（重新启动） 鼠标左键-使单元格不可遍历（成本-1） 鼠标中键-将目标移至单元格 右键单击-将开始移至单元

主要解决移动机器人路径规划问题，采用Matlab语言编程。

D*算法又称为动态A*算法，在未知环境或有动态障碍物出现时，采用A*算法需要丢弃初始规划完成的open表和close表，重新进行规划。造成规划时间的增加，D*算法的核心思想是先用dijkstra或A*从目标点向初始点进行反向搜索，然后机器人从起点向目标点移动，当遇到动态障碍物时，只进行局部的更改即可，效率明显提高。本仿真基于matlab进行D*算法的动画演示。

寻找路径的方法，对这种方法感兴趣的可以参考一下

该程序调用一些GNU库，请在类Unix系统下编译使用。

移动机器人D*Lite路径规划算法设计源码，该程序调用一些GNU库，请在类Unix系统下编译使用。