Python和matplotlib的配置與使用

這里我們使用Anacondda的Python編程環(huán)境，使用Visual Studio Code軟件進(jìn)行開發(fā)。

Anaconda是專業(yè)為了方便于使用Python進(jìn)行數(shù)據(jù)挖掘研究而制作的一個應(yīng)用包，涵蓋了在各種數(shù)據(jù)挖掘研究涉及領(lǐng)域中使用的Python庫，而且自帶了專業(yè)用來處理軟件環(huán)境中依賴問題的conda包系統(tǒng)。

主要優(yōu)點是實現(xiàn)了外包管理與環(huán)境管理的各種功能，而且可以非常容易地處控制多版本Python共存、轉(zhuǎn)換以及各種第三方包使用上的問題。

Anaconda使用工具/命令conda來實現(xiàn)對package和environment的控制，其中就曾經(jīng)包括了python和相應(yīng)的配套開發(fā)工具。

Anaconda自帶人工智能環(huán)境，這里我們需要用到的numpy矩陣計算環(huán)境、pandas分析環(huán)境、matplotlib數(shù)據(jù)可視化環(huán)境等等會自動安裝，無需手動配置。

VSCode，全名Visual Studio Code，是由微軟公司研發(fā)出的一種輕量級程序編寫器，免費、開放且能力強勁。

它支持了基本上所有主要的程序語言的語法高光度、智能編碼補滿、自設(shè)定熱鍵、括號匹配、編碼片段、編碼對比Diff、GIT等功能，同時支援插件擴展功能，并根據(jù)個人網(wǎng)站發(fā)展或者云端使用發(fā)展做了調(diào)整。

該軟件跨平臺，支持Win、Mac和Linux，啟動界面如所示。

VS Code編程環(huán)境具備項目視圖和調(diào)試工具，可以讓我們更高效的進(jìn)行代碼分析與驗證。VS Code會自動檢測我們系統(tǒng)當(dāng)前環(huán)境進(jìn)行加載選擇。

這里為了方便后續(xù)開發(fā)，我將數(shù)據(jù)可視化部分寫成類庫的模式，在后續(xù)算法驗證當(dāng)中，僅需輸入數(shù)據(jù)調(diào)用即可，類庫程序如圖所示。

圖表可視化部分是Plotting類，主要作用就是添加坐標(biāo)點進(jìn)行顯示。這里以queue隊列的數(shù)據(jù)形式進(jìn)行存儲，如圖所示。

路線規(guī)劃算法的基本概念為：移動機器人在有障礙物的周圍環(huán)境中根據(jù)相應(yīng)的評價準(zhǔn)則，尋求一個由初始狀態(tài)至達(dá)到目標(biāo)狀態(tài)之間的無碰路線。路徑規(guī)劃算法的還有一個劃分的方式，即可分為全局路徑規(guī)劃和局部路徑規(guī)劃。

全局路徑規(guī)劃是基于環(huán)境全局的信息，這包含了機器人在當(dāng)前狀況下檢測不到的所有信號。全局規(guī)劃把環(huán)境信息存放到一幅圖中，并利用這張圖尋找可能的路線。

由于全局算法通常要求花費大量的運算時間，因此不適合于高速多變的動態(tài)環(huán)境，并且由于全局路徑規(guī)劃必須要預(yù)先掌握全局的環(huán)境信息，也不適合于未知環(huán)境下的規(guī)劃任務(wù)。

局部路徑計算系統(tǒng)只考慮了機器人的瞬時環(huán)境信號，使得計算數(shù)量減少，效率明顯提高。但局部路徑規(guī)劃算法，有時并不一定可以讓機器人直接抵達(dá)目的地點，從而導(dǎo)致了計算全局不收斂。

對移動機器人來說，兼顧非完全微分約束的路徑規(guī)劃問題是該領(lǐng)域的難點所在。

非完整微分約束影響了機器人系統(tǒng)的運動速度并且約束也無法去積分，因此無法把這些束縛轉(zhuǎn)換為簡化的幾何束縛。

根據(jù)隨機采集的路徑規(guī)劃方法，尤其是快速隨機搜索樹方法，可以將各種約束集成在算法本身之中，因此可以很有效的解決有非完整微分約束的路徑規(guī)劃問題。

在深入研究自己自主規(guī)劃課題之前，應(yīng)先形成相對比較完善的自主規(guī)劃系統(tǒng)，然后再以這個系統(tǒng)為指導(dǎo)，對自己自主規(guī)劃的各種具體課題加以研究。

本節(jié)擬針對獨立人工智能機器人的思考方法、行動方式、任務(wù)行動等特征，形成與之相適應(yīng)的自主性體育運動規(guī)劃系統(tǒng)。

并根據(jù)人工智能機器人的數(shù)量種類和規(guī)模，把自主性運動計劃細(xì)分成單一人工智能機器人的運動計劃和多人工智能機器人協(xié)同的運動計劃二種規(guī)劃系統(tǒng)。

文章重點涉及了以下幾個常見的運動規(guī)劃算法：圖搜索法、RRT算法、人工勢場法、BUG算法等，并對部分方法的自身問題也進(jìn)行了一些改進(jìn)研究。

此次設(shè)計方案以算法的驗證為主，通過查閱相關(guān)文獻(xiàn)，根據(jù)相關(guān)文獻(xiàn)資料確定此次設(shè)計實驗的算法，推導(dǎo)算法的實現(xiàn)過程，最終通過代碼進(jìn)行實現(xiàn)數(shù)據(jù)可視化分析來完成本文的工作，如圖所示。

此次設(shè)計先對圖搜索算法、RRT及RTT改進(jìn)算法、BUG算法、人工勢場法進(jìn)行理論的分析和闡述，通過Python編程+Matplotlib數(shù)據(jù)可視化的方式來對路徑搜索算法進(jìn)行可視化的展示和分析。

這個研究工作主要是指通過對ROS機器人系統(tǒng)所進(jìn)行的仿真實驗，而ROS技術(shù)（Robot Operating
System，下文簡寫“ROS”）則是指一個廣泛應(yīng)用在人工智能方面開放的多元操作系統(tǒng)。

它提供了控制系統(tǒng)所需要的全部特性，如硬件抽象性，系統(tǒng)底層的控制，對常用功能的應(yīng)用，進(jìn)程的數(shù)據(jù)傳遞，和包處理等。

它還具有用來檢索、翻譯、匯編、和跨計算機執(zhí)行代碼所必需的工具和庫函數(shù)的功能。

在ROS系統(tǒng)下可以通過Gazebo物理仿真+Rviz三維數(shù)據(jù)可視化的方式對算法進(jìn)行分析。在ROS中實現(xiàn)自己的路徑規(guī)劃算法需要以plugin的方式，并且繼承nav_core：：BaseGlobalPlanner接口。

仿真測試部分在Gazebo環(huán)境下搭建機器人模型，通過仿真系統(tǒng)將激光雷達(dá)數(shù)據(jù)、里程計數(shù)據(jù)、姿態(tài)數(shù)據(jù)進(jìn)行模擬，傳感器數(shù)據(jù)傳遞到navigation導(dǎo)航框架當(dāng)中實現(xiàn)路徑規(guī)劃及自主導(dǎo)航功能。