[*] Lau B , Sprunk C , Burgard W . Improved updating of Euclidean distance maps and Voronoi diagrams[C]// IEEE/RSJ International Conference on Intelligent Robots & Systems. IEEE, 2010.
本文对[*]中的Occupancy Map to Euclidean Distance Maps算法进行python实现。
论文中相关算法如下所示:
该算法能够根据加入或移除占据栅格地图的障碍物进行更新一幅欧式距离地图。
其中,论文中解释了pop(open)与insert(open, s, d)两个未给出伪代码的函数。文中说,pop(open)是从open中找到距离最小的一个元素返回,并从open中删除。在实现过程中,按照最小距离返回时,当从有多个障碍物的地图中移除掉一个障碍物时,程序会陷入无止尽的循环。经验证,如果按照最大距离返回时,可正常运行。
论文中也补充到,给每个栅格增加一个属性:process,来达到类似于加入open与移除open队列的目的。
算法python实现
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
open_list = []
dist = 99999.0*np.ones((30, 30))
obst = -1*np.ones((30, 30))
toRaise = np.zeros((30, 30))
process = np.zeros((30, 30))
def S2IJ(s):
i = int(s//30)
j = int(s%30)
return i,j
def SetObstacle(i,j):
obst[i,j] = i*30+j
dist[i,j] = 0
process[i,j] = 1
# open_list.append([i,j])
def RemoveObstacle(i,j):
obst[i,j] = -1
toRaise[i,j] = 1
dist[i, j] = 99999.0
process[i, j] = 1
# open_list.append([i,j])
def Raise(i,j):
for ni in [-1, 0, 1]:
for nj in [-1, 0, 1]:
if ni == 0 and nj == 0:
continue
xi = i + ni
xj = j + nj
if xi < 0 or xi >= 30 or xj < 0 or xj >= 30:
continue
if (obst[xi, xj] >= 0) and (toRaise[xi, xj] == 0):
oi, oj = S2IJ(obst[xi,xj])
if (oi != xi) or (oj != xj):
dist[xi,xj] = 99999.0
# print(xi,xj,oi,oj,obst[xi, xj])
obst[xi, xj] = -1
toRaise[xi, xj] = 1
# else:
# for i in range(30):
# for j in range(30):
# toRaise[i,j] = 0
process[xi, xj] = 1
# open_list.append([xi, xj])
toRaise[i,j] = 0
def Lower(i, j):
si, sj = S2IJ(obst[i, j])
for ni in [-1, 0, 1]:
for nj in [-1, 0, 1]:
if ni == 0 and nj == 0:
continue
xi = i + ni
xj = j + nj
if xi < 0 or xi >= 30 or xj < 0 or xj >= 30:
continue
if toRaise[xi, xj] == 0:
d = np.sqrt((si-xi)*(si-xi)+(sj-xj)*(sj-xj))
if (d < dist[xi, xj]) or (obst[xi, xj] < 0):
dist[xi, xj] = d
obst[xi, xj] = si*30+sj
process[xi, xj] = 1
# open_list.append([xi, xj])
def Pops(): # get the element with max distance
max_index = -1
max_dist = -1.0
for i in range(30):
for j in range(30):
if process[i,j] == 1:
if dist[i,j] > max_dist:
max_dist = dist[i,j]
max_index = i*30+j
if max_index < 0:
return False, max_index
else:
oi, oj = S2IJ(max_index)
process[oi, oj] = 0
return True, max_index
def UpdateDistanceMap():
not_empty, s = Pops()
while not_empty:
i,j = S2IJ(s)
if toRaise[i,j] == 1:
Raise(i,j)
# print("raise")
# print(i,j)
else:
if obst[i,j] >= 0:
Lower(i,j)
# print("lower")
# print(i,j)
not_empty, s = Pops()
从空白地图上加入一个障碍物
SetObstacle(15, 15)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
时间成本:
Wall time: 325 ms
欧式距离地图:
增加一个障碍物
SetObstacle(5,5)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
时间成本:
Wall time: 93.8 ms
欧式距离地图:
再增加一个障碍物
SetObstacle(10, 25)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
时间成本:
Wall time: 71.9 ms
欧式距离地图:
从地图上移除一个障碍物
RemoveObstacle(5,5)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
时间成本:
Wall time: 854 ms
欧式距离地图:
重新加入一个新的障碍物
SetObstacle(25,25)
%time UpdateDistanceMap()
plt.imshow(dist)
plt.show()
时间成本
Wall time: 58.6 ms
欧式距离地图
补充
欧式距离地图可进一步得到Voronoi地图(如论文中给出的例子):
我们仔细观察以上程序中生成的欧式距离地图,也发现障碍物之间有类似边界的栅格:
因此,得到欧式距离地图后,可以很方便的得到Voronoi地图。
结论
欧式距离地图生成的时间成本很高,几乎不能用于无人驾驶局部代价地图生成。但是可以应用于相对静态的场景中。