的考虑点obstacles
(给定为的row, column
矩阵坐标,形状(n, 2)
的ndarray列表)的列表,返回地图大小size
(的其中size
是形状2D NumPy数组),其中r, c
的值是距离最近“障碍物”的欧几里德距离。计算最小距离的一个映射到多个点
def gen_distgrid(size, obstacles):
n_obstacles = obstacles.shape[0]
distgrids = np.zeros((n_obstacles + 4, size[0], size[1]))
for layer in range(n_obstacles):
for i in range(size[0]):
for j in range(size[1]):
distgrids[layer, i, j] = np.linalg.norm(obstacles[layer,:] - [i,j])
for i in range(size[0]):
for j in range(size[1]):
distgrids[n_obstacles + 0, i, j] = i
distgrids[n_obstacles + 1, i, j] = (size[0] - i)
distgrids[n_obstacles + 2, i, j] = j
distgrids[n_obstacles + 3, i, j] = (size[1] - j)
distgrid = np.min(distgrids, axis=0)
return distgrid
我的方法真的很慢,我觉得应该有更好的方法。
对不起,'r'和'c'是什么? – mgilson
@mgilson:行和列,或者你可以说'i,j'。 –
因此,对于每个障碍物,您想知道哪个障碍物最接近? – mgilson