C++結合OpenCV實現RRT算法

文章目錄

• C++結合OpenCV實現RRT算法
• • 1.RRT算法簡介
  • 2.算法整體框架流程
  • • 2.1 rand點的建立
    • 2.2 near和new點的建立
    • 2.3 安全性檢查
    • 2.4 算法結束判斷
  • 3.RRT代碼框架
  • • 3.1 主函數
    • 3.2 地圖數據的獲取
    • 3.3 RRT算法的實現
    • • 3.3.1 起點入樹
      • 3.3.2 rand點的獲取
      • 3.3.3 near點的獲取
      • 3.3.4 new點的獲取
      • 3.3.5 安全性檢測
    • 3.4 可視化顯示
  • 4. 代碼運行過程

1.RRT算法簡介

代碼鏈接：RRT
動圖展示

RRT

---

2.算法整體框架流程

RRT算法整體框架主要分為rand、near、new三點的建立和near與new之間的安全性檢查

2.1 rand點的建立

rand點表示在地圖$M$中隨機采樣獲得，記住是隨機。我們可以通過設計隨機函數，讓盡可能的點進入空曠區域，即算法框架中的Sample函數。下圖中紅色點表示起點，綠色的點表示終點。

2.2 near和new點的建立

near點表示從RRT樹$$\Gamma$$中通過距離函數，判斷樹中哪個點距離當前rand點最近，此時該點即為near點。對應于算法框架中的Near函數。

new點表示以near點到rand為方向，以$E_i$為步長，生成的一個新點。對應于算法框架的Steer函數。

2.3 安全性檢查

若上述的new點在安全區域內，且new與near點連線安全，則會在RRT樹中進行擴展，否則不會進行擴展。對應于算法框架中的CollisionFree函數。

2.4 算法結束判斷

算法框架中的當new點與goal相等，表示算法運行成功，但是實際編程情況中，new點與goal點會存在一定的距離閾值。

---

3.RRT代碼框架

3.1 主函數

main.cpp ：首先通過地圖文件中讀取地圖數據(本次代碼提供兩張地圖，供測試使用)，然后設置RRT算法的起點和終點，以及相關參數設置，例如距離閾值、步長、迭代次數等。其次通過RRT算法的接口函數RRTCore和CreatePath獲得RRT算法的路徑，最后通過顯示函數Display進行數據可視化。

#include <iostream> #include <vector> #include <string> #include "map.h" #include "display.h" #include "RRT.h" using namespace std;int main() {//讀取地圖點//vector<vector<int>>mapData = MapData("map/map.txt");定義起點和終點,以及閾值//int xStart = 10;//int yStart = 10;//int xGoal = 700;//int yGoal = 700;//int thr = 50;//int delta = 30;//int numer = 3000;//讀取地圖點vector<vector<int>>mapData = MapData("map/map6.txt");//定義起點和終點,以及閾值int xStart = 134; //起點x值int yStart = 161; //起點y值int xGoal = 251; //終點x值int yGoal = 61; //終點y值int thr = 10; //結束與終點的距離閾值int delta = 10; //步長int numer = 3000; //迭代參數//創建RRT對象CRRT rrt(xStart, yStart, xGoal, yGoal, thr, delta, mapData);vector<pair<float, float>>nearList, newList;vector<pair<int, int>>path;//RRT核心函數bool flag = rrt.RRTCore(nearList, newList,numer);if (flag == true){//通過RRT獲得路徑rrt.CreatePath(path);std::cout << "path size is:" << path.size() << std::endl;//顯示函數Display(xStart, yStart, xGoal, yGoal, mapData, path, nearList, newList);}return 0; }

3.2 地圖數據的獲取

本次地圖數據通過python程序將地圖圖片中的障礙物的位置存儲起來，然后通過C++流的方式進行讀取。

img2txt.py：該程序可以將彩蛇或者黑白地圖中的障礙物**(gray_img$[i][j]$== 0,數據0在圖片中為純黑，表示障礙物；255在圖片中為純白，表示自由可通行區域)**讀取，然后以txt的格式進行存儲。python程序需要opencv的環境，大家自己百度安裝。

# -*- coding: utf-8 -*-import matplotlib.pyplot as plt # plt 用于顯示圖片 import numpy as np import cv2img = cv2.imread("map/map6.bmp") print(img.shape) if len(img.shape)==3:print("圖片為彩色圖") gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) elif len(img.shape)==2:print("圖片為灰度圖")gray_img=img h=gray_img.shape[0] w=gray_img.shape[1] print (gray_img.shape)f = open("map/map6.txt", "wb") # 尺寸 h, w f.write((str(h) + " " + str(w) + "\n").encode("utf-8"))for i in range(h):for j in range(w):if gray_img[i][j] == 0:print("hello world")f.write((str(i) + " " + str(j) + "\n").encode("utf-8"))f.close() print ("map.txt save sucessful")

其中保存的地圖txt數據分為兩部分，第一行表示地圖的高和寬；從第二行開始表示障礙物的坐標值，例如234 648表示第648行，第234列那個點的圖像像素值為0。圖像坐標系中原點坐標在圖像的左上角，x軸向右，y軸向下。

800 800
234 648
234 649
234 650
234 651
234 652
234 653
234 654
234 655
234 656
234 657
234 658
234 659
…

map.h

#pragma once #ifndef __MAP__ #define __MAP__ #include <vector> #include<iostream> #include <string> using namespace std; vector<vector<int>> MapData(std::string _MapPath);#endif

map.cpp：通過C++流的方式進行txt數據的讀取，按照上述存儲方式進行讀取。

/*該函數是讀取map.txt形成一個二維數組num，其中num里面0表示障礙物,255為可自由區域*/ #include "map.h" #include<fstream> #include<sstream> vector<vector<int>>MapData(std::string _MapPath) {ifstream f;f.open(_MapPath);string str;vector<vector<int> > num;bool FirstLine = true;while (getline(f, str)) //讀取1行并將它賦值給字符串str{if (FirstLine){istringstream in(str); // c++風格的串流的輸入操作int a;in >> a;int height = a;in >> a;int wight = a;num.resize(height, vector<int>(wight, 255));FirstLine = false;}else{istringstream input(str); // c++風格的串流的輸入操作vector<int> tmp;int a;while (input >> a) //通過input將第一行的數據一個一個的輸入給atmp.push_back(a);num[tmp[0]][tmp[1]] = 0;}}return num; }

3.3 RRT算法的實現

RRT.h：主要通過RRTCore函數實現RRT算法的本體，通過CreatePath函數獲得RRT算法的路徑。

#pragma once #ifndef __RRT__ #define __RRT__ #include <iostream> #include <string> #include <vector> #include <math.h> #include "ctime" #define N 999 #define pi 3.1415926using namespace std; //定義RRT搜索樹結構 struct Tree {float Sx; //當前點的x值float Sy; //當前點的y值 //new點float SxPrev; //該點先前點的x值float SyPrev; //該點先前點的x值 //near點float Sdist; //near點與new點的距離int SindPrev; //new點的索引 }; class CRRT { public://RRT構造函數CRRT(int _xStart, int _yStart, int _xGoal, int _yGoal, int _thr, int _delta, vector<vector<int>>_map);//距離計算函數inline float GetDist(int _x1, int _y1, int _x2, int _y2);//與rand點距離較近的點在RRT樹中的索引int GetMinIndex(int _x1, int _y1, vector<Tree>_T);//點的安全性判定inline bool FeasiblePoint(float _x, float _y, vector<vector<int>>_map);//near點與new點連線之間的碰撞檢測bool CollisionChecking(vector<float> _startPose, vector<float> _goalPose, vector<vector<int>>_map);//RRT核心函數bool RRTCore(int _numer,vector<pair<float,float>>& _nearList, vector<pair<float, float>>& _newList);//RRT生成路徑函數void CreatePath(vector<pair<int, int>>& _path); private:vector<Tree> m_TreeList; //RRT搜索樹列表Tree m_tree; //RRT搜索樹vector<vector<int>>m_map; //二維地圖int m_xStart; //起點X值int m_yStart; //起點Y值int m_xGoal; //終點X值int m_yGoal; //終點Y值int m_thr; //距離閾值int m_delta; //步長int m_mapWight; //地圖寬度int m_mapHight; //地圖高度 };#endif

RRT.cpp：主要實現RRT.h頭文件中的各成員函數。

#include "RRT.h"/*********************************************************** *@函數功能: RRT構造函數,對地圖寬度和高度進行初始化 ----------------------------------------------------------- *@函數參數: _xStart 起點X值_yStart 起點Y值_xGoal 終點X值_yGoal 終點Y值_thr 距離閾值_delta 步長_map 地圖 ----------------------------------------------------------- *@函數返回: 無 ***********************************************************/ CRRT::CRRT(int _xStart, int _yStart, int _xGoal, int _yGoal, int _thr, int _delta, vector<vector<int>>_map ):m_xStart(_xStart),m_yStart(_yStart),m_xGoal(_xGoal),m_yGoal(_yGoal),m_thr(_thr),m_delta(_delta),m_map(_map) {m_mapWight = _map[0].size();m_mapHight = _map.size(); }/*********************************************************** *@函數功能: 兩點距離計算函數 ----------------------------------------------------------- *@函數參數: _x1 第一個點X值_y1 第一個點Y值_x2 第二個點X值_y2 第二個點Y值 ----------------------------------------------------------- *@函數返回: 兩點之間的距離值 ***********************************************************/ inline float CRRT::GetDist(int _x1, int _y1, int _x2, int _y2) {return sqrt(pow((_x1 - _x2), 2) + pow((_y1 - _y2), 2)); }/*********************************************************** *@函數功能: 求rand點距離較近的點在RRT樹中的索引 ----------------------------------------------------------- *@函數參數: _x1 rand點X值_y1 rand點Y值_T RRT搜索樹列表 ----------------------------------------------------------- *@函數返回: 最近索引值 ***********************************************************/ int CRRT::GetMinIndex(int _x1, int _y1, vector<Tree>_T) {float distance = FLT_MAX; //FLT_MAX表示float最大值int index = 0;for (int i = 0; i < _T.size(); i++){if (GetDist(_x1, _y1, _T[i].Sx, _T[i].Sy) < distance){distance = GetDist(_x1, _y1, _T[i].Sx, _T[i].Sy);index = i;}}return index; }/*********************************************************** *@函數功能: 點的安全性判定 ----------------------------------------------------------- *@函數參數: _x1 點X值_y1 點Y值_map 地圖點 ----------------------------------------------------------- *@函數返回: true表示該點安全,false表示不安全 ***********************************************************/ inline bool CRRT::FeasiblePoint(float _x, float _y, vector<vector<int>>_map) {//判斷該點是否在地圖的高度和寬度范圍內,且是否在障礙物內if (!(_x >= 0 && _x < m_mapWight && _y >= 0 && _y < m_mapHight && _map[_y][_x] == 255))return false;return true; }/*********************************************************** *@函數功能: near點與new點連線之間的碰撞檢測 ----------------------------------------------------------- *@函數參數: _startPose near點_goalPose new點_map 地圖點 ----------------------------------------------------------- *@函數返回: true表示安全,false表示不安全 ***********************************************************/ bool CRRT::CollisionChecking(vector<float> _startPose, vector<float> _goalPose, vector<vector<int>>_map) {//new點若在障礙物內,直接返回falseif (!(FeasiblePoint(floor(_goalPose[0]), ceil(_goalPose[1]), _map))){return false;}float dir = atan2(_goalPose[0] - _startPose[0], _goalPose[1] - _startPose[1]);float poseCheck[2] = { 0.0,0.0 };float stop = sqrt(pow(_startPose[0] - _goalPose[0], 2) + pow(_startPose[1] - _goalPose[1], 2));//r+=2表示在near與new連線的基礎上,每次移動2個步長for (float r = 0; r <= stop; r += 2){poseCheck[0] = _startPose[0] + r*sin(dir);poseCheck[1] = _startPose[1] + r*cos(dir);//由于poseCheck點為float類型,為亞像素級,因此判斷該點四領域的像素值,ceil向上取整,floor向下取整if (!(FeasiblePoint(ceil(poseCheck[0]), ceil(poseCheck[1]), _map) && \FeasiblePoint(floor(poseCheck[0]), floor(poseCheck[1]), _map) && \FeasiblePoint(ceil(poseCheck[0]), floor(poseCheck[1]), _map) && \FeasiblePoint(floor(poseCheck[0]), ceil(poseCheck[1]), _map))){return false;}}return true; }/*********************************************************** *@函數功能: RRT核心函數 ----------------------------------------------------------- *@函數參數: _nearList near點集合,為引用傳參,實際上也為返回值_newList new點集合,為引用傳參,實際上也為返回值_numer RRT算法迭代次數 ----------------------------------------------------------- *@函數返回: true表示RRT找到路徑,false表示沒找到 ***********************************************************/ bool CRRT::RRTCore(int _numer,vector<pair<float, float>>& _nearList, vector<pair<float, float>>& _newList) {//將起點插入樹中m_tree.Sx =m_xStart;m_tree.Sy = m_yStart;m_tree.SxPrev = m_xGoal;m_tree.SyPrev = m_yGoal;m_tree.Sdist = 0;m_tree.SindPrev = 0;m_TreeList.push_back(m_tree);vector<float>Rand, Near, New;Rand.resize(2, 0.0);Near.resize(2, 0.0);New.resize(2, 0.0);srand(time(NULL));//設置隨機數種子，使每次產生的隨機序列不同int count = 0;for (int i = 1; i <= _numer; i++){//隨機產生地圖點RandRand[0] =m_mapWight*(rand() % (N + 1) / (float)(N + 1));Rand[1] = m_mapHight*(rand() % (N + 1) / (float)(N + 1));//通過距離判斷來計算與Rand最近的Near點int minDisIndex = GetMinIndex(Rand[0], Rand[1], m_TreeList);Near[0] = m_TreeList[minDisIndex].Sx;Near[1] = m_TreeList[minDisIndex].Sy;//Near與Rand連線,移動delta步長float theta = atan2(Rand[1] - Near[1], Rand[0] - Near[0]);New[0] = Near[0] + m_delta*(cos(theta));New[1] = Near[1] + m_delta*(sin(theta));//連線碰撞檢測if (!CollisionChecking(Near, New, m_map))continue;//擴展RRT搜索樹std::cout << "i:" << i << std::endl;m_tree.Sx = New[0];m_tree.Sy = New[1];m_tree.SxPrev = Near[0];m_tree.SyPrev = Near[1];m_tree.Sdist = m_delta;m_tree.SindPrev = minDisIndex;m_TreeList.emplace_back(m_tree);//距離閾值判斷,是否搜索結束if (GetDist(New[0], New[1], m_xGoal, m_yGoal) < m_thr){return true;}//保存near點與new點_nearList.emplace_back(std::make_pair(Near[0], Near[1]));_newList.emplace_back(std::make_pair(New[0], New[1]));}return false;}/*********************************************************** *@函數功能: RRT生成路徑,逆向搜索 ----------------------------------------------------------- *@函數參數: _path RRT生成路徑集合點,為引用傳參,實際上也為返回值 ----------------------------------------------------------- *@函數返回: 無 ***********************************************************/ void CRRT::CreatePath(vector<pair<int, int>>& _path) {pair<int, int>temp;//將終點加入路徑集合點_path.push_back(std::make_pair(m_xGoal, m_yGoal));//由于搜索路徑結束存在一個閾值,故將搜索樹的最后一個點加入路徑集合點_path.push_back(std::make_pair(m_TreeList[m_TreeList.size() - 1].Sx, m_TreeList[m_TreeList.size() - 1].Sy));int pathIndex = m_TreeList[m_TreeList.size() - 1].SindPrev;//逆向搜索while (true){_path.emplace_back(std::make_pair(m_TreeList[pathIndex].Sx, m_TreeList[pathIndex].Sy));pathIndex = m_TreeList[pathIndex].SindPrev;if (pathIndex == 0)break;}//將起點加入路徑集合點_path.push_back(std::make_pair(m_TreeList[0].Sx, m_TreeList[0].Sy));}

接下里主要從RRT中的核心函數RRTCore進行算法介紹。

3.3.1 起點入樹

m_tree.Sx =m_xStart; m_tree.Sy = m_yStart; m_tree.SxPrev = m_xGoal; m_tree.SyPrev = m_yGoal; m_tree.Sdist = 0; m_tree.SindPrev = 0; m_TreeList.push_back(m_tree);vector<float>Rand, Near, New; Rand.resize(2, 0.0); Near.resize(2, 0.0); New.resize(2, 0.0);

3.3.2 rand點的獲取

為了方便起見，并沒有設置隨機采樣函數，通過隨機種子進行rand的確定。其中(rand() % (N + 1) / (float)(N + 1))是產生0~1的隨機樹，小數點與N有關。

//隨機產生地圖點Rand Rand[0] =m_mapWight*(rand() % (N + 1) / (float)(N + 1)); Rand[1] = m_mapHight*(rand() % (N + 1) / (float)(N + 1));

3.3.3 near點的獲取

通過簡單的距離函數進行near點的判斷。其中GetMinIndex就是通過遍歷獲取與rand點最近的near點，當然可以通過kd-tree對這塊進行改進，大家感興趣可以自行發揮，這里為了方便起見，就采用最原始的方法。

//通過距離判斷來計算與Rand最近的Near點 int minDisIndex = GetMinIndex(Rand[0], Rand[1], m_TreeList); Near[0] = m_TreeList[minDisIndex].Sx; Near[1] = m_TreeList[minDisIndex].Sy;

3.3.4 new點的獲取

//Near與Rand連線,移動delta步長 float theta = atan2(Rand[1] - Near[1], Rand[0] - Near[0]); New[0] = Near[0] + m_delta*(cos(theta)); New[1] = Near[1] + m_delta*(sin(theta));

注意near點的獲取使用C++中的atan2函數，該函數是 atan() 的增強版，能夠確定角度所在的象限。

其中**double atan2(double y，double x)**返回 y/x 的反正切值，以弧度表示，取值范圍為(-π,π]。如下圖所示，紅色線為$sin(\theta )$，綠色線為$cos(\theta )$。

當 (x, y) 在象限中時：

第一象限第二象限第三象限第四象限

$0<\theta <\pi /2$	$\pi /2<\theta <\pi$	$?\pi <\theta <?\pi /2$	$?\pi /2<\theta <0$

當 (x, y) 在象限的邊界（也就是坐標軸）上時：

$y=0$且$x\ge 0$$y=0$且$x<0$$y>0$且$x=0$$y<0$且$x=0$

$\theta =0$	$\theta =\pi$	$\theta =\pi /2$	$\theta =?\pi /2$

那么
$$\begin{gathered} new\_x=near\_x+d?cos(\theta ) \\ new\_y=neae\_y+d?sin(\theta ) \end{gathered}$$

表示new點的情況如下，均滿足new點在near與rand點之間。這就是atan2帶來的好處。

第一象限	第二象限
第三象限	第四象限

3.3.5 安全性檢測

near點與new點之間的安全性判斷通過CollisionChecking函數所實習，基本思想就是沿著near與new點的方向，每隔一定的微小步長（代碼中用$r$）取一點，判斷該點是否在障礙物內。注意微小步長所取的點，它的像素是亞像素級的，可通過雙線性插值方法判斷該像素的值。本文為了方便起見，判斷該點亞像素的周圍四點領域，進行安全性判斷。

舉個例子，例如該點為$p=(1.3,4.7)$，通過向下取整floor和向上取整ceil得該亞像素點的四點領域

$ceil(1.3)=2,ceil(4.7)=5???>p_1=(2,5)$

$floor(1.3)=1,floor(4.7)=4??>p_2=(1,4)$

$ceil(1.3)=2,floor(4.7)=4??>p_3=(2,4)$

$floor(1.3)=1,ceil(4.7)=5???>p_4=(1,5)$

bool CRRT::CollisionChecking(vector<float> _startPose, vector<float> _goalPose, vector<vector<int>>_map) {//new點若在障礙物內,直接返回falseif (!(FeasiblePoint(floor(_goalPose[0]), ceil(_goalPose[1]), _map))){return false;}float dir = atan2(_goalPose[0] - _startPose[0], _goalPose[1] - _startPose[1]);float poseCheck[2] = { 0.0,0.0 };float stop = sqrt(pow(_startPose[0] - _goalPose[0], 2) + pow(_startPose[1] - _goalPose[1], 2));//r+=2表示在near與new連線的基礎上,每次移動2個步長for (float r = 0; r <= stop; r += 2){poseCheck[0] = _startPose[0] + r*sin(dir);poseCheck[1] = _startPose[1] + r*cos(dir);//由于poseCheck點為float類型,為亞像素級,因此判斷該點四領域的像素值,ceil向上取整,floor向下取整if (!(FeasiblePoint(ceil(poseCheck[0]), ceil(poseCheck[1]), _map) && \FeasiblePoint(floor(poseCheck[0]), floor(poseCheck[1]), _map) && \FeasiblePoint(ceil(poseCheck[0]), floor(poseCheck[1]), _map) && \FeasiblePoint(floor(poseCheck[0]), ceil(poseCheck[1]), _map))){return false;}}return true; }

3.4 可視化顯示

display.h

#pragma once #ifndef __DISPLAY__ #define __DISPLAY__ #include <opencv2/opencv.hpp> #include <vector> using namespace std; //顯示函數 void Display(int _xStart,int _yStart,int _xGoal,int _yGoal,vector<vector<int>>_map, vector<pair<int, int>>_path, vector<pair<float, float>>_nearList, vector<pair<float, float>>_newList); #endif // !__DISPLAY__

display.cpp

注意該代碼會在當前項目中的image文件夾(沒有該文件夾，手動創建一個即可)中存儲rrt顯示過程圖片(為了后期作gif使用，其他沒什么用)，若是不想存儲，則注釋掉。

cv::imwrite(“image/image” + std::to_string(i) + “.jpg”, image);

#include "display.h" #include <iostream> #include <string> #include <Windows.h> #include <cstdlib> #include <io.h> // _access #include <direct.h> //_mkdir /*********************************************************** *@函數功能: RRT函數顯示 ----------------------------------------------------------- *@函數參數: _xStart 起點X值_yStart 起點Y值_xGoal 終點X值_yGoal 終點Y值_thr 距離閾值_map 地圖_path 路徑點_nearList near點集合_newList new點集合 ----------------------------------------------------------- *@函數返回: 無 ***********************************************************/ void Display(int _xStart,int _yStart, int _xGoal, int _yGoal,vector<vector<int>>_map, vector<pair<int, int>>_path, vector<pair<float, float>>_nearList, vector<pair<float, float>>_newList) {int mapWight = _map[0].size();int mapHight = _map.size();//如沒有image文件夾,則新建一個,存放RRT擴展樹的中間過程std::string prefix = "image";if (_access(prefix.c_str(), 0) == -1) //如果文件夾不存在{_mkdir(prefix.c_str()); //則創建}//通過地圖點繪制圖像RGB,白色可通行區域,黑色為障礙物區域cv::namedWindow("RRT result", CV_WINDOW_AUTOSIZE);cv::Mat image(mapHight, mapWight, CV_8UC3, cv::Scalar(0, 0, 0));for (int row = 0; row < mapHight; row++){for (int col = 0; col < mapWight; col++){if (_map[row][col] == 255){image.at<cv::Vec3b>(row, col)[0] = 255;image.at<cv::Vec3b>(row, col)[1] = 255;image.at<cv::Vec3b>(row, col)[2] = 255;}}}//顯示起點和終點,紅色起點,綠色終點cv::circle(image, cv::Point(_xStart, _yStart), 4, cv::Scalar(0, 0, 255), -1, 4); //起點cv::circle(image, cv::Point(_xGoal, _yGoal), 4, cv::Scalar(0, 255, 0), -1, 4); //終點//顯示路徑探索過程for (int i = 0; i < _nearList.size(); i++){cv::line(image, cv::Point(_nearList[i].first, _nearList[i].second), cv::Point(_newList[i].first, _newList[i].second), cv::Scalar(255, 0, 0), 2, 2);cv::imshow("RRT result", image);cv::waitKey(100); //100ms刷新一下cv::imwrite("image/image" + std::to_string(i) + ".jpg", image);}//顯示最終路徑,黃色for (int i = 0; i < _path.size() - 1; i++){cv::line(image, cv::Point(_path[i].first, _path[i].second), cv::Point(_path[i + 1].first, _path[i + 1].second), cv::Scalar(0, 255, 255), 2, 2);}//保存6張最終圖片,方便制作giffor (int i = 0; i <= 5; i++){cv::imwrite("image/image"+std::to_string(_nearList.size()+i)+".jpg", image);}cv::imshow("RRT result", image);cv::waitKey(0); }

---

4. 代碼運行過程

注意顯示過程中的“樹枝”表示near點與new點的連接。

	顯示過程	顯示結果
map6.bmp
	顯示過程	顯示結果
map.png	<動圖太大，CSDN僅支持5M，無法顯示>

一個批量將圖片轉為gif的python腳本，注意python代碼中一定要添加dir_list = natsort.natsorted(dir_list)，否則會出現圖片亂序的問題。

import os import cv2 as cv import moviepy.editor as mpy import numpy as np import natsort import imageiodef frame_to_gif(frame_list):gif = imageio.mimsave('./result.gif', frame_list, 'GIF', duration=0.00085) dir_list = os.listdir('image') dir_list = natsort.natsorted(dir_list)img_list=[] for i in range(0,len(dir_list)):print (dir_list[i])img = cv.imread('image\\' + dir_list[i])#img = cv.cvtcolor(img, cv.color_bgr2rgb)img_list.append(img)frame_to_gif(img_list)

參考連接：https://blog.csdn.net/qq_44965314/article/details/107706145

啰里啰唆說了這么多，就到這里吧，圖中的部分圖片摘自深藍學院的路徑與規劃課程，博客轉載請注明出處，謝謝。

總結

以上是生活随笔為你收集整理的(二)路径规划算法---C++结合OpenCV实现RRT算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。