佛山网站建设优化制作公司,查网站权重,互联网网络推广公司,常州自助建站seo基于深度学习路径规划RRT*-训练图像预处理
图像预处理说明
在基于采样的RRT算法对机器人进行路径规划时#xff0c;由于采样点的随机性#xff0c;会增加路径的搜索时间的路径的非最优性#xff0c;所以基于神经网络的优势#xff0c;利用深度学习进行RRT的随机采样…基于深度学习路径规划RRT*-训练图像预处理
图像预处理说明
在基于采样的RRT算法对机器人进行路径规划时由于采样点的随机性会增加路径的搜索时间的路径的非最优性所以基于神经网络的优势利用深度学习进行RRT的随机采样做一下记录。
预处理
在生成路径地图的过程中训练数据需要原始数据和标签数据而标签数据由于地图的特殊性会缺失很多图片导致原始数据和标签数据存在差异所以写了一个。py将原始数据和标签数据能对的上。 在.py中使用了pathlib和os模块进行实现
代码
from pathlib import Path
import os
BASE_PATH Path(fE:/)
path2 []
path3 []
path4 []
def get_blank_maps_list() - list:maps_list [str(image_path) for image_path in sorted((BASE_PATH / paths_with_points).iterdir())]return maps_listdef get_blank_maps_list1() - list:maps_list [str(image_path) for image_path in sorted((BASE_PATH / start_finish_visualized).iterdir())]return maps_listpath sorted(get_blank_maps_list())
path1 sorted(get_blank_maps_list1())for i in path:i i.split(\\)path2.append(i[2])for i in path1:i i.split(\\)path3.append(i[2])for i in path3:if i not in path2:path4.append(i)
for i in path4:img os.path.join(E:/start_finish_visualized/, i)if os.path.exists(img):os.remove(img)else:print(The file does not exist)
