技术干货：赛车游戏中最短路径和最小曲率路径算法.pdfVIP

技术干货：赛车游戏中最短路径和最小曲率路径算法 最近参与了一个非常蛋疼的业余时间小项目：给定赛道和赛车模拟程序， 赛车跑完赛道的最快的办法。对于这个问题，我一开始的想法是：就像Google 的自动驾驶一样，给定足够的训练数据，然后汽车对前方的画面做出判断决定当 前时刻的驾驶策略。不过查了查文献，从游戏开发的角度，似乎一般都是用先找 出赛车的最优路径，然后沿着路径驾驶就行了。我们最后采用的是后者，我负责 了其中赛道产生中的一部分：近似求解最短路径(ShortestPath)和最小曲率路径 (MinimumCurvature Path)。 给定的输入是赛道的图像文件，用OpenCV 中的边缘检测模块得到赛道的线 条和中心轮廓线：一堆按顺序排列好的像素点，描述了赛道的形状，输出则是最 短路径和最小曲率路径按顺序排列的坐标点。 [1] [2] 有了赛道轮廓之后，求解路径的办法主要采用的是 和 中描述的方法。 对赛道进行分段： 分段的办法是在轮廓中心线上取间隔相等的垂直线段，然后将赛道上的控制 点坐标表示为在垂直线段上的相对位置。比如上面这幅图中的第 个线段，假设i 这个线段的上面端点叫 ，下面的端点叫 ，令 ， 则线段上任意一点 可以表示为： 这样做的好处是把需要用二维点坐标表示的赛道转化为一维的在赛道上的 相对位置，如此一来需要处理的问题就变得简单而直观了。 最短路径： 来看 和 ，两点间的距离为 其中， 类似，就不写出来了。那么最短路径就可以看作是求下面这个 优化问题： 注意到这里我们求的是 而并非 ，为什么呢？当然不仅仅 是为了避免求绝对值，将 展开我们得到： 这个形式的表达式，正是标准的Simply boundedQuadratic Programming 问题啊，于是求解 就方便多了。至于为什么 和 基本等效， 是因为在我们的问题中有个假设是赛道分割的宽度近似相等，关于这个假设后面 还有进一步讨论。 最小曲率路径： 需要最小曲率路径的出发点是曲率越小，赛车能达到的最大速度越大，相应 [1] 的关系 中有简单介绍。对于求解，这块的思路和最短路径思路类似，都是在 一定假设下，先求局部量 曲率，距离 ，找到形如( ) ax+bax+b 的表达式，然后平 QP [1] cubicspline 方一下转化为 问题进行求解。在 中求曲率使用的 ，实际实现 ( …… ) 其实未必用得着 当然也是因为我比较懒 二次的实现比三次简单很多 ，二次 拟合和三次拟合求曲率的主要区别在于方向的影响，二次拟合求曲率时认为一个 点周围的两个临近点是完全对称的，这和赛道分割的假设一致，所以可以用下面 的公式来进行参数化： s t -1 1 其中 是某一点到起点的路程，所以 的取值范围是 到 。结合前面的假 设来看只要分段等间隔可以被满足，那么 可以近似认为是个常数，经过一 番和最短路径部分类似的繁琐推导，可以得到每一个路径点对应的曲率正比 于 。于是最小曲率路径又化成了一个QP 问题： 其中 的展开为： 这种解法近似求得了全局曲率和的最小解，但是这个解对于赛车而言未必是 最优的，因为求和值最小的解法，对于赛道这种分段数量庞大的情况，单个极值 的影响总会被平均掉，仍很可能有的地方曲率