Maestro de la planificación de rutas

Visión general

La planificación de rutas es la tecnología central del vuelo autónomo del drone. En este proyecto aprenderás a implementar la planificación autónoma de rutas del drone con el algoritmo A*.

Lo que aprenderás

• Principios del algoritmo A*
• Búsqueda heurística
• Bases de teoría de grafos
• Optimización de algoritmos

Materiales necesarios

Artículo	Cantidad	Descripción
Drone ESP32-S3	1	-
Ordenador	1	Con Python + Pygame
path_planner.py	1	Simulador de planificación de rutas

Paso 1: Entender el algoritmo A*

Función heurística

f(n) = g(n) + h(n)

• g(n) es el coste desde el origen hasta el punto actual
• h(n) es el coste estimado desde el punto actual hasta el destino

Lista abierta / lista cerrada

Gestionan los nodos pendientes de explorar y los ya explorados.

Paso 2: Abrir el proyecto

Descomprime path_planning.zip y ábrelo con VS Code.

Paso 3: Implementar la función central del algoritmo A*

Abre astar.c e implementa la búsqueda A*:

void astar_search(Point start, Point goal, Obstacle* obstacles, int obs_count) {
    // 1. Inicializar las listas abierta y cerrada
    List open_list, close_list;
    list_init(&open_list);
    list_init(&close_list);

    // 2. Añadir el punto de inicio a la lista abierta
    Node start_node;
    start_node.pos = start;
    start_node.g = 0;
    start_node.h = calculate_heuristic(start, goal);
    start_node.f = start_node.g + start_node.h;
    list_add(&open_list, &start_node);

    // 3. Bucle principal
    while (!list_is_empty(&open_list)) {
        // Seleccionar de la lista abierta el nodo con menor valor f
        Node* current = get_min_f_node(&open_list);

        // Comprobar si se llegó al destino
        if (is_goal(current->pos, goal)) {
            // Retroceder para generar la ruta
            generate_path(current);
            return;
        }

        // Mover el nodo actual a la lista cerrada
        list_remove(&open_list, current);
        list_add(&close_list, current);

        // Generar los nodos vecinos
        generate_neighbors(current, &open_list, &close_list, goal, obstacles, obs_count);
    }
}

Paso 4: Probar el algoritmo

1. En path_planner.py, define el origen, el destino y los obstáculos
2. Ejecuta el simulador y observa si el algoritmo encuentra la ruta óptima

Paso 5: Integrar en el drone

Convierte los datos de la ruta en comandos de vuelo del drone y prueba el vuelo en interiores.

Solución de problemas

La planificación de rutas falla

• Comprueba la configuración de los obstáculos
• Ajusta la función heurística

La ruta no es suficientemente suave

• Añade un algoritmo de suavizado de rutas
• Aumenta la densidad de puntos de paso

Sensación de logro

¡Enhorabuena! Has implementado el algoritmo de planificación de rutas A*, ¡la tecnología central del vuelo autónomo del drone!

Siguiente paso

En el siguiente proyecto aprenderás a desarrollar un sistema de evitación de obstáculos en tiempo real.