Dynamic Waypoint Allocation Piecewise Cubic Bezier Curve (DWAPCBC) - 商业级移动机器人路径规划Python库
pip install dwapcbcpip install git+https://github.com/qwagrox/dwapcbc-system.gitgit clone https://github.com/qwagrox/dwapcbc-system.git
cd dwapcbc-system
pip install -e .from dwapcbc import DWAPCBCPlanner, DWAPCBCConfig
# 创建规划器
config = DWAPCBCConfig(
environment_width=100,
environment_height=100,
w1_safety=0.6,
w2_smoothness=0.4
)
planner = DWAPCBCPlanner(config)
# 设置障碍物
obstacles = [
{'type': 'rectangle', 'vertices': [[20, 20], [20, 40], [40, 40], [40, 20]]},
{'type': 'circle', 'center': [60, 60], 'radius': 8}
]
planner.set_obstacles(obstacles)
# 执行规划
result = planner.plan((5, 5), (95, 95))
if result.success:
print(f"路径长度: {result.path_length:.2f} m")
print(f"安全距离: {result.safety_distance:.2f} m")
print(f"平滑度: {result.smoothness:.2f}°")# 使用JSON配置文件
dwapcbc-plan -f scenario.json --no-viz
# 批量测试
dwapcbc-batch -d scenarios -o results- ✅ 安全性保障 - 动态安全间隙，确保与障碍物保持安全距离
- ✅ 平滑轨迹 - 分段三次贝塞尔曲线优化，保证C²连续性
- ✅ 智能优化 - 自适应路径点分配，根据环境复杂度动态调整
- ✅ 高效计算 - 基于Dijkstra算法的全局最优路径搜索
- ✅ 易于集成 - 简洁的Python API，支持多种应用场景
根据标准测试场景：
| 指标 | 平均值 |
|---|---|
| 成功率 | 100% |
| 安全距离 | 1.31 m |
| 平滑度 | 160.56° |
| 计算时间 | 1.37 s |
主路径规划器类。
planner = DWAPCBCPlanner(config)
planner.set_obstacles(obstacles)
result = planner.plan(start, goal)配置类，支持自定义参数。
config = DWAPCBCConfig(
environment_width=100.0, # 环境宽度
environment_height=100.0, # 环境高度
grid_resolution=0.5, # 网格分辨率
safety_margin=2.0, # 安全裕度
w1_safety=0.6, # 安全性权重
w2_smoothness=0.4, # 平滑性权重
curvature_threshold=0.1, # 曲率阈值
max_iterations=50 # 最大迭代次数
)规划结果类，包含完整的路径信息和性能指标。
if result.success:
trajectory = result.final_trajectory # 最终轨迹点
waypoints = result.optimized_waypoints # 优化后的路径点
safety = result.safety_distance # 安全距离
smoothness = result.smoothness # 平滑度
length = result.path_length # 路径长度
time = result.computation_time # 计算时间from dwapcbc import DWAPCBCPlanner, DWAPCBCConfig
class RobotNavigator:
def __init__(self, robot_width=0.5):
config = DWAPCBCConfig(
w1_safety=0.7,
w2_smoothness=0.3,
safety_margin=robot_width * 2
)
self.planner = DWAPCBCPlanner(config)
def navigate_to(self, current_pos, target_pos):
result = self.planner.plan(current_pos, target_pos)
if result.success:
return result.final_trajectory
return None
# 使用
robot = RobotNavigator()
path = robot.navigate_to((10, 10), (90, 90))configs = {
'安全优先': DWAPCBCConfig(w1_safety=0.7, w2_smoothness=0.3),
'平滑优先': DWAPCBCConfig(w1_safety=0.4, w2_smoothness=0.6),
'平衡模式': DWAPCBCConfig(w1_safety=0.6, w2_smoothness=0.4)
}
for name, config in configs.items():
planner = DWAPCBCPlanner(config)
planner.set_obstacles(obstacles)
result = planner.plan((5, 5), (95, 95))
print(f"{name}: 安全距离={result.safety_distance:.2f}m")tasks = [
((10, 10), (90, 90)),
((10, 90), (90, 10)),
((50, 10), (50, 90))
]
planner = DWAPCBCPlanner(DWAPCBCConfig())
planner.set_obstacles(obstacles)
for start, goal in tasks:
result = planner.plan(start, goal)
if result.success:
print(f"{start} → {goal}: {result.path_length:.2f}m")- 移动机器人导航 - 室内服务机器人、仓储AGV、清洁机器人
- 自动驾驶车辆 - 园区自动驾驶、停车场导航、低速无人车
- 无人机路径规划 - 室内无人机、避障飞行、巡检路径
- 工业自动化 - 工厂AGV、自动化仓库、生产线物流
- Python >= 3.8
- numpy >= 1.20.0
- scipy >= 1.7.0
- matplotlib >= 3.4.0
- pandas >= 1.3.0
- networkx >= 2.6.0
- shapely >= 1.8.0
# API服务
pip install dwapcbc[api]
# 开发工具
pip install dwapcbc[dev]
# 完整安装
pip install dwapcbc[all]本库基于以下研究成果：
论文: Ahmad, J., & Wahab, M. N. A. (2025). Enhancing the safety and smoothness of path planning through an integration of Dijkstra's algorithm and piecewise cubic Bezier optimization. Expert Systems With Applications, 289, 128315.
关键创新:
- 动态路径点分配策略（DWA）
- 分段三次贝塞尔曲线优化（PCBC）
- 自适应安全间隙机制
- 多目标迭代优化
欢迎贡献代码、报告问题或提出建议！
- Fork本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启Pull Request
本项目采用MIT许可证 - 详见 LICENSE 文件
- GitHub: https://github.com/qwagrox/dwapcbc-system
- Issues: https://github.com/qwagrox/dwapcbc-system/issues
感谢Ahmad和Wahab的原创研究工作，为移动机器人路径规划领域做出了重要贡献。
版本: 1.0.0
更新日期: 2025-10-16