A star与RRT搜索的速度和效率对比，A satr VS Rapidly Exploring Random Trees_rrt和a星

在阅读最近的几年的路径规划相关论文时，发现很多文章对于路径搜索都采用了RRT(Rapidly Exploring Random Trees)系列算法。

如果你对RRT没有进行深入地代码实现和实验对比，你可能会有这样的疑惑，这种随机撒点的方式搜索路径，跟买彩票一样，运气差的话可能要很久，就算运气好也不会快到哪儿去？至少我曾今也有这样的想法，哈哈！

我查看了很多博客以及论文，都没有找到相关的对比实验，这里我将通过实验对A star和RRT进行一些探索！

注意：下文只比较速度和内存的消耗，不比较轨迹的长短！

1. 提示

通过这篇博客你可以获得的信息：

• A star和RRT的速度对比结果
• A star和RRT对计算机内存的占用结果

这篇博客我主要是强调对比试验的的结果，所以你不能获得以下内容：

• 不提供完整的算法实现
• 不提供源代码
• 不详细介绍算法细节

2. 算法实现的大致思路

A star
对于A star算法，在实现时使用启发函数是曼哈顿距离函数，并且为了打破轨迹对称性使用了Tie breaker(1.00001)，并且在算法一开始就预先对每一个栅格节点(Grid Node)进行初始化并申请内存，并且每次搜索进行扩展该节点的8个邻域。

RRT
对于RRT，实现的是它最原版的算法，由于RRT本身不是基于栅格搜索的方法，因此在算法开始搜索阶段，不需要对栅格节点进行初始化和内存申请。并且在随机撒点的时候10%的概率是往终点方向扩展。

3. 实验结果

我的实验平台：Intel® Core™ i7-8700 CPU @ 3.20GHz × 12
计算机系统：Ubuntu 18.04
ROS版本：Melodic

仿真环境介绍：

实验结果是在ROS下通过Rviz进行的显示的，其中的黑色块是地图中的障碍物，是随机生成的；红色路线是RRT搜索出来的结果，淡灰色的线是RRT生成的搜索树；绿色的轨迹是A star搜索出来的结果，黄色的栅格是A star在搜索的过程中遍历过的栅格。所有实验的搜索起点均是在地图的中心。

第一组

地图大小：15mx15m
栅格精度： 0.05m
随机障碍物数量：100个
障碍物大小：0.3~1.0m
A star在初始化栅格地图时使用的时间：6.22674ms
RRT在初始化栅格地图时使用的时间：0.035323ms

第二组

地图大小：50mx50m
栅格精度： 0.05m
随机障碍物数量：500个
障碍物大小：0.5~2.0m
A star在初始化栅格地图时使用的时间：62.6063ms
RRT在初始化栅格地图时使用的时间：0.4214ms

第三组

地图大小：200mx200m
栅格精度： 0.05m
随机障碍物数量：1000个
障碍物大小：0.5~5.0m
A star在初始化栅格地图时使用的时间：1012.66ms
RRT在初始化栅格地图时使用的时间：4.93ms

4. 结论

通过上面的实验，我想你一定有一些新的发现，那就是RRT并没有想象中的那么不堪，经常会在速度上打败A star。事实也确实如此，RRT的搜索速度确实很快，并且在比较的空旷的情况下它几乎要比A star快很多。

还有一个结论也很重要，那就是RRT对于内存的消耗远低于A star。我们可以以第三组实验为例，在第三组中加载地图并进行初始化，A star用了1000多毫秒，而RRT只需要4毫秒。想象一下，如果我们不断地接收地图并搜索轨迹，那么A star从一开始就输了，它地图都还没有加载完成，RRT就已经搜索出结果了。(加载是时间和内存消耗是正比的)

综合来看，RRT虽然搜索出来的路径不是非常优异，但是相较于A star至少它的速度还是比较快的，并且对内存的消耗非常低。

5. 扩展

可能有一些同学有疑问，RRT搜索出来的路径那么差，就算你速度再快又有什么意义呢！？确实RRT的路径99.99%不会出现最优路径，而A star一定是最优路径，但是如果我们的RRT加载地图和搜索都非常快，那么我们是不是就可以腾出一点儿时间来优化一些我们的轨迹，让其往最优轨迹的路上靠一靠？答案是肯定的，RRT star以及后续的Informed RRT等等工作，对轨迹的最优做了很多升级。

另外一个很重要的原因是，不管以何种方式搜索到的轨迹，最终都要进行后端轨迹优化，所以即使前期轨迹差一些，我们也并不在意。

6. 花絮

当我尝试把地图扩大到500mx500m之后，RRT在速度上的优势已经非常明显了，它几乎在百分之八九十的情况下都是超过A star，而且速度快几倍甚至几十倍。A star加载地图的时间也达到6673ms，而RRT仅需要31.37ms。

另外当地图中障碍物比较少的时候，RRT相较于A star的优势也很明显。例如当地图为15mx15m的时候，图中只有50个障碍物，此时A star在速度上几乎都是慢于RRT的，而且通常情况下RRT比A star快5到10倍！

以上实验结果并没有对RRT进行更深入的调参，实际上在后来的试验中，我发现设置更大的概率往终点方向采样，以及调试合理的步长，RRT的速度还能得到巨大的提升。但是上述试验中实现的A star几乎没有太多的提升空间了。