图形化设计运动规划环境：OMG-tools GUI从SVG地图导入到一键仿真3步搞定
【免费下载链接】omg-toolsOptimal Motion Generation-tools: motion planning made easy项目地址: https://gitcode.com/gh_mirrors/om/omg-tools
OMG-tools（Optimal Motion Generation-tools）是一款让运动规划变得简单的 Python 工具箱。它内置的图形化环境编辑器 EnvironmentGUI 让你几乎不用手写代码：导入一张 SVG 地图、鼠标点击布置障碍与起终点、点击 Ready 一键仿真，3 步就能得到一条平滑避障的运动轨迹。
1分钟认识 EnvironmentGUI 图形化界面
EnvironmentGUI 基于 tkinter 实现，源码位于 omgtools/gui/gui.py，界面由三部分组成：
- 网格画布：以米为单位的环境，障碍物自动吸附到网格交点
- 左侧按钮区：Ready（完成设计）、Load（载入已保存环境）、Load SVG（导入 SVG 地图）、Remove（删除障碍）
- 参数区：选择圆形/矩形、输入尺寸与速度、勾选 Bounce（运动障碍物反弹）
操作约定很简单：
| 操作 | 作用 |
|---|---|
| 左键单击画布 | 放置当前选中的障碍物 |
| 右键单击两次 | 依次设置起点、终点（点错可再点两次覆盖） |
| 方向箭头按钮 | 微调最近选中障碍物的位置 |
| 勾选 Save + 点 Ready | 将环境保存为.pickle文件，下次 Load 秒开 |
🗺️ 第1步：导入SVG地图，自动识别障碍物
已有 CAD 图纸或 Inkscape 手绘地图？点击Load SVG按钮，选择你的.svg文件即可，核心解析逻辑在 omgtools/gui/svg_reader.py（SVGReader 类，支持 line、polyline、rect、circle 四种基础图形）。
导入时 GUI 会依次弹出两个问题：
- 是否转换为 GCode？回答 yes 直接把 SVG 转成
.nc加工文件；回答 no 则作为规划环境使用 - 1 米对应多少像素？再输入横向、纵向网格数（如
30,30），GUI 会把像素坐标自动换算成米
项目自带 3 个示例地图，官方推荐参数可以直接抄：
| SVG 文件 | 像素/米 | 网格数 |
|---|---|---|
| drawing.svg | 25 | 30,30 |
| maze_small.svg | 5 | 30,30 |
| maze_big.svg | 2 | 100,100 |
如果第 1 个问题回答 yes，SVG 中的路径会被转成带朝向箭头的 GCode 轨迹，效果类似下图的赛道轨迹生成：
🖱️ 第2步：鼠标布置障碍与起终点
SVG 导入的障碍物是静止的，但你可以继续手动添加运动障碍物来模拟动态场景：
- 选择 Circle 或 Rectangle，填好尺寸
- 填入 x/y 速度（如
0.2, -0.1），需要碰撞反弹就勾选 Bounce - 左键单击网格交点放置，方向箭头可微调位置
随后右键点两次确定起点和终点，点Ready关闭 GUI 生成环境对象（源码：build_environment 方法）。记得勾选 Save，环境会以当前脚本同名.pickle文件保存下来：
⚡ 第3步：一键仿真，实时看轨迹
GUI 只负责"出题"，真正跑规划的是 vast_environment_example1.py，流程分四步：
gui.get_environment()取出环境对象，get_clicked_positions()取出起终点- A* 全局规划器在网格上先找一条粗路径作为走廊
- SchedulerProblem 沿走廊做多帧滚动优化，输出满足速度/加速度约束的平滑轨迹
Simulator.run()实时绘制场景动画与速度曲线
运行方式：python vast_environment_example1.py打开 GUI 后，点Load选择同目录下的 vast_environment_example1.pickle，再点Ready，仿真窗口随即弹出：
新手常见坑与实用技巧
- SVG 解析有限制：目前仅支持 line / polyline / rect / circle 组成的图（见 vast_environment_example1.py 注释），复杂路径建议先简化
- 大迷宫跑得慢：maze_big 建议调高车辆速度上限（示例中
vmax为 1.2 m/s），可选配 ma57 线性求解器加速 - 导出 GIF 动画：
save_movie('scene', format='gif')需要额外安装 imagemagick - 安装：
pip install omg-tools（依赖 numpy / scipy / matplotlib），GUI 需要系统已装 tkinter（Debian/Ubuntu：sudo apt install python3-tk）
📁 延伸阅读：vast_environment_example_maze.py 展示了纯迷宫场景的完整配置，schedulerproblem.py 是多帧滚动优化的核心实现。
【免费下载链接】omg-toolsOptimal Motion Generation-tools: motion planning made easy项目地址: https://gitcode.com/gh_mirrors/om/omg-tools
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
