Grid Graph Reduction for Efficient Shortest Pathfinding

作者：CHAN-YOUNG KIM AND SANGHOON SULL

文章提出了一种“基于模式识别的网格阻塞”（ Pattern-Based Blocking on grid graphs，PBGG）的预处理方法，以加快最短路径规划算法的运行速度。
文章设计了多种大小为 $3\times 3$ 的卷积核，通过卷积的方式的方式迭代地将非障碍物单元格阻塞，通过阻塞这些非障碍物单元格达到减少搜索空间的目的，同时能够确保构成最短路径的单元格不受到阻塞。
文章针对的两种类型网格地图：一类是占据网格地图，不带有权重信息（最简单表示方式是二进制表示）；另一类是带有权重或路径代价的网格（在这种情况下，邻接网格之间的路径代价通常不是距离）。文章中Fig11给出的是针对占据网格地图设计的卷积核；Fig13给出的是针对带有cost信息的网格地图设计的卷积核。

模式识别方面：
文章共考虑了四种模式：Dead-end模式（死胡同模式）、Avoidable模式（可避免模式）、$\alpha$-type模式、nonblock模式（不可阻塞模式）。
文章中Fig3给出了该模式识别的一个流程示意（不过文章并没有标注出来这是4邻域分支的PBGG方法）

Dead-end模式（死胡同模式）：网格地图中存在一些可通行网格，它们通常被障碍物网格包围，当这些网格不是起始网格或目标网格时，它们将不是构成路径一部分的网格，因此没有必要进行计算和搜索。

Avoidable模式（可避免模式）：网格地图中存在一些可通行网格，这些网格并没有被障碍物所包围，但是这些网格由于并不是构成最短路径的最佳候选区域，因为可以避免在规划过程中被计算，从而加快规划速度。

$\alpha$-type模式和nonblock模式被提出是为了解决卷积缺乏全局视野的问题。本文提出的Dead-end模式和Avoidable模式识别使用的$3\times 3$的卷积，每次卷积只能注意该范围的视野，这就导致在卷积过程中，由于缺乏全局信息而将某些非障碍物网格阻塞，从而无法搜索出最佳路径。
$\alpha$-type模式和nonblock主要是为应对Avoidable模式而存在的（我个人的看法，粗略地计算了一下，感觉只有Avoidable会比较有影响）
文中给出的实验结果

代码实现部分文章并没有给出来（但是我这里有python实现No cost map的版本PBGG)

并且自己用了两张图做了一下实验，采用的地图来自于(Benchmarks for Grid-Based Pathfinding)[https://movingai.com/benchmarks/grids.html]，分别是random-512-20-6、maze-512-4-4和Shanghai-1-1024地图。
![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/5


效果还是可以的，尤其是对于迷宫、狭窄走廊类的地形看起来很不错。
该论文非常具有创造力，将网格地图和图像进行联系，并提出相应的模式别技术，减少网格空间加快路径规划。