在三维空间中寻路相较于二维空间更为复杂，因为需要处理额外的维度。下面是一个示例，展示了如何使用深度优先搜索（DFS）算法在三维矩阵中寻找路径。
首先，我们需要定义三维矩阵，并编写一个递归的DFS函数来寻找路径。注意，这个示例仅考虑了相邻的格子（上下左右前后）之间的移动，并且假设障碍物用1表示，可通行的格子用0表示。
import numpy as npdef dfs(matrix, start, end, visited, path):# 获取当前位置的坐标x, y, z = start# 如果当前位置是终点，则添加到路径并返回Trueif (x, y, z) == end:path.append(end)return True# 标记当前位置为已访问visited.add((x, y, z))path.append(start)# 定义六个方向的偏移量directions = [(1, 0, 0), # 下(-1, 0, 0), # 上(0, 1, 0), # 右(0, -1, 0), # 左(0, 0, 1), # 前(0, 0, -1) # 后]# 尝试所有可能的方向for dx, dy, dz in directions:nx, ny, nz = x + dx, y + dy, z + dz# 检查新位置是否在矩阵范围内且未访问过，且不是障碍物if (0 <= nx < matrix.shape[0] and0 <= ny < matrix.shape[1] and0 <= nz < matrix.shape[2] and(nx, ny, nz) not in visited andmatrix[nx, ny, nz] == 0):# 递归调用DFSif dfs(matrix, (nx, ny, nz), end, visited, path):return True# 如果所有方向都不可行，则回溯path.pop()return Falsedef find_path_3d(matrix, start, end):visited = set()path = []# 执行DFS算法if dfs(matrix, start, end, visited, path):return pathelse:return None # 如果没有找到路径，则返回Nonedef makegraph(x,y,z,f=[],size = (1,1,1)):'''创建场景:param x: x轴长:param y: y轴长:param z: z轴长:param f: 障碍物点位:param size: 单元格尺寸:return: 返回基于单元压缩的场景矩阵'''if isinstance(size,int):size = (size,size,size)if size[0]>x or size[1]>y or size[2]>z:raise ValueError('网格尺寸，大于最小分割条件')w = np.zeros((x//size[0],y//size[1],z//size[2]),dtype=int)if f:for i in f:try:w[i[0]][i[1]][i[2]] = 1except:passreturn w# 示例使用
# 创建一个3x3x3的三维矩阵，其中0表示可通过的空格，1表示障碍物
# matrix = np.zeros((3, 3, 3), dtype=int)
# matrix[1, 1, 1] = 1 # 设置中心位置为障碍物import sys
sys.setrecursionlimit(100000000) #例如这里设置为十万matrix = makegraph(600,30,30,[[1,1,1],[3,2,1],[4,2,1],[10,1,1]],[1,1,1])
print(f'当前场景有个网格{matrix.size}单元,场景尺寸：{matrix.shape[0]}x{matrix.shape[1]}x{matrix.shape[2]}')# 定义起点和终点
start = (0, 1, 2)
end = (20,5,1)# 寻找路径
path = find_path_3d(matrix, start, end)# 输出路径
if path:print("Path found:")for pos in path:print(pos)
else:print("No path found.")
【注意】如果遇到最大递归深度报错，请使用
import sys
sys.setrecursionlimit(100000000) #例如这里设置为十万
)
)
