matplotlib绘制二维栅格图

### 如何使用 Python 实现二维栅格地图 以下是基于 Python 的一种方法来创建并可视化二维栅格地图的示例代码。此代码可以用来定义障碍物和可通行区域，并支持进一步扩展到路径规划算法的应用。 ```python import matplotlib.pyplot as plt import numpy as np def create_grid(width, height, obstacles): """ 创建一个二维栅格地图。 参数: width (int): 地图宽度（列数） height (int): 地图高度（行数） obstacles (list of tuples): 障碍物位置列表，形如 [(x1,y1), (x2,y2)] 返回: grid (numpy array): 表示栅格的地图矩阵 """ grid = np.zeros((height, width)) # 初始化全零矩阵 for obs in obstacles: x, y = obs if 0 <= x < width and 0 <= y < height: # 检查边界条件 grid[y][x] = 1 # 设置障碍物为1 return grid def plot_grid(grid): """ 可视化二维栅格地图。 参数: grid (numpy array): 要可视化的栅格地图矩阵 """ plt.figure(figsize=(8, 8)) plt.imshow(grid, cmap='Greys', origin='lower') # 使用灰度颜色映射显示网格 plt.colorbar() plt.title("2D Grid Map Visualization") plt.show() if __name__ == "__main__": # 定义地图尺寸和障碍物坐标 map_width = 10 map_height = 10 obstacle_positions = [(3, 3), (4, 4), (5, 5)] # 列表中的元组表示障碍物的位置 # 创建栅格地图 my_grid = create_grid(map_width, map_height, obstacle_positions) # 显示栅格地图 plot_grid(my_grid) ``` 上述代码实现了两个主要功能： 1. **`create_grid` 函数**：用于初始化指定大小的二维栅格地图，并设置障碍物位置。其中，障碍物被标记为 `1`，而其他单元格默认为 `0`[^1]。 2. **`plot_grid` 函数**：借助 Matplotlib 库绘制栅格地图，便于直观观察地图布局[^2]。 #### 关键点说明 - 栅格地图通常是一个二维数组，其中每个元素代表一个特定状态（例如无障碍或有障碍）。这种结构非常适合路径规划问题的研究。 - 在实际应用中，可以通过调整输入参数来自定义不同规模的地图以及不同的障碍物分布情况。 - 如果需要更复杂的环境建模，则可以在该基础上增加动态变化机制或者引入更多类型的地形特征。

### 使用 Plotly 和 Matplotlib 创建三维栅格地图 #### 使用 Plotly 创建 3D 地图 Plotly 是一个强大的可视化库，可以轻松创建交互式的 3D 图表。下面是一个完整的例子来展示如何使用 `plotly` 来构建基于地理数据的 3D 栅格地图。 ```python import plotly.graph_objects as go import pandas as pd from urllib.request import urlopen import json with urlopen('https://raw.githubusercontent.com/plotly/datasets/master/geojson-counties-fips.json') as response: counties = json.load(response) df = pd.read_csv("https://raw.githubusercontent.com/plotly/datasets/master/fips-unemp-16.csv", dtype={"fips": str}) fig = go.Figure(data=go.Choroplethmapbox( geojson=counties, locations=df.fips, z=df.unemp, colorscale="Viridis", zmin=0, zmax=12, marker_opacity=0.5, marker_line_width=0)) fig.update_layout( mapbox_style="carto-positron", mapbox_zoom=3, mapbox_center={"lat": 37.0902, "lon": -95.7129}, margin={"r": 0, "t": 0, "l": 0, "b": 0} ) # 将二维地图转换成伪3D效果 camera = dict( up=dict(x=0, y=0, z=1), center=dict(x=0, y=0, z=-0.1), # 调整z轴位置使图形呈现一定倾斜角度 eye=dict(x=1.5, y=1.5, z=0.5) ) fig.update_layout(scene_camera=camera) fig.show() ``` 这段代码展示了如何加载 GeoJSON 数据并将其用于绘制美国各县失业率的地图[^1]。通过调整相机视角参数，可以使原本平面的地图呈现出一定的立体感。 #### 使用 Matplotlib 的 mplot3d 工具包制作真正的 3D 表面图 对于更复杂的地形模型或其他类型的高程数据，Matplotlib 提供了一个名为 `mplot3d` 的工具包，允许创建真实的三维表面图： ```python from mpl_toolkits.mplot3d import Axes3D import numpy as np import matplotlib.pyplot as plt def f(x, y): return np.sin(np.sqrt(x ** 2 + y ** 2)) x = np.linspace(-6 * np.pi, 6 * np.pi, 100) y = np.linspace(-6 * np.pi, 6 * np.pi, 100) X, Y = np.meshgrid(x, y) Z = f(X, Y) fig = plt.figure(figsize=(8, 6)) ax = fig.add_subplot(111, projection='3d') surf = ax.plot_surface(X, Y, Z, cmap='viridis') plt.colorbar(surf) plt.title('A Simple Example of a True 3D Surface Map Using Matplotlib') plt.show() ``` 此脚本定义了一个函数 `f()` 计算给定坐标处的高度值，并利用这些高度值生成了一张正弦波形的3D曲面图[^4]。