Matlab路径规划：10分钟从零创建栅格地图（附完整代码）

1. 项目概述：为什么从栅格地图开始？

如果你刚接触路径规划，无论是做机器人导航、游戏AI寻路，还是自动驾驶的仿真测试，第一个拦路虎往往不是复杂的A*或Dijkstra算法，而是“地图”。没有一张清晰、可计算的地图，再精妙的算法也无用武之地。很多教程一上来就讲算法，却默认你已经有了一个现成的、格式完美的地图数据，这对新手来说很不友好。我自己在带学生和做项目时发现，快速构建一个可用的地图环境，是让整个路径规划流程跑通的第一步，也是最关键的一步。

Matlab在这方面有着得天独厚的优势。它不只是一个数学计算软件，其强大的矩阵操作和图形可视化能力，让它成为快速原型开发的利器。用Matlab绘制栅格地图，本质上就是把真实或虚拟的环境，抽象成一个由“0”和“1”（或者更多状态）组成的二维矩阵。其中，“0”代表自由可通行区域，“1”代表障碍物。这种抽象简洁明了，后续几乎所有经典的搜索算法（如BFS、DFS、A*）都能直接在这个矩阵模型上运行。

所以，这个内容的目标非常直接：抛开复杂的理论，手把手带你用Matlab，在10分钟内从零创建一张可用于路径规划算法的栅格地图。无论你是自动化、计算机相关专业的学生，还是刚进入机器人领域的工程师，掌握这套方法，就能立刻为你自己的算法提供一个“练兵场”。接下来，我会从设计思路、代码逐行解析到常见坑点，完整地走一遍这个过程。

2. 核心思路与栅格地图设计

在动手写代码之前，我们先要搞清楚栅格地图的几个核心设计参数。这就像盖房子先画图纸，参数定好了，代码写起来就顺畅了。

2.1 地图的数学模型：矩阵就是地图

栅格地图在程序里最直接的体现就是一个二维矩阵。假设我们创建一个20行、30列的地图，在Matlab里就是一个20x30的矩阵。map = zeros(20, 30)生成的就是一张全是0（空地）的地图。如果我们想把第5行、第10列设置为障碍物，只需要map(5, 10) = 1。你看，地图的修改本质上就是矩阵的索引和赋值，这就是Matlab的方便之处。

这里有一个非常重要的注意事项：矩阵的行列索引与通常的平面直角坐标系X-Y容易混淆。在Matlab的矩阵map(i, j)中，i代表行号（垂直方向，可类比Y轴），j代表列号（水平方向，可类比X轴）。而我们在纸上画地图，习惯说“坐标(x, y)”。为了避免混乱，我强烈建议在头脑中建立一个约定：矩阵的行索引i对应坐标y，列索引j对应坐标x。即map(y, x) = value。这个约定贯穿始终，能省去很多调试的麻烦。

2.2 障碍物设置：灵活性与可读性兼顾

一张空白地图没有意义，我们需要添加障碍物。障碍物的形状可以是矩形、圆形，或者任意多边形。从简单开始，矩形障碍物最常用。我们需要定义矩形的左上角起点（start_pos）和它的宽度（width）与高度（height）。注意，这里的高度和宽度指的是占据的栅格数。

例如，要在矩阵地图中，从坐标(x=3, y=2)开始，放置一个宽4格、高3格的矩形障碍物。根据上面的约定，对应到矩阵中就是行从2到4（2+3-1），列从3到6（3+4-1）的区域全部赋值为1。代码就是map(2:4, 3:6) = 1。

为了代码更清晰，我习惯把地图参数、障碍物参数都单独定义成变量，而不是把数字硬编码在绘图语句里。这样，想修改地图大小或障碍物位置时，只需改动开头的几个变量，后面的绘图代码完全不用动，维护起来非常方便。

2.3 可视化方案：让地图一目了然

地图矩阵存在于内存里，我们需要把它画出来。Matlab的imagesc函数是绝佳选择。它可以将矩阵的值映射为颜色，直接显示出来。通常我们用彩色映射colormap([0 0 0; 1 1 1])来定义一个简单的黑白映射：0（空地）映射为白色，1（障碍物）映射为黑色，对比鲜明。

但光有颜色还不够，我们需要网格线来清晰界定每一个栅格。grid on可以开启网格，但默认的网格线太细。为了更醒目，我通常会手动绘制网格线，使用hold on配合plot函数画出一系列横线和竖线。同时，关闭坐标轴（axis off）可以让图面更干净，或者使用axis equal保证每个栅格是正方形，不变形。

一个实操心得是：在正式运行路径规划算法前，一定要先确保你的地图可视化结果和你的设计意图完全一致。我见过太多错误是因为坐标索引弄反，导致算法在“看起来”是空地的地方撞墙。所以，画完图后，花点时间人工检查一下障碍物的位置和形状是否正确。

3. Matlab代码逐行解析与实现

下面，我将分模块详细拆解代码。你可以直接复制到一个新的.m脚本文件中运行。

3.1 初始化与地图参数设置

%% 1. 清空与初始化 clear all; close all; clc;

这三行代码是Matlab脚本的好习惯：清空工作区变量、关闭所有图形窗口、清空命令窗口。避免之前运行的残留数据或图形干扰本次结果。

%% 2. 定义地图参数 map_size_row = 20; % 地图行数 (Y轴方向) map_size_col = 30; % 地图列数 (X轴方向) % 初始化地图矩阵，0代表自由空间，1代表障碍物 map = zeros(map_size_row, map_size_col);

这里明确定义了地图尺寸。将地图初始化为全零矩阵，即一片空旷区域。变量名使用map_size_row/col比简单的m/n更清晰，便于后续阅读。

3.2 构建矩形障碍物

障碍物我们用结构体数组来组织，这样管理多个障碍物会很方便。

%% 3. 定义障碍物（矩形） % 每个障碍物用其左上角坐标和宽高定义 obstacles = [ struct('x', 5, 'y', 3, 'width', 8, 'height', 2); % 障碍物1：一个横条 struct('x', 15, 'y', 10, 'width', 3, 'height', 8); % 障碍物2：一个竖条 struct('x', 22, 'y', 5, 'width', 5, 'height', 5); % 障碍物3：一个方块 ];

这里定义了三个矩形障碍物。struct创建结构体，包含了障碍物的位置和尺寸信息。注意坐标(x,y)是障碍物矩形左上角在栅格地图中的坐标。

接下来，通过一个循环，将这些障碍物“绘制”到地图矩阵中：

%% 4. 将障碍物设置到地图矩阵中 for i = 1:length(obstacles) obs = obstacles(i); % 注意矩阵索引：行对应y，列对应x % 计算障碍物覆盖的行范围和列范围 row_range = obs.y : (obs.y + obs.height - 1); col_range = obs.x : (obs.x + obs.width - 1); % 边界检查（重要！避免索引超出矩阵范围） row_range = row_range(row_range >= 1 & row_range <= map_size_row); col_range = col_range(col_range >= 1 & col_range <= map_size_col); % 将对应区域标记为障碍物（值为1） map(row_range, col_range) = 1; end

这是核心代码段，有几个关键点：

1. 索引计算：obs.y : (obs.y + obs.height - 1)生成了从起始行到结束行的所有行索引。因为Matlab的索引是从1开始的，所以减1是正确的。例如，从第3行开始，高为3，那么覆盖的行就是3, 4, 5。
2. 边界检查：这是一个非常重要的避坑技巧。如果障碍物的定义不小心超出了地图边界（比如x定义为28，width为5，地图宽度只有30，那么列索引会到32，超出范围），Matlab会直接报错“索引超出矩阵维度”。通过row_range = row_range(row_range >= 1 & ...)这行代码，我们过滤掉了超出边界的索引，只保留有效的部分。这样即使参数设置有些许溢出，程序也能继续运行，只是障碍物会被“裁剪”在地图边缘，增强了代码的健壮性。
3. 批量赋值：map(row_range, col_range) = 1是Matlab的矩阵索引赋值优势，一次性将矩形区域内的所有元素置1，效率远高于逐元素的双重循环。

3.3 高级功能：创建复杂障碍与随机地图

除了手动定义规则障碍物，有时我们需要更复杂或随机的地图。

创建环形障碍物：环形障碍物在机器人导航中模拟柱子或树木。思路是计算每个栅格到圆心的距离。

%% 可选：添加一个圆形障碍物 center_x = 10; center_y = 15; radius = 4; % 为地图中每个点生成坐标网格 [col_grid, row_grid] = meshgrid(1:map_size_col, 1:map_size_row); % 计算每个点到圆心的距离 dist_from_center = sqrt((col_grid - center_x).^2 + (row_grid - center_y).^2); % 将距离小于半径的点标记为障碍物 map(dist_from_center <= radius) = 1;

这里用到了meshgrid函数来生成代表每个栅格坐标的矩阵，然后通过矩阵运算一次性计算所有距离，再通过逻辑索引dist_from_center <= radius一次性标记所有障碍点。这是Matlab向量化编程的典型应用，比用循环快得多。

生成随机障碍地图：对于算法压力测试，随机地图很有用。

%% 可选：生成随机障碍地图（覆盖指定百分比） obstacle_ratio = 0.25; % 障碍物覆盖率25% % 生成与地图同尺寸的随机矩阵，值在0~1之间 random_matrix = rand(map_size_row, map_size_col); % 将随机值小于阈值的点设为障碍物 map(random_matrix < obstacle_ratio) = 1; % 注意：通常要保证起点和终点是空的，这里需要额外处理

rand函数生成均匀分布的随机数。通过设置obstacle_ratio阈值，可以控制地图的拥堵程度。但务必注意，随机地图可能把起点和终点也变成障碍物，导致规划问题无解。因此在实际使用中，生成随机地图后，需要手动或通过代码确保起点和终点坐标处的值为0。

3.4 地图可视化与美化

地图矩阵map已经准备好了，现在把它画出来。

%% 5. 可视化栅格地图 figure(1); imagesc(1:map_size_col, 1:map_size_row, map); % 显示地图 colormap([1 1 1; 0 0 0]); % 设置颜色映射：[白色; 黑色] -> [0; 1] hold on; % 绘制栅格线，让每个格子更清晰 for i = 0.5:1:map_size_row+0.5 plot([0.5, map_size_col+0.5], [i, i], 'k-', 'LineWidth', 0.5); end for j = 0.5:1:map_size_col+0.5 plot([j, j], [0.5, map_size_row+0.5], 'k-', 'LineWidth', 0.5); end % 设置坐标轴 axis([0.5, map_size_col+0.5, 0.5, map_size_row+0.5]); % 固定坐标轴范围，与栅格线匹配 axis equal; % XY轴等比例，保证格子是正方形 axis off; % 关闭坐标轴显示，图面更干净 title('栅格地图 (黑色为障碍物)');

1. imagesc(1:map_size_col, 1:map_size_row, map)：这里的前两个参数指定了X轴和Y轴的坐标范围。这样设置后，图像上的一个像素点就精确对应一个栅格的中心。
2. colormap([1 1 1; 0 0 0])：定义了一个只有两行的颜色映射表。第一行[1 1 1]是白色（RGB），对应矩阵中的最小值（0）；第二行[0 0 0]是黑色，对应最大值（1）。如果你的地图有更多状态（比如2代表未知区域），可以定义更多颜色。
3. 绘制栅格线：这是让地图看起来像“栅格”的关键。我们在每个整数行和列的交界处画线。所以循环从0.5开始，到size+0.5结束，步长为1。plot画的是横线和竖线，‘k-’代表黑色实线，‘LineWidth’, 0.5让线细一些。
4. axis equal至关重要，它保证了在屏幕上显示时，每个栅格在X和Y方向上的物理长度相等，不会因为图形窗口拉伸而变形。否则，正方形格子可能被拉成长方形，影响视觉判断和后续坐标计算。

3.5 标注起点与终点

一张完整的地图还需要起点和终点，我们用醒目的符号标出来。

%% 6. 标注起点和终点 start_node = [3, 4]; % [x, y] 格式 goal_node = [28, 18]; % [x, y] 格式 % 注意：plot的坐标参数是 (x, y)，即 (列，行) plot(start_node(1), start_node(2), 'o', 'MarkerSize', 10, 'MarkerFaceColor', 'g', 'MarkerEdgeColor', 'k'); plot(goal_node(1), goal_node(2), 'p', 'MarkerSize', 12, 'MarkerFaceColor', 'r', 'MarkerEdgeColor', 'k'); % 添加图例 legend('', '障碍物', '起点', '终点'); % imagesc默认会占一个图例句柄，用空字符串跳过 hold off;

这里start_node和goal_node我们依然按照[x, y]（即[列， 行]）的格式存储。plot时直接使用即可。我用绿色实心圆表示起点，红色五角星表示终点，MarkerFaceColor设置填充色，MarkerEdgeColor设置边框色，这样非常醒目。

一个常见问题是图例显示。因为imagesc会创建一个图像对象，默认会出现在图例里。为了图例整洁，我在legend函数中第一个参数用了空字符串''来对应这个图像对象，不显示它的标签，只为后面的起点、终点添加标签。

4. 完整代码整合与运行

将上述所有代码段按顺序整合到一个.m文件中，点击运行，你就能得到一张类似下图的栅格地图： （此处为文字描述：一张20x30的黑白网格图，图中有三个黑色矩形障碍物，一个黑色圆形障碍物，左下角有一个绿色圆点起点，右上角有一个红色五角星终点。）

为了让你能直接使用，这里提供一份整合后的、包含基础障碍和随机地图选项的完整代码：

%% 路径规划栅格地图生成器 clear all; close all; clc; %% 参数设置 map_size_row = 20; % 地图行数 (Y) map_size_col = 30; % 地图列数 (X) use_random_map = false; % true:使用随机地图； false:使用预设障碍物 random_obstacle_ratio = 0.2; % 随机地图障碍物覆盖率 %% 初始化地图 map = zeros(map_size_row, map_size_col); if ~use_random_map % ====== 方案一：预设规则障碍物 ====== obstacles = [ struct('x', 5, 'y', 3, 'width', 8, 'height', 2); struct('x', 15, 'y', 10, 'width', 3, 'height', 8); struct('x', 22, 'y', 5, 'width', 5, 'height', 5); ]; for i = 1:length(obstacles) obs = obstacles(i); row_range = obs.y : (obs.y + obs.height - 1); col_range = obs.x : (obs.x + obs.width - 1); % 边界检查 row_range = row_range(row_range >= 1 & row_range <= map_size_row); col_range = col_range(col_range >= 1 & col_range <= map_size_col); map(row_range, col_range) = 1; end % 添加一个圆形障碍物 center_x = 10; center_y = 15; radius = 4; [col_grid, row_grid] = meshgrid(1:map_size_col, 1:map_size_row); dist_from_center = sqrt((col_grid - center_x).^2 + (row_grid - center_y).^2); map(dist_from_center <= radius) = 1; else % ====== 方案二：生成随机障碍地图 ====== map = rand(map_size_row, map_size_col) < random_obstacle_ratio; % 将地图四边设为障碍物，模拟有边界的空间 map(1, :) = 1; map(end, :) = 1; map(:, 1) = 1; map(:, end) = 1; end %% 定义起点和终点，并确保它们不在障碍物上 start_node = [3, 4]; % [x, y] goal_node = [28, 18]; % [x, y] % 如果起点或终点在障碍物上，则将其清除 if map(start_node(2), start_node(1)) == 1 map(start_node(2), start_node(1)) = 0; fprintf('注意：起点位于障碍物上，已自动清除。\n'); end if map(goal_node(2), goal_node(1)) == 1 map(goal_node(2), goal_node(1)) = 0; fprintf('注意：终点位于障碍物上，已自动清除。\n'); end %% 可视化 figure('Name', '栅格地图', 'NumberTitle', 'off'); imagesc(1:map_size_col, 1:map_size_row, map); colormap([1 1 1; 0.5 0.5 0.5]); % [白色; 灰色] 灰色障碍物更柔和 hold on; % 绘制精细栅格线 for i = 0.5:1:map_size_row+0.5 plot([0.5, map_size_col+0.5], [i, i], 'k-', 'LineWidth', 0.3); end for j = 0.5:1:map_size_col+0.5 plot([j, j], [0.5, map_size_row+0.5], 'k-', 'LineWidth', 0.3); end % 标记起点终点 plot(start_node(1), start_node(2), 'o', 'MarkerSize', 10, 'MarkerFaceColor', 'g', 'MarkerEdgeColor', 'k', 'LineWidth', 1.5); plot(goal_node(1), goal_node(2), 'p', 'MarkerSize', 12, 'MarkerFaceColor', 'r', 'MarkerEdgeColor', 'k', 'LineWidth', 1.5); % 坐标轴与标签 axis([0.5, map_size_col+0.5, 0.5, map_size_row+0.5]); axis equal; % axis off; % 可根据需要选择是否显示坐标轴 xlabel('X (列)'); ylabel('Y (行)'); title('路径规划栅格地图'); % 添加文字标注 text(start_node(1)+0.5, start_node(2), '起点', 'FontSize', 9, 'Color', 'b'); text(goal_node(1)+0.5, goal_node(2), '终点', 'FontSize', 9, 'Color', 'b'); hold off; %% 输出地图信息 fprintf('地图尺寸: %d 行 x %d 列\n', map_size_row, map_size_col); fprintf('障碍物栅格数量: %d\n', sum(map(:))); fprintf('起点坐标: (%d, %d)\n', start_node(1), start_node(2)); fprintf('终点坐标: (%d, %d)\n', goal_node(1), goal_node(2));

这份代码更加健壮和实用。它提供了两种地图生成模式，增加了起点终点的安全性检查（自动清除障碍），使用了更柔和的灰色表示障碍物，并添加了坐标轴和信息输出。

5. 常见问题、调试技巧与扩展思路

即使代码写完了，你可能还会遇到一些意想不到的问题。下面是我在实际教学和项目中总结的几个典型坑点和解决思路。

5.1 索引越界错误与调试

问题描述：运行时报错“索引超出矩阵维度”。这是Matlab新手最常见错误之一。原因分析：几乎可以肯定是在给map矩阵赋值时，行索引或列索引的值超过了矩阵的尺寸（比如地图是20x30，但你的索引计算出了21或31）。排查步骤：

1. 检查障碍物定义：仔细核对每个障碍物的x,y,width,height。确保x+width-1 <= map_size_col且y+height-1 <= map_size_row。
2. 使用调试器：在出错的行设置断点，运行程序。将鼠标悬停在row_range和col_range变量上，查看它们计算出的最大值是否超出了地图边界。
3. 采用防御性编程：就像我在代码中做的那样，在赋值前加入“边界检查”代码段。这能有效防止因参数设置疏忽导致的程序崩溃。

5.2 可视化时图形错位或变形

问题描述：障碍物显示的位置和预期不符，或者栅格不是正方形。原因与解决：

1. 坐标轴范围不对：imagesc显示时，默认的坐标轴范围是[1, size(map,2)]和[1, size(map,1)]，每个栅格的中心在整数坐标上。而我们画的栅格线是在0.5, 1.5, 2.5...这些位置。如果axis范围设置不正确，会导致线和图像对不齐。务必使用axis([0.5, map_size_col+0.5, 0.5, map_size_row+0.5])来严格匹配。
2. 未使用axis equal：如果省略这行代码，当你调整图形窗口大小时，X和Y轴的比例会变化，导致正方形栅格被拉伸成矩形。axis equal命令强制两个坐标轴的单位长度相等。
3. hold on的顺序：务必在imagesc之后、plot画线之前执行hold on。如果顺序反了，可能会清空之前画的图像。

5.3 地图矩阵与算法输入的衔接

问题描述：地图画好了，但不知道如何提供给路径搜索算法使用。核心要点：对于大多数搜索算法，你只需要这个map矩阵。算法会将其作为全局变量或函数参数读入。示例（A*算法伪代码思路）：

function path = AStarSearch(map, start, goal) % map: 就是我们生成的二维矩阵，0可通行，1障碍 % start/goal: 是[x, y]坐标，注意可能需要转换为行列索引 start_index = sub2ind(size(map), start(2), start(1)); % 将坐标转为线性索引 goal_index = sub2ind(size(map), goal(2), goal(1)); % ... 后续搜索逻辑基于map矩阵判断每个格子是否可通行 ... end

关键转换：算法内部经常使用节点的“线性索引”（一个标号）或“行列索引”来操作。sub2ind和ind2sub是两个非常实用的函数，用于在坐标(x,y)和矩阵的线性索引之间转换。记住我们的约定：行索引 i = y,列索引 j = x。

5.4 扩展思路：让地图更实用

基础的黑白栅格地图已经能满足很多算法的需求，但你可以在此基础上进行丰富：

1. 多值地图：用不同的值表示不同地形。例如，0：自由空间；1：障碍物；2：草地（通行成本高）；3：沼泽（通行成本极高）。在可视化时，定义对应的颜色映射colormap([1 1 1; 0 0 0; 0 1 0; 0 0.5 0])。在搜索算法中，将节点的移动代价g(n)与地图值关联。
2. 导入真实地图：你可以将一张建筑平面图或室内地图的图片（如PNG）用imread读入Matlab，转换为灰度图，再通过设定阈值将其二值化为0-1矩阵，就得到了一张真实的栅格地图。这能极大提升仿真的真实感。
3. 动态障碍物：在仿真循环中，你可以动态地修改map矩阵中某些区域的值，然后刷新imagesc显示，就能模拟移动的障碍物。这需要结合定时器timer或循环来实现动画效果。
4. 地图保存与加载：使用save('myMap.mat', 'map', 'start_node', 'goal_node')可以将生成好的地图变量保存到文件。下次使用时，用load('myMap.mat')即可载入，避免重复生成。

画出一张正确的栅格地图，就像是为你后续的路径规划算法搭建好了舞台。这个过程中对矩阵操作的熟悉、对坐标索引的谨慎、以及对可视化细节的把握，都是宝贵的编程实践。当你熟练之后，这套方法可以在5分钟内完成，从而让你把主要精力集中在算法逻辑本身。在接下来的内容里，我们就可以在这张地图上，让搜索算法跑起来了。