1. 无人机避障场景里pgm 地图到底怎么读、怎么用做无人机避障绕不开一张图2D 栅格地图。它通常以.pgm加.yaml的组合出现pgm 存像素灰度yaml 存分辨率、原点、阈值这些元信息。你可以把它理解成一张“黑白照片”白色是能飞的地方黑色是墙或障碍灰色是未知区域。路径规划算法要做的就是在这张照片上找一条从起点到终点、不撞黑格子的线。这篇聚焦三件事pgm 文件怎么解析成可用的栅格数组、A* 路径规划代码骨架怎么搭、以及怎么用 TaoToken 的统一 API 通道接入 AI 辅助调试把 settings.json 配好并验证请求跑通。适合已经在做 ROS 或纯 Python 无人机避障、手里有 pgm 地图但卡在“读进来不会用”的开发者。全文代码可直接复制参数按你实际地图改。我试过直接拿 OpenCV 读 pgm 就开跑结果坐标系和地图原点对不上路径整体偏移。后来才明白 pgm 的像素行是从上往下的而地图坐标系原点常在左下角中间必须做一次翻转。这个坑后面会专门讲。2. TaoToken 前置统一 API 通道与 settings.json 准备TaoToken 在这里的角色是“统一 API 通道”。你调试路径规划时经常需要让模型帮你解释报错、生成测试用例、检查坐标变换逻辑。与其在多个模型供应商之间来回切 key不如用一个兼容 OpenAI 风格接口的入口把 base_url 和 key 配一次代码里只改 model 字段。官网入口https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 地址不带 UTMhttps://taotoken.net/api先拿 Key再配 settings.json。拿 Key 的页面在控制台里控制台https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewriteAPI Keyshttps://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewritesettings.json 的写法取决于你用的客户端。如果你用的是支持 OpenAI 兼容配置的编辑器插件或 CLI 工具核心就三段base_url、api_key、model。下面是一个通用骨架字段名按你工具的实际要求微调{ api_base: https://taotoken.net/api, api_key: sk-你的key, model: claude-sonnet-4-20250514, timeout: 60, max_tokens: 4096 }注意api_key 不要提交到 git。建议放在环境变量里settings.json 里用占位符或读取环境变量的方式注入。如果你更习惯在对话界面里直接问模型可以用模型对话入口模型对话https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite接入文档在这里字段含义和错误码都写了接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite配好之后先别急着接进路径规划代码。用一条最小请求验证通道是否通见第 4 节。3. 可复制配置pgm 解析 A* 路径规划代码骨架3.1 pgm 文件头解析pgm 分 P2ASCII和 P5二进制两种。ROS 地图一般是 P5。文件头结构是魔数、宽、高、最大灰度值然后紧跟二进制像素数据。下面这段纯 Python 解析不依赖 ROSdef read_pgm(filename): with open(filename, rb) as f: # 读取魔数 magic f.readline().strip() if magic not in (bP5, bP2): raise ValueError(f不支持的 pgm 格式: {magic}) # 跳过注释行 def read_non_comment(): line f.readline() while line.startswith(b#): line f.readline() return line dims read_non_comment().split() width, height int(dims[0]), int(dims[1]) maxval int(read_non_comment().strip()) if magic bP5: data f.read(width * height) pixels list(data) else: pixels [] for _ in range(width * height): pixels.append(int(f.readline().strip())) return width, height, maxval, pixels读出来是一维数组需要转成二维栅格。关键点pgm 第一行像素对应图像顶部而地图坐标系通常原点在左下所以要做垂直翻转。def pgm_to_grid(width, height, pixels, occupied_thresh0.65, free_thresh0.196): grid [[0] * width for _ in range(height)] for row in range(height): for col in range(width): # 翻转行pgm 顶部 - 地图底部 flipped_row height - 1 - row val pixels[row * width col] occ 1.0 - val / 255.0 # 归一化占据概率 if occ occupied_thresh: grid[flipped_row][col] 1 # 障碍 elif occ free_thresh: grid[flipped_row][col] 0 # 可通行 else: grid[flipped_row][col] -1 # 未知 return grid3.2 yaml 元信息读取pgm 单独用没意义必须配 yaml 里的 resolution 和 originimage: map.pgm resolution: 0.05 origin: [-10.0, -10.0, 0.0] negate: 0 occupied_thresh: 0.65 free_thresh: 0.196resolution 是每个像素代表多少米origin 是地图左下角在世界坐标系里的位置。世界坐标转栅格坐标def world_to_grid(wx, wy, origin, resolution, height): gx int((wx - origin[0]) / resolution) gy int((wy - origin[1]) / resolution) return gx, gy3.3 A* 路径规划核心在栅格上跑 A*八邻域或四邻域都行。无人机避障建议八邻域路径更平滑。下面是核心骨架import heapq def a_star(grid, start, goal): height len(grid) width len(grid[0]) neighbors [(-1,0),(1,0),(0,-1),(0,1), (-1,-1),(-1,1),(1,-1),(1,1)] def heuristic(a, b): return ((a[0]-b[0])**2 (a[1]-b[1])**2) ** 0.5 open_set [(0, start)] came_from {} g_score {start: 0} while open_set: _, current heapq.heappop(open_set) if current goal: path [] while current in came_from: path.append(current) current came_from[current] path.append(start) return path[::-1] for dx, dy in neighbors: nx, ny current[0]dx, current[1]dy if not (0 nx width and 0 ny height): continue if grid[ny][nx] ! 0: # 障碍或未知 continue step (dx*dx dy*dy) ** 0.5 tentative g_score[current] step if (nx, ny) not in g_score or tentative g_score[(nx, ny)]: came_from[(nx, ny)] current g_score[(nx, ny)] tentative f tentative heuristic((nx, ny), goal) heapq.heappush(open_set, (f, (nx, ny))) return None3.4 安全膨胀无人机有物理尺寸不能贴着障碍飞。规划前对障碍做膨胀把障碍周围 N 个像素也标成不可通行def inflate_obstacles(grid, radius): height len(grid) width len(grid[0]) inflated [row[:] for row in grid] for y in range(height): for x in range(width): if grid[y][x] 1: for dy in range(-radius, radius1): for dx in range(-radius, radius1): ny, nx ydy, xdx if 0 ny height and 0 nx width: inflated[ny][nx] 1 return inflatedradius 按无人机半径除以 resolution 算。比如半径 0.3 米resolution 0.05radius 就是 6。4. 验证请求从地图加载到路径输出跑通4.1 完整调用链把上面几段拼起来跑一个端到端测试if __name__ __main__: width, height, maxval, pixels read_pgm(map.pgm) grid pgm_to_grid(width, height, pixels) grid inflate_obstacles(grid, radius6) start world_to_grid(-5.0, -5.0, [-10.0, -10.0], 0.05, height) goal world_to_grid(5.0, 5.0, [-10.0, -10.0], 0.05, height) path a_star(grid, start, goal) if path: print(f路径长度: {len(path)} 个栅格点) print(f起点: {path[0]}, 终点: {path[-1]}) else: print(未找到可行路径检查起点终点是否在障碍内)预期输出类似路径长度: 287 个栅格点 起点: (100, 100), 终点: (300, 300)4.2 验证 TaoToken 通道用 curl 发一条最小请求确认 settings.json 里的配置生效curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer sk-你的key \ -d { model: claude-sonnet-4-20250514, messages: [{role: user, content: 用一句话解释A*算法的启发函数作用}], max_tokens: 200 }返回里有choices[0].message.content就说明通道通了。然后你可以把路径规划里的报错贴给模型让它帮你定位。比如坐标翻转错了模型能根据你贴的 grid 和 path 输出判断出 y 轴方向反了。4.3 可视化验证不想上 ROS 的话用 matplotlib 直接画import matplotlib.pyplot as plt import numpy as np def visualize(grid, pathNone): arr np.array(grid, dtypefloat) arr[arr -1] 0.5 plt.imshow(arr, cmapgray_r, originlower) if path: xs [p[0] for p in path] ys [p[1] for p in path] plt.plot(xs, ys, r-, linewidth2) plt.show()originlower保证和地图坐标系一致。如果路径画出来是反的说明你前面翻转逻辑写反了。5. 本篇常见错排查5.1 pgm 读进来全是 0 或全是 255多半是 P5 二进制读取时没跳过注释行或者把文件头的换行符算进了像素数据。检查read_non_comment是否在宽高和 maxval 之后正确停在了数据起始位置。可以在f.read前打印f.tell()确认偏移。5.2 路径贴墙或穿墙穿墙说明膨胀没做或者膨胀半径不够。贴墙说明 A* 的代价函数没考虑障碍距离。可以在 g_score 里加一项障碍惩罚离障碍越近代价越高。另外检查grid[ny][nx] ! 0这个判断未知区域 -1 也被挡住了如果你希望未知区域可通行改成grid[ny][nx] 1。5.3 起点终点转换后越界world_to_grid里 origin 是地图左下角的世界坐标。如果你的 yaml 里 origin 是[-10, -10, 0]而世界坐标是(5, 5)算出来 gx 应该是 300。越界通常是 origin 符号搞反或者 resolution 单位不是米。打印一下转换结果和 grid 尺寸对比。5.4 TaoToken 请求 401 或 404401 是 key 不对检查 settings.json 里有没有多余空格或者环境变量没注入。404 是 base_url 路径不对确认用的是https://taotoken.net/api而不是带/v1的完整路径拼错。接入文档里有完整的 endpoint 列表。5.5 A* 找不到路径但肉眼看着能过八邻域在对角穿越两个障碍的夹角时会“切角”如果两个障碍对角相邻八邻域会认为可以斜穿。解决办法对角移动时额外检查两个相邻的正交格子是否都可通行。if dx ! 0 and dy ! 0: if grid[current[1]][current[0]dx] 1 or grid[current[1]dy][current[0]] 1: continue6. 长期编码与 Agent 场景的接入建议如果你不只是跑一次路径规划而是要长期做无人机避障的编码迭代、让 Agent 自动改参数、批量跑地图测试那按次调用的方式会比较碎。Coding Plan 更适合这种持续编码场景配一次就能在编辑器里持续用Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewriteClaude Code 接入参考https://taotoken.net/claude-code?utm_sourcetaotoken_aicg_blog_endutm_contentclaude-codeutm_campaignrewrite实际用下来路径规划这类代码调试把 grid 的局部切片和报错一起贴给模型比只贴报错行效率高很多。模型能看到栅格数据就能判断是坐标问题还是算法问题。settings.json 里 timeout 建议给到 60 秒以上路径规划相关的上下文比较长。 
长河君 · 2026/9/27 22:23:30 · 阅读 1.2k 无人机避障实战：2D栅格地图pgm文件解析与路径规划代码详解（含TaoToken配置）
1. 无人机避障场景里pgm 地图到底怎么读、怎么用做无人机避障绕不开一张图2D 栅格地图。它通常以.pgm加.yaml的组合出现pgm 存像素灰度yaml 存分辨率、原点、阈值这些元信息。你可以把它理解成一张“黑白照片”白色是能飞的地方黑色是墙或障碍灰色是未知区域。路径规划算法要做的就是在这张照片上找一条从起点到终点、不撞黑格子的线。这篇聚焦三件事pgm 文件怎么解析成可用的栅格数组、A* 路径规划代码骨架怎么搭、以及怎么用 TaoToken 的统一 API 通道接入 AI 辅助调试把 settings.json 配好并验证请求跑通。适合已经在做 ROS 或纯 Python 无人机避障、手里有 pgm 地图但卡在“读进来不会用”的开发者。全文代码可直接复制参数按你实际地图改。我试过直接拿 OpenCV 读 pgm 就开跑结果坐标系和地图原点对不上路径整体偏移。后来才明白 pgm 的像素行是从上往下的而地图坐标系原点常在左下角中间必须做一次翻转。这个坑后面会专门讲。2. TaoToken 前置统一 API 通道与 settings.json 准备TaoToken 在这里的角色是“统一 API 通道”。你调试路径规划时经常需要让模型帮你解释报错、生成测试用例、检查坐标变换逻辑。与其在多个模型供应商之间来回切 key不如用一个兼容 OpenAI 风格接口的入口把 base_url 和 key 配一次代码里只改 model 字段。官网入口https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 地址不带 UTMhttps://taotoken.net/api先拿 Key再配 settings.json。拿 Key 的页面在控制台里控制台https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewriteAPI Keyshttps://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewritesettings.json 的写法取决于你用的客户端。如果你用的是支持 OpenAI 兼容配置的编辑器插件或 CLI 工具核心就三段base_url、api_key、model。下面是一个通用骨架字段名按你工具的实际要求微调{ api_base: https://taotoken.net/api, api_key: sk-你的key, model: claude-sonnet-4-20250514, timeout: 60, max_tokens: 4096 }注意api_key 不要提交到 git。建议放在环境变量里settings.json 里用占位符或读取环境变量的方式注入。如果你更习惯在对话界面里直接问模型可以用模型对话入口模型对话https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite接入文档在这里字段含义和错误码都写了接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite配好之后先别急着接进路径规划代码。用一条最小请求验证通道是否通见第 4 节。3. 可复制配置pgm 解析 A* 路径规划代码骨架3.1 pgm 文件头解析pgm 分 P2ASCII和 P5二进制两种。ROS 地图一般是 P5。文件头结构是魔数、宽、高、最大灰度值然后紧跟二进制像素数据。下面这段纯 Python 解析不依赖 ROSdef read_pgm(filename): with open(filename, rb) as f: # 读取魔数 magic f.readline().strip() if magic not in (bP5, bP2): raise ValueError(f不支持的 pgm 格式: {magic}) # 跳过注释行 def read_non_comment(): line f.readline() while line.startswith(b#): line f.readline() return line dims read_non_comment().split() width, height int(dims[0]), int(dims[1]) maxval int(read_non_comment().strip()) if magic bP5: data f.read(width * height) pixels list(data) else: pixels [] for _ in range(width * height): pixels.append(int(f.readline().strip())) return width, height, maxval, pixels读出来是一维数组需要转成二维栅格。关键点pgm 第一行像素对应图像顶部而地图坐标系通常原点在左下所以要做垂直翻转。def pgm_to_grid(width, height, pixels, occupied_thresh0.65, free_thresh0.196): grid [[0] * width for _ in range(height)] for row in range(height): for col in range(width): # 翻转行pgm 顶部 - 地图底部 flipped_row height - 1 - row val pixels[row * width col] occ 1.0 - val / 255.0 # 归一化占据概率 if occ occupied_thresh: grid[flipped_row][col] 1 # 障碍 elif occ free_thresh: grid[flipped_row][col] 0 # 可通行 else: grid[flipped_row][col] -1 # 未知 return grid3.2 yaml 元信息读取pgm 单独用没意义必须配 yaml 里的 resolution 和 originimage: map.pgm resolution: 0.05 origin: [-10.0, -10.0, 0.0] negate: 0 occupied_thresh: 0.65 free_thresh: 0.196resolution 是每个像素代表多少米origin 是地图左下角在世界坐标系里的位置。世界坐标转栅格坐标def world_to_grid(wx, wy, origin, resolution, height): gx int((wx - origin[0]) / resolution) gy int((wy - origin[1]) / resolution) return gx, gy3.3 A* 路径规划核心在栅格上跑 A*八邻域或四邻域都行。无人机避障建议八邻域路径更平滑。下面是核心骨架import heapq def a_star(grid, start, goal): height len(grid) width len(grid[0]) neighbors [(-1,0),(1,0),(0,-1),(0,1), (-1,-1),(-1,1),(1,-1),(1,1)] def heuristic(a, b): return ((a[0]-b[0])**2 (a[1]-b[1])**2) ** 0.5 open_set [(0, start)] came_from {} g_score {start: 0} while open_set: _, current heapq.heappop(open_set) if current goal: path [] while current in came_from: path.append(current) current came_from[current] path.append(start) return path[::-1] for dx, dy in neighbors: nx, ny current[0]dx, current[1]dy if not (0 nx width and 0 ny height): continue if grid[ny][nx] ! 0: # 障碍或未知 continue step (dx*dx dy*dy) ** 0.5 tentative g_score[current] step if (nx, ny) not in g_score or tentative g_score[(nx, ny)]: came_from[(nx, ny)] current g_score[(nx, ny)] tentative f tentative heuristic((nx, ny), goal) heapq.heappush(open_set, (f, (nx, ny))) return None3.4 安全膨胀无人机有物理尺寸不能贴着障碍飞。规划前对障碍做膨胀把障碍周围 N 个像素也标成不可通行def inflate_obstacles(grid, radius): height len(grid) width len(grid[0]) inflated [row[:] for row in grid] for y in range(height): for x in range(width): if grid[y][x] 1: for dy in range(-radius, radius1): for dx in range(-radius, radius1): ny, nx ydy, xdx if 0 ny height and 0 nx width: inflated[ny][nx] 1 return inflatedradius 按无人机半径除以 resolution 算。比如半径 0.3 米resolution 0.05radius 就是 6。4. 验证请求从地图加载到路径输出跑通4.1 完整调用链把上面几段拼起来跑一个端到端测试if __name__ __main__: width, height, maxval, pixels read_pgm(map.pgm) grid pgm_to_grid(width, height, pixels) grid inflate_obstacles(grid, radius6) start world_to_grid(-5.0, -5.0, [-10.0, -10.0], 0.05, height) goal world_to_grid(5.0, 5.0, [-10.0, -10.0], 0.05, height) path a_star(grid, start, goal) if path: print(f路径长度: {len(path)} 个栅格点) print(f起点: {path[0]}, 终点: {path[-1]}) else: print(未找到可行路径检查起点终点是否在障碍内)预期输出类似路径长度: 287 个栅格点 起点: (100, 100), 终点: (300, 300)4.2 验证 TaoToken 通道用 curl 发一条最小请求确认 settings.json 里的配置生效curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer sk-你的key \ -d { model: claude-sonnet-4-20250514, messages: [{role: user, content: 用一句话解释A*算法的启发函数作用}], max_tokens: 200 }返回里有choices[0].message.content就说明通道通了。然后你可以把路径规划里的报错贴给模型让它帮你定位。比如坐标翻转错了模型能根据你贴的 grid 和 path 输出判断出 y 轴方向反了。4.3 可视化验证不想上 ROS 的话用 matplotlib 直接画import matplotlib.pyplot as plt import numpy as np def visualize(grid, pathNone): arr np.array(grid, dtypefloat) arr[arr -1] 0.5 plt.imshow(arr, cmapgray_r, originlower) if path: xs [p[0] for p in path] ys [p[1] for p in path] plt.plot(xs, ys, r-, linewidth2) plt.show()originlower保证和地图坐标系一致。如果路径画出来是反的说明你前面翻转逻辑写反了。5. 本篇常见错排查5.1 pgm 读进来全是 0 或全是 255多半是 P5 二进制读取时没跳过注释行或者把文件头的换行符算进了像素数据。检查read_non_comment是否在宽高和 maxval 之后正确停在了数据起始位置。可以在f.read前打印f.tell()确认偏移。5.2 路径贴墙或穿墙穿墙说明膨胀没做或者膨胀半径不够。贴墙说明 A* 的代价函数没考虑障碍距离。可以在 g_score 里加一项障碍惩罚离障碍越近代价越高。另外检查grid[ny][nx] ! 0这个判断未知区域 -1 也被挡住了如果你希望未知区域可通行改成grid[ny][nx] 1。5.3 起点终点转换后越界world_to_grid里 origin 是地图左下角的世界坐标。如果你的 yaml 里 origin 是[-10, -10, 0]而世界坐标是(5, 5)算出来 gx 应该是 300。越界通常是 origin 符号搞反或者 resolution 单位不是米。打印一下转换结果和 grid 尺寸对比。5.4 TaoToken 请求 401 或 404401 是 key 不对检查 settings.json 里有没有多余空格或者环境变量没注入。404 是 base_url 路径不对确认用的是https://taotoken.net/api而不是带/v1的完整路径拼错。接入文档里有完整的 endpoint 列表。5.5 A* 找不到路径但肉眼看着能过八邻域在对角穿越两个障碍的夹角时会“切角”如果两个障碍对角相邻八邻域会认为可以斜穿。解决办法对角移动时额外检查两个相邻的正交格子是否都可通行。if dx ! 0 and dy ! 0: if grid[current[1]][current[0]dx] 1 or grid[current[1]dy][current[0]] 1: continue6. 长期编码与 Agent 场景的接入建议如果你不只是跑一次路径规划而是要长期做无人机避障的编码迭代、让 Agent 自动改参数、批量跑地图测试那按次调用的方式会比较碎。Coding Plan 更适合这种持续编码场景配一次就能在编辑器里持续用Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewriteClaude Code 接入参考https://taotoken.net/claude-code?utm_sourcetaotoken_aicg_blog_endutm_contentclaude-codeutm_campaignrewrite实际用下来路径规划这类代码调试把 grid 的局部切片和报错一起贴给模型比只贴报错行效率高很多。模型能看到栅格数据就能判断是坐标问题还是算法问题。settings.json 里 timeout 建议给到 60 秒以上路径规划相关的上下文比较长。