【运动规划算法项目实战】TABV代码解析（四）：plan_env

**运动规划算法项目实战**

**TABV代码解析（四）：plan_env**

在前面的文章中，我们已经介绍了TABV的基本概念、环境设置以及agent的设计。在本篇文章中，我们将重点讨论`plan_env`这个关键模块，它是整个TABV框架中的核心部分。

**什么是plan_env？**

`plan_env`是一个Python类，负责管理运动规划算法的环境。它包含了所有与环境相关的信息和功能，例如地图、障碍物、目标点等。在TABV中，`plan_env`扮演着关键角色，它将环境信息传递给agent，使得agent能够根据这些信息进行决策。

**plan_env类结构**

下面是`plan_env`类的基本结构：

class PlanEnv:
 def __init__(self, map_size, obstacle_list):
 # 初始化环境参数 self.map_size = map_size self.obstacle_list = obstacle_list def get_map(self):
 # 获取地图信息 return self.map_size def get_obstacles(self):
 # 获取障碍物列表 return self.obstacle_list def set_goal(self, goal_position):
 # 设置目标点位置 self.goal_position = goal_position def get_goal(self):
 # 获取目标点位置 return self.goal_position

# 创建一个PlanEnv实例env = PlanEnv(map_size=(10,10), obstacle_list=[(3,4), (6,7)])

# 获取地图信息print(env.get_map()) # 输出:(10,10)

# 获取障碍物列表print(env.get_obstacles()) # 输出:[(3,4), (6,7)]

# 设置目标点位置env.set_goal((5,5))

# 获取目标点位置print(env.get_goal()) # 输出:(5,5)