自动寻路是机器人导航的核心技术，其原理主要涉及机器人与环境之间的复杂信息交互与处理。在自动寻路过程中，机器人依靠先进的传感器系统，如高清摄像头、精密激光雷达和灵敏超声波装置，全方位感知周围环境。这些传感器能够实时捕捉并分析环境中的障碍物、地形变化和关键路标，为机器人提供精确的导航数据。
自动寻路在多个领域发挥着关键作用，从图扑的数据中心机房的自动化巡检系统，到智能机器人的导航系统，再到智慧码头堆场的智能化管理，自动寻路技术无处不在。该功能不仅能规划出最优路线，还能实时考虑障碍物避让等复杂的实际因素，灵活调整路径以确保安全和效率。
乍听之下，自动寻路功能略显复杂，实现过程中也确实涉及了一些算法。在具体实施之前，我们需要先解决两个关键问题：
1. 如何避开场景中的障碍物？
2. 如何计算最佳路径？
针对这两处问题，我们可以利用图扑软件自研 HT for Web 提供的 ht-astar.js 插件。该插件具备初始化网格和自动搜索路径等功能，高效简化了自动寻路的实现过程。
场景网格化
先将场景划分成二维网格，障碍物分布于不同的网格单元上，部分较大的障碍物可能会占据多个网格单元。路径计算实际上是分析网格的占用情况，当平台监测到某个网格被占用时，系统会自动寻找择优生成一条绕行路径。
在开发时，首先需要去实例化 ht.Astar.Finder(view, params)。其中 view 可以是 ht.graph.GraphView 或者 ht.graph3d.Graph3dView。params 是一个包含基础属性设置的对象。以下列举了一些 params 的常用参数：
✧simplify:是否启用路径简化。
✧closest:是否启用最近路径优化。
✧nodeRectExtend:扩展节点范围。
✧gridSizeY:网格在 Y 方向上的大小。
✧gridSizeX:网格在 X 方向上的大小。
✧diagonal:是否允许沿对角线方向移动。
✧fastOverlap:是否启用快速监测重叠算法。
✧filter:过滤函数用于在路径计算过程中过滤特定节点。
✧turnPunish:转弯惩罚系数，数值越高表示越倾向于直线路径。
具体代码实现：
路径计算
在路径计算过程中，系统需要实时监测每个网格单元的占用状态。若规划的路径遇到被障碍物占用的网格，系统会自动寻找绕行路径，以动态避开障碍物。
在开发过程中，我们需要监听场景背景的点击事件，获取点击位置的坐标。然后，结合起点坐标，通过 astar.findPath(pFrom, pTo) 函数计算出具体路径。计算得到的路径是一组点位数据，可以利用这些数据在场景中绘制出一条路径管道。具体代码实现：
路径动画
在场景中生成管道后，人物节点可沿此管道移动。人物节点沿管道运动的代码如下：
优化视觉效果
基于上述，我们已实现了基本的自动寻路功能。在实际项目中仍需提升一定的视觉效果，让展示页面足够美观，我们可以采取以下策略：
- 首先，将管道路径隐藏（使用 polyline.s('transparent.mask', true)）；
- 随后，利用 ht.Shape 节点并设置贴图来呈现人物的运动轨迹。这样不仅能实现功能，还能大幅增强视觉吸引力。
具体实现代码如下：
作为开发者的我们，将继续探索和优化自动寻路技术，利用图扑 HT 提供的插件工具，不断提升算法效率和用户体验。通过合理的参数设置、精确的网格划分和智能的路径规划，为各种应用场景提供更加出色的自动寻路解决方案。
作为国产化数字孪生技术，图扑长期专注于 Web 可视化领域，自主研发 HT for Web 2D 和 3D 图形渲染引擎、低代码数字孪生组态平台及相关工具。科技自主可控，不受外围科技所威胁。目前产品已广泛应用于工业组态、电力能源、孪生工厂、电信机房、智慧交通、智慧城市、园区楼宇、智慧水务、航天军工等行业领域。
