# AlgoShowcase
**Repository Path**: master-turtle/AlgoShowcase
## Basic Information
- **Project Name**: AlgoShowcase
- **Description**: 算法成功展示
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-27
- **Last Updated**: 2026-01-12
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 1. A*路径规划算法
**🔍 算法简介**：启发式搜索算法，结合Dijkstra算法和贪婪最佳优先搜索的优点
#### 算法原理
```
f(n) = g(n) + h(n)
```
- **g(n)**：从起点到节点n的实际代价
- **h(n)**：从节点n到目标的预估代价（启发函数）
- **f(n)**：节点的总评估代价
#### 核心优势
- **最优性**：在启发函数满足可采纳性时保证找到最短路径
- **高效性**：通过启发函数指导搜索方向，减少搜索空间
- **灵活性**：可根据不同场景设计合适的启发函数
#### 算法特点
1. **启发式搜索**：利用目标信息引导搜索方向
2. **动态规划**：实时更新路径代价
3. **内存优化**：使用优先队列管理开放列表
4. **路径平滑**：生成自然平滑的移动路径
#### 实际效果
- **图片效果**
> 提示：图片文件位于 `videos/route` 目录下
- **视频效果**
> **提示：视频文件位于 `videos/route` 目录下**
# 2. 视频去雾算法
## 🎯 算法亮点
### 🚀 GPU 加速性能
- **加速技术**: CUDA 并行加速
- **处理速度**: 单帧图片处理仅需 **~7ms**
- **实时性能**: 完整支持 30Hz 视频流实时处理
### 📊 性能对比
- `NVIDIA RTX 3080 Ti`
- 以 1920*1080 分辨率，30fps 视频流为例，对比 CPU 和 GPU 加速下的处理性能
| 处理方式 | 单帧时间 | 视频延迟 | 实时性 |
|---------|---------|---------|--------|
| CPU处理 | 约1.3秒 | ~40秒 | ❌ 无法实时 |
| GPU加速 | **7毫秒** | **~30ms** | ✅ 工业可用 |
### ⏱️ 延迟分析
整个视频处理流水线的延迟分布：
```
视频处理流水线 (总延迟: ~250ms)
├── 视频流拉取解码 + 编码上屏显示: ~200ms
└── 视频去雾算法: **~30ms**
```
## 🎬 实际效果
### 图片效果
> 提示：图片文件位于 `videos/dehaze` 目录下
### 视频效果
> 提示：视频文件位于 `videos/dehaze` 目录下: 包括 **水上和水下测试视频**
# 3. 路径全覆盖算法(ccpp)
**🎯 算法目标**：实现区域无遗漏全覆盖清扫路径规划
## 🎬 实际效果
