CN105606088B - 一种基于动态环境的路径规划方法 - Google Patents

一种基于动态环境的路径规划方法 Download PDF

Info

Publication number
CN105606088B
CN105606088B CN201610069368.2A CN201610069368A CN105606088B CN 105606088 B CN105606088 B CN 105606088B CN 201610069368 A CN201610069368 A CN 201610069368A CN 105606088 B CN105606088 B CN 105606088B
Authority
CN
China
Prior art keywords
dynamic
node
triangle gridding
point
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610069368.2A
Other languages
English (en)
Other versions
CN105606088A (zh
Inventor
黄天羽
王磊
裴高军
权子曦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201610069368.2A priority Critical patent/CN105606088B/zh
Publication of CN105606088A publication Critical patent/CN105606088A/zh
Application granted granted Critical
Publication of CN105606088B publication Critical patent/CN105606088B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations

Abstract

本发明提出一种基于动态环境的路径规划方法，能够对环境进行构造基于动态局部通道三角网格的导航网格，并能够针对不同Agents在动态环境发生变化前后进行搜索路径选择和碰撞规避方法的研究。包括以下步骤：步骤一、对动态环境构造实现局部通道三角网格Local Clearance Triangulation(LCT)；步骤二、保持原有的局部通道三角网格中对通道宽度Clearance值的要求，构建动态局部通道三角网格Dynamic Local Clearance Triangulation(DLCT)；步骤三、将AD*算法作为启发式动态路径规划方法，通过建立新的数据结构使得动态搜索算法能在动态环境中实时获取地图信息进行规划路径。

Description

一种基于动态环境的路径规划方法
技术领域
本发明涉及计算机仿真学及动画学，尤其涉及在动态环境中模拟现实中的人行为模型的路径规划方法，属于计算机应用领域。
技术背景
动态环境中的路径规划问题是在计算机动画领域中人群导航的重要课题之一，在模拟现实生活中的人行为模型、场景布局等方面有着重要应用。因此对于这些应用来说，找到合适的、优化的而且适用于各种额外条件如动态环境、大规模人群、任意宽度路径等成为路径规划算法的研究方向。
动态环境中的路径规划过程中会发生路径方向改变、个体群体碰撞等问题。针对这些问题，在一些算法如弹性线路图、多群体导航图中已提出相对应的解决办法，然而这些算法只是针对多群体的导航而没有具体的动态地图中的路径解决方案。
在路径规划中基于传统三角网格的算法，无法直接从三角网格中求出一条从源点到目标点并且带有最小间隙值的路径。然而加利福尼亚大学Marcelo Kallmann提出的局部通道三角网格即Local Clearance Triangulation(LCT三角网格)划分中，赋予三角形网格中每条有向边一个Local Clearance值，该值可以保证精确和有效的计算出从源点到目标点具有最小间隙值的最优路径。
发明内容
本发明提出一种基于动态环境的路径规划方法，能够对环境进行构造基于动态局部通道三角网格的导航网格，并能够针对不同Agents在动态环境发生变化前后进行搜索路径选择和碰撞规避方法的研究。
本发明的一种基于动态环境的路径规划方法，包括以下步骤：
步骤一、对动态环境构造实现局部通道三角网格Local ClearanceTriangulation(LCT)；
步骤二、保持原有的局部通道三角网格中对通道宽度Clearance值的要求，构建动态局部通道三角网格Dynamic Local Clearance Triangulation(DLCT)；
步骤三、将AD*算法作为启发式动态路径规划方法，通过建立新的数据结构使得动态搜索算法能在动态环境中实时获取地图信息进行规划路径。
进一步地，所述的新的数据结构包括：Map_Node中存储了动态网格中障碍物发生变化后节点的构建网格信息；Agent_Node中记录了当移动个体在寻路过程所扩展的三角网格边；Open_Node中记录了用来计算最优路径而在节点中存放的信息。
进一步地，所述的AD*算法的执行步骤如下：
步骤3.1、程序初始化；构建OPEN、CLOSED和INCONS表，并将该三个表清空，膨胀因子初始值；其中OPEN表保存所有已生成而未考察的节点，CLOSED表中记录已访问过的节点，INCONS表存储在OPEN表中已扩展过需要再次扩展的节点；膨胀因子e通过在搜索过程中递减来找到最优路径；
步骤3.2、计算最短路径：计算最短路径的过程中节点的扩展顺序为从目标点goal到起始点start进行扩展，寻找出从源点到目标点的最短路径；
步骤3.3、个体从起始点start开始沿路径向目标点goal前进；
步骤3.4、在扩展过程中，通过将个体的宽度和通道宽度Clearance值进行对比，将已扩展过的节点存储在INCONS表中，并不断减小膨胀因子e的值；
步骤3.5、判断前进过程中网格代价值是否发生变化，如果发生变化，则以当前节点为新的起始点，并减小膨胀因子e的值；
步骤3.6、在下一次扩展过程中，在对比个体的宽度和通道宽度Clearance值的基础上，用启发函数扩展OPEN表中剩余的点之前，把上一轮INCONS表中的点插入OPEN表中，在原来OPEN表的基础上修改所有与变化节点相关的最小代价值g、继承最小代价值rhs、节点值key的值，清空CLOSE表；
步骤3.7、从新的start点为起始点，goal为目标点，返回步骤3.3直至到达目标点。
进一步地，所述的构建动态局部通道三角网格具体包括以下步骤：
步骤2.1、获取三角网格在发生变化后的地图信息；
步骤2.2、获取地图中障碍物变化信息；
步骤2.3、地图网格中障碍物节点信息发生改变时，若有新节点加入，则添加后更新相邻接点；若有节点删除，则删除后更新相邻节点信息；
步骤2.4、反复执行步骤2.3直至所有的更新信息都处理完毕；
步骤2.5、更新地图中三角网格节点信息。
本发明的有益效果：对动态环境构造实现局部通道三角网格，保持原有的局部通道三角网格中对通道宽度Clearance值的要求，构建动态局部通道三角网格；通过建立新的数据结构改进AD*算法，并将其作为启发式动态路径规划方法，使其能在动态环境中实时获取地图信息进行规划路径。
附图说明
图1为本发明基于动态环境的路径规划方法的流程图。
具体实施方式
下面结合附图举例对本发明作进一步说明。
具体步骤如下：
1)获取地图网格中的41506个障碍物顶点信息，根据Delaunay三角剖分原理对地图划分得到基于约束的三角网格即Constrained Delaunay Triangulation(CDT三角网格)。
3)在CDT三角网的顶点集合T中遍历圆弧查找干扰点，将存在干扰点的圆弧插入链表中。
4)遍历完成后，对链表中干扰点进行重新划分得到(CDT函数为将顶点集合S转化为基于约束的三角网格的顶点集合T)。
5)重复进行(4)直到链表中所有干扰点消除，且有成立，构造实现局部通道三角网格。
6)让每两个Agents在同一条路径上反向移动。
7)获取三角网格在发生变化后的地图信息和地图中障碍物变化信息。
8)地图网格中障碍物节点信息发生改变时，若有新节点加入，则添加后更新相邻接点；若有节点消失，则删除后更新相邻接点信息。
9)在Agent移动过程中，当碰撞即将发生时，每个Agent都把对面个体视为动态障碍物，反复执行过程(8)直至所有的更新信息都处理完毕。
10)更新地图中三角网格节点信息，从而绕过之后继续前行，在避免了碰撞发生的同时沿院方向到达目的地。

Claims (2)

1.一种基于动态环境的路径规划方法，其特征在于，包括以下步骤：
步骤一、对动态环境构造实现局部通道三角网格Local Clearance Triangulation(LCT)；
步骤二、保持原有的局部通道三角网格中对通道宽度Clearance值的要求，构建动态局部通道三角网格Dynamic Local Clearance Triangulation，即DLCT；
所述的构建动态局部通道三角网格具体包括以下步骤：
步骤2.1、获取三角网格在发生变化后的地图信息；
步骤2.2、获取地图中障碍物变化信息；
步骤2.3、地图网格中障碍物节点信息发生改变时，若有新节点加入，则添加后更新相邻接点；若有节点删除，则删除后更新相邻节点信息；
步骤2.4、反复执行步骤2.3直至所有的更新信息都处理完毕；
步骤2.5、更新地图中三角网格节点信息；
步骤三、将AD*算法作为启发式动态路径规划方法，通过建立新的数据结构使得动态搜索算法能在动态环境中实时获取地图信息进行规划路径；
所述的AD*算法的执行步骤如下：
步骤3.1、程序初始化；构建OPEN、CLOSED和INCONS表，并将该三个表清空，膨胀因子初始值；其中OPEN表保存所有已生成而未考察的节点，CLOSED表中记录已访问过的节点，INCONS表存储在OPEN表中已扩展过需要再次扩展的节点；膨胀因子e通过在搜索过程中递减来找到最优路径；
步骤3.2、计算最短路径：计算最短路径的过程中节点的扩展顺序为从目标点goal到起始点start进行扩展，寻找出从源点到目标点的最短路径；
步骤3.3、个体从起始点start开始沿路径向目标点goal前进；
步骤3.4、在扩展过程中，通过将个体的宽度和通道宽度Clearance值进行对比，将已扩展过的节点存储在INCONS表中，并不断减小膨胀因子e的值；
步骤3.5、判断前进过程中网格代价值是否发生变化，如果发生变化，则以当前节点为新的起始点，并减小膨胀因子e的值；
步骤3.6、在下一次扩展过程中，在对比个体的宽度和通道宽度Clearance值的基础上，用启发函数扩展OPEN表中剩余的点之前，把上一轮INCONS表中的点插入OPEN表中，在原来OPEN表的基础上修改所有与变化节点相关的最小代价值g、继承最小代价值rhs、节点值key的值，清空CLOSE表；
步骤3.7、从新的start点为起始点，goal为目标点，返回步骤3.3直至到达目标点。
2.如权利要求1所述的一种基于动态环境的路径规划方法，其特征在于，进一步地，所述的新的数据结构包括：Map_Node中存储了动态网格中障碍物发生变化后节点的构建网格信息；Agent_Node中记录了当移动个体在寻路过程所扩展的三角网格边；Open_Node中记录了用来计算最优路径而在节点中存放的信息。
CN201610069368.2A 2016-02-01 2016-02-01 一种基于动态环境的路径规划方法 Active CN105606088B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610069368.2A CN105606088B (zh) 2016-02-01 2016-02-01 一种基于动态环境的路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610069368.2A CN105606088B (zh) 2016-02-01 2016-02-01 一种基于动态环境的路径规划方法

Publications (2)

Publication Number Publication Date
CN105606088A CN105606088A (zh) 2016-05-25
CN105606088B true CN105606088B (zh) 2019-05-28

Family

ID=55986220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610069368.2A Active CN105606088B (zh) 2016-02-01 2016-02-01 一种基于动态环境的路径规划方法

Country Status (1)

Country Link
CN (1) CN105606088B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106304231B (zh) * 2016-08-31 2019-10-18 华南理工大学 一种多节点网络协同动态路径规划方法
CN110285819B (zh) * 2018-03-19 2023-01-31 北京京东乾石科技有限公司 确定最短路径的方法和装置
CN108519737B (zh) * 2018-04-11 2020-06-09 电子科技大学 一种考虑能源补给的无人设备路径规划方法
CN109117986B (zh) * 2018-07-17 2021-01-22 广州视源电子科技股份有限公司 运动规划方法、装置、设备及计算机可读存储介质
US11873004B2 (en) * 2020-10-31 2024-01-16 Huawei Technologies Co., Ltd. Method and system for motion planning for an autonmous vehicle
CN113741453A (zh) * 2021-08-31 2021-12-03 广州文远知行科技有限公司 一种非结构化环境的路径规划方法、装置、设备和介质
CN114777793B (zh) * 2022-06-16 2022-09-20 盈嘉互联（北京）科技有限公司 一种面向任意导航主体的bim地图提取及路径规划方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101963510A (zh) * 2010-10-26 2011-02-02 广东威创视讯科技股份有限公司 一种随机路线图的快速路径规划方法及增强方法
CN102155942A (zh) * 2011-02-26 2011-08-17 山东大学 大范围环境下基于模糊拓扑地图的全局路径规划方法
CN102778229A (zh) * 2012-05-31 2012-11-14 重庆邮电大学 未知环境下基于改进蚁群算法的移动Agent路径规划方法
CN103278164A (zh) * 2013-06-13 2013-09-04 北京大学深圳研究生院 一种复杂动态场景下机器人仿生路径规划方法及仿真平台
CN104142156A (zh) * 2014-08-26 2014-11-12 天津市普迅电力信息技术有限公司 一种路径导航方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011525984A (ja) * 2008-06-26 2011-09-29 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 高速且つ正確な経路プランニングのための方法及びシステム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101963510A (zh) * 2010-10-26 2011-02-02 广东威创视讯科技股份有限公司 一种随机路线图的快速路径规划方法及增强方法
CN102155942A (zh) * 2011-02-26 2011-08-17 山东大学 大范围环境下基于模糊拓扑地图的全局路径规划方法
CN102778229A (zh) * 2012-05-31 2012-11-14 重庆邮电大学 未知环境下基于改进蚁群算法的移动Agent路径规划方法
CN103278164A (zh) * 2013-06-13 2013-09-04 北京大学深圳研究生院 一种复杂动态场景下机器人仿生路径规划方法及仿真平台
CN104142156A (zh) * 2014-08-26 2014-11-12 天津市普迅电力信息技术有限公司 一种路径导航方法

Also Published As

Publication number Publication date
CN105606088A (zh) 2016-05-25

Similar Documents

Publication Publication Date Title
CN105606088B (zh) 一种基于动态环境的路径规划方法
Ziliaskopoulos et al. A note on least time path computation considering delays and prohibitions for intersection movements
CN105222793B (zh) 一种基于矢量地图数据模型的城市层次化区域划分方法
CN107687859A (zh) 基于a星算法的最短寻路方法
CN103886638A (zh) 在划分为多个区域的三维场景中对对象的物理行为仿真
CN107121146B (zh) 基于路链深度的最优路径规划方法
EP1788537B1 (en) Mobile node simulator and program therefor
CN108334523A (zh) 道路场景地图的构建方法和装置
CN109668561A (zh) 一种室内路径规划方法、终端及可读存储介质
Yu Assessing the implications of the recent community opening policy on the street centrality in China: A GIS-based method and case study
Lopez Millan et al. A model of self‐avoiding random walks for searching complex networks
CN109737980A (zh) 一种导航方法及其对应的机器人
Musliman et al. Implementing 3D network analysis in 3D-GIS
Sturtevant et al. Learning where you are going and from whence you came: h-and g-cost learning in real-time heuristic search
Aschenbruck et al. Synthetic map-based mobility traces for the performance evaluation in opportunistic networks
Žunić et al. Software solution for optimal planning of sales persons work based on Depth-First Search and Breadth-First Search algorithms
Vogt et al. A realistic outdoor urban pedestrian mobility model
Tucnik et al. Comparative analysis of selected path-planning approaches in large-scale multi-agent-based environments
CN105786618B (zh) 加速器网络中路由报文的方法和装置
Galán Fast Evacuation Method: Using an effective dynamic floor field based on efficient pedestrian assignment
Montagna et al. Gradient-based self-organisation patterns of anticipative adaptation
JP6632054B2 (ja) 推定装置、推定方法及びプログラム
Han et al. A multiple surrounding point set approach using Theta* algorithm on eight-neighbor grid graphs
CN110975291A (zh) 一种路径提取方法及系统
Gilboa et al. Distributed navigation in an unknown physical environment

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant