CN106525047A - 一种基于floyd算法的无人机路径规划方法 - Google Patents
一种基于floyd算法的无人机路径规划方法 Download PDFInfo
- Publication number
- CN106525047A CN106525047A CN201610967025.8A CN201610967025A CN106525047A CN 106525047 A CN106525047 A CN 106525047A CN 201610967025 A CN201610967025 A CN 201610967025A CN 106525047 A CN106525047 A CN 106525047A
- Authority
- CN
- China
- Prior art keywords
- node
- point
- matrix
- path
- floyd
- 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.)
- Granted
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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于floyd算法的无人机路径规划方法,基于floyd的动态路径规划,从图的带权邻接矩阵A=[a(i,j)]n×n开始,递归地进行n次更新,即由矩阵D(0)=A,按一个公式,构造出矩阵D(1);又用同样地公式由D(1)构造出D(2);……;最后又用同样的公式由D(n‑1)构造出矩阵D(n),矩阵D(n)的i行j列元素便是i号顶点到j号顶点的最短路径长度,称D(n)为图的距离矩阵,同时还可引入一个后继节点矩阵path来记录两点间的最短路径,通过此种方法找出始终节点间的最短路径。
Description
技术领域
本发明涉及一种无人机路径规划方法,尤其涉及一种基于floyd算法的无人机路径规划方法。
背景技术
随着科技的发展,无人机被广泛地应用到了各个领域,如军事、农业、建筑行业等。无人机包含了多种技术,如协同控制,编队等。繁重的任务、变化的多机协同战术应用,有效组织与科学管理无人机完成指定的任务迫在眉睫。基于此,路径动态规划与无人机而言是一项举足轻重的技术,必不可少。无人机路径的动态规划既可以提高效率又能保证安全性,是无人机的一项关键技术。
无人机在飞行过程中,可能会有无数条路径可以到达目标节点,怎么选择最佳路径到达目标节点是动态路径规划的目的。在规划过程中需要考虑障碍物,障碍物越是密集,则需要的中间节点也就越多,计算复杂度就会越高。寻找最佳飞行航线,确定该航线上对载荷设备的控制策略是无人机路径规划的目的,从而使无人机在飞行安全确保的前提下,发挥载荷设备的作用,完成各项任务。经过动态规划,无人机可以从根节点通过最短路径到达终端节点,节省了时间和资源。
就目前而言,我国对于无人机的路径动态规划探索还处于初级阶段,很多技术尚未成熟。目前也存在一些路径规划算法,如dijistra算法和HOCAOGLU算法等,但是存在计算复杂度高,效率低等问题,。
发明内容
有鉴于此,本发明的目的是提供一种基于floyd算法的无人机路径规划方法,该算法不仅中间节点选取方法简单而且效率高。
本发明通过以下技术手段解决上述技术问题:
一种基于floyd算法的无人机路径规划方法,其特征在于,包括如下步骤:
第一步,确定坐标,基于地球中心坐标系,标注出障碍物以及初始点和目标节点的位置,分别设为Z(x,y),S(x,y),G(x,y),从而构成任务地图的初始形态;
建立地球中心坐标系,采用地图工具标注出初始点的根节点坐标为S(x,y),目标节点为G(x,y),并标注出障碍物坐标Z(x,y),建立起三个节点的坐标,为图的组成提供基础节点;搭建结构体,所述结构体包括LinkNode和Node,其中结构体变量包括:邻接的结点在数组中的编号vex,指向下一个节点next,节点所存数据data,列表头节点head,并以此来建立图;
第二步,选择中间节点,以无人机飞行方向的转折点及航向改变点作为为中间节点,改变航向即是无法进行两点之间直线飞行时,遇到障碍物时会发生方向的改变,将每一个方向的改变点作为一个中间节点,结合上述障碍物以及初始点和目标节点构成图;
初始化根节点S(x,y)航向角θ0,比较点i处的航向角θi与前一航向角θi-1,判断是否相等,若相等,则i点不能选择为中间节点,若不相等则i就是其中一个中间节点;
第三步,最佳路径选择,从图的带权邻接矩阵A=[a(i,j)]n×n开始,递归地进行n次更新,即由矩阵D(0)=A,按一个公式,构造出矩阵D(1);又用同样地公式由D(1)构造出D(2);……;最后又用同样的公式由D(n-1)构造出矩阵D(n),矩阵D(n)的i行j列元素便是i号顶点到j号顶点的最短路径长度,称D(n)为图的距离矩阵,同时引入一个后继节点矩阵path来记录两点间的最短路径,该最短路径就是无人机的最佳航线;
采用floyd算法从初始点到中间节点的选择到目标节点,将初始点作为根节点,从根节点到目标节点进行遍历,组建成一个图,采用floyd方法进行最佳路径规划,包含变量节点个数vertexnum,权重weight,将每次算法计算得到的路径都存放path[]中,通过权重矩阵和路径矩阵的矩阵运算可以算出最佳路线,得到从根节点到目标节点的最短路径。
作为本方案的进一步改进,所述障碍物使指利用检测仪检测到的位于从初始点到终端节点路径上的的阻碍物体。
作为本方案的进一步改进,所述采用floyd方法进行最佳路径规划包括以下步骤:
开始,遍历所述图中的每一对顶点,找出各个节点间的距离用权值代替,没有边相连的,则权为无限大;
判断,对于每对顶点U,V看是否存在W点使得点U到点W,点W到点V比已知的路径更短;
如果存在点W使得点U到点W,点W到点V比已知的路径更短则更新权重矩阵最短路径;
重复上述步骤,直至找到初始点到终端节点的最短路径。
作为本方案的进一步改进,所述第二步骤中某一区域内存在多个中间节点,其中最优的中间节点选择方法如下:确定点N(i),建立直角坐标系,点N(i-1)通过x轴对称成为N’(i-1),点N’(i-1)与点N(i+1)的连线与纵坐标交点即为最优中间节点N(i)。
本发明的有益效果:
1.最短路径计算方法效率高,Floyd算法适用于APSP(All Pairs ShortestPaths,多源最短路径),是一种动态规划算法,稠密图效果最佳,边权可正可负。此算法简单有效,由于三重循环结构紧凑,对于稠密图,效率要高于执行|V|次Dijkstra算法,也要高于执行V次SPFA算法,同时Floyd算法容易理解,代码易写。
2.中间节点选取方法简单有效,由无人机方向的改变来确定中间节点的选取,既简单也可保证中间节点选取的合理性。无论是处于障碍物还是两点之间不可直达,都会导致航向的变化产生中间节点。直接由方向来决定,无需考虑障碍物的位置以及其他因素,减少了中间节点确立的复杂度。航向改变证明由原本航向在此点到终结点不可达,由此将此点设为中点节点也具有合理性。
3.模块化强,具有相对独立性,中间节点的选取方法不依赖于初始位置和最短路径计算,因此中间节点的选取可最短路径计算可模块化,可移植,可改变,较独立。
附图说明
图1是本发明的步骤流程图;
图2是floyd算法流程图;
图3是中间节点选取示意图;
图4是路径规划示意图;
图5是最优中间节点算法流程图:
图6是中间节点确定示意图。
具体实施方式
以下将结合附图对本发明进行详细说明:
如图1至图6所示:
一种基于floyd算法的无人机路径规划方法,本方法是基于floyd的动态路径规划。从图的带权邻接矩阵A=[a(i,j)]n×n开始,递归地进行n次更新,即由矩阵D(0)=A,按一个公式,构造出矩阵D(1);又用同样地公式由D(1)构造出D(2);……;最后又用同样的公式由D(n-1)构造出矩阵D(n)。矩阵D(n)的i行j列元素便是i号顶点到j号顶点的最短路径长度,称D(n)为图的距离矩阵,同时还可引入一个后继节点矩阵path来记录两点间的最短路径。通过此种方法找出始终节点间的最短路径。
本方法分为三个部分:确定坐标、中间节点的确定、最佳路径的选择。
确定坐标:
确定坐标部分主要基于地球中心坐标系,标注出障碍物以及出发节点和目标节点的位置,分别设为Z(x,y),S(x,y),G(x,y),从而构成任务地图的初始形态。完成任务地图的初始化有利于后面中间节点的确定以及为最佳路线奠定了计算基础。确定坐标部分是最基层也是尤为重要的一部分,确立了无人机飞行的初始位置和大概航线。
确定中间节点:
初始节点和终端节点是已经确定的。本方法中依靠飞行方向的转折点及航向改变点即为一个中间节点。改变航向即是无法进行两点之间直线飞行时,遇到障碍物时会发生方向的改变。将每一个方向的改变点作为一个中间节点,以此为基础构成图。如何选择中间节点是此方法的一个关键步骤,建立了足够的中点节点构建图,才能进行最短路径计算,初始节点是图的根,而中间节点就是图的叶,必不可少。
第一步确定坐标,首先建立地球中心坐标系,采用地图工具标注出初始点的坐标为S(x,y),目标节点为G(x,y),并标注出障碍物(利用检测仪检测到的异于无人机的阻碍无人机从始节点到终端节点的一个物体)坐标Z(x,y),建立起三个节点的坐标,为图的组成提供基础节点,路径动态规划的前提。所述结构体包括LinkNode和Node,其中结构体变量包括:邻接的结点在数组中的编号vex,指向下一个节点next,节点所存数据data,列表头节点head,并以此来建立图,具体设计如下:
第二步选择中间节点,首先初始化根节点S(x,y)航向角θ0,比较点i处的航向角θi与前一航向角θi-1,判断是否相等,若相等,则i点不能选择为中间节点,若不相等则i就是其中一个中间节点。
一个节点为N[i-1],从此节点开始向目标节点开始运动。当遇到障碍区改变航向时,确定中间节点为N[i]。而方向是否改变采用检测仪可探测到与水平方向的夹角是否变化。如图4,中间节点距离障碍物的距离如何确定,确定点N(i)。建立直角坐标系,N(i-1)点通过x轴对称成为N’(i-1),连接N’(i-1)与N(i+1)与纵坐标交点即为N(i)点。
第三步是最佳路径选择,本方法中采用floyd算法,从始节点到中间节点的选择到目标节点,将始节点作为根节点,从跟节点到目标节点进行遍历,组建成一个图,相关矩阵变化如下:
采用floyd方法进行最佳路径规划,包含变量节点个数vertexnum,权重weight,将每次算法计算得到的路径都存放path[]中,算法实现如下:
通过以上的权重矩阵和路径矩阵的矩阵运算可以算出最佳路线,得最佳规划路线如图4所示,从根节点到目标节点的最短路径。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种基于floyd算法的无人机路径规划方法,其特征在于,包括如下步骤:
第一步,确定坐标,基于地球中心坐标系,标注出障碍物以及初始点和目标节点的位置,分别设为Z(x,y),S(x,y),G(x,y),从而构成任务地图的初始形态;
建立地球中心坐标系,采用地图工具标注出初始点的根节点坐标为S(x,y),目标节点为G(x,y),并标注出障碍物坐标Z(x,y),建立起三个节点的坐标,为图的组成提供基础节点;搭建结构体,所述结构体包括LinkNode和Node,其中结构体变量包括:邻接的结点在数组中的编号vex,指向下一个节点next,节点所存数据data,列表头节点head,并以此来建立图;
第二步,选择中间节点,以无人机飞行方向的转折点及航向改变点作为为中间节点,改变航向即是无法进行两点之间直线飞行时,遇到障碍物时会发生方向的改变,将每一个方向的改变点作为一个中间节点,结合上述障碍物以及初始点和目标节点构成图;
初始化根节点S(x,y)航向角θ0,比较点i处的航向角θi与前一航向角θi-1,判断是否相等,若相等,则i点不能选择为中间节点,若不相等则i就是其中一个中间节点;
第三步,最佳路径选择,从图的带权邻接矩阵A=[a(i,j)]n×n开始,递归地进行n次更新,即由矩阵D(0)=A,按一个公式,构造出矩阵D(1);又用同样地公式由D(1)构造出D(2);……;最后又用同样的公式由D(n-1)构造出矩阵D(n),矩阵D(n)的i行j列元素便是i号顶点到j号顶点的最短路径长度,称D(n)为图的距离矩阵,同时引入一个后继节点矩阵path来记录两点间的最短路径,该最短路径就是无人机的最佳航线;
采用floyd算法从初始点到中间节点的选择到目标节点,将初始点作为根节点,从根节点到目标节点进行遍历,组建成一个图,采用floyd方法进行最佳路径规划,包含变量节点个数vertexnum,权重weight,将每次算法计算得到的路径都存放path[]中,通过权重矩阵和路径矩阵的矩阵运算可以算出最佳路线,得到从根节点到目标节点的最短路径。
2.根据权利要求1所述的一种基于floyd算法的无人机路径规划方法,其特征在于:所述障碍物使指利用检测仪检测到的位于从初始点到终端节点路径上的的阻碍物体。
3.根据权利要求1所述的一种基于floyd算法的无人机路径规划方法,其特征在于:所述采用floyd方法进行最佳路径规划包括以下步骤:
开始,遍历所述图中的每一对顶点,找出各个节点间的距离用权值代替,没有边相连的,则权为无限大;
判断,对于每对顶点U,V看是否存在W点使得点U到点W,点W到点V比已知的路径更短;
如果存在点W使得点U到点W,点W到点V比已知的路径更短则更新权重矩阵最短路径;
重复上述步骤,直至找到初始点到终端节点的最短路径。
4.根据权利要求1所述的一种基于floyd算法的无人机路径规划方法,其特征在于:所述第二步骤中某一区域内存在多个中间节点,其中最优的中间节点选择方法如下:确定点N(i),建立直角坐标系,点N(i-1)通过x轴对称成为N’(i-1),点N’(i-1)与点N(i+1)的连线与纵坐标交点即为最优中间节点N(i)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610967025.8A CN106525047B (zh) | 2016-10-28 | 2016-10-28 | 一种基于floyd算法的无人机路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610967025.8A CN106525047B (zh) | 2016-10-28 | 2016-10-28 | 一种基于floyd算法的无人机路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106525047A true CN106525047A (zh) | 2017-03-22 |
CN106525047B CN106525047B (zh) | 2019-07-02 |
Family
ID=58326522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610967025.8A Expired - Fee Related CN106525047B (zh) | 2016-10-28 | 2016-10-28 | 一种基于floyd算法的无人机路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106525047B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045349A (zh) * | 2017-04-21 | 2017-08-15 | 东南大学 | 一种室内视觉导引agv的任务规划方法 |
CN107085438A (zh) * | 2017-04-28 | 2017-08-22 | 中国船舶重工集团公司第七0九研究所 | 基于准均匀样条曲线的无人机路径修正方法及系统 |
CN107092265A (zh) * | 2017-06-22 | 2017-08-25 | 义乌文烁光电科技有限公司 | 一种适用于矩阵式仓库的分拣小车路径规划方法 |
CN107730876A (zh) * | 2017-10-21 | 2018-02-23 | 淮阴工学院 | 一种城市共享单车关键调度点数量和位置确定方法 |
CN108445903A (zh) * | 2018-03-28 | 2018-08-24 | 深圳臻迪信息技术有限公司 | 一种无人机防撞控制方法 |
CN109341695A (zh) * | 2018-11-15 | 2019-02-15 | 江苏艾佳家居用品有限公司 | 基于户型图标定的室内无人机导航方法 |
CN109445462A (zh) * | 2018-11-30 | 2019-03-08 | 电子科技大学 | 一种非确定环境下的无人机鲁棒路径规划方法 |
CN109668572A (zh) * | 2018-12-28 | 2019-04-23 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于floyd算法的激光叉车路径搜索方法 |
CN110262542A (zh) * | 2019-05-21 | 2019-09-20 | 西北大学 | 一种转角与距离结合的旋翼无人机节能路径优化方法 |
CN110347180A (zh) * | 2019-08-12 | 2019-10-18 | 南京邮电大学 | 计算无人机集群重新编队的最短编队距离的方法 |
CN110686335A (zh) * | 2019-09-25 | 2020-01-14 | 珠海格力电器股份有限公司 | 一种智能的空气净化装置及其控制方法 |
CN111601355A (zh) * | 2020-04-09 | 2020-08-28 | 西安理工大学 | 无线紫外光协作无人机编队保持拓扑中最优路径选择方法 |
CN112906620A (zh) * | 2021-03-09 | 2021-06-04 | 唐山职业技术学院 | 无人机辅助的绝缘子故障检测方法、装置和电子设备 |
CN113359688A (zh) * | 2021-05-28 | 2021-09-07 | 重庆交通大学 | 基于驾驶员nms特征的人机共驾鲁棒控制方法 |
CN114723108A (zh) * | 2022-03-22 | 2022-07-08 | 中国测绘科学研究院 | 城市路网海量公共服务设施可达性计算方法与装置 |
US11692837B2 (en) | 2017-10-18 | 2023-07-04 | Here Global B.V. | Automatic discovery of optimal routes for flying cars and drones |
CN117451033A (zh) * | 2023-12-21 | 2024-01-26 | 广东石油化工学院 | 一种同步定位与地图构建方法、装置、终端及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0914979A (ja) * | 1996-07-30 | 1997-01-17 | Sony Corp | 車両用のナビゲーション装置 |
CN103471596A (zh) * | 2012-06-08 | 2013-12-25 | 纽海信息技术(上海)有限公司 | 最短路径引导方法和最短路径引导系统 |
CN103542852A (zh) * | 2013-10-23 | 2014-01-29 | 上海大学 | 一种基于分割法的无人机路径规划方法 |
CN103697896A (zh) * | 2014-01-13 | 2014-04-02 | 西安电子科技大学 | 一种无人机路径规划方法 |
CN104462685A (zh) * | 2014-12-03 | 2015-03-25 | 江苏省电力公司淮安供电公司 | 基于网格GIS和Floyd算法的输电线路设计方法 |
CN104501816A (zh) * | 2015-01-08 | 2015-04-08 | 中国航空无线电电子研究所 | 一种多无人飞行器协调避碰导引规划方法 |
CN104991895A (zh) * | 2015-05-15 | 2015-10-21 | 南京航空航天大学 | 一种基于三维空域网格的低空救援航空器航迹规划方法 |
-
2016
- 2016-10-28 CN CN201610967025.8A patent/CN106525047B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0914979A (ja) * | 1996-07-30 | 1997-01-17 | Sony Corp | 車両用のナビゲーション装置 |
CN103471596A (zh) * | 2012-06-08 | 2013-12-25 | 纽海信息技术(上海)有限公司 | 最短路径引导方法和最短路径引导系统 |
CN103542852A (zh) * | 2013-10-23 | 2014-01-29 | 上海大学 | 一种基于分割法的无人机路径规划方法 |
CN103697896A (zh) * | 2014-01-13 | 2014-04-02 | 西安电子科技大学 | 一种无人机路径规划方法 |
CN104462685A (zh) * | 2014-12-03 | 2015-03-25 | 江苏省电力公司淮安供电公司 | 基于网格GIS和Floyd算法的输电线路设计方法 |
CN104501816A (zh) * | 2015-01-08 | 2015-04-08 | 中国航空无线电电子研究所 | 一种多无人飞行器协调避碰导引规划方法 |
CN104991895A (zh) * | 2015-05-15 | 2015-10-21 | 南京航空航天大学 | 一种基于三维空域网格的低空救援航空器航迹规划方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107045349A (zh) * | 2017-04-21 | 2017-08-15 | 东南大学 | 一种室内视觉导引agv的任务规划方法 |
CN107085438A (zh) * | 2017-04-28 | 2017-08-22 | 中国船舶重工集团公司第七0九研究所 | 基于准均匀样条曲线的无人机路径修正方法及系统 |
CN107092265A (zh) * | 2017-06-22 | 2017-08-25 | 义乌文烁光电科技有限公司 | 一种适用于矩阵式仓库的分拣小车路径规划方法 |
US11692837B2 (en) | 2017-10-18 | 2023-07-04 | Here Global B.V. | Automatic discovery of optimal routes for flying cars and drones |
CN107730876A (zh) * | 2017-10-21 | 2018-02-23 | 淮阴工学院 | 一种城市共享单车关键调度点数量和位置确定方法 |
CN108445903A (zh) * | 2018-03-28 | 2018-08-24 | 深圳臻迪信息技术有限公司 | 一种无人机防撞控制方法 |
CN108445903B (zh) * | 2018-03-28 | 2022-03-25 | 深圳臻迪信息技术有限公司 | 一种无人机防撞控制方法 |
CN109341695A (zh) * | 2018-11-15 | 2019-02-15 | 江苏艾佳家居用品有限公司 | 基于户型图标定的室内无人机导航方法 |
CN109445462A (zh) * | 2018-11-30 | 2019-03-08 | 电子科技大学 | 一种非确定环境下的无人机鲁棒路径规划方法 |
CN109445462B (zh) * | 2018-11-30 | 2021-06-04 | 电子科技大学 | 一种非确定环境下的无人机鲁棒路径规划方法 |
CN109668572A (zh) * | 2018-12-28 | 2019-04-23 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于floyd算法的激光叉车路径搜索方法 |
CN110262542A (zh) * | 2019-05-21 | 2019-09-20 | 西北大学 | 一种转角与距离结合的旋翼无人机节能路径优化方法 |
CN110347180A (zh) * | 2019-08-12 | 2019-10-18 | 南京邮电大学 | 计算无人机集群重新编队的最短编队距离的方法 |
WO2021027265A1 (zh) * | 2019-08-12 | 2021-02-18 | 南京邮电大学 | 计算无人机集群重新编队的最短编队距离的方法 |
CN110686335A (zh) * | 2019-09-25 | 2020-01-14 | 珠海格力电器股份有限公司 | 一种智能的空气净化装置及其控制方法 |
CN111601355A (zh) * | 2020-04-09 | 2020-08-28 | 西安理工大学 | 无线紫外光协作无人机编队保持拓扑中最优路径选择方法 |
CN111601355B (zh) * | 2020-04-09 | 2024-01-19 | 绍兴市上虞区舜兴电力有限公司 | 无线紫外光协作无人机编队保持拓扑中最优路径选择方法 |
CN112906620A (zh) * | 2021-03-09 | 2021-06-04 | 唐山职业技术学院 | 无人机辅助的绝缘子故障检测方法、装置和电子设备 |
CN113359688A (zh) * | 2021-05-28 | 2021-09-07 | 重庆交通大学 | 基于驾驶员nms特征的人机共驾鲁棒控制方法 |
CN114723108A (zh) * | 2022-03-22 | 2022-07-08 | 中国测绘科学研究院 | 城市路网海量公共服务设施可达性计算方法与装置 |
CN117451033A (zh) * | 2023-12-21 | 2024-01-26 | 广东石油化工学院 | 一种同步定位与地图构建方法、装置、终端及介质 |
CN117451033B (zh) * | 2023-12-21 | 2024-05-14 | 广东石油化工学院 | 一种同步定位与地图构建方法、装置、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106525047B (zh) | 2019-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106525047A (zh) | 一种基于floyd算法的无人机路径规划方法 | |
CN111024092B (zh) | 一种多约束条件下智能飞行器航迹快速规划方法 | |
CN110928295B (zh) | 一种融合人工势场与对数蚁群算法的机器人路径规划方法 | |
CN103336526B (zh) | 基于协同进化粒子群滚动优化的机器人路径规划方法 | |
CN102778229B (zh) | 未知环境下基于改进蚁群算法的移动Agent路径规划方法 | |
CN106323293B (zh) | 基于多目标搜索的两群多向机器人路径规划方法 | |
Debnath et al. | A review on graph search algorithms for optimal energy efficient path planning for an unmanned air vehicle | |
CN109931943B (zh) | 无人船舶全局路径规划方法及电子设备 | |
CN110989352A (zh) | 一种基于蒙特卡洛树搜索算法的群体机器人协同搜索方法 | |
CN114815802A (zh) | 一种基于改进蚁群算法的无人天车路径规划方法和系统 | |
CN108413963A (zh) | 基于自学习蚁群算法的条形机器人路径规划方法 | |
Aljubayrin et al. | The safest path via safe zones | |
CN109211242B (zh) | 一种融合rrt与蚁群算法的三维空间多目标路径规划方法 | |
CN110426044A (zh) | 一种基于凸集计算和优化蚁群算法的避障路径规划方法 | |
CN110412984B (zh) | 一种群集安全一致性控制器及其控制方法 | |
Ragavan et al. | Waypoint-based path planner for mobile robot navigation using PSO and GA-AIS | |
Zeng et al. | Robotic global path-planning based modified genetic algorithm and A* algorithm | |
Yu et al. | Balanced multi-region coverage path planning for unmanned aerial vehicles | |
CN115826586B (zh) | 一种融合全局算法和局部算法的路径规划方法及系统 | |
CN111427368A (zh) | 一种改进的多目标无人智能车避碰行驶方法 | |
Eldrandaly et al. | A modified artificial bee colony algorithm for solving least-cost path problem in raster GIS | |
CN116610109A (zh) | 基于梯度的前向蚁群算法无人车路径规划方法 | |
CN101833702B (zh) | 一种基于行人可视范围的导航点动态更换方法 | |
Tuba et al. | Water cycle algorithm for robot path planning | |
CN109977455A (zh) | 一种适用于带地形障碍三维空间的蚁群优化路径构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190702 Termination date: 20201028 |