CN107816999A - 一种基于蚁群算法的无人船航行路径自主规划方法 - Google Patents
一种基于蚁群算法的无人船航行路径自主规划方法 Download PDFInfo
- Publication number
- CN107816999A CN107816999A CN201710875336.6A CN201710875336A CN107816999A CN 107816999 A CN107816999 A CN 107816999A CN 201710875336 A CN201710875336 A CN 201710875336A CN 107816999 A CN107816999 A CN 107816999A
- Authority
- CN
- China
- Prior art keywords
- path
- unmanned boat
- ant group
- path planning
- cartographic information
- 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.)
- Pending
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
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)
Abstract
本发明公开了一种基于蚁群算法的无人船航行路径自主规划方法，所述方法包括：对海图进行处理得到适合进行环境建模的可建模地图信息矩阵；以所述可建模地图信息矩阵为模型，在MATLAB上用栅格法进行环境建模；利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划，获得一条从起始点到终止点的最优路径；最后输出路径的节点坐标，并通过坐标转换，输出经纬度坐标；通过经纬度坐标，在海图上把路径一一描出，实现在海上地图上显示路径规划的结果。本发明能有效地在地图上显示最优的规划路径，符合实际应用的要求。
Description
技术领域
本发明涉及无人船智能控制技术领域，尤其涉及一种基于蚁群算法的无人船航行路径自主规划方法。
背景技术
当今世界的发展越来越快，不论是在科技领域还是人文领域，都取得了很不错的进步，也有很多不错的成功。如今，陆地资源已经被开发得可以说是很充分了，随着科技的进步，我们开始把步伐迈向了海洋。海洋对现今的人类来说还是充满了许多的未知的地方，最主要的当然还是因为受限于科技发展水平。因为海上的情况不稳定，不能在海洋上跨出太远，否则很难保证安全。
我国领海面积达到了470万平方公里，海域分布有岛屿7600多个。最近一年，我国就因为领海问题与几个临近的国家发生了冲突，在此，且不讨论引起冲突的原因是什么。就从这几次冲突中可以看出，海洋已经越来越被各个国家，各个机构所重视，而很大的原因也就是上面所说的各种未知。为了探索这些未知，各国都抓紧争取更多的海洋资源的同时，努力发展自身的科技，以便在未来在海洋领域能处在一个先头的地位。
在占有资源的同时，也需要好好地对我们的领海进行守护与开发。那就需要在各种海上的设施建设上下功夫，那么处于首要地位的自然就是海上的运载工具——船。而本文所谈及的，就是在各类船里面处于战略地位的无人船。无人船智能化水平高、体积小、速度快，可以进行侦查、反潜、扫雷、搜救、打捞等多种不同的任务。无人船在二战后期的时候被美军所使用，在战争中的表现也是一直为人佩服，所取得的效果也是让人眼前一亮，展现了巨大的应用前景。此后，各发达国家都开始大力发展无人船，投入了大量精力和资源，争取取得突破性的进步。美国、以色列、英国、德国、日本等国家都已经取得了很大的进展。相较于中国，我国在无人船领域起步较晚，但我们也越来越重视在这方面的研究。
无人船具备多种优势，例如体积小，功能多，智能性好。无人船的众多系统中，导航定位是基础，而路径规划则是导航系统的重点，全局路径规划是提高无人船智能水平的重要课题。全局路径规划就是根据已有的资料数据,在一定的优化策略下,规划出一条从起点到终点的安全路径。蚁群算法是一种仿生的优化算法，近些年来在各个方面,包括全局路径规划,得到了广泛的应用研究。
发明内容
为实现无人船路径规划的实现，本发明提供了一种基于蚁群算法的无人船路径规划算法。所述技术方案如下：
一种基于蚁群算法的无人船航行路径自主规划方法，所述方法包括：
对海图进行处理得到适合进行环境建模的可建模地图信息矩阵；
以所述可建模地图信息矩阵为模型，在MATLAB上用栅格法进行环境建模；
利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划，获得一条从起始点到终止点的最优路径；
最后输出路径的节点坐标，并通过坐标转换，输出经纬度坐标；
通过经纬度坐标，在海图上把路径一一描出，实现在海上地图上显示路径规划的结果。
进一步地，所述对海图进行处理得到适合进行环境建模的可建模地图信息矩阵的步骤具体包括步骤；
用大津法对海图进行二值化处理，从而得到一个海上地图信息的01矩阵；
对所提供的海上地图信息的01矩阵进行补0处理得到海上地图信息方阵；
对已进行补0处理的海上地图信息方阵进行取反，从而得到适合进行环境建模的可建模地图信息矩阵；
进一步地，所述在MATLAB上用栅格法进行环境建模具体是利用所得到的可建模地图信息矩阵进行建模，得到一个栅格地图。
进一步地，所述以海上地图信息矩阵为模型，在MATLAB上用栅格法进行环境建模的步骤具体包括步骤：
依据以上的海上地图信息矩阵的行列数为参考建立直角坐标系；
随后用一个for循环语句，对每个位置的数值进行判断，若为1，则把对应位置方框描黑；若为0，则把方框描白；
最后生成栅格环境图。
进一步地，所述利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划的步骤具体是指从起始点开始，对下一步可走的点进行概率分析以及选择，短的路径会有更高的被选择，最后通过统计分析，从所有可行路径中输出一条最短的路径。
进一步地，所述利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划的步骤具体包括：
设置参数，包括迭代次数、信息素重要程度参数、信息素蒸发系数、信息素增加强度；
构造启发式信息矩阵；
状态初始化，包括爬行路线、爬行路线长度以及禁忌表、邻接矩阵初始化；
计算出下一步可以前往的节点；
转轮赌法选择下一步怎么走；
状态更新和记录；
记下每一代每一只蚂蚁的觅食路线和路线长度；
更新信息素；
绘制图像，包括迭代曲线和爬行图。
进一步地，所述输出路径的节点坐标的步骤具体是指把路径上所经过的每个栅格的坐标逐个按顺序输出；最后把节点坐标转换为经纬度坐标。
进一步地，所述在海图上把路径一一描出的步骤具体是指在地图上把每个经纬度坐标点标出，然后用线把这些点描成一条可行路径。
附图说明
图1是本发明实施例中珠江口截图进行二值化、补0、取反操作后的可建模地图信息矩阵图片；
图2是本发明实施例中珠江口栅格化后的栅格地图；
图3是本发明实施例中基于蚁群算法的无人船航行路径自主规划方法的流程图；
图4a是本发明实施例中基于蚁群算法的无人船航行路径自主规划方法迭代曲线图；
图4b是本发明实施例中基于蚁群算法的无人船航行路径自主规划方法结果路线图；
图4c是本发明实施例中基于蚁群算法的无人船航行路径自主规划方法各代蚂蚁爬行图；
图5是本发明实施例中输出的节点坐标表格。
具体实施方式
下面将结合附图和具体实施例对本发明实施方式作进一步地详细描述。
一种基于蚁群算法的无人船航行路径自主规划方法，所述方法包括：
对海图进行处理得到适合进行环境建模的可建模地图信息矩阵(见图1)；
以所述可建模地图信息矩阵为模型，在MATLAB上用栅格法进行环境建模(见图2)；
利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划，获得一条从起始点到终止点的最优路径；
最后输出路径的节点坐标，并通过坐标转换，输出经纬度坐标；
通过经纬度坐标，在海图上把路径一一描出，实现在海上地图上显示路径规划的结果。
具体而言，所述对海图进行处理得到适合进行环境建模的可建模地图信息矩阵的步骤具体包括步骤；
用大津法对海图进行二值化处理，从而得到一个海上地图信息的01矩阵；
对所提供的海上地图信息的01矩阵进行补0处理得到海上地图信息方阵；
对已进行补0处理的海上地图信息方阵进行取反，从而得到适合进行环境建模的可建模地图信息矩阵(见图1)；
具体而言，所述在MATLAB上用栅格法进行环境建模具体是利用所得到的可建模地图信息矩阵进行建模，得到一个栅格地图。
具体而言，参见图2，展示了所述以海上地图信息矩阵为模型，在MATLAB上用栅格法进行环境建模的结果，具体包括步骤：
依据以上的海上地图信息矩阵的行列数为参考建立直角坐标系；
随后用一个for循环语句，对每个位置的数值进行判断，若为1，则把对应位置方框描黑；若为0，则把方框描白；
最后生成栅格环境图。
具体而言，所述利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划的步骤具体是指从起始点开始，对下一步可走的点进行概率分析以及选择，短的路径会有更高的被选择，最后通过统计分析，从所有可行路径中输出一条最短的路径。
具体而言，如图3所述，所述利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划的步骤具体包括：
设置参数，包括迭代次数、信息素重要程度参数、信息素蒸发系数、信息素增加强度；
构造启发式信息矩阵；
状态初始化，包括爬行路线、爬行路线长度以及禁忌表、邻接矩阵初始化；
计算出下一步可以前往的节点；
转轮赌法选择下一步怎么走；
状态更新和记录；
记下每一代每一只蚂蚁的觅食路线和路线长度；
更新信息素；
绘制图像，包括迭代曲线和爬行图。
具体而言，所述输出路径的节点坐标的步骤具体是指把路径上所经过的每个栅格的坐标逐个按顺序输出；最后把节点坐标转换为经纬度坐标。
具体而言，所述在海图上把路径一一描出的步骤具体是指在地图上把每个经纬度坐标点标出，然后用线把这些点描成一条可行路径。
图4a展示了基于蚁群算法的无人船航行路径自主规划方法的迭代曲线图。从图中可以看出，路径读从一开始的比较长，而且不稳定，到后来随着迭代次数的增加而逐渐下降，然后趋于稳定，最后收敛于一个定值。
图4b展示了基于蚁群算法的无人船航行路径自主规划方法的路径规划图。从图中可以直观的看出，仿真出来的结果符合预期，是为最优路径。
图4c展示了基于蚁群算法的无人船航行路径自主规划方法的各代蚂蚁爬行图。从图中可以看出各代所规划的路线。
图5展示了基于蚁群算法的无人船航行路径自主规划方法的路径阶段坐标表格。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于蚁群算法的无人船航行路径自主规划方法，其特征在于，所述方法包括：
对海图进行处理得到适合进行环境建模的可建模地图信息矩阵；
以所述可建模地图信息矩阵为模型，在MATLAB上用栅格法进行环境建模；
利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划，获得一条从起始点到终止点的最优路径；
最后输出路径的节点坐标，并通过坐标转换，输出经纬度坐标；
通过经纬度坐标，在海图上把路径一一描出，实现在海上地图上显示路径规划的结果。
2.根据权利要求1所述的基于蚁群算法的无人船路径规划算法，其特征在于，所述对海图进行处理得到适合进行环境建模的可建模地图信息矩阵的步骤具体包括步骤；
用大津法对海图进行二值化处理，从而得到一个海上地图信息的01矩阵；
对所提供的海上地图信息的01矩阵进行补0处理得到海上地图信息方阵；
对已进行补0处理的海上地图信息方阵进行取反，从而得到适合进行环境建模的可建模地图信息矩阵。
3.根据权利要求1所述的基于蚁群算法的无人船路径规划算法，其特征在于，所述在MATLAB上用栅格法进行环境建模具体是利用所得到的可建模地图信息矩阵进行建模，得到一个栅格地图。
4.根据权利要求1所述的基于蚁群算法的无人船路径规划算法，其特征在于，所述以海上地图信息矩阵为模型，在MATLAB上用栅格法进行环境建模的步骤具体包括步骤：
依据以上的海上地图信息矩阵的行列数为参考建立直角坐标系；
随后用一个for循环语句，对每个位置的数值进行判断，若为1，则把对应位置方框描黑；若为0，则把方框描白；
最后生成栅格环境图。
5.根据权利要求1所述的基于蚁群算法的无人船路径规划算法，其特征在于，所述利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划的步骤具体是指从起始点开始，对下一步可走的点进行概率分析以及选择，短的路径会有更高的被选择，最后通过统计分析，从所有可行路径中输出一条最短的路径。
6.根据权利要求5所述的基于蚁群算法的无人船路径规划算法，其特征在于，所述利用基于蚁群算法的无人船路径规划算法在模型上进行路径规划的步骤具体包括：
设置参数，包括迭代次数、信息素重要程度参数、信息素蒸发系数、信息素增加强度；
构造启发式信息矩阵；
状态初始化，包括爬行路线、爬行路线长度以及禁忌表、邻接矩阵初始化；
计算出下一步可以前往的节点；
转轮赌法选择下一步怎么走；
状态更新和记录；
记下每一代每一只蚂蚁的觅食路线和路线长度；
更新信息素；
绘制图像，包括迭代曲线和爬行图。
7.根据权利要求1所述的基于蚁群算法的路径规划算法，其特征在于，所述输出路径的节点坐标的步骤具体是指把路径上所经过的每个栅格的坐标逐个按顺序输出；最后把节点坐标转换为经纬度坐标。
8.根据权利要求1所述的基于蚁群算法的无人船路径规划算法，其特征在于，所述在海图上把路径一一描出的步骤具体是指在地图上把每个经纬度坐标点标出，然后用线把这些点描成一条可行路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710875336.6A CN107816999A (zh) | 2017-09-25 | 2017-09-25 | 一种基于蚁群算法的无人船航行路径自主规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710875336.6A CN107816999A (zh) | 2017-09-25 | 2017-09-25 | 一种基于蚁群算法的无人船航行路径自主规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107816999A true CN107816999A (zh) | 2018-03-20 |
Family
ID=61607916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710875336.6A Pending CN107816999A (zh) | 2017-09-25 | 2017-09-25 | 一种基于蚁群算法的无人船航行路径自主规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107816999A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108803630A (zh) * | 2018-08-29 | 2018-11-13 | 上海华测导航技术股份有限公司 | 一种无人船系统及基于该无人船系统进行地形测量的方法 |
| CN109163709A (zh) * | 2018-08-29 | 2019-01-08 | 上海华测导航技术股份有限公司 | 一种无人船一体化水下地形的测量方法 |
| CN109164810A (zh) * | 2018-09-28 | 2019-01-08 | 昆明理工大学 | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 |
| CN109740828A (zh) * | 2019-02-28 | 2019-05-10 | 广州中国科学院沈阳自动化研究所分所 | 船舶航行路径规划方法、系统、介质和设备 |
| CN109828578A (zh) * | 2019-02-22 | 2019-05-31 | 南京天创电子技术有限公司 | 一种基于YOLOv3的仪表巡检机器人最优路线规划方法 |
| CN109974711A (zh) * | 2019-04-12 | 2019-07-05 | 重庆渝博创智能装备研究院有限公司 | 一种面向智慧工厂的agv多目标点自主导航方法 |
| CN110109822A (zh) * | 2019-03-30 | 2019-08-09 | 华南理工大学 | 基于蚁群算法进行测试用例优先级排序的回归测试方法 |
| CN110345960A (zh) * | 2019-06-13 | 2019-10-18 | 福建工程学院 | 一种规避交通障碍的路线规划智能优化方法 |
| CN110525602A (zh) * | 2019-08-13 | 2019-12-03 | 浙江海洋大学 | 一种船舶航迹航速整体规划方法 |
| CN111984009A (zh) * | 2020-08-04 | 2020-11-24 | 智慧航海（青岛）科技有限公司 | 一种船舶避碰环境建模方法 |
| CN113341954A (zh) * | 2021-05-19 | 2021-09-03 | 华南理工大学 | 基于蚁群算法的无人船节能路径规划方法 |
| CN114518767A (zh) * | 2020-11-19 | 2022-05-20 | 复旦大学 | 一种基于倾斜摄影模型的无人机三维路径规划方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105091884A (zh) * | 2014-05-08 | 2015-11-25 | 东北大学 | 基于传感器网络动态环境监测的室内移动机器人路径规划方法 |
| EP3062124A1 (en) * | 2015-02-27 | 2016-08-31 | Guidance Automation Limited | Determining a position of an agent |
| CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
| CN106327514A (zh) * | 2016-09-13 | 2017-01-11 | 成都创慧科达科技有限公司 | 一种基于遗传算法的寻路机器人系统及寻路方法 |
| CN106767749A (zh) * | 2015-11-20 | 2017-05-31 | 中国科学院沈阳自动化研究所 | 一种基于grd格式地图的路径生成方法 |
-
2017
- 2017-09-25 CN CN201710875336.6A patent/CN107816999A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105091884A (zh) * | 2014-05-08 | 2015-11-25 | 东北大学 | 基于传感器网络动态环境监测的室内移动机器人路径规划方法 |
| EP3062124A1 (en) * | 2015-02-27 | 2016-08-31 | Guidance Automation Limited | Determining a position of an agent |
| CN106767749A (zh) * | 2015-11-20 | 2017-05-31 | 中国科学院沈阳自动化研究所 | 一种基于grd格式地图的路径生成方法 |
| CN106092102A (zh) * | 2016-07-20 | 2016-11-09 | 广州极飞电子科技有限公司 | 一种无人机路径规划方法及装置 |
| CN106327514A (zh) * | 2016-09-13 | 2017-01-11 | 成都创慧科达科技有限公司 | 一种基于遗传算法的寻路机器人系统及寻路方法 |
Non-Patent Citations (3)
| Title |
|---|
| R. KARTHIKEYAN等: "An Instant Path Planning Algorithm for Indoor Mobile Robots Using Adaptive Dynamic Programming and Reinforcement Learning", 《INTERNATIONAL JOURNAL OF ENGINEERING AND TECHNOLOGY》 * |
| 刘建: "水面无人艇路径规划技术的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 郁磊等: "《MATLAB智能算法30个案例分析》", 31 August 2015, 北京航空航天大学出版社 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108803630A (zh) * | 2018-08-29 | 2018-11-13 | 上海华测导航技术股份有限公司 | 一种无人船系统及基于该无人船系统进行地形测量的方法 |
| CN109163709A (zh) * | 2018-08-29 | 2019-01-08 | 上海华测导航技术股份有限公司 | 一种无人船一体化水下地形的测量方法 |
| CN109164810A (zh) * | 2018-09-28 | 2019-01-08 | 昆明理工大学 | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 |
| CN109164810B (zh) * | 2018-09-28 | 2021-08-10 | 昆明理工大学 | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 |
| CN109828578A (zh) * | 2019-02-22 | 2019-05-31 | 南京天创电子技术有限公司 | 一种基于YOLOv3的仪表巡检机器人最优路线规划方法 |
| CN109828578B (zh) * | 2019-02-22 | 2020-06-16 | 南京天创电子技术有限公司 | 一种基于YOLOv3的仪表巡检机器人最优路线规划方法 |
| CN109740828A (zh) * | 2019-02-28 | 2019-05-10 | 广州中国科学院沈阳自动化研究所分所 | 船舶航行路径规划方法、系统、介质和设备 |
| CN110109822A (zh) * | 2019-03-30 | 2019-08-09 | 华南理工大学 | 基于蚁群算法进行测试用例优先级排序的回归测试方法 |
| CN109974711A (zh) * | 2019-04-12 | 2019-07-05 | 重庆渝博创智能装备研究院有限公司 | 一种面向智慧工厂的agv多目标点自主导航方法 |
| CN110345960A (zh) * | 2019-06-13 | 2019-10-18 | 福建工程学院 | 一种规避交通障碍的路线规划智能优化方法 |
| CN110345960B (zh) * | 2019-06-13 | 2022-05-13 | 福建工程学院 | 一种规避交通障碍的路线规划智能优化方法 |
| CN110525602A (zh) * | 2019-08-13 | 2019-12-03 | 浙江海洋大学 | 一种船舶航迹航速整体规划方法 |
| CN111984009A (zh) * | 2020-08-04 | 2020-11-24 | 智慧航海（青岛）科技有限公司 | 一种船舶避碰环境建模方法 |
| CN111984009B (zh) * | 2020-08-04 | 2021-06-25 | 智慧航海（青岛）科技有限公司 | 一种船舶避碰环境建模方法 |
| CN114518767A (zh) * | 2020-11-19 | 2022-05-20 | 复旦大学 | 一种基于倾斜摄影模型的无人机三维路径规划方法 |
| CN113341954A (zh) * | 2021-05-19 | 2021-09-03 | 华南理工大学 | 基于蚁群算法的无人船节能路径规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107816999A (zh) | 一种基于蚁群算法的无人船航行路径自主规划方法 | |
| CN111222701B (zh) | 一种基于海洋环境图层的船舶航线自动规划与评价方法 | |
| CN103900573B (zh) | 一种基于s57标准电子海图的水下运载器多约束航路规划方法 | |
| CN101158985B (zh) | 一种超维度河流动力学自适应并行监测的方法 | |
| CN109164815A (zh) | 一种基于改进蚁群算法的自主水下航行器路径规划方法 | |
| CN114089762B (zh) | 一种基于强化学习的水空两栖无人航行器路径规划方法 | |
| CN108489491A (zh) | 一种水下自主航行器的三维航迹智能规划方法 | |
| JP6959416B2 (ja) | 海底ケーブルルート計画ツール | |
| CN112859864A (zh) | 一种面向无人船的几何路径规划方法 | |
| KR20210028992A (ko) | 생성적 적대 신경망을 이용한 태풍의 경로 예측 방법 | |
| CN110525602A (zh) | 一种船舶航迹航速整体规划方法 | |
| CN105608276A (zh) | 输电线路路径自动选择方法及元胞自动机模型 | |
| Li et al. | Multi-mechanism swarm optimization for multi-UAV task assignment and path planning in transmission line inspection under multi-wind field | |
| Mannarini et al. | VISIR-1. b: Ocean surface gravity waves and currents for energy-efficient navigation | |
| CN106023128B (zh) | 地形图数据和海图数据的融合方法及装置 | |
| CN114565730A (zh) | 地图矢量样本的处理方法、设备和计算机可读存储介质 | |
| Zheng et al. | A SOA-based decision support geographic information system for storm disaster assessment | |
| Wang et al. | Submarine cable network design for regional connectivity | |
| CN114637305A (zh) | 一种无人机最短路径规划方法及装置 | |
| CN113127581A (zh) | 一种自动航线规划的方法 | |
| Wheless et al. | The Chesapeake Bay virtual environment (CBVE): initial results from the prototypical system | |
| US20230153495A1 (en) | System and method for a multidimensional environmental mesh | |
| CN109523078A (zh) | 一种洪水风险图的优化方法及系统 | |
| Jahnkassim et al. | The Serendipitious City in South East Asia— Urban Archetypal Design Principles from the Morphological ‘ Vernacular’ | |
| CN113655785B (zh) | 一种基于混合算法的无人艇群控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180320 |
|
| RJ01 | Rejection of invention patent application after publication |