CN108985516B - 基于元胞自动机的室内路径规划方法 - Google Patents

基于元胞自动机的室内路径规划方法 Download PDF

Info

Publication number
CN108985516B
CN108985516B CN201810821515.6A CN201810821515A CN108985516B CN 108985516 B CN108985516 B CN 108985516B CN 201810821515 A CN201810821515 A CN 201810821515A CN 108985516 B CN108985516 B CN 108985516B
Authority
CN
China
Prior art keywords
path planning
path
consumption
cell
indoor
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
CN201810821515.6A
Other languages
English (en)
Other versions
CN108985516A (zh
Inventor
孙健
许文鹏
李胜广
谭林
周千里
徐雪婧
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.)
First Research Institute of Ministry of Public Security
Original Assignee
First Research Institute of Ministry of Public Security
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 First Research Institute of Ministry of Public Security filed Critical First Research Institute of Ministry of Public Security
Priority to CN201810821515.6A priority Critical patent/CN108985516B/zh
Publication of CN108985516A publication Critical patent/CN108985516A/zh
Application granted granted Critical
Publication of CN108985516B publication Critical patent/CN108985516B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Navigation (AREA)

Abstract

本发明公开一种基于元胞自动机的室内路径规划方法，其特征在于，包括如下步骤：步骤1：对做路径规划的目标室内空间进行网格划分，对室内空间通过投影生成元胞空间；步骤2：设置元胞邻居类型和元胞状态集合；步骤3：对室内空间中的障碍物进行分类；步骤4：对路径规划需求进行分类；步骤5：对元胞的初始消耗指数进行设置；步骤6：建立路径搜索规则；步骤7：根据消耗最小原则建立路径生成规则；步骤8：获得路径规划结果并在地图上输出路径轨迹。本发明所述的室内路径规划方法通过对室内空间的障碍物进行差异化设置，引入初始消耗指数和移动消耗指数来表征障碍物和移动距离对路径规划的影响，有效提高了室内路径规划的准确度和需求契合度。

Description

基于元胞自动机的室内路径规划方法
技术领域
本发明涉及路径规划方法技术领域，具体涉及一种基于元胞自动机的室内路径规划方法。
背景技术
路径规划方法应用领域广泛，比如重点场所的安保调度与协同指挥、大型商场导购、医院导诊、应急疏散指挥、物流配送优化等等。现有技术存在如下技术问题：未能对路径规划需求进行区分和针对性设计，导致路径规划结果与需求的契合度低；未能对障碍物进行统一处理，忽略了障碍物影响的差异性和障碍物周边环境对路径规划的影响，导致路径规划结果与需求差距较大的缺陷。
例如，中国发明专利申请号为CN105511457A的中国专利文献公开了一种机器人静态路径规划方法，包括：设定目标点，以目标点为终点，在地图范围内建立人工势场；引入粒子群算法，在机器人的起点设有数量为m的粒子群，第i个粒子在第t步的飞行速度为按照人工势场并结合粒子群算法对每个粒子从起点到终点的路径进行模拟行走，在模拟行走的过程中，每个粒子形成各自的运动轨迹；大部分粒子逐渐向多条轨迹中的一条轨迹聚拢收敛，进而在地图范围内得到从起点到终点的最优行走路径；机器人最终按照最优行走路径，完成从起点到终点的运动过程。将势场法、栅格法和粒子群法结合起来，直接求取栅格地图上的势场分布，由势场目标点开始沿势场下降最快方向得到预规划路径，安全有效且路径规划准确可靠。
再如，中国发明专利申请号为CN105808852A的中国专利文献公开了一种基于元胞自动机的室内行人微观仿真方法，首先对室内行人区域网格化处理，得到元胞自动机模型相应的元胞空间，并将其划分为一些凸多边形区域；其次判断每个区域里是否有行人，并规定好每个行人的临时目的地；然后计算每个行人的转移概率，进行模拟移动，观察是否会出现冲突；最后解决冲突，并更新每个行人的实际位置，直到行人到达相应的目的地；使得仿真模型能对复杂步行环境做出相应反应，而不仅仅是区别行人和障碍物，同时，模拟区域行人流室内疏散过程中呈现的自组织现象，有效提高了模型仿真效果，更加适宜于仿真分析室内复杂环境下行人流的运动演化。
上述现有技术即存在如上所述的技术问题。
有鉴于此，本发明人提出一种基于元胞自动机的室内路径规划方法。
发明内容
本发明提供一种基于元胞自动机的室内路径规划方法，对室内空间的障碍物进行差异化设置，引入初始消耗指数和移动消耗指数来表征障碍物和移动距离对路径规划的影响，有效提高了室内路径规划的准确度和需求契合度；通过对路径规划需求的分类，提出了基于综合消耗最小原则的路径搜索规则和路径生成规则，有效提高了室内路径规划的需求契合度，实时更新初始消耗指数和移动消耗指数，实现路径规划环境参数的灵活设置。
为达到上述目的，本发明采用以下技术方案：
基于元胞自动机的室内路径规划方法，包括如下步骤：
步骤1：对做路径规划的目标室内空间进行网格划分，对室内空间通过投影生成元胞空间，所述网格划分是对定位空间进行分割成大小相等的网格；
步骤2：设置元胞邻居类型和元胞状态集合，以建立模拟真实状况的元胞演化规则；
步骤3：根据障碍物对移动目标阻碍程度的不同，对室内空间中的障碍物进行分类；
步骤4：对路径规划需求进行分类，路径规划需求进行分类包括最短路程和最短耗时两种；
步骤5：根据步骤3中障碍物的分类的情况和步骤4中路径规划需求分类的情况，即根据障碍物分类结果和路径规划需求分类结果对元胞的初始消耗指数和移动消耗指数进行设置，对所有元胞的初始消耗指数进行设置；
步骤6：根据路径规划需求建立路径搜索规则，迭代运行路径搜索规则以获得元胞空间内所有元胞的综合消耗指数，所述综合消耗指数是元胞初始消耗指数和两个元胞间的移动消耗指数之和；
步骤7：根据每次移动所占据元胞的综合消耗最小原则建立路径生成规则，迭代运行路径生成规则以得到每一步迭代中综合消耗指数最小的元胞，将每一步所得到的最小综合消耗指数中最小的元胞连接起来即得到路径规划路线；
步骤8：获得路径规划结果并在地图上输出路径轨迹。
进一步地，步骤2中设置元胞状态集是指某时刻元胞能够在同一平面上向不同的方向进行移动的状态所组成的集合，每个移动方向对应一个元胞状态。
进一步地，步骤2中元胞邻居类型分为冯诺依曼型元胞邻居和摩尔型元胞邻居。
进一步地，步骤3中室内空间中的障碍物至少包括固定不可穿越型、固定可穿越型、移动不可穿越型和移动可穿越型4种中的1种。
进一步地，步骤3中的4种室内空间中的障碍物的初始消耗指数设定原则为P固定不可穿越障碍物>P移动不可穿越障碍物>P固定可穿越障碍物>P移动可穿越障碍物。
进一步地，步骤4中的路径规划需求分类至少包括最短路程需求和最短耗时需求中的1种。
进一步地，步骤5中元胞的综合消耗指数包括初始消耗指数和移动消耗指数。
进一步地，初始消耗指数用于表征克服障碍物及障碍物周边环境对路径规划阻碍影响所产生的消耗；移动消耗指数用于表征中心元胞从当前时刻到下一时刻移动距离所产生的消耗，即移动的距离越长，移动消耗指数就越大，移动的距离和移动消耗指数呈正比关系。
进一步地，消耗最小原则具体为找一条从起点到终点的路径，满足所述路径上所有元胞综合消耗指数都小于其邻居元胞的综合消耗指数。
进一步地，步骤7中消耗最小原则根据路径规划需求分类分为移动路径最短和时间消耗最小。
与现有技术相比，本发明的优越效果在于：
1、本发明所述的基于元胞自动机的室内路径规划方法，通过对室内空间障碍物的差异化设置，引入初始消耗指数和移动消耗指数来表征障碍物和移动距离对路径规划的影响，有效提高了室内路径规划的准确度和需求契合度；
2、本发明所述的基于元胞自动机的室内路径规划方法，通过对路径规划需求的分类，提出了基于消耗指数的路径搜索规则和路径生成规则，有效提高了室内路径规划的需求契合度，从而实现根据路径规划需求的实时变化进行路径更新，比现有技术更加方便灵活；
3、本发明所述的基于元胞自动机的室内路径规划方法，通过利用逻辑判断的迭代进行路径规划，具有计算量小和并行计算的特点，适合于大规模定位场景的应用。
附图说明
图1是本发明实施例1中基于元胞自动机的室内路径规划方法的流程图；
图2是本发明实施例1中冯诺依曼邻居的示意图；
图3是本发明实施例1中路径规划结果的示意图；
图4是本发明实施例2中基于元胞自动机的室内路径规划方法的流程图；
图5是本发明实施例2中摩尔邻居的示意图；
图6是本发明实施例2中路径规划结果的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述，需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
实施例1
如附图1-3所示，基于元胞自动机的室内路径规划方法，在本实施例中，选择在大型商业场所室内环境为例，包括如下步骤：
步骤1：对做路径规划的目标室内空间进行网格划分，对室内空间通过投影生成元胞空间；
步骤2：将元胞邻居类型设置为冯诺依曼型；将元胞状态集设置为元胞能够在同一平面上的上、下、左、右四个方向进行移动，建立元胞演化规则，其中，元胞演化规则以方便模拟真实情况为首要原则；
步骤3：对室内空间中的障碍物进行分类；
步骤4：对路径规划需求进行分类，包括最短路程和最短耗时两种；
步骤5：对元胞的初始消耗指数进行设置，具体设置如下：1)固定不可穿越障碍物P1＝10，2)固定可穿越障碍物P2＝8，3)移动不可穿越障碍物P3＝7，4)移动可穿越障碍物P4＝1，障碍物对周边环境的影响范围设置为1层元胞，即障碍物所在元胞外围1层空白元胞的初始消耗值设置为Pi-1，设置路径规划起止点初始消耗指数分别为a＝11和b＝12，其中，P为元胞的初始消耗指数；
步骤6：根据路径规划需求分类建立路径搜索规则，其中，最短耗时需求对应路径搜索规则1，最短路程需求对应路径搜索规则2，路径搜索规则1中移动消耗指数设置为2，以路径规划终点为起始元胞，路径规划起点为终止元胞，通过迭代计算初始消耗指数与移动消耗指数和得到元胞空间中所有元胞的综合消耗指数，路径搜索规则2中设置移动消耗指数为0，以路径规划终点为起始元胞，路径规划起点为终止元胞，通过迭代计算初始消耗指数和移动消耗指数的和得到元胞空间中所有元胞的综合消耗指数；
步骤7：根据消耗最小原则建立路径生成规则，在本实施例中，路径规划的起点为起始元胞，路径规划终点为终止元胞迭代执行路径生成规则，在当前时刻所选定中心元胞的可移动方向上寻找综合消耗指数最小的邻居元胞作为下一时刻的中心元胞，直到所选定中心元胞为终止元胞为止；
步骤8：将所选中的所有中心元胞进行连线以获得路径规划结果，在地图上输出路径轨迹。
在本实施例中，步骤2中，设置元胞状态集由4中元胞状态组成，这4中元胞状态分别是同一平面上元胞向上移动、向下移动一个元胞、向左移动一个元胞和向右移动一个元胞。
在本实施例中，元胞演化规则有两个，一个是路径搜索规则一个是路径生成规则，其中，路径搜索规则是计算出当前时刻某元胞(即当前时刻的中心元胞)周围的所有邻居元胞的综合消耗指数，通过迭代运行路径搜索规则可以得到元胞空间内所有元胞的综合消耗指数，而路径生成规则是在当前时刻某元胞(即当前时刻的中心元胞)的所有邻居元胞中找出综合消耗指数最小的一个元胞，并把这个最小元胞作为下一时刻的中心元胞，通过路径生成规则的迭代就可以得到一连串的综合消耗指数最小的元胞，把这些元胞连接起来就得到了路径规划的结果。
实施例2
如附图4-6所示，基于元胞自动机的室内路径规划方法，在本实施例中，选择在大型航空枢纽室内环境为例，包括如下步骤：
步骤1：对做路径规划的目标室内空间进行网格划分，对室内空间通过投影生成元胞空间；
步骤2：将元胞邻居类型设置为摩尔型；将元胞状态集设置为元胞能够在同一平面上的上、下、左、右、左上、左下、右上和右下四个方向进行移动；
步骤3：对室内空间中的障碍物进行分类；
步骤4：对路径规划需求进行分类，包括最短路程和最短耗时两种；
步骤5：对元胞的初始消耗指数进行设置，具体设置如下：1)固定不可穿越障碍物P1＝10，2)固定可穿越障碍物P2＝8，3)移动不可穿越障碍物P3＝7，4)移动可穿越障碍物P4＝1，障碍物对周边环境影响范围设置为1层元胞，即障碍物所在元胞外围2层空白元胞的初始消耗值设置为Pi-1和Pi-2，设置路径规划起止点初始消耗指数分别为a＝11和b＝12；
步骤6：根据路径规划需求分类建立路径搜索规则，其中，最短耗时需求对应路径搜索规则1，最短路程需求对应路径搜索规则2。其中路径搜索规则1中移动消耗指数设置为2(移动距离为1个元胞边长)和3(移动距离为胞对角线长)，以路径规划终点为起始元胞，路径规划起点为终止元胞，通过迭代计算初始消耗指数和移动消耗指数的和得到元胞空间中所有元胞的综合消耗指数。路径搜索规则2中设置障碍物周边元胞的初始消耗指数为0，以路径规划终点为起始元胞，路径规划起点为终止元胞，通过迭代计算初始消耗指数与移动消耗指数的和得到元胞空间中所有元胞的综合消耗指数；
步骤7：根据消耗最小原则建立路径生成规则，在本实施例中，路径规划起点为起始元胞，路径规划终点为终止元胞迭代执行路径生成规则，在当前时刻所选定中心元胞的可移动方向上寻找综合消耗指数最小的邻居元胞作为下一时刻的中心元胞，直到所选定中心元胞为终止元胞为止；
步骤8：将所选中的所有中心元胞进行连线以获得路径规划结果，在地图上输出路径轨迹。
本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书界定。

Claims (6)

1.基于元胞自动机的室内路径规划方法，其特征在于，包括如下步骤：
步骤1：对做路径规划的目标室内空间进行网格划分，对室内空间通过投影生成元胞空间；
步骤2：设置元胞邻居类型和元胞状态集合，设置元胞状态集是指某时刻元胞能够在同一平面上向不同的方向进行移动的状态所组成的集合，每个移动方向对应一个元胞状态；
步骤3：对室内空间中的障碍物进行分类；
步骤4：对路径规划需求进行分类，路径规划需求分类至少包括最短路程需求和最短耗时需求中的1种；
步骤5：对元胞的初始消耗指数进行设置；
步骤6：建立路径搜索规则，迭代运行路径搜索规则以获得元胞空间内所有元胞的综合消耗指数，所述综合消耗指数是元胞初始消耗指数和两个元胞间的移动消耗指数之和；
步骤7：根据消耗最小原则建立路径生成规则，迭代运行路径生成规则以得到每一步迭代中综合消耗指数最小的元胞，将每一步所得到的最小综合消耗指数最小的元胞连接起来即得到路径规划路线，其中，消耗最小原则根据路径规划需求分类分为能量消耗最小和时间消耗最小，能量消耗最小和时间消耗最小分别对应路径规划需求中的最短路程需求和最短耗时需求；
步骤8：获得路径规划结果并在地图上输出路径轨迹。
2.根据权利要求1所述的基于元胞自动机的室内路径规划方法，其特征在于，步骤3中室内空间中的障碍物至少包括固定不可穿越型、固定可穿越型、移动不可穿越型和移动可穿越型4种中的1种。
3.根据权利要求2所述的基于元胞自动机的室内路径规划方法，其特征在于，初始消耗指数用于表征克服障碍物及障碍物周边环境对路径规划阻碍影响所产生的消耗；移动消耗指数用于表征中心元胞从当前时刻到下一时刻移动距离所产生的消耗。
4.根据权利要求2所述的基于元胞自动机的室内路径规划方法，其特征在于，4种室内空间中的障碍物的初始消耗指数设定原则为P固定不可穿越障碍物>P移动不可穿越障碍物>P固定可穿越障碍物>P移动可穿越障碍物。
5.根据权利要求3所述的基于元胞自动机的室内路径规划方法，其特征在于，消耗最小原则具体为找一条从起点到终点的路径，满足该路径上所有元胞消耗指数的总和小于其邻居元胞的综合消耗指数。
6.根据权利要求1所述的基于元胞自动机的室内路径规划方法，其特征在于，步骤2中元胞邻居类型分为冯诺依曼型元胞邻居和摩尔型元胞邻居。
CN201810821515.6A 2018-07-24 2018-07-24 基于元胞自动机的室内路径规划方法 Active CN108985516B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810821515.6A CN108985516B (zh) 2018-07-24 2018-07-24 基于元胞自动机的室内路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810821515.6A CN108985516B (zh) 2018-07-24 2018-07-24 基于元胞自动机的室内路径规划方法

Publications (2)

Publication Number Publication Date
CN108985516A CN108985516A (zh) 2018-12-11
CN108985516B true CN108985516B (zh) 2022-04-26

Family

ID=64550739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810821515.6A Active CN108985516B (zh) 2018-07-24 2018-07-24 基于元胞自动机的室内路径规划方法

Country Status (1)

Country Link
CN (1) CN108985516B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109714873B (zh) * 2018-12-18 2020-04-24 中川电气科技有限公司 一种自动规划最短疏散逃生路径的应急照明控制器及方法
CN111376253B (zh) * 2018-12-29 2022-02-22 深圳市优必选科技有限公司 一种机器人路线规划方法、装置、机器人及安全管理
CN109631907A (zh) * 2019-01-25 2019-04-16 河海大学 一种餐厅服务机器人的巡回避障路径规划方法
CN111739347B (zh) * 2020-06-05 2021-12-14 南京航空航天大学 一种应用于自由航路空域的自主航迹规划与冲突解脱方法及装置
CN112965485B (zh) * 2021-02-03 2022-10-04 武汉科技大学 一种基于二次区域划分的机器人全覆盖路径规划方法
CN114442644B (zh) * 2022-04-11 2022-07-15 季华实验室 多机器人避障方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法
CN105608276A (zh) * 2015-12-24 2016-05-25 国家电网公司 输电线路路径自动选择方法及元胞自动机模型
CN107948315A (zh) * 2017-12-22 2018-04-20 长春理工大学 一种物联网区域覆盖控制方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法
CN105608276A (zh) * 2015-12-24 2016-05-25 国家电网公司 输电线路路径自动选择方法及元胞自动机模型
CN107948315A (zh) * 2017-12-22 2018-04-20 长春理工大学 一种物联网区域覆盖控制方法及系统

Also Published As

Publication number Publication date
CN108985516A (zh) 2018-12-11

Similar Documents

Publication Publication Date Title
CN108985516B (zh) 基于元胞自动机的室内路径规划方法
Sheng et al. Graph-based spatial-temporal convolutional network for vehicle trajectory prediction in autonomous driving
Yang et al. A literature review of UAV 3D path planning
CN109636049B (zh) 一种结合道路网络拓扑结构与语义关联的拥堵指数预测方法
Zhang et al. Artificial intelligence and its applications
CN114802296A (zh) 一种基于动态交互图卷积的车辆轨迹预测方法
CN113362368B (zh) 一种基于多层次时空图神经网络的人群轨迹预测方法
CN110909961B (zh) 基于bim的室内路径查询方法及装置
Gan et al. Research on role modeling and behavior control of virtual reality animation interactive system in Internet of Things
Sadiq et al. Robot path planning based on PSO and D* algorithmsin dynamic environment
CN115470707A (zh) 一种城市场景仿真模拟系统
Guo et al. A vectorized representation model for trajectory prediction of intelligent vehicles in challenging scenarios
Dong et al. Graph-based planning-informed trajectory prediction for autonomous driving
Kou et al. Multiobjective optimization of evacuation routes in stadium using superposed potential field network based ACO
CN113837148A (zh) 一种基于自调节稀疏图transformer的行人轨迹预测方法
Zhang et al. Optimal inspection path planning of substation robot in the complex substation environment
Liang et al. Global path planning for mobile robot based genetic algorithm and modified simulated annealing algorithm
CN113240219A (zh) 一种土地利用模拟及预测方法
CN116167254A (zh) 基于城市大数据的多维城市仿真推演方法和系统
CN115826586A (zh) 一种融合全局算法和局部算法的路径规划方法及系统
Li et al. Vision-based obstacle avoidance algorithm for mobile robot
Mahajan et al. Neural network based cellular automata model for dynamic spatial modeling in GIS
Guo et al. Research on the mobile robots intelligent path planning based on ant colony algorithm application in manufacturing logistics
Boğar et al. A hybrid genetic algorithm for mobile robot shortest path problem
Jin et al. WOA-AGA algorithm design for robot path planning

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
GR01 Patent grant
GR01 Patent grant