CN109374005B - 一种基于船舶vr模型的船舶内部路径规划方法 - Google Patents
一种基于船舶vr模型的船舶内部路径规划方法 Download PDFInfo
- Publication number
- CN109374005B CN109374005B CN201811470738.9A CN201811470738A CN109374005B CN 109374005 B CN109374005 B CN 109374005B CN 201811470738 A CN201811470738 A CN 201811470738A CN 109374005 B CN109374005 B CN 109374005B
- Authority
- CN
- China
- Prior art keywords
- ship
- path
- grid
- lattice
- model
- 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
Links
Images
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
- G01C21/203—Specially adapted for sailing ships
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)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于船舶VR模型的船舶内部路径规划方法,包括以下步骤:1)根据船舶VR模型,生成可通行区域的导航图;基于改进的A*算法的船舶内部智能导航:根据步骤1)生成的可通行区域的导航图,以及起始点和目标点,生成规划的路径。本发明方法得到的路径更加光顺,有效减少了锯齿形状,更加符合人类行走习惯,避免贴近障碍体行走以及嵌入障碍体内的情形发生;本发明方法建立在导航图基础上,能较好解决船舶内部复杂三维环境下的虚拟人路径规划问题。
Description
技术领域
本发明涉及导航技术,尤其涉及一种基于船舶VR模型的船舶内部路径规划方法。
背景技术
大型船舶系统复杂、零部件数量庞大。基于造船专用CAD软件设计的船舶三维模型,其三维模型量巨大,通过将其进行转化并应用于虚拟培训,对于船员快速熟悉其内部布局、系统设备构成以及相关设备的操作使用方法,具有重要意义。目前,采用导航网格、可视图、概率路图等方法构建的虚拟场景可通行区域,难以准确表达场景中垂直方向的空间约束以及虚拟人身体尺寸(高度和宽度)等要素,导致船舶三维虚拟场景中的路径计算与实际情况存在一定差距。如何根据虚拟舰员当前位置和目标位置,在VR系统中能自动生成一条无碰撞的最优路径,实现船舶内部智能导航,是一项重要的应用需求和核心关键技术。
本发明基于船舶VR模型,在水平方向上对场景空间进行网格划分,并利用直线/平面求交算法,自动构建由立方柱状的障碍体表达的导航图。障碍体顶端构成的集合即为船舶虚拟场景中的可通行区域。在此基础上,对经典的A*算法进行改进,实现了基于起始点(当前位置)和目标点之间的最优路径计算,所提出的方法与经典A*算法相比,生成的路径更加符合真实人体行走特点(如避免了经典A*算法贴近障碍体行走的情形),且更加光顺。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种船舶内部路径规划方法。
本发明解决其技术问题所采用的技术方案是:一种基于船舶VR模型的船舶内部路径规划方法,包括以下步骤:
1)根据船舶VR模型,生成可通行区域的导航图;
1.1)根据船舶VR模型,首先计算该模型的最小包围盒,设构成VR场景的三角形集合TriSet={Ti,i=1,2,…,n},VR场景的最小包围盒MinBox的长、宽、高,分别为L、W和H,网格单元尺寸为s;
所述最小包围盒底部所在平面为XOZ面,以船长和船宽方向分别为X和Z,在该平面上划分均匀的正方形网格,从而整个包围盒由小的立方柱组成;
1.2)计算三角形集合TriSet中每个三角形Ti在XOZ平面上的投影;
1.8)对同一个网格单元中有重叠部分的障碍体进行合并,得到所有网格单元上的障碍体链表BlockList;
1.9)所有障碍体的顶端组成的集合即为根据船舶VR模型获得的可通行区域;
2)基于改进的A*算法的船舶内部智能导航;根据步骤1)生成的可通行区域的导航图,以及起始点和目标点,生成规划的路径;
2.1)确定可通行区域的导航图,以及起点和目标点;
2.2)以步骤2.1)的数据作为输入,使用改进的A*算法生成规划的路径;所述改进的A*算法具体如下:
2.2.1)把起始格添加到开启列表;
2.2.2)重复如下的工作:
A)寻找开启列表中F值最低的格子,称之为当前格;其中,F(n)=G(n)+H(n),其中G(n)为起始点到候选点的实际花费代价,H(n)为候选点到目标点的估计代价;
B)把当前格切换到关闭列表;
C)对关闭列表中当前格相邻的格中的每一个,作如下处理:
a、如果它不可通过或者已经在关闭列表中,忽略该格子,反之转入步骤b;
b、如果它不在开启列表中,把它添加进去,把当前格作为这一格的父节点;记录这一格的F、G和H值;
c、如果它已经在开启列表中,用G值为参考检查新的路径是否更好;如果是这样,就把这一格的父节点改成当前格,并且重新计算这一格的G和F值;改变之后需要重新对开启列表按F值排序;
D)当目标格添加进了关闭列表,这时最优路径被找到。或者没有找到目标格,开启列表已经空了。这时候,路径不存在。
2.2.3)保存路径:从目标格开始,沿着每一格的父节点移动直到回到起始格,得到路径并保存。
按上述方案,所述步骤1.8)中障碍体的合并方式如下:设M和N为同一个单元中上下两个相邻的障碍体,如果MYmin-NYmax<ε,则将M和N进行合并,生成新的障碍体P,P的底部和顶部坐标分别为NYmin和MYmax;其中,阈值ε设置为0.9*h,h为虚拟人身高。
按上述方案,所述步骤1.1)中网格大小设置为(S–D)/2,其中,S分别为场景中最小可通行区域的大小,D为虚拟人物采用圆柱体包络时人体的直径。
按上述方案,所述G(n)采用以下方式计算:为每个障碍体附加一个权值w,w为本障碍体与周围最近的不可通过障碍体的距离,将实际代价G(n)÷w作为新的G’(n),H(n)采用曼哈顿距离进行估计得到,即候选点到目标点的水面距离和垂直距离之和的10倍,从而得到:F’(n)=G’(n)+H(n)。
按上述方案,所述步骤2.2.3)中路径进行如下优化,得到优化后的路径:
设路径中障碍体顶端中心点的集合为PointSet={P1,P2,P3,…,Pn};执行以下步骤:
步骤1:令i=1;
步骤2:计算PiPi+2与场景中障碍体的交点,记为InterSet;
步骤3:if InterSet≠NULL,则令i=i+2,转向步骤2;否则,转向步骤4;
步骤4:将Pi+1删除,令PointSet={P1,P2,…,Pi,Pi+2,…,Pn},转步骤1;
步骤5:if i=n-2,输出中心点集合PointSet。
最终的中心点集合中只包含了从SPoint到TPoint的路径上的所有关键点,路径的中间点将用直线插补的方式得到。
本发明产生的有益效果是:本发明方法生成的规划路径,具有以下优点:
1、减少锯齿。路径存在锯齿会在导航时频繁转向导致导航不连续而影响用户体验。
2、避免贴近障碍物行走。经典A*算法得到的路径离障碍过近,几乎都是贴着障碍行走,不符合常人行走习惯。
3、避免虚拟人物嵌入障碍体。经典A*算法没有考虑虚拟人的人体宽度,在第三人称漫游时可以看到人物嵌入障碍的情况而影响用户体验。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的VR场景模型示意图;
图2是本发明实施例的障碍体表示的场景示意图;
图3是本发明实施例的改进A*算法流程图;
图4是本发明实施例的起始点与目标点及经典A*算法计算的路径示意图;
图5是本发明实施例的改进A*算法计算的路径示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种基于导航图以及改进A*算法的船舶内部智能导航方法,具体如下:
(一)导航图生成算法
根据船舶VR模型,首先计算该模型的最小包围盒,即长、宽、高三个值。假设船长和船宽方向分别为X和Z,包围盒底部所在平面为XOZ面,在该平面上划分均匀的正方形网格,从而整个包围盒由小的立方柱组成。进一步,利用求交算法计算VR多边形与网格柱的相交区域,并用柱状障碍体表示,而没有相交的部分则为空,从而整个VR模型可以用障碍体表示。所有障碍体的顶端组成的集合即为虚拟场景的可通行区域。
本方法使用一个数组来存放场景网格,数组大小为场景网格的行数×列数,数组的元素是网格中障碍体组成的双向有序链表。障碍体数据结构如下:
struct Block{
float top;
float bottom;
Block*up,*down;
};
其中:top为障碍体的顶部坐标,bottom为障碍体的底部坐标,up和down分别指向与该障碍体相邻的上下障碍体。
3D虚拟场景导航图生成算法(算法1)的大致流程如下。
算法1
算法输入:构成VR场景的三角形集合TriSet={Ti,i=1,2,…,n},VR场景的最小包围盒MinBox的长、宽、高,分别记为L、W和H,网格单元尺寸为s;
处理步骤:
步骤1:计算三角形集合TriSet中每个三角形Ti在XOZ平面上的投影。
步骤7:对同一个网格单元中有重叠部分的障碍体进行合并,得到所有网格单元上的障碍体链表BlockList。
上述方法中,障碍体的合并方式如下。设M和N为同一个单元中上下两个相邻的障碍体。如果MYmin-NYmax<ε,则将M和N进行合并,生成新的障碍体P,P的底部和顶部坐标分别为NYmin和MYmax。根据船舶内部通道特点,在考虑虚拟人身高为h时,阈值ε可设置为0.9*h。在完成障碍体合并后,虚拟人可通过同一个网格单元上相邻的两个障碍体之间。
上述方法中,网格大小统一设置为(S–D)/2,其中S和D分别为场景中最小可通行区域的大小、虚拟人物人体的直径(采用圆柱体包络时)。
如图1,为一个三维场景模型,该模型分为上下两层结构,中间有2个楼梯连接。图2为该场景模型构成的障碍体表示。
(二)基于改进的A*算法的船舶内部智能导航
A*算法是对Dijkstra Algorithm的一种扩展,是建立在关于特定问题的知识基础上的一种试探法。A*算法在进行路径规划时,需要确立一个如下形式的启发函数:F(n)=G(n)+H(n),其中G(n)为起始点SPoint到候选点CPoint的实际花费代价,H(n)为候选点CPoint到目标点TPoint的估计代价。通过比较F(n)值来得到下一个路径节点。本发明提出了一种改进的A*算法来计算最短路径并对得到的路径进行优化,以便更符合常人的行走习惯。
改进的A*算法(算法2)流程图见图3,主要步骤如下。
算法2
算法输入:虚拟场景导航图(以网格数组存放的障碍体链表)
算法输出:障碍体表示的格点序列
处理步骤:
步骤1:把起始格添加到开启列表。
步骤2:重复如下的工作:
1)寻找开启列表中F值最低的格子,称之为当前格。
2)把它切换到关闭列表。
3)对相邻的格中的每一个,作如下处理:
A、如果它不可通过或者已经在关闭列表中,忽略该格子。反之如下。
B、如果它不在开启列表中,把它添加进去。把当前格作为这一格的父节点。记录这一格的F,G,和H值。
C、如果它已经在开启列表中,用G值为参考检查新的路径是否更好。更低的G值意味着更好的路径。如果是这样,就把这一格的父节点改成当前格,并且重新计算这一格的G和F值。如果开启列表按F值排序,改变之后需要重新对开启列表排序。
4)停止,当把目标格添加进了关闭列表,这时最优路径被找到。或者没有找到目标格,开启列表已经空了。这时候,路径不存在。
步骤3:保存路径。从目标格开始,沿着每一格的父节点移动直到回到起始格。
步骤4:对上述得到的路径进行如下方式(算法3)优化处理。
说明:算法2在计算实际代价G(n)时,本方法为每个障碍体附加一个权值w,w为本障碍体与周围最近不可通过障碍体的距离,将实际代价G(n)÷w作为新的G’(n)。H(n)的采用曼哈顿距离进行估计得到,即候选点到目标点的水面距离和垂直距离之和的10倍。从而得到:F’(n)=G’(n)+H(n)。
算法3
设路径中障碍体顶端中心点的集合为PointSet={P1,P2,P3,…,Pn}。
算法输入:路径中各障碍体顶端中心点的集合PointSet
算法输出:更新后的中心点集合PointSet。
处理步骤:
步骤1:令i=1;
步骤2:计算PiPi+2与场景中障碍体的交点,记为InterSet;
步骤3:if InterSet≠NULL,则令i=i+2,转向步骤2;否则,转向步骤4;
步骤4:将Pi+1删除,令PointSet={P1,P2,…,Pi,Pi+2,…,Pn},转步骤1;
步骤5:if i=n-2,输出中心点集合PointSet。
最终的中心点集合中只包含了从SPoint到TPoint的路径上的所有关键点,路径的中间点将用直线插补的方式得到,这样可以有效的减少路径锯齿。图4(a)和图(b)分别为两组输入值,其中A点为起始点,B点为目标点。采用经典A*算法和本发明中的改进A*算法得到路径分别为图5(a)和图5(b)所示。
一个具体实施例:
基于上述方法,结合PostEngeering(简称PE)虚拟现实平台提供的应用编程接口,在大型船舶交互式虚拟培训系统中实现了智能导航功能,并在CPU为Intel Core i5 3.2G、内存为8G的机器上对该功能进行测试,具体实施包括场景模型编辑以及功能演示两部分。
步骤1:场景模型准备。某产品采用SENER公司的FORAN软件进行三维建模,将其中一个总段的三维模型导出为wrl格式。进一步,利用PE软件将其转换为.vob格式的VR场景文件,该文件包含231707个三角形面片。
步骤2:导航图计算。计算上述.vob格式场景模型包围盒以及导航图。该场景导航图被划分为627750个网格,其中包含1281916个障碍体。
步骤3:选择目标点。启动大型船舶交互式虚拟现实系统浏览界面,在弹出界面中选择目标点位置,目标点通常为船舶某层甲板上的某个舱室。
步骤4:路径计算及漫游。目标点选择后,点击确定后,自动计算最优路径,同时可以以第一或第三人称行走到目标位置。
基于上述场景,寻路距离为40.5米时,本发明提出的方法耗时78毫秒,寻路距离11.37米时耗时16毫秒。可见本导航方法满足虚拟现实中实时交互的性能要求。
本发明具有如下特点。
(1)与现有的导航网格、可视图、概率路图等方法相比,所提出的导航图充分考虑了场景水平及垂直方向的空间障碍信息、虚拟人尺寸以及生理特性等要素,能对船舶内部三维虚拟场景中的可通行区域进行精确建模。
(2)该导航图由虚拟场景模型直接计算得到,可预先进行计算和保存,以用于后续路径计算,无需用户对场景中的可行走区域、通道、楼梯等进行事先标记。
(3)所提出的改进A*算法与经典A*算法相比,得到的路径更加光顺,有效减少了锯齿形状,其次是更加符合人类行走习惯,避免贴近障碍体行走以及嵌入障碍体内的情形发生。改进后的A*算法建立在导航图基础上,能较好解决船舶内部复杂三维环境下的虚拟人路径规划问题。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种基于船舶VR模型的船舶内部路径规划方法,其特征在于,包括以下步骤:
1)根据船舶VR模型,生成可通行区域的导航图;
1.1)根据船舶VR模型,首先计算该模型的最小包围盒,设构成VR场景的三角形集合TriSet={Ti,i=1,2,…,n},VR场景的最小包围盒MinBox的长、宽、高,分别为L、W和H,网格单元尺寸为s;
所述最小包围盒底部所在平面为XOZ面,以船长和船宽方向分别为X和Z,在该平面上划分均匀的正方形网格,从而整个包围盒由小的立方柱组成;
1.2)计算三角形集合TriSet中每个三角形Ti在XOZ平面上的投影;
1.8)对同一个网格单元中有重叠部分的障碍体进行合并,得到所有网格单元上的障碍体链表BlockList;
1.9)所有障碍体的顶端组成的集合即为根据船舶VR模型获得的可通行区域;
2)基于改进的A*算法的船舶内部智能导航:根据步骤1)生成的可通行区域的导航图,以及起始点和目标点,生成规划的路径;
2.1)确定可通行区域的导航图,以及起始点对应的起始格和目标点对应的目标格;
2.2)以步骤2.1)的数据作为输入,使用改进的A*算法生成规划的路径;所述改进的A*算法具体如下:
2.2.1)把起始格添加到开启列表;
2.2.2)重复如下的工作:
A)寻找开启列表中F值最低的格子,称之为当前格;其中,F(n)=G(n)+H(n),其中G(n)为起始点到候选点的实际花费代价,H(n)为候选点到目标点的估计代价;F(n)为起始点到目标点的估计代价;
B)把当前格切换到关闭列表;
C)对关闭列表中当前格相邻的格中的每一个,作如下处理:
a、如果它不可通过或者已经在关闭列表中,忽略该格子,反之转入步骤b;
b、如果它不在开启列表中,把它添加进去,把当前格作为这一格的父节点;记录这一格的F、G和H值;
c、如果它已经在开启列表中,用G值为参考检查新的路径是否更好;如果是这样,就把这一格的父节点改成当前格,并且重新计算这一格的G和F值;改变之后需要重新对开启列表按F值排序;
D)当目标格添加进了关闭列表,这时最优路径被找到,或者没有找到目标格,开启列表已经空了,这时候,路径不存在;
2.2.3)保存路径:从目标格开始,沿着每一格的父节点移动直到回到起始格,得到路径并保存。
2.根据权利要求1所述的基于船舶VR模型的船舶内部路径规划方法,其特征在于,所述G(n)采用以下方式计算:为每个障碍体附加一个权值w,w为本障碍体与周围最近的不可通过障碍体的距离,将实际代价G(n)÷w作为新的G’(n),H(n)采用曼哈顿距离进行估计得到,即候选点到目标点的水面距离和垂直距离之和的10倍,从而得到:F’(n)=G’(n)+H(n)。
3.根据权利要求1所述的基于船舶VR模型的船舶内部路径规划方法,其特征在于,所述步骤2.2.3)中路径进行如下优化,得到优化后的路径:
设路径中障碍体顶端中心点的集合为PointSet={P1,P2,P3,…,Pn};执行以下步骤:
步骤1:令i=1;
步骤2:计算PiPi+2与场景中障碍体的交点,记为InterSet;
步骤3:if InterSet≠NULL,则令i=i+2,转向步骤2;否则,转向步骤4;
步骤4:将Pi+1删除,令PointSet={P1,P2,…,Pi,Pi+2,…,Pn},转步骤1;
步骤5:if i=n-2,输出中心点集合PointSet;
最终的中心点集合中只包含了从起始点SPoint到目标点TPoint的路径上的所有关键点,路径的中间点将用直线插补的方式得到。
4.根据权利要求1所述的基于船舶VR模型的船舶内部路径规划方法,其特征在于,所述步骤1.8)中障碍体的合并方式如下:设M和N为同一个单元中上下两个相邻的障碍体,如果MYmin-NYmax<ε,则将M和N进行合并,生成新的障碍体P,P的底部和顶部坐标分别为NYmin和MYmax;其中,阈值ε设置为0.9*h,h为虚拟人身高。
5.根据权利要求1所述的基于船舶VR模型的船舶内部路径规划方法,其特征在于,所述步骤1.1)中网格大小设置为(S–D)/2,其中,S为场景中最小可通行区域的大小,D为虚拟人物采用圆柱体包络时人体的直径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811470738.9A CN109374005B (zh) | 2018-12-04 | 2018-12-04 | 一种基于船舶vr模型的船舶内部路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811470738.9A CN109374005B (zh) | 2018-12-04 | 2018-12-04 | 一种基于船舶vr模型的船舶内部路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109374005A CN109374005A (zh) | 2019-02-22 |
CN109374005B true CN109374005B (zh) | 2022-05-06 |
Family
ID=65375578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811470738.9A Active CN109374005B (zh) | 2018-12-04 | 2018-12-04 | 一种基于船舶vr模型的船舶内部路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109374005B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110262505B (zh) * | 2019-07-03 | 2022-03-11 | 安徽工程大学 | 虚拟现实中机器人按规划路径运动可视化方法 |
CN110428390B (zh) | 2019-07-18 | 2022-08-26 | 北京达佳互联信息技术有限公司 | 一种素材展示方法、装置、电子设备和存储介质 |
CN112509132B (zh) * | 2020-12-01 | 2022-10-11 | 中国舰船研究设计中心 | 一种面向船舶应用的立体路径计算方法 |
CN116337083B (zh) * | 2023-05-22 | 2023-08-04 | 江苏物润船联网络股份有限公司 | 一种船舶救援路径导航方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103196449A (zh) * | 2013-03-28 | 2013-07-10 | 哈尔滨工程大学 | 基于潮流潮汐预报信息的船舶航路规划方法 |
CN105718643A (zh) * | 2016-01-19 | 2016-06-29 | 武汉理工大学 | 一种基于最优化视角的船舶生产设计审图器实现方法 |
KR101850866B1 (ko) * | 2016-11-21 | 2018-04-20 | 동강엠텍(주) | 선박의 항로 산출 방법 |
CN108801262A (zh) * | 2018-05-31 | 2018-11-13 | 青岛中乌特种船舶研究设计院有限公司 | 一种船舶自动航行控制器航路规划与纠偏修正方法 |
CN109375625A (zh) * | 2018-11-12 | 2019-02-22 | 智慧航海(青岛)科技有限公司 | 一种基于快速搜索遗传算法的智能船舶路径规划方法 |
-
2018
- 2018-12-04 CN CN201811470738.9A patent/CN109374005B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103196449A (zh) * | 2013-03-28 | 2013-07-10 | 哈尔滨工程大学 | 基于潮流潮汐预报信息的船舶航路规划方法 |
CN105718643A (zh) * | 2016-01-19 | 2016-06-29 | 武汉理工大学 | 一种基于最优化视角的船舶生产设计审图器实现方法 |
KR101850866B1 (ko) * | 2016-11-21 | 2018-04-20 | 동강엠텍(주) | 선박의 항로 산출 방법 |
CN108801262A (zh) * | 2018-05-31 | 2018-11-13 | 青岛中乌特种船舶研究设计院有限公司 | 一种船舶自动航行控制器航路规划与纠偏修正方法 |
CN109375625A (zh) * | 2018-11-12 | 2019-02-22 | 智慧航海(青岛)科技有限公司 | 一种基于快速搜索遗传算法的智能船舶路径规划方法 |
Non-Patent Citations (2)
Title |
---|
Full-body behavioral path planning in cluttered environments;Alain Juarez-Perez et al.;《Motion in Games》;20161231;第107-112页 * |
基于JT格式的船舶舱室三维模型自动提取方法;方雄兵等;《中国船舰研究》;20171031;第38-45页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109374005A (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109374005B (zh) | 一种基于船舶vr模型的船舶内部路径规划方法 | |
Nikolos et al. | Evolutionary algorithm based offline/online path planner for UAV navigation | |
CN104238560B (zh) | 一种非线性路径规划方法及系统 | |
CN105528955B (zh) | 生成道路网络的方法及其装置 | |
Kallmann et al. | Geometric and discrete path planning for interactive virtual worlds | |
CN106920278B (zh) | 一种基于Reeb图的立交桥三维建模方法 | |
CN103278164A (zh) | 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 | |
CN109213169A (zh) | 移动机器人的路径规划方法 | |
CN105911988A (zh) | 一种自动制图装置及方法 | |
CN109214596B (zh) | 求取具有方向约束和障碍限制的栅格最短路径规划方法 | |
CN111080786A (zh) | 基于bim的室内地图模型构建方法及装置 | |
CN106780739A (zh) | 一种变电站智能巡检三维gis系统建立方法 | |
CN112221144B (zh) | 三维场景寻路方法及装置、三维场景地图处理方法及装置 | |
CN108665117A (zh) | 一种室内空间最短路径的计算方法、装置、终端设备以及存储介质 | |
CN110909961A (zh) | 基于bim的室内路径查询方法及装置 | |
Lamarche | Topoplan: a topological path planner for real time human navigation under floor and ceiling constraints | |
CN109916421A (zh) | 路径规划方法及装置 | |
Barnett et al. | Coordinated crowd simulation with topological scene analysis | |
Graser | Integrating open spaces into OpenStreetMap routing graphs for realistic crossing behaviour in pedestrian navigation | |
CN107092978A (zh) | 一种面向虚拟地球的最短路径分层规划方法 | |
CN113434928A (zh) | 一种复杂三维线性结构的参数化建造方法 | |
Xie et al. | 2.5 D navigation graph and improved a-star algorithm for path planning in ship inside virtual environment | |
Gu et al. | Path planning for mobile robot in a 2.5‐dimensional grid‐based map | |
CN114777793A (zh) | 一种面向任意导航主体的bim地图提取及路径规划方法 | |
CN102074027B (zh) | 二维地质模型成块方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |