CN109374005B - 一种基于船舶vr模型的船舶内部路径规划方法 - Google Patents

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

一种基于船舶VR模型的船舶内部路径规划方法

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＝{T_i,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T_i在XOZ平面上的投影；

1.3)若T_i在XOZ平面上的投影为三角形，记为三角形

转步骤1.4)；若为一条线段，记为

转步骤1.6)；

1.4)计算投影三角形

所在的网格单元

1.5)对于每个网格单元

作如下处理：

1.5.1)过单元

的四个顶点作垂直于水平面XOZ的直线并计算四条直线与三角形T_i的交点，取这些交点的最大和最小Y坐标作为障碍体M的top和bottom；

1.5.2)将得到的障碍体M根据Y值大小，顺序插入到该网格单元

中的障碍体列表中，并转步骤1.8)；

1.6)计算投影线段

所在的网格单元

1.7)对于每个单元格

作如下处理：

1.7.1)过单元

的四条边，作垂直于水平面XOZ的平面，并计算四个平面与线段

的交点，取这些交点的最大和最小Y坐标作为障碍体M的顶端和底部；

1.7.2)将得到的障碍体M根据Y值大小，顺序插入到该网格单元

中的障碍体列表中，并转步骤1.8)；

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M_Ymin-N_Ymax<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N_Ymin和M_Ymax；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,…,P_n}；执行以下步骤：

步骤1：令i＝1；

步骤2：计算P_iP_i+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P_i+1删除，令PointSet＝{P₁,P₂,…,P_i,P_i+2,…,P_n}，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＝{T_i,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；

算法输出：以网格数组存放的障碍体链表集合

处理步骤：

步骤1：计算三角形集合TriSet中每个三角形T_i在XOZ平面上的投影。

步骤2：若T_i在XOZ平面上的投影为三角形，记为三角形

转步骤3；若为一条线段，记为

转步骤5。

步骤3：计算投影三角形

所在的网格单元

步骤4：对于每个单元格

作如下处理：

1)过单元

的四个顶点作垂直于水平面XOZ的直线并计算四条直线与三角形T_i的交点，取这些交点的最大和最小Y坐标作为障碍体M的top和bottom。

2)将得到的障碍体M根据Y值大小，顺序插入到该网格单元

中的障碍体列表中，并转步骤7。

步骤5：计算投影线段

所在的网格单元

步骤6：对于每个单元格

作如下处理：

1)过单元

的四条边，作垂直于水平面XOZ的平面，并计算四个平面与线段

的交点，取这些交点的最大和最小Y坐标作为障碍体M的顶端和底部。

2)将得到的障碍体M根据Y值大小，顺序插入到该网格单元

中的障碍体列表中，并转步骤7。

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M_Ymin-N_Ymax<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N_Ymin和M_Ymax。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,…,P_n}。

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P_iP_i+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P_i+1删除，令PointSet＝{P₁,P₂,…,P_i,P_i+2,…,P_n}，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＝{T_i,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T_i在XOZ平面上的投影；

1.3)若T_i在XOZ平面上的投影为三角形，记为三角形

转步骤1.4)；若为一条线段，记为

转步骤1.6)；

1.4)计算投影三角形

所在的网格单元

1.5)对于每个网格单元

k＝1,2,…,p，作如下处理：

1.5.1)过单元

的四个顶点作垂直于水平面XOZ的直线并计算四条直线与三角形T_i的交点，取这些交点的最大和最小Y坐标作为障碍体M的top和bottom；

1.5.2)将得到的障碍体M根据Y值大小，顺序插入到该网格单元

(k＝1,2,…,p)中的障碍体列表中，并转步骤1.8)；

1.6)计算投影线段

所在的网格单元

1.7)对于每个单元格

k＝1,2,…,q，作如下处理：

1.7.1)过单元

的四条边，作垂直于水平面XOZ的平面，并计算四个平面与线段

的交点，取这些交点的最大和最小Y坐标作为障碍体M的顶端和底部；

1.7.2)将得到的障碍体M根据Y值大小，顺序插入到该网格单元

中的障碍体列表中，并转步骤1.8)；

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,…,P_n}；执行以下步骤：

步骤1：令i＝1；

步骤2：计算P_iP_i+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P_i+1删除，令PointSet＝{P₁,P₂,…,P_i,P_i+2,…,P_n}，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M_Ymin-N_Ymax<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N_Ymin和M_Ymax；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。

Images