CN110658846B - 路径规划方法、装置、电子设备及存储介质 - Google Patents
路径规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110658846B CN110658846B CN201910943695.XA CN201910943695A CN110658846B CN 110658846 B CN110658846 B CN 110658846B CN 201910943695 A CN201910943695 A CN 201910943695A CN 110658846 B CN110658846 B CN 110658846B
- Authority
- CN
- China
- Prior art keywords
- chromosomes
- population
- chromosome
- flight
- land
- 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
- 238000000034 method Methods 0.000 title claims abstract description 84
- 210000000349 chromosome Anatomy 0.000 claims abstract description 506
- 230000002068 genetic effect Effects 0.000 claims abstract description 24
- 230000035772 mutation Effects 0.000 claims description 37
- 230000007704 transition Effects 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 16
- 238000010353 genetic engineering Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000001186 cumulative effect Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 4
- 230000002759 chromosomal effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及无人机技术领域,提供一种路径规划方法、装置、电子设备及存储介质,所述方法包括:获取多个地块的位置信息;依据当前地块的位置信息,确定出当前地块的最小宽度外接矩形;基于最小宽度外接矩形确定出当前地块的飞行方向和所有飞行起点;依据每个地块的所有飞行起点,生成初始种群;对所述初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体;依据所述目标染色体和每个地块的飞行方向,生成所述多个地块的飞行路径。与现有技术相比,本申请能够自动找出多个地块的作业顺序及每个地块的飞行起点,从而生成路径较短、覆盖率较高的飞行路径。
Description
技术领域
本申请涉及无人机技术领域,具体而言,涉及一种路径规划方法、装置、电子设备及存储介质。
背景技术
随着无人机技术的发展,无人机可以根据设定的航线对农作物或林业进行植保作业。为了减少无人机的起降次数,通常会对由一个大地块分割得到的多个子地块、或者离得较近的多个地块规划一条完整的路径。
目前,通常采用人工规划的方法对多地块进行作业顺序和路径规划,这种人工规划的方法主要缺点在于:受作业人员主观和经验的影响,当地块数量较多或形状不规则时,人工规划难以规划出具备如路径较短、覆盖率较高等诸多优势的飞行路径。
发明内容
本申请的目的在于提供一种路径规划方法、装置、电子设备及存储介质,用以解决人工规划难以得到具备如路径较短、覆盖率较高等诸多优势的飞行路径的问题。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请提供了一种路径规划方法,所述方法包括:获取多个地块的位置信息;依据当前地块的位置信息,确定出所述当前地块的最小宽度外接矩形;基于所述最小宽度外接矩形确定出所述当前地块的飞行方向和所有飞行起点;依据每个地块的所有飞行起点,生成初始种群,其中,所述初始种群包括多个染色体,所述染色体包括所述多个地块的作业顺序及每个地块的一个飞行起点;对所述初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体;依据所述目标染色体和每个地块的飞行方向,生成所述多个地块的飞行路径。
可选地,所述依据当前地块的位置信息,确定出所述当前地块的最小宽度外接矩形的步骤,包括:依据所述当前地块的位置信息,获得所述当前地块的第一外接矩形,其中,所述第一外接矩形与预设的基准线平行;以所述当前地块中的任意一个点为旋转中心,按照第一设定方向和设定角度将所述当前地块进行多次旋转,直至满足预设条件,得到多个辅助地块;获得每个所述辅助地块的第二外接矩形,其中,每个所述第二外接矩形均与所述基准线平行;从所述第一外接矩形和多个所述第二外接矩形中确定出宽度最小的目标外接矩形;将所述目标外接矩形对应的地块作为目标地块,并获取所述目标地块的累积旋转角度;将所述目标外接矩形按照第二设定方向和所述累积旋转角度进行旋转,得到所述当前地块的最小宽度外接矩形,其中,所述第二设定方向和所述第一设定方向相反。
可选地,所述基于所述最小宽度外接矩形确定出所述当前地块的飞行方向和所有飞行起点的步骤,包括:将所述最小宽度外接矩形的长边方向作为所述当前地块的飞行方向;将所述当前地块的边界线与所述最小宽度外接矩形的长边的每个交点,均作为所述当前地块的地块顶点;按照预设约束条件,从所述当前地块的所有地块顶点中选出所述当前地块的所有飞行起点。
可选地,所述预设约束条件包括:所述飞行起点所在的边界线与所述最小宽度外接矩形的长边平行,且是所有与所述最小宽度外接矩形的长边平行的边界线中最长的。
可选地,所述对所述初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体的步骤,包括:计算所述初始种群中每个染色体的适应度值;依据每个染色体的适应度值,对所述初始种群中的染色体进行选择操作,得到第一种群;根据预设交叉率,从所述第一种群中选取第一数目的染色体进行交叉操作,得到第二种群;根据预设变异率,从所述第二种群中选取第二数目的染色体进行变异操作,得到第三种群;当所述第三种群的染色体数少于所述初始种群的染色体数时,从所述初始种群中随机选取染色体加入到所述第三种群中,以使所述第三种群的染色体数与所述初始种群的染色体数相等,得到更新种群;利用所述更新种群替代所述初始种群并执行上述步骤,直至达到预设迭代次数,得到最终的更新种群,并从最终的更新种群中获取适应度值最大的染色体作为中间染色体;重复执行上述步骤以得到预设数量的所述中间染色体;按照预设终止条件,从预设数量的所述中间染色体中选出目标染色体。
可选地,所述计算所述初始种群中每个染色体的适应度值的步骤,包括:依据每个地块的最小宽度外接矩形,按照预设公式turn=2*int(h/w)计算出每个地块的拐弯次数,其中,int表示取整,h表示所述最小宽度外接矩形的宽度,w表示预先存储的无人机宽度;将每个地块的拐弯次数进行求和,得到总拐弯次数;根据每个地块的飞行方向、拐弯次数和当前染色体中的每个飞行起点,确定出每个地块的飞行距离和飞行终点;根据所述当前染色体中多个地块的作业顺序、以及每个所述地块的飞行起点和飞行终点,计算出各个地块间的总过渡距离;将每个所述飞行距离和所述总过渡距离进行求和,得到所述当前染色体对应的总飞行距离;按照适应度函数计算出所述当前染色体的适应度值,其中,wdist表示飞行距离权重,wturn表示拐弯次数权重且取值为1-wdist,∑dist表示所述当前染色体对应的总飞行距离,∑turn表示所述总拐弯次数,c表示常数。
可选地,所述依据每个染色体的适应度值,对所述初始种群中的染色体进行选择操作,得到第一种群的步骤,包括:利用锦标赛法,从所述初始种群中选出预设数目个适应度值最大的染色体,得到辅助种群;依据所述初始种群中每个剩余染色体的适应度值,按照概率公式计算每个剩余染色体的概率,其中,Fii表示第i个剩余染色体的适应度值,表示所有剩余染色体的总适应度值,N表示所述初始种群的染色体数,K表示所述辅助种群的染色体数;基于每个剩余染色体的概率,采用轮盘赌法选择所述初始种群中的剩余染色体加入到所述辅助种群中,直到所述辅助种群的染色体数与所述初始种群的染色体数一致,得到所述第一种群。
可选地,所述根据预设交叉率,从所述第一种群中选取第一数目的染色体进行交叉操作,得到第二种群的步骤,包括:根据预设交叉率,从所述第一种群中选取第一数目的染色体;从所述第一数目的染色体中随机获取两个待交叉染色体;将所述两个待交叉染色体中同一位置的飞行起点进行交换,得到两个第一染色体;根据交换的飞行起点建立映射关系;按照所述映射关系,将所述两个第一染色体中未交换的飞行起点进行交换,得到两个第二染色体;当所述第二染色体中的至少两个飞行起点属于同一地块时,将所述第二染色体丢弃;重复上述步骤,直至遍历所述第一数目的染色体得到多个第二染色体,并由所述多个第二染色体和所述第一种群中未被选取的染色体构成所述第二种群。
可选地,所述根据预设变异率,从所述第二种群中选取第二数目的染色体进行变异操作,得到第三种群的步骤,包括:根据预设变异率,从所述第二种群中选取第二数目的染色体;从所述第二数目的染色体中随机获取一个待变异染色体,并在所述待变异染色体中随机选定目标飞行起点;确定所述目标飞行起点所属的目标地块,并获取所述目标地块的所有地块顶点;从所述目标地块的所有地块顶点随机获取一个目标地块顶点,并利用所述目标地块顶点替换所述待变异染色体中的目标飞行起点,得到第二染色体;重复上述步骤,直至遍历所述第二数目的染色体得到多个第二染色体,并由所述多个第二染色体和所述第二种群中未被选取的染色体构成所述第三种群。
可选地,所述预设终止条件包括:当预设数量的所述中间染色体中存在适应度值最大的中间染色体时,将适应度值最大的中间染色体作为所述目标染色体;当预设数量的所述中间染色体中不存在适应度值最大的中间染色体时,将总飞行距离最短的中间染色体作为所述目标染色体。
第二方面,本申请还提供了一种路径规划装置,所述装置包括获取模块、确定模块、种群生成模块、遗传操作模块及路径生成模块。其中,获取模块用于获取多个地块的位置信息;确定模块用于依据当前地块的位置信息,确定出所述当前地块的最小宽度外接矩形;以及基于所述最小宽度外接矩形确定出所述当前地块的飞行方向和所有飞行起点;种群生成模块用于依据每个地块的所有飞行起点,生成初始种群,其中,所述初始种群包括多个染色体,所述染色体包括所述多个地块的作业顺序及每个地块的一个飞行起点;遗传操作模块用于对所述初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体;路径生成模块用于依据所述目标染色体和每个地块的飞行方向,生成所述多个地块的飞行路径。
可选地,所述确定模块执行所述依据所述地块的位置信息,确定出所述地块的最小宽度外接矩形的方式,包括:依据所述地块的位置信息,获得所述地块的第一外接矩形,其中,所述第一外接矩形与预设的基准线平行;以所述地块中的任意一个点为旋转中心,按照第一设定方向和设定角度将所述地块进行多次旋转,直至满足预设条件,得到多个辅助地块;获得每个所述辅助地块的第二外接矩形,其中,每个所述第二外接矩形均与所述基准线平行;从所述第一外接矩形和多个所述第二外接矩形中确定出宽度最小的目标外接矩形;将所述目标外接矩形对应的地块作为目标地块,并获取所述目标地块的累积旋转角度;将所述目标外接矩形按照第二设定方向和所述累积旋转角度进行旋转,得到所述地块的最小宽度外接矩形,其中,所述第二设定方向和所述第一设定方向相反。
可选地,所述确定模块执行所述基于所述最小宽度外接矩形确定出所述当前地块的飞行方向和所有飞行起点的方式,包括:将所述最小宽度外接矩形的长边方向作为所述当前地块的飞行方向;将所述当前地块的边界线与所述最小宽度外接矩形的长边的每个交点,均作为所述当前地块的地块顶点;按照预设约束条件,从所述当前地块的所有地块顶点中选出所述当前地块的所有飞行起点。
可选地,所述预设约束条件包括:所述飞行起点所在的边界线与所述最小宽度外接矩形的长边平行,且是所有与所述最小宽度外接矩形的长边平行的边界线中最长的。
可选地,所述遗传操作模块具体用于:计算所述初始种群中每个染色体的适应度值;依据每个染色体的适应度值,对所述初始种群中的染色体进行选择操作,得到第一种群;根据预设交叉率,从所述第一种群中选取第一数目的染色体进行交叉操作,得到第二种群;根据预设变异率,从所述第二种群中选取第二数目的染色体进行变异操作,得到第三种群;当所述第三种群的染色体数少于所述初始种群的染色体数时,从所述初始种群中随机选取染色体加入到所述第三种群中,以使所述第三种群的染色体数与所述初始种群的染色体数相等,得到更新种群;利用所述更新种群替代所述初始种群并执行上述步骤,直至达到预设迭代次数,得到最终的更新种群,并从最终的更新种群中获取适应度值最大的染色体作为中间染色体;重复执行上述步骤以得到预设数量的所述中间染色体;按照预设终止条件,从预设数量的所述中间染色体中选出目标染色体。
可选地,所述遗传操作模块执行所述计算所述初始种群中每个染色体的适应度值的方式,包括:依据每个地块的最小宽度外接矩形,按照预设公式turn=2*int(h/w)计算出每个地块的拐弯次数,其中,int表示取整,h表示所述最小宽度外接矩形的宽度,w表示预先存储的无人机宽度;将每个地块的拐弯次数进行求和,得到总拐弯次数;根据每个地块的飞行方向、拐弯次数和当前染色体中的每个飞行起点,确定出每个地块的飞行距离和飞行终点;根据所述当前染色体中多个地块的作业顺序、以及每个所述地块的飞行起点和飞行终点,计算出各个地块间的总过渡距离;将每个所述飞行距离和所述总过渡距离进行求和,得到所述当前染色体对应的总飞行距离;按照适应度函数计算出所述当前染色体的适应度值,其中,wdist表示飞行距离权重,wturn表示拐弯次数权重且取值为1-wdist,∑dist表示所述当前染色体对应的总飞行距离,∑turn表示所述总拐弯次数,c表示常数。
可选地,所述遗传操作模块执行所述依据每个染色体的适应度值,对所述初始种群中的染色体进行选择操作,得到第一种群的方式,包括:利用锦标赛法,从所述初始种群中选出预设数目个适应度值最大的染色体,得到辅助种群;依据所述初始种群中每个剩余染色体的适应度值,按照概率公式计算每个剩余染色体的概率,其中,Fii表示第i个剩余染色体的适应度值,表示所有剩余染色体的总适应度值,N表示所述初始种群的染色体数,K表示所述辅助种群的染色体数;基于每个剩余染色体的概率,采用轮盘赌法选择所述初始种群中的剩余染色体加入到所述辅助种群中,直到所述辅助种群的染色体数与所述初始种群的染色体数一致,得到所述第一种群。
可选地,所述遗传操作模块执行所述根据预设交叉率,从所述第一种群中选取第一数目的染色体进行交叉操作,得到第二种群的方式,包括:根据预设交叉率,从所述第一种群中选取第一数目的染色体;从所述第一数目的染色体中随机获取两个待交叉染色体;将所述两个待交叉染色体中同一位置的飞行起点进行交换,得到两个第一染色体;根据交换的飞行起点建立映射关系;按照所述映射关系,将所述两个第一染色体中未交换的飞行起点进行交换,得到两个第二染色体;当所述两个第二染色体中的至少两个飞行起点属于同一地块时,将所述两个第二染色体丢弃;重复上述步骤,直至遍历所述第一数目的染色体得到多个第二染色体,并由所述多个第二染色体和所述第一种群中未被选取的染色体构成所述第二种群。
可选地,所述遗传操作模块执行所述根据预设变异率,从所述第二种群中选取第二数目的染色体进行变异操作,得到第三种群的方式,包括:根据预设变异率,从所述第二种群中选取第二数目的染色体;从所述第二数目的染色体中随机获取一个待变异染色体,并在所述待变异染色体中随机选定目标飞行起点;确定所述目标飞行起点所属的目标地块,并获取所述目标地块的所有地块顶点;从所述目标地块的所有地块顶点随机获取一个目标地块顶点,并利用所述目标地块顶点替换所述待变异染色体中的目标飞行起点,得到第二染色体;重复上述步骤,直至遍历所述第二数目的染色体得到多个第二染色体,并由所述多个第二染色体和所述第二种群中未被选取的染色体构成所述第三种群。
可选地,所述预设终止条件包括:当预设数量的所述中间染色体中存在适应度值最大的中间染色体时,将适应度值最大的中间染色体作为所述目标染色体;当预设数量的所述中间染色体中不存在适应度值最大的中间染色体时,将总飞行距离最短的中间染色体作为所述目标染色体。
第三方面,本申请还提供了一种电子设备,所述电子设备包括:一个或多个处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的路径规划方法。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的路径规划方法。
相对现有技术,本申请提供的一种路径规划方法、装置、电子设备及存储介质,通过获取多个地块的位置信息,根据当前地块的位置信息确定出当前地块的最小宽度外接矩形,并基于最小宽度外接矩形确定出当前地块的飞行方向和所有飞行起点,这样就能确保有较高的地块覆盖率;然后根据每个地块的所有飞行起点,生成包括多个染色体的初始种群;再对初始种群中的进行遗传操作以得到目标染色体,目标染色体包括多个地块的作业顺序及每个地块的飞行起点;这样就能根据目标染色体和每个地块的飞行方向生成路径较短的飞行路径。与现有技术相比,本申请能够自动找出多个地块的作业顺序及每个地块的飞行起点,从而生成路径较短、覆盖率较高的飞行路径。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例提供的路径规划方法的一种流程示意图。
图2示出了本申请实施例提供的路径规划方法的另一种流程示意图。
图3示出了本申请实施例提供的路径规划方法的一个应用示例图。
图4示出了本申请实施例提供的路径规划方法的另一种流程示意图。
图5示出了本申请实施例提供的路径规划方法的另一个应用示例图。
图6示出了染色体编码示例图。
图7示出了本申请实施例提供的路径规划方法的另一个应用示例图。
图8示出了本申请实施例提供的路径规划方法的另一种流程示意图。
图9示出了本申请实施例提供的路径规划方法的另一个应用示例图。
图10示出了本申请实施例提供的路径规划方法的另一个应用示例图。
图11示出了本申请实施例提供的路径规划方法的另一个应用示例图。
图12示出了本申请实施例提供的路径规划方法的另一个应用示例图。
图13示出了本申请实施例提供的路径规划装置的方框示意图。
图14示出了本申请实施例提供的电子设备的方框示意图。
图标:10-电子设备;11-处理器;12-存储介质;13-总线;100-路径规划装置;101-获取模块;102-确定模块;103-种群生成模块;104-遗传操作模块;105-路径生成模块。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1示出了本申请实施例提供的路径规划方法的一种流程示意图。该路径规划方法应用于电子设备,该电子设备可以是终端、服务器、地面工作站、无人机等,终端可以是智能手机、平板电脑、便携式笔记本电脑、台式电脑等,该路径规划方法包括以下步骤:
步骤S101,获取多个地块的位置信息。
在本实施例中,位置信息可以包括地块的各条边界线、或者各条边界线相交的交点即边界线交点。该位置信息可以是通过测绘机采集得到的,也可以是本领域技术人员以任何能获取到的方式得到的,例如以人工测绘的方式得到的。多个地块可以包括由一个大地块分割得到的多个任何形状的子地块,也可以包括离得较近的多个任何形状的地块。
步骤S102,依据当前地块的位置信息,确定出当前地块的最小宽度外接矩形。
在本实施例中,最小宽度外接矩形是当前地块的所有外接矩形中宽度最小的,可以利用当前地块的边界线来找出最小宽度外接矩形,请参照图2,步骤S102可以包括以下子步骤:
子步骤S1021,依据当前地块的位置信息,获得当前地块的第一外接矩形,其中,第一外接矩形与预设的基准线平行。
基准线可以是用户给定的任意一条线,为了提高路径规划的效率,本实施例中将水平线或垂直线作为基准线,例如,请参照图3,图3(a)表示地块1,图3(a)中的虚线m表示预设的基准线。
第一外接矩形是与基准线平行的外接矩形,也就是,第一外接矩形的两条边与基准线平行,这两条边可以是长边,也可以是短边,例如,图3(a)中矩形即为地块1的第一外接矩形。
子步骤S1022,以当前地块中的任意一个点为旋转中心,按照第一设定方向和设定角度将当前地块进行多次旋转,直至满足预设条件,得到多个辅助地块。
在本实施例中,旋转中心可以是当前地块中的任意一个点,例如,当前地块的中心点、边界线交点、边界线上的点、地块内的点等,例如,图3(a)中将O点作为地块1的旋转中心。第一设定方向可以是旋转的方法如逆时针、顺时针等,设定角度可以是每次旋转的角度如0.01°,第一设定方向和设定角度可以由用户根据实际需要灵活设置,例如逆时针、0.01°,则表示将当前地块基于旋转中心,按照逆时针进行旋转,每次旋转0.01°,每次旋转后的地块均为辅助地块。例如,假设图3中地块1的旋转中心为O点、设定方向为逆时针、设定角度为α,则图3(a)中的地块1,按照逆时针和α进行一次旋转,得到的第一个辅助地块如图3(b)所示。
预设条件可以是:地块对应的累积旋转角度达到一个特定角度,例如90°、180°等,地块的累积旋转角度指的由当前地块旋转得到该地块经过的设定角度之和,例如,当前地块对应的累积旋转角度为0°;又如,当前地块经过3次旋转得到辅助地块1,设定角度为10°,则辅助地块1对应的累积旋转角度为30°。例如,假设图3中预设条件为累积旋转角度达到90°,则图3(a)中的地块1按照逆时针和α进行多次旋转,直至累计旋转角度θ达到90°时,得到的辅助地块如图3(c)所示,图3(c)中θ=90°。
子步骤S1023,获得每个辅助地块的第二外接矩形,其中,每个第二外接矩形均与基准线平行。
在本实施例中,由于以当前地块中的任意一个点为旋转中心,按照第一设定方向和设定角度将当前地块进行多次旋转,可以得到多个辅助地块,因此,对于每个辅助地块,都可以得到对应的第二外接矩形。第二外接矩形是与子步骤S1021中设定的基准线平行的外接矩形,例如,图3(a)中的虚线m。同理,第二外接矩形也是与子步骤S1021中设定的基准线平行的外接矩形,也就是,第二外接矩形的两条边与基准线平行,这两条边可以是长边,也可以是短边,例如,图3(b)和图3(c)中矩形均为第二外接矩形。
子步骤S1024,从第一外接矩形和多个第二外接矩形中确定出宽度最小的目标外接矩形。
在本实施例中,经过子步骤S1021~S1023的过程,可以得到当前地块的第一外接矩形、以及每个辅助地块的第二外接矩形,因此,可以从得到的第一外接矩形和多个第二外接矩形中找出宽度最小的外接矩形,并将该宽度最小的外接矩形作为目标外接矩形。例如,对于图3所示的地块1,假设图3(b)中的外接矩形宽度最小,则将其作为地块1的目标外接矩形。
子步骤S1025,将目标外接矩形对应的地块作为目标地块,并获取目标地块的累积旋转角度。
在本实施例中,由于当前地块对应第一外接矩形、一个辅助地块对应一个第二外接矩形,而目标外接矩形可能是第一外接矩形和多个第二外接矩形中的任意一个,则确定出目标外接矩形之后,需要从当前地块和多个辅助地块中找到目标外接矩形对应的地块作为目标地块,并获取目标地块的累积旋转角度。例如,假设图3(b)中的外接矩形为目标外接矩形,则图3(b)中地块1为目标地块,目标地块的累积旋转角度为α。
子步骤S1026,将目标外接矩形按照第二设定方向和累积旋转角度进行旋转,得到当前地块的最小宽度外接矩形,其中,第二设定方向和第一设定方向相反。
例如,当确定图3(b)中的外接矩形为目标外接矩形、以及目标地块的累积旋转角度为α之后,则将图3(b)中的目标外接矩形按照顺时针旋转α,则得到图3(a)中地块1的最小宽度外接矩形如图3(b)所示。
步骤S103,基于最小宽度外接矩形确定出当前地块的飞行方向和所有飞行起点。
在本实施例中,一个地块对应一个飞行方向,也就是说,在同一个地块中,无人机是按照同一个方向反复飞行的,这个方向就是飞行方向,本实施例中用k表示。为了提高地块的作业覆盖率可以基于该地块的最小宽度外接矩形确定出该地块的飞行方向,例如,将该地块的最小宽度外接矩形的长边方向、短边方向、对角线方向等设置为该地块的飞行方向。同时,为了提高地块的作业覆盖率同时减少飞行机在该地块中飞行时的拐弯次数,可以将该地块的最小外接宽度矩形的长边方向设置为该地块的飞行方向。
另外,由于本实施例需要对多个地块规划出飞行路径,也就是,需要将各个地块的作业路径连起来形成一条完整的路径,因此,还需要找出无人机在各个地块中的飞行起点,下面以任意一个地块为例,对基于该地块的最小宽度外接矩形,确定出当前地块的飞行方向和所有飞行起点的过程进行详细描述。
请参照图4,步骤S103可以包括以下子步骤:
子步骤S1031,将最小宽度外接矩形的长边方向作为当前地块的飞行方向。
在本实施例中,按照子步骤S1021~S1036介绍的方法得到当前地块的最小宽度外接矩形之后,设置当前地块的飞行方向与最小宽度外接矩形的长边平行,例如,请参照图5,地块ABCD的最小宽度外接矩形如图,最小宽度外接矩形的两条长边为m和n,则得到地块ABCD的飞行方向为k,k∥m∥n。
子步骤S1032,将当前地块的边界线与最小宽度外接矩形的长边的每个交点,均作为当前地块的地块顶点。
在本实施例中,可以利用当前地块的边界线和最小宽度外接矩形的交点情况来找出地块顶点,也就是说,可以将当前地块的边界线和最小宽度外接矩形的所有交点均作为地块顶点。但是,为了提高作业覆盖率,本实施例中只将当前地块的边界线与最小宽度外接矩形的长边的所有交点均作为地块顶点,例如,图5中地块ABCD的所有地块顶点包括:C点、以及线段AB上的所有点。
同时,为了减小后续遗传算法的计算量,当一个地块的某条边界线与最小宽度外接矩形的一条长边的交点多于2个时,只取该条边界线的两个端点作为地块顶点。例如,图5中线段AB完全与最小宽度外接矩形的一条长边重合,则只取端点A和B,如此,得到地块ABCD的所有地块顶点包括:C点、A点和B点。
子步骤S1033,按照预设约束条件,从当前地块的所有地块顶点中选出当前地块的所有飞行起点。
在本实施例中,为了提高无人机的作业覆盖率,同时减少作业路程和拐弯次数,可以设置无人机沿着当前地块的最小外接矩形长边方向一致的地块最长边开始飞行,因此,需要按照预设约束条件从当前地块的所有地块顶点中选出当前地块的所有飞行起点。
预设约束条件包括:飞行起点所在的边界线与最小宽度外接矩形的长边平行,且是所有与最小宽度外接矩形的长边平行的边界线中最长的。也就是说,从子步骤S1032得到的每个地块顶点所在的边界线中,先找出所有与最小宽度外接矩形的长边平行的边界线,再找出这些边界线中最长的,并将在这个最长的边界线上的所有地块顶点均作为飞行起点,例如,图5中A点和B点均为飞行起点。
需要说明的是,子步骤S1021~S1026、子步骤S1031~S1033所说的当前地块可以是需要进行路径规划的多个地块中的任意一个,也就是说,对于任意一个地块,都可以按照子步骤S1021~S1026介绍的方法确定出最小宽度外接矩形,以及按照子步骤S1031~S1033介绍的方法,基于该地块的最小宽度外接矩形确定出该地块的飞行方向和所有飞行起点。
步骤S104,依据每个地块的所有飞行起点,生成初始种群,其中,初始种群包括多个染色体,染色体包括多个地块的作业顺序及每个地块的一个飞行起点。
在本实施例中,需要采用遗传算法找到多个地块的作业顺序及每个地块的飞行起点,而遗传算法是否高效和是否可行与染色体编码方式直接相关,因此需要先对每个飞行起点进行染色体编码,而遗传操作中的变异操作可能会用到除飞行起点外的其他地块顶点,所以本实施例中对每个地块的所有地块顶点进行染色体编码。
本实施例的染色体编码由头部和主体两部分组成,如图6所示,头部Sn表示地块序号,主体Vn表示某一地块内的地块顶点序号,例如,地块1中的第3个地块顶点,则其编码为“13”,“1”表示地块1,“3”表示地块1中的第3个地块顶点。同时,采用采用整数编码替代二进制编码,更具实际性。例如,针对图6所示的4个地块,每个地块顶点的染色体编码为:地块1:‘11’、‘12’、‘13’、‘14’;地块2:‘21’、‘22’、‘23’;地块3:‘31’、‘32’、‘33’、‘34’;地块4:‘41’、‘42’、‘43’、‘44’。
完成染色体编码之后,根据步骤S103的结果,获取每个地块的所有飞行起点的染色体编码,例如,针对图7所示的4个地块,每个飞行起点的染色体编码为:地块1:‘11’、‘12’;地块2:‘21’、‘22’;地块3:‘31’、‘32’;地块4:‘41’、‘43’。
得到每个地块的所有飞行起点的染色体编码之后,随机选取每个地块的一个飞行起点随机排序组成一个染色体,按此方法得到由n个染色体组成的初始种群,每个染色体均包括多个地块的作业顺序及每个地块的一个飞行起点,例如,{‘11’、‘21’、‘31’、‘41’};{‘12’、‘31’、‘22’、‘43’}等等。
步骤S105,对初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体。
在本实施例中,遗传操作可以包括选择操作、交叉操作、变异操作,或其任意组合。请参照图8,步骤S105可以包括以下子步骤:
子步骤S1051,计算初始种群中每个染色体的适应度值。
在本实施例中,进行种群初始化得到包括多个染色体的初始种群之后,对初始种群进行遗传操作,首先需要计算初始种群中每个染色体的适应度值,可以包括以下过程:
S1051-1,依据每个地块的最小宽度外接矩形,按照预设公式turn=2*int(h/w)计算出每个地块的拐弯次数,其中,int表示取整,h表示最小宽度外接矩形的宽度,w表示预先存储的无人机宽度。
S1051-2,将每个地块的拐弯次数进行求和,得到总拐弯次数。
S1051-3,根据每个地块的飞行方向、拐弯次数和当前染色体中的每个飞行起点,确定出每个地块的飞行距离和飞行终点。
在本实施例中,当前染色体包括每个地块的飞行起点,对于一个地块,当该地块对应的飞行方向、拐弯次数和飞行起点确定时,由于无人机在每个地块中的飞行方式都是反复飞行,因此就能得到该地块的飞行终点,相应的,也能得到无人机在该地块内的飞行距离。例如,图9中A点为飞行起点,按照飞行方向、拐弯次数和飞行起点得到飞行终点为B点。
S1051-4,根据所述当前染色体中多个地块的作业顺序、以及每个地块的飞行起点和飞行终点,计算出各个地块间的总过渡距离。
在本实施例中,由于染色体包括多个地块的作业顺序,则可以依据该作业顺序,按照前一个地块的飞行终点和后一个地块的飞行起点,计算任意两个相邻地块间的过渡距离,例如,图9中前一个地块的飞行终点为B、后一个地块的飞行起点为C,则BC为该两个地块间的过渡距离,进而就能得到各个地块间的总过渡距离。
S1051-5,将每个飞行距离和总过渡距离进行求和,得到当前染色体对应的总飞行距离;
S1051-6,按照适应度函数计算出当前染色体的适应度值,其中,wdist表示飞行距离权重,wturn表示拐弯次数权重且取值为1-wdist,∑dist表示当前染色体对应的总飞行距离,∑turn表示总拐弯次数,c表示常数。
在本实施例中,多个地块的飞行路径指的是飞行总距离最短、拐弯次数最少、作业覆盖面最广的飞行路径,因此可以将总飞行距离最短、总拐弯次数最少作为适应度值的目标函数,即wdist∑dist+wturn∑turn;由于各个地块的飞行方向已经由最小宽度外接矩形的长边方向确定了,故每个地块内的飞行距离是固定的,因此总飞行距离最短等价于总过渡距离最短,即,目标函数等价于总过渡距离最短和拐弯次数最少。同时,在遗传操作中通常会选取适应度值最大的染色体作为目标染色体,故可以用一个常数c除以目标函数得到适应度函数。
子步骤S1052,依据每个染色体的适应度值,对初始种群中的染色体进行选择操作,得到第一种群。
通常,采用无人机进行作业的地块会比较多,这样就会导致初始种群中染色体的数量非常大,使用遗传算法可能会出现局部最优解和速度慢的问题。为了解决上述问题,本实施例把锦标赛法和轮盘赌法结合起来进行选择操作,其可以包括以下过程:
S1052-1,利用锦标赛法,从初始种群中选出预设数目个适应度值最大的染色体,得到辅助种群。预设数目个适应度值最大的染色体也就是初始种群中最优的多个染色体,预设数目可以是初始种群中染色体数的10%,例如,初始种群包括100个染色体,则利用锦标赛法选出适应度值最大的10个。
S1052-2,依据初始种群中每个剩余染色体的适应度值,按照概率公式计算每个剩余染色体的概率,其中,Fii表示第i个剩余染色体的适应度值,表示所有剩余染色体的总适应度值,N表示初始种群的染色体数,K表示辅助种群的染色体数。
S1052-3,基于每个剩余染色体的概率,采用轮盘赌法选择初始种群中的剩余染色体加入到辅助种群中,直到辅助种群的染色体数与初始种群的染色体数一致,得到第一种群。
通常情况下,采用轮盘赌法选择初始种群中的剩余染色体时,对于剩余染色体,存在被重复选择的可能,也就是说,辅助种群中同一个染色体的数量可能>1。同时,为了避免遗传操作的过程中种群越来越小,需要使选择操作得到的第一种群与初始种群的规模一致。
子步骤S1053,根据预设交叉率,从第一种群中选取第一数目的染色体进行交叉操作,得到第二种群。
在本实施例中,交叉操作和变异操作可以使种群更具有多样性,交叉操作主要是染色体间的片段交叉互换,变异操作主要是染色体中某一个点的突变。子步骤S1053可以包括:
S1053-1,根据预设交叉率,从第一种群中选取第一数目的染色体。预设交叉率是用户自行设定的,在0~1内,通常与第一种群的规模有关,规模越大预设交叉率越大;第一数目为预设交叉率和第一种群规模的乘积。例如,预设交叉率为0.9,第一种群规模为100,则选取90个染色体。
S1053-2,从第一数目的染色体中随机获取两个待交叉染色体。
S1053-3,将两个待交叉染色体中同一位置的飞行起点进行交换,得到两个第一染色体。此处的同一位置的飞行起点可以包括至少一个飞行起点,例如,图10中,将图10(a)中染色体1和染色体2中第3~6个飞行起点进行交换,得到染色体1′和染色体2′如图10(b)所示。
S1053-4,根据交换的飞行起点建立映射关系,例如,图10(c)中左侧为交换的飞行起点,右侧为建立的映射关系。
S1053-5,按照映射关系,将两个第一染色体中未交换的飞行起点进行交换,得到两个第二染色体。例如,根据图10(c)中的映射关系,将图10(b)中染色体1′和染色体2′中未进行交换的飞行起点进行交换,得到染色体1"和染色体2"如图10(d)所示。
S1053-6,当第二染色体中的至少两个飞行起点属于同一地块时,将第二染色体丢弃。由于染色体中一个地块的飞行起点只可能有一个,所以如果第二染色体中同一个地块的飞行起点不止一个时,则将其丢弃,例如,若图10(d)中的染色体2"有11、13两个飞行起点,则说明该染色体2"不合理,需要将其丢弃。
S1053-7,重复S1053-1~S1053-6的过程,直至遍历第一数目的染色体得到多个第二染色体,并由多个第二染色体和第一种群中未被选取的染色体构成第二种群。例如,第一种群规模为100,选取了90个染色体进行交叉操作后,得到了80个第一染色体,则由该80个第一染色体和第一种群中未被选取的10个染色体构成第二种群。
子步骤S1054,根据预设变异率,从第二种群中选取第二数目的染色体进行变异操作,得到第三种群。
在本实施例中,子步骤S1054可以包括:
S1054-1,根据预设变异率,从第二种群中选取第二数目的染色体。预设变异率是用户自行设定的,在0~1内,第二数目为预设变异率和第二种群规模的乘积。例如,预设变异率为0.6,第二种群规模为90,则选取54个染色体。
S1054-2,从第二数目的染色体中随机获取一个待变异染色体,并在待变异染色体中随机选定目标飞行起点。例如,图11中,图11(a)的目标飞行起点21。
S1054-3,确定目标飞行起点所属的目标地块,并获取目标地块的所有地块顶点。例如,图11(a)中的目标飞行起点21所属的目标地块为地块2,假设地块2的所有地块顶点包括21、22、23、24。
S1054-4,从目标地块的所有地块顶点随机获取一个目标地块顶点,并利用目标地块顶点替换待变异染色体中的目标飞行起点,得到第二染色体。例如,选取目标地块顶点22替换图11(a)中的目标飞行起点21,得到染色体1′如图11(b)所示。
S1054-5,重复S1054-1~S1054-4的过程,直至遍历第二数目的染色体得到多个第二染色体,并由多个第二染色体和第二种群中未被选取的染色体构成第三种群。例如,第二种群的规模为90,选取了54个染色体进行变异操作后,得到了54个第二染色体,则由该54个第二染色体和第二种群中未被选取的36个染色体构成第三种群。
子步骤S1055,当第三种群的染色体数少于初始种群的染色体数时,从初始种群中随机选取染色体加入到第三种群中,以使第三种群的染色体数与初始种群的染色体数相等,得到更新种群。
在本实施例中,由于交叉操作可能会舍弃一些不合理的第二染色体,导致第三种群的染色体数少于初始种群的染色体数,因此,为了使遗传操作过程中种群的规模不变,需要从初始种群中随机选取染色体加入到第三种群中。
子步骤S1056,利用更新种群替代初始种群并执行子步骤S1051-S1055,直至达到预设迭代次数,得到最终的更新种群,并从最终的更新种群中获取适应度值最大的染色体作为中间染色体。
在本实施例中,预设迭代次数可以由用户自行设置,例如2000次;计算更新种群中染色体的适应度值的过程,与子步骤S1051中计算初始种群中染色体的适应度值的过程类似,在此不再赘述。
子步骤S1057,重复执行子步骤S1051-S1056以得到预设数量的中间染色体。因为遗传算法有可能会出现局部最优解,因此,本实施例中对子步骤S1051-S1056的过程重复执行,执行一次得到一个中间染色体;预设数量可以由用户自行设置,例如2个。
子步骤S1058,按照预设终止条件,从预设数量的中间染色体中选出目标染色体。
在本实施例中,预设终止条件包括:当预设数量的中间染色体中存在适应度值最大的中间染色体时,将适应度值最大的中间染色体作为目标染色体;当预设数量的中间染色体中不存在适应度值最大的中间染色体时,将总飞行距离最短的中间染色体作为目标染色体。
作为一种实施方式,1、如果预设数量的中间染色体中的飞行起点一样、或者飞行起点不一样但总飞行距离相等/很接近,则选取其中一个作为目标染色体;2、如果预设数量的中间染色体中的飞行起点不一样且总飞行距离相差较大,则增加迭代次数或者增加种群数量重新执行子步骤S1051~S1057,得到的新的预设数量的中间染色体若满足1则按照1得到目标染色体,若不满足1则从所有的中间染色体中选择总飞行距离最短的一个作为目标染色体。
步骤S106,依据目标染色体和每个地块的飞行方向,生成多个地块的飞行路径。
在本实施例中,得到目标染色体之后,按照目标染色体中多个地块的作业顺序及每个地块的飞行起点,先确定出每个地块的飞行终点,再生成飞行路径。例如,针对图7所示的4个地块,得到的目标染色体为{‘31’、‘11’、‘42’、‘22’},如图12所示,其中原点为每个地块的飞行起点,三角形为每个地块的飞行终点,虚线为地块间的过渡路径。
为了执行上述方法实施例及各个可能的实施方式中的相应步骤,下面给出一种路径规划装置的实现方式。请参照图13,图13示出了本申请实施例提供的路径规划装置100的方框示意图。路径规划装置100应用于电子设备,该路径规划装置100包括:获取模块101、确定模块102、种群生成模块103、遗传操作模块104及路径生成模块105。
获取模块101,用于获取多个地块的位置信息。
确定模块102,用于依据当前地块的位置信息,确定出当前地块的最小宽度外接矩形;以及基于最小宽度外接矩形确定出当前地块的飞行方向和所有飞行起点。
可选地,确定模块102执行依据当前地块的位置信息,确定出当前地块的最小宽度外接矩形的方式,包括:依据当前地块的位置信息,获得当前地块的第一外接矩形,其中,第一外接矩形与预设的基准线平行;以当前地块中的任意一个点为旋转中心,按照第一设定方向和设定角度将当前地块进行多次旋转,直至满足预设条件,得到多个辅助地块;获得每个辅助地块的第二外接矩形,其中,每个第二外接矩形均与基准线平行;从第一外接矩形和多个第二外接矩形中确定出宽度最小的目标外接矩形;将目标外接矩形对应的地块作为目标地块,并获取目标地块的累积旋转角度;将目标外接矩形按照第二设定方向和累积旋转角度进行旋转,得到当前地块的最小宽度外接矩形,其中,第二设定方向和第一设定方向相反。
可选地,确定模块102执行基于最小宽度外接矩形确定出当前地块的飞行方向和所有飞行起点的方式,包括:将最小宽度外接矩形的长边方向作为当前地块的飞行方向;将当前地块的边界线与最小宽度外接矩形的长边的每个交点,均作为当前地块的地块顶点;按照预设约束条件,从当前地块的所有地块顶点中选出当前地块的所有飞行起点。
可选地,预设约束条件包括:飞行起点所在的边界线与最小宽度外接矩形的长边平行,且是所有与最小宽度外接矩形的长边平行的边界线中最长的。
种群生成模块103,用于依据每个地块的所有飞行起点,生成初始种群,其中,初始种群包括多个染色体,染色体包括多个地块的作业顺序及每个地块的一个飞行起点。
遗传操作模块104,用于对初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体。
可选地,遗传操作模块104具体用于:计算初始种群中每个染色体的适应度值;依据每个染色体的适应度值,对初始种群中的染色体进行选择操作,得到第一种群;根据预设交叉率,从第一种群中选取第一数目的染色体进行交叉操作,得到第二种群;根据预设变异率,从第二种群中选取第二数目的染色体进行变异操作,得到第三种群;当第三种群的染色体数少于初始种群的染色体数时,从初始种群中随机选取染色体加入到第三种群中,以使第三种群的染色体数与初始种群的染色体数相等,得到更新种群;利用更新种群替代初始种群并执行上述步骤,直至达到预设迭代次数,得到最终的更新种群,并从最终的更新种群中获取适应度值最大的染色体作为中间染色体;重复执行上述步骤以得到预设数量的中间染色体;按照预设终止条件,从预设数量的中间染色体中选出目标染色体。
可选地,遗传操作模块104执行计算初始种群中每个染色体的适应度值的方式,包括:依据每个地块的最小宽度外接矩形,按照预设公式turn=2*int(h/w)计算出每个地块的拐弯次数,其中,int表示取整,h表示最小宽度外接矩形的宽度,w表示预先存储的无人机宽度;将每个地块的拐弯次数进行求和,得到总拐弯次数;根据每个地块的飞行方向、拐弯次数和当前染色体中的每个飞行起点,确定出每个地块的飞行距离和飞行终点;根据所述当前染色体中多个地块的作业顺序、以及每个地块的飞行起点和飞行终点,计算出各个地块间的总过渡距离;将每个飞行距离和总过渡距离进行求和,得到当前染色体对应的总飞行距离;按照适应度函数计算出当前染色体的适应度值,其中,wdist表示飞行距离权重,wturn表示拐弯次数权重且取值为1-wdist,∑dist表示当前染色体对应的总飞行距离,∑turn表示总拐弯次数,c表示常数。
可选地,遗传操作模块104执行依据每个染色体的适应度值,对初始种群中的染色体进行选择操作,得到第一种群的方式,包括:利用锦标赛法,从初始种群中选出预设数目个适应度值最大的染色体,得到辅助种群;依据初始种群中每个剩余染色体的适应度值,按照概率公式计算每个剩余染色体的概率,其中,Fii表示第i个剩余染色体的适应度值,表示所有剩余染色体的总适应度值,N表示初始种群的染色体数,K表示辅助种群的染色体数;基于每个剩余染色体的概率,采用轮盘赌法选择初始种群中的剩余染色体加入到辅助种群中,直到辅助种群的染色体数与初始种群的染色体数一致,得到第一种群。
可选地,遗传操作模块104执行根据预设交叉率,从第一种群中选取第一数目的染色体进行交叉操作,得到第二种群的方式,包括:根据预设交叉率,从第一种群中选取第一数目的染色体;从第一数目的染色体中随机获取两个待交叉染色体;将两个待交叉染色体中同一位置的飞行起点进行交换,得到两个第一染色体;根据交换的飞行起点建立映射关系;按照映射关系,将两个第一染色体中未交换的飞行起点进行交换,得到两个两个第二染色体;当两个第二染色体中的至少两个飞行起点属于同一地块时,将两个第二染色体丢弃;重复上述步骤,直至遍历第一数目的染色体得到多个第二染色体,并由多个第二染色体和第一种群中未被选取的染色体构成第二种群。
可选地,遗传操作模块104执行根据预设变异率,从第二种群中选取第二数目的染色体进行变异操作,得到第三种群的方式,包括:根据预设变异率,从第二种群中选取第二数目的染色体;从第二数目的染色体中随机获取一个待变异染色体,并在待变异染色体中随机选定目标飞行起点;确定目标飞行起点所属的目标地块,并获取目标地块的所有地块顶点;从目标地块的所有地块顶点随机获取一个目标地块顶点,并利用目标地块顶点替换待变异染色体中的目标飞行起点,得到第二染色体;重复上述步骤,直至遍历第二数目的染色体得到多个第二染色体,并由多个第二染色体和第二种群中未被选取的染色体构成第三种群。
可选地,预设终止条件包括:当预设数量的中间染色体中存在适应度值最大的中间染色体时,将适应度值最大的中间染色体作为目标染色体;当预设数量的中间染色体中不存在适应度值最大的中间染色体时,将总飞行距离最短的中间染色体作为目标染色体。
路径生成模块105,用于依据目标染色体和每个地块的飞行方向,生成多个地块的飞行路径。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的路径规划装置100的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
请参照图14,图14示出了本申请实施例提供的电子设备10的方框示意图。电子设备10包括处理器11、存储介质12及总线13,处理器11通过总线13与存储介质12连接。
存储介质12用于存储程序,例如图13所示的路径规划装置100,路径规划装置100包括至少一个可以软件或固件(firmware)的形式存储于存储介质12中或固化在电子设备10的操作系统(operating system,OS)中的软件功能模块,处理器11在接收到执行指令后,执行所述程序以实现上述实施例揭示的路径规划方法。
存储介质12可能包括高速随机存取存储器(Random Access Memory,RAM),也可能还包括非易失存储器(non-volatile memory,NVM)。
处理器11可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器11中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器11可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、微控制单元(Microcontroller Unit,MCU)、复杂可编程逻辑器件(Complex ProgrammableLogic Device,CPLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、嵌入式ARM等芯片。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器11执行时实现上述实施例揭示的路径规划方法。
综上所述,本申请提供的一种路径规划方法、装置、电子设备及存储介质,所述方法包括:获取多个地块的位置信息;依据当前地块的位置信息,确定出当前地块的最小宽度外接矩形;基于最小宽度外接矩形确定出当前地块的飞行方向和所有飞行起点;依据每个地块的所有飞行起点,生成初始种群,其中,初始种群包括多个染色体,染色体包括多个地块的作业顺序及每个地块的一个飞行起点;对初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体;依据目标染色体和每个地块的飞行方向,生成多个地块的飞行路径。与现有技术相比,本申请能够自动找出多个地块的作业顺序及每个地块的飞行起点,从而生成路径较短、覆盖率较高的飞行路径。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (22)
1.一种路径规划方法,其特征在于,所述方法包括:
获取多个地块的位置信息;
依据当前地块的位置信息,确定出所述当前地块的最小宽度外接矩形;
基于所述最小宽度外接矩形确定出所述当前地块的飞行方向和所有飞行起点;所述飞行方向与所述最小宽度外接矩形的长边平行;所述飞行起点为所述当前地块的边界线和所述最小宽度外接矩形的交点,所述飞行起点所在的边界线与所述最小宽度外接矩形的长边平行,且是所有与所述最小宽度外接矩形的长边平行的边界线中最长的;
依据每个地块的所有飞行起点,生成初始种群,其中,所述初始种群包括多个染色体,所述染色体包括所述多个地块的作业顺序及每个地块的一个飞行起点;
对所述初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体,所述目标染色体包括总过渡距离最短且拐弯次数最少的多个地块的作业顺序及每个地块的飞行起点;
依据所述目标染色体和每个地块的飞行方向,生成所述多个地块的飞行路径。
2.如权利要求1所述的方法,其特征在于,所述依据当前地块的位置信息,确定出所述当前地块的最小宽度外接矩形的步骤,包括:
依据所述当前地块的位置信息,获得所述当前地块的第一外接矩形,其中,所述第一外接矩形与预设的基准线平行;
以所述当前地块中的任意一个点为旋转中心,按照第一设定方向和设定角度将所述当前地块进行多次旋转,直至满足预设条件,得到多个辅助地块;
获得每个所述辅助地块的第二外接矩形,其中,每个所述第二外接矩形均与所述基准线平行;
从所述第一外接矩形和多个所述第二外接矩形中确定出宽度最小的目标外接矩形;
将所述目标外接矩形对应的地块作为目标地块,并获取所述目标地块的累积旋转角度;
将所述目标外接矩形按照第二设定方向和所述累积旋转角度进行旋转,得到所述当前地块的最小宽度外接矩形,其中,所述第二设定方向和所述第一设定方向相反。
3.如权利要求1所述的方法,其特征在于,所述基于所述最小宽度外接矩形确定出所述当前地块的飞行方向和所有飞行起点的步骤,包括:
将所述最小宽度外接矩形的长边方向作为所述当前地块的飞行方向;
将所述当前地块的边界线与所述最小宽度外接矩形的长边的每个交点,均作为所述当前地块的地块顶点;
按照预设约束条件,从所述当前地块的所有地块顶点中选出所述当前地块的所有飞行起点。
4.如权利要求3所述的方法,其特征在于,所述预设约束条件包括:所述飞行起点所在的边界线与所述最小宽度外接矩形的长边平行,且是所有与所述最小宽度外接矩形的长边平行的边界线中最长的。
5.如权利要求1所述的方法,其特征在于,所述对所述初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体的步骤,包括:
计算所述初始种群中每个染色体的适应度值;
依据每个染色体的适应度值,对所述初始种群中的染色体进行选择操作,得到第一种群;
根据预设交叉率,从所述第一种群中选取第一数目的染色体进行交叉操作,得到第二种群;
根据预设变异率,从所述第二种群中选取第二数目的染色体进行变异操作,得到第三种群;
当所述第三种群的染色体数少于所述初始种群的染色体数时,从所述初始种群中随机选取染色体加入到所述第三种群中,以使所述第三种群的染色体数与所述初始种群的染色体数相等,得到更新种群;
利用所述更新种群替代所述初始种群并执行上述步骤,直至达到预设迭代次数,得到最终的更新种群,并从最终的更新种群中获取适应度值最大的染色体作为中间染色体;
重复执行上述步骤以得到预设数量的所述中间染色体;
按照预设终止条件,从预设数量的所述中间染色体中选出目标染色体。
6.如权利要求5所述的方法,其特征在于,所述计算所述初始种群中每个染色体的适应度值的步骤,包括:
依据每个地块的最小宽度外接矩形,按照预设公式turn=2*int(h/w)计算出每个地块的拐弯次数,其中,int表示取整,h表示所述最小宽度外接矩形的宽度,w表示预先存储的无人机宽度;
将每个地块的拐弯次数进行求和,得到总拐弯次数;
根据每个地块的飞行方向、拐弯次数和当前染色体中的每个飞行起点,确定出每个地块的飞行距离和飞行终点;
根据所述当前染色体中多个地块的作业顺序、以及每个所述地块的飞行起点和飞行终点,计算出各个地块间的总过渡距离;
将每个所述飞行距离和所述总过渡距离进行求和,得到所述当前染色体对应的总飞行距离;
7.如权利要求5所述的方法,其特征在于,所述依据每个染色体的适应度值,对所述初始种群中的染色体进行选择操作,得到第一种群的步骤,包括:
利用锦标赛法,从所述初始种群中选出预设数目个适应度值最大的染色体,得到辅助种群;
依据所述初始种群中每个剩余染色体的适应度值,按照概率公式计算每个剩余染色体的概率,其中,Fii表示第i个剩余染色体的适应度值,表示所有剩余染色体的总适应度值,N表示所述初始种群的染色体数,K表示所述辅助种群的染色体数;
基于每个剩余染色体的概率,采用轮盘赌法选择所述初始种群中的剩余染色体加入到所述辅助种群中,直到所述辅助种群的染色体数与所述初始种群的染色体数一致,得到所述第一种群。
8.如权利要求5所述的方法,其特征在于,所述根据预设交叉率,从所述第一种群中选取第一数目的染色体进行交叉操作,得到第二种群的步骤,包括:
根据预设交叉率,从所述第一种群中选取第一数目的染色体;
从所述第一数目的染色体中随机获取两个待交叉染色体;
将所述两个待交叉染色体中同一位置的飞行起点进行交换,得到两个第一染色体;
根据交换的飞行起点建立映射关系;
按照所述映射关系,将所述两个第一染色体中未交换的飞行起点进行交换,得到两个第二染色体;
当所述第二染色体中的至少两个飞行起点属于同一地块时,将所述第二染色体丢弃;
重复上述步骤,直至遍历所述第一数目的染色体得到多个第二染色体,并由所述多个第二染色体和所述第一种群中未被选取的染色体构成所述第二种群。
9.如权利要求5所述的方法,其特征在于,所述根据预设变异率,从所述第二种群中选取第二数目的染色体进行变异操作,得到第三种群的步骤,包括:
根据预设变异率,从所述第二种群中选取第二数目的染色体;
从所述第二数目的染色体中随机获取一个待变异染色体,并在所述待变异染色体中随机选定目标飞行起点;
确定所述目标飞行起点所属的目标地块,并获取所述目标地块的所有地块顶点;
从所述目标地块的所有地块顶点随机获取一个目标地块顶点,并利用所述目标地块顶点替换所述待变异染色体中的目标飞行起点,得到第二染色体;
重复上述步骤,直至遍历所述第二数目的染色体得到多个第二染色体,并由所述多个第二染色体和所述第二种群中未被选取的染色体构成所述第三种群。
10.如权利要求5所述的方法,其特征在于,所述预设终止条件包括:
当预设数量的所述中间染色体中存在适应度值最大的中间染色体时,将适应度值最大的中间染色体作为所述目标染色体;
当预设数量的所述中间染色体中不存在适应度值最大的中间染色体时,将总飞行距离最短的中间染色体作为所述目标染色体。
11.一种路径规划装置,其特征在于,所述装置包括:
获取模块,用于获取多个地块的位置信息;
确定模块,用于依据当前地块的位置信息,确定出所述当前地块的最小宽度外接矩形;以及基于所述最小宽度外接矩形确定出所述当前地块的飞行方向和所有飞行起点;所述飞行方向与所述最小宽度外接矩形的长边平行;所述飞行起点为所述当前地块的边界线和所述最小宽度外接矩形的交点,所述飞行起点所在的边界线与所述最小宽度外接矩形的长边平行,且是所有与所述最小宽度外接矩形的长边平行的边界线中最长的;
种群生成模块,用于依据每个地块的所有飞行起点,生成初始种群,其中,所述初始种群包括多个染色体,所述染色体包括所述多个地块的作业顺序及每个地块的一个飞行起点;
遗传操作模块,用于对所述初始种群中的染色体进行遗传操作,直至满足预设终止条件以得到目标染色体,所述目标染色体包括总过渡距离最短且拐弯次数最少的多个地块的作业顺序及每个地块的飞行起点;
路径生成模块,用于依据所述目标染色体和每个地块的飞行方向,生成所述多个地块的飞行路径。
12.如权利要求11所述的装置,其特征在于,所述确定模块执行所述依据当前地块的位置信息,确定出所述当前地块的最小宽度外接矩形的方式,包括:
依据所述地块的位置信息,获得所述地块的第一外接矩形,其中,所述第一外接矩形与预设的基准线平行;
以所述地块中的任意一个点为旋转中心,按照第一设定方向和设定角度将所述地块进行多次旋转,直至满足预设条件,得到多个辅助地块;
获得每个所述辅助地块的第二外接矩形,其中,每个所述第二外接矩形均与所述基准线平行;
从所述第一外接矩形和多个所述第二外接矩形中确定出宽度最小的目标外接矩形;
将所述目标外接矩形对应的地块作为目标地块,并获取所述目标地块的累积旋转角度;
将所述目标外接矩形按照第二设定方向和所述累积旋转角度进行旋转,得到所述地块的最小宽度外接矩形,其中,所述第二设定方向和所述第一设定方向相反。
13.如权利要求11所述的装置,其特征在于,所述确定模块执行所述基于所述最小宽度外接矩形确定出所述当前地块的飞行方向和所有飞行起点的方式,包括:
将所述最小宽度外接矩形的长边方向作为所述当前地块的飞行方向;
将所述当前地块的边界线与所述最小宽度外接矩形的长边的每个交点,均作为所述当前地块的地块顶点;
按照预设约束条件,从所述当前地块的所有地块顶点中选出所述当前地块的所有飞行起点。
14.如权利要求13所述的装置,其特征在于,所述预设约束条件包括:所述飞行起点所在的边界线与所述最小宽度外接矩形的长边平行,且是所有与所述最小宽度外接矩形的长边平行的边界线中最长的。
15.如权利要求11所述的装置,其特征在于,所述遗传操作模块具体用于:
计算所述初始种群中每个染色体的适应度值;
依据每个染色体的适应度值,对所述初始种群中的染色体进行选择操作,得到第一种群;
根据预设交叉率,从所述第一种群中选取第一数目的染色体进行交叉操作,得到第二种群;
根据预设变异率,从所述第二种群中选取第二数目的染色体进行变异操作,得到第三种群;
当所述第三种群的染色体数少于所述初始种群的染色体数时,从所述初始种群中随机选取染色体加入到所述第三种群中,以使所述第三种群的染色体数与所述初始种群的染色体数相等,得到更新种群;
利用所述更新种群替代所述初始种群并执行上述步骤,直至达到预设迭代次数,得到最终的更新种群,并从最终的更新种群中获取适应度值最大的染色体作为中间染色体;
重复执行上述步骤以得到预设数量的所述中间染色体;
按照预设终止条件,从预设数量的所述中间染色体中选出目标染色体。
16.如权利要求15所述的装置,其特征在于,所述遗传操作模块执行所述计算所述初始种群中每个染色体的适应度值的方式,包括:
依据每个地块的最小宽度外接矩形,按照预设公式turn=2*int(h/w)计算出每个地块的拐弯次数,其中,int表示取整,h表示所述最小宽度外接矩形的宽度,w表示预先存储的无人机宽度;
将每个地块的拐弯次数进行求和,得到总拐弯次数;
根据每个地块的飞行方向、拐弯次数和当前染色体中的每个飞行起点,确定出每个地块的飞行距离和飞行终点;
根据所述当前染色体中多个地块的作业顺序、以及每个所述地块的飞行起点和飞行终点,计算出各个地块间的总过渡距离;
将每个所述飞行距离和所述总过渡距离进行求和,得到所述当前染色体对应的总飞行距离;
17.如权利要求15所述的装置,其特征在于,所述遗传操作模块执行所述依据每个染色体的适应度值,对所述初始种群中的染色体进行选择操作,得到第一种群的方式,包括:
利用锦标赛法,从所述初始种群中选出预设数目个适应度值最大的染色体,得到辅助种群;
依据所述初始种群中每个剩余染色体的适应度值,按照概率公式计算每个剩余染色体的概率,其中,Fii表示第i个剩余染色体的适应度值,表示所有剩余染色体的总适应度值,N表示所述初始种群的染色体数,K表示所述辅助种群的染色体数;
基于每个剩余染色体的概率,采用轮盘赌法选择所述初始种群中的剩余染色体加入到所述辅助种群中,直到所述辅助种群的染色体数与所述初始种群的染色体数一致,得到所述第一种群。
18.如权利要求15所述的装置,其特征在于,所述遗传操作模块执行所述根据预设交叉率,从所述第一种群中选取第一数目的染色体进行交叉操作,得到第二种群的方式,包括:
根据预设交叉率,从所述第一种群中选取第一数目的染色体;
从所述第一数目的染色体中随机获取两个待交叉染色体;
将所述两个待交叉染色体中同一位置的飞行起点进行交换,得到两个第一染色体;
根据交换的飞行起点建立映射关系;
按照所述映射关系,将所述两个第一染色体中未交换的飞行起点进行交换,得到两个第二染色体;
当所述两个第二染色体中的至少两个飞行起点属于同一地块时,将所述两个第二染色体丢弃;
重复上述步骤,直至遍历所述第一数目的染色体得到多个第二染色体,并由所述多个第二染色体和所述第一种群中未被选取的染色体构成所述第二种群。
19.如权利要求15所述的装置,其特征在于,所述遗传操作模块执行所述根据预设变异率,从所述第二种群中选取第二数目的染色体进行变异操作,得到第三种群的方式,包括:
根据预设变异率,从所述第二种群中选取第二数目的染色体;
从所述第二数目的染色体中随机获取一个待变异染色体,并在所述待变异染色体中随机选定目标飞行起点;
确定所述目标飞行起点所属的目标地块,并获取所述目标地块的所有地块顶点;
从所述目标地块的所有地块顶点随机获取一个目标地块顶点,并利用所述目标地块顶点替换所述待变异染色体中的目标飞行起点,得到第二染色体;
重复上述步骤,直至遍历所述第二数目的染色体得到多个第二染色体,并由所述多个第二染色体和所述第二种群中未被选取的染色体构成所述第三种群。
20.如权利要求15所述的装置,其特征在于,所述预设终止条件包括:
当预设数量的所述中间染色体中存在适应度值最大的中间染色体时,将适应度值最大的中间染色体作为所述目标染色体;
当预设数量的所述中间染色体中不存在适应度值最大的中间染色体时,将总飞行距离最短的中间染色体作为所述目标染色体。
21.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-10中任一项所述的方法。
22.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943695.XA CN110658846B (zh) | 2019-09-30 | 2019-09-30 | 路径规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943695.XA CN110658846B (zh) | 2019-09-30 | 2019-09-30 | 路径规划方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110658846A CN110658846A (zh) | 2020-01-07 |
CN110658846B true CN110658846B (zh) | 2023-05-02 |
Family
ID=69038775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910943695.XA Active CN110658846B (zh) | 2019-09-30 | 2019-09-30 | 路径规划方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110658846B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111750859B (zh) * | 2020-05-29 | 2021-11-05 | 广州极飞科技股份有限公司 | 过渡路径规划方法及相关装置 |
CN113848870A (zh) * | 2020-06-10 | 2021-12-28 | 广州极飞科技股份有限公司 | 无人车的播种控制方法、装置、终端设备、无人车和介质 |
CN112446113A (zh) * | 2020-11-12 | 2021-03-05 | 山东鲁能软件技术有限公司 | 电力系统环网图最优路径自动生成方法及系统 |
CN114253261B (zh) * | 2021-12-08 | 2023-04-07 | 广州极飞科技股份有限公司 | 路径生成方法、作业控制方法及相关装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104503464B (zh) * | 2014-12-30 | 2017-01-18 | 中南大学 | 基于计算机的凸多边形农田无人机喷洒作业航迹规划方法 |
CN106845710A (zh) * | 2017-01-18 | 2017-06-13 | 北京艾森博航空科技股份有限公司 | 任务区自动分割方法及系统、航线规划方法及系统 |
CN106679673A (zh) * | 2017-01-18 | 2017-05-17 | 北京艾森博航空科技股份有限公司 | 应用于无人机植保的航线规划方法及系统 |
CN106969778B (zh) * | 2017-02-28 | 2020-10-16 | 南京航空航天大学 | 一种多无人机协同施药的路径规划方法 |
CN107037826B (zh) * | 2017-04-14 | 2019-11-12 | 合肥工业大学 | 无人机探测任务分配方法及装置 |
CN109635429B (zh) * | 2018-12-11 | 2023-01-03 | 湖南三一智能控制设备有限公司 | 路面机械设备及其施工区域提取方法、系统和存储介质 |
-
2019
- 2019-09-30 CN CN201910943695.XA patent/CN110658846B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110658846A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110658846B (zh) | 路径规划方法、装置、电子设备及存储介质 | |
CN107169608B (zh) | 多无人机执行多任务的分配方法及装置 | |
CN108519094B (zh) | 局部路径规划方法及云处理端 | |
CN111666717B (zh) | 一种零件排版优化方法、装置、电子设备和存储介质 | |
CN111045644B (zh) | 存储器装置中的并行存储器存取及计算 | |
CN108645411A (zh) | 基于粒子群算法的机器人路径规划方法、装置及终端设备 | |
US20110167400A1 (en) | Method and mechanism for extraction and recognition of polygons in an ic design | |
CN109271654B (zh) | 模型轮廓的切分方法及装置、存储介质、终端 | |
WO2021051556A1 (zh) | 深度学习权值更新方法、系统、计算机设备及存储介质 | |
US20220040859A1 (en) | Footstep planning method, robot and computer-readable storage medium | |
CN115270500A (zh) | 一种布尔求差运算方法、装置及电子设备 | |
CN115525951A (zh) | 建筑物轮廓优化及特征边重构的规则化方法及装置 | |
CN113733080B (zh) | 一种直升机尾喷管激光冲击强化轨迹编程方法与装置 | |
CN111045595A (zh) | 集成电路存储器装置及在其中实施的方法以及计算设备 | |
CN112381945B (zh) | 三维模型过渡面的重建方法及系统 | |
CN116382306B (zh) | 全覆盖作业农机的轨迹跟踪控制方法、装置、设备及介质 | |
CN116339243A (zh) | 一种基于渐开线的数控系统插补的曲线拟合系统及设备 | |
CN115544699A (zh) | 基于遗传算法的海缆布局优化方法、装置、设备及介质 | |
CN114186315A (zh) | 生成建筑简模的方法、装置、计算机设备和可读存储介质 | |
CN114187421A (zh) | 有限元网格模型简化方法及系统 | |
US20220262097A1 (en) | Label estimation device, label estimation method, and label estimation program | |
CN117629207A (zh) | 一种双层路径规划方法、装置、设备及存储介质 | |
CN115719403B (zh) | 构建刀具轨迹的方法和装置、电子设备和存储介质 | |
CN116644646B (zh) | 岩石的细观重构方法、装置、设备及存储介质 | |
CN114021180B (zh) | 一种电力系统动态安全域确定方法、装置、电子设备及可读介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: Guangzhou Jifei Technology Co.,Ltd. Address before: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Guangzhou Xaircraft Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |