CN110672100B - 基于多分辨率的快速地形路径规划并行化方法 - Google Patents
基于多分辨率的快速地形路径规划并行化方法 Download PDFInfo
- Publication number
- CN110672100B CN110672100B CN201910874632.3A CN201910874632A CN110672100B CN 110672100 B CN110672100 B CN 110672100B CN 201910874632 A CN201910874632 A CN 201910874632A CN 110672100 B CN110672100 B CN 110672100B
- Authority
- CN
- China
- Prior art keywords
- resolution
- terrain
- dem data
- low
- shortest path
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多分辨率的快速地形路径规划并行化方法,包括:获取待规划区域的高分辨率地形DEM数据;选择格网单元映射模式,根据格网单元映射模式构建低分辨率地形DEM数据,并获取高分辨率地形DEM数据和低分辨率地形DEM数据之间的映射关系;在低分辨率地形DEM数据中计算根据指定的指定起始点和目标点之间的低分辨率最短路径;根据低分辨率最短路径和所述映射关系在所述高分辨率地形DEM数据中采用并行计算策略同时分别计算每个相邻格网之间的局部最短路径;依次连接各个局部最短路径,得到高分辨率地形DEM数据的全局最短路径。采用本方法能够大大提高待规划区域上指定起始点和目标点之间的最短路径的计算效率。
Description
技术领域
本发明涉及地理信息处理技术领域,尤其涉及一种基于多分辨率的快速地形路径规划并行化方法。
背景技术
随着科学技术的不断进步,路径规划的应用范围逐渐成为众多领域的关键技术,其应用最多的领域有机器人避障行驶、智能交通、物流运输、通信工程、电网工程等。如何满足路程最短、时间最短、费用最少等约束条件的路径规划问题,成为基于栅格地形DEM(Digital Elevation Model,数字高程模型)数据的最短路径的重要研究热点问题。同时,随着时代与技术需求的发展,很多相关求解最短路径问题的加速策略被提了出来,比如启发式策略、压缩搜索空间策略、层次搜索策略等。
DEM在数据采集、采集方法、数据管理、数据传输和数据处理方面均取得了突破性进展。对于原始DEM数据,用户必须经过对其进行分析、挖掘与转化,才能获得所需的地形数据。但是地学分析技术对DEM地形数据处理却相对落后。目前,DEM数据量从小到大,数据分辨率从低到高,数字地形分析条件从简单到复杂,单机系统处理能力不足的问题日益突出,导致处理能力与解决海量数据效率要求之间存在矛盾。为了解决基于大范围高精度地形数据上的最短路径求解效率问题,迫切需要对DEM数据的转化效率与求解算法进行相应的改进。
在传统的路径搜索算法中,A*算法、Dijkstra算法、Fallback算法、Floyd算法都具有很强的路径搜索能力,它们可以在离散的路径拓扑网络中发挥很好地作用,并且广泛用于各个领域。在已知路径信息情况下,解决从指定起始点到目标点的最优路径的路径规划问题,并且上述算法能够很好的适应并找到最优路径。对于栅格地形数据的特征,传统方案是把栅格地形数据通过相关知识进行转化成图模型上的路径求解。
采用DEM的地形表达可以看作是栅格图像。高分辨率的地形数据意味了表示地形的栅格点数很多,对地形的描述更加详细。随着DEM地形的分辨率越来越高,路径规划搜索算法的复杂度呈指数增加。因此,基于高分辨率DEM的地形路径规划是非常耗时的。并行计算技术被广泛应用于解决大规模科学计算问题,可以将问题分解成许多小问题,然后通过多处理器集群或多核处理器同时处理这些小问题,最后进行合并处理得到最终的结果,提高了计算的效率。
发明内容
针对以上问题,本发明提出一种基于多分辨率的快速地形路径规划并行化方法。
为实现本发明的目的,提供一种基于多分辨率的快速地形路径规划并行化方法,包括如下步骤:
S10,获取待规划区域的高分辨率地形DEM数据;
S20,选择格网单元映射模式,根据所述格网单元映射模式构建低分辨率地形DEM数据,并获取所述高分辨率地形DEM数据和所述低分辨率地形DEM数据之间的映射关系;
S30,在所述低分辨率地形DEM数据中获取指定起始点和目标点之间的低分辨率最短路径;
S40,根据所述低分辨率最短路径和所述映射关系在所述高分辨率地形DEM数据中按照并行计算策略分别确定每个相邻格网之间的局部最短路径,依次连接各个局部最短路径,得到高分辨地形DEM数据的全局最短路径。
在一个实施例中,所述网单元映射模式包括下列之一:2×2映射模式、4×4映射模式、3×3映射模式、和5×5映射模式。
在一个实施例中,在所述低分辨率地形DEM数据中获取指定起始点和目标点之间的低分辨率最短路径的过程包括:
选择Dijkstra算法或A*算法在所述低分辨率地形DEM数据中求解指定起始点和目标点之间的低分辨率最短路径。
在一个实施例中,所述根据所述低分辨率最短路径和所述映射关系在所述高分辨率地形DEM数据中按照并行计算策略分别确定每个相邻格网之间的局部最短路径,依次连接各个局部最短路径,得到高分辨地形DEM数据的全局最短路径包括:
根据所述映射关系将所述低分辨率最短路径中的各个路径点分别映射到所述高分辨率地形DEM数据上,得到所述高分辨率地形DEM数据上映射得到的多个格网;
主进程计算每个相邻的格网之间的搜素区域;
主进程分别将相邻格网点作为指定起始点和目标点,以及其搜索区域发送给一个子进程或线程进行局部最短路径计算;
子进程或线程进行最短路径计算,并将结果返回给主进程;
主进程接收子进程或线程的相邻格网之间的局部最短路径,并连接所有局部最短路径,得到最终全局最短路径。
作为一个实施例,确定一个相邻格网之间的局部最短路径包括:
以相邻格网点之间的距离为直径画圆,将所得到的圆内的区域确定为局部路径规划的搜索区域;
选择Dijkstra算法或A*算法在所述搜索区域求解相邻格网之间的局部最短路径。
上述基于多分辨率的快速地形路径规划并行化方法,通过获取待规划区域的高分辨率地形DEM数据,选择格网单元映射模式,根据所述格网单元映射模式构建低分辨率地形DEM数据,并获取所述高分辨率地形DEM数据和所述低分辨率地形DEM数据之间的映射关系,以在所述低分辨率地形DEM数据中获取指定起始点和目标点之间的低分辨率最短路径,根据所述低分辨率最短路径和所述映射关系在所述高分辨率地形DEM数据中采用并行计算策略同时确定每个相邻格网之间的局部最短路径,再依次连接各个局部最短路径,得到全局最短路径,使所得到的全局最短路径为待规划区域上指定起始点和目标点之间的最短路径,提高了待规划区域上指定起始点和目标点之间的最短路径计算的效率,节省了相应的计算时间。
附图说明
图1是一个实施例的基于多分辨率的快速地形路径规划并行化方法流程图;
图2是一个实施例的地形多分辨率层次模型图;
图3是一个实施例的不同分辨率的地形数据构建图;
图4是一个实施例的2×2映射模式下的不同分辨率的地形格网映射关系图;
图5为一个实施例的局部路径规划区域确定图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
参考图1所示,图1为一个实施例的基于多分辨率的快速地形路径规划并行化方法流程图,包括如下步骤:
S10,获取待规划区域的高分辨率地形DEM数据。
S20,选择格网单元映射模式,根据所述格网单元映射模式构建低分辨率地形DEM数据,并获取所述高分辨率地形DEM数据和所述低分辨率地形DEM数据之间的映射关系。
上述待规划区域为需要进行路径规划的区域。上述映射关系可以表征高分辨率地形DEM数据各个点或者格网与低分辨率地形DEM数据之间各个点或者格网之间的对应关系。高分辨率地形DEM数据的分辨率高于低分辨率地形DEM数据的分辨率。
上述两个步骤采用不同分辨率的地形层次模型和格网单元映射,即采用不同分辨率的DEM地形数据模型来表示同一地形区域,建立不同分辨率的地形数据模型。
在一个实施例中,上述网单元映射模式包括下列之一:2×2映射模式、4×4映射模式、3×3映射模式、和5×5映射模式。
S30,在所述低分辨率地形DEM数据中获取指定起始点和目标点之间的低分辨率最短路径。
上述指定起始点和目标点可以分别由用户指定。具体可以根据指定的指定起始点S到目标点D调用一些启发式算法(如A*算法搜索,或者模拟退火算法)求解得到一个最短路径,即低分辨率最短路径,该路径由一系列格网点组成。低分辨率最短路径上的格网点也可以称为路径点。
在一个实施例中,上述在第二地形DEM数据中获取指定起始点和目标点之间的低分辨率最短路径的过程包括:
选择Dijkstra算法或A*算法在所述低分辨率地形DEM数据中求解指定起始点和目标点之间的低分辨率最短路径。
S40,根据所述低分辨率最短路径和所述映射关系在所述高分辨率地形DEM数据中按照并行计算策略分别确定每个相邻格网之间的局部最短路径,依次连接各个局部最短路径,得到高分辨地形DEM数据的全局最短路径。
在一个实施例中,根据所述低分辨率最短路径和所述映射关系在所述高分辨率地形DEM数据中按照并行计算策略分别确定每个相邻格网之间的局部最短路径,依次连接各个局部最短路径,得到高分辨地形DEM数据的全局最短路径包括:
根据所述映射关系将所述低分辨率最短路径中的各个路径点分别映射到所述高分辨率地形DEM数据上,得到所述高分辨率地形DEM数据上映射得到的多个格网;
主进程计算每个相邻的格网之间的搜素区域;
主进程分别将相邻格网点作为指定起始点和目标点,以及其搜索区域发送给一个子进程或线程进行局部最短路径计算;
子进程或线程进行最短路径计算,并将结果返回给主进程;
主进程接收子进程或线程的相邻格网之间的局部最短路径,并连接所有局部最短路径,得到最终全局最短路径。
作为一个实施例,确定一个相邻格网之间的局部最短路径包括:
以相邻格网点之间的距离为直径画圆,将所得到的圆内的区域确定为局部路径规划的搜索区域;
选择Dijkstra算法或A*算法在所述搜索区域求解相邻格网之间的局部最短路径。
上述步骤S40可以重复执行本实施例提供的确定一个相邻格网之间的局部最短路径的过程,以准确确定每个相邻格网之间的局部最短路径。具体地,由于低分辨率地形上的一个格网对应高分辨率地形上多个格网,因此要对低分辨率地形DEM数据所规划的每个路径格网(路径点)映射到高分辨率地形DEM数据上合适的格网。一旦确定了高分辨率地形DEM数据上对应的格网,就可以在高分辨率地形DEM数据上进行由低分辨率得到的最短路径上相邻格网点之间的细粒度路径规划。相邻格网点之间的路径规划分过程可以包括:
第一步是确定相邻格网点之间的搜索区域;第二步是在搜索区域上求解该相邻格网点之间的最短路径。这个过程可以通过并行计算策略实现。具体如下:
(1)主进程计算每个相邻的格网之间的搜素区域;
(2)主进程分别将相邻格网点作为指定起始点和目标点,以及其搜索区域发送给一个子进程或线程进行局部最短路径计算;
(3)子进程或线程进行最短路径计算,并将结果返回给主进程;
(4)主进程接收子进程或线程的相邻格网之间的局部最短路径,并连接所有局部最短路径,得到最终全局最短路径。
要得到最优的路径,我们希望得到相邻格网之间的最大规划区域,以增加搜索范围,在一个示例中,上述确定相邻格网之间的搜索区域的过程可以包括:
以相邻格网之间的距离为直径画圆,圆内及圆周上的格网组成的区域为局部路径规划的搜索区域。
上述全局最短路径即为待规划区域上指定起始点和目标点之间的最短路径,其有效降低了获取待规划区域上指定起始点和目标点之间的最短路径的复杂度,可以节省待规划区域上全局最短路径的获取时间。
上述基于多分辨率的快速地形路径规划并行化方法,通过获取待规划区域的高分辨率地形DEM数据,选择格网单元映射模式,根据所述格网单元映射模式构建低分辨率地形DEM数据,并获取所述高分辨率地形DEM数据和所述低分辨率地形DEM数据之间的映射关系,以在所述低分辨率地形DEM数据中获取指定起始点和目标点之间的低分辨率最短路径,根据所述低分辨率最短路径和所述映射关系在所述高分辨率地形DEM数据中采用并行计算策略同时确定每个相邻格网之间的局部最短路径,再依次连接各个局部最短路径,得到全局最短路径,使所得到的全局最短路径为待规划区域上指定起始点和目标点之间的最短路径,降低了待规划区域上指定起始点和目标点之间的最短路径的获取复杂度,节省了相应的获取时间。
在一个实施例中,上述基于多分辨率的快速地形路径规划并行化方法采用不同分辨率的DEM地形数据模型来表示同一地形区域(待规划区域),建立不同分辨率的的地形数据模型,上述不同分辨率的的地形数据模型可以参考图2所示。图2中,对于同一地形区域的表示,从底层到顶层,栅格地形数据对应的分辨率越来越低。首先,对于同一个地形区域,提供多个分辨率的地形描述数据。把高分辨率地形数据作为低分辨率地形表示,即设定为第0层,并建立相应的DEM格网。接着,建立该区域较低分辨率的地形DEM数据,作为第1层的地形表示。不同层之间的格网存在对应的映射关系。
例如,以生成同一个区域两种分辨率的DEM数据模型为例,可以基于层次模型获取同一个区域两种分辨率的DEM数据模型,分别记为低分辨DEM地形数据模型和高分辨率DEM地形数据模型。这两种地形模型映射关系可以选取2×2、3×3、4×4、5×5映射模式等。由2×2构建的两种分辨率的地形尺度比为1:4,由3×3构建的地形尺度比为1:9,由4×4构建的地形尺度比为1:16,由5×5构建的地形尺度比为1:25。
使用同样的方法,生成第2层地形数据。如此下去,直到第N-1层,以此构成面向同一区域的多分辨率的DEM数据模型。我们以2×2映射模式来介绍如何构建不同分辨率的地形数据模型。在图3(a)中,第2层用2×2的描述了地形区域的格网信息。其下一层(第1层)用2×2的映射模式描述上一层每个格网的细分情况,如图3(b)。其中,第2层中标号0的格网由第1层中的00、01、02、03四个格网表示。同理,第0层用2×2的格网来描述上一层(第1层)每个格网的细分情况,如图3(b)-(c),第1层中的格网00由第0层的000、001、002、003四个格网表示。这样我们就构建了多种描述同一地形区域的DEM数据模型,它们的地形尺度比可以为1:4。
在一个示例中,在低分辨率地形上的粗路径规划(即在所述低分辨率地形DEM数据中获取指定起始点和目标点之间的低分辨率最短路径)的过程可以包括:
当给定一个低分辨率的DEM地形数据,根据指定的指定起始点S到目标点D调用一些启发式算法如A*算法搜索,或者模拟退火算法求解得到一个最短路径,该路径由一系列格网点组成。
进一步地,由于低分辨率地形上的一个格网对应高分辨率上多个格网,因此要对低分辨率所规划的每个路径格网映射到高分辨率地形上合适的格网。比如,对于2×2映射模式,格网映射关系如图4所示。图4(a)是低分辨率中的路径规划的格网序列,起始格网是0,目的地格网是3,规划路线的格网序列是0-2-3。映射到对应的上一级分辨率的格网如图4(b)所示。图4(a)的起始格网0与图4(b)中起始格网00、01、02和03对应,由于它们是起始格网,图4(a)的起始格网0与图4(b)中起始格网00对应。同理,图4(a)的目的地格网3与图4(b)中目标格网33对应。对于图4(a)的格网2,由于其不在格网中心上,其在图4(b)中格网映射关系可以依据下面的规则确定:
(1)如果是沿X轴方向的路线段,取向右偏移到对应的格网;
(2)如果是沿Y轴方向的路线段,取向下偏移到对应的格网单;
(3)如果是非X轴和Y轴方向的路线段,取路线段与之相交的格网;
(3)如果是起始格网,可以直接映射到对应的起始格网;
(4)如果是目的地格网,可以直接映射到对应的目的地格网。
基于上述的规则,图4(a)的格网2可以映射到图4(b)中的格网23。
在一个示例中,对于3×3映射模式,其低分辨率的格网正好对应高分辨率的中心格网11。因为它们之间的格网映射关系存在直接的对应关系,所以可以直接映射到对应的格网。起始格网和目的地格网可以直接对应。
进一步地,一旦确定了高分辨率上对应的格网,我们就可以在高分辨率DEM数据模型上进行由低分辨率得到的最短路径上相邻格网点之间的细粒度路径规划。相邻格网点之间的路径规划分两个具体步骤,第一步是确定相邻格网点之间的搜索区域;第二步是在搜索区域上求解该相邻格网点之间的最短路径。这个过程循环进行直到低分辨率上的所有格网点遍历完毕。
在一个示例中,要得到最优的路径,得到相邻格网之间的最大规划区域,以增加搜索范围。可以以相邻格网之间的距离为直径画圆,圆内及圆周上的格网组成的区域为局部路径规划的搜索区域。如图5所示,格网单元00和23是粗粒度路径上的相邻格网,以它们为直径绘制圆区域(含边界)所包含的所有格网就是待求路径的搜索区域。这里的搜索区域的格网单元包括格网00,01,10,02,03,12,20,21,30,22,23和32。
具体地,可以采用Dijsktra或A*算法在确定的搜索区域上进行最短路径求解,指定起始点和目的地就是相邻的两个格网。
本实施例的有益效果包括:
1)提出的快速地形最短路径规划并行化方法,首先在低分辨率的地形上规划最短路径,并将该路径点序列映射到高分辨率的地形格网上,然后对各个相邻格网之间采用并行计算策略同时进行路径规划,从而大大提高路径规划的效率。
2)提出的高低分辨率之间的地形格网映射方法,依据粗粒度路径的方位将低分辨率的格网单元映射到高分辨率对应的格网。
本申请实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种基于多分辨率的快速地形路径规划并行化方法,其特征在于,包括如下步骤:
S10,获取待规划区域的高分辨率地形DEM数据;
S20,选择格网单元映射模式,根据所述格网单元映射模式构建低分辨率地形DEM数据,并获取所述高分辨率地形DEM数据和所述低分辨率地形DEM数据之间的映射关系;
S30,在所述低分辨率地形DEM数据中获取指定起始点和目标点之间的低分辨率最短路径;
S40,根据所述低分辨率最短路径和所述映射关系在所述高分辨率地形DEM数据中按照并行计算策略分别确定每个相邻格网之间的局部最短路径,依次连接各个局部最短路径,得到高分辨地形DEM数据的全局最短路径,包括:
根据所述映射关系将所述低分辨率最短路径中的各个路径点分别映射到所述高分辨率地形DEM数据上,得到所述高分辨率地形DEM数据上映射得到的多个格网;
主进程计算每个相邻的格网之间的搜素区域;
主进程分别将相邻格网点作为指定起始点和目标点,以及其搜索区域发送给一个子进程或线程进行局部最短路径计算;
子进程或线程进行最短路径计算,并将结果返回给主进程;
主进程接收子进程或线程的相邻格网之间的局部最短路径,并连接所有局部最短路径,得到最终全局最短路径。
2.根据权利要求1所述的基于多分辨率的快速地形路径规划并行化方法,其特征在于,所述网单元映射模式包括下列之一:2×2映射模式、4×4映射模式、3×3映射模式、和5×5映射模式。
3.根据权利要求1所述的基于多分辨率的快速地形路径规划并行化方法,其特征在于,所述在所述低分辨率地形DEM数据中获取指定起始点和目标点之间的低分辨率最短路径包括:
选择Dijkstra算法或A*算法在所述低分辨率地形DEM数据中求解指定起始点和目标点之间的低分辨率最短路径。
4.根据权利要求1所述的基于多分辨率的快速地形路径规划并行化方法,其特征在于,确定一个相邻格网之间的局部最短路径包括:
以相邻格网点之间的距离为直径画圆,将所得到的圆内的区域确定为局部路径规划的搜索区域;
选择Dijkstra算法或A*算法在所述搜索区域求解相邻格网之间的局部最短路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910874632.3A CN110672100B (zh) | 2019-09-17 | 2019-09-17 | 基于多分辨率的快速地形路径规划并行化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910874632.3A CN110672100B (zh) | 2019-09-17 | 2019-09-17 | 基于多分辨率的快速地形路径规划并行化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110672100A CN110672100A (zh) | 2020-01-10 |
CN110672100B true CN110672100B (zh) | 2022-10-04 |
Family
ID=69077107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910874632.3A Active CN110672100B (zh) | 2019-09-17 | 2019-09-17 | 基于多分辨率的快速地形路径规划并行化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110672100B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112762958A (zh) * | 2020-12-29 | 2021-05-07 | 北京鸿享技术服务有限公司 | 路线规划方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573140A (zh) * | 2013-10-09 | 2015-04-29 | 北京军区军事训练模拟仿真研发服务中心 | 一种应用于虚拟仿真的分层动态路径规划方法 |
CN106095773A (zh) * | 2016-05-19 | 2016-11-09 | 西安电子科技大学 | 基于最短联合路径的深度图上采样方法 |
CN109945873A (zh) * | 2019-04-04 | 2019-06-28 | 东南大学 | 一种用于室内移动机器人运动控制的混合路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8374792B2 (en) * | 2010-07-30 | 2013-02-12 | Primordial Inc. | System and method for multi-resolution routing |
-
2019
- 2019-09-17 CN CN201910874632.3A patent/CN110672100B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573140A (zh) * | 2013-10-09 | 2015-04-29 | 北京军区军事训练模拟仿真研发服务中心 | 一种应用于虚拟仿真的分层动态路径规划方法 |
CN106095773A (zh) * | 2016-05-19 | 2016-11-09 | 西安电子科技大学 | 基于最短联合路径的深度图上采样方法 |
CN109945873A (zh) * | 2019-04-04 | 2019-06-28 | 东南大学 | 一种用于室内移动机器人运动控制的混合路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110672100A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu | Rectilinear shortest paths and minimum spanning trees in the presence of rectilinear obstacles | |
CN107389079B (zh) | 高精度路径规划方法和系统 | |
CN110502006A (zh) | 一种矿区废弃地移动机器人全覆盖路径规划方法 | |
CN106525047A (zh) | 一种基于floyd算法的无人机路径规划方法 | |
CN107092978B (zh) | 一种面向虚拟地球的最短路径分层规划方法 | |
CN111047087A (zh) | 无人机与车辆协同下路径的智能优化方法和装置 | |
CN102890703A (zh) | 一种网络异质多维标度方法 | |
CN110672100B (zh) | 基于多分辨率的快速地形路径规划并行化方法 | |
CN110334164A (zh) | 一种生态空间数据的融合方法 | |
Lu et al. | A beamlet-based graph structure for path planning using multiscale information | |
CN113722553B (zh) | 一种物流路径搜索方法 | |
Li et al. | Effective rural electrification via optimal network: Optimal path-finding in highly anisotropic search space using multiplier-accelerated A* algorithm | |
CN110084865A (zh) | 一种离散点分级加权拟合规则格网的方法 | |
CN105096589A (zh) | 一种选取交通道路中代表性节点的方法、系统及客户端 | |
CN112013757B (zh) | 一种高精度农机作业面积计算方法、装置及电子设备 | |
CN113256011A (zh) | 基于gis多目标动态规划技术的输电线路智能选线方法 | |
CN110991562B (zh) | 一种基于物种构成特征的动物类群地理区划方法 | |
CN114442642B (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
CN116307328A (zh) | 一种旅行商问题的贪婪求解方法 | |
Lu et al. | Agent-based self-organized constructive heuristics for travelling salesman problem | |
CN115730519A (zh) | 一种基于时空势能场的城市人群流动预测系统及其方法 | |
Loukil et al. | Parallel hybrid genetic algorithms for solving Q3AP on computational grid | |
Tang et al. | A fast shortest path method based on multi-resolution raster model | |
Soderlund et al. | Rapid clustering for optimal sensor selection in heterogeneous wireless sensor networks | |
CN115617034A (zh) | 多智能体的环境探索方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |