CN111249735A - 控制对象的路径规划方法、装置、处理器及电子装置 - Google Patents

Abstract

本发明公开了一种控制对象的路径规划方法、装置、处理器及电子装置。该方法包括：获取当前应用场景的移动区域内的阻挡信息和路况变化信息，其中，阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域，路况变化信息用于调整控制对象在移动区域内的行进方向；基于阻挡信息、路况变化信息、控制对象的当前位置以及控制对象的目标位置进行路径规划。本发明解决了相关技术中所提供的路径规划方式通常仅考虑出发点到目标点之间的最短路径长度，易导致规划的路径无法正常通行或者存在较大的通行风险的技术问题。

Description

控制对象的路径规划方法、装置、处理器及电子装置

技术领域

本发明涉及计算机领域，具体而言，涉及一种控制对象的路径规划方法、装置、处理器及电子装置。

背景技术

人工智能(Artificial Intelligence，简称为AI)是各种应用场景(例如：游戏应用)的重要组成部分。以游戏应用为例，在与AI控制的虚拟游戏角色对抗的游戏玩法中，AI控制的虚拟游戏角色的仿真度在很大程度上决定了游戏的可玩性。移动是虚拟游戏角色最基本的动作指令，AI控制的虚拟游戏角色的移动操作水平将会直接影响AI控制的虚拟游戏角色的仿真度，而移动操作水平的高低也会直接体现在路径规划方法的智能程度上。

通常情况下，连接起点位置和终点位置的序列点或曲线被称为路径，而构成路径的策略被称为路径规划。游戏玩家在控制虚拟游戏角色移动过程中，通常不会选用固定的路径进行移动，并且也不一定是最短路径，而是综合考虑游戏内局势后作出的路径规划。如果希望虚拟游戏角色的路径规划显得更加智能化，则需要将局势判断考虑在内，而目前常用的路径规划算法均无法满足对AI控制的虚拟游戏角色的仿真度需求。

相关技术中，AI控制的虚拟游戏角色移动通常是以寻路算法的方式加以实现，而常用的寻路算法可以包括但不限于：基于标定路径点的算法，最短路径算法及其变种算法。

在基于标定路径点的算法中，基于标定路径点的寻路方法十分简单，即控制虚拟游戏角色按照预先标定的路径点序列进行移动。例如：对于路径点序列(a,b,c,d)而言，包含有4个路径点，其中，a为出发点，d为目标点；虚拟游戏角色从a点出发，先移动到b点，在移动至b点后下一个目标是c点，最后从c点移动至d点。该方法通常应用在智能度较低或者强制移动在特殊路径的虚拟游戏角色上。

由此可见，该方式的明显缺陷在于：其一、开发效率较低，其原因在于：每个路径点序列都需要采用人工方式进行设计；其二、移动路径过于固定，故而只能适用于智能度较低的虚拟游戏角色。

最短路径算法及其变种算法则是应用十分广泛寻路算法。常见的最短路径算法可以包括：Dijkstra算法、Floyd算法、Bellman-Ford算法。这三种算法求出的路径是最短路径；另外，还有一种十分常用、但是求出的路径是接近于最短路径的算法为A-star算法。A-star算法是求解最短路径的诸多算法中最为有效的直接搜索方法，常用于二维地图路径规划。该算法所采用的启发式搜索可以利用实际问题所具备的启发式信息来指导搜索，从而减少搜索范围。

然而，最短路径算法及其变种算法虽然较为通用而且应用广泛，但是同样存在明显的缺陷：由于最短路径算法所包含的场景语义要求从出发点到目标点之间的路径长度最小化，然而，在实际游戏场景中，从出发点到目标点之间的最短路径上很可能被阻挡物(例如：墙体、山体)所阻挡或者从出发点到目标点之间的最短路径需要通过敌方阵营占领区，因此，从出发点到目标点之间的最短路径并非最佳路径选择。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明至少部分实施例提供了一种控制对象的路径规划方法、装置、处理器及电子装置，以至少解决相关技术中所提供的路径规划方式通常仅考虑出发点到目标点之间的最短路径长度，易导致规划的路径无法正常通行或者存在较大的通行风险的技术问题。

根据本发明其中一实施例，提供了一种控制对象的路径规划方法，包括：

获取当前应用场景的移动区域内的阻挡信息和路况变化信息，其中，阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域，路况变化信息用于调整控制对象在移动区域内的行进方向；基于阻挡信息、路况变化信息、控制对象的当前位置以及控制对象的目标位置进行路径规划。

可选地，获取路况变化信息包括：对移动区域进行网格划分，得到多个网格；获取多个网格中每个网格内的第一参数信息和第二参数信息，其中，第一参数信息为多个网格中的全部障碍单位中每个障碍单位的属性信息，第二参数信息为全部障碍单位中每个障碍单位与网格中心位置之间的距离负相关关系；采用第一参数信息和第二参数信息实时计算每个网格的路况变化数据；统计每个网格的路况变化数据，得到路况变化信息。

可选地，基于阻挡信息、路况变化信息、当前位置以及目标位置进行路径规划包括：对阻挡信息和路况变化信息进行汇总处理，确定备选路线信息；采用备选路线信息、当前位置以及目标位置进行路径规划。

可选地，对阻挡信息和路况变化信息进行汇总处理，确定备选路线信息包括：对阻挡信息和路况变化信息进行汇总处理，得到汇总结果；按照汇总结果将移动区域内的无负面影响且无阻挡的区域设置为第一数值，将移动区域内的有负面影响且无阻挡的区域设置为第二数值，以及将移动区域内的有阻挡的区域设置为第三数值；基于第一数值、第二数值和第三数值确定备选路线信息。

可选地，采用备选路线信息、当前位置以及目标位置进行路径规划包括：将备选路线信息、当前位置以及目标位置设置为预设带权重最短路径算法的输入参数，在当前位置与目标位置之间生成总权重最小的路径。

根据本发明其中一实施例，还提供了一种控制对象的路径规划装置，包括：

获取模块，用于获取当前应用场景的移动区域内的阻挡信息和路况变化信息，其中，阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域，路况变化信息用于调整控制对象在移动区域内的行进方向；规划模块，用于基于阻挡信息、路况变化信息、控制对象的当前位置以及控制对象的目标位置进行路径规划。

可选地，获取模块包括：划分单元，用于对移动区域进行网格划分，得到多个网格；获取单元，用于获取多个网格中每个网格内的第一参数信息和第二参数信息，其中，第一参数信息为多个网格中的全部障碍单位中每个障碍单位的属性信息，第二参数信息为全部障碍单位中每个障碍单位与网格中心位置之间的距离关系；计算单元，用于采用第一参数信息和第二参数信息实时计算每个网格的路况变化数据；统计单元，用于统计每个网格的路况变化数据，得到路况变化信息。

可选地，规划模块包括：确定单元，用于对阻挡信息和路况变化信息进行汇总处理，确定备选路线信息；规划单元，用于采用备选路线信息、当前位置以及目标位置进行路径规划。

可选地，确定单元包括：汇总子单元，用于对阻挡信息和路况变化信息进行汇总处理，得到汇总结果；设置子单元，用于按照汇总结果将移动区域内的无负面影响且无阻挡的区域设置为第一数值，将移动区域内的有负面影响且无阻挡的区域设置为第二数值，以及将移动区域内的有阻挡的区域设置为第三数值；确定子单元，用于基于第一数值、第二数值和第三数值确定备选路线信息。

可选地，规划单元，用于将备选路线信息、当前位置以及目标位置设置为预设带权重最短路径算法的输入参数，在当前位置与目标位置之间生成总权重最小的路径。

根据本发明其中一实施例，还提供了一种存储介质，存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述任一项中的控制对象的路径规划方法。

根据本发明其中一实施例，还提供了一种处理器，处理器用于运行程序，其中，程序被设置为运行时执行上述任一项中的控制对象的路径规划方法。

根据本发明其中一实施例，还提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项中的控制对象的路径规划方法。

在本发明至少部分实施例中，采用获取当前应用场景的移动区域内的阻挡信息和路况变化信息，该阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域，路况变化信息用于调整控制对象在移动区域内的行进方向的方式，通过阻挡信息、路况变化信息、控制对象的当前位置以及控制对象的目标位置进行路径规划，达到了通过分析当前应用场景的移动区域内的阻挡信息和路况变化信息，为AI控制对象提供自适应阻挡信息和路况变化信息的路径规划的目的，从而实现了提升AI控制对象在寻路移动表现方面的智能化程度，增强AI控制对象的可操作性的技术效果，进而解决了相关技术中所提供的路径规划方式通常仅考虑出发点到目标点之间的最短路径长度，易导致规划的路径无法正常通行或者存在较大的通行风险的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明其中一实施例的控制对象的路径规划方法的流程图；

图2是根据本发明其中一可选实施例的基于局势阻挡图的路径规划示意图；

图3是根据本发明其中一可选实施例的静态的原始阻挡图的局部示意图；

图4是根据本发明其中一可选实施例的自适应局势阻挡图的示意图；

图5是根据本发明其中一实施例的控制对象的路径规划装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明其中一实施例，提供了一种控制对象的路径规划方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

该方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，移动终端可以包括一个或多个处理器(处理器可以包括但不限于中央处理器(CPU)、图形处理器(GPU)、数字信号处理(DSP)芯片、微处理器(MCU)或可编程逻辑器件(FPGA)等的处理装置)和用于存储数据的存储器。可选地，上述移动终端还可以包括用于通信功能的传输设备、输入输出设备以及显示设备。本领域普通技术人员可以理解，上述结构描述仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比上述结构描述更多或者更少的组件，或者具有与上述结构描述不同的配置。

存储器可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的控制对象的路径规划方法对应的计算机程序，处理器通过运行存储在存储器内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的控制对象的路径规划方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输设备用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

显示设备可以例如触摸屏式的液晶显示器(LCD)和触摸显示器(也被称为“触摸屏”或“触摸显示屏”)。该液晶显示器可使得用户能够与移动终端的用户界面进行交互。在一些实施例中，上述移动终端具有图形用户界面(GUI)，用户可以通过触摸触敏表面上的手指接触和/或手势来与GUI进行人机交互，此处的人机交互功能可选的包括如下交互：创建网页、绘图、文字处理、制作电子文档、游戏、视频会议、即时通信、收发电子邮件、通话界面、播放数字视频、播放数字音乐和/或网络浏览等、用于执行上述人机交互功能的可执行指令被配置/存储在一个或多个处理器可执行的计算机程序产品或可读存储介质中。

在本实施例中提供了一种运行于上述移动终端的控制对象的路径规划方法。图1是根据本发明其中一实施例的控制对象的路径规划方法的流程图，如图1所示，该方法包括如下步骤：

步骤S12，获取当前应用场景的移动区域内的阻挡信息和路况变化信息，其中，阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域，路况变化信息用于调整控制对象在移动区域内的行进方向；

步骤S14，基于阻挡信息、路况变化信息、控制对象的当前位置以及控制对象的目标位置进行路径规划。

通过上述步骤，可以采用获取当前应用场景的移动区域内的阻挡信息和路况变化信息，该阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域，路况变化信息用于调整控制对象在移动区域内的行进方向的方式，通过阻挡信息、路况变化信息、控制对象的当前位置以及控制对象的目标位置进行路径规划，达到了通过分析当前应用场景的移动区域内的阻挡信息和路况变化信息，为AI控制对象提供自适应阻挡信息和路况变化信息的路径规划的目的，从而实现了提升AI控制对象在寻路移动表现方面的智能化程度，增强AI控制对象的可操作性的技术效果，进而解决了相关技术中所提供的路径规划方式通常仅考虑出发点到目标点之间的最短路径长度，易导致规划的路径无法正常通行或者存在较大的通行风险的技术问题。

在不同应用场景下可以分别对应不同的控制对象和移动区域。例如：在游戏场景下，上述控制对象为AI控制的虚拟游戏角色，上述移动区域为游戏地图上的可移动区域；在智能家居场景下，上述控制对象为AI控制的扫地机器人，上述移动区域为室内地面。上述阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域。这部分区域为禁止通行区域。例如：墙体、悬崖。上述路况变化信息用于调整控制对象在移动区域内的行进方向。该路况变化信息会受到多种因素影响。例如：在游戏场景中，如果AI控制的虚拟游戏角色的当前行进路线需要通过敌方阵营占领区或者敌方阵营处于优势区域，则这部分区域虽然可以通行，但是存在较高通行风险。

下面将以游戏应用为例对路径规划过程进行说明。在游戏场景内的战斗过程中通常需要为虚拟游戏角色购买游戏装备。游戏玩家所操控的虚拟游戏角色通常被分配至两个敌对阵营。这两个敌对阵营在分散的游戏地图内互相竞争。此外，游戏地图内除了敌对双方选择的虚拟游戏角色之外，还有小兵、防御塔、野怪等非玩家操控的游戏单位。每个游戏玩家通过控制的我方虚拟游戏角色在游戏地图内击杀敌方虚拟游戏角色或中立方游戏单位以获取游戏资源。最终，一方阵营的虚拟游戏角色通过摧毁敌方阵营的游戏基地来获取最终胜利。

图2是根据本发明其中一可选实施例的基于局势阻挡图的路径规划示意图，如图2所示，如果第一阵营中AI控制的虚拟游戏角色需要从出发点移动到目标点，则需要在局势相对安全区域(即第一阵营控制的区域)内规划移动路径，然后在此前提下确定相对最短路径，而并非直接寻找最短路径，其原因在于：直接寻找最短路径会导致第一阵营中AI控制的虚拟游戏角色经过第二阵营具有明显优势的区域，进而造成第一阵营中AI控制的虚拟游戏角色存在较高被击杀的风险。

由此可见，在路径规划过程中，场景语义需要兼顾考虑场景的局势，并且将局势因素(相当于上述路况变化信息)加入到路径规划中，例如：尽量在相对安全的区域保持移动而避开危险区域。由此导致虚拟游戏角色实际移动路径很有可能并非是出发点到目标点之间的最短路径。因此，需要通过分析场景局势的语义信息，为AI控制的虚拟游戏角色提供自适应局势的路径规划，从而提升AI控制的虚拟游戏角色在寻路移动表现方面的智能化程度，增强与AI控制的虚拟游戏角色的对抗类游戏玩法的可操作性。在一个可选实施例中，需要同时考虑游戏场景局势和移动路径最短两个要素，即需要提供兼顾游戏场景局势的相对最短寻路方法。具体地，首先对游戏场景进行网格化处理，以单个网格为单位对每个网格上综合的局势优劣程度进行量化，得到网格图(在本发明实施例中又称局势图)，其中，对不同阵营的单位以合适的评估公式计算其战力以及战力影响范围。其次将局势图中的局势信息添加到阻挡图中，以构成自适应局势阻挡图，其中，自适应局势阻挡图对局势信息和阻挡信息进行同一维度的度量。然后再结合自适应局势阻挡图、AI控制的虚拟游戏角色当前所在位置、目标位置这三个要素，规划出符合安全条件下的相对最短的路径。

可选地，在步骤S12中，获取路况变化信息可以包括以下执行步骤：

步骤S121，对移动区域进行网格划分，得到多个网格；

步骤S122，获取多个网格中每个网格内的第一参数信息和第二参数信息，其中，第一参数信息为多个网格中的全部障碍单位中每个障碍单位的属性信息，第二参数信息为全部障碍单位中每个障碍单位与网格中心位置之间的距离关系；

步骤S123，采用第一参数信息和第二参数信息实时计算每个网格的路况变化数据；

步骤S124，统计每个网格的路况变化数据，得到路况变化信息。

在一个可选实施例中，上述路况变化信息可以为游戏场景中使用的局势图。局势图表示对战双方对游戏地图的掌控情况。换言之，局势图即为每个阵营的势力范围图，我方阵营的虚拟游戏角色越深入敌方势力范围则越危险，同理敌方阵营的虚拟游戏角色越深入我方势力范围也会越危险。而局势图与游戏地图中双方阵营的虚拟游戏角色的位置及其战斗力强相关。

将整个地图划分为I×J(I和J的取值无具体限制，需要根据游戏特点集合算法效率进行综合考虑来确定具体取值)个网格，对于每个网格的局势值可以采用如下公式进行计算：

其中，A(i,j)表示坐标为(i,j)的网格所对应阵营的局势值。k表示第k个游戏单位，其类型可以包括但不限于：英雄类型、防御塔类型、小兵类型、野怪类型。S(k)(相当于上述第一参数信息)表示I×J个网格中全部游戏单位k(相当于上述障碍单位)的战斗力(相当于上述属性信息)，S(k)的取值可以根据游戏单位的攻击力、防御力、血量等属性进行综合评估。D(k,i,j)(相当于上述第二参数信息)表示每个游戏单位k与坐标为(i,j)的网格中心之间距离的负相关函数。即两者之间的距离越大，D(k,i,j)的取值越小，具体形式可以根据实际需求自定义。

需要说明的是，S(k)的取值需要区分阵营。本发明至少部分实施例不仅限于游戏应用中存在两个敌对阵营，还可以应用于多方阵营的虚拟游戏角色混战。在计算特定一方阵营的局势图时，只需要将本方阵营游戏单位的战斗力设置为正值，而将其余N-1方阵营游戏单位的战斗力均设置为负值。当然，如果游戏场景中只存在两个敌对阵营，那么将无需再次计算除第一阵营之外的其它阵营局势图，而只需要对第一阵营局势图中每个网格的局势值取负号即可。

可选地，在步骤S14中，基于阻挡信息、路况变化信息、当前位置以及目标位置进行路径规划可以包括以下执行步骤：

步骤S141，对阻挡信息和路况变化信息进行汇总处理，确定备选路线信息；

步骤S142，采用备选路线信息、当前位置以及目标位置进行路径规划。

将计算得到的局势图加入到静态的原始阻挡图(即游戏中阻挡物覆盖的区域，相当于上述阻挡信息)中，可以生成自适应局势阻挡图(相当于上述备选路线信息)。然后采用自适应局势阻挡图当前位置以及目标位置便可以进行路径规划。

图3是根据本发明其中一可选实施例的静态的原始阻挡图的局部示意图，如图3所示，在该原始阻挡图中，0表示可行走的区域，1表示有阻挡的区域(例如：游戏场景中的墙体)。

可选地，在步骤S141中，对阻挡信息和路况变化信息进行汇总处理，确定备选路线信息可以包括但不限于：

步骤S1411，对阻挡信息和路况变化信息进行汇总处理，得到汇总结果；

步骤S1412，按照汇总结果将移动区域内的无负面影响且无阻挡的区域设置为第一数值，将移动区域内的有负面影响且无阻挡的区域设置为第二数值，以及将移动区域内的有阻挡的区域设置为第三数值；

步骤S1413，基于第一数值、第二数值和第三数值确定备选路线信息。

将局势图通过施加惩罚值(其作用在于减少寻路算法通过敌方阵营控制区域的可能性)的方式加入到原始阻挡图中，以便根据局势图和阻挡图执行如下操作：

(1)对于非阻挡区域(相当于上述无负面影响且无阻挡的区域)而言，并且在局势图中属于我方阵营占据优势的点，即局势图中取值为正值的点，则取值依旧保持为0(相当于上述第一数值)；

(2)对于非阻挡区域而言，并且在局势图中属于我方阵营处于劣势的点，即局势图中取值为负值的点(相当于上述负面影响且无阻挡的区域)，则需要进一步根据劣势程度赋予对应的惩罚值(相当于上述第二数值)，即劣势程度越高，惩罚值随之越高。具体量化方式可以根据实际需要自定义：如果更强调路径安全性时，则需要调整惩罚值随着劣势程度变化而大幅变化；如果更强调最短路径，则需要减小惩罚值与劣势程度的正相关性。需要说明的是，局势的量化惩罚值远小于阻挡的惩罚值；

(3)对于阻挡区域而言，即在原始阻挡图中取值为1的点(相当于上述有阻挡的区域)，其惩罚值可以设置为一个无穷大值或者一个相对较大的值(相当于上述第三数值)，例如：99999。

图4是根据本发明其中一可选实施例的自适应局势阻挡图的示意图，如图4所示，X是阻挡点，0为安全点，大于0的点为存在威胁的点，当路径规划经过这些点时会产生较大的惩罚。通过调用函数mapper.IsObstacle(x,z)便可以获取坐标为(x,z)的点是否为阻挡点。图中采用X表示的点都是通过离散采样的方式调用上述函数获取到的阻挡点。最后，在将局势信息通过施加惩罚值的方式加入到原始阻挡图后，生成自适应局势阻挡图。

需要说明的是，在更强调路径安全的应用场景下，只需要调整局势的惩罚量化公式，以增大惩罚值随着劣势程度变化而变化的幅度。在更强调最短路径的应用场景下，只需要调整局势的惩罚量化公式，以减少惩罚值随着劣势程度变化而变化的幅度。

可选地，在步骤S142中，采用备选路线信息、当前位置以及目标位置进行路径规划可以包括以下执行步骤：

步骤S1421，将备选路线信息、当前位置以及目标位置设置为预设带权重最短路径算法的输入参数，在当前位置与目标位置之间生成总权重最小的路径。

在得到自适应局势阻挡图之后，可以采用带权重最短路径算法，例如：迪杰斯特拉算法(Dijkstra算法)或者贝尔曼-福特算法(Bellman-Ford算法)，从自适应局势阻挡图中的出发点到目标点之间选择一条总权重最小的路径，即为最终的自适应局势路径。

通过本发明提供的上述实施例，可以有效地将实际游戏玩家的博弈思想赋予AI控制的虚拟游戏角色，使其能够根据游戏场景局势采取合理的路径规划，从而更加智能化；在满足自适应局势的路径规划需求的同时，避免复杂的规则制定、大量代码的编写以及后期维护等繁琐人工操作，进而节约人力、物力和财力资源；此外，上述路径规划方式具有调试直观、可扩展性强等优势，基于在计算过程中需要生成局势图和自适应局势阻挡图，这意味着整个实施过程支持可视化显示中间计算结果，从而便于调试。

另外，本发明至少部分实施例还可以应用于非游戏应用，例如：机器人路径规划，只需要对路面状况较差的区域赋予较高的惩罚值，便可以直接应用本发明实施例提供的自适应阻挡信息和路况变化信息的路径规划方法来解决机器人规避不良路况的问题。

具体地，针对路面状况而言，如果路面上存在超大块石头，那么这个采样点即为纯阻挡点，其惩罚值可以设置为9999并标记为X。如果路面上存在较小块石头颗粒，则可以赋予一个较高的惩罚值，例如：10。如果路面上存在一层沙粒，即路面状况稍差，则可以赋予一个较低的惩罚值，例如：1。如果路面状况良好，则可以直接赋值为0。另外，针对自适应局势阻挡图而言，可以对整块地图进行离散采样处理，便可以得到上述备选路线信息。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

在本实施例中还提供了一种控制对象的路径规划装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图5是根据本发明其中一实施例的控制对象的路径规划装置的结构框图，如图5所示，该装置包括：获取模块10，用于获取当前应用场景的移动区域内的阻挡信息和路况变化信息，其中，阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域，路况变化信息用于调整控制对象在移动区域内的行进方向；规划模块20，用于基于阻挡信息、路况变化信息、控制对象的当前位置以及控制对象的目标位置进行路径规划。

可选地，获取模块10包括：划分单元(图中未示出)，用于对移动区域进行网格划分，得到多个网格；获取单元(图中未示出)，用于获取多个网格中每个网格内的第一参数信息和第二参数信息，其中，第一参数信息为多个网格中的全部障碍单位中每个障碍单位的属性信息，第二参数信息为全部障碍单位中每个障碍单位与网格中心位置之间的距离关系；计算单元(图中未示出)，用于采用第一参数信息和第二参数信息实时计算每个网格的路况变化数据；统计单元(图中未示出)，用于统计每个网格的路况变化数据，得到路况变化信息。

可选地，规划模块20包括：确定单元(图中未示出)，用于对阻挡信息和路况变化信息进行汇总处理，确定备选路线信息；规划单元(图中未示出)，用于采用备选路线信息、当前位置以及目标位置进行路径规划。

可选地，确定单元(图中未示出)包括：汇总子单元(图中未示出)，用于对阻挡信息和路况变化信息进行汇总处理，得到汇总结果；设置子单元(图中未示出)，用于按照汇总结果将移动区域内的无负面影响且无阻挡的区域设置为第一数值，将移动区域内的有负面影响且无阻挡的区域设置为第二数值，以及将移动区域内的有阻挡的区域设置为第三数值；确定子单元(图中未示出)，用于基于第一数值、第二数值和第三数值确定备选路线信息。

可选地，规划单元(图中未示出)，用于将备选路线信息、当前位置以及目标位置设置为预设带权重最短路径算法的输入参数，在当前位置与目标位置之间生成总权重最小的路径。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，获取当前应用场景的移动区域内的阻挡信息和路况变化信息，其中，阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域，路况变化信息用于调整控制对象在移动区域内的行进方向；

S2，基于阻挡信息、路况变化信息、控制对象的当前位置以及控制对象的目标位置进行路径规划。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取当前应用场景的移动区域内的阻挡信息和路况变化信息，其中，阻挡信息用于描述移动区域内被阻挡物覆盖的部分区域，路况变化信息用于调整控制对象在移动区域内的行进方向；

S2，基于阻挡信息、路况变化信息、控制对象的当前位置以及控制对象的目标位置进行路径规划。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (13)

1.一种控制对象的路径规划方法，其特征在于，包括：

获取当前应用场景的移动区域内的阻挡信息和路况变化信息，其中，所述阻挡信息用于描述所述移动区域内被阻挡物覆盖的部分区域，所述路况变化信息用于调整控制对象在所述移动区域内的行进方向；

基于所述阻挡信息、所述路况变化信息、所述控制对象的当前位置以及所述控制对象的目标位置进行路径规划。

2.根据权利要求1所述的方法，其特征在于，获取所述路况变化信息包括：

对所述移动区域进行网格划分，得到多个网格；

获取所述多个网格中每个网格内的第一参数信息和第二参数信息，其中，所述第一参数信息为所述多个网格中的全部障碍单位中每个障碍单位的属性信息，所述第二参数信息为所述全部障碍单位中每个障碍单位与网格中心位置之间的距离负相关关系；

采用所述第一参数信息和所述第二参数信息实时计算每个网格的路况变化数据；

统计每个网格的路况变化数据，得到所述路况变化信息。

3.根据权利要求1所述的方法，其特征在于，基于所述阻挡信息、所述路况变化信息、所述当前位置以及所述目标位置进行路径规划包括：

对所述阻挡信息和所述路况变化信息进行汇总处理，确定备选路线信息；

采用所述备选路线信息、所述当前位置以及所述目标位置进行路径规划。

4.根据权利要求3所述的方法，其特征在于，对所述阻挡信息和所述路况变化信息进行汇总处理，确定所述备选路线信息包括：

对所述阻挡信息和所述路况变化信息进行汇总处理，得到汇总结果；

按照所述汇总结果将所述移动区域内的无负面影响且无阻挡的区域设置为第一数值，将所述移动区域内的有负面影响且无阻挡的区域设置为第二数值，以及将所述移动区域内的有阻挡的区域设置为第三数值；

基于所述第一数值、所述第二数值和所述第三数值确定所述备选路线信息。

5.根据权利要求3所述的方法，其特征在于，采用所述备选路线信息、所述当前位置以及所述目标位置进行路径规划包括：

将所述备选路线信息、所述当前位置以及所述目标位置设置为预设带权重最短路径算法的输入参数，在所述当前位置与所述目标位置之间生成总权重最小的路径。

6.一种控制对象的路径规划装置，其特征在于，包括：

获取模块，用于获取当前应用场景的移动区域内的阻挡信息和路况变化信息，其中，所述阻挡信息用于描述所述移动区域内被阻挡物覆盖的部分区域，所述路况变化信息用于调整控制对象在所述移动区域内的行进方向；

规划模块，用于基于所述阻挡信息、所述路况变化信息、所述控制对象的当前位置以及所述控制对象的目标位置进行路径规划。

7.根据权利要求6所述的装置，其特征在于，所述获取模块包括：

划分单元，用于对所述移动区域进行网格划分，得到多个网格；

获取单元，用于获取所述多个网格中每个网格内的第一参数信息和第二参数信息，其中，所述第一参数信息为所述多个网格中的全部障碍单位中每个障碍单位的属性信息，所述第二参数信息为所述全部障碍单位中每个障碍单位与网格中心位置之间的距离负相关关系；

计算单元，用于采用所述第一参数信息和所述第二参数信息实时计算每个网格的路况变化数据；

统计单元，用于统计每个网格的路况变化数据，得到所述路况变化信息。

8.根据权利要求6所述的装置，其特征在于，所述规划模块包括：

确定单元，用于对所述阻挡信息和所述路况变化信息进行汇总处理，确定备选路线信息；

规划单元，用于采用所述备选路线信息、所述当前位置以及所述目标位置进行路径规划。

9.根据权利要求8所述的装置，其特征在于，所述确定单元包括：

汇总子单元，用于对所述阻挡信息和所述路况变化信息进行汇总处理，得到汇总结果；

设置子单元，用于按照所述汇总结果将所述移动区域内的无负面影响且无阻挡的区域设置为第一数值，将所述移动区域内的有负面影响且无阻挡的区域设置为第二数值，以及将所述移动区域内的有阻挡的区域设置为第三数值；

确定子单元，用于基于所述第一数值、所述第二数值和所述第三数值确定所述备选路线信息。

10.根据权利要求8所述的装置，其特征在于，所述规划单元，用于将所述备选路线信息、所述当前位置以及所述目标位置设置为预设带权重最短路径算法的输入参数，在所述当前位置与所述目标位置之间生成总权重最小的路径。

11.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的控制对象的路径规划方法。

12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至5任一项中所述的控制对象的路径规划方法。

13.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的控制对象的路径规划方法。

Images