CN111722924B - 一种狭窄通道环境下的并行路径搜索方法、系统及装置 - Google Patents
一种狭窄通道环境下的并行路径搜索方法、系统及装置 Download PDFInfo
- Publication number
- CN111722924B CN111722924B CN202010480412.5A CN202010480412A CN111722924B CN 111722924 B CN111722924 B CN 111722924B CN 202010480412 A CN202010480412 A CN 202010480412A CN 111722924 B CN111722924 B CN 111722924B
- Authority
- CN
- China
- Prior art keywords
- random
- thread
- sub
- main
- point
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5018—Thread allocation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种狭窄通道环境下的并行路径搜索方法、系统及装置,方法包括:主线程:将起点加入主随机树开启主线程建立主随机树,建立过程中不断生成主线程随机点,可直接加入至主随机树的主线程随机点直接加入主随机树中,不可直接加入至主随机树的主线程随机点触发一个相应的子线程工作,子线程用于生成包含相应主线程随机点的子随机树;子线程:将触发该子线程的主线程随机点在主随机树中的最近的节点作为起点加入子随机树开启子线程建立子随机树,并将子随机树加入至主随机树;主线程和多个子线程并行运行直至目标点出现在主随机树中,提取从起点到目标点的路径作为最终路径。与现有技术相比,本发明实时性强,对狭窄通道的搜索速度快。
Description
技术领域
本发明涉及机器人控制技术领域,尤其是涉及一种狭窄通道环境下的并行路径搜索方法、系统及装置。
背景技术
快速拓展随机树算法(Rapidly-exploring Random Tree,RRT)是最具代表性的采样规划算法,以其快速性与实现简单被广泛应用于机器人,游戏等多种领域。但由于基于采样的规划算法只具有概率完备性,且RRT算法所采用的均匀采样方式难以保障对狭窄通道的有效探索,其难以适用于狭窄通道环境。
在现有的研究中,多树搜索是克服狭窄通道环境的一种主流方法,其通过扩展搜索范围的方式增加了对狭窄通道进行探索的可能性。双向RRT(RRT-Connect)以交替搜索两个树并尝试相互连接的方式从两端进行探索,加快对空间的探索,其对狭窄通道的拓展有一定引导作用,但对于更加复杂的环境,效果一般。LM-RRT(learning-based Multi-RRT)使用改进的桥测试(bridge test)来获取可能的狭窄通道区域,并从这些可能区域拓展子树,同时利用多臂摇摆机的方式来确定所需生长的子树,但交替搜索的方式并没有充分利用多树搜索的优势,同时桥测试增加了额外的预处理步骤,且对狭窄通道的判断较为粗糙,不够准确。RRV(Rapidly-Exploring Random Vines)使用主成分分析(PCA)的方式对点的所处环境进行判断,该方法相对于桥测试更为准确,但PCA分析计算较为复杂,增加了额外的计算时间,C-FOREST虽然采样并行搜索的方法拓展各个子树,但并没有针对性的对狭窄通道区域进行探索,效果有限。另一种主流方法则通过使用不均匀采样的方式增加对狭窄通道区域的采样密度,从而保证规划算法的成功率。DD-RRT(Dynamic Domain RRT)通过缩小拓展失败点的连接范围以增加其在复杂区域的采样密度,但该方法受到参数选择的影响,效果难以得到保障,改进的DD-RRT虽然弥补了参数选择的问题,但其对狭窄通道区域的判断效果较为粗糙。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种狭窄通道环境下的并行路径搜索方法、系统及装置。
本发明的目的可以通过以下技术方案来实现:
一种狭窄通道环境下的并行路径搜索方法,该方法包括:
主线程:将起点qstart加入主随机树开启主线程建立主随机树,主随机树建立过程中不断生成主线程随机点,可以直接加入至主随机树的主线程随机点则直接加入主随机树中,不可以直接加入至主随机树的主线程随机点则触发一个相应的子线程工作,所述的子线程用于生成包含相应主线程随机点的子随机树;
子线程:将触发该子线程的主线程随机点在主随机树中的最近的节点作为起点加入子随机树开启子线程建立子随机树,并将子随机树加入至主随机树;
所述的主线程和多个子线程并行运行直至目标点qgoal出现在主随机树中,结束主线程和子线程的运行,并提取从起点qstart到目标点qgoal的路径作为最终路径。
所述的主线程具体包括如下运行步骤:
步骤S11、将起点qstart加入主随机树;
步骤S12、随机生成主线程随机点;
步骤S13、判断当前主线程随机点是否有效,若是,则执行步骤S14,否则舍弃该主线程随机点,重复步骤S13;
步骤S14、判断当前有效的主线程随机点是否可直接加入主随机树,若是则将其加入主随机树中,并执行步骤S16,否则执行步骤S15;
步骤S15、判断当前有效的主线程随机点是否位于狭窄通道内,若是则开启一个子线程并返回步骤S12,否则返回步骤S12;
步骤S16、判断目标点qgoal是否出现在主随机树中,若是则执行步骤S17,否则返回步骤S12;
步骤S17、结束该主线程运行和所有子线程的运行,提取从起点qstart到目标点qgoal的路径作为最终路径。
所述的子线程具体包括如下运行步骤:
步骤S21、将触发该子线程的主线程随机点记作qrandi,在主随机树中寻找与qrandi最近的节点记作qneari,将qneari作为起点加入子随机树;
步骤S22、随机生成子线程随机点;
步骤S23、判断当前子线程随机点是否有效,若是,则执行步骤S24,否则舍弃该子线程随机点,重复步骤S23;
步骤S24、判断当前有效的子线程随机点是否可直接加入子随机树,若是则将其加入子随机树中,并执行步骤S25,否则返回步骤S22;
步骤S25、判断主线程随机点qrandi是否在子随机树中,若是则执行步骤S26,否则返回步骤S22;
步骤S26、将子随机树加入至主随机树中并结束该子线程的运行。
步骤S13中判断主线程随机点是否有效具体为:判断主线程随机点是否在障碍物内,若是则该主线程随机点无效,否则该主线程随机点有效。
步骤S14具体为:寻找主随机树中距离主线程随机点最近的点qnear,获得主线程随机点与最近的点qnear的连线,判断该连线是否经过障碍物,若是则该主线程随机点不可加入主随机树,执行步骤S15,否则该主线程随机点可加入主随机树,进而以qnear为父节点,将待加入的主线程随机点与父节点qnear连接,继续执行步骤S16。
步骤S15中判断主线程随机点是否位于狭窄通道内的具体方式为:
记主线程随机点为qrandi,在以主线程随机点qrandi为中心、R为半径的圆内随机采样N个测试点得到点集合Q,将Q位于障碍物内的子集合Qobs做为测试点集,求取Qobs的外包多边形,若qrandi位于该多边形内,则该主线程随机点qrandi位于狭窄通道内。
步骤S23中判断子线程随机点是否有效具体为:判断子线程随机点是否在障碍物内,若是则该子线程随机点无效,否则该子线程随机点有效。
步骤S24具体为:寻找子随机树中距离子线程随机点最近的点q′near,获得子线程随机点与最近的点q′near的连线,判断该连线是否经过障碍物,若是则该子线程随机点不可加入子随机树,执行步骤S25,否则该子线程随机点可加入子随机树,进而以q′near为父节点,将待加入的子线程随机点与父节点q′near连接,继续执行步骤S26。
一种狭窄通道环境下的并行路径搜索系统,该系统包括:
主线程模块:该模块将起点qstart加入主随机树开启主线程建立主随机树,主随机树建立过程中不断生成主线程随机点,可以直接加入至主随机树的主线程随机点则直接加入主随机树中,不可以直接加入至主随机树的主线程随机点输入至子线程触发模块;
子线程触发模块:该模块在接收到任意一个不可以直接加入至主随机树的主线程随机点后,立即触发一个独立的子线程工作,所述的子线程用于生成包含相应主线程随机点的子随机树;
子线程模块:该模块将触发该子线程的主线程随机点在主随机树中的最近的节点作为起点加入子随机树开启子线程建立子随机树,并将子随机树加入至主随机树;
终止模块:该模块用于检测目标点qgoal是否出现在主随机树中,当目标点qgoal出现在主随机树中时结束主线程模块和子线程模块的运行,并提取从起点qstart到目标点qgoal的路径作为最终路径;
所述的系统运行时完成上述狭窄通道环境下的并行路径搜索方法。
一种狭窄通道环境下的并行路径搜索装置,该装置包括存储器和处理器,所述的存储器用于存储计算机程序,所述的处理器用于在执行所述的计算机程序时实现上述狭窄通道环境下的并行路径搜索方法。
与现有技术相比,本发明具有如下优点:
(1)本发明利用主线程和多个子线程并行搜索空间,主线程完成主随机树的生成,子线程完成主线程中位于狭窄通道内的主线程随机点所对应的子随机树的构建,从而能够提升在狭窄通道环境下的搜索速度与成功率;
(2)本发明通过简单的几何位置关系对采样点是否位于狭窄通道内给出了更准确的判别方式,提高了算法的准确性;
(3)本发明在狭窄通道内并行拓展子随机树(即多个子线程同时运行,每个子线程对应一个位于狭窄通道内的主线程随机点),增加了对狭窄通道区域的采样密度与速度,提升了搜索速度与成功率。
附图说明
图1为本发明狭窄通道环境下的并行路径搜索方法的流程框图;
图2为本发明狭窄通道环境下的并行路径搜索系统的结构框图。
图中,1为主线程模块,2为子线程触发模块,3为子线程模块,4为终止模块。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意,以下的实施方式的说明只是实质上的例示,本发明并不意在对其适用物或其用途进行限定,且本发明并不限定于以下的实施方式。
实施例
本发明提供一种狭窄通道环境下的并行路径搜索算法,该在利用主成分分析与蒙特卡洛算法判明采样点位于狭窄通道内之后,以该节点生成子树并向主树根节点进行拓展,与主树并行搜索,以提升在狭窄通道环境下的搜索速度与成功率。具体地:
如图1所示,一种狭窄通道环境下的并行路径搜索方法,该方法包括:
主线程:将起点qstart加入主随机树开启主线程建立主随机树,主随机树建立过程中不断生成主线程随机点,可以直接加入至主随机树的主线程随机点则直接加入主随机树中,不可以直接加入至主随机树的主线程随机点则触发一个相应的子线程工作,子线程用于生成包含相应主线程随机点的子随机树;
子线程:将触发该子线程的主线程随机点在主随机树中的最近的节点作为起点加入子随机树开启子线程建立子随机树,并将子随机树加入至主随机树;
主线程和多个子线程并行运行直至目标点qgoal出现在主随机树中,结束主线程和子线程的运行,并提取从起点qstart到目标点qgoal的路径作为最终路径。
具体地:
主线程具体包括如下运行步骤:
步骤S11、将起点qstart加入主随机树;
步骤S12、随机生成主线程随机点;
步骤S13、判断当前主线程随机点是否有效,若是,则执行步骤S14,否则舍弃该主线程随机点,重复步骤S13;
步骤S14、判断当前有效的主线程随机点是否可直接加入主随机树,若是则将其加入主随机树中,并执行步骤S16,否则执行步骤S15;
步骤S15、判断当前有效的主线程随机点是否位于狭窄通道内,若是则开启一个子线程并返回步骤S12,否则返回步骤S12;
步骤S16、判断目标点qgoal是否出现在主随机树中,若是则执行步骤S17,否则返回步骤S12;
步骤S17、结束该主线程运行和所有子线程的运行,提取从起点qstart到目标点qgoal的路径作为最终路径。
其中,步骤S13中判断主线程随机点是否有效具体为:判断主线程随机点是否在障碍物内,若是则该主线程随机点无效,否则该主线程随机点有效。
步骤S14具体为:寻找主随机树中距离主线程随机点最近的点qnear,获得主线程随机点与最近的点qnear的连线,判断该连线是否经过障碍物,若是则该主线程随机点不可加入主随机树,执行步骤S15,否则该主线程随机点可加入主随机树,进而以qnear为父节点,将待加入的主线程随机点与父节点qnear连接,继续执行步骤S16。
步骤S15中判断主线程随机点是否位于狭窄通道内的具体方式为:
记主线程随机点为qrandi,在以主线程随机点qrandi为中心、R为半径的圆内随机采样N个测试点得到点集合Q,将Q位于障碍物内的子集合Qobs做为测试点集,求取Qobs的外包多边形,若qrandi位于该多边形内,则该主线程随机点qrandi位于狭窄通道内。
子线程具体包括如下运行步骤:
步骤S21、将触发该子线程的主线程随机点记作qrandi,在主随机树中寻找与qrandi最近的节点记作qneari,将qneari作为起点加入子随机树;
步骤S22、随机生成子线程随机点;
步骤S23、判断当前子线程随机点是否有效,若是,则执行步骤S24,否则舍弃该子线程随机点,重复步骤S23;
步骤S24、判断当前有效的子线程随机点是否可直接加入子随机树,若是则将其加入子随机树中,并执行步骤S25,否则返回步骤S22;
步骤S25、判断主线程随机点qrandi是否在子随机树中,若是则执行步骤S26,否则返回步骤S22;
步骤S26、将子随机树加入至主随机树中并结束该子线程的运行。
其中,步骤S23中判断子线程随机点是否有效具体为:判断子线程随机点是否在障碍物内,若是则该子线程随机点无效,否则该子线程随机点有效。
步骤S24具体为:寻找子随机树中距离子线程随机点最近的点q′near,获得子线程随机点与最近的点q′near的连线,判断该连线是否经过障碍物,若是则该子线程随机点不可加入子随机树,执行步骤S25,否则该子线程随机点可加入子随机树,进而以q′near为父节点,将待加入的子线程随机点与父节点q′near连接,继续执行步骤S26。
综上,本发明方法利用主线程和多个子线程并行搜索空间,主线程完成主随机树的生成,子线程完成主线程中位于狭窄通道内的主线程随机点所对应的子随机树的构建,从而能够提升在狭窄通道环境下的搜索速度与成功率;在狭窄通道内并行拓展子随机树(即多个子线程同时运行,每个子线程对应一个位于狭窄通道内的主线程随机点),增加了对狭窄通道区域的采样密度与速度,提升了搜索速度与成功率。具体可理解为:如第1个主线程随机点qrand1判断为有效,且不能直接加入主随机树,同时qrand1在狭窄通道中,这时开启了第1个子线程,目的是找到一个能够连接到主线程随机点qrand1的子随机树,在第1个子线程运行的同时,主线程又生成了新的主线程随机点qrand2,若主线程随机点qrand2有效则判断其是否能直接连接到主随机树,若是则主线程随机点qrand2直接连接到主随机树,若否则判定该主线程随机点qrand2是否在狭窄通道中,若是这时候需要再同时开启第2个子线程,第2个子线程的目的是找到一个能够连接到主线程随机点qrand2的子随机树,也就是说若干个子线程是随着主线程新生成的主线程随机点逐步加入的,一旦目标点qgoal出现在主随机树中该主线程运行和所有子线程的运行,提取从起点qstart到目标点qgoal的路径作为最终路径,在主线程每生成一个主线程随机点后,均以此进行有效性判断、是否可以直接接入主随机树的判断,并按照图1流程进行流转。
如图2所示,一种狭窄通道环境下的并行路径搜索系统,该系统包括:
主线程模块1:该模块将起点qstart加入主随机树开启主线程建立主随机树,主随机树建立过程中不断生成主线程随机点,可以直接加入至主随机树的主线程随机点则直接加入主随机树中,不可以直接加入至主随机树的主线程随机点输入至子线程触发模块2;
子线程触发模块2:该模块在接收到任意一个不可以直接加入至主随机树的主线程随机点后,立即触发一个独立的子线程工作,子线程用于生成包含相应主线程随机点的子随机树;
子线程模块3:该模块将触发该子线程的主线程随机点在主随机树中的最近的节点作为起点加入子随机树开启子线程建立子随机树,并将子随机树加入至主随机树;
终止模块4:该模块用于检测目标点qgoal是否出现在主随机树中,当目标点qgoal出现在主随机树中时结束主线程模块1和子线程模块3的运行,并提取从起点qstart到目标点qgoal的路径作为最终路径;
系统运行时完成上述狭窄通道环境下的并行路径搜索方法,包括主线程工作过程中主随机树的生成和维护以及子线程工作过程中子随机树的生成和维护,系统工作过程各模块的运转方式均与上述狭窄通道环境下的并行路径搜索方法中描述的一致,此处不再赘述。
一种狭窄通道环境下的并行路径搜索装置,该装置包括存储器和处理器,存储器用于存储计算机程序,处理器用于在执行计算机程序时实现上述狭窄通道环境下的并行路径搜索方法。
本发明利用主线程和多个子线程并行搜索空间,主线程完成主随机树的生成,子线程完成主线程中位于狭窄通道内的主线程随机点所对应的子随机树的构建,从而能够提升在狭窄通道环境下的搜索速度与成功率;通过简单的几何位置关系对采样点是否位于狭窄通道内给出了更准确的判别方式,提高了算法的准确性;在狭窄通道内并行拓展子随机树(即多个子线程同时运行,每个子线程对应一个位于狭窄通道内的主线程随机点),增加了对狭窄通道区域的采样密度与速度,提升了搜索速度与成功率。
上述实施方式仅为例举,不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施,且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (4)
1.一种狭窄通道环境下的并行路径搜索方法,其特征在于,该方法包括:
主线程:将起点qstart加入主随机树开启主线程建立主随机树,主随机树建立过程中不断生成主线程随机点,可以直接加入至主随机树的主线程随机点则直接加入主随机树中,不可以直接加入至主随机树的主线程随机点则触发一个相应的子线程工作,所述的子线程用于生成包含相应主线程随机点的子随机树;
子线程:将触发该子线程的主线程随机点在主随机树中的最近的节点作为起点加入子随机树开启子线程建立子随机树,并将子随机树加入至主随机树;
所述的主线程和多个子线程并行运行直至目标点qgoal出现在主随机树中,结束主线程和子线程的运行,并提取从起点qstart到目标点qgoal的路径作为最终路径;
所述的主线程具体包括如下运行步骤:
步骤S11、将起点qstart加入主随机树;
步骤S12、随机生成主线程随机点;
步骤S13、判断当前主线程随机点是否有效,若是,则执行步骤S14,否则舍弃该主线程随机点,重复步骤S13;
步骤S14、判断当前有效的主线程随机点是否可直接加入主随机树,若是则将其加入主随机树中,并执行步骤S16,否则执行步骤S15;
步骤S15、判断当前有效的主线程随机点是否位于狭窄通道内,若是则开启一个子线程并返回步骤S12,否则返回步骤S12;
步骤S16、判断目标点qgoal是否出现在主随机树中,若是则执行步骤S17,否则返回步骤S12;
步骤S17、结束该主线程运行和所有子线程的运行,提取从起点qstart到目标点qgoal的路径作为最终路径;
步骤S13中判断主线程随机点是否有效具体为:判断主线程随机点是否在障碍物内,若是则该主线程随机点无效,否则该主线程随机点有效;
步骤S14具体为:寻找主随机树中距离主线程随机点最近的点qnear,获得主线程随机点与最近的点qnear的连线,判断该连线是否经过障碍物,若是则该主线程随机点不可加入主随机树,执行步骤S15,否则该主线程随机点可加入主随机树,进而以qnear为父节点,将待加入的主线程随机点与父节点qnear连接,继续执行步骤S16;
所述的子线程具体包括如下运行步骤:
步骤S21、将触发该子线程的主线程随机点记作qrandi,在主随机树中寻找与qrandi最近的节点记作qneari,将qneari作为起点加入子随机树;
步骤S22、随机生成子线程随机点;
步骤S23、判断当前子线程随机点是否有效,若是,则执行步骤S24,否则舍弃该子线程随机点,重复步骤S23;
步骤S24、判断当前有效的子线程随机点是否可直接加入子随机树,若是则将其加入子随机树中,并执行步骤S25,否则返回步骤S22;
步骤S25、判断主线程随机点qrandi是否在子随机树中,若是则执行步骤S26,否则返回步骤S22;
步骤S26、将子随机树加入至主随机树中并结束该子线程的运行;
步骤S23中判断子线程随机点是否有效具体为:判断子线程随机点是否在障碍物内,若是则该子线程随机点无效,否则该子线程随机点有效;
步骤S24具体为:寻找子随机树中距离子线程随机点最近的点q′near,获得子线程随机点与最近的点q′near的连线,判断该连线是否经过障碍物,若是则该子线程随机点不可加入子随机树,执行步骤S25,否则该子线程随机点可加入子随机树,进而以q′near为父节点,将待加入的子线程随机点与父节点q′near连接,继续执行步骤S26。
2.根据权利要求1所述的一种狭窄通道环境下的并行路径搜索方法,其特征在于,步骤S15中判断主线程随机点是否位于狭窄通道内的具体方式为:
记主线程随机点为qrandi,在以主线程随机点qrandi为中心、R为半径的圆内随机采样N个测试点得到点集合Q,将Q位于障碍物内的子集合Qobs做为测试点集,求取Qobs的外包多边形,若qrandi位于该多边形内,则该主线程随机点qrandi位于狭窄通道内。
3.一种狭窄通道环境下的并行路径搜索系统,其特征在于,该系统包括:
主线程模块(1):该模块将起点qstart加入主随机树开启主线程建立主随机树,主随机树建立过程中不断生成主线程随机点,可以直接加入至主随机树的主线程随机点则直接加入主随机树中,不可以直接加入至主随机树的主线程随机点输入至子线程触发模块(2);
子线程触发模块(2):该模块在接收到任意一个不可以直接加入至主随机树的主线程随机点后,立即触发一个独立的子线程工作,所述的子线程用于生成包含相应主线程随机点的子随机树;
子线程模块(3):该模块将触发该子线程的主线程随机点在主随机树中的最近的节点作为起点加入子随机树开启子线程建立子随机树,并将子随机树加入至主随机树;
终止模块(4):该模块用于检测目标点qgoal是否出现在主随机树中,当目标点qgoal出现在主随机树中时结束主线程模块(1)和子线程模块(3)的运行,并提取从起点qstart到目标点qgoal的路径作为最终路径;
所述的系统运行时完成如权利要求1或2所述的狭窄通道环境下的并行路径搜索方法。
4.一种狭窄通道环境下的并行路径搜索装置,其特征在于,该装置包括存储器和处理器,所述的存储器用于存储计算机程序,所述的处理器用于在执行所述的计算机程序时实现如权利要求1或2所述的狭窄通道环境下的并行路径搜索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010480412.5A CN111722924B (zh) | 2020-05-30 | 2020-05-30 | 一种狭窄通道环境下的并行路径搜索方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010480412.5A CN111722924B (zh) | 2020-05-30 | 2020-05-30 | 一种狭窄通道环境下的并行路径搜索方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111722924A CN111722924A (zh) | 2020-09-29 |
CN111722924B true CN111722924B (zh) | 2022-09-16 |
Family
ID=72565394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010480412.5A Active CN111722924B (zh) | 2020-05-30 | 2020-05-30 | 一种狭窄通道环境下的并行路径搜索方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111722924B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445444A (zh) * | 2018-12-25 | 2019-03-08 | 同济大学 | 一种障碍物集中环境下的机器人路径生成方法 |
CN109885891A (zh) * | 2019-01-24 | 2019-06-14 | 中国科学院合肥物质科学研究院 | 一种智能车gpu并行加速轨迹规划方法 |
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 |
CN110298517A (zh) * | 2019-07-04 | 2019-10-01 | 广东工业大学 | 一种基于并行计算的物流运输调度方法、装置及设备 |
CN110515094A (zh) * | 2019-07-11 | 2019-11-29 | 同济大学 | 基于改进rrt*的机器人点云地图路径规划方法及系统 |
CN110704434A (zh) * | 2019-09-24 | 2020-01-17 | 北京百度网讯科技有限公司 | 图谱最短路径的查询方法、装置、电子设备和存储介质 |
CN111141304A (zh) * | 2019-12-30 | 2020-05-12 | 福州大学 | 一种基于同心圆采样引导rrt算法的路径规划方法 |
-
2020
- 2020-05-30 CN CN202010480412.5A patent/CN111722924B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445444A (zh) * | 2018-12-25 | 2019-03-08 | 同济大学 | 一种障碍物集中环境下的机器人路径生成方法 |
CN109885891A (zh) * | 2019-01-24 | 2019-06-14 | 中国科学院合肥物质科学研究院 | 一种智能车gpu并行加速轨迹规划方法 |
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 |
CN110298517A (zh) * | 2019-07-04 | 2019-10-01 | 广东工业大学 | 一种基于并行计算的物流运输调度方法、装置及设备 |
CN110515094A (zh) * | 2019-07-11 | 2019-11-29 | 同济大学 | 基于改进rrt*的机器人点云地图路径规划方法及系统 |
CN110704434A (zh) * | 2019-09-24 | 2020-01-17 | 北京百度网讯科技有限公司 | 图谱最短路径的查询方法、装置、电子设备和存储介质 |
CN111141304A (zh) * | 2019-12-30 | 2020-05-12 | 福州大学 | 一种基于同心圆采样引导rrt算法的路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111722924A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104008053B (zh) | 一种用于漏洞发掘的动态符号执行路径搜索方法 | |
CN103116540A (zh) | 基于全局超级块支配图的动态符号执行方法及其装置 | |
CN111707264A (zh) | 一种改进拓展式rrt路径规划方法、系统及装置 | |
Denny et al. | Adapting RRT growth for heterogeneous environments | |
CN111722924B (zh) | 一种狭窄通道环境下的并行路径搜索方法、系统及装置 | |
CN115267796B (zh) | 定位方法、装置、机器人和存储介质 | |
AU2020220223A1 (en) | Apparatus, method and software product for drilling sequence planning | |
CN112465637A (zh) | 反洗钱智能自动导侦的方法、计算机可读存储介质 | |
CN103235862B (zh) | 选择拆卸序列规划方法及装置 | |
CN104376261B (zh) | 一种在取证场景下自动检测恶意进程的方法 | |
Vonásek et al. | Searching multiple approximate solutions in configuration space to guide sampling-based motion planning | |
CN109239743A (zh) | 一种卫星信号捕获方法及装置 | |
Saumya et al. | Xstressor: Automatic generation of large-scale worst-case test inputs by inferring path conditions | |
CN111934948A (zh) | 基于蒙特卡洛树搜索的efsm可执行测试序列生成方法 | |
CN107222334A (zh) | 适用于社交网络的基于核心三角的局部社团发现方法 | |
CN112393739B (zh) | 大面积环境中的改进型快速搜索随机树路径规划方法 | |
CN116698066A (zh) | 基于邻域扩展和边界点改进A-star算法的机器人路径规划方法及系统 | |
Devaurs et al. | A multi-tree approach to compute transition paths on energy landscapes | |
CN108111976B (zh) | 一种WiFi信号指纹数据优化方法及装置 | |
CN115934544A (zh) | 一种基于多元种子选择的混合模糊测试方法及系统 | |
CN116295393A (zh) | 基于rrt*-dr算法的机器人路径规划方法 | |
CN114545926A (zh) | 融合人工势场和随机树的apf-rrt方法和装置 | |
CN113676460A (zh) | 一种Web应用漏洞集成扫描方法及系统 | |
JP2007066125A (ja) | グラフ探索アルゴリズム及びそれを用いたグラフ探索装置 | |
CN114817737B (zh) | 一种基于知识图谱的文物热点推送方法及系统 |
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 |