CN111752302A - 路径规划方法、装置、电子设备和计算机可读存储介质 - Google Patents
路径规划方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111752302A CN111752302A CN202010119559.1A CN202010119559A CN111752302A CN 111752302 A CN111752302 A CN 111752302A CN 202010119559 A CN202010119559 A CN 202010119559A CN 111752302 A CN111752302 A CN 111752302A
- Authority
- CN
- China
- Prior art keywords
- path
- task
- planning
- planning scheme
- job
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005265 energy consumption Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 20
- 230000003190 augmentative effect Effects 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims 2
- 230000003416 augmentation Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 4
- 230000001960 triggered effect Effects 0.000 abstract description 4
- 235000013399 edible fruits Nutrition 0.000 description 37
- 238000005507 spraying Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 12
- 239000000575 pesticide Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 239000002420 orchard Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012360 testing method Methods 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
-
- 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)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提出一种路径规划方法、装置、电子设备和计算机可读存储介质。其中,上述路径规划方法包括随机生成多个满足预设要求的作业规划方案;依据满足预设要求的作业规划方案,执行迭代:获取每个作业规划方案中作业量最小的第一目标路径;将第一目标路径中的一个作业位置点划分给作业规划方案中其他任务路径,以获取新的满足预设要求的作业规划方案;基于新增后的作业规划方案,重复迭代,直至触发迭代退出条件,以得到优选作业规划方案。如此,可得到既符合预设要求,又接近最优的优选作业规划方案。此外,无需人工参与,降低人力成本且能够适应作业场景的变化。
Description
技术领域
本发明涉及无人作业技术领域,具体而言,涉及一种路径规划方法、装置、电子设备和计算机可读存储介质。
背景技术
无人作业是一种自动化的作业方式。由于其能够有效降低作业过程中所需的人力成本,目前已广泛应用于各个领域。
无人作业的关键在于作业路线的规划。目前作业路线的规划依然依赖于人工设计。然而,不同的作业场景具有不同的情况,即便是经验丰富的人员依然难以脱离多次实践而预测出最优的路线。此外,人工设计作业路线需要较高人工成本,一旦作业场景变化还需重新设计。
发明内容
有鉴于此,本发明的目的在于提供一种路径规划方法、装置、电子设备和计算机可读存储介质。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,实施例提供一种路径规划方法,所述路径规划方法包括:
随机生成多个满足预设要求的作业规划方案;其中,每个所述作业规划方案均对应所有的作业位置点,所述作业规划方案包括多条任务路径;所述任务路径用于表征一趟作业所需途径的作业位置点及途径所述作业位置点的顺序;所述多条任务路径包括所有的所述作业位置点,各条所述任务路径所对应的所述作业位置点不同;依据满足预设要求的作业规划方案,执行迭代:获取每个所述作业规划方案中作业量最小的第一目标路径;将所述第一目标路径中的一个所述作业位置点划分给所述作业规划方案中其他任务路径,以获取新的满足所述预设要求的作业规划方案;
基于新增后的所述作业规划方案,重复所述迭代,直至得到的所述作业规划方案所对应的所述任务路径的最少条数收敛或者重复次数满足指定条件退出所述迭代,以得到优选作业规划方案。
第二方面,实施例提供一种路径规划装置,所述路径规划装置包括:
随机生成模块,用于随机生成多个满足预设要求的作业规划方案;其中,每个所述作业规划方案均对应所有的作业位置点,所述作业规划方案包括多条任务路径;所述任务路径用于表征一趟作业所需途径的作业位置点及途径所述作业位置点的顺序;所述多条任务路径包括所有的所述作业位置点,各条所述任务路径所对应的所述作业位置点不同;迭代模块,用于依据满足预设要求的作业规划方案,执行迭代:获取每个所述作业规划方案中作业量最小的第一目标路径;将所述第一目标路径中的一个所述作业位置点划分给所述作业规划方案中其他任务路径,以获取新的满足所述预设要求的作业规划方案;
所述迭代模块,还用于基于新增后的所述作业规划方案,重复所述迭代,直至得到的所述作业规划方案所对应的所述任务路径的最少条数收敛或者重复次数满足指定条件退出所述迭代,以得到优选作业规划方案。
第三方面,实施例提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现前述实施方式任一所述的方法。
第四方面,实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述实施方式中任一项所述的方法。
与现有技术相比,本发明实施例提供的路径规划方法,首先随机生成多个满足预设要求的作业规划方案,确保每个作业规划方案都能把所有作业位置点包含在内的同时,避免同一作业位置点在同一作业规划方案中重复出现。其次,获取每个作业规划方案中作业量最小的第一目标路径,将第一目标路径中的一个作业位置点划分给作业规划方案中其他任务路径,以得到能够满足预设要求的新作业规划方案。再基于新增后的作业规划方案重复迭代,从而使得到的作业规划方案所需作业趟数减少,使得到的作业规划方案逐步接近最优方案。如此,在触发迭代退出条件后,可得到既符合预设要求,又接近最优的优选作业规划方案。此外,无需人工参与,降低人力成本且能够适应作业场景的变化。
为使本发明的上述目的、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发明实施例的技术方案,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发明的某些实施例,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示出了本发明实施例提供的电子设备的示意图。
图2示出了本发明实施例提供的路径规划方法的步骤流程图之一。
图3示出了本发明实施例提供的迭代的步骤流程图。
图4为生成的1-0二值矩阵的一个示例图。
图5示出了本发明实施例提供的路径规划方法的步骤流程图之二。
图6示出了本发明实施例提供的路径规划方法的步骤流程图之三。
图7为图6中步骤S202的子步骤流程图之一。
图8为图6中步骤S202的子步骤流程图之二。
图9示出了本发明实施例提供的路径规划装置的示意图。
图标:100-电子设备;110-存储器;120-处理器;130-通信模块;400-路径规划装置;401-随机生成模块;402-迭代模块;403-选择模块;404-扩增模块;405-确定模块;406-筛选模块;407-判断模块。
具体实施方式
下面将结合本发明实施例中附图,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发明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发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,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,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
无人作业是一种自动化的作业方式。由于其能够有效降低作业过程中所需的人力成本,目前已广泛应用于各个领域。无人作业的关键在于作业路径的规划。当前作业路径的规划依然依赖于人工设计。为了方便描述,下面以利用无人机对果园内的果树进行农药喷洒为例对相关技术存在的不足进行描述:
果园中每一棵果树为一个作业点,果树所在位置为作业位置点。无人机按照喷洒路线飞行,并对途径的每棵果树进行农药喷洒作业。无人机沿着喷洒路线途径各果树顺序也代表对果树进行农药喷洒的顺序。
在执行农药喷洒作业时,无人机沿着设计的喷洒路线飞行、作业。若喷洒作业过程中无人机出现负载能力不足,则立即返航以便进行电池更换和/或药量添加。之后继续沿着未完成的喷洒路线进行作业。可以理解地,无人机飞行过程的能耗量与自身的载重有关。通常药箱越重,无人机保持飞行要消耗的能量越多。如果使用的喷洒路线不佳,将增加无人机的能耗量、返航充电的次数。不仅会消耗电池,还会增加喷洒作业的时间成本。
相关技术中,通常采用人工设计喷洒路线,但是即便是经验丰富的人员,依然难以直接预测出最优的喷洒路线,仅能得到相对满意的喷洒路线。也就是,使用人工设计的喷洒路线事实上效率并不高,把所有果树喷洒完所需飞行的趟数并不少。此外,作业场景一旦改变,需要大量的飞行实践才能得到相对满意的喷洒路线。显然,人工规划喷洒路线需要消耗巨大的人力成本。
为了改善人工设计喷洒路线所需的人力成本高、人工难以直接预测到最优的路线等问题,本发明实施例提供了一种路径规划方法、装置、电子设备和计算机可读存储介质。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“采用无人机对果园进行农药喷洒”,给出以下实施方式。对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕采用无人机对果园进行农药喷洒进行描述,但是应该理解,这仅是一个示例性实施例。本发明实施例还可以应用于扫地机器人执行清扫作业等场景。
请参照图1,是电子设备100的方框示意图。所述电子设备100包括存储器110、处理器120及通信模块130。所述存储器110、处理器120以及通信模块130各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,存储器110用于存储程序或者数据。所述存储器110可以是,但不限于,随机存取存储器110(Random Access Memory,RAM),只读存储器110(Read Only Memory,ROM),可编程只读存储器110(Programmable Read-Only Memory,PROM),可擦除只读存储器110(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器110(ElectricErasable Programmable Read-Only Memory,EEPROM)等。
处理器120用于读/写存储器110中存储的数据或程序,并执行相应地功能。
通信模块130用于通过所述网络建立所述电子设备100与其它通信终端之间的通信连接,并用于通过所述网络收发数据。
应当理解的是,图1所示的结构仅为电子设备100的结构示意图,所述电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参考图2,图2示出了本发明实施例提供的一种路径规划方法。上述路径规划方法可以应用于电子设备100。如图2所示,上述路径规划方法可以包括以下步骤:
步骤S101,随机生成多个满足预设要求的作业规划方案。
上述作业规划方案是作业位置点之间作业顺序的规划方案,每个作业规划方案对应着所有的作业位置点。作业规划方案以任务路径的形式呈现,换句话说,作业规划方案包括多条任务路径。
上述任务路径包括至少一个作业位置点构成。同一任务路径对应着多个作业位置点时,所对应的作业位置点之间具有顺序,如此,上述任务路径即可表征一趟作业所途径的作业位置点及途径作业位置点的顺序。同一作业规划分案中不同任务路径所对应的作业位置点不同,以使采用任何一个作业规划方案进行作业时,任何作业位置点都不被遗漏且同一作业位置点也不会被重复作业。
例如,作业位置点包括A、B、C、D、E、F,那么生成的作业规划方案可以包括:作业规划方案1(任务路径1:A、B、C;任务路径2:D、E、F)、作业规划方案2(任务路径1:A、D、C;任务路径2:B、E、F)、作业规划方案3(任务路径1:A;任务路径2:D、C;任务路径:3:B、E、F)。
上述一趟作业可以是:作业设备按照一条任务路径位移,每抵达一个作业位置点后开始作业,作业结束后再移动到下一个作业位置点,直至在该任务路径上最后一个作业位置点上结束作业,然后返航。
上述满足预设要求的作业规划方案所包括的每条任务路径都能确保作业设备作业过程中不会超出其作业负载能力。可选地,上述多个满足预设要求的作业规划方案各不相同。
步骤S102,依据满足预设要求的作业规划方案,执行迭代,以得到任务路径条数更少的作业规划方案。
在本发明实施例中,如图3所示,上述迭代的过程可以包括:
S102-1,获取每个作业规划方案中作业量最小的第一目标路径。
上述任务规划方案中每条任务路径均对应这一个作业量,任务路径的作业量是该任务路径上各个作业位置点上所需的作业量的总和。作业位置点上所需的作业量可以由作业过程中的消耗物质或者资源进行表征。比如,一条任务路径上对应三棵果树,那么该任务路径的作业量可以由三棵果树总共所需的喷洒药量进行表征或者该任务路径的作业量可以由完成对各棵树的作业所需的电量的总和进行表征。
在本发明实施例中,将作业规划方案中对应的作业量最小的任务路径确定为第一目标路径。每个作业规划方案中均对应着一个第一目标路径。
S102-2,将第一目标路径中的一个作业位置点划分给该作业规划方案中其他任务路径,以获取新的满足预设要求的作业规划方案。
在本发明实施例中,从第一目标路径中随机确定一个作业位置点,并将随机确定的作业位置点分配到该第一目标路径所对应的作业规划方案中的其他任务路径中,从而衍生出新的作业规划方案。如此,每个作业规划方案均对应着至少一个衍生的新的作业规划方案,再从衍生的新的作业规划方案中筛选出新的满足预设要求的作业规划方案。
S103,基于新增后的作业规划方案,重复上述迭代,直至得到的作业规划方案所对应的任务路径的最少条数收敛或者重复次数满足指定条件退出迭代。
可以理解地,即便是每此迭代只将第一目标路径中一个作业位置点分配出去,在下一次迭代时,该任务路径依然会被选为第一目标路径,如此,经过多次迭代第一目标路径中作业位置点都会被分配出去。在第一目标路径中所有的作业位置点都被分配出去后,得到的作业规划方案所对应的任务路径的条数也将少一条。也就是,通过多次迭代后,得到的所有作业规划方案中任务路径最少的作业规划方案所对应的任务路径条数也会随之减少。所对应的任务路径的条数减少也代表着作业规划方案逐步接近最优。如此,便可从得到的满足预设要求的作业规划方案中选出需被实际执行的优选作业规划方案。
当然,接近最优后,迭代所得到的符合预设要求的作业规划方案的任务路径条数将难以继续减少,也即得到的作业规划方案所对应的任务路径的最少条数收敛。在本方实施例中,可以在经过预设次数的迭代后,得到的所有作业规划方案中任务路径最少的作业规划方案的任务路径条数一直没有变化,即可判定得到的作业规划方案所对应的任务路径的最少条数收敛。此外,除了最少条数收敛外触发退出迭代的条件还可以包括迭代次数满足指定条件。可选地,上述指定条件可以包括迭代次数超过指定值。比如,指定值为100,则指定条件可以是迭代次数超过100次。
为了使得本领域技术人员能够使用本发明实施例提供的路径规划方法,下面结合特定应用场景“采用无人机对果园进行农药喷洒”进行描述:
果园内有10棵果树,每棵果树的坐标为一个作业位置点,分别用1、2、3、4、5、6、7、8、9、10进行指代各棵果树所对应的作业位置点。
随机生成多个不同的且满足预设要求的作业规划方案,比如作业规划方案A{任务路径a(4,1,6),任务路径b(2,5),任务路径c(3,7,10,8,9)},作业规划方案B{任务路径a(3,2,1,6),任务路径b(8,9,7),任务路径c(5,4,10)}。
基于多个满足预设要求的作业规划方案进行迭代:从各作业规划方案中选出作业量最少的第一目标路径,接上例,任务路径b被选为第一目标路径。将第一目标路径中的一个作业位置点划分到该作业规划方案的其他任务路径中,再接上例,针对作业规划方案A进行迭代可以将任务路径b中的作业位置点2划分到任务路径a中,如此,得到一个新的作业规划方案C{任务路径a(2,4,1,6),任务路径b(5),任务路径c(3,7,10,8,9)},针对作业规划方案B的迭代过程同理,就不再赘述。
若是得到的新作业规划方案也满足预设要求,那么将继续基于该新的作业规划方案和原作业规划方案执行迭代,以便于衍生出更多的新的且符合预设要求的作业规划方案。比如,通过迭代得到的新的作业规划方案中只有作业规划方案C满足预设要求,那么下一次迭代将基于作业规划方案A、B、C进行。需要注意的是,针对作业规划方案C{任务路径a(2,4,1,6),任务路径b(5),任务路径c(3,7,10,8,9)}迭代后,可得到作业规划方案D{任务路径a(2,4,1,5,6),任务路径c(3,7,10,8,9)},若是作业规划方案D也满足预设要求,则作业规划方案D相较于作业规划方案C对应的任务路径更少,也更加接近最优的作业规划方案。
上述迭代会重复进行,直至得到的作业规划方案的最少任务路径条数收敛或者迭代次数满足指定条件。然后从得到的作业规划方案中选出优选作业规划方案。比如,再次经过10次迭代后,得到的任务路径条数最少的作业规划方案的任务路径条数依然是2条,则代表任务路径最少条数已收敛,此时,再从得到的作业规划方案(包括随机生成的满足预设要求的作业规划方案及通过迭代而衍生出的满足预设要求的作业规划方案)中选出优先作业规划方案。
可见,本发明实施例提供的路径规划方法先随机生成满足预设要求的作业规划方案,再通过迭代在随机生成的作业规划方案的基础上进行优化,得到任务路径条数更少的作业规划方案,从而能够得到优选作业规划方案。整个过程无需人工参与,且相较于人工设计作业规划方案能够更快、更准确的预测到最优的作业规划方案。不依赖于先验经验,节约人力成本,可应对作业场景的变化,可移植性强。
下面对本发明实施例的实现细节进行说明:
在一些实施例中,上述步骤S101可以是依据并行作业的作业设备的台数,随机生成多个满足预设要求的作业规划方案。
在另一些实施例中,上述步骤S101还可以是依据可接受的最大作业趟数,随机生成多个满足预设要求的作业规划方案。
可以理解地,无论是根据作业设备的台数还是根据可接受的最大作业趟数随机生成多个满足预设要求的作业规划方案,其目的都在于限制得到的每个作业规划方案中任务路径的条数。因此,二者原理是相同的,下面主要以根据可接受的最大作业趟数随机生成多个满足预设要求的作业规划方案为例进行描述。
作为一种实施方式,上述步骤S101可以包括:
首先,根据作业位置点及可接受的最大作业趟数,随机生成多个满足预设条件的二值矩阵。可选地,二值矩阵的行对应一条任务路径且总行数等于可接受的最大作业趟数,二值矩阵的列对应一个作业位置点。
可选地,上述预设条件可以是二值矩阵中每一列有且仅有一个元素被赋予第一值。比如,如图4所示,二值矩阵为1-0矩阵时,那么随机生成的1-0矩阵中每一列所有的元素叠加值为1。
其次,基于每个二值矩阵生成一个对应的作业规划方案。
在一些实施例中,若二值矩阵中第i行第j列的元素被赋予第一值,那表征第j列所对应的作业位置点属于第i行所对应的任务路径。基于此,可以逐行获取赋值为1的元素所对应的作业位置点,作为属于该行所映射的任务路径的作业位置点。再将各个任务路径所对应的作业位置点之间的顺序随机打乱,从而得到一个作业规划方案。如此,依据多个随机生成的二值矩阵,则可以得到多个作业规划方案。
最后,检验得到的作业规划方案是否满足预设要求,确保得到的作业规划方案中,每条任务路径中所有的作业位置点的作业内容能被作业设备在一趟作业中完成。
在一些实施例中,将能够制约作业设备完成任务路径对应的所有作业内容的条件作为约束条件,并以此约束条件依次检测作业规划方案中是否每条任务路径都符合要求。可选地,上述检验得到的作业规划方案是否满足预设要求的步骤包括:
(1)判断作业规划方案中每条任务路径对应的作业量是否超过预选的作业设备的额定作业量。
上述任务路径的作业量是该任务路径上各个作业位置点上所需的作业量的总和。作业位置点上所需的作业量可以由作业过程中的消耗物质进行表征。上述各个作业位置点所需的作业量可以通过预先的测试得到。可以理解地,任何作业设备由于自身条件的限制,单趟作业的总共作业量是有限的,比如,能够装载作业所需消耗物的总量有限。比如,每棵果树所需的作业量为喷洒农药时该果树所需的药量,那么无人机的额定作业量为无人机药箱的最大容量。
可以理解地,不同的果树由于大小等因素的影响,所需的药量也不一样。通过预先勘测各棵果树的大小即可提前计算出该果树所需的作业量。
(2)当所有的任务路径的作业量均没超过额定作业量时,依据任务路径中作业位置点,计算作业规划方案中每条所述任务路径的作业能耗量。
上述任务路径中作业位置点的数量不同,也意味着作业设备移动的总路程也不同,移动所消耗的能量也不同。因此,在一些实施例中,可以是根据作业位置点的数量计算完成该任务路径上所有作业位置点的作业内容所需的作业能耗量。比如,所需消耗的电量。
在一些实施例中,计算作业能耗量时还需考虑任务路径所对应的作业量。可以理解地,作业设备作业过程中需要移动,而作业设备自身载重将影响移动过程所需的能耗量。然而,随着作业设备对作业位置点上的作业内容的完成,自身载重也会较少,比如,随着无人机完成对果树的农药喷洒,无人机的药箱重量将逐渐减小。因此,计算作业能耗量时还需将任务路径所对应的作业位置点之间顺序考虑到其中。
例如,首先依据任务路径所需的总药量(简称总药量)以及飞行起点到任务路径上第一棵果树(简称第一果树)之间的距离评估对应的飞行耗电量。其次,将总药量减去第一果树所需喷洒药量,得到第一剩余药量,再依据第一剩余药量及第一果树到第二果树(同理,代指任务路径上第二棵果树)之间的距离,评估对应的飞行耗电量。再次,将第一剩余药量减去第二果树所需喷洒药量,得到第二剩余药量,再依据第二剩余药量及第二果树到第三果树之间的距离,评估对应的飞行耗电量。以此类推,评估任意两棵相邻的果树之间飞行所需的飞行耗电量及从最后一棵果树返回起点所需的飞行耗电量。最后,将计算出的所有与该任务路径相关的飞行耗电量叠加得到该任务路径的作业能耗量。可以理解地,上述例子中虽然仅以耗电量描述计算作业能耗量的过程,但是也可以依据作业设备所使用的其他能源,按照相同的原理计算作业能耗量。
(3)若作业规划方案的每条任务路径的作业能耗量均未超过作业设备的作业负载能力指标,则判断作业规划方案满足预设要求。
可以理解地,上述作业负载能力指标也是依据作业设备的实际性能确定出的一个额定参数,用于表征作业设备最大的作业能力。比如,可以是作业设备的电池总电量。
在一些实施例中,上述步骤S102-1可以是依据每条任务路径的作业量与该作业规划方案所有任务路径的作业量之间的关系,从作业规划方案选出作业量最小的第一目标路径。比如,任务路径1所需的喷洒量为v1,任务路径2所需的喷洒量为v2,任务路径3所需的喷洒量为v3,任务路径4所需的喷洒量为v4,任务路径5所需的喷洒量为v5,分别计算出 及再基于此,计算出任务路径1对应的概率P1/(P1+P2+P3+P4+P5),任务路径2对应的概率P2/(P1+P2+P3+P4+P5),任务路径3对应的概率P3/(P1+P2+P3+P4+P5),任务路径4对应的概率P4/(P1+P2+P3+P4+P5),任务路径5对应的概率P5/(P1+P2+P3+P4+P5)。选择对应的概率最大的任务路径作为第一目标路径。
在一些实施例中,即便是从第一目标路径中选择了同一个作业位置点,并将其分给了同一条其他任务路径,该作业位置点在该条其他任务路径不同位置,实际的作业能耗量也是不同的。因此,上述步骤S102-2可以采用贪心策略,将从第一目标路径中选出的作业位置点划分给该作业规划方案中的其他任务路径。可选地,上述步骤S102-2可以包括:
S1,从第一目标路径中选中一个目标作业位置点。
S2,将目标作业位置点从第一目标路径中删除。
S3,从其他任务路径中随机确定一条第三目标路径。
S4,将目标作业位置点分别插入第三目标路径的多个顺序位置。可选地,上述顺序位置包括第三目标路径中列于第一位的作业位置点之前的位置、列于最后一位的作业位置点之后的位置及任意两个相邻的作业位置点之间的位置,以生成多个待选作业规划方案。比如,将作业规划方案A{任务路径a(4,1,6),任务路径b(2,5),任务路径c(3,7,10,8,9)}中的任务路径b选为第一目标路径,将任务路径a确定为第三目标路径,将任务路径b中的2号果树从任务路径b中删除,然后将2号果树分别放入任务路径a中的多个顺序位置,上述多个顺序位置包括4号果树之前、4号果树与1号果树之间、1号果树与6号果树之间及6号果树之后。如此可以得到:待选作业规划方案C1{任务路径a(2,4,1,6),任务路径b(5),任务路径c(3,7,10,8,9)}、待选作业规划方案C2{任务路径a(4,2,1,6),任务路径b(5),任务路径c(3,7,10,8,9)}、待选作业规划方案C3{任务路径a(4,1,2,6),任务路径b(5),任务路径c(3,7,10,8,9)}以及待选作业规划方案C4{任务路径a(4,1,6,2),任务路径b(5),任务路径c(3,7,10,8,9)}。
S5,将作业能耗总量最小的所述待选作业规划方案选为新的作业规划方案。
上述作业能耗量总量为待选作业规划方案中各条任务路径的作业能耗量的总和。需要说明的是,各条任务路径的作业能耗量可以参考步骤S101中采用的作业能耗量计算方法进行计算,在此便不再赘述。
例如,上述待选作业规划方案C1、C2、C3、C4中作业能耗量总量最小的是待选作业规划方案C1,则将待选作业规划方案C1作为新生成的作业规划方案C。
若是每次都将得到的所有的满足预设要求的作业规划方案加入迭代,那么随着作业规划方案的增多,处理速度将下降。为了改善这一问题,在一些实施例中,在图2的基础上,如图5所示,上述路径规划方法还可以包括步骤:
S301,依据作业规划方案所对应的任务路径的条数,从新增后得到的作业规划方案中筛选出第二数量的作业规划方案。
作为一种实施方式,首先依据作业规划方案所对应的任务路径的条数,按照从少到多的顺序,对新增后得到的作业规划方案进行排序。可选地,上述新增后得到的作业规划方案包括迭代前的作业规划方案及迭代后得到的新的作业规划方案。可选地,对于任务路径的条数相同的作业规划方案之间随机排序。其次,将排列次序在所述第二数量之前的作业规划方案确定为筛选出的所述作业规划方案。
比如,新增后得到的作业规划方案包括四个具有三条任务路径的作业规划方案及六个具有四条任务路径的作业规划方案,那么一方面将所有具有三条任务路径的作业规划方案排列在具有四条任务路径的作业规划方案之前,另一方面具有三条任务路径的作业规划方案之间随机排列,具有四条任务路径的作业规划方案之间随机排列。当第二数量为4时,则直接把具有三条任务路径的作业规划方案作为筛选出的作业规划方案。当第二数量为6时,则把所有具有三条任务路径的作业规划方案作为筛选出的作业规划方案的同时,将具有四条任务路径的作业规划方案之中排列于前两位的作业规划方案也作为筛选出的作业规划方案。
在其他的一些实施例中,还可以将作业规划方案中任务路径条数最少的方案作为筛选出的作业规划方案。
同时,上述步骤S103可以包括依据筛选出的所述作业规划方案重复所述迭代。这样即可确保每次迭代所需处理的作业规划方案不会过量而超过电子设备100的处理能力。
在一些实施例中,为了避免迭代过程中出现局部优化的问题,如图6所示,本发明实施例提供的路径规划方法还可以包括以下步骤:
步骤S201,依据作业规划方案所对应的任务路径的条数,从退出迭代后得到的多个所述作业规划方案中选出第一数量的所述作业规划方案。
在图2所示的路径规划方法的基础上,退出迭代后,流程进入步骤S201。如前所述,能够触发退出迭代并使流程进入步骤S201的情况包括首次出现得到的作业规划方案所对应的任务路径的最少条数收敛或者重复次数满足指定条件。作为一种实现方式,上述次数满足指定条件还可以是重复次数为指定值的整倍数,比如,指定值为一百,那么迭代次数为100、200或者300等的时候均会触发退出迭代,从而流程进入步骤S201。
在本发明实施例中,依据作业规划方案所对应的任务路径的条数,按照从少到多的顺序,对新增后得到的作业规划方案进行排序。可选地,所对应的任务路径的条数相同的作业规划方案之间随机排序。将排列次序在第一数量之前的作业规划方案确定为选出的作业规划方案。接上例,退出迭代时,得到的作业规划方案包括作业规划方案A、B、C、D,第一数量为2,那么依据任务路径的条数对得到的作业规划方案进行排列后得到的排列顺序为D、B、C、A,那么选出的作业规划方案为作业规划方案D和B。
步骤S202,利用遗传处理模型,在选出的作业规划方案上扩增新的作业规划方案。
在本发明实施例中,上述遗传处理模型可以是,但不限于是交叉算法、变异算法等之一或者之间的组合。因此,上述步骤S202可以通过以下任意一种方式实现。
第一种方式,如图7所示,上述步骤S202可以包括以下子步骤:
子步骤S202-1,依次对选出的各个作业规划方案的任务路径进行平铺处理,得到对应的任务路径链。
上述任务路径链可以是基于同一作业规划方案中任务路径生成,上述任务路径链中属于同一任务路径的作业位置点之间的顺序不改变。此外,任务路径链中若是相邻的两个作业位置点分别属于不同的任务路径,那这两个作业位置点之间将设置区分标识,区分标识所在位置即为标记位置。
以对作业规划方案A和B分别进行平铺处理为例,针对作业规划方案A{任务路径a(4,1,6),任务路径b(2,5),任务路径c(3,7,10,8,9)}进行平铺处理后,得到的任务路径链A为{4,1,6|2,5|3,7,10,8,9}。针对作业规划方案B{任务路径a(3,2,1,6),任务路径b(8,9,7),任务路径c(5,4,10)}进行平铺处理后,得到的任务路径链B为{3,2,1,6|8,9,7|5,4,10}。上述“|”代表区分标识,不同任务路径对应的作业位置点通过区分标识分开,任务路径链上任意两个相邻的区分标识之间的作业位置点属于同一任务路径。当然区别标识也可以以其他形式呈现,对此并不做限定。
子步骤S202-2,基于任意两个作业规划方案的任务路径链,进行交叉处理,以得到新的所述任务路径链。
作为一种实施方式,可以是获取各条任务路径链上区分标识的标记位置,再对得到任务路径链进行两两分组,将同组的两条任务路径链的区分标识的标记位置对换,得到新的所述任务路径链。比如,任务路径链A上区分标识的标记位置包括:列于第三位的作业位置点和列于第四位的作业位置点之间、列于第五位的作业位置点和列于第六位的作业位置点之间。任务路径链B上区分标识的标记位置包括:列于第四位的作业位置点和列于第五位的作业位置点之间、列于第七位的作业位置点和列于第八位的作业位置点之间。对任务路径链A和B进行区分标识的标记位置对换,即将任务路径链A上区分标识分别挪动至列于第四位的作业位置点和列于第五位的作业位置点之间、列于第七位的作业位置点和列于第八位的作业位置点之间,将任务路径链B上区分标识分别挪动至列于第三位的作业位置点和列于第四位的作业位置点之间、列于第五位的作业位置点和列于第六位的作业位置点之间,如此,得到新的任务路径链C{4,1,6,2|5,3,7|10,8,9}和任务路径链D{3,2,1|6,8|9,7,5,4,10}。
子步骤S202-3,根据新的任务路径链得到扩增的作业规划方案。
作为一种实施方式,上述子步骤S202-3可以包括以下步骤:
S202-3-1,可以依据区分标识将新的任务路径链拆分为多条任务路径,得到待选作业规划方案。比如,将任务路径链C拆分为任务路径(4,1,6,2)、任务路径(5,3,7)和任务路径(10,8,9),并基于此得到待选作业规划方案{任务路径(4,1,6,2),任务路径(5,3,7),任务路径(10,8,9)}。
S202-3-2,将满足预设要求的待选作业规划方案选为扩增的作业规划方案。
第二种方式,如图8所示,上述步骤S202可以包括以下子步骤:
子步骤S202-4,分别从选出的作业规划方案中随机选出第二目标路径。
子步骤S202-5,将第二目标路径中任意一个作业位置点划分给作业规划方案中的其他任务路径,生成待选作业规划方案。
比如,选出的作业规划方案A{任务路径a(4,1,6),任务路径b(2,5),任务路径c(3,7,10,8,9)}中任务路径a被选为第二目标路径,从任务路径a中随机确定出作业位置点1,将作业位置点1从任务路径a中删除,此时的其他任务路径包括任务路径b和c,若选中任务路径b,则将作业位置点1放入任务路径b中,从而得到待选作业规划方案{任务路径a(4,6),任务路径b(1,2,5),任务路径c(3,7,10,8,9)}。若选中任务路径c,则将作业位置点1放入任务路径c中,从而得到待选作业规划方案{任务路径a(4,6),任务路径b(2,5),任务路径c(1,3,7,10,8,9)}。
子步骤S202-6,将满足预设要求的待选作业规划方案选为新的作业规划方案。
可以理解地,选出的作业规划方案可以包括多个,且每个选出的作业规划方案均可衍生出至少一个待选作业规划方案。依次检验待选作业规划方案是否满足预设要求,从而得到将满足预设要求的待选作业规划方案选为新的作业规划方案。
第三种方式,将上述第一种方式和第二种方式相结合。
比如,先对选出的作业规划方案进行交叉处理衍生出多个满足预设要求的作业规划方案,再对选出的作业规划方案进行变异处理衍生出多个满足预设要求的作业规划方案。
再比如,先对选出的作业规划方案进行交叉处理衍生出多个满足预设要求的作业规划方案,再对衍生出的多个满足预设要求的作业规划方案进行变异处理从而衍生出更多满足预设要求的作业规划方案。
再比如,先对选出的作业规划方案进行变异处理衍生出多个满足预设要求的作业规划方案,再对衍生出的多个满足预设要求的作业规划方案进行交叉处理从而衍生出更多满足预设要求的作业规划方案。
步骤S203,基于扩增后的作业规划方案重复迭代,直至得到的作业规划方案所对应的任务路径的最少条数收敛退出迭代。
在本发明实施例中,上述步骤S203中提及的迭代与步骤S102中提及的迭代的步骤是相同的,在此不再赘述。
步骤S204,选出所对应的任务路径条数最少的作业规划方案作为优选作业规划方案。
在本发明实施例中,在步骤S203退出迭代后,从得到的满足预设要求的作业规划方案中选出任务路径条数最少的作业规划方案作为优选作业规划方案。
可以理解地,作业规划方案中任务路径条数越少,作业设备按照其进行作业时所需的作业趟数也少,如此,每趟作业均可充分利用作业设备的作业负载能力,有效减少作业趟数。因此,满足预设要求且任务路径最少的作业规划方案为得到的方案中最优的。
为了执行上述实施例及各个可能的方式中的相应步骤,下面给出一种路径规划装置400的实现方式,可选地,该路径规划装置400可以采用上述图1所示的电子设备100的器件结构。进一步地,请参阅图9,图9为本发明实施例提供的一种路径规划装置400的功能模块图。需要说明的是,本实施例所提供的路径规划装置400,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。该路径规划装置400包括:随机生成模块401、迭代模块402、选择模块403、扩增模块404、确定模块405、筛选模块406及判断模块407。
可选地,上述随机生成模块401,用于随机生成多个满足预设要求的作业规划方案;其中,每个所述作业规划方案均对应所有的作业位置点,所述作业规划方案包括多条任务路径;所述任务路径用于表征一趟作业所需途径的作业位置点及途径所述作业位置点的顺序;所述多条任务路径包括所有的所述作业位置点,各条所述任务路径所对应的所述作业位置点不同。
在一些实施例中,上述步骤S101可以由随机生成模块401执行。
可选地,上述迭代模块402用于依据满足预设要求的作业规划方案,执行迭代:获取每个所述作业规划方案中作业量最小的第一目标路径;将所述第一目标路径中的一个所述作业位置点划分给所述作业规划方案中其他任务路径,以获取新的满足所述预设要求的作业规划方案。
可选地,上述迭代模块402还用于基于新增后的所述作业规划方案,重复所述迭代,直至得到的所述作业规划方案所对应的所述任务路径的最少条数收敛或者重复次数满足指定条件退出所述迭代,以得到优选作业规划方案。
在一些实施例中,上述步骤S102和步骤S103均可以由迭代模块402执行。
可选地,选择模块403用于依据所述作业规划方案所对应的任务路径的条数,从退出所述迭代后得到的多个所述作业规划方案中选出第一数量的所述作业规划方案。
在一些实施例中,上述步骤S201可以由选择模块403执行。
可选地,上述扩增模块404用于利用遗传处理模型,在选出的所述作业规划方案上扩增新的作业规划方案。
在一些实施例中,上述步骤S202可以由扩增模块404执行。
可选地,上述迭代模块402还用于基于扩增后的所述作业规划方案重复所述迭代,直至得到的所述作业规划方案所对应的所述任务路径的最少条数收敛退出迭代。
在一些实施例中,上述步骤S203可以由迭代模块402执行。
可选地,上述确定模块405用于选出所对应的所述任务路径条数最少的作业规划方案作为所述优选作业规划方案。
在一些实施例中,上述步骤S204可以由确定模块405执行。
可选地,筛选模块406依据所述作业规划方案所对应的所述任务路径的条数,从新增后得到的所述作业规划方案中筛选出第二数量的所述作业规划方案。
在一些实施例中,上述步骤S301可以由筛选模块406执行。
可选地,上述迭代模块402还用于依据筛选出的所述作业规划方案重复所述迭代。
可选地,上述判断模块407用于判断所述作业规划方案中每条所述任务路径对应的作业量是否超过预选的作业设备的额定作业量。在一些实施例中,上述判断模块407具体用于当所有的任务路径的作业量均没超过所述额定作业量时,依据所述任务路径中所述作业位置点,计算所述作业规划方案中每条所述任务路径的作业能耗量;若所述作业规划方案的每条所述任务路径的作业能耗量均未超过所述作业设备的作业负载能力指标,则判断所述作业规划方案满足所述预设要求。
可选地,上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于该电子设备100的操作系统(Operating System,OS)中,并可由图1中的处理器120执行。同时,执行上述模块所需的数据、程序的代码等可以存储在存储器110中。
本发明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,所述计算机程序被处理器120执行时实现上述方法。
综上所述,本发明实施例提供了一种路径规划方法、装置、电子设备和计算机可读存储介质,其中,上述路径规划方法包括随机生成多个满足预设要求的作业规划方案;其中,每个所述作业规划方案均对应所有的作业位置点,所述作业规划方案包括多条任务路径;所述任务路径用于表征一趟作业所需途径的作业位置点及途径所述作业位置点的顺序;所述多条任务路径包括所有的所述作业位置点,各条所述任务路径所对应的所述作业位置点不同;依据满足预设要求的作业规划方案,执行迭代:获取每个所述作业规划方案中作业量最小的第一目标路径;将所述第一目标路径中的一个所述作业位置点划分给所述作业规划方案中其他任务路径,以获取新的满足所述预设要求的作业规划方案;基于新增后的所述作业规划方案,重复所述迭代,直至得到的所述作业规划方案所对应的所述任务路径的最少条数收敛或者重复次数满足指定条件退出所述迭代,以得到优选作业规划方案。如此,可得到既符合预设要求,又接近最优的优选作业规划方案。此外,无需人工参与,降低人力成本且能够适应作业场景的变化。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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(可以是个人计算机,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、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (16)
1.一种路径规划方法,其特征在于,所述路径规划方法包括:
随机生成多个满足预设要求的作业规划方案;其中,每个所述作业规划方案均对应所有的作业位置点,所述作业规划方案包括多条任务路径;所述任务路径用于表征一趟作业所需途径的作业位置点及途径所述作业位置点的顺序;所述多条任务路径包括所有的所述作业位置点,各条所述任务路径所对应的所述作业位置点不同;
依据满足预设要求的作业规划方案,执行迭代:获取每个所述作业规划方案中作业量最小的第一目标路径;将所述第一目标路径中的一个所述作业位置点划分给所述作业规划方案中其他任务路径,以获取新的满足所述预设要求的作业规划方案;
基于新增后的所述作业规划方案,重复所述迭代,直至得到的所述作业规划方案所对应的所述任务路径的最少条数收敛或者重复次数满足指定条件退出所述迭代,以得到优选作业规划方案。
2.根据权利要求1所述的路径规划方法,其特征在于,在退出所述迭代后,所述路径规划方法还包括:
依据所述作业规划方案所对应的任务路径的条数,从退出所述迭代后得到的多个所述作业规划方案中选出第一数量的所述作业规划方案;
利用遗传处理模型,在选出的所述作业规划方案上扩增新的作业规划方案;
基于扩增后的所述作业规划方案重复所述迭代,直至得到的所述作业规划方案所对应的所述任务路径的最少条数收敛退出所述迭代;
选出所对应的任务路径条数最少的作业规划方案作为所述优选作业规划方案。
3.根据权利要求2所述的路径规划方法,其特征在于,所述利用遗传处理模型,在选出的所述作业规划方案上扩增新的作业规划方案的步骤包括:
依次对选出的各个所述作业规划方案的所述任务路径进行平铺处理,得到对应的任务路径链;
基于任意两个所述作业规划方案的任务路径链,进行交叉处理,以得到新的所述任务路径链;
根据新的所述任务路径链得到扩增的作业规划方案。
4.根据权利要求3所述的路径规划方法,其特征在于,所述基于任意两个所述作业规划方案的任务路径链,进行交叉处理的步骤包括:
获取所述任务路径链上区分标识的标记位置;其中,所述任务路径链上任意两个相邻的所述区分标识之间的所述作业位置点属于同一所述任务路径;
将两条所述任务路径链的所述区分标识的标记位置互换,得到新的所述任务路径链。
5.根据权利要求4所述的路径规划方法,其特征在于,所述根据新的所述任务路径链得到扩增的作业规划方案的步骤包括:
依据所述区分标识将新的所述任务路径链拆分为多条任务路径,得到待选作业规划方案;
将满足所述预设要求的所述待选作业规划方案选为所述扩增的作业规划方案。
6.根据权利要求2所述的路径规划方法,其特征在于,所述利用遗传处理模型,在选出的所述作业规划方案上扩增新的作业规划方案的步骤包括:
分别从选出的所述作业规划方案中随机选出第二目标路径;
将所述第二目标路径中任意一个所述作业位置点划分给所述作业规划方案中的其他任务路径,生成待选作业规划方案;
将满足所述预设要求的所述待选作业规划方案选为新的所述作业规划方案。
7.根据权利要求1所述的路径规划方法,其特征在于,所述将所述第一目标路径中的一个所述作业位置点划分给所述作业规划方案中其他任务路径的步骤包括:
从所述第一目标路径中选中一个目标作业位置点;
将所述目标作业位置点从所述第一目标路径中删除;
从所述其他任务路径中随机确定一条第三目标路径;
将所述目标作业位置点分别插入所述第三目标路径的多个顺序位置;所述顺序位置包括所述第三目标路径中列于第一位的作业位置点之前的位置、列于最后一位的作业位置点之后的位置及任意两个相邻的作业位置点之间的位置;以生成多个待选作业规划方案;
将作业能耗总量最小的所述待选作业规划方案选为新的所述作业规划方案。
8.根据权利要求1所述的路径规划方法,其特征在于,所述获取新的满足所述预设要求的作业规划方案之后,所述路径规划方法还包括:
依据所述作业规划方案所对应的所述任务路径的条数,从新增后得到的所述作业规划方案中筛选出第二数量的所述作业规划方案;
基于新增后的所述作业规划方案,重复所述迭代的步骤包括:依据筛选出的所述作业规划方案重复所述迭代。
9.根据权利要求8所述的路径规划方法,其特征在于,所述依据所述作业规划方案所对应的所述任务路径的条数,从新增后得到的所述作业规划方案中筛选出第二数量的所述作业规划方案的步骤包括:
依据所述作业规划方案所对应的所述任务路径的条数,按照从少到多的顺序,对新增后得到的所述作业规划方案进行排序;其中,所对应的任务路径的条数相同的所述作业规划方案之间随机排序;
将排列次序在所述第二数量之前的所述作业规划方案确定为筛选出的所述作业规划方案。
10.根据权利要求1所述的路径规划方法,其特征在于,所述路径规划方法还包括判断所述作业规划方案是否满足所述预设要求;所述判断所述作业规划方案是否满足所述预设要求的步骤包括:
判断所述作业规划方案中每条所述任务路径对应的作业量是否超过预选的作业设备的额定作业量;
当所有的所述任务路径的作业量均没超过所述额定作业量时,依据所述任务路径中所述作业位置点,计算所述作业规划方案中每条所述任务路径的作业能耗量;
若所述作业规划方案的每条所述任务路径的作业能耗量均未超过所述作业设备的作业负载能力指标,则判断所述作业规划方案满足所述预设要求。
11.一种路径规划装置,其特征在于,所述路径规划装置包括:
随机生成模块,用于随机生成多个满足预设要求的作业规划方案;其中,每个所述作业规划方案均对应所有的作业位置点,所述作业规划方案包括多条任务路径;所述任务路径用于表征一趟作业所需途径的作业位置点及途径所述作业位置点的顺序;所述多条任务路径包括所有的所述作业位置点,各条所述任务路径所对应的所述作业位置点不同;迭代模块,用于依据满足预设要求的作业规划方案,执行迭代:获取每个所述作业规划方案中作业量最小的第一目标路径;将所述第一目标路径中的一个所述作业位置点划分给所述作业规划方案中其他任务路径,以获取新的满足所述预设要求的作业规划方案;
所述迭代模块,还用于基于新增后的所述作业规划方案,重复所述迭代,直至得到的所述作业规划方案所对应的所述任务路径的最少条数收敛或者重复次数满足指定条件退出所述迭代,以得到优选作业规划方案。
12.根据权利要求11所述的路径规划装置,其特征在于,所述路径规划装置还包括:
选择模块,用于依据所述作业规划方案所对应的任务路径的条数,从退出所述迭代后得到的多个所述作业规划方案中选出第一数量的所述作业规划方案;
扩增模块,用于利用遗传处理模型,在选出的所述作业规划方案上扩增新的作业规划方案;
所述迭代模块,还用于基于扩增后的所述作业规划方案重复所述迭代,直至得到的所述作业规划方案所对应的所述任务路径的最少条数收敛退出所述迭代;
确定模块,用于选出所对应的任务路径条数最少的作业规划方案作为所述优选作业规划方案。
13.根据权利要求11所述的路径规划装置,其特征在于,所述路径规划装置还包括:
筛选模块,依据所述作业规划方案所对应的所述任务路径的条数,从新增后得到的所述作业规划方案中筛选出第二数量的所述作业规划方案;
所述迭代模块,还用于依据筛选出的所述作业规划方案重复所述迭代。
14.根据权利要求11所述的路径规划装置,其特征在于,所述路径规划装置还包括:
判断模块,用于判断所述作业规划方案中每条所述任务路径对应的作业量是否超过预选的作业设备的额定作业量;当所有的所述任务路径的作业量均没超过所述额定作业量时,依据所述任务路径中所述作业位置点,计算所述作业规划方案中每条所述任务路径的作业能耗量;若所述作业规划方案的每条所述任务路径的作业能耗量均未超过所述作业设备的作业负载能力指标,则判断所述作业规划方案满足所述预设要求。
15.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现权利要求1-10任一所述的方法。
16.一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,所述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 |
---|---|---|---|
CN202010119559.1A CN111752302B (zh) | 2020-02-26 | 2020-02-26 | 路径规划方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010119559.1A CN111752302B (zh) | 2020-02-26 | 2020-02-26 | 路径规划方法、装置、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111752302A true CN111752302A (zh) | 2020-10-09 |
CN111752302B CN111752302B (zh) | 2021-09-10 |
Family
ID=72673139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010119559.1A Active CN111752302B (zh) | 2020-02-26 | 2020-02-26 | 路径规划方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111752302B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112395813A (zh) * | 2020-11-27 | 2021-02-23 | 广州极飞科技有限公司 | 平地作业规划方法、装置及电子设备 |
CN112633600A (zh) * | 2020-12-31 | 2021-04-09 | 广州极飞科技有限公司 | 路径生成方法、装置、无人设备及存储介质 |
CN112668792A (zh) * | 2020-12-31 | 2021-04-16 | 广州极飞科技有限公司 | 补给规划方法、作业方法及相关装置 |
CN112835381A (zh) * | 2020-12-31 | 2021-05-25 | 广州极飞科技股份有限公司 | 喷洒物携带分析方法、装置、喷洒作业系统及电子设备 |
WO2022095052A1 (zh) * | 2020-11-09 | 2022-05-12 | 深圳市大疆创新科技有限公司 | 可移动平台的作业规划方法、设备和存储介质 |
CN115456487A (zh) * | 2022-11-10 | 2022-12-09 | 深圳市道通智能航空技术股份有限公司 | 机群系统的任务规划方法、任务规划装置及其电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004038921A (ja) * | 2002-07-04 | 2004-02-05 | Samsung Electronics Co Ltd | 無人搬送システムの制御方法 |
JP2004538438A (ja) * | 1998-12-31 | 2004-12-24 | ハネウェル・インコーポレーテッド | 多次元航路オプティマイザ |
CN103383569A (zh) * | 2013-05-31 | 2013-11-06 | 浙江工业大学 | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 |
US20140244077A1 (en) * | 2013-02-22 | 2014-08-28 | Thales | Method for creating a vertical trajectory profile comprising multiple altitude levels |
CN105005301A (zh) * | 2015-05-25 | 2015-10-28 | 湘潭大学 | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 |
CN106774395A (zh) * | 2016-12-14 | 2017-05-31 | 东北农业大学 | 农用植保无人机避障喷施路径规划方法及无人机 |
CN108664022A (zh) * | 2018-04-27 | 2018-10-16 | 湘潭大学 | 一种基于拓扑地图的机器人路径规划方法及系统 |
CN109976148A (zh) * | 2017-12-28 | 2019-07-05 | 深圳市优必选科技有限公司 | 机器人运动路径规划方法、装置、存储介质及终端设备 |
-
2020
- 2020-02-26 CN CN202010119559.1A patent/CN111752302B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004538438A (ja) * | 1998-12-31 | 2004-12-24 | ハネウェル・インコーポレーテッド | 多次元航路オプティマイザ |
JP2004038921A (ja) * | 2002-07-04 | 2004-02-05 | Samsung Electronics Co Ltd | 無人搬送システムの制御方法 |
US20140244077A1 (en) * | 2013-02-22 | 2014-08-28 | Thales | Method for creating a vertical trajectory profile comprising multiple altitude levels |
CN103383569A (zh) * | 2013-05-31 | 2013-11-06 | 浙江工业大学 | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 |
CN105005301A (zh) * | 2015-05-25 | 2015-10-28 | 湘潭大学 | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 |
CN106774395A (zh) * | 2016-12-14 | 2017-05-31 | 东北农业大学 | 农用植保无人机避障喷施路径规划方法及无人机 |
CN109976148A (zh) * | 2017-12-28 | 2019-07-05 | 深圳市优必选科技有限公司 | 机器人运动路径规划方法、装置、存储介质及终端设备 |
CN108664022A (zh) * | 2018-04-27 | 2018-10-16 | 湘潭大学 | 一种基于拓扑地图的机器人路径规划方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022095052A1 (zh) * | 2020-11-09 | 2022-05-12 | 深圳市大疆创新科技有限公司 | 可移动平台的作业规划方法、设备和存储介质 |
CN114616178A (zh) * | 2020-11-09 | 2022-06-10 | 深圳市大疆创新科技有限公司 | 可移动平台的作业规划方法、设备和存储介质 |
CN112395813A (zh) * | 2020-11-27 | 2021-02-23 | 广州极飞科技有限公司 | 平地作业规划方法、装置及电子设备 |
CN112395813B (zh) * | 2020-11-27 | 2022-12-27 | 广州极飞科技股份有限公司 | 平地作业规划方法、装置及电子设备 |
CN112633600A (zh) * | 2020-12-31 | 2021-04-09 | 广州极飞科技有限公司 | 路径生成方法、装置、无人设备及存储介质 |
CN112668792A (zh) * | 2020-12-31 | 2021-04-16 | 广州极飞科技有限公司 | 补给规划方法、作业方法及相关装置 |
CN112835381A (zh) * | 2020-12-31 | 2021-05-25 | 广州极飞科技股份有限公司 | 喷洒物携带分析方法、装置、喷洒作业系统及电子设备 |
CN115456487A (zh) * | 2022-11-10 | 2022-12-09 | 深圳市道通智能航空技术股份有限公司 | 机群系统的任务规划方法、任务规划装置及其电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111752302B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111752302B (zh) | 路径规划方法、装置、电子设备和计算机可读存储介质 | |
Narasimha et al. | An ant colony optimization technique for solving min–max multi-depot vehicle routing problem | |
Resende et al. | Greedy randomized adaptive search procedures: Advances and extensions | |
Captivo et al. | Solving bicriteria 0–1 knapsack problems using a labeling algorithm | |
Meziane et al. | Reliability optimization using ant colony algorithm under performance and cost constraints | |
Popović et al. | Application of genetic algorithms for sequencing of AS/RS with a triple-shuttle module in class-based storage | |
González-Ramírez et al. | A hybrid metaheuristic approach to optimize the districting design of a parcel company | |
Mencía et al. | Genetic algorithms for the scheduling problem with arbitrary precedence relations and skilled operators | |
CN111047087A (zh) | 无人机与车辆协同下路径的智能优化方法和装置 | |
Mishra et al. | A fuzzy goal-programming model of machine-tool selection and operation allocation problem in FMS: a quick converging simulated annealing-based approach | |
Mahmassani et al. | Toll pricing and heterogeneous users: approximation algorithms for finding bicriterion time-dependent efficient paths in large-scale traffic networks | |
Sergeeva et al. | Dynamic airspace configurations generated by evolutionary algorithms | |
Ahmed et al. | Reducing completion time and optimizing resource use of resource-constrained construction operation by means of simulation modeling | |
Narciso et al. | A time stamp reduction method for state space exploration using colored Petri nets | |
Hongyun et al. | Multi-goal path planning algorithm for mobile robots in grid space | |
Su et al. | A robust scheduling optimization method for flight deck operations of aircraft carrier with ternary interval durations | |
Averbakh et al. | Tree optimization based heuristics and metaheuristics in network construction problems | |
CN110837950A (zh) | 一种rgv的动态调度方法 | |
Varghese et al. | Dynamic spatial block arrangement scheduling in shipbuilding industry using genetic algorithm | |
Lin et al. | Applying an immune ant colony system algorithm to solve an integrated flexible bay facility layout problem with input/output points design | |
Xu et al. | Heuristic routing algorithm toward scalable distributed generalized assignment problem | |
Castaneda L et al. | Iterated local search for the vehicle routing problem with a private fleet and a common carrier | |
Kheiri et al. | Selection hyper-heuristics | |
Kim et al. | On systems of UAVs for persistent security presence: A generic network representation, MDP formulation and heuristics for task allocation | |
Grishmanov et al. | Application of the structural-algorithmic analysis method for modeling work duty shift area control centers |
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 | ||
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. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |