CN111982129B - 一种基于月面数字高程地图的综合全局路径规划方法 - Google Patents
一种基于月面数字高程地图的综合全局路径规划方法 Download PDFInfo
- Publication number
- CN111982129B CN111982129B CN202010854885.7A CN202010854885A CN111982129B CN 111982129 B CN111982129 B CN 111982129B CN 202010854885 A CN202010854885 A CN 202010854885A CN 111982129 B CN111982129 B CN 111982129B
- Authority
- CN
- China
- Prior art keywords
- terrain
- lunar
- map
- smoothness
- solar
- 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
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于月面数字高程地图的综合全局路径规划方法,属于月球探测路径规划技术领域。为了解决月面路径规划问题中不能综合考虑距离代价、地形代价及太阳光照条件代价,且针对大范围路径规划搜索时间过长的问题。本发明基于月面DEM地图提取月面地形特征,然后基于月面特征生成综合平滑度地图,并基于月面太阳光照信息生成有效太阳能量分布地图,根据地形综合平滑度信息以及有效太阳能量分布信息设计多代价启发式函数;将多代价函数值作为A*算法中的每个节点的g(n)值,选择g(n)值变小的节点进行搜索,直到搜索到目标节点,然后根据parent表回溯构建路径。本发明用于月球探测路径规划。
Description
技术领域
本发明涉及基于月面数字高程地图的综合全局路径规划方法。属于月球探测路径规划技术领域。
背景技术
针对于路径规划领域,很多路径规划方法都是使用A*(A-Star)算法,A*算法是一种求解最短路径最有效的直接搜索方法,是一种常用启发式算法,根据启发式函数f(n)扩展搜索的节点,f(n)=g(n)+h(n),其中,f(n)是从初始状态经由状态n到目标状态的代价估计,g(n)是在状态空间中从初始状态到状态n的实际代价,h(n)是从状态n到目标状态的最佳路径的估计代价。当启发式函数f(n)满足一致性条件时A*可以找到最优解。同时,A*算法将路径规划过程中待检测的节点存放于Open表中,而已检测过的格子则存放于Close表中,然后扩展当前节点的所有邻居节点加入OPEN表中,再选择f(n)最小的节点进行扩展,如此迭代直至搜索到目标节点。然后使用父节点(parent)储存回溯节点,从目标节点回溯最终路径。虽然A*算法能够较好的解决路径规划的问题,但是其也存在一定的缺点,比如算法的搜索时间比较长等。
针对于月球探测路径规划任务,目前的多数路径规划存在不能综合考虑距离代价、地形代价及太阳光照条件代价的,从而使得月球探测路径规划不能顾取得较好的效果。
发明内容
本发明为了解决月面路径规划问题中不能综合考虑距离代价、地形代价及太阳光照条件代价,且针对大范围路径规划搜索时间过长的问题,提出的一种基于月面数字高程地图的综合全局路径规划方法。
一种基于月面数字高程地图的综合全局路径规划方法,包括以下步骤:
步骤一:基于月面DEM地图提取月面地形特征;所述月面地形特征包括地形坡度、地形起伏度以及地形粗糙度;
步骤二:基于步骤一提取的月面特征生成综合平滑度地图;
步骤三:基于月面太阳方位信息生成太阳有效光照分布地图,并根据太阳有效光照分布地图确定太阳有效光照指数;
步骤四:根据步骤二和步骤三生成的地形综合平滑度信息以及太阳有效光照指数确定多代价启发式函数;
步骤五:对于A*算法的每个节点,将步骤四的多代价启发式函数的多代价函数值作为A*算法中的每个节点的g(n)值,选择g(n)值变小的节点进行搜索,直到搜索到目标节点,然后根据parent表回溯构建路径。
进一步地,步骤一所述提取月面地形特征的过程包括以步骤:
分别从DEM数据中提取坡度、起伏度以及粗糙度的月面地形信息,通过设置一个3×3大小的滚动窗口,在DEM地图上滚动计算每个窗口内的地形特征,即得到地形坡度、地形起伏度以及地形粗糙度。
进一步地,所述地形坡度、地形起伏度以及地形粗糙度分别如下:
地形坡度θ:
式中fx、fy为中心栅格东西方向和南北方向高程变化率;
地形起伏度R:
R=Hmax-Hmin
式中Hmax、Hmin分别为窗口内的最大高程值与最小高程值;
地形粗糙度δ:
进一步地,所述中心栅格东西方向和南北方向高程变化率fx、fy分别如下:
式中H1-H9分别为3x3窗口内部的9个栅格对应的高程值,g为DEM数据的分辨率大小。
进一步地,步骤二所述生成综合平滑度地图的过程包括以下步骤:
基于取的提取月面地形特征得到坡度平滑度Sslope、地形起伏平滑度Srelief、地形粗糙起伏度Srough,然后确定平滑度:
Scom=min(Sslope,Srelief,Srough)
其中,min(·)表示取最小值。
进一步地,坡度平滑度Sslope、地形起伏平滑度Srelief、地形粗糙起伏度Srough分别如下:
θmax、Rmax、δmax分别为最大坡度、起伏幅度和粗糙度的阈值。
进一步地,步骤三所述太阳有效光照指数如下:
采用滚动窗口的形式依次计算出地图各位置的太阳有效光照指数。
其中,太阳高度角为αs;方位角为βs,是太阳光相对月面正东方向的夹角。
进一步地,步骤四所述的多代价启发式函数具体如下:
heuristic_cost(x,y)=αd·Dis(x,y)+αt·(1-Scom)+αs·(1-Ssolar)
其中,Dis(·)为距离函数;αd,αt,αs为权重系数。
进一步地,所述步骤五的过程如下:
步骤五一:进行初始化,包括OPEN表、启发式函数f(n)、g(n),将g(n)初始化为极大值矩阵;
步骤五二:选择OPEN表内f(n)值最小的节点作为当前节点,对其所有邻居节点进行扩展;
步骤五三:选择g(n)值变小的节点进行探索;
步骤五四:更新g(n)值变小的邻居节点的f(n)值和OPEN表以及parent表;
步骤五五:重复迭代搜索,直到搜索到目标节点;
步骤五六:根据parent表回溯构建路径。
有益效果:
本发明不仅可以根据月面DEM地图分析地形可通过性,还可根据太阳光照条件分析太阳有效光照分布。然后提出了MFA*(Multi-cost fast A*)算法,综合考虑距离代价、地形代价、光照条件代价设计了一种综合启发式函数,使算法可以根据不同场景考虑不同的代价权重,从而生成不同的路径。同时改进了A*算法的搜索机制以适用于大范围的快速路径搜索,缩短了算法的搜索时间。
本发明所提出的地形计算方法可以较好的还原月面地形特征,对环形山边缘、小型山脉等危险区域有很好的提取效果。并且平滑度地图可以很好的表示出平坦区域(图中较亮区域),为后续路径规划提供地形信息参考。同时,本发明提出的太阳有效光照分布计算方法可根据太阳照射角度有效计算某区域的太阳能量分布情况,为后续路径规划提高能量信息参考。
本发明提出的MFA*算法生成路径的平均综合平滑度提高大约20%,平均有效光照指数提高约10%,算法搜索时间相比于标准A*算法缩短80%,说明MFA*算法提高了路径的安全性和太阳光照情况,并明显缩短了算法的搜索时间。
附图说明
图1是月球虹湾附近区域嫦娥二号DOM影像图。
图2是地形提取后的综合平滑度地图。
图3是太阳光线高低角αs=10°,方位角βs=210°条件下的太阳有效光照分布图。
图4是太阳光线高低角αs=40°,方位角βs=270°条件下的太阳有效光照分布图。
图5是太阳光线高低角αs=30°,方位角βs=310°条件下的太阳有效光照分布图。
图6是不同地形权重因子生成路径对比示意图。
图7是不同光照、地形权重因子生成路径对比示意图。
图8是不同算法生成路径对比示意图。
具体实施方式
具体实施方式一:
本实施方式所述的一种基于月面数字高程地图的综合全局路径规划方法,包括以下步骤:
步骤一:基于月面DEM地图提取月面地形特征,具体包括以下步骤:
分别从DEM数据中提取坡度、起伏度以及粗糙度三个方面的月面地形信息,通过设置一个3×3大小的滚动窗口,在DEM地图上滚动计算每个窗口内的地形特征。
地形坡度θ可由下式计算:
式中fx、fy为中心栅格东西方向和南北方向高程变化率,计算方式为:
式中H1-H9分别为3x3窗口内部的9个栅格对应的高程值,g为DEM数据的分辨率大小。
地形起伏度R定义为窗口内高程最大值与高程最小值的差,即:
R=Hmax-Hmin
Hmax、Hmin分别为窗口内的最大高程值与最小高程值。
地形粗糙度δ定义为窗口内所有点的高程值标准差,即:
步骤二:基于步骤一提取的月面地形特征生成综合平滑度地图,分别定为坡度平滑度Sslope、地形起伏平滑度Srelief、地形粗糙起伏度Srough为:
根据月球车的能力限制,将最大坡度、起伏幅度和粗糙度的阈值设置为θmax=20°,Rmax=g/2,δmax=g/5,g为地图分辨率。由于月球车在移动过程中要综合考虑坡度、起伏度、粗糙度等各种地形约束,所以本发明将综合平滑度定义为三者的最小值:
Scom=min(Sslope,Srelief,Srough)
通过在DEM图中滚动窗口并按顺序计算,可以得到地图中所有栅格的地形综合平滑度信息。本发明选取嫦娥三号着陆点附近的虹湾区域作为仿真场景,采用上述方法对CE2TMap2015数据的42°N~56°N,12°W~36°W(约540×440km,50m分辨率)区域进行地形分析处理,结果如图2所示。
步骤三:基于月面太阳方位信息生成太阳有效光照分布地图,对于月球车来说,太阳能电池板是必需的发电来源,其产生的电量取决于太阳光照条件。因此,太阳光照条件是路径规划的另一个关键因素,传统上可以仅通过太阳仰角评估太阳光照条件,这在地形平坦时正确而简单。但月球表面分布着许多陨石坑和岩石,会形成很多阴影区域。当漫游车在阴影区域行驶时,太阳能电池板无法发电。此外,假设太阳能电池板固定在月球车上,则相对于太阳能电池板的太阳仰角和方位角会根据月球车的姿态发生变化。所以对月球车的太阳光照条件影响不仅取决于太阳高度,还取决于月球车的姿态,该姿态与地形相符。考虑到这两个因素,本发明设计了一个太阳有效光照指数Ssolar来表示月球车收到的实际太阳能情况;
其中是位于月球表面位置的局部拟合平面法向量,是太阳光线向量。本发明还采用滚动窗口的形式依次计算出地图各位置的太阳有效光照指数。首先利用窗口内高程数据拟合局部平面,然后计算不同太阳辐射条件下的太阳有效光照指数。假设太阳高度角为αs,方位角为βs,为太阳光相对月面正东方向的夹角,则太阳光线矢量可计算为:
然后本实施方式对虹湾地区的太阳光照条件进行分析,分别选取该区域一个月昼时间内不同时刻的光照条件,计算该区域的有效太阳能指数Ssolar分布,结果如图3—图5所示。
步骤四:根据步骤二和步骤三生成的地形综合平滑度信息以及太阳有效光照分布信息设计多代价启发式函数heuristic_cost(x,y),来调整算法在不同区域生成路径的侧重情况;
heuristic_cost(x,y)=αd·Dis(x,y)+αt·(1-Scom)+αs·(1-Ssolar)
式中,其中Dis(·)是一个距离函数,可以使用对角线或欧几里德距离函数。αd,αt,αs为权重系数,可以人为设定来调节算法在不同区域、不同场景下的侧重情况,从而生成不同的路径。
步骤五:结合步骤四设计的多代价启发式函数设计了MFA*算法,可根据多代价函数调节算法在不同区域生成不同的路径,并缩短了算法的搜索时间。
本发明所提出的MFA*算法改变了A*算法的搜索机制,使每个节点只被探索一次,每个节点的g(n)值改为该节点的多代价函数值,是对从起点到该节点综合代价的估计值,这样做就避免了对节点的重复探索。这也导致算法不必使用CLOSE表来储存探索过的最优节点,同时,可以使用每个节点的g(n)值比较代替节点是否在OPEN表的判断以及OPEN表的排序操作,也加快了算法的搜索过程。具体算法详见表1。
步骤五一:对算法进行初始化,包括OPEN表、启发式函数f(n)、g(n)(这里将g(n)初始化为极大值矩阵)。
步骤五二:选择OPEN表内f(n)值最小的节点作为当前节点,对其所有邻居节点进行扩展;
步骤五三:选择g(n)值变小的节点进行探索。g(n)值变小的节点证明是未探索过的节点,这样就避免了对节点n的多次探索以及是否在OPEN表中的判断,节省了大量搜索时间。
步骤五四:更新g(n)值变小的邻居节点的f(n)值和OPEN表以及parent表。
步骤五五:重复迭代搜索,直到搜索到目标节点。
步骤五六:根据parent表回溯构建路径。
表1
用以下实施例验证本发明的有益效果:
实施例:
a、实验环境
本发明采用嫦娥二号CE2TMap2015数据进行月面地形处理,CE-2全月地形数据产品在空间分辨率、全月覆盖率、数据连续性、绝对定位精度和地貌结构细节表达等方面与其他全月地形产品相比具有明显的优势。选取嫦娥三号着陆点附近的虹湾地区作为大范围自主探测仿真场景,任务起点为嫦娥三号着陆点(44.12°N,19.51°W),即虹湾地区东部区域,终点选取为虹湾北部区域(55.5°N,16.9°W),因为该地区地质构造复杂,有典型性,具有很高的科学探测价值。月球虹湾附近区域嫦娥二号DOM影像图如图1所示。
本发明所有算法的仿真测试软件环境为Windows 10+MATLAB 2016,硬件环境为Intel(R)Core(TM)i5-7200U CPU+12.0GB RAM。
b、实验结果及分析
本发明实验首先分析地形因素对MFA*算法生成路径的影响,分别设置三条路径的权重参数为:path1:αd=0.8,αt=0.2,αs=0;path2:αd=0.5,αt=0.5,αs=0;path3:αd=0.2,αt=0.8,αs=0。三条路径结果如图6所示。可以看出,随着地形因子αt的增大,MFA*算法生成的路径长度以及搜索时间变大,但路径整体综合平滑度更好,证明可以调节算法的距离最优性和安全最优性,可以在平坦的区域增大以增强算法的性能,而在危险的区域减小来确保生成路径的安全性。
然后本发明实验分析光照条件对MFA*算法生成路径的影响,在太阳光线高低角αs=30°,方位角βs=310°条件下设置权重参数为:pathA:αd=1,αt=0.8,αs=0.2;pathB:αd=1,αt=0.2,αs=0.8,两条路径结果如图7所示。可以看出在距离权重固定的情况下,调整地形权重αt和光照权重αs可以改变算法生成的路径,αs占比较大的路径更侧重于光照充足的区域,证明MFA*算法可以调节路径的侧重情况,当月球车能量充足时可以增大αt生成更加安全的路径,月球车能量不足时增大αs生成光照条件更好的路径。
最后本发明实验对比分析了MFA*算法与其他算法的性能表现。将MFA*算法与标准A*算法,以及JPS算法进行对比,MFA*算法的权重因子设置为:αd=1,αt=0.5,αs=0.5,三条路径结果如图8所示。相比于其他两种算法,MFA*算法生成路径的平均综合平滑度提高大约20%,平均有效光照指数提高约10%,算法搜索时间相比于标准A*算法缩短80%,略高于JPS算法,说明MFA*算法提高了路径的安全性和太阳光照情况,并明显缩短了算法的搜索时间。
根据本发明的方法可实现月球车大范围自主探测的综合路径规划,为月球车探测规划问题研究提供了新的思路。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (4)
1.一种基于月面数字高程地图的综合全局路径规划方法,其特征在于:包括以下步骤:
步骤一:基于月面DEM地图提取月面地形特征;所述月面地形特征包括地形坡度、地形起伏度以及地形粗糙度;所述提取月面地形特征的过程包括以步骤:
分别从DEM数据中提取坡度、起伏度以及粗糙度的月面地形信息,通过设置一个3×3大小的滚动窗口,在DEM地图上滚动计算每个窗口内的地形特征,即得到地形坡度、地形起伏度以及地形粗糙度;所述地形坡度、地形起伏度以及地形粗糙度分别如下:
地形坡度θ:
式中fx、fy为中心栅格东西方向和南北方向高程变化率;
地形起伏度R:
R=Hmax-Hmin
式中Hmax、Hmin分别为窗口内的最大高程值与最小高程值;
地形粗糙度δ:
步骤二:基于步骤一提取的月面特征生成综合平滑度地图;所述生成综合平滑度地图的过程包括以下步骤:
基于取的提取月面地形特征得到坡度平滑度Sslope、地形起伏平滑度Srelief、地形粗糙起伏度Srough,然后确定平滑度:
Scom=min(Sslope,Srelief,Srough)
其中,min(·)表示取最小值;
坡度平滑度Sslope、地形起伏平滑度Srelief、地形粗糙起伏度Srough分别如下:
θmax、Rmax、δmax分别为最大坡度、起伏幅度和粗糙度的阈值;
步骤三:基于月面太阳方位信息生成太阳有效光照分布地图,并根据太阳有效光照分布地图确定太阳有效光照指数;所述太阳有效光照指数如下:
采用滚动窗口的形式依次计算出地图各位置的太阳有效光照指数;
步骤四:根据步骤二和步骤三生成的地形综合平滑度信息以及太阳有效光照指数确定多代价启发式函数;多代价启发式函数具体如下:
heuristic_cost(x,y)=αd·Dis(x,y)+αt·(1-Scom)+αs·(1-Ssolar)
其中,Dis(·)为距离函数;αd,αt,αs为权重系数;
步骤五:对于A*算法的每个节点,将步骤四的多代价启发式函数的多代价函数值作为A*算法中的每个节点的g(n)值,选择g(n)值变小的节点进行搜索,直到搜索到目标节点,然后根据parent表回溯构建路径。
4.根据权利要求3所述一种基于月面数字高程地图的综合全局路径规划方法,其特征在于,所述步骤五的过程如下:
步骤五一:进行初始化,包括OPEN表、启发式函数f(n)、g(n),将g(n)初始化为极大值矩阵;
步骤五二:选择OPEN表内f(n)值最小的节点作为当前节点,对其所有邻居节点进行扩展;
步骤五三:选择g(n)值变小的节点进行探索;
步骤五四:更新g(n)值变小的邻居节点的f(n)值和OPEN表以及parent表;
步骤五五:重复迭代搜索,直到搜索到目标节点;
步骤五六:根据parent表回溯构建路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010854885.7A CN111982129B (zh) | 2020-08-24 | 2020-08-24 | 一种基于月面数字高程地图的综合全局路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010854885.7A CN111982129B (zh) | 2020-08-24 | 2020-08-24 | 一种基于月面数字高程地图的综合全局路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111982129A CN111982129A (zh) | 2020-11-24 |
CN111982129B true CN111982129B (zh) | 2022-03-08 |
Family
ID=73443044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010854885.7A Active CN111982129B (zh) | 2020-08-24 | 2020-08-24 | 一种基于月面数字高程地图的综合全局路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111982129B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113063430A (zh) * | 2021-03-29 | 2021-07-02 | 世光(厦门)智能科技有限公司 | 一种无人车路径规划方法、客户端及服务器 |
CN113124878B (zh) * | 2021-04-21 | 2023-12-22 | 哈尔滨工业大学 | 一种月面大范围道路拓扑网构建方法、系统及装置 |
CN113865589B (zh) * | 2021-08-18 | 2023-12-01 | 上海海洋大学 | 一种基于地形坡度的长距离快速路径规划方法 |
CN113867340B (zh) * | 2021-09-17 | 2024-02-13 | 北京控制工程研究所 | 一种地外未知环境超视距全局路径规划系统和方法 |
CN114964176B (zh) * | 2022-04-08 | 2023-06-02 | 同济大学 | 一种月球永久阴影区域地形测绘方法 |
CN114676471B (zh) * | 2022-04-21 | 2022-09-13 | 北京航天飞行控制中心 | 火星车的任务规划模型建立方法、装置、电子设备及介质 |
CN115202339B (zh) * | 2022-05-30 | 2023-06-23 | 北京理工大学 | 基于dqn的多月球车采样固定目标自适应规划方法 |
CN115435793B (zh) * | 2022-11-08 | 2023-02-17 | 西北工业大学 | 机器人路径规划方法及装置、存储介质、电子设备 |
CN117073688B (zh) * | 2023-10-16 | 2024-03-29 | 泉州装备制造研究所 | 一种基于多层代价地图的覆盖路径规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101239563A (zh) * | 2008-03-12 | 2008-08-13 | 哈尔滨工业大学 | 一种适合在月球表面行走的月球车车轮 |
KR20090023856A (ko) * | 2007-09-03 | 2009-03-06 | 에스케이에너지 주식회사 | 날씨에 따른 도로별 경로정보 제공 방법 및 그 서비스 서버 |
CN103577656A (zh) * | 2013-11-25 | 2014-02-12 | 哈尔滨工业大学 | 潜射导弹出水过程三维动态仿真方法 |
CN104075720A (zh) * | 2013-03-26 | 2014-10-01 | 日电(中国)有限公司 | 基于多代价的路线规划设备和方法 |
CN105929844A (zh) * | 2016-04-26 | 2016-09-07 | 哈尔滨工业大学 | 一种地外天体软着陆多障碍约束环境下避障方法 |
CN107228668A (zh) * | 2017-05-17 | 2017-10-03 | 桂林电子科技大学 | 一种基于规则网格dem数据的路径规划新方法 |
CN108519096A (zh) * | 2018-03-20 | 2018-09-11 | 武汉光庭信息技术股份有限公司 | 一种基于瓦片化的多路线道路筛选规划方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101344391B (zh) * | 2008-07-18 | 2011-05-11 | 北京工业大学 | 基于全功能太阳罗盘的月球车位姿自主确定方法 |
DE102014003284A1 (de) * | 2014-03-05 | 2015-09-10 | Astrium Gmbh | Verfahren zur Positions- und Lagebestimmung mittels virtueller Referenzbilder |
US10354398B2 (en) * | 2016-12-01 | 2019-07-16 | Macau University Of Science And Technology | Omnidirectional roughness algorithm for topographic signature analysis of lunar craters |
CN111060109B (zh) * | 2020-01-03 | 2021-08-27 | 东南大学 | 一种基于改进a星算法的无人艇全局路径规划方法 |
-
2020
- 2020-08-24 CN CN202010854885.7A patent/CN111982129B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090023856A (ko) * | 2007-09-03 | 2009-03-06 | 에스케이에너지 주식회사 | 날씨에 따른 도로별 경로정보 제공 방법 및 그 서비스 서버 |
CN101239563A (zh) * | 2008-03-12 | 2008-08-13 | 哈尔滨工业大学 | 一种适合在月球表面行走的月球车车轮 |
CN104075720A (zh) * | 2013-03-26 | 2014-10-01 | 日电(中国)有限公司 | 基于多代价的路线规划设备和方法 |
CN103577656A (zh) * | 2013-11-25 | 2014-02-12 | 哈尔滨工业大学 | 潜射导弹出水过程三维动态仿真方法 |
CN105929844A (zh) * | 2016-04-26 | 2016-09-07 | 哈尔滨工业大学 | 一种地外天体软着陆多障碍约束环境下避障方法 |
CN107228668A (zh) * | 2017-05-17 | 2017-10-03 | 桂林电子科技大学 | 一种基于规则网格dem数据的路径规划新方法 |
CN108519096A (zh) * | 2018-03-20 | 2018-09-11 | 武汉光庭信息技术股份有限公司 | 一种基于瓦片化的多路线道路筛选规划方法及系统 |
Non-Patent Citations (4)
Title |
---|
The Right Path Comprehensive Path Planning for Lunar Exploration Rovers;Masataku Sutoh等;《IEEE Robotics & Automation Magazine》;20200331;第22-33页 * |
基于改进A*算法的内河水网航线规划及应用;潘明阳等;《上海海事大学学报》;20200331;第41卷(第1期);第42页 * |
基于栅格地图的月球车任务层路径规划及平滑处理;束磊;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》;20140315;第10-49页第2-3章 * |
月面巡视机器人快速安全路径规划;于晓强等;《航空学报》;20200629;第3-5页第1-2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN111982129A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111982129B (zh) | 一种基于月面数字高程地图的综合全局路径规划方法 | |
CN110942205B (zh) | 一种基于himvo-svm的短期光伏发电功率预测方法 | |
CN108923738A (zh) | 一种基于天气类型判别的双跟踪光伏发电系统控制方法 | |
CN103559738B (zh) | 一种山地光伏电站布置方法 | |
CN108398982B (zh) | 一种局部阴影下光伏阵列的最大功率跟踪方法 | |
Pan et al. | Maximum power point tracking and parameter estimation for multiple-photovoltaic arrays based on enhanced pigeon-inspired optimization with Taguchi method | |
Lucio et al. | Loss-of-load probability model for stand-alone photovoltaic systems in Europe | |
Plonski et al. | Environment and solar map construction for solar-powered mobile systems | |
CN110133755A (zh) | 基于gra-lmbp权重的多天气类型下直散分离建模预测控制方法 | |
CN108564299A (zh) | 一种基于激光采集建模的光伏资源评估方法 | |
Nassar et al. | Investigating the applicability of horizontal to tilted sky-diffuse solar irradiation transposition models for key Libyan cities | |
Yu et al. | Comprehensive global path planning for lunar rovers | |
CN117374956A (zh) | 一种针对综合能源站光伏发电的短期预测方法 | |
Tan et al. | An electromagnetism-like mechanism algorithm approach for photovoltaic system optimization | |
CN113947636B (zh) | 一种基于深度学习的激光slam定位系统及方法 | |
KR101674970B1 (ko) | 일조량 적응형 건축물 배치를 위한 컴퓨터를 이용한 시뮬레이션 방법 | |
Yang et al. | Layout optimization of spacecraft-based solar array under partially shaded conditions | |
CN116702261A (zh) | 一种光伏建筑群最优化布局方法及系统 | |
CN114897010A (zh) | 基于重采样改进的梯度提升树的强电离层闪烁检测方法 | |
CN112631365B (zh) | 一种基于scasl的光伏发电多峰值mppt控制方法 | |
Lin et al. | Power prediction model of grid-connected photovoltaic and power flow analysis | |
Zang et al. | A Multi Feature Fusion Aided Positioning for INS/Beidou with Combination of BP Neural Network and Differential Evolution Kalman Filter | |
CN117175569B (zh) | 一种基于精细化天气分型的光伏预测方法和系统 | |
Qu et al. | Research and Application of Optimization Model Based on Hybrid Strategy Improved Grey Wolf Algorithm | |
CN113192172B (zh) | 一种机载LiDAR地面点云简化方法 |
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 |