CN112684789A - 控制设备的移动 - Google Patents

控制设备的移动 Download PDF

Info

Publication number
CN112684789A
CN112684789A CN202011111429.XA CN202011111429A CN112684789A CN 112684789 A CN112684789 A CN 112684789A CN 202011111429 A CN202011111429 A CN 202011111429A CN 112684789 A CN112684789 A CN 112684789A
Authority
CN
China
Prior art keywords
path
pattern
movement
area
determined
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.)
Pending
Application number
CN202011111429.XA
Other languages
English (en)
Inventor
V·巴什基罗夫
A·K·苏维蒂伊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia Oyj
Nokia Solutions and Networks Oy
Original Assignee
Nokia Networks Oy
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nokia Networks Oy filed Critical Nokia Networks Oy
Publication of CN112684789A publication Critical patent/CN112684789A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • 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
    • 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
    • G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0004—Transmission of traffic-related information to or from an aircraft
    • G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0043—Traffic management of multiple aircrafts from the ground
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/006—Navigation or guidance aids for a single aircraft in accordance with predefined flight zones, e.g. to avoid prohibited zones
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/04—Anti-collision systems
    • G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Ocean & Marine Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

公开了用于对设备的移动控制的装置和方法。装置包括用于存储覆盖区域的扇区的图案信息的存储器。所存储的信息指示图案是否具有与区域中的移动相关的至少一个物项。信息基于以下中的至少一项而被配置：确定具有与所述区域中的移动相关的至少一个物项的至少一个图案，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个较小图案，以及重复该划分直到预定义的最小图案大小被达到来配置的。处理器被配置为确定第一位置与第二位置之间的搜索路径延伸通过具有与区域中的移动相关的至少一个物项的至少一个图案，并且选择性地使用路径寻找算法来确定在搜索路径被确定为延伸通过的、具有相关物项的至少一个图案内的移动路径。

Description

控制设备的移动
技术领域
本公开涉及用于控制设备的移动路径的方法、装置和计算机程序产品。
背景技术
运载工具或其他可移动设备可以基于定义两个位置之间的移动的控制指令来自主或半自主地进行操作。控制指令可以与设备应该遵循的移动路径的各个方面有关。例如，可以提供关于转弯、高度、速度、加速度、制动、障碍和要避开的位置等的指令。控制指令可以由控制装置提供。控制装置可以是远程的。备选地或另外，至少一部分控制指令可以由机载处理器部件提供。可以从远程装置为无人设备提供控制指令，例如，经由适当的数据通信系统，例如通过无线链路。
自主设备可以被定义为不在操作人员直接控制下的设备。自主设备的示例是无人运载工具，诸如飞行器(例如，无人飞行器(UAV)；通常被称为无人机)、陆地运载工具和船只以及其他船。陆地运载工具的非限制性示例包括移动运载工具，诸如，汽车(例如，无人驾驶汽车、货车、重型货车、摩托车等)、工业自动引导运载工具、农业、林业、园艺、清洁、清扫以及监督和/或本地控制设备等。无人移动设备的其他非限制性示例包括诸如机器人、操纵器以及可以在区域或空间中移动而无需操作人员直接控制的其他机器等机器。
通过经由通信链路从单独的控制装置发送控制指令来远程控制设备的移动，该控制指令定义了要遵循的行进路径。处理的至少一部分可以在移动设备处进行。
设备可以移动并需要被控制的区域可能很大。处理必要的信息可能需要相当大的数据处理和/或内存容量。控制移动的路径可能会导致延时和/或开销问题。
发明内容
根据一个方面，提供了一种用于设备在区域中的移动控制的装置，该装置包括：存储器部件，用于存储覆盖该区域的扇区的图案信息，所存储的信息包括图案是否具有与区域中的移动相关的至少一个物项的指示，该信息基于以下中的至少一项而被配置：确定具有与区域中的移动相关的至少一个物项的至少一个图案，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个较小图案，以及重复划分直到预定义的最小图案大小被达到；以及处理器部件，被配置为确定第一位置与第二位置之间的搜索路径延伸通过具有与区域中的移动相关的至少一个物项的至少一个图案，并且选择性地使用路径寻找算法来确定在搜索路径延伸通过的所确定的至少一个图案内的移动路径。
在一个方面中，该信息可以至少部分地基于基于以下中的至少一项而被配置：确定至少一个图案具有与区域中的移动相关的至少一个物项，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个较小图案，以及重复划分直到预定义的最小图案大小被达到。
根据更详细的方面，该设备包括无人飞行器、无人驾驶陆地运载工具或无人驾驶船中的至少一项。
装置可以被配置为对包括与移动相关的物项并且已经被划分成预定义的最小图案大小的图案使用路径寻找算法。预定义的最小图案大小可以包括图案的最高分辨率缩放级别。
该图案可以包括矩形图块。响应于确定与在至少一个矩形图块内的移动相关的至少一个物项，矩形图块中的至少一个矩形图块可以被划分成较小的矩形图块。
处理器部件可以被配置为基于以下的信息的组合来生成用于设备的移动的组合路径：在由搜索路径穿过的并且具有与移动相关的至少一个物项的所确定的至少一个图案外的的搜索路径、以及至少一个图案内的所确定的路径。可以将所确定的至少一个图案内的路径与所确定的至少一个图案外的搜索路径的部分进行组合。可以调整搜索路径到至少一个图案的入口点和/或从至少一个图案的出口点。处理器部件可以被配置为根据所确定的至少一个图案内的路径移动到所确定的至少一个图案的入口点和/或从所确定的至少一个图案的出口点。处理器部件可以将至少一个图案内的所确定的路径与行进路径或多个行进路径进行组合，该行进路径或多个行进路径在至少一个图案外、并且基于搜索路径和经移动的入口点和/或出口点的信息而被生成。
处理器部件可以被配置为仅针对已经被确定为具有与移动相关的至少一个物项的图案使用路径寻找算法。基于假设不存在与这种区域中的移动相关的物项，针对已经被确定为具有与移动相关的至少一个物项的图案外的区域，可以生成开始和结束之间的移动路径。
包括处理器部件的装置可以被配置为基于以下来生成包括图案是否具有与区域中的移动相关的至少一个物项的指示的信息：确定具有与区域中的移动相关的至少一个物项的至少一个图案，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个较小图案，以及重复划分直到预定义的最小图案大小被达到。该生成可以在设备的运行时间时提供。根据可能性，该生成在设备的移动路径的确定之前被执行。
与移动相关的物项可以包括以下中的至少一项：障碍物、禁区和禁飞区。
处理器部件可以被配置为将路径校直操作应用于从路径寻找算法输出的初始路径。处理器部件可以被配置为基于由所确定的至少一个图案指示的区域上的局部网格来确定初始路径。处理器部件可以被配置为通过以下来修改初始路径：移除一个转折点，并且测试经修改的初始路径是否穿过与移动相关的至少一个物项。
根据一个方面，提供了一种用于对设备的移动控制的方法，该方法包括：在数据存储部件中配置覆盖受控区域的扇区的图案，该配置包括：确定具有与区域中的移动相关的至少一个物项的至少一个图案，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个较小图案，以及重复划分，直到预定义的最小图案大小被达到；确定第一位置与第二位置之间的搜索路径延伸通过图案中的具有与移动相关的至少一个物项的至少一个图案；以及使用路径寻找算法来确定在搜索路径延伸通过的所确定的至少一个图案内的移动路径。
路径寻找算法可以被用于具有与移动相关的物项的图案，该图案已经被缩放到预定义的最小图案大小。
该图案可以包括矩形图块。然后，该配置可以包括响应于确定矩形图块内与移动相关的至少一个物项，将矩形图块划分成较小的矩形图块。
可以基于至少一个图案外的搜索路径与所确定的至少一个图案内的路径的信息的组合来生成用于设备的移动路径，该至少一个图案具有与移动相关的至少一个物项并且被搜索路径穿过。该生成可以包括将所确定的至少一个图案内的路径与至少一个图案外的搜索路径的部分进行组合。
搜索路径可以具有到至少一个图案的入口点和从至少一个图案的出口点。然后生成可以包括根据所确定的至少一个图案内的路径来移动入口点和/或出口点，以及将所确定的至少一个图案内的路径与行进路径或多个行进路径进行组合，该行进路径或多个行进路径至少一个图案外、并且基于搜索路径以及移动后的入口点和/或出口点的信息而被生成。
搜索路径可以具有到至少一个图案的入口点和从至少一个图案的入口点，该方法包括调整入口点和/或出口点的位置。
路径寻找算法可以被应用于已经被确定为具有与移动相关的至少一个物项的图案，基于假设不存在与区域内的移动相关的物项，针对图案外的区域生成移动路径。
此外，可以在路径、路径的部分、禁区周围、一个或多个缩放图块中或它们的组合中创建网格。网格可以包括在相应区域之上的2D网格。通过使用坐标最大值和最小值可以在相应区域周围创建网格。可以通过校直移除路标来重构路径。可以在禁区周围添加填充单元。
还可以提供实施本文描述功能的至少一部分的计算机软件产品。根据一个方面，一种计算机程序包括用于在存储器中生成用于移动控制数据的指令，其中生成至少包括在覆盖受控区域的扇区的存储器中配置图案，该配置包括确定具有与区域中的移动相关的至少一个物项服软至少一个图案，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个较小图案，以及重复划分步骤，直到预定义的最小图案大小被达到。
附图说明
现在将参照以下示例和附图仅通过示例的方式进一步详细描述一些方面，其中：
图1图示了至少部分地基于来自远程控制装置的指令来控制的设备的示例；
图2示出了用于设备的机载控制装置的示例；
图3、图4和图5图示了根据某些示例的路径生成；
图6是根据示例的用于操作的流程图；
图7A至图7C示出了一些其他可能的图案形状的示例；
图8A至图8D示出了根据示例的初始路径寻找阶段；
图9A至图9E示出了根据示例的路径清除操作；
图10示出了相交检查的示例；
图11A至图11F示出了又一示例；
图12是根据示例的操作的流程图；
图13、图14和图15是共享网格的示例；以及
图16A和图16B示出了填充的示例。
具体实施方式
通常，以下详细描述是参照可移动设备(诸如，运载工具)给出的，该可移动设备基于从远程控制装置接收的控制指令进行操作。然而，要注意的是，尽管在无人运载工具或从单独的控制装置接收控制指令的自主运载工具的上下文中给出了详细示例，但是确定和计算也可以部分地或全部地由被提供在移动设备本身上的控制装置来提供。
示例涉及针对行进路径的控制指令，尤其是避开禁止区域(诸如，禁飞区(NFZ)和其他禁区)的指令。这种区域可以称为与移动相关的物项，或者简称为障碍。可以使用不同的方法来生成起点和目标点之间的路径，其中路径中可能会出现至少一个禁止区域。例如，路径规划系统可以基于使用覆盖整个路径区域的网格结构、使用缩放图块创建的网格或在(多个)禁止区域周围创建的网格，以避免经过禁止区域。在下文中，提供了各种备选解决方案。生成路径时选择这些中的一个或多个会有不同的益处。整个路径可以具有例如通过不同方式创建的区段或扇区。
图1示出了被配置用于远程控制无人设备的控制装置10。在示例中，要控制的设备包括无人飞行器(UAV)20。应该了解，术语“无人”并不意味着机上没有人。相反，该术语是指无需人员直接控制即可操作和移动的设备，无论机上是否存在人类。在UAV的情况下，例如可以通过地面控制站(GCS)来提供操作控制，该地面控制站被配置为为至少一个无人飞行器提供控制指令并与其通信。一种无人飞行器称为“无人机”。
控制装置10可以包括至少一个处理器11、12和至少一个存储器15。至少一个存储器15包括计算机代码，该计算机代码在至少一个处理器上被执行时使该装置执行本文描述的功能中的一个或多个。控制装置10可以被配置为使用适当的一个或多个通信协议经由适当的数据通信系统进行通信。该通信可以经由局域网、广域网甚或者控制站与无人设备之间的直接通信。例如，通信可以基于第四代或第五代(4G、5G)通信系统和协议或者通信系统的任何后续开发。该通信可以至少部分地在无线链路24上执行。该协议可以基于适当的无连接协议。因此，远程控制站10能够将消息发送到无人运载工具20的机载数据处理装置。控制站也可以被配置为从无人运载工具接收消息。该控制装置可以包括由附图标记14表示的用于接收和传输数据的数据通信电路系统。要理解的是，尽管通信电路系统及其各种可能的组件被示为一个框，但是该电路系统可以包括多个电路系统。这种电路系统可以在它们之间共享至少一些组件。
指令数据16被示出为在至少一个存储器15处可用。指令数据可以包括关于行进路径的控制指令，例如，关于要遵循以控制的位置坐标的信息，例如，经度和纬度、高度、速度、加速度、制动、距离等中的至少一个。行进路径的控制指令项通常称为路标。下文将描述用于确定关于到无人设备20的行进路径的指令的示例。
无人飞行器(UAV)20被配置为从控制站10接收控制信息。图1的示例的无人飞行器包括适当的机载数据处理装置，该装置可以位于其主体21内并且适用于处理来自控制站10的指令并相应地控制无人飞行器20的操作。将参照图2描述机载数据处理装置的示例。UAV装置20进一步包括用于实现移动的设备，诸如，电动机、转子和能量源。例如，该装置可以由电能、化学燃料、光伏电池等供电，该光伏电池部分地或全部地由光供电。
图2示出了可以在移动设备处执行本文描述的任何操作的控制装置22的示例。装置22包括至少一个处理器26、27和至少一个存储器28。至少一个存储器包括计算机代码，当在至少一个处理器上执行时，该计算机代码使该装置执行本文描述的操作中的至少一个。该装置进一步包括通信接口25。该接口提供适当的电路系统，以使控制装置能够接收和传输数据。
存储器28可以为控制指令数据29提供数据缓冲功能。至少一个数据处理器可以从缓冲区中读取控制指令，并相应地执行与要被执行的任务相关的操作。控制装置可以被配置为提供机载数据处理装置。无人运载工具的机载数据处理装置可以从接收到的命令中生成特定于自动驾驶的指令。
控制站10可以从在其控制下的无人运载工具接收遥测信息。例如，无人运载工具可以被配置为将任务进度信息(例如，关于当前路标和剩余距离、关于附近物体、其他移动运载工具、运载工具群中的其他移动运载工具的信息、来自设备、车队和/或其他设备的传感器数据等)传输到地面控制站。也可以提供关于设备的操作条件和/或状态的信息。例如，关于剩余能量水平的信息可以被传送回控制站。然后，控制站可以在控制动作中考虑接收到的信息，包括在做出关于在无人运载工具的消息中包括什么内容的决策时。
下面描述确定无人设备的移动路径的某些更详细的示例。还描述了用于确定移动路径的诸如处理能力和动态存储器等计算机资源的使用的优化。示例图示了可以应用于任何无人运载工具等的原理。然而，出于说明的目的，示例性设备被指定为包括无人飞行器(UAV)，并且适用于发送控制数据的控制装置被称为地面控制站(GCS)。地面控制站(GSC)计算机可以被配置为控制在大区域上飞行的一个或多个UAV。GSC计算机可以包括各种特征，诸如，输入和输出设备、显示器、键盘、鼠标、触摸屏等。由控制站控制的区域可能会很大，例如，100x100 km甚或更大。
诸如飞行器的无人移动运载工具的移动(例如，无人机、陆地运载工具、船只、机器人等)可以基于路径寻找算法进行控制。例如，诸如GCS等控制站可以使用特定的路径寻找算法来创建用于区域上的无人机任务的安全且允许的路径。路径寻找算法被配置为提供一条路径，该路径回避禁止区域或禁区，诸如，各种障碍或“非飞行区域”(NFZ)。使用非飞行区域作为示例，例如，可能GCS控制区域中的无人机的操作区域可以具有若干非飞行区域。出于各种原因，这些区域可能会被关闭，以在它们上方飞行或在它们上方的某些高度飞行。NFZ大小可以从几米到几百公里不等，并且可以是任何形状。受控区域可以具有任何数量和分布的NFZ。GCS可以使用路径寻找算法为无人机从位置A到位置B生成最佳路线，从而避免任何NFZ的交叉。NFZ是在GCS使用的地图数据或应用中预定义的，并且其可以在实际坐标中作为多边形被找到。
路径寻找算法的非限制性示例是跳点搜索算法。跳点搜索算法可以用于任何形状的多个随机分布的NFZ。跳点搜索算法通常使用开放节点和封闭节点的统一网格。网格可以是2维{纬度，经度}或3维{纬度，经度，高度}的。当无人机的路径需要几米的准确度时，那么用于跳点搜索算法的网格的步长就需要几米。这可能会消耗大量的内存容量。例如，在2维(2D)情况下针对2000x 2000m的区域具有2m步进的网格占用1兆字节的计算机动态内存，并且针对3维(3D)情况，占用100兆字节的内存，假设典型的高度范围是0到300m。针对100km x100km的区域，将需要针对2D的250MB以及分别针对3D的25GB。这可能会超过GCS计算机的可用存储器资源，并使算法变慢。尤其是在大网格上，可能就是这种情况。
在一个示例实施例中，GCS计算机可以监测关于其内存使用或具有类似功能性的任何其他设备的路径规划。通过在起点和目标点之间添加路标来创建路径。如果在包括起点和目标点的路径中未找到NFZ，则直接路径是可以的。
如果图块在期望路径中包括一个或多个NFZ，则GCS计算机可以至少部分地基于路径规划所需的内存在找到NFZ的图块中选择与没有NFZ的其他路径不同的路径寻找算法。例如，图块可以具有与图3中的A和B之间的路径的交点。
当在图块内向下缩放以找到具有一个或多个NFZ的最小图块时，可以针对与路径AB的最小图块相交之间的路径选择不同的路径寻找算法。由于图块越小，使用的内存越多，因此选择可能会进一步受到算法内存使用的影响。
在实施例的一个示例中，一个选项是通过监测GCS计算机的存储器使用来限制缩放级别，例如，取决于所使用的算法或所使用的内存。可以存在存储器使用阈值，指导存储器使用不再有用。该阈值对于所使用的算法可以是不同的和/或取决于缩放级别。
一个或多个选择标准可以被用于路径寻找算法选择。例如，可以使用针对存在NFZ的图块的跳点搜索算法。
如在本申请中作为实施例的示例进一步描述的，循环清除算法被用于清除和缩短路径和/或减少由跳点搜索算法最少接收的一个或多个路标。进一步地，例如UAV的性能可以提高。
根据示例，通过将受控区域划分为覆盖受控区域的扇区的较小几何图案，可以节省资源和/或优化操作，并使效率更高且更快。代替将路径寻找算法应用于位置A和B之间的整个行进长度，可以将路径寻找算法选择性地应用于位置A和B之间的路线中的一个或某些图案。
在图3和图5中示出了将区域1划分为多个图案的示例。更具体地，示出了划分为矩形图案。可以根据图案是否包括移动设备应该避开的物项来更改图案的大小。可以基于扇区没有阻碍或危害行进的物体(诸如，物理障碍、非飞行区域或禁区)的信息，将图案所覆盖的扇区的大小定义为尽可能大。如果大图案包括至少一个这种物项，则可以将其划分为较小的图案以使路径寻找算法的处理对操作的需求较少。可以进一步检查这些单独的较小图案，以确定它们中的任何一个是否都没有这种物项。具有至少一个相关物项的那些划分的图案可以进一步被划分为下一划分或缩放级别，以标识更多的图案来定义没有相关物项的扇区，甚至标识具有相关物项的较小图案。
可以重复该过程，直到达到预定义的最小图案大小，以找到尽可能多的不具有与该区域中的移动相关物项的图案，并且找到具有这种物项的最小的可能图案。即，仍然覆盖至少一个相关物项的任何较小的图案可以被进一步划分，即，缩放到更小的图案，直到达到最小的预定义图案大小，从而给出可以用合理资源处理的小区域。缩放可以在数字地图系统中放大或缩小。
如果图案的划分导致较小的图案，其中图案中的每个图案仍然覆盖至少一个相关物项，则将这些图案划分为下一级别的较小图案可能是有利的。已经划分的图案可能仍然包含没有相关物项的一些较小图案，因此可能值得将其划分为下一缩放级别，接近或直到最大缩放级别。然后可以将跳点搜索算法用于具有至少一个相关物项的所找到的图块。
在下文中，将图案划分为较小的图案的过程称为缩放。缩放的目的是将覆盖具有要被避开的物项(多个)区域的(多个)图案的大小减小到最小，此后，需要使用路径寻找算法来避免仅在所确定的(多个)小图案中与物项发生冲突。
在图3的示例中，矩形图案40至51(或“图块”)被示出为具有三个不同的缩放级别，使得图案40至42具有最大的缩放级别。图案或图块是数字地图系统的一部分。可能之所以会这样，是因为这些图案未覆盖任何相关物项。由于至少一个相关物项已被定义为位于区域47中，因此将区域43划分为下一缩放级别中的较小图案44至47。区域47被进一步划分成下一缩放级别，其中图案48至51达到了所需的最大缩放级别，或者换言之，预定义的最小图案大小。因为该区域中存在相关物项，所以完成了图案47的缩放。较小的图案48没有任何阻碍行进的物项，但是灰色的较小图案49至51分别被确定为在其覆盖区域内具有至少一个相关物项。在这些图案47中，包括障碍55和56，并且被确定为在搜索路径53上。
这些图案可以称为缩放图块。缩放图块的缩放级别可以从0到ZMax。可以在控制系统的数据库中用这一点的指示提供不覆盖任何障碍物的任何部分(例如，NFZ)的级别(或大小)的缩放图块。这种图块不再需要任何更多的缩放，因为已经确定它没有障碍，即，在图块内完全可以自由移动。因此，这种图块可以被指示为自由移动区域，并且不需要针对该区域使用特定的路径寻找算法。
在控制系统中会相应地标记覆盖任何移动限制障碍(诸如，NFZ)的至少一部分的任何图块。确定图块中的至少一个物项会触发将图块缩放到下一级别，直到达到预定义的最小图块大小。如图3的示例所示，在缩放操作中，针对二维情况，可以将图块划分为2x2的较小的图块。针对3维情况，划分可以为2x2x2的较小图块。可以使用其他缩放比例，例如，取决于应用将图块划分为3x3(或3x3x3)或4x4(或4x4x4)，或将图块划分(分割)为两个或三个图块，依此类推
重复缩放操作，直到确定图块没有相关物项，或者达到用于图块的所定义的最大缩放级别ZMax。然后可以将路径寻找算法选择性地应用于具有最大缩放级别上的相关物项的图块。在其他地方，可以假设运载工具具有遵循穿过图块的直接或期望路径的自由度。
例如，在使用系统时和/或在提供维护时配置系统时，可以初始化用于受控区域的缩放图块一次。仅当需要在受控区域中应用障碍的变化时，可能才需要进行更新。例如，在该区域内竖立的新高结构可能需要更新GCS中的NFZ数据。
缩放可以在系统中预设和/或在运行时提供。在预设缩放中，当在系统数据库中配置区域时，在数据库中定义缩放数据，然后在确定飞行路线时，使用已经配置的图块。在运行时间操作中，在路径确定操作期间提供缩放或其至少一部分。
在图3示例中，用于运载工具(例如，无人机)的搜索路径53从位置A延伸到位置B。位置A和B可以包括经度和纬度坐标，或者可以将位置转换为与已被用于起点和目标点的类型相同的位置定义。在该描述中，说明性标签“白色”图块用于表示没有诸如NFZ等物项的图块，并且说明性标签“灰色”图块用于表示具有诸如NFZ等至少一个物项的图块。标签“白色”和“灰色”仅用于使示例易于遵循，并且应该了解，该加标不旨在以任何方式限制在根据本文描述的原理操作的系统中如何调用、使用或呈现图案的方式。同样地，NFZ只是要考虑的相关物项的一个示例。
任何适当的路径搜索算法(如2D或3D路径寻找搜索算法)可以被用于在已达到预定义的最大缩放级别的灰色图块内的路径确定。例如，可以使用跳点搜索算法。稍后在本说明书中给出使用跳点搜索算法的特定非限制性示例。
在示例中，最短的(即，直接)搜索路径53在图块40中的位置A与图块42中的B之间延伸。搜索路径53经由白色图块48和灰色图块51延伸。如上文所解释的，在示例中，图块48至51在最大缩放级别上，因为区域中有至少一个NFZ，所以需要从上一级别进行缩放(由图块47覆盖的区域，该区域包括较小级别的图块48、49、50和51，如示例中的子区域)。为了说明的目的，包括较小级别的图块48、49、50和51的图块47由较强的边界线表示。
在缩放到最大级别之后，可以确定图块48没有NFZ，但是处于最大缩放级别的图块51具有至少一个NFZ。这触发了在由An表示的图块入口位置与由Bn表示的图块出口位置之间的、通过图块51的路径寻找算法的使用，即，该路径的图块边界的相交部分。最终的行进路径是通过白色图块40、48和42的搜索路径53的直接部分与通过灰色图块51的路径寻找算法的产品54的组合。在一个示例中，基于分别图示了图块的经度、纬度和缩放级别，图块可以用第一、第二和第三值按顺序编号。可以使用计算出的图块角坐标通过图块和路径A-B计算位置点An和Bn。
在一个示例实施例中，当具有NFZ的图块达到预定义的最小缩放级别时，例如，可以针对NFZ选择用于在NFZ周围生成路径的跳点搜索算法。进一步地，例如，循环清除算法可以被用于由跳点搜索算法接收的路径。此外，可以通过使用稍后在文中讨论的相应点的坐标来进行清除，以形成“A-An-角59a”到“A-角59a”的乘积54的路径部分，从而获得缩短的路径。例如，还可以使用它们的相关点的坐标进行清洁以形成“角59b-Bn-B”到“角59b-B”的产品54的路径部分，从而获得缩短的路径，如图9A至图9E的实施例中所描述的。网格单元坐标59a和59b可以被配置为转换为实际坐标。
在一些实施例中，缩放级别可以被限制为图块43的大小，即，比图块51更粗糙的图块。在那种情况下，路径AB已经使用了其存储器，因此它无法将其他基于粗糙网格的路径寻找算法用于比图块43的大小更小的图块。其他图块大小可能会生成限制。
图4示出了灰色图块51以及被图块51覆盖的两个NFZ 55和56的放大视图。直接搜索路径53在两个NFZ上方延伸。可以触发路径寻找算法以确定灰色图块51内在入口位置(由附图标记An表示)和出口位置(由附图标记Bn表示)之间的路径54，使得路径54回避NFZ 55和56。例如，然后，由路径搜索算法创建的最终路径将是路径57、54和58的组合。
针对灰色图块51覆盖的区域，需要路径寻找算法，因为在其他地方，搜索路径53上仅存在没有NFZ区域的白色图块。
在根据示例的操作中，从开始位置A到目标位置B的路径搜索算法通过在缩放级别0上追溯从位置A到位置B的直线路径来开始搜索。如果所找到的路径没有越过任何“灰色”图块，则可以确定存在长度为(A，B)的直线A-B。因此，不需要详细的路径寻找操作和使用特定的路径寻找算法。
在将缩放级别Z确定为缩放级别Z+1之后，可以增加缩放级别。然后可以进行确定在缩放级别Z+1上是否存在通过特定图块的路径长度。如果识别出这种灰色图块，则分析又一缩放级别。然后，在最高分辨率缩放图块级别(ZMax)时，认识到可以对至少一个灰色图块进行路径寻找算法。可以响应于由路径搜索算法确定搜索路径以预定义的最高缩放级别ZMax经过至少一个灰色图块而提供。可以对每个灰色图块重复该过程，直到已经找到位置A和B之间的最佳路径。
缩放级别的数目可以取决于应用。例如，针对某些室外应用，可以认为最大缩放级别ZMax＝18是足够的。针对某些室内应用，可以认为最大缩放级别ZMax＝21是足够的。然而，这些仅是示例，并且也可以使用其他缩放和相当不同数目的缩放级别。
也有可能在图块上方找不到路径。如果找不到图块上方的任何道路，因此将阻塞涉及该图块的任何路径。可以将算法配置为从多个所检查的选项中找到围绕图块的最短或最佳的非阻塞路径。路径检查得出路径长度。如果路径在图块中被阻塞，则可以将无穷大添加到路径的长度以选择最短的备选路径。当分析了可能的备选路径时，通过长度简单排序的程序可以给出很好的候选，甚或最好的候选。如果使用无穷大设置，则所有被阻塞的路径候选都可以放置在候选列表的末尾。也可以从候选列表中去除阻塞路径。
路径寻找算法也有可能返回到较大的图块，即，从缩放级别Z+1到缩放级别Z的分析。这可能是期望的，例如，当在高分辨率缩放级别时不存在歧义或找不到灰色图块时。
图5示出了另一示例，其中，位置A和B之间的直接搜索路径60经由灰色图案61延伸。由于达到了最大缩放级别并且在图案中仍然存在障碍69，所以触发了路径寻找算法。然而，通过灰色图案61生成的路径62不会在直接搜索路径与图案61的边界交叉的位置处开始和结束。路径搜索算法可以被配置为调整直接搜索路径线60，使得所得的行进路径65在路径寻找算法输出的位置67处进入图案61和/或在位置68处离开图案61，并且沿着线66继续到目的地位置B。
可以例如通过基于网格的路径寻找算法来提供修正点67和68。可以例如通过使用图11A至11F和12中描述的解决方案确定路径65和66。在一个或多个禁止区域与图3和图4的搜索路径线57或图5的60相交的情况下，使用局部网格可能是有利的。
图6是根据示例的流程图。在所示的用于对设备的移动控制的方法中，在数据存储装置中配置覆盖受控区域的扇区的图案。该配置包括在70确定具有与区域中的移动相关的至少一个物项的至少一个图案。在71将所确定的至少一个图案划分成较小的图案。此后，在72确定至少一个较小的图案具有与该区域中的移动相关的至少一个物项。在73，可以确定是否已经达到最小图案大小。如果不是，则该方法返回到71，现在将其应用于较小的图案。重复划分循环，直到达到预定义的最小图案大小。
在一个实施例中，通过图案的缩放级别标识符和/或图案坐标(将一条或多条多边形线的坐标与路径线进行比较)并与禁止区域的数据库中的数据(即，与移动相关的物项)或禁止区域的边界框区域进行比较，来标识所需的图案。
然后可以在74确定第一位置与第二位置之间的搜索路径延伸通过图案中的具有与移动相关的至少一个物项的至少一个图案。然后可以在75中使用路径寻找算法来确定在所确定的搜索路径延伸通过的至少一个图案内的移动路径。在一个实施例中，路径可以包括图案的边界的一部分。
根据示例，该方法包括调整搜索路径与图案的边界交叉的至少一个点。
该配置可以使得路径寻找算法被用于已达到预定义图案大小的具有与移动相关的物项的图案。
在以上示例中，图案具有矩形形状。针对基于网格的寻路算法，在各种应用中都认为矩形形状是适当的。然而，其他形状(例如，六边形或三角形图案)也是可能的。图7A至图7C是一些可能的图案形状和划分的示例。在图7A中，三角形图案80被划分为两个较小的三角形图案81和82。图案82包括移动障碍83，而图案81提供了移动自由度。图7B示出了已被划分为四个较小图案的八边形图案。较小的图案85没有障碍，而在图案86中确定了障碍84。图7C图示了将矩形图案划分为至少两个三角形图案87和88的可能性。只有图案88覆盖了障碍89。
接下来将参照图8至图16描述用于特定路径寻找过程和相应配置的装置的示例。在示例中，可以在指示为具有禁区的区域的实际地图之上创建二维路径寻找网格。网格中的初始输入可以包括移动设备的坐标、目标坐标以及一个或多个相关物项的坐标。网格可以被配置为定义设备位置、目标位置和相关物项，例如，NFZ或其他禁区。可以将接触禁区的网格单元标记为网格系统中的障碍。可以将基于2D网格的寻路算法(例如，跳点搜索)应用于网格以生成行进路径。
在另外的示例实施例中，单元正在使用每个单元的中点作为路径的潜在路标。例如，如果网格单元的中点被障碍覆盖，则单元被阻塞。例如，阻塞表示该单元无法用作基于网格的路径寻找算法中的路径的一部分。否则，网格可以被用作空闲单元，并且可以在路径中使用。所计算的路径遵循所选的自由单元的中点作为障碍周围的路标。网格的使用避免了在显示器上的添加点标记的计算。点标记的数目可能不精确，并且在许多点的情况下，这可能会使计算在数字化环境中成问题，并且准确度会下降。
此外，在示例实施例中，存在初始路径的两个点，它们与障碍周围的外部网格区域相交。第一交点在网格中指向路径起点的那一侧，并且第二交点在网格中朝向路径末尾的那一侧。分别选择与网格单元相对应的交点作为路径搜索算法(如基于网格的路径寻找算法)的起点和终点。该算法可以运行。
在示例实施例中，当路标处于连续顺序时，例如，可以使用前三个路标。前三个路标可以从不同的点开始。中间(中心)路标位于三个连续路标的第一和第三路标之间。根据情况，中间路标可以在路径中使用，或者可以将其去除。例如，可以继续进行相交分析，直到在所选的三个连续点中没有进一步去除为止。
在示例实施例中，在与障碍周围的外部网格区域相交的初始路径的两个点之间的路径完成之后，将从基于网格的路径寻找算法获得的路径与初始路径组合以构成最终路径。
可以在寻路算法中使用实际的x和y坐标，并使用具有转换功能性的基于网格的系统在经度和纬度之间提供转换。路径单元坐标可以转换为提供初始粗略路径的实际坐标。
通过遍历路径路标，可以从多余的路标清除初始的粗略路径。下面将参照无人机和NFZ更详细地描述清除的示例。
图8A、图8B、图8C和图8D示出了用于图块内的路径寻找的可能初始阶段。在示例中，针对无人机创建了与实际区域相对应的2D网格。图8A示出了在感兴趣的区域之上创建的2D网格130。还示出了开始位置131、目标位置132和禁飞区133。从开始位置到目标位置而没有穿过禁飞区的路径寻找算法的输入值可以包括开始时的坐标、目标位置坐标和禁飞区多边形坐标。
网格130包括单元134。可以将接触禁飞区的网格单元标记为障碍。在图8B中，这种单元由附图标记135表示。寻找障碍单元可以例如通过遍历所有网格单元并检查在禁飞区多边形内是否包含单元的中心点来完成。然后可以将基于网格的寻路算法应用于网格以找到障碍133周围的路标136。例如，在该阶段可以将跳点搜索算法应用于网格。在图8C中示出了所得的转弯单元，即，通过跳点搜索算法找到的路标136。然后可以将获得的路径单元坐标转换为实际坐标，以经由路标136提供初始粗略路径137，这在图8D中示出。
基于2D网格的算法可以仅支持在八个方向上的移动，因此，初始粗略路径137可以包括一个或多个多余的路标，并因此包括不必要的转弯。可以提供清除操作以去除任何可能的多余路标。清除算法可以包括遍历初始路径137上的路标136，以检查是否可以去除这些路标中的任何一个。在基于网格的寻路找到路径以进行使用后，然后可以对其进行清除。
所描述的与图8A、图8B、图8C和图8D相关的方式可以用作入口点和出口点(诸如，67和68、An和Bn)之间根据图3、4和5中描述的示例的路径寻找的可能特征。图9至图11所图示的示例可以用于进一步增强性能。
图9A至图9E图示了循环的示例。在该示例中，针对每个路标n创建从路标n到n+2的线(n从0到全长-2)。如果n至n+2之间的线不与禁飞区133相交，则可以去除路标n+1。否则，n递增1。
代替n是整数，例如，可以使用非整数、比率或十进制数。可以例如通过从n到点(n+1)/p或(n+2)/p的距离来计算纬度和经度，其中，p可以是整数。例如，当另一NFZ位于路线的另一端时，可能会出现这种情况。
在图9A中，n＝初始粗略路径137的起点131。因为在n和n+2之间没有线相交，所以可以移除初始路径137的路标n+1。因此，可以通过用在路标n和n+2之间的新的笔直路径区段140(由附图标记142表示)替换经由路标n、n+1和n+2的路径区段来校直该路径。
在图9B中，再次使用起点131作为n＝0，区段140的终点142作为n+1以及下一路标作为n+2来进行下一检查。确定在n和n+2之间的线141将与障碍133相交。因此，将路标142确认为有效路标，并且可以将线140作为最终路径的区段。
现在，循环可以发展到图9C所示的步骤，其中路径区段140的终点142提供了路标n＝0。该确定显示，连接路径n和n+2的直线144没有与障碍133相交，并且直线144的长度小于线139A和139的组合长度。因此，可以移除路标n+1，并通过利用新路径区段144替换经由路标n、n+1、n+2的路径区段来校直路径。
在图9D中，再次使用路标142作为n＝0，区段144的终点143作为n+1以及目标点132作为n+2来进行检查。确定在n(由附图标记142表示)和n+2(由附图标记132表示)之间的线145不会与障碍133相交。因此，点132被确认为有效的下一个点，路标n+1(由附图标记143表示)被忽略，并且线145成为最终路径的区段。
问题是如何找到直线。例如，如果通过基于网格或基于图块的算法计算路径，则所确定的路径可能不一定是最直的。为了校直，可以将通过算法计算出的转折点(例如，路标)与路径中的起点和目标点一起使用。可以通过计算从起点通过第一转折点到第二转折点的距离来校直路径。如果从起点到第二点的线没有与障碍相交，并且距离小于通过起点、第一点和第二点的距离，则可以提供校直，并且不需要第一转折点(图9A中的点n+1)。接下来，校直动作可以涉及从起点开始的第二和第三转折点(参见图9B)。在这种情况下，起点和第三转折点之间的线与障碍相交，并且校直是不可能的。在图9C中，第二、第三和第四转折点正在考虑中。如果第二转折点和第四转折点之间的线小于通过第二、第三和第四转折点的路径的长度，则可以在路径中使用第二转折点和第四转折点之间的线，并且第三转折点可以不需要使用。在图9D中，线可以在第二转折点和目标点之间进一步校直。可以不使用第五转折点。可能在路径中有一个或多个校直需求，并且图9示出了在三种情况下可以校直而在一种情况下不使用校直的示例。在该解决方案中，从起点、目标点和转折点的组中需要三个点。例如，可以使用线相交算法。校直步骤的顺序是示例。点坐标可以在计算中使用。
图9E图示了最终的经清除的行进路径148。循环清除算法可以响应于检测到在初始粗略路径中没有剩余n+2个路标而停止。
在该示例中，检查是鉴于n+2个路标进行的。然而，也可以鉴于前方的路标进行检查。即，代替在测试基于n+2的情况下进行循环，循环可以基于测试n+m，其中m大于2。如果没有相交，那么可能会立即忽略任何相交路标(n+1至m-1)。
可以使用原始坐标而不是网格单元进行线相交检查。例如，鉴于更好的准确度，这可以提供一些优点。例如，如果使用图8A至图8D的网格130的单元进行检查，则在图9C的步骤中的检查将导致与障碍133的相交的检测。即，该线将穿过单元138，并被确定为相交线。
任何适当的线相交检查算法可以被用于检查。如果在一条线中找到相交，则算法停止。在计算中，可以将x和y坐标替换为纬度和经度值。在图10中示出了非限制性示例。线141按顺序与定义禁飞区多边形133的五条边界线(多边形的边1至5)进行比较。在第二迭代中，在算法停止后的位置处检测与线152的相交。这对应于图9B的情况。线交点检查算法停止后，下一步骤是继续检查多边形的下一条线的相交，并且如果那是多边形的最后一条线，那么继续到路径的下一条线(从下一路标n开始)。
根据又一示例，确定图块中从开始到目标的路径，其中在图块的区域中散布有一个或多个禁飞区。在这种情况下可能会出现问题，因为可能需要相对较大的网格来捕捉较小的障碍，并且出于性能原因，这可能不是最佳的。解决该问题的方式是在要分析的图案内的直接路径上的一个或多个禁飞区周围创建一个或多个网格或网格的组合。一个或多个网格内的路径可以按照解释来求解。
在图11A中图示了最大缩放级别内的这种情况。更具体地，可以确定NFZ 162和163在点160和161之间的直线164上。例如，该检测可以基于线-多边形相交算法，例如，线-矩形相交(使用NFZ边界框)，或使用NFZ中心和到最远顶点的距离进行线点距离检查。
例如，在无人机路径中，路径的直接部分通常比障碍的部分长得多。原因之一是试图在路径规划中减少障碍。例如，空气中的路径较少有障碍拥挤，并且可以有更多的自由确定路径。与使用无人机的空气相比，地面上的路径在路径中具有更多障碍，因此需要在地面上的路径中进行更多基于网格的算法计算，并且整个路径都可以使用基于网格的算法。例如，作为飞行物体的无人机需要能效，并且较少的计算会更好地延长飞行时间。
然后可以围绕相关的NFZ 162和163创建局部网格165和166，参见图11B的网格。其他NFZ可以忽略。
在实施例的示例中，如果小区的中点被障碍覆盖，则小区被阻塞。阻塞表示该单元无法用作基于网格的算法中的粗糙路径路标的一部分。否则，网格单元(如果单元的中点没有被障碍覆盖)可以用作自由单元，即，在初始路径中可以将中点作为路标使用。
如所知的，实际坐标是“纬度，经度”或正常wgs84坐标的形式。网格的坐标从覆盖障碍的所选网格的左上角开始(0，0)，并且是整数。创建网格时，可以将其创建到世界上的某个区域，即，障碍的区域。可以进行创建，使得实际坐标对应于网格单元(0，0)。网格单元的大小为5m，例如，它描述了单元之间坐标的变化量。例如，在单元大小为5m的网格中，单元(10，5)被定义为单元(0，0)向东50m并且向南25m。
可以将上面解释的寻路应用于每个网格以确定通过网格165和166的粗略路径。这在图11C中图示。网格内的起点可以是入口和出口的点/单元。在网格165中，分别有单元167和168。
在图11D中，分别通过局部网格165和166确定初始粗略路径170和171。在图11E中，对组合的初始粗略路径进行清除操作。可以并行操作或一一清除局部网格。图11F图示了清除后的最终路径176。
可以适当地使用不同的基于网格的算法。可以使用缩放图块创建网格，或者可以在禁止区域周围创建网格。
图12示出了根据示例的用于行进路径的清除方法的流程图。在该方法中，首先在100确定在第一点和第二点之间经过障碍的初始路径。初始路径可以包括在第一点和第二点之间的至少第三点和第四点，在第一点和第二点之间的至少两个中间点是行进方向改变的转折点。然后可以在102中确定经过至少一个转折点的两个点之间的线是否不与障碍相交。如果线没有与障碍相交，则可以在104中将至少一个转折点从初始路径去除以确定校直的行进路径。然后，测试可以移动到在108中测试点的下一组合，直到测试了所有点。
如果所测试的线确实与障碍相交，则可以在106中确定不可能进行校直。然后可以在108中针对点的下一组合重复测试。
在重复阶段，可以将初始路径上的下一点用作起点。备选地，如果在上一测试周期绕过两个或多个中间点，则下一测试周期可以尝试使用较少量的中间转折点。
初始路径的确定可以包括在行进区域上使用网格。网格可以是局部网格。确定经过至少一个转折点的两个点之间的线是否与障碍相交可以包括使用区域的原始坐标。
在开始位置与目标位置之间存在一定距离并且禁飞区在该区域周围散布的情况下，则只能在从开始到目标的直接路径上的禁飞区周围创建网格。然后可以单独地求解每个网格。
可以定位多个禁飞区，使得使用局部网格可以产生重叠的局部网格。可以生成覆盖两个或多个区域的共享网格。在图13中图示了共享网格。与分析重叠网格相比，使用共享网格可能使查找通过区域的路径更容易。共享网格还可以减少由一个网格上的寻路算法导致的错误结果的风险，该算法会产生可能与重叠网格中存在的禁飞区相交的所得路径。
图14示出了在由灰色缩放图块181指示的感兴趣区域上使用局部网格180的示例。两个禁飞区182、183穿过图块边界，因此，较小的缩放图块181被组合成较大的矩形，从而提供网格180。局部网格180覆盖矩形区域，使得所有灰色缩放图块181都在网格内。然后将寻路算法应用于网格180而不是最小的图块181。图14图示了在这种时机中共享网格的使用，但是类似的原理也可以应用于单个障碍。例如，这对于例如形状奇怪的障碍可能是有利的。
图15示出了共享的局部网格185。网格185可以从图14的网格180导出(通过虚线示出图14的网格180)，或者基于障碍的信息来定义。网格180的外围可以由缩放图块181定义。可以通过最小化障碍182和183的边界与网格185之间的距离，通过由缩放图块确定的大小来优化网格185的大小。然后可以将路径寻找和校直操作应用于优化网格185的区域。
例如，还可以在xy坐标系上提供用于多个禁飞区或其他禁区的局部网格185，使得当局部区域中存在NFZ 182和183时，NFZ 182的左侧提供x最小值。如果该NFZ也是最高的/沿着y方向延伸得最远，则它还会为网格提供y最大值。然后，NFZ 183的右侧提供x最大值。再次，由于NFZ 183提供了坐标系上的最低点，因此它也可以为图15中的网格提供y最小值。因此，可以使用x最小值、x最大值、y最小值和y最大值定义的区域生成覆盖两个或多个区域的共享网格。可以使用适当的填充来确保(多个)障碍和网格边界之间有足够的间隙。
图15解决方案可能会有一些益处，例如，当有一个NFZ延伸到几个缩放图块上方时，会形成相对较大的网格。
两种解决方案均可以用于单独或组合定义网格。例如，可以存在例如接近路径末尾的一个NFZ和接近开始的两个NFZ。图15的局部网格是在NFZ周围创建的，以使网格的大小尽可能小。可以使用基于灰色缩放图块确定的y最大值、y最小值、x最大值和x最小值来组合彼此接近的两个NFZ。
根据可能的操作，基于缩放图块接收初始网格。在初始情况下，参数可以包括UAV坐标、目标位置坐标和禁飞区多边形坐标。为了在不穿过禁飞区的情况下找到从UAV位置到目标位置的路径，创建了与实际区域相对应的2D网格。现有的基于2D网格的寻路算法已应用于2D网格。解决方案路径会转换回实际坐标，此后从多余的路标中清除路径。
根据可能的情况，从开始到目标位置可能会有很长的距离，同时该区域周围还散布了一些禁飞区。为了避免创建庞大的网格并避免性能问题，只能在从开始到目标的直接路径上的禁飞区周围创建网格。然后如上面所解释的求解每个网格。重叠的网格可以组合。
网格生成可能会导致图16A中所图示的情况，其中可能找不到路径。可能之所以如此，是因为开始和/或目标点91可能紧邻网格90上的禁飞区92。可以使用填充来解决此问题。在图16B中图示了填充的示例，其中在网格90的每一侧上添加了单元的两行93和列94。尽管开始点91在接近NFZ的下一单元中，但是在附近的NFZ 92周围可以找到初始路径95。
根据本文描述的原理，可以使用任何适当的路径寻找算法来处理已经达到最大缩放级别(ZMax)，即，覆盖预定义的最小区域，仍然覆盖诸如NFZ等禁区的任何部分的图案。例如，可以以所需的准确度通过标准的二维或三维路径查找算法来准备并处理具有NFZ的已标识图案内的区域。可以将较大的缩放图案假设为没有禁区，因此可以使用简单的算法定义路径，例如，给定通过该图案的最短直线路径。
路径搜索算法可以创建多个路径，并针对每个路径计算长度。可以将算法配置为返回最短路径作为解决方案。在决定最短路径时，可以使用其他参数(如风速、风向)作为附加参数。
清除算法可以输出需要更改入口和/或出口点的路径，诸如，图3至5的路径。在这种情况下，可能需要相应地更改开始和目标之间的整个路径。
这些原理可以用于例如较大操作区域上方的无人机路径生成器。例如，可以提供覆盖几百米准确度的大于100x100 km的陆地区域的控制区域。可以在运行时间添加和移除非飞行区域或类似区域，因为非飞行区域可能仅影响一个或几个缩放图块。
根据一个方面，用于在受控区域中对设备进行移动控制的装置和方法被布置为在没有缩放特征的情况下进行操作。一种装置可以包括用于存储覆盖受控区域的扇区的图案信息的存储器，所存储的信息包括确定图案是否具有与区域中的移动相关的至少一个物项。处理器部件可以被配置用于确定第一位置与第二位置之间的搜索路径是否穿过与具有与该区域中的移动相关的至少一个物项的至少一个图案，以便使用路径寻找算法来确定在具有与该区域中的移动相关的至少一个物项的所确定的至少一个图案内的移动路径。
根据一个方面，提供了一种用于在数据库存储器中配置数据以用于设备的移动控制的方法。该方法包括在覆盖受控区域的扇区的数据存储装置中配置图案，该配置包括确定具有与该区域中的移动相关的至少一个物项的至少一个图案，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个较小图案，以及重复划分步骤，直到达到预定义的最小图案大小。
根据一个方面，提供了一种用于移动控制的系统，该装置包括控制站、由控制站控制的可移动设备以及用于在控制站和设备之间交换控制指令的通信接口装置。控制站包括处理器部件和用于存储覆盖该区域的扇区的图案信息的存储器，所存储的信息包括图案是否具有与区域中的移动相关的至少一个物项的指示，该信息是通过以下操作而被配置的：处理器部件基于确定至少一个图案具有与区域中的移动相关的至少一个物项，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个较小图案，以及重复划分直到预定义的最小图案大小被达到。处理器部件还被配置为确定第一位置与第二位置之间的搜索路径延伸通过具有与区域中的移动相关的至少一个物项的至少一个图案，并且选择性地使用路径寻找算法来确定在搜索路径延伸通过的至少一个图案内的移动路径，并且基于所确定的移动路径通过接口装置传送指令。
也可以提供被配置用于计算和/或计算机代码产品的适当的数据处理装置。这种方法和装置可以被用于缩放针对受控区域配置数据存储装置中的数据。根据一个方面，一种用于设备的移动控制的方法包括：获得定义覆盖受控区域的扇区的图案的数据，该图案包括预定义最小图案大小的至少一个图案，并且具有与区域中的移动相关的至少一个物项，将图案从较大的图案划分成预定义的最小图案大小，确定第一位置和第二位置之间的搜索路径延伸通过具有与移动相关的至少一个物项的至少一个图案，并使用路径寻找算法确定在所确定的至少一个图案内的移动路径，搜索路径延伸通过该至少一个图案。也可以提供被配置用于必要计算和/或计算机代码产品的适当的数据处理装置。这种方法和装置可以用于在计划区域中的路线时利用针对受控区域的所配置的缩放数据。
根据非限制性示例，控制信息可以作为微型飞行器链路(MAVLink)命令被传输到无人设备。MAVLink是开源点对点通信协议，其用于地面控制站和无人运载工具之间，以执行遥测并命令和控制无人运载工具。它可以被用于传输无人运载工具的定向、其GPS位置和速度。MAVLink协议在应用层处操作。要注意的是，MAVLink在本文中仅作为为该目的在该级别操作的协议的说明性示例，并且可以代替这而使用其他协议和消息大小。
无人运载工具可能会形成蜂群。这种无人运载工具之一可以被配置为充当蜂群的领导者，并且可能仅需要为领导者定义移动路径。
要注意的是，尽管图1描绘了包括转子的无人飞行器，但是其他类型的UAV也是可能的，并且原理也适用于不需要包括任何转子的系统。例如，无人运载工具可以是具有推进器的比空气轻的气球、微型飞行器、微型直升机甚或大型轻型飞行器。
本文描述的控制装置可以包括适当的电路系统。如在本申请中所使用的，术语“电路系统”可以指代以下中的一个或多个或者所有：(a)仅硬件电路实施方式，(诸如，仅模拟和/或数字电路系统中的实施方式)；(b)硬件电路和软件的组合，诸如(如果适用的话)：(i)(多个)模拟和/或数字硬件电路与软件/固件的组合，以及(ii)(多个)硬件处理器与软件(包括(多个)数字信号处理器、软件和(多个)存储器，其一起工作以使诸如移动电话或服务器等装置执行各种功能)的任何部分，以及(c)(多个)硬件电路和/或(多个)处理器，诸如，(多个)微处理器或(多个)微处理器的一部分，其要求软件(例如，固件)用于操作，但是当不需要用于操作时，可能不存在该软件。电路系统的这种定义适用于本申请中该术语的所有使用，包括在任何权利要求中。作为又一示例，如在本申请中所使用的，术语电路系统也将覆盖仅硬件电路或处理器(或多个处理器)或者硬件电路或处理器的一部分及其(或它们的)伴随的软件和/或固件的实施方式。例如并且如果适用于特定权利要求元件的话，则术语电路系统还将覆盖用于服务器、蜂窝网络设备或者其他计算或网络设备中的移动设备或类似的集成电路的基带集成电路或处理器集成电路。
可以借助于一个或多个数据处理器来提供所需的数据处理装置和功能。所描述的功能可以由单独处理器或集成处理器提供。数据处理器可以是适合于本地技术环境的任何类型，并且可以包括通用计算机、专用计算机、微处理器、数据信号处理器(DSP)、专用集成电路(ASystem InformationC)、门级电路和基于多核处理器架构的处理器中的一个或多个作为非限制性示例。数据处理可以分布在多个数据处理模块上。数据处理器可以借助于例如至少一个芯片提供。可以在相关设备中提供适当的内存容量。一个或多个存储器可以是适合于本地技术环境的任何类型，并且可以使用任何合适的数据存储技术实施，诸如，基于半导体的存储器设备、磁性存储器设备和系统、光学存储器设备和系统、固定存储器和可移动存储器。关于流程图和信令图讨论的一个或多个步骤可以由一个或多个处理器结合一个或多个存储器执行。
当在适当的数据处理装置上加载或以其他方式提供时，适当适配的一个或多个计算机程序代码产品可以用于实施实施例。用于提供操作的程序代码产品可以存储在适当的载体介质上，借助于适当的载体介质提供和体现。适当的计算机程序可以体现在计算机可读记录介质上。可以经由数据网络下载程序代码产品。通常，各种实施例可以实施在硬件或专用电路、软件、逻辑或其任何组合中。本发明的实施例因此可以实践在诸如集成电路模块等各种组件中。集成电路的设计大体上是高度自动化的过程。复杂且功能强大的软件工具可用于将逻辑级设计转换为易于在半导体衬底上蚀刻和形成的半导体电路设计。
用于控制设备的控制装置可以包括用于在区域中的移动控制的部件，该装置包括用于存储覆盖该区域的扇区的图案信息的存储器部件，所存储的信息包括确定图案是否具有与区域中的移动相关的至少一个物项的指示，该信息基于以下中的至少一项而被配置：确定至少一个图案具有与区域中的移动相关的至少一个物项，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个的较小图案，以及重复划分直到预定义的最小图案大小被达到。该装置还包括处理器部件，该处理器部件被配置为确定第一位置与第二位置之间的搜索路径延伸通过具有与区域中的移动相关的至少一个物项的至少一个图案，并且选择性地使用路径寻找算法来确定在搜索路径延伸通过的至少一个图案内的移动路径。
处理器部件可以被配置为仅对具有与移动相关的物项的已经具有预定义的最小图案大小的图案使用路径寻找算法。处理器部件还可以被配置为基于以下的信息的组合来生成用于设备的移动的组合路径：在由搜索路径穿过的并且具有与移动相关的至少一个物项的所确定的至少一个图案外的的搜索路径、以及至少一个图案内的所确定的路径。
处理器部件可以还被配置为将所确定的至少一个图案内的路径与搜索路径的至少一个图案外的部分组合，调整到至少一个图案的搜索路径的入口点以及调整从至少一个图案的出口点中的至少一项。处理器部件可以被配置为根据所确定的至少一个图案内的路径移动到至少一个图案的入口点和/或从至少一个图案的出口点，并且将所确定的至少一个图案内的路径与至少一个图案外并且基于搜索路径和移动后的入口点和/或出口点的信息生成的一个或多个行进路径组合。
处理器部件可以被配置为仅对已经被确定为具有与移动相关的至少一个物项的图案使用路径寻找算法，并且其中基于区域内不存在与移动相关的物项的假设，针对图案外已经被确定为具有与移动相关的至少一个物项的区域生成移动路径。
包括用于在存储器中生成数据以进行移动控制的、要在处理器部件上运行的指令的计算机程序可以被配置为执行生成至少包括在存储器中配置覆盖受控区域的扇区的图案，该配置包括确定至少一个图案具有与区域中的移动相关的至少一个物项，将所确定的至少一个图案划分成较小的图案，确定较小图案中的具有与区域中的移动相关的至少一个物项的至少一个较小图案，以及重复划分步骤，直到预定义的最小图案大小被达到。
要注意的是，尽管已经关于特定架构描述了实施例，但是类似原理可以应用于其他系统。因此，尽管上面参照无线网络、技术标准和协议的某些示例性架构通过示例描述了某些实施例，但是本文描述的特征可以应用于在上述示例中详细图示和描述的任何其他合适形式的系统、架构和设备。还要注意的是，不同实施例的不同组合是可能的。在本文中还要注意的是，尽管上文描述了示例性实施例，但是在不脱离本发明的精神和范围的情况下存在可以对所公开的解决方案进行的多种变型和修改。

Claims (17)

1.一种用于对一个区域中的设备进行移动控制的装置，所述装置包括：
存储器部件，用于存储覆盖所述区域的扇区的图案信息，所存储的所述信息包括所述图案是否具有与所述区域中的移动相关的至少一个物项的指示，所述信息基于以下中的至少一项而被配置：确定具有与所述区域中的移动相关的至少一个物项的至少一个图案，将所确定的所述至少一个图案划分成较小图案，确定所述较小图案中的具有与所述区域中的移动相关的至少一个物项的至少一个较小图案，以及重复所述划分直到预定义的最小图案大小被达到；以及
处理器部件，被配置为：确定第一位置与第二位置之间的搜索路径延伸通过具有与所述区域中的所述移动相关的所述至少一个物项的所述至少一个图案，并且选择性地使用路径寻找算法来确定在所述搜索路径延伸通过的所述至少一个图案内的移动路径。
2.根据权利要求1所述的装置，其中所述设备包括以下中的一项：无人飞行器、无人驾驶陆地运载工具或无人驾驶船。
3.根据权利要求1所述的装置，被配置为：对包括与所述移动相关的物项并且已经被划分成所述预定义的最小图案大小的所述图案，使用所述路径寻找算法。
4.根据权利要求1所述的装置，其中所述预定义的最小图案大小包括所述图案的最高分辨率缩放级别。
5.根据权利要求1所述的装置，其中所述图案包括矩形图块，所述矩形图块中的至少一个矩形图块响应于确定与在所述至少一个矩形图块内的移动相关的所述至少一个物项，而被划分成较小的矩形图块。
6.根据权利要求1所述的装置，其中所述处理器部件被配置为基于以下的信息的组合来生成用于所述设备的移动的组合路径：在由所述搜索路径穿过的并且具有与移动相关的至少一个物项的所述至少一个图案外的所述搜索路径、以及所述至少一个图案内的所确定的所述路径。
7.根据权利要求6所述的装置，其中所述处理器部件被配置为：将所述至少一个图案内的所确定的所述路径与所述至少一个图案外的所述搜索路径的部分进行组合。
8.根据权利要求6所述的装置，其中所述处理器部件被配置为：调整所述搜索路径到所述至少一个图案的入口点，和/或调整从所述至少一个图案的出口点。
9.根据权利要求6所述的装置，其中所述处理器部件被配置为：根据至少一个图案内的所确定的所述路径来移动到所述至少一个图案的入口点和/或从所述至少一个图案的出口点，并且将所述至少一个图案内的所确定的所述路径与行进路径或多个行进路径进行组合，所述行进路径或多个行进路径在所述至少一个图案外、并且基于所述搜索路径以及移动后的所述入口点和/或所述出口点的信息而被生成。
10.根据权利要求1所述的装置，其中所述处理器部件被配置为：仅针对已经被确定为包括与移动相关的至少一个物项的图案，使用所述路径寻找算法。
11.根据权利要求1所述的装置，被配置为基于以下来生成包括所述图案是否具有与所述区域中的移动相关的至少一个物项的指示的所述信息：确定具有与所述区域中的移动相关的至少一个物项的至少一个图案，将所确定的所述至少一个图案划分成较小图案，确定所述较小图案中的具有与所述区域中的移动相关的至少一个物项的至少一个较小图案，以及重复所述划分直到预定义的最小图案大小被达到，其中所述生成在所述设备的所述运行时间被提供，和/或在确定所述设备的所述移动路径之前被提供。
12.根据权利要求3所述的装置，其中与所述区域中的移动相关的所述物项包括以下中的至少一项：障碍物、禁区和禁飞区。
13.根据权利要求1所述的装置，其中所述处理器部件被配置为：将路径校直操作应用于从所述路径寻找算法输出的初始路径。
14.根据权利要求13所述的装置，其中所述处理器部件被配置为：基于由所确定的所述至少一个图案指示的所述区域上的局部网格，确定所述初始路径。
15.根据权利要求13所述的装置，其中所述处理器部件被配置为通过以下来修改所述初始路径：移除一个转折点，并且测试修改后的所述初始路径是否穿过与移动相关的所述至少一个物项。
16.根据任一前述权利要求所述的装置，其中所述部件包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，所述至少一个存储器和计算机程序代码被配置为与所述至少一个处理器一起引起所述装置的执行。
17.一种用于对一个区域中的移动设备进行移动控制的方法，所述方法包括：
存储覆盖所述区域的扇区的图案的信息，所存储的所述信息包括所述图案是否具有与所述区域中的移动相关的至少一个物项的指示，所述信息基于以下中的至少一项而被配置：
●确定具有与所述区域中的移动相关的至少一个物项的至少一个图案，
●将所确定的所述至少一个图案划分成较小图案，
●确定所述较小图案中的具有与所述区域中的移动相关的至少一个物项的至少一个较小图案，以及
●重复所述划分，直到预定义的最小图案大小被达到；以及
确定第一位置与第二位置之间的搜索路径延伸通过具有与所述区域中的所述移动相关的所述至少一个物项的所述至少一个图案，并且选择性地使用路径寻找算法来确定在所述搜索路径延伸通过的所述至少一个图案内的移动路径。
CN202011111429.XA 2019-10-17 2020-10-16 控制设备的移动 Pending CN112684789A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI20195896 2019-10-17
FI20195896 2019-10-17

Publications (1)

Publication Number Publication Date
CN112684789A true CN112684789A (zh) 2021-04-20

Family

ID=72885353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011111429.XA Pending CN112684789A (zh) 2019-10-17 2020-10-16 控制设备的移动

Country Status (3)

Country Link
US (1) US11662726B2 (zh)
EP (1) EP3809231B1 (zh)
CN (1) CN112684789A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113720342A (zh) * 2021-08-05 2021-11-30 杭州易现先进科技有限公司 导航路径规划方法和装置
CN115830910A (zh) * 2022-11-17 2023-03-21 深圳航天科技创新研究院 水面机器人的禁区避让方法及避让系统
CN116048059A (zh) * 2022-02-18 2023-05-02 智橙动力(北京)科技有限公司 泳池清扫方法、装置、电子设备及存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4155676A1 (en) * 2021-09-24 2023-03-29 Nokia Technologies Oy Dynamic waypoint management for constrained navigation
CN117724487B (zh) * 2023-12-14 2024-06-14 南开大学 基于自适应通信策略的未知环境多目标搜索方法及系统
CN117572894B (zh) * 2024-01-16 2024-03-22 中国人民解放军陆军航空兵学院 一种无人机指定区域内按时到达航线规划方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6259988B1 (en) * 1998-07-20 2001-07-10 Lockheed Martin Corporation Real-time mission adaptable route planner
US20120209652A1 (en) * 2011-02-14 2012-08-16 Deepak Khosla System and method for resource allocation and management
CN103528586A (zh) * 2013-10-31 2014-01-22 中国航天时代电子公司 基于故障网格的航迹规划算法设计
US20150254988A1 (en) * 2014-04-17 2015-09-10 SZ DJI Technology Co., Ltd Flight control for flight-restricted regions
EP3045864A1 (en) * 2015-01-16 2016-07-20 Fuji Jukogyo Kabushiki Kaisha Flight path search device and flight path search program
WO2016141748A1 (en) * 2015-03-09 2016-09-15 SZ DJI Technology Co., Ltd. Polygon shaped flight-restriction zones
EP3118578A1 (en) * 2015-07-14 2017-01-18 The Boeing Company Method and system for autonomous generation of shortest lateral paths for unmanned aerial systems
CN110325981A (zh) * 2016-08-24 2019-10-11 谷歌有限责任公司 基于变化检测的地图界面更新系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5592594B2 (ja) 2004-03-23 2014-09-17 グーグル インコーポレイテッド デジタルマッピングシステム
US20070226314A1 (en) 2006-03-22 2007-09-27 Sss Research Inc. Server-based systems and methods for enabling interactive, collabortive thin- and no-client image-based applications
US9026272B2 (en) 2007-12-14 2015-05-05 The Boeing Company Methods for autonomous tracking and surveillance
US9824596B2 (en) * 2013-08-30 2017-11-21 Insitu, Inc. Unmanned vehicle searches
US10665115B2 (en) 2016-01-05 2020-05-26 California Institute Of Technology Controlling unmanned aerial vehicles to avoid obstacle collision
US10234862B2 (en) * 2016-07-15 2019-03-19 Qualcomm Incorporated WWAN radio link quality navigation for a drone
CN108204814B (zh) 2016-12-20 2021-06-22 南京理工大学 无人机三维场景路径导航平台及其三维改进路径规划方法
US20180209803A1 (en) * 2017-01-25 2018-07-26 Via Transportation, Inc. Dynamic Route Planning
CN107544502A (zh) 2017-09-25 2018-01-05 华中科技大学 一种已知环境下的移动机器人规划方法
CN108052102B (zh) 2017-12-08 2021-09-28 成都全景智能科技有限公司 机器人行进路线的确定方法、装置及机器人
CN108508900A (zh) 2018-05-10 2018-09-07 同济大学 一种壁面移动机器人墙壁检测路径自主规划方法
US11530921B2 (en) * 2018-09-28 2022-12-20 Intel Corporation Method of generating a collision free path of travel and computing system
US11222527B2 (en) * 2019-08-16 2022-01-11 Here Global B.V. Method, apparatus, and system for vehicle map data update

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6259988B1 (en) * 1998-07-20 2001-07-10 Lockheed Martin Corporation Real-time mission adaptable route planner
US20120209652A1 (en) * 2011-02-14 2012-08-16 Deepak Khosla System and method for resource allocation and management
CN103528586A (zh) * 2013-10-31 2014-01-22 中国航天时代电子公司 基于故障网格的航迹规划算法设计
US20150254988A1 (en) * 2014-04-17 2015-09-10 SZ DJI Technology Co., Ltd Flight control for flight-restricted regions
CN107615357A (zh) * 2014-04-17 2018-01-19 深圳市大疆创新科技有限公司 多边形飞行限制区
EP3045864A1 (en) * 2015-01-16 2016-07-20 Fuji Jukogyo Kabushiki Kaisha Flight path search device and flight path search program
WO2016141748A1 (en) * 2015-03-09 2016-09-15 SZ DJI Technology Co., Ltd. Polygon shaped flight-restriction zones
EP3118578A1 (en) * 2015-07-14 2017-01-18 The Boeing Company Method and system for autonomous generation of shortest lateral paths for unmanned aerial systems
CN110325981A (zh) * 2016-08-24 2019-10-11 谷歌有限责任公司 基于变化检测的地图界面更新系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113720342A (zh) * 2021-08-05 2021-11-30 杭州易现先进科技有限公司 导航路径规划方法和装置
CN113720342B (zh) * 2021-08-05 2024-03-26 杭州易现先进科技有限公司 导航路径规划方法和装置
CN116048059A (zh) * 2022-02-18 2023-05-02 智橙动力(北京)科技有限公司 泳池清扫方法、装置、电子设备及存储介质
CN116048059B (zh) * 2022-02-18 2023-10-20 智橙动力(北京)科技有限公司 泳池清扫方法、装置、电子设备及存储介质
CN115830910A (zh) * 2022-11-17 2023-03-21 深圳航天科技创新研究院 水面机器人的禁区避让方法及避让系统

Also Published As

Publication number Publication date
EP3809231A1 (en) 2021-04-21
EP3809231B1 (en) 2023-10-18
US20210116920A1 (en) 2021-04-22
US11662726B2 (en) 2023-05-30

Similar Documents

Publication Publication Date Title
EP3816758B1 (en) Grid-based movement control
CN112684789A (zh) 控制设备的移动
KR102466940B1 (ko) 로봇 주행용 위상 지도 생성 장치 및 방법
CN109214248B (zh) 用于识别无人驾驶车辆的激光点云数据的方法和装置
CN110967031A (zh) 生成无碰撞行进路径的方法和计算系统
CN109828592A (zh) 一种障碍物检测的方法及设备
US11687079B2 (en) Methods, devices, and systems for analyzing motion plans of autonomous vehicles
CN113485346B (zh) 一种移动机器人在核事故复杂环境中的自主导航方法
CN115061499B (zh) 无人机控制方法及无人机控制装置
Kanezaki et al. Goselo: Goal-directed obstacle and self-location map for robot navigation using reactive neural networks
Mokrane et al. UAV path planning based on dynamic programming algorithm on photogrammetric DEMs
US11392128B1 (en) Vehicle control using directed graphs
Rodenberg et al. Indoor A* pathfinding through an octree representation of a point cloud
CN112859110A (zh) 一种基于三维激光雷达的定位导航方法
Politi et al. Path planning and landing for unmanned aerial vehicles using ai
Ren et al. ROG-map: An efficient robocentric occupancy grid map for large-scene and high-resolution LiDAR-based motion planning
Wu et al. A non-rigid hierarchical discrete grid structure and its application to UAVs conflict detection and path planning
Williams et al. A rapid method for planning paths in three dimensions for a small aerial robot
Hongbo et al. Relay navigation strategy study on intelligent drive on urban roads
WO2022271750A1 (en) Three-dimensional object detection with ground removal intelligence
CN114882339A (zh) 基于实时稠密点云地图的煤矿巷道孔眼自主识别方法
Mohiuddin et al. An Efficient Lidar Sensing System For Self-Driving Cars
KR102689544B1 (ko) 장애물 거리변환 지도의 계산 장치 및 그 방법
CN115164903A (zh) 基于局部路径点生成的分层无地图导航方法及装置
CN116954265B (zh) 局部运动轨迹的重规划方法、装置和电子设备

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210420

WD01 Invention patent application deemed withdrawn after publication