CN112731961A - 路径规划方法、装置、设备及存储介质 - Google Patents

路径规划方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112731961A
CN112731961A CN202011423539.XA CN202011423539A CN112731961A CN 112731961 A CN112731961 A CN 112731961A CN 202011423539 A CN202011423539 A CN 202011423539A CN 112731961 A CN112731961 A CN 112731961A
Authority
CN
China
Prior art keywords
cruise
firefly
path
target
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.)
Granted
Application number
CN202011423539.XA
Other languages
English (en)
Other versions
CN112731961B (zh
Inventor
唐光辉
凌乐陶
陈城
周伟才
刘丙财
裴慧坤
魏前虎
林国安
胡燮
林华盛
王晨
刘如海
焦康
许海源
蔡祖建
徐坤
范利雪
徐广明
李鑫
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.)
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply Co ltd
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 Shenzhen Power Supply Co ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN202011423539.XA priority Critical patent/CN112731961B/zh
Publication of CN112731961A publication Critical patent/CN112731961A/zh
Application granted granted Critical
Publication of CN112731961B publication Critical patent/CN112731961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请涉及一种路径规划方法、装置、设备及存储介质，所述方法包括：将待优化区域进行网格化处理，得到网格区域图；在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置；采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子用于扩大萤火虫的搜索范围。本申请实施例提供的技术方案可以提高路径规划的精度。

Description

路径规划方法、装置、设备及存储介质
技术领域
本申请涉及无人机技术领域，特别是涉及一种路径规划方法、装置、设备及存储介质。
背景技术
随着无人机技术的发展，路径规划问题是无人机导航的关键技术之一，其主要任务是在有障碍物的环境中寻找一条从起点到目标点之间可行的、无碰撞的最优或者接近最优的路径。
现有的无人机路径规划方法主要包括：可视图法、人工势场法以及各种智能规划算法等。其中，在智能规划算法中，常用粒子群智能规划算法对无人机的路径进行规划，粒子群算法主要是通过粒子之间的信息传递而实现最优路径的目的，通常采用粒子的当前位置信息、全局最优信息以及个体最优信息求解下一步粒子的迭代位置，最终粒子移动的路线即为规划得到的路径。
然而，这种方法易陷入局部最优，从而降低了路径规划的精度。
发明内容
基于此，本申请实施例提供了一种路径规划方法、装置、设备及存储介质，可以提高路径规划的精度。
第一方面，提供了一种路径规划方法，该方法包括：
将待优化区域进行网格化处理，得到网格区域图；在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置；采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子用于扩大萤火虫的搜索范围。
在其中一个实施例中，采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径，包括：
根据巡航起点、巡航途经点和巡航终点的位置，规划多个初始巡航路径；根据各初始巡航路径，初始化每个初始巡航路径上每个萤火虫的位置坐标；将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到目标巡航路径。
在其中一个实施例中，将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到目标巡航路径，包括：
将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径；根据多个候选巡航路径中最短的巡航路径和移动因子，对每个萤火虫的位置坐标进行更新，并返回执行将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径的步骤，直到满足预设的迭代截止条件为止，将最后一次迭代得到的多个候选巡航路径中的最短巡航路径确定为目标巡航路径。
在其中一个实施例中，根据多个候选巡航路径中最短的巡航路径和移动因子，对每个萤火虫的位置坐标进行更新，包括：
根据多个候选巡航路径中最短的巡航路径，确定目标萤火虫的位置坐标；目标萤火虫为亮度最大的萤火虫；根据每个萤火虫的位置坐标与目标萤火虫的坐标，计算每个萤火虫与目标萤火虫之间的距离和吸引度；根据距离、吸引度和移动因子，更新每个萤火虫的位置坐标。
在其中一个实施例中，该方法还包括：
获取待优化区域中的障碍物的位置；根据障碍物的位置，判断目标巡航路径中是否存在障碍物；若是，则更新移动因子，并返回执行采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径的步骤。
在其中一个实施例中，该方法还包括：
根据目标巡航路径，控制无人机在到达巡航途经点区域时进行拍摄，得到各巡航途经点的图像。
在其中一个实施例中，巡航途经点区域为以巡航途经点的位置为圆心、以预设的半径得到的拍摄区域。
第二方面，提供了一种路径规划装置，该装置包括：
网格化模块，用于将待优化区域进行网格化处理，得到网格区域图；
确定模块，用于在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置；
求解模块，用于采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子用于扩大萤火虫的搜索范围。
第三方面，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时实现上述第一方面任一实施例中的方法步骤。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面任一实施例中的方法步骤。
上述路径规划方法、装置、设备及存储介质，通过将待优化区域进行网格化处理，得到网格区域图；在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置；采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子用于扩大萤火虫的搜索范围。由于在根据萤火虫算法得到目标巡航路径时，采用了预设的移动因子对萤火虫的移动位置进行更新，可以扩大萤火虫的搜索范围，避免了萤火虫算法在迭代到一定次数后，陷入局部最优的情况，从而提高了路径规划的精度。
附图说明
图1为本申请实施例提供的一种应用环境图；
图2为本申请实施例提供的一种路径规划方法的流程图；
图3为本申请实施例提供的一种路径规划方法的流程图；
图4为本申请实施例提供的一种路径规划方法的流程图；
图5为本申请实施例提供的一种路径规划方法的流程图；
图6为本申请实施例提供的一种路径规划方法的流程图；
图7为本申请实施例提供的一种路径规划方法的结果图；
图8为本申请实施例提供的一种待优化网格区域示意图；
图9为本申请实施例提供的一种路径规划方法的结果图；
图10为本申请实施例提供的一种路径规划方法的流程图；
图11为本申请实施例提供的一种路径规划装置的框图；
图12为本申请实施例提供的一种路径规划装置的框图；
图13为本申请实施例提供的一种路径规划装置的框图；
图14为本申请实施例提供的一种路径规划装置的框图；
图15为本申请实施例涉及到的一种计算机设备的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
本申请提供的路径规划方法，可以应用于如图1所示的应用环境中。其中，无人机和服务器端之间通信连接。无人机通过无线网络与服务器连接，该无人机可以包括传感器组、信号处理模块、辅助模块、定位算法、存储器和处理器等。服务器端主要实现数据库的相关功能以及网络管理服务，服务器端服务器可以为一台服务器也可以为由多台服务器组成的服务器集群，本申请实施例对此不作具体限定。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是，本申请提供的一种路径规划方法，图2-图10的执行主体为无人机，其中，其执行主体还可以是路径规划装置，其中该装置可以通过软件、硬件或者软硬件结合的方式实现成为无人机的部分或者全部。
在一个实施例中，如图2所示，其示出了本申请实施例提供的一种路径规划方法的流程图，本实施例涉及的是采用预设的萤火虫算法得到目标巡航路径的过程，该方法可以包括以下步骤：
步骤201、将待优化区域进行网格化处理，得到网格区域图。
其中，待优化区域为无人机的飞行环境地图，可以通过无人机的图像采集设备对飞行环境地图拍照后，得到地图图像。在对待优化区域进行网格化处理时，可以是采用栅格法对得到的地图图像进行网格划分，网格大小可以是预先设定的，最终得到网格区域图。
步骤202、在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置。
其中，得到网格区域图之后，可以在网格区域图上建立坐标系，坐标系的原点可以设置为网格区域图的左下角，也可以设置于网格区域图的其他位置，本实施例不作具体限定。巡航起点是无人机飞行路径中的起始位置坐标，巡航终点是无人机飞行路径中的停止位置坐标，巡航起点位置和巡航终点位置可以预先设定。实际应用中，无人机在巡航时，需要对巡视的铁塔进行拍照，因此无人机的巡航路径需要经过铁塔所在区域，巡航途经点可以为铁塔所在位置坐标，也可以为铁塔所在区域中的属于拍摄范围内的位置坐标，例如，在距离铁塔位置不超过两个网格范围内都可以进行拍摄时，巡航途经点就可以为距离铁塔位置不超过两个网格范围内的任意位置坐标。
步骤203、采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子用于扩大萤火虫的搜索范围。
其中，预设的萤火虫算法是一种通过模拟萤火虫的群体行为构造出的一类启发式优化算法。萤火虫每个个体通过荧光吸引配偶来交配或者通过荧光吸引食物从而觅食，或者作为群体之间交流的信息或保护预警机制，荧光的闪烁频次，以及亮度都可以代表不同的信息。在实际应用中，为了简化萤火虫算法，通常作以下3条假设：
(a)所有的萤火虫不存在性别差异，且均可以被相互吸引；
(b)萤火虫之间的吸引度与亮度成正比，且被亮度较亮的吸引；
(c)萤火虫的亮度取决于所处位置对应的目标函数的适应值。
在采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径的过程中，最优解可以通过设定的目标函数计算得到。萤火虫算法中求得的最优解是亮度最大的萤火虫位置，对应于求解目标巡航路径中，巡航路径最短的萤火虫所在位置即为亮度最大的萤火虫位置，那么，目标函数就可以设定为关于路径长度的函数，最优解求解时就可以通过计算目标函数的最小值得到。
预设的萤火虫算法在计算时，需要设定萤火虫算法的多个参数值，参数包括萤火虫的初始吸引度、光照吸收系数、移动因子、种群数量以及算法的迭代截止条件等。萤火虫算法在达到迭代截止条件之前，在每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子也就是移动步长因子，增大移动因子的值可以扩大萤火虫的搜索范围。
本实施例中，通过将待优化区域进行网格化处理，得到网格区域图；在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置；采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子用于扩大萤火虫的搜索范围。由于在根据萤火虫算法得到目标巡航路径时，采用了预设的移动因子对萤火虫的移动位置进行更新，可以扩大萤火虫的搜索范围，避免了萤火虫算法在迭代到一定次数后，陷入局部最优的情况，从而提高了路径规划的精度。
在一个实施例中，如图3所示，其示出了本申请实施例提供的一种路径规划方法的流程图，本实施例涉及的是采用预设的萤火虫算法得到目标巡航路径的一种可能的过程，该方法可以包括以下步骤：
步骤301、根据巡航起点、巡航途经点和巡航终点的位置，规划多个初始巡航路径。
步骤302、根据各初始巡航路径，初始化每个初始巡航路径上每个萤火虫的位置坐标。
步骤303、将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到目标巡航路径。
其中，初始巡航路径是路径解空间中的解，也就是从巡航起点经过巡航途经点，最终到达巡航终点的所有路径。在初始化每个初始巡航路径上每个萤火虫的位置坐标时，可以通过随机函数进行初始化，采用随机函数为每个萤火虫生成一个位置坐标。将得到的每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中，由于目标巡航路径可以由多个折线段组成，因此可以通过公式(1)进行最优解求解，目标巡航路径可以为当前求得最优解的萤火虫所在的初始巡航路径，也可以为通过萤火虫算法对萤火虫位置进行更新后，求得最优解的萤火虫所在的初始巡航路径。
Figure BDA0002823638080000071
其中，J为目标巡航路径长度；||Pi(t)||为目标巡航路径J的第i个段的长度；n为折线段的数量。
本实施例中，通过根据巡航起点、巡航途经点和巡航终点的位置，规划多个初始巡航路径；再根据各初始巡航路径，初始化每个初始巡航路径上每个萤火虫的位置坐标；将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到目标巡航路径。通过初始化每个萤火虫的位置坐标，将萤火虫随机分布到初始巡航路径上，可以提高萤火虫算法的搜索能力，提高最优解求解的准确性，从而可以提高路径规划的精度。
在一个实施例中，如图4所示，其示出了本申请实施例提供的一种路径规划方法的流程图，本实施例涉及的是根据预设的目标函数得到目标巡航路径的一种可能的过程，该方法可以包括以下步骤：
步骤401、将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径。
步骤402、根据多个候选巡航路径中最短的巡航路径和移动因子，对每个萤火虫的位置坐标进行更新，并返回执行将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径的步骤，直到满足预设的迭代截止条件为止，将最后一次迭代得到的多个候选巡航路径中的最短巡航路径确定为目标巡航路径。
其中，多个候选巡航路径为所有萤火虫对应的初始巡航路径，通过将多个候选路径的长度进行比较，在多个候选巡航路径上选择出最短的巡航路径。根据多个候选巡航路径中最短的巡航路径和移动因子，对每个萤火虫的位置坐标进行更新，最短的巡航路径对应的萤火虫即为亮度最大的萤火虫位置，其它萤火虫要向亮度最大的萤火虫移动，可以通过移动因子计算萤火虫移动后的新位置。
得到的最短巡航路径为萤火虫算法在当前迭代次数下计算得到的路径，在达到最大迭代截止条件之前，萤火虫算法会继续进行迭代过程，因此，对每个萤火虫的位置坐标进行更新之后，需要返回执行步骤303，直到满足预设的迭代截止条件为止，将最后一次迭代得到的多个候选巡航路径中的最短巡航路径确定为目标巡航路径。
本实施例中，将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径；根据多个候选巡航路径中最短的巡航路径和移动因子，对每个萤火虫的位置坐标进行更新。根据更新后的每个萤火虫的位置坐标重新进行最优值求解，算法通过多次迭代最终得到目标巡航路径，提高了萤火虫算法的收敛性能，使得最优解求解的准确性高，从而提高了路径规划的精度。
在一个实施例中，如图5所示，其示出了本申请实施例提供的一种路径规划方法的流程图，本实施例涉及的是对每个萤火虫的位置坐标进行更新的一种可能的过程，该方法可以包括以下步骤：
步骤501、根据多个候选巡航路径中最短的巡航路径，确定目标萤火虫的位置坐标；目标萤火虫为亮度最大的萤火虫。
其中，萤火虫在向亮度最大的萤火虫移动时，需要确定亮度最大萤火虫的位置。多个候选巡航路径中最短的巡航路径对应的萤火虫位置坐标为目标萤火虫的位置坐标，最短的巡航路径对应的萤火虫就是亮度最大的萤火虫，即是目标萤火虫。
步骤502、根据每个萤火虫的位置坐标与目标萤火虫的坐标，计算每个萤火虫与目标萤火虫之间的距离和吸引度。
其中，根据每个萤火虫的位置坐标与目标萤火虫的坐标，可以通过公式(2)计算每个萤火虫与目标萤火虫之间的距离rij，通过公式(3)计算每个萤火虫与目标萤火虫之间的吸引度β。
rij＝|xi-xj| (2)
Figure BDA0002823638080000095
其中，xi为每个萤火虫的位置；xj为目标萤火虫的位置；rij为每个萤火虫与目标萤火虫之间的距离；β0为初始吸引度，一般设定为1；γ为光照吸收系数，控制着光照密度的递减，一般设定为常数；β为每个萤火虫与目标萤火虫之间的吸引度。
步骤503、根据距离、吸引度和移动因子，更新每个萤火虫的位置坐标。
其中，根据距离、吸引度和移动因子的值，可以通过公式(4)计算每个萤火虫的新位置，从而对每个萤火虫的坐标进行更新。
Figure BDA0002823638080000091
其中，
Figure BDA0002823638080000092
为更新后的每个萤火虫的位置；
Figure BDA0002823638080000093
为前一迭代次数中每个萤火虫的位置；
Figure BDA0002823638080000094
为前一迭代次数中目标萤火虫的位置；α为移动因子，取值范围为[0，1]；rand为介于0和1之间的均匀随机函数。
本实施例中，通过根据多个候选巡航路径中最短的巡航路径，确定目标萤火虫的位置坐标；根据每个萤火虫的位置坐标与目标萤火虫的坐标，计算每个萤火虫与目标萤火虫之间的距离和吸引度；根据距离、吸引度和移动因子，更新每个萤火虫的位置坐标。对萤火虫的位置不断进行更新，最终使得萤火虫算法达到收敛，提高了萤火虫算法的稳定性。
在一个实施例中，如图6所示，其示出了本申请实施例提供的一种路径规划方法的流程图，本实施例涉及的是在目标巡航路径中判断障碍物的过程，该方法可以包括以下步骤：
步骤601、获取待优化区域中的障碍物的位置。
其中，无人机在实际巡航过程中，飞行环境中会存在障碍物，障碍物可以为山脉、建筑物等。障碍物为无人机不可通行的位置，因此，在待优化区域中要预先对障碍物的位置进行标记。在对待优化区域进行网格化处理时，可以使用图像处理技术将障碍物所在的网格填充为黑色，并存储障碍物所在的位置坐标。
步骤602、根据障碍物的位置，判断目标巡航路径中是否存在障碍物。
其中，目标巡航路径中包括多个位置坐标，可以与获取到的障碍物位置坐标进行对比，通过比较获取到的障碍物位置坐标是否属于目标巡航路径中的位置坐标，从而判断目标巡航路径中是否存在障碍物。
步骤603、若是，则更新移动因子，并返回执行采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径的步骤。
其中，若障碍物位置坐标属于目标巡航路径中的位置坐标，那么目标巡航路径中就存在障碍物。此时，需要淘汰得到的目标巡航路径，返回执行步骤203，重新根据萤火虫算法计算目标巡航路径，在重新计算目标巡航路径时，可以更新移动因子α的值，更新移动因子α时，可以根据实际场景适当增大或减小α的值。根据本申请实施例提供的路径规划方法，图7为路径规划的效果图，图8为待优化区域网格图，图中的黑色网格代表障碍物，白色网格代表可通行区域，待优化区域网格图中包括巡航起点、巡航终点以及三个巡航途经点，三个巡航途经点分别为A、B、C三点。图9为目标函数的变化曲线示意图，横坐标表示迭代次数，纵坐标表示目标函数值。
本实施例中，通过获取待优化区域中的障碍物的位置；根据障碍物的位置，判断目标巡航路径中是否存在障碍物；若是，则更新移动因子，并返回执行采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径的步骤。通过对目标巡航路径中是否存在障碍物进行判断，避免了路径中存在不可通行的区域，从而保证无人机能够根据目标巡航路径正常工作，提高了路径规划的可靠性。
在一个实施例中，上述路径规划方法还包括：根据目标巡航路径，控制无人机在到达巡航途经点区域时进行拍摄，得到各巡航途经点的图像。
其中，在实际应用场景下，无人机在巡航过程中会携带具体的巡视任务，例如，无人机在到达巡航途经点区域时进行拍摄，巡航途经点区域可以为铁塔所在区域，无人机可以通过图像采集设备对铁塔进行拍照，得到各巡航途经点的图像，即得到铁塔图像。根据拍摄到的铁塔图像，经过图像处理后可以对铁塔的运行状态进行判断和分析。无人机在到达巡航途经点区域时进行拍摄时，可选的，巡航途经点区域可以为以巡航途经点的位置为圆心、以预设的半径得到的拍摄区域，预设的半径可以根据无人机上图像采集设备的拍摄角度、拍摄距离等确定。
本实施例中，根据目标巡航路径，控制无人机在到达巡航途经点区域时进行拍摄，得到各巡航途经点的图像，巡航途经点区域可以为以巡航途经点的位置为圆心、以预设的半径得到的拍摄区域。无人机不需要到达巡航途经点才可以进行拍摄，提高了无人机拍摄的灵活性，从而提高了无人机的巡视效率。
在其中一个实施例中，请参考图10，其示出了本申请实施例提供的一种路径规划方法的流程图。如图10所示，该方法包括以下步骤：
步骤1001、将待优化区域进行网格化处理，得到网格区域图。
步骤1002、在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置。
步骤1003、根据巡航起点、巡航途经点和巡航终点的位置，规划多个初始巡航路径。
步骤1004、根据各初始巡航路径，初始化每个初始巡航路径上每个萤火虫的位置坐标。
步骤1005、将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径。
步骤1006、根据多个候选巡航路径中最短的巡航路径，确定目标萤火虫的位置坐标；目标萤火虫为亮度最大的萤火虫。
步骤1007、根据每个萤火虫的位置坐标与目标萤火虫的坐标，计算每个萤火虫与目标萤火虫之间的距离和吸引度。
步骤1008、根据距离、吸引度和移动因子，更新每个萤火虫的位置坐标并返回执行将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径的步骤，直到满足预设的迭代截止条件为止，将最后一次迭代得到的多个候选巡航路径中的最短巡航路径确定为目标巡航路径。
步骤1009、获取待优化区域中的障碍物的位置。
步骤1010、根据障碍物的位置，判断目标巡航路径中是否存在障碍物。
步骤1011、若是，则更新移动因子，并返回执行采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径的步骤。
步骤1012、根据目标巡航路径，控制无人机在到达巡航途经点区域时进行拍摄，得到各巡航途经点的图像。
本实施例提供的路径规划方法中各步骤，其实现原理和技术效果与前面各路径规划方法实施例中类似，在此不再赘述。图10实施例中各步骤的实现方式只是一种举例，对各实现方式不作限定，各步骤的顺序在实际应用中可进行调整，只要可以实现各步骤的目的即可。
在本申请实施例提供的技术方案中，由于在根据萤火虫算法得到目标巡航路径时，采用了预设的移动因子对萤火虫的移动位置进行更新，可以扩大萤火虫的搜索范围，避免了萤火虫算法在迭代到一定次数后，陷入局部最优的情况，从而提高了路径规划的精度。
应该理解的是，虽然图2-10的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-10中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图11所示，其示出了本申请实施例提供的一种路径规划装置110的框图，包括：网格化模块111、确定模块112和第一求解模块113，其中：
网格化模块111，用于将待优化区域进行网格化处理，得到网格区域图。
确定模块112，用于在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置。
第一求解模块113，用于采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子用于扩大萤火虫的搜索范围。
在一个实施例中，如图12所示，其示出了本申请实施例提供的一种路径规划装置120的框图，第一求解模块113包括：规划单元1131、初始化单元1132和求解单元1133，其中：
规划单元1131，用于根据巡航起点、巡航途经点和巡航终点的位置，规划多个初始巡航路径。
初始化单元1132，用于根据各初始巡航路径，初始化每个初始巡航路径上每个萤火虫的位置坐标。
求解单元1133，用于将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到目标巡航路径。
在一个实施例中，求解单元1133具体用于将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径；根据多个候选巡航路径中最短的巡航路径和移动因子，对每个萤火虫的位置坐标进行更新，并返回执行将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径的步骤，直到满足预设的迭代截止条件为止，将最后一次迭代得到的多个候选巡航路径中的最短巡航路径确定为目标巡航路径。
在一个实施例中，求解单元1133还用于根据多个候选巡航路径中最短的巡航路径，确定目标萤火虫的位置坐标；目标萤火虫为亮度最大的萤火虫；根据每个萤火虫的位置坐标与目标萤火虫的坐标，计算每个萤火虫与目标萤火虫之间的距离和吸引度；根据距离、吸引度和移动因子，更新每个萤火虫的位置坐标。
在一个实施例中，如图13所示，其示出了本申请实施例提供的一种路径规划装置130的框图，包括：获取模块131、判断模块132和第二求解模块133，其中：
获取模块131，用于获取待优化区域中的障碍物的位置。
判断模块132，用于根据障碍物的位置，判断目标巡航路径中是否存在障碍物。
第二求解模块133，用于若是，则更新移动因子，并返回执行采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径的步骤。
在一个实施例中，如图14所示，其示出了本申请实施例提供的一种路径规划装置140的框图，包括：拍摄模块141，其中：
拍摄模块141，用于根据目标巡航路径，控制无人机在到达巡航途经点区域时进行拍摄，得到各巡航途经点的图像。
在一个实施例中，巡航途经点区域为以巡航途经点的位置为圆心、以预设的半径得到的拍摄区域。
关于路径规划装置的具体限定可以参见上文中对于路径规划方法的限定，在此不再赘述。上述路径规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是无人机，其内部结构图可以如图15所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种路径规划方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图15中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请的一个实施例中，提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
将待优化区域进行网格化处理，得到网格区域图；在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置；采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子用于扩大萤火虫的搜索范围。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据巡航起点、巡航途经点和巡航终点的位置，规划多个初始巡航路径；根据各初始巡航路径，初始化每个初始巡航路径上每个萤火虫的位置坐标；将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到目标巡航路径。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径；根据多个候选巡航路径中最短的巡航路径和移动因子，对每个萤火虫的位置坐标进行更新，并返回执行将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径的步骤，直到满足预设的迭代截止条件为止，将最后一次迭代得到的多个候选巡航路径中的最短巡航路径确定为目标巡航路径。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据多个候选巡航路径中最短的巡航路径，确定目标萤火虫的位置坐标；目标萤火虫为亮度最大的萤火虫；根据每个萤火虫的位置坐标与目标萤火虫的坐标，计算每个萤火虫与目标萤火虫之间的距离和吸引度；根据距离、吸引度和移动因子，更新每个萤火虫的位置坐标。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取待优化区域中的障碍物的位置；根据障碍物的位置，判断目标巡航路径中是否存在障碍物；若是，则更新移动因子，并返回执行采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径的步骤。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据目标巡航路径，控制无人机在到达巡航途经点区域时进行拍摄，得到各巡航途经点的图像。
在一个实施例中，巡航途经点区域为以巡航途经点的位置为圆心、以预设的半径得到的拍摄区域。
本申请实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在本申请的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
将待优化区域进行网格化处理，得到网格区域图；在网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置；采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，移动因子用于扩大萤火虫的搜索范围。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据巡航起点、巡航途经点和巡航终点的位置，规划多个初始巡航路径；根据各初始巡航路径，初始化每个初始巡航路径上每个萤火虫的位置坐标；将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到目标巡航路径。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径；根据多个候选巡航路径中最短的巡航路径和移动因子，对每个萤火虫的位置坐标进行更新，并返回执行将每个初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径的步骤，直到满足预设的迭代截止条件为止，将最后一次迭代得到的多个候选巡航路径中的最短巡航路径确定为目标巡航路径。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据多个候选巡航路径中最短的巡航路径，确定目标萤火虫的位置坐标；目标萤火虫为亮度最大的萤火虫；根据每个萤火虫的位置坐标与目标萤火虫的坐标，计算每个萤火虫与目标萤火虫之间的距离和吸引度；根据距离、吸引度和移动因子，更新每个萤火虫的位置坐标。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取待优化区域中的障碍物的位置；根据障碍物的位置，判断目标巡航路径中是否存在障碍物；若是，则更新移动因子，并返回执行采用预设的萤火虫算法，对巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径的步骤。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据目标巡航路径，控制无人机在到达巡航途经点区域时进行拍摄，得到各巡航途经点的图像。
在一个实施例中，巡航途经点区域为以巡航途经点的位置为圆心、以预设的半径得到的拍摄区域。
本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种路径规划方法，其特征在于，所述方法包括：
将待优化区域进行网格化处理，得到网格区域图；
在所述网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置；
采用预设的萤火虫算法，对所述巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；所述萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，所述移动因子用于扩大所述萤火虫的搜索范围。
2.根据权利要求1所述的方法，其特征在于，所述采用预设的萤火虫算法，对所述巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径，包括：
根据所述巡航起点、巡航途经点和巡航终点的位置，规划多个初始巡航路径；
根据各所述初始巡航路径，初始化每个所述初始巡航路径上每个萤火虫的位置坐标；
将每个所述初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到所述目标巡航路径。
3.根据权利要求2所述的方法，其特征在于，将每个所述初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到所述目标巡航路径，包括：
将每个所述初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径；
根据所述多个候选巡航路径中最短的巡航路径和所述移动因子，对每个所述萤火虫的位置坐标进行更新，并返回执行将每个所述初始巡航路径上每个萤火虫的位置坐标代入到预设的目标函数中进行最优值求解，得到多个候选巡航路径的步骤，直到满足预设的迭代截止条件为止，将最后一次迭代得到的多个候选巡航路径中的最短巡航路径确定为所述目标巡航路径。
4.根据权利要求3所述的方法，其特征在于，根据所述多个候选巡航路径中最短的巡航路径和所述移动因子，对每个所述萤火虫的位置坐标进行更新，包括：
根据所述多个候选巡航路径中最短的巡航路径，确定目标萤火虫的位置坐标；所述目标萤火虫为亮度最大的萤火虫；
根据每个萤火虫的位置坐标与所述目标萤火虫的坐标，计算每个萤火虫与所述目标萤火虫之间的距离和吸引度；
根据所述距离、所述吸引度和所述移动因子，更新每个所述萤火虫的位置坐标。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
获取所述待优化区域中的障碍物的位置；
根据所述障碍物的位置，判断所述目标巡航路径中是否存在障碍物；
若是，则更新所述移动因子，并返回执行采用预设的萤火虫算法，对所述巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径的步骤。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
根据所述目标巡航路径，控制无人机在到达巡航途经点区域时进行拍摄，得到各所述巡航途经点的图像。
7.根据权利要求6所述的方法，其特征在于，所述巡航途经点区域为以所述巡航途经点的位置为圆心、以预设的半径得到的拍摄区域。
8.一种路径规划装置，其特征在于，所述装置包括：
网格化模块，用于将待优化区域进行网格化处理，得到网格区域图；
确定模块，用于在所述网格区域图中，确定巡航起点、巡航途经点和巡航终点的位置；
求解模块，用于采用预设的萤火虫算法，对所述巡航起点、巡航途经点和巡航终点的位置进行最优解求解，得到目标巡航路径；所述萤火虫算法的每次迭代过程中，采用预设的移动因子对萤火虫的位置进行更新，所述移动因子用于扩大所述萤火虫的搜索范围。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，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权利要求1至7任一项所述的方法的步骤。
CN202011423539.XA 2020-12-08 2020-12-08 路径规划方法、装置、设备及存储介质 Active CN112731961B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011423539.XA CN112731961B (zh) 2020-12-08 2020-12-08 路径规划方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011423539.XA CN112731961B (zh) 2020-12-08 2020-12-08 路径规划方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112731961A true CN112731961A (zh) 2021-04-30
CN112731961B CN112731961B (zh) 2024-06-25

Family

ID=75599644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011423539.XA Active CN112731961B (zh) 2020-12-08 2020-12-08 路径规划方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112731961B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113500601A (zh) * 2021-07-21 2021-10-15 上海原圈网络科技有限公司 一种机器人运动控制方法和系统
CN113793352A (zh) * 2021-09-30 2021-12-14 中国人民解放军国防科技大学 基于等高线的单层轮廓图案的激光填充方法及装置
CN114460961A (zh) * 2021-12-24 2022-05-10 广州极飞科技股份有限公司 无人设备作业路线确定方法、装置、设备和存储介质
KR20230157724A (ko) * 2022-05-10 2023-11-17 인하대학교 산학협력단 무인 비행체를 이용한 센서 데이터 획득에서 pso 기반 생체모방 기계학습을 이용한 최적 이동경로 및 센싱정보 획득 방법

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360214A (zh) * 2011-09-02 2012-02-22 哈尔滨工程大学 一种基于萤火虫算法的舰船路径规划方法
CN104573812A (zh) * 2014-07-07 2015-04-29 广西民族大学 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法
CN106094833A (zh) * 2016-07-19 2016-11-09 重庆邮电大学 一种基于混沌萤火虫算法的移动机器人路径规划方法
CN106444835A (zh) * 2016-10-11 2017-02-22 哈尔滨工程大学 基于Lazy Theta星和粒子群混合算法的水下潜器三维路径规划方法
CN108334092A (zh) * 2018-03-01 2018-07-27 深圳汇创联合自动化控制有限公司 一种自动规划路径的移动机器人
CN109297498A (zh) * 2018-10-11 2019-02-01 南昌工程学院 一种基于改进多目标萤火虫算法的机器人路径规划方法
CN109541634A (zh) * 2018-12-28 2019-03-29 歌尔股份有限公司 一种路径规划方法、装置和移动设备
CN109657863A (zh) * 2018-12-20 2019-04-19 智慧航海（青岛）科技有限公司 一种基于萤火虫算法的无人船全局路径动态优化方法
CN110006430A (zh) * 2019-03-26 2019-07-12 智慧航海（青岛）科技有限公司 一种航迹规划算法的优化方法
CN111443712A (zh) * 2020-03-30 2020-07-24 杭州电子科技大学 一种基于天牛群搜索算法的三维路径规划方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360214A (zh) * 2011-09-02 2012-02-22 哈尔滨工程大学 一种基于萤火虫算法的舰船路径规划方法
CN104573812A (zh) * 2014-07-07 2015-04-29 广西民族大学 一种基于粒子萤火虫群优化算法的无人机航路路径确定方法
CN106094833A (zh) * 2016-07-19 2016-11-09 重庆邮电大学 一种基于混沌萤火虫算法的移动机器人路径规划方法
CN106444835A (zh) * 2016-10-11 2017-02-22 哈尔滨工程大学 基于Lazy Theta星和粒子群混合算法的水下潜器三维路径规划方法
CN108334092A (zh) * 2018-03-01 2018-07-27 深圳汇创联合自动化控制有限公司 一种自动规划路径的移动机器人
CN109297498A (zh) * 2018-10-11 2019-02-01 南昌工程学院 一种基于改进多目标萤火虫算法的机器人路径规划方法
CN109657863A (zh) * 2018-12-20 2019-04-19 智慧航海（青岛）科技有限公司 一种基于萤火虫算法的无人船全局路径动态优化方法
CN109541634A (zh) * 2018-12-28 2019-03-29 歌尔股份有限公司 一种路径规划方法、装置和移动设备
CN110006430A (zh) * 2019-03-26 2019-07-12 智慧航海（青岛）科技有限公司 一种航迹规划算法的优化方法
CN111443712A (zh) * 2020-03-30 2020-07-24 杭州电子科技大学 一种基于天牛群搜索算法的三维路径规划方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113500601A (zh) * 2021-07-21 2021-10-15 上海原圈网络科技有限公司 一种机器人运动控制方法和系统
CN113793352A (zh) * 2021-09-30 2021-12-14 中国人民解放军国防科技大学 基于等高线的单层轮廓图案的激光填充方法及装置
CN113793352B (zh) * 2021-09-30 2023-04-28 中国人民解放军国防科技大学 基于等高线的单层轮廓图案的激光填充方法及装置
CN114460961A (zh) * 2021-12-24 2022-05-10 广州极飞科技股份有限公司 无人设备作业路线确定方法、装置、设备和存储介质
KR20230157724A (ko) * 2022-05-10 2023-11-17 인하대학교 산학협력단 무인 비행체를 이용한 센서 데이터 획득에서 pso 기반 생체모방 기계학습을 이용한 최적 이동경로 및 센싱정보 획득 방법
KR102614755B1 (ko) 2022-05-10 2023-12-15 인하대학교 산학협력단 무인 비행체를 이용한 센서 데이터 획득에서 pso 기반 생체모방 기계학습을 이용한 최적 이동경로 및 센싱정보 획득 방법

Also Published As

Publication number Publication date
CN112731961B (zh) 2024-06-25

Similar Documents

Publication Publication Date Title
CN112731961A (zh) 路径规划方法、装置、设备及存储介质
CN111968229B (zh) 高精度地图制图方法及装置
WO2020173044A1 (zh) 无人机路径规划方法、装置、存储介质及计算机设备
CN112356027B (zh) 农林机器人避障方法、装置、计算机设备和存储介质
WO2022222386A1 (zh) 车辆换道轨迹规划方法、装置、设备、存储介质及车辆
CN112862730B (zh) 点云特征增强方法、装置、计算机设备和存储介质
CA3183480A1 (en) Systems and methods for fine adjustment of roof models
CN111984033A (zh) 一种多无人机覆盖任务路径规划方法及装置
CN111783231A (zh) 基于单元分布热力网格的目标任务意图识别方法和装置
CN110824496B (zh) 运动估计方法、装置、计算机设备和存储介质
CN115840463A (zh) 一种用于无人机集群协同侦察的数据处理方法及装置
CN112445881A (zh) 路径规划方法、装置、设备及存储介质
CN114463429B (zh) 机器人、地图创建方法、定位方法及介质
CN114536326B (zh) 一种路标数据处理方法、装置及存储介质
CN114383621B (zh) 基于网格地图的轨迹纠偏方法、电子设备和存储介质
CN114061603B (zh) 路径规划方法、装置、电子设备和存储介质
CN115545106A (zh) 一种多无人机中的AoI敏感的数据收集方法及系统
CN111984031B (zh) 一种无人机路径规划方法、无人机及存储介质
JP2023169004A (ja) 方法、プログラム、及び情報処理装置
CN111060127B (zh) 车辆起点定位方法、装置、计算机设备和存储介质
CN113848947A (zh) 路径规划方法、装置、计算机设备及存储介质
CN113686240A (zh) 基于电力杆塔的定位方法、装置、计算机设备和存储介质
CN112967399A (zh) 三维时序图像生成方法、装置、计算机设备和存储介质
CN115016543B (zh) 基于人工标量场模型的无人机集群持续侦察和避障方法
CN116560381B (zh) 机器人的避障方法和机器人

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