CN112734878A - 大型栅格地图两点之间连通性检测方法、设备及存储介质 - Google Patents
大型栅格地图两点之间连通性检测方法、设备及存储介质 Download PDFInfo
- Publication number
- CN112734878A CN112734878A CN202011633351.8A CN202011633351A CN112734878A CN 112734878 A CN112734878 A CN 112734878A CN 202011633351 A CN202011633351 A CN 202011633351A CN 112734878 A CN112734878 A CN 112734878A
- Authority
- CN
- China
- Prior art keywords
- points
- grid map
- boundary
- point
- obstacle
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种大型栅格地图两点之间连通性检测方法、设备及存储介质,该方法包括:连接栅格地图模型中的起点和终点,得到起点至终点的线段;计算得到栅格地图模型中障碍物的边界线;计算得到线段与障碍物的交界点;判断交界点的个数,若交界点的个数等于0,则起点和终点连通;若交界点的个数大于0,则从交界点中选取一个沿障碍物的边界线进行配对,若配对成功,则删除配对成功的交界点,并返回继续判断交界点的个数;若配对不成功,则起点和终点不连通。该方法只需遍历地图上一些固定特征的点即可判断地图上两点之间连通性。在针对超大地图的中起点和终点和连通性判断,在时间消耗和内存消耗都优于目前以深度遍历或者广度遍历为主的算法。
Description
技术领域
本发明涉及地图处理及路径规划领域,具体涉及一种大型栅格地图两点之间连通性检测方法、设备及存储介质。
背景技术
地图中连通性分析是根据指定的起始和终止结点,分析两点之间是否连通;或根据指定多个点,分析多个点之间是否互通。在计算机科学中,连通性分析主要是分析多个点之间连通性,在很多领域都有应用,例如图论,电力网路设计,计算机网络之间连通性以及道路设计。传统的连通性检测方法主要有:广度优先搜索算法和深度优先搜索法。
广度优先搜索算法(Breadth-First-Search,缩写为BFS),是一种图形搜索算法。简单的说,BFS是从根节点开始,沿着树的宽度遍历树的节点。如果所有节点均被访问,则算法中止。广度优先搜索的实现一般采用open-closed表。当地图较大或者不连通时,搜索节点较多,内存消耗也较大,所耗费的时间也是非常多的。
深度优先搜索法总是沿着从父节点到子节点的方向不断进行,直到无路可走时,才返回,如果从节点P有可能到达节点C,则P叫做C的一个父节点,而C叫做P的一个子节点。深度优先搜索是一个冒失而危险的方法。设想有更复杂的、树形结构层次多得多的树,在这样的结构中进行深度优先搜索过程,很容易出现滑过F节点的层次,而在穷尽下面的树形结构中进行搜索,这会浪费很多时间。对于这种树结构此方法虽然容易实现,却得到了最坏的可能路径。当对复杂、多层次的树形结构进行深度优先搜索时,如果在离初始状态相当远的一段距离内搜索不到目标,就希望沿原路返回,去试探其他一些路径,而不继续向前搜索,以致离初始状态太远。在这种情况下,人们常常给搜索树规定一个深度界限,或称最大深度。在考察一个节点时,如果其深度等于深度界限,就可不再向深度搜索,而从原路返回,去探索其他路径。这样有时就可节约时间,尽快搜索到目标。与BFS一样,当需要搜索的节点过多时,深度优先搜索法算法消耗的时间和内存较多。
通常关于路径规划的方法大部分都是建立在存在通路的情况下,但是,对于另一部分不存在通路的情况下,如果使用路径规划算法去寻找路径,往往需要等待大量的时间并且得不到结果,因此需要首先确定是否存在通路。
另外,在地图非常庞大且没有先验路径的情况下,常用方法以深度遍历或者广度遍历为主的算法。确定起点和终点是否连通往往需要海量的时间、庞大的算力去完成。对于大地图的连通性判断消耗更高。
发明内容
针对上述两个问题,本发明提出了一个连通性检测的方法,只需要遍历地图上一些固定特征的点即可判断地图上两点之间连通性。可以根据返回的连通结果考虑是否还要使用路径规划,同时节省了大量的时间和精力去确定两点是否连通。
本发明采取的技术方案是:提出一种大型栅格地图两点之间连通性检测方法、设备及存储介质。
所述大型栅格地图两点之间连通性检测方法包括以下步骤:
S1、连接栅格地图模型中的起点和终点,得到所述起点至所述终点的线段;
S2、计算得到所述栅格地图模型中障碍物的边界线;
S3、计算得到所述线段与障碍物的交界点;
S4、判断所述交界点的个数,若所述交界点的个数等于0,则所述起点和所述终点连通,执行步骤S6;若所述交界点的个数大于0,则执行步骤S5;
S5、从所述交界点中选取一个沿所述障碍物的边界线进行配对,若配对成功,则删除配对成功的交界点,并返回步骤S4;若配对不成功,则所述起点和所述终点不连通,执行步骤S6;
S6、结束。
优选地,所述从所述交界点中选取一个沿所述障碍物的边界线进行配对的步骤包括:
将所述交界点全部放入check_list集合中;
从所述check_list集合中选取一个交界点C1,放入mat_list集合中;
以所述交界点C1为初始点,将沿着所述障碍物的边界线可走的栅格全部放入集合mat_list中;
取出check_list集合与mat_list集合中重复的栅格,并放入delete_list集合中,判断delete_list集合中交界点的个数;
若delete_list集合中的交界点的个数小于或等于1,则配对不成功,所述起点和所述终点不连通;否则配对成功,在check_list集合中删除delete_list集合中配对成功的交界点,并清空mat_list集合;再返回步骤S4。
此外,为了实现上述目的,本发明还提出了一种大型栅格地图两点之间连通性检测设备,所述大型栅格地图两点之间连通性检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的大型栅格地图两点之间连通性检测程序,所述大型栅格地图两点之间连通性检测程序被所述处理器执行时实现如所述的大型栅格地图两点之间连通性检测方法的步骤。
此外,为了实现上述目的,本发明还提出了一种存储介质,所述存储介质上存储有大型栅格地图两点之间连通性检测程序,所述大型栅格地图两点之间连通性检测程序被处理器执行时实现所述的大型栅格地图两点之间连通性检测方法的步骤。
本发明的有益效果:相对其他的算法,本发明一种大型栅格地图两点之间连通性检测方法只需要遍历地图上一些固定特征的点即可判断地图上两点之间连通性,可以根据返回的连通结果考虑是否还要使用路径规划,同时节省了大量的时间和算力去确定两点是否连通,具有更高的效率,并且检测结果准确无误。
附图说明
图1为本发明连通性检测方法流程图;
图2为本发明求解线段经过的栅格的坐标的方法流程图;
图3为本发明获取障碍物的边界线的方法流程图;
图4为本发明的筛选相交栅格的流程图;
图5是本发明交界点配对流程图;
图6为本发明的八连通图;
图7为本发明使用的原始地图;
图8为本发明的测试小型地图的结果图;
图9为本发明的在图8的基础上添加障碍的结果图;
图10为本发明在图9的基础上添加缺口的结果图;
图11为本发明测试中型地图的结果图;
图12为本发明测试大型地图的结果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
请参考图1,图1为本发明连通性检测方法流程图。本发明一种大型栅格地图两点之间连通性检测方法包括以下步骤:
S1、定义栅格地图模型中G中有起点A(x1,y1),B(x2,y2),障碍物标记为G(x,y)=0,非障碍物标记为G(x,y)=1。建立经过A、B两点的直线为然后将这条线段经过的栅格(栅格对应的坐标)都放入集合W1中。
其中,获取所述线段经过的栅格的具体步骤请参考图2,图2为本发明求解线段经过的栅格的坐标的方法流程图,包括以下步骤:
SA1、将起点A、终点B的横坐标和纵坐标均减0.5,得到对应的P1点和P2点;
SA2、连接P1、P2两点,得到横坐标最小值Xmin,横坐标最大值Xmax,纵坐标最小值Ymin,纵坐标最大值Ymax,P1、P2连线对应的直线方程Y=K1X+K2,其中K1为斜率,K2为该直线与纵坐标轴交点的纵坐标;
SA3、将Xmin向正方向取整得到X_begin,Xmax向负方向取整得到X_end,Ymin向正方向取整得到Y_begin,Ymax向负方向取整得到Y_end;
SA4、把X_begin至X_end以1为间隔分成n份(分别为xpx1至xpxn),Y_begin至Y_end以1为间隔分成m份(分别为ypy1至ypym);
SA5、判断P1、P2的斜率是否存在,若存在,进入步骤SA6;否则进入步骤SA9;
SA6、把xpx1至xpxn代入到方程Y=K1X+K2,计算出对应的xpy1至xpyn,把计算出来的位置放入到集合xp中,其中,xpx1至xpxn为横坐标,xpy1至xpyn为纵坐标;
SA7、把ypy1至ypym代入到方程Y=K1X+K2,计算出对应的ypx1至ypxm,把计算出来的位置放入到集合yp中,其中,ypx1至ypxm为横坐标,ypy1至ypym为纵坐标;
SA8、对集合xp与集合yp取并集得到的集合sp,就是线段经过的栅格的位置,进入步骤SA10;
SA9、线段经过的栅格位置的横坐标为xpx1,纵坐标为ypx1至ypxm;
SA10、结束。
S2、通过MATLAB获取所述栅格地图模型中障碍物的边界线,请参考图3,图3为本发明获取障碍物的边界线的方法流程图,具体包括以下步骤:
SC1、将所述栅格地图模型表示为矩阵pic_b,获取所述栅格地图模型的宽和高,分别定义为width和height;
SC2、创建一个同样大小的矩阵pic_c,并且设置矩阵pic_c里的每一个元素都初始化为非障碍物;
SC3、定义变量i和j,变量i对应栅格地图模型中任意一点的横坐标x,变量j对应栅格地图模型中任意一点的纵坐标y,且初始化值均为2;
SC4、判断变量i是否小于width;若是,执行步骤SC5;否则,执行步骤SC9;
SC5、继续判断变量j是否小于height,若是,执行步骤SC6;否则,令j=2,将i+1的值赋值给变量i(执行一次后i值为3,下次执行后i的值为4,每次加1),返回步骤SC4;
SC6、获取矩阵pic_b中的每一个元素并判断是否为障碍物,若是,将j+1的值赋值给变量j,返回步骤SC5;否则,执行步骤SC7;
SC7、判断矩阵pic_b中(i,j)位置元素周围的八连通区域是否存在障碍物,若存在,执行步骤SC8;否则,将j+1的值赋值给变量j,返回步骤SC5;
SC8、设置矩阵pic_c中(i,j)位置的元素为障碍物,将j+1的值赋值给变量j,返回步骤SC5;
SC9、获得矩阵pic_c为障碍物的边界线;
SC10、结束。
将获得的障碍物的边界线所经过的栅格放入集合W2。
S3、对集合W1与W2取交集,得到A、B两点连成的线段与障碍物的交界栅格,记为W3,具体流程请参考图4,图4是本发明的筛选相交栅格的流程图,具体步骤为:
对于所有的栅格,判断是否为障碍物的边缘部分(边界线),若不是障碍物边缘部分,则删除该栅格,若是障碍物的边缘部分,继续判断上一个栅格或者下一个栅格是否为障碍物,若满足,则保留该栅格,否则删除该栅格,最终筛选出相交栅格,得到W3。
将W3所对应的交界点放入check_list集合中;
S4、判断check_list集合中交界点的个数,若所述交界点的个数等于0,则所述起点和所述终点连通,进入步骤S6;若所述交界点的个数大于0,则进入步骤S5;
S5、从所述交界点选取一个沿所述障碍物的边界线进行配对,若配对成功,则删除配对成功的交界点,并返回步骤S4;若配对不成功,则所述起点和所述终点不连通,进入步骤S6;
S6、结束。
其中,从所述交界点选取一个沿所述障碍物的边界线进行配对的具体步骤请参考图5,图5是本发明交界点配对流程图,具体包括:
SB1、判断若check_list集合中是否有交界点,若无交界点,则两点之间连通,进入步骤SB6;否则,进入步骤SB2;
SB2、从所述check_list集合中选取第一个交界点C1,放入mat_list集合中;
SB3、以所述交界点C1为初始点,将沿着所述障碍物的边界线(遍历八连通的区域,请参考图6,图中的中心点表示当前位置,其他八个位置表示可走的范围)寻找栅格,把其中可走的栅格也加入mat_list集合中,为了防止出现重复的栅格,再把加入mat_list集合中的栅格标记为不可走,直至将所有能够到达的栅格标记为不可走,此时所有沿着所述障碍物的边界线可走的栅格均在mat_list中,之后删除标记;
SB4、取出check_list集合与mat_list集合中重复的栅格,并放入delete_list集合中,判断delete_list集合中交界点的个数;
SB5、若delete_list集合中的交界点的个数小于或等于1,则配对不成功,所述起点和所述终点不连通;否则配对成功,在check_list集合中删除delete_list集合中配对成功的交界点,并清空mat_list集合;再返回步骤SB1。
SB6、结束。
此外,在执行本发明一种大型栅格地图两点之间连通性检测方法步骤之前,还包括:
首先用matlab中的imread函数读取原始地图,请参考图7,图7为本发明使用的原始地图;图中,黑色区域代表障碍物,白色区域表示非障碍物区域;
用im2bw函数将读取的原始地图进行二值化处理,得到所述原始地图图片所对应的二值图(0对应黑色的障碍物,1对应白色的非障碍物),并存储二值图的大小;
对所述二值图的进行坐标转换,完成地理坐标与图像坐标的统一;
对坐标统一后的二值图进行处理,构建所述原始地图图片对应的卫星栅格地图。
为了验证本发明一种大型栅格地图两点之间连通性检测方法的效果,本发明具体实施例选取不同尺寸的栅格地图进行仿真,仿真结果如图8-图12。
图8为本发明的测试小型地图的结果图;A点可以沿着障碍物边缘到达B点,而且本次实验结果为连通,因此结果正确;
图9为本发明的在图8的基础上添加障碍的结果图;新添加的障碍物导致A、B两点之间的不连通,而且本次实验结果为不连通,因此结果正确;
图10为本发明在图9的基础上添加缺口的结果图,A可以通过障碍物的缺口到达B点,而且本次实验结果为连通,因此结果正确;
图11为本发明测试中型地图的结果图,A点可以沿着障碍物边缘到达B点,而且本次实验结果为连通,因此结果正确;
图12为本发明测试大型地图的结果图,A点可以沿着障碍物边缘到达B点,而且本次实验结果为连通,因此结果正确。
在图11和图12中,由于单个像素在较大地图中较为渺小,以及保存图片时精度的丢失,所以可能会造成图片轮廓断层以及不清晰等现象。
由图8-图12可知,本发明所述方法能对小型地图、中型地图、以及大型地图中两点之间连通性进行快速检测,且检测结果准确率高。
此外,具体实施例中,还将本发明与其他几种方法的检测效果进行了对比,分别针对以下两种情况:
(1)在连通情况下,分别对大小为869*715、4692*3861、10428*8580的栅格地图进行两点之间连通性检测,检测结果分别如下表:
当图片大小为869*715时:
当图片大小为4692*3861时:
当图片的大小为10428*8580时:
(2)在不连通情况下,分别对大小为869*715、408*313、406*332的栅格地图进行两点之间连通性检测,检测结果分别如下表:
当地图大小为869*715时:
当地图大小为408*313时:
当地图大小为406*332时:
另外,本发明与最近兴起的JPS(跳点搜索算法)相比较,数据来自论文:家庭服务机器人路径规划的跳点搜索算法(DOI:10.16508/j.cnki.11-5866/n.2018.03.018),其中,地图的像素大小为:182*133。
在连通地图并不大的情况下,JPS算法大概比含方向的深度优先搜索快4-5倍之间,而本发明方法可以在地图大小为10428*8580时,可以做到比含方向的深度优先搜索快65倍左右,另外在869*715的不连通地图上,可以做到比含方向的深度优先搜索快306倍左右,验证了本发明连通性检测方法的有效性和高效性。
此外,具体实施例中,还提出了一种大型栅格地图两点之间连通性检测设备,所述大型栅格地图两点之间连通性检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的大型栅格地图两点之间连通性检测程序,所述大型栅格地图两点之间连通性检测程序被所述处理器执行时实现如所述的大型栅格地图两点之间连通性检测方法的步骤。
此外,具体实施例中,还提出了一种存储介质,所述存储介质上存储有大型栅格地图两点之间连通性检测程序,所述大型栅格地图两点之间连通性检测程序被处理器执行时实现所述的大型栅格地图两点之间连通性检测方法的步骤。
本发明实施后的有益效果:相对其他的算法,本发明一种大型栅格地图两点之间连通性检测方法只需要遍历地图上一些固定特征的点即可判断地图上两点之间连通性,可以根据返回的连通结果考虑是否还要使用路径规划,同时节省了大量的时间和算力去确定两点是否连通,具有更高的效率,并且检测结果准确无误。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (8)
1.一种大型栅格地图两点之间连通性检测方法,其特征在于,所述大型栅格地图两点之间连通性检测方法包括以下步骤:
S1、连接栅格地图模型中的起点和终点,得到所述起点至所述终点的线段;
S2、获取所述栅格地图模型中障碍物的边界线;
S3、计算得到所述线段与所述障碍物的交界点;
S4、判断所述交界点的个数,若所述交界点的个数等于0,则所述起点和所述终点连通,执行步骤S6;若所述交界点的个数大于0,则执行步骤S5;
S5、从所述交界点中选取一个沿所述障碍物的边界线进行配对,若配对成功,则删除配对成功的交界点,并返回步骤S4;若配对不成功,则所述起点和所述终点不连通,执行步骤S6;
S6、结束。
2.如权利要求1所述的大型栅格地图两点之间连通性检测方法,其特征在于,所述连接栅格地图模型中的起点和终点,得到所述起点至所述终点的直线路径的步骤之前,还包括:
对原始地图图片进行预处理,建立栅格地图模型。
3.如权利要求2所述的大型栅格地图两点之间连通性检测方法,其特征在于,所述对原始地图图片进行预处理,建立栅格地图模型的步骤包括:
对所述原始地图图片进行二值化处理,得到所述原始地图图片所对应的二值图;
对所述二值图的进行坐标转换,完成地理坐标与图像坐标的统一;
对坐标统一后的二值图进行处理,构建所述原始地图图片对应的栅格地图模型。
4.如权利要求3所述大型栅格地图两点之间连通性检测方法,其特征在于,所述栅格地图中包括L1×L2个栅格,每个栅格的大小和形状均相同,定义栅格地图中有起点和终点分别为A(x1,y1)和B(x2,y2),障碍物包含的栅格格点均为障碍点,记为G(x,y)=0;非障碍物包括的栅格格点均为非障碍点,记为G(x,y)=1;
其中,L1和L2均为大于等于1的正整数,(x1,y1)为起点坐标,(x2,y2)为终点坐标,G(x,y)表示任一栅格格点,x和y分别表示任一栅格格点的横坐标和纵坐标。
5.如权利要求1所述的大型栅格地图两点之间连通性检测方法,其特征在于,所述获取所述栅格地图模型中障碍物的边界线的步骤包括:
SC1、将所述栅格地图模型表示为矩阵pic_b,获取所述栅格地图模型的宽和高,分别定义为width和height;
SC2、创建一个同样大小的矩阵pic_c,并且设置矩阵pic_c里的每一个元素都初始化为非障碍物;
SC3、定义变量i和j,且初始化值均为2;
SC4、判断变量i是否小于width;若是,执行步骤SC5;否则,执行步骤SC9;
SC5、继续判断变量j是否小于height,若是,执行步骤SC6;否则,令j=2,将i+1的值赋值给变量i,返回步骤SC4;
SC6、获取矩阵pic_b中的每一个元素并判断是否为障碍物,若是,将j+1的值赋值给变量j,返回步骤SC5;否则,执行步骤SC7;
SC7、判断矩阵pic_b中(i,j)位置元素周围的八连通区域是否存在障碍物,若存在,执行步骤SC8;否则,将j+1的值赋值给变量j,返回步骤SC5;
SC8、设置矩阵pic_c中(i,j)位置的元素为障碍物,将j+1的值赋值给变量j,返回步骤SC5;
SC9、获得矩阵pic_c为障碍物的边界线。
6.如权利要求1所述的大型栅格地图两点之间连通性检测方法,其特征在于,所述从所述交界点中选取一个沿所述障碍物的边界线进行配对的步骤包括:
将所述交界点全部放入check_list集合中;
从所述check_list集合中选取一个交界点C1,放入mat_list集合中;
以所述交界点C1为初始点,将沿着所述障碍物的边界线可走的栅格全部放入集合mat_list中;
取出check_list集合与mat_list集合中重复的栅格,并放入delete_list集合中,判断delete_list集合中交界点的个数;
若delete_list集合中的交界点的个数小于或等于1,则配对不成功,所述起点和所述终点不连通;否则配对成功,在check_list集合中删除delete_list集合中配对成功的交界点,并清空mat_list集合;再返回步骤S4。
7.一种大型栅格地图两点之间连通性检测设备,其特征在于,所述大型栅格地图两点之间连通性检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的大型栅格地图两点之间连通性检测程序,所述大型栅格地图两点之间连通性检测程序被所述处理器执行时实现如权利要求1至6中任一项所述的大型栅格地图两点之间连通性检测方法的步骤。
8.一种存储介质,其特征在于,所述存储介质上存储有大型栅格地图两点之间连通性检测程序,所述大型栅格地图两点之间连通性检测程序被处理器执行时实现如权利要求1至6中任一项所述的大型栅格地图两点之间连通性检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011633351.8A CN112734878B (zh) | 2020-12-31 | 2020-12-31 | 大型栅格地图两点之间连通性检测方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011633351.8A CN112734878B (zh) | 2020-12-31 | 2020-12-31 | 大型栅格地图两点之间连通性检测方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734878A true CN112734878A (zh) | 2021-04-30 |
CN112734878B CN112734878B (zh) | 2023-06-20 |
Family
ID=75608583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011633351.8A Active CN112734878B (zh) | 2020-12-31 | 2020-12-31 | 大型栅格地图两点之间连通性检测方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734878B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447029A (zh) * | 2021-08-31 | 2021-09-28 | 湖北第二师范学院 | 一种基于大型卫星地图的安全路径搜索方法 |
CN116036603A (zh) * | 2023-01-28 | 2023-05-02 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、计算机及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
CN108802741A (zh) * | 2018-06-22 | 2018-11-13 | 西安电子科技大学 | 基于DSmT理论的移动机器人声纳数据融合方法 |
CN108920750A (zh) * | 2018-05-24 | 2018-11-30 | 武汉八维时空信息技术股份有限公司 | 工程建造多维动态信息融合及协同交互系统 |
CN108958231A (zh) * | 2017-05-17 | 2018-12-07 | 北京雷动云合智能技术有限公司 | 一种移动机器人地图的多分辨率区域划分方法 |
CN109443363A (zh) * | 2018-11-09 | 2019-03-08 | 厦门大学 | 分治确定性路径寻优算法 |
CN110196059A (zh) * | 2019-05-14 | 2019-09-03 | 武汉理工大学 | 一种无人艇全局路径规划方法 |
CN110275526A (zh) * | 2019-05-16 | 2019-09-24 | 贵州大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
CN112033413A (zh) * | 2020-09-07 | 2020-12-04 | 北京信息科技大学 | 一种结合环境信息的改进a*算法 |
-
2020
- 2020-12-31 CN CN202011633351.8A patent/CN112734878B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
CN108958231A (zh) * | 2017-05-17 | 2018-12-07 | 北京雷动云合智能技术有限公司 | 一种移动机器人地图的多分辨率区域划分方法 |
CN108920750A (zh) * | 2018-05-24 | 2018-11-30 | 武汉八维时空信息技术股份有限公司 | 工程建造多维动态信息融合及协同交互系统 |
CN108802741A (zh) * | 2018-06-22 | 2018-11-13 | 西安电子科技大学 | 基于DSmT理论的移动机器人声纳数据融合方法 |
CN109443363A (zh) * | 2018-11-09 | 2019-03-08 | 厦门大学 | 分治确定性路径寻优算法 |
CN110196059A (zh) * | 2019-05-14 | 2019-09-03 | 武汉理工大学 | 一种无人艇全局路径规划方法 |
CN110275526A (zh) * | 2019-05-16 | 2019-09-24 | 贵州大学 | 一种基于改进遗传算法的移动机器人路径规划方法 |
CN112033413A (zh) * | 2020-09-07 | 2020-12-04 | 北京信息科技大学 | 一种结合环境信息的改进a*算法 |
Non-Patent Citations (1)
Title |
---|
余良俊: "属性值加权的一依赖估测器模型分类算法研究", 《计算机工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447029A (zh) * | 2021-08-31 | 2021-09-28 | 湖北第二师范学院 | 一种基于大型卫星地图的安全路径搜索方法 |
CN113447029B (zh) * | 2021-08-31 | 2021-11-16 | 湖北第二师范学院 | 一种基于大型卫星地图的安全路径搜索方法 |
CN116036603A (zh) * | 2023-01-28 | 2023-05-02 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、计算机及可读存储介质 |
CN116036603B (zh) * | 2023-01-28 | 2023-05-30 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、计算机及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112734878B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112734878A (zh) | 大型栅格地图两点之间连通性检测方法、设备及存储介质 | |
CN110060338B (zh) | 一种基于bim模型的预制构件点云识别方法 | |
CN110285754B (zh) | 基于激光扫描的工件定位方法、装置、系统和存储介质 | |
AU2018253470B2 (en) | Device and method for extracting terrain boundary | |
CN109816669A (zh) | 一种识别电力设备缺陷的改进Mask R-CNN图像实例分割方法 | |
CN104317886B (zh) | 断层约束下网格节点插值时近邻条件数据点的搜索选取方法 | |
CN111462838B (zh) | 一种直接将图像像素转换成有限元单元的方法 | |
CN108833144B (zh) | 一种基于聚类统计模型的智能电表集中器选址方法 | |
CN108230432A (zh) | 一种基于cs-rbf的绝缘子激光点云三维重建方法 | |
CN109766905A (zh) | 基于自组织特征映射网络的目标分群方法 | |
CN115546116A (zh) | 全覆盖式岩体不连续面提取与间距计算方法及系统 | |
CN114485611A (zh) | 基于北斗网格码的三维空间最短路径规划方法和装置 | |
CN114676522A (zh) | 融合gan和迁移学习的气动形状优化设计方法及系统及设备 | |
CN116883612B (zh) | 一种三维场景模型生成方法及系统 | |
CN112613126B (zh) | 一种应用于飞行器外形的壁面距离计算方法及装置 | |
Wang et al. | Application of A* algorithm in intelligent vehicle path planning | |
Sithole et al. | 3D Object Segmentation of point clouds using profiling techniques | |
CN107869971B (zh) | 一种基于三维激光扫描数据计算树冠表面积的方法 | |
Honti et al. | Automation of cylinder segmentation from point cloud data | |
CN104794747B (zh) | 一种基于射线原理的三维点云数据精简方法 | |
Kaplan et al. | Triangles and girth in disk graphs and transmission graphs | |
CN112082475B (zh) | 活立木的种类识别方法与材积测量方法 | |
Yu | Quality assessment in point feature generalization with pattern preserved | |
CN112132135B (zh) | 一种基于图像处理的电网传输线检测方法、存储介质 | |
CN113033701A (zh) | 基于gis空间数据制作遥感影像深度学习样本的优化方法 |
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 |