CN113496065B - 一种快速高精度的网络区域动态覆盖轨迹生成方法 - Google Patents

一种快速高精度的网络区域动态覆盖轨迹生成方法 Download PDF

Info

Publication number
CN113496065B
CN113496065B CN202110724591.7A CN202110724591A CN113496065B CN 113496065 B CN113496065 B CN 113496065B CN 202110724591 A CN202110724591 A CN 202110724591A CN 113496065 B CN113496065 B CN 113496065B
Authority
CN
China
Prior art keywords
point
mobile unit
coverage
pheromone
monitoring
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
Application number
CN202110724591.7A
Other languages
English (en)
Other versions
CN113496065A (zh
Inventor
黄攀峰
王通
张夷斋
刘正雄
张帆
马志强
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202110724591.7A priority Critical patent/CN113496065B/zh
Publication of CN113496065A publication Critical patent/CN113496065A/zh
Application granted granted Critical
Publication of CN113496065B publication Critical patent/CN113496065B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种快速高精度的网络区域动态覆盖轨迹生成方法，属于移动单元动态覆盖领域。首先通过探测点到移动单元中心相对距离的分段概率函数来构造移动单元监测准确度模型，根据传感器覆盖准确度计算覆盖不确定度；判断移动单元是否抵达覆盖点，若满足，则分别计算释放信息素和扩散信息素，最后对两者进行合成；找出合成信息素最大的坐标作为主扩散源并对其进行修正；计算移动单元到其他所有覆盖点的覆盖收益值，在与移动单元相连的所有位置中找到合成信息素最大的位置，沿着去往该位置的方向作为前进方向。本发明由于不计算全局最短路径，计算复杂度降低，可大大降低计算时间消耗。同时，方法使用全局信息传递的方式，保证了计算的高精度。

Description

一种快速高精度的网络区域动态覆盖轨迹生成方法
技术领域
本发明涉及移动单元动态覆盖领域，特别涉及一种快速高精度的网络区域动态覆盖轨迹生成方法。
背景技术
路网区域动态覆盖问题是一种新的持续最优化问题，也称作“路网持续监视”问题。它涉及如何规划一个具有一定覆盖能力的移动单元在由加权点和可行边组成的网络上连续移动的轨迹以取得最优的整体覆盖效果。这个问题在现实世界中具有广泛的应用场景，比如，无人地面车辆巡逻校园、民警在公路网执勤、巡检机器人进行基础设施检测、无人机在多站间连续搜索、船舶在河道中监测水文信息等。
在我们已申请的发明专利(一种地面移动单元路网区域巡逻问题建模与轨迹生成方法，CN201910593888.7)中，提出了一种新型的方法处理路网区域动态覆盖问题。尽管该方法在任何网络拓扑中均可取得高精度的计算结果，但该方法的计算复杂度高，计算时间慢，不适合实时在线规划，尤其在大型地图中。
发明内容
要解决的技术问题
为了避免现有技术的不足之处，本发明提出一种快速高精度的网络区域动态覆盖轨迹生成方法，该方法在保证较高精度的前提下，显著降低计算时间。
技术方案
一种快速高精度的网络区域动态覆盖轨迹生成方法，其特征在于步骤如下：
步骤1：覆盖不确定度计算
步骤1.1、构造移动单元监测准确度模型：通过探测点到移动单元中心相对距离d的分段概率函数来构造移动单元监测准确度模型：
Figure BDA0003138058550000021
其中，d表示探测点到移动单元中心相对距离，dc表示移动单元的完全覆盖范围的直径，dl表示移动单元的可覆盖的直径极限；
步骤1.2、覆盖不确定度计算：
ui(t)＝σi·(tk-tlvi)·(1-fc)/tlim (2)
其中，ui(t)即为i点覆盖不确定度，σi表示i点覆盖权重，tk表示当前时间，tlvi表示无向图中第i个点上次被完全识别时的时间，tlim为最大允许间隔时间，fc为移动单元对第i个监测点的传感器覆盖准确度，通过公式1求得；
步骤2：移动单元位置识别
取移动单元在当前时刻tk的位置坐标(xt,yt,zt)，判断是否抵达其中一个覆盖点i，记坐标(xi,yi,zi)，若达到覆盖点，即满足
(xi-xt)2+(yi-yt)2+(zi-zt)2≤(vUGV·dt/2)2 (3)
则记i为移动单元的位置点，并进行步骤3至步骤5；其中，vUGV为移动单元的移动速度，为恒定，dt为采样时间间隔，为恒定；否则，将进行步骤6，移动单元沿着此前方向一直移动直至到达所有覆盖点中的一个；
步骤3：信息素计算
步骤3.1、释放信息素的计算
Figure BDA0003138058550000022
其中，
Figure BDA0003138058550000023
是第i点的释放信息素，Ovi是第i个监视点的完全覆盖点集，|Ovi|是Ovi中所含监视点的个数，uj(t)是Ovi中第j个点在t时刻的不确定度，σj是第j个监视点的监视权重，σi是第i个监视点的监视权重，umax是当前时刻下的全局最大不确定度；
步骤3.2、计算扩散信息素
Figure BDA0003138058550000031
Figure BDA0003138058550000032
其中，|Ei,j|是第i个点与第j个点的边权重，|Ei,j|≠∞表明第j个点是第i个点的邻接点，PU(i,j)是第i个点接收到的从第j点传播来的信息素，计算为：
Figure BDA0003138058550000033
其中，
Figure BDA0003138058550000034
表示第j个邻接点的合成信息素，Cd(i,j)是扩散损耗函数，β是吸收系数，Ij(t)是t时刻时第i个监视点的吸收因子，pm>0是最小扩散度；
扩散损耗函数Cd(i,j)，它表示合成信息素在第i和第j个监视点之间扩散时的数值损耗；有
Cd(i,j)＝cL·σj·|Ei,j|/vUGV·tlim (7)
其中，cL是损耗系数，这是人为设定的变量，用于控制损耗速度，vUGV是无人车移动速度，tlim是期望时间；
吸收系数β＝min(uk(t):k＝1,2,...,N∧uk(t)≠0)，吸收因子Ij(t)：
Figure BDA0003138058550000035
其中，Vc表示所有被无人车占据的监视点的集合，vj表示第j个监视点；
步骤3.3、计算合成信息素
Figure BDA0003138058550000036
Figure BDA0003138058550000037
步骤4：信息素修正
找出合成信息素最大的坐标作为主扩散源，当主扩散源满足dc<d<dL，其中d为主扩散源到移动单元的距离时，修改主扩散源的合成信息素为1；
步骤5：收益值计算：计算移动单元r到其他所有覆盖点i的覆盖收益值
Figure BDA0003138058550000038
其中，Aj是无人车去往第j个监视点的信息素收益；
步骤6：确定下一时刻无人车位置
步骤6.1、计算最大收益路径：在与移动单元相连的所有位置中找到合成信息素最大的位置，沿着去往该位置的方向作为前进方向(px,py,pz)，其中，px,py,pz分别表示轨迹的三坐标增量；
步骤6.2、轨迹生成：令移动单元沿着前进方向移动一个采样时间间隔dt，得到下一时刻的轨迹点坐标(xN,yN,zN)，并回到步骤1.2；其中xN,yN,zN满足
xN＝xt+px,yN＝yt+py,zN＝zt+pz (11)
一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1所述的方法。
一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。
一种计算机程序，其特征在于包括计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。
有益效果
本发明提出的一种快速高精度的网络区域动态覆盖轨迹生成方法，由于不计算全局最短路径，方法的计算复杂度降低，可大大降低计算时间消耗。同时，方法使用全局信息传递的方式，保证了计算的高精度。本发明特别适用于真实大规模复杂拓扑网络的移动单元区域动态覆盖任务。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明轨迹生成方法流程图；
图2为本发明实施例所用实际平面图；
图3为本发明实施例中所用的模型；
图4为本发明实施例中规划出的移动单元的三维时空轨迹投影；
图5为本发明实施例中监测点覆盖不确定度随时间关系。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示。本发明具体实施步骤如下：
1)覆盖不确定度计算；
本实施例所用的模型如图3，为由图2所得的模型，设完全探测范围dc＝10m，可探测极限dl＝20m，根据公式(1)构造移动单元监测准确度模型fc：
Figure BDA0003138058550000051
其中，d表示某一点到传感器中心的距离。
设置各点覆盖权重σ，表示被完全覆盖的频率：σ＝[σ1,...σi,...σ11]。
根据公式(2)计算64个点中第i个点的覆盖不确定度计算：
ui(t)＝σi·(tk-tlvi)·(1-fc)/tlim (13)
其中，ui(t)即为i点覆盖不确定度，σi表示i点覆盖权重，tk表示当前时间，tlvi表示无向图中第i个点上次被完全识别时的时间，tlim为最大允许间隔时间，fc为移动单元对第i个监测点的传感器覆盖准确度，通过公式1求得；
步骤2、移动单元位置识别：取移动单元在当前时刻tk的位置坐标(xt,yt,zt)，判断是否抵达64个覆盖点其中一个覆盖点i，记坐标(xi,yi,zi)，若达到覆盖点，即满足
(xi-xt)2+(yi-yt)2+(zi-zt)2≤(vUGV·dt/2)2 (14)
则记i为移动单元的位置点，并进行步骤3至步骤5。其中，vUGV为移动单元的移动速度，为恒定，dt为采样时间间隔，为恒定。否则，将进行步骤6，移动单元沿着此前方向一直移动直至到达所有覆盖点中的一个；
步骤3、信息素计算：
步骤3.1、释放信息素的计算
Figure BDA0003138058550000061
其中，
Figure BDA0003138058550000062
是第i点的释放信息素，Ovi是第i个监视点的完全覆盖点集，|Ovi|是Ovi中所含监视点的个数，uj(t)是Ovi中第j个点在t时刻的不确定度，σj是第j个监视点的监视权重，umax是当前时刻下的全局最大不确定度。
3.2、计算扩散信息素
Figure BDA0003138058550000063
Figure BDA0003138058550000064
其中，|Ei,j|是第i个点与第j个点的边权重，|Ei,j|≠∞表明第j个点是第i个点的邻接点，PU(i,j)是第i个点接收到的从第j点传播来的信息素，计算为：
Figure BDA0003138058550000065
其中，
Figure BDA0003138058550000066
表示第j个邻接点的合成信息素，Cd(i,j)是扩散损耗函数，β是吸收系数，Ij(t)是t时刻时第i个监视点的吸收因子，pm>0是最小扩散度。
扩散损耗函数Cd(i,j)，它表示合成信息素在第i和第j个监视点之间扩散时的数值损耗。有
Cd(i,j)＝cL·σj·|Ei,j|/vUGV·tlim (18)
其中，cL是损耗系数，这是人为设定的变量，用于控制损耗速度，vUGV是无人车移动速度，tlim是期望时间。
吸收系数β＝min(uk(t):k＝1,2,…,N∧uk(t)≠0)，吸收因子Ij(t)：
Figure BDA0003138058550000071
其中，Vc表示所有被无人车占据的监视点的集合，vj表示第j个监视点。
3.3、计算合成信息素
Figure BDA0003138058550000072
Figure BDA0003138058550000073
步骤4、信息素修正
找出合成信息素最大的坐标作为主扩散源，当主扩散源满足dc<d<dL，其中d为主扩散源到移动单元的距离时，修改主扩散源的合成信息素为1。
步骤5、收益值计算：计算移动单元r到其他所有覆盖点i的覆盖收益值
Figure BDA0003138058550000074
其中，Aj是无人车去往第j个监视点的信息素收益。
步骤6、确定下一时刻无人车位置
步骤6.1、计算最大收益路径：在与移动单元相连的所有位置中找到合成信息素最大的位置，沿着去往该位置的方向作为前进方向(px,py,pz)，其中，px,py,pz分别表示轨迹的三坐标增量；
步骤6.2、轨迹生成：令移动单元沿着前进方向移动一个采样时间间隔dt，得到下一时刻的轨迹点坐标(xN,yN,zN)，并回到步骤1.2。其中xN,yN,zN满足
xN＝xt+px,yN＝yt+py,zN＝zt+pz (22)
如图4，显示了移动单元任务周期内的轨迹，图5的纵坐标表示某时刻无向图的覆盖不确定度。可见，通过以上方法，本实施例中覆盖不确定度随时间推移达到稳定状态，表明方法实现了在真实环境的移动单元路网区域动态覆盖任务。与发明CN201910593888.7相比，本发明的结果精度提高24％，计算时间缩小为原来的二十分之一。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明公开的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种快速高精度的网络区域动态覆盖轨迹生成方法，其特征在于步骤如下：
步骤1：覆盖不确定度计算
步骤1.1、构造移动单元监测准确度模型：通过探测点到移动单元中心相对距离d的分段概率函数来构造移动单元监测准确度模型：
Figure FDA0004087919730000011
其中，d表示探测点到移动单元中心相对距离，dc表示移动单元的完全覆盖范围的直径，dl表示移动单元的可覆盖的直径极限；
步骤1.2、覆盖不确定度计算：
ui(t)＝σ′i·(tk-tlvi)·(1-fc)/tlim (2)
其中，ui(t)即为i点覆盖不确定度，σ′i表示i点覆盖权重，tk表示当前时间，tlvi表示无向图中第i个点上次被完全识别时的时间，tlim为最大允许间隔时间，fc为移动单元监测准确度，通过公式1求得；
步骤2：移动单元位置识别
取移动单元在当前时刻tk的位置坐标(xt,yt,zt)，判断是否抵达其中一个覆盖点i，记坐标(xi,yi,zi)，若达到覆盖点，即满足
(xi-xt)2+(yi-yt)2+(zi-zt)2≤(vUGV·dt/2)2 (3)
则记i为移动单元的位置点，并进行步骤3至步骤5；其中，vUGV为移动单元的移动速度，为恒定，dt为采样时间间隔，为恒定；否则，将进行步骤6，移动单元沿着此前方向一直移动直至到达所有覆盖点中的一个；
步骤3：信息素计算
步骤3.1、释放信息素的计算
Figure FDA0004087919730000021
其中，
Figure FDA0004087919730000022
是第i点的释放信息素，Ovi是第i个监视点的完全覆盖点集，|Ovi|是Ovi中所含监视点的个数，uj(t)是Ovi中第j个点在t时刻的不确定度，σj是第j个监视点的监视权重，σi是第i个监视点的监视权重，umax是当前时刻下的全局最大不确定度；
步骤3.2、计算扩散信息素
Figure FDA0004087919730000023
Figure FDA0004087919730000024
其中，|Ei,j|是第i个点与第j个点的边权重，|Ei,j|≠∞表明第j个点是第i个点的邻接点，PU(i,j)是第i个点接收到的从第j点传播来的信息素，计算为：
Figure FDA0004087919730000025
其中，
Figure FDA0004087919730000026
表示第j个邻接点的合成信息素，Cd(i,j)是扩散损耗函数，β是吸收系数，Ii(t)是t时刻时第i个监视点的吸收因子，pm>0是最小扩散度；
扩散损耗函数Cd(i,j)，它表示合成信息素在第i和第j个监视点之间扩散时的数值损耗；有
Cd(i,j)＝cL·σj·|Ei,j|/vUGV·tlim (7)
其中，cL是损耗系数，这是人为设定的变量，用于控制损耗速度，vUGV为移动单元的移动速度，tlim为最大允许间隔时间；
吸收系数β＝min(uk(t):k＝1,2,...,N∧uk(t)≠0)，吸收因子Ij(t)：
Figure FDA0004087919730000027
其中，Vc表示所有被无人车占据的监视点的集合，vj表示第j个监视点；
步骤3.3、计算合成信息素
Figure FDA0004087919730000028
Figure FDA0004087919730000029
步骤4：信息素修正
找出合成信息素最大的坐标作为主扩散源，当主扩散源满足dc<d<dL，其中d表示探测点到移动单元中心相对距离，修改主扩散源的合成信息素为1；
步骤5：收益值计算：计算移动单元r到其他所有覆盖点i的覆盖收益值
Figure FDA0004087919730000031
其中，Aj是无人车去往第j个监视点的信息素收益；
步骤6：确定下一时刻无人车位置
步骤6.1、计算最大收益路径：在与移动单元相连的所有位置中找到合成信息素最大的位置，沿着去往该位置的方向作为前进方向(px,py,pz)，其中，px,py,pz分别表示轨迹的三坐标增量；
步骤6.2、轨迹生成：令移动单元沿着前进方向移动一个采样时间间隔dt，得到下一时刻的轨迹点坐标(xN,yN,zN)，并回到步骤1.2；其中xN,yN,zN满足
xN＝xt+px , yN＝yt+py , zN＝zt+pz (11)。
2.一种计算机系统，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1所述的方法。
3.一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。
CN202110724591.7A 2021-06-29 2021-06-29 一种快速高精度的网络区域动态覆盖轨迹生成方法 Active CN113496065B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110724591.7A CN113496065B (zh) 2021-06-29 2021-06-29 一种快速高精度的网络区域动态覆盖轨迹生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110724591.7A CN113496065B (zh) 2021-06-29 2021-06-29 一种快速高精度的网络区域动态覆盖轨迹生成方法

Publications (2)

Publication Number Publication Date
CN113496065A CN113496065A (zh) 2021-10-12
CN113496065B true CN113496065B (zh) 2023-04-18

Family

ID=77998171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110724591.7A Active CN113496065B (zh) 2021-06-29 2021-06-29 一种快速高精度的网络区域动态覆盖轨迹生成方法

Country Status (1)

Country Link
CN (1) CN113496065B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015110762A1 (fr) * 2014-01-23 2015-07-30 Université Claude Bernard Lyon 1 Procédé de détermination de la trajectoire d'un point d'un objet mobile
CN106873599A (zh) * 2017-03-31 2017-06-20 深圳市靖洲科技有限公司 基于蚁群算法和极坐标变换的无人自行车路径规划方法
CN110334863A (zh) * 2019-07-03 2019-10-15 西北工业大学 一种地面移动单元路网区域巡逻问题建模与轨迹生成方法
CN111352421A (zh) * 2020-03-04 2020-06-30 西北工业大学 一种多移动单元协同巡查的轨迹生成方法
CN112235808A (zh) * 2020-10-12 2021-01-15 中国人民解放军海军航空大学 一种多智能体分布式协同动态覆盖方法及系统
CN112327917A (zh) * 2020-11-12 2021-02-05 哈尔滨工业大学（深圳） 基于群体智能的无人机集群协同覆盖方法
CN112650242A (zh) * 2020-12-22 2021-04-13 天津理工大学 一种基于混合算法的移动机器人路径规划方法
CN112783213A (zh) * 2021-01-13 2021-05-11 北京理工大学 一种基于混合机制的多无人机协同广域动目标搜索方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210103286A1 (en) * 2019-10-04 2021-04-08 Hong Kong Applied Science And Technology Research Institute Co., Ltd. Systems and methods for adaptive path planning

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015110762A1 (fr) * 2014-01-23 2015-07-30 Université Claude Bernard Lyon 1 Procédé de détermination de la trajectoire d'un point d'un objet mobile
CN106873599A (zh) * 2017-03-31 2017-06-20 深圳市靖洲科技有限公司 基于蚁群算法和极坐标变换的无人自行车路径规划方法
CN110334863A (zh) * 2019-07-03 2019-10-15 西北工业大学 一种地面移动单元路网区域巡逻问题建模与轨迹生成方法
CN111352421A (zh) * 2020-03-04 2020-06-30 西北工业大学 一种多移动单元协同巡查的轨迹生成方法
CN112235808A (zh) * 2020-10-12 2021-01-15 中国人民解放军海军航空大学 一种多智能体分布式协同动态覆盖方法及系统
CN112327917A (zh) * 2020-11-12 2021-02-05 哈尔滨工业大学（深圳） 基于群体智能的无人机集群协同覆盖方法
CN112650242A (zh) * 2020-12-22 2021-04-13 天津理工大学 一种基于混合算法的移动机器人路径规划方法
CN112783213A (zh) * 2021-01-13 2021-05-11 北京理工大学 一种基于混合机制的多无人机协同广域动目标搜索方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Coverage Performance of a Chaotic Mobile Robot Using an Inverse Pheromone Model;Eleftherios K. Petavratzis等;《IEEE Xplore》;20190620;全文 *
可达集约束下的自主车辆路径规划势场蚁群算法;杨旭等;《科技通报》;20200430;第36卷(第4期);全文 *
启发式多无人机协同路网持续监视轨迹规划;王通等;《航空学报》;20191231;第41卷;全文 *
移动机器人全覆盖路径规划算法研究;贺利乐等;《机械设计与制造》;20210331(第3期);全文 *

Also Published As

Publication number Publication date
CN113496065A (zh) 2021-10-12

Similar Documents

Publication Publication Date Title
CN110687923B (zh) 无人机长距离循迹飞行方法、装置、设备及存储介质
CN108279563B (zh) 一种速度自适应的无人车轨迹跟踪pid控制方法
CN109270927A (zh) 道路数据的生成方法及装置
CN109916421B (zh) 路径规划方法及装置
CN112947594B (zh) 一种面向无人机的航迹规划方法
CN114740846A (zh) 面向拓扑-栅格-度量混合地图的分层路径规划方法
CN112556686B (zh) 可预测动态时空环境的最短时间路径规划方法
CN110531781B (zh) 一种确定架空输电线路与民用无人机安全距离的方法
CN114625150B (zh) 基于危险系数和距离函数的快速蚁群无人艇动态避障方法
CN113253717A (zh) 一种基于动态障碍物运动信息的室内移动机器人局部路径规划方法
CN112506219A (zh) 一种智能交通监管无人机航迹规划方法、系统及可读存储介质
CN110531782A (zh) 用于社区配送的无人机航迹路径规划方法
CN111002975B (zh) 车辆能量管理方法、系统、电子设备和存储介质
CN115755951A (zh) 一种快速恢复航迹的无人机避障方法
CN111722306A (zh) 一种基于tcn网络模型台风登陆强度预测方法和系统
Zhang et al. Robot navigation based on improved A* algorithm in dynamic environment
CN113496065B (zh) 一种快速高精度的网络区域动态覆盖轨迹生成方法
Jiang et al. Research on method of trajectory prediction in aircraft flight based on aircraft performance and historical track data
CN116518982B (zh) 一种低空林业监测遥感无人机路径多目标规划方法
CN116182859A (zh) 路径规划方法及装置、设备、存储介质
CN115585814A (zh) 一种基于沉降机制的飞行器变尺度地形跟随方法
CN112214037B (zh) 一种基于野外台站的无人机遥感组网航迹规划方法
CN111426311B (zh) 基于测地线的大圆航线计算体系方法及装置
CN117590865B (zh) 一种固定翼无人机跟踪目标运动预测方法
CN114095902B (zh) 无人驾驶HD Map数据分发方法

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