CN113534790B - 路径规划方法、装置、电子设备及计算机可读存储介质 - Google Patents

Abstract

本申请提供了一种路径规划方法、装置、电子设备及计算机可读存储介质，涉及控制与决策技术领域。该方法包括：确定搜索空间中的运动粒子和预设的随机树中的起始点和目标点，生成随机节点，生成第一引力，基于预设的适应度函数确定运动粒子中适应度最小的目标粒子，生成第二引力，生成中间树节点，生成目标路径。本申请实施例在新节点的生成过程中，通过粒子群算法得到的全局最优的粒子，克服了现有技术中随机性强、算法运算量大、不容易收敛的缺陷，加入全局最优粒子对新节点的引力，使得新节点的生成有一定的偏向性，但又不过于的依赖目标节点，不会过度的依赖目标节点，会尽可能减少新节点的生成失败，降低路径规划所需的时间。

Description

路径规划方法、装置、电子设备及计算机可读存储介质

技术领域

本申请涉及控制与决策技术领域，具体而言，本申请涉及一种路径规划方法、装置、电子设备及计算机可读存储介质。

背景技术

现有的随机树生成方法中，传统粒子群算法虽具有计算初期收敛速度快、通用性强等优点，但在求解复杂多维度问题上仍存在收敛过早、易陷入局部最优甚至无法收敛等问题，随机树的生长在很大程度上受引力系数k的影响，引力系数k较大时，随机树的生长更多的朝向目标点方向；引力系数k较小时，随机树的生长更多的是朝着随机点方向。朝哪个方向生长这种平衡不好把握，新节点的生成总是严重的依赖目标节点对其的引力系数，极易出现新节点生成失败，生成树会在目标节点附近震荡且随机树会在障碍物附近聚集，增加路径规划所需的时间。

由此可见，现有技术中新节点的生成总是严重的依赖目标节点其的引力系数，极易出现新节点生成失败，生成树会在目标节点附近震荡且随机树会在障碍物附近聚集，增加路径规划所需的时间，需要改进。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中新节点的生成总是严重的依赖目标节点其的引力系数，极易出现新节点生成失败，生成树会在目标节点附近震荡且随机树会在障碍物附近聚集，增加路径规划所需的时间的技术缺陷。

第一方面，提供了一种路径规划方法，该方法包括：

步骤S1，初始化搜索空间，确定所述搜索空间中的运动粒子和预设的随机树中的起始点和目标点；

步骤S2，在所述搜索空间随机生成随机节点；

步骤S3，基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力；

步骤S4，基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，并根据所述目标粒子和所述第一树节点生成第二引力；

步骤S5，基于所述第一引力和所述第二引力生成中间树节点；

步骤S6，判断所述第一树节点和所述中间树节点之间的路径是否可以避障，若可以，则将所述中间树节点加入所述随机树中，并执行步骤S7，否则返回到步骤S2；

步骤S7，判断所述中间树节点与所述目标点之间的距离是否不大于预设的阈值，若是，则将所述随机树中连接所述起始点和所述目标点的树节点作为目标路径，若否，则返回步骤S2。

作为本申请一个可能的实施方式，所述基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力，包括：

连接所述第一树节点和所述随机节点，方向为由所述以树节点指向所述随机节点，以所述第一树节点为起点向所述随机节点方向扩展预设步长生成所述第一引力。

作为本申请一个可能的实施方式，所述预设的适应度函数如下：

其中，d为粒子i的适应度，其中为

目标点的横坐标，

为目标点的纵坐标，

为粒子i的第一维度，

为粒子i的第二维度。

作为本申请一个可能的实施方式，所述根据所述目标粒子和所述第一树节点生成第二引力，包括：

连接所述目标粒子和所述第一树节点，方向由所述第一树节点指向所述目标粒子，以所述第一树节点为起点向所述目标粒子方向扩展预设步长生成所述第二引力。

作为本申请一个可能的实施方式，所述基于所述第一引力和所述第二引力生成中间树节点，包括：

计算所述第一引力和所述第二引力的矢量和，生成和矢量，所述和矢量的终点为所述中间树节点。

作为本申请一个可能的实施方式，所述方法还包括：

基于预设的速度公式和位置公式计算所述目标粒子的速度和位置，其中，所述速度公式和所述位置公式为：

其中，ω为预设的惯性权重系数，c₁和c₂为预设的两个学习因子，分别表示粒子对个体最优和全局最优的学习能力；r₁和r₂表示(0，1)之间的随机数，

表示粒子i在t+1时刻的速度，

表示粒子i在t时刻的速度。

作为本申请一个可能的实施方式，所述基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，包括：

基于所述适应度函数进行预设次数的迭代计算，以确定运动粒子中适应度最小的目标粒子。

第二方面，提供了一种路径规划装置，该装置包括：

初始化模块，用于初始化搜索空间，确定所述搜索空间中的运动粒子和预设的随机树中的起始点和目标点；

随机节点生成模块，用于在所述搜索空间随机生成随机节点；

第一引力生模块，用于基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力；

第二引力生成模块，用于基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，并根据所述目标粒子和所述第一树节点生成第二引力；

中间树节点生成模块，用于基于所述第一引力和所述第二引力生成中间树节点；

第一判断模块，用于判断所述第一树节点和所述中间树节点之间的路径是否可以避障，若可以，则将所述中间树节点加入所述随机树中，并执行步骤第二判断模块的功能，否则返回到随机节点生成模块；

第二判断模块，用于判断所述中间树节点与所述目标点之间的距离是否不大于预设的阈值，若是，则将所述随机树中连接所述起始点和所述目标点的树节点作为目标路径，若否，则返回随机节点生成模块。

第三方面，提供了一种电子设备，该电子设备包括：

处理器、存储器和总线；

所述总线，用于连接所述处理器和所述存储器；

所述存储器，用于存储操作指令；

所述处理器，用于通过调用所述操作指令，执行上述的路径规划方法。

第四方面，提供了一种计算机可读存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述的路径规划方法。

本申请实施例在新节点的生成过程中，通过粒子群算法得到的全局最优的粒子，在最优粒子和随机生点的合力下生成新节点，克服了现有技术中随机性强、算法运算量大、不容易收敛的缺陷，加入全局最优粒子对新节点的引力，使得新节点的生成有一定的偏向性，但又不过于的依赖目标节点。粒子群在每次迭代中根据适应度函数，会得到粒子的下一位置，不会过度的依赖目标节点，会尽可能减少新节点的生成失败，降低路径规划所需的时间。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1为本申请实施例提供的一种路径规划方法的流程示意图；

图2为本申请实施例提供的一种路径规划示意图；

图3为本申请实施例提供的一种路径规划装置的结构示意图；

图4为本申请实施例提供的一种电子设备的结构示意图。

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对装置、模块或单元进行区分，并非用于限定这些装置、模块或单元一定为不同的装置、模块或单元，也并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

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用于规划最优的路径或路由，可以应用于移动机器人的运动规划以及无人机航迹规划上，用于规划能给避开障碍物且航迹最短或者用时最少的路径。在新节点的生成过程中，通过粒子群算法得到的全局最优的粒子，在最优粒子和随机生点的合力下生成新节点，克服了现有技术中随机性强、算法运算量大、不容易收敛的缺陷，加入全局最优粒子对新节点的引力，使得新节点的生成有一定的偏向性，但又不过于的依赖目标节点。粒子群在每次迭代中根据适应度函数，会得到粒子的下一位置，不会过度的依赖目标节点，会尽可能减少新节点的生成失败，降低路径规划所需的时间。

首先，对本申请中的一些名词做出解释：

(1)随机树，本申请的随机树用于连接路径的起始点和目标点，随机树中的其它树节点用于表示起始点和目标点之间的中间位置，可以是显示空间中的地理位置，其中，随机树中可能存在不在最终路径上的无用树节点。

(2)避障，本申请的避障是指在规划的路径中，不会穿越已有的障碍物，应用到运动机器人的运动规划中，则表示避开路径上的障碍物。

本申请提供的路径规划方法、装置、电子设备和计算机可读存储介质，旨在解决现有技术的如上技术问题。

下面以具体地实施例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。下面将结合附图，对本申请的实施例进行描述。

本申请实施例中提供了一种路径方法，如图1所示，该方法包括：

步骤S1，初始化搜索空间，确定所述搜索空间中的运动粒子和预设的随机树中的起始点和目标点；

步骤S2，在所述搜索空间随机生成随机节点；

步骤S3，基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力；

步骤S4，基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，并根据所述目标粒子和所述第一树节点生成第二引力；

步骤S5，基于所述第一引力和所述第二引力生成中间树节点；

步骤S6，判断所述第一树节点和所述中间树节点之间的路径是否可以避障，若可以，则将所述中间树节点加入所述随机树中，并执行步骤S7，否则返回到步骤S2；

步骤S7，判断所述中间树节点与所述目标点之间的距离是否不大于预设的阈值，若是，则将所述随机树中连接所述起始点和所述目标点的树节点作为目标路径，若否，则返回步骤S2。

在本申请实施例中，为方便说明，以一个具体实施例为例，用于规划运动机器人的移动路径，如图2所示，其中，起始点x_init和目标点x_goal分别用于表示运动机器人在实际空间中的起点和终点，在起点和终点之间存在障碍物，本申请提供的路径规划方法用于规划运动机器人的运动路径，使得运动机器人能够避开障碍物成功到达终点。

在本申请实施例中，运动粒子是预先设置的，运动粒子的数量以及每个运动粒子的初始位置、初始速度都可以预先设定，初始化搜索空间之后，在该搜索空间随机生成随机节点，对应于本申请实施例，该随机节点对应于实际空间中的一个位置，在第一个随机节点生成时，计算该随机节点距离随机树中各树节点的距离，此时随机树上只有起始点和目标点，且路径规划是由起始点至目标点，当随机节点距离起始点最近时，基于该随机点和起始点生成第一引力，然后基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，并根据所述目标粒子和所述第一树节点生成第二引力，并基于所述第一引力和所述第二引力生成中间树节点，判断所述第一树节点和所述中间树节点之间的路径是否可以避障，若可以，则将所述中间树节点加入所述随机树中。作为本公开一个具体的实施例，如图2所示，x_near为第一个满足条件的树节点，返回步骤S2，生成随机点x_rand，并根据x_near和x_rand生成第一引力F₁，基于预设的适应度函数计算适应度最低的粒子i，并根据粒子i的位置和x_near生成第二引力F₂，并计算F₁和F₂的合力F，进而确定目标点x_new，连接x_near和x_new，若可以避开障碍物，则将x_new加入随机树，生成新的树节点，其中，x₁和x₂是以前计算出的中间树节点。当x_new距离x_goal不大于预设的阈值时，路径规划完成，为x_int→x_near→x_new→x_goal。

本申请实施例在新节点的生成过程中，通过粒子群算法得到的全局最优的粒子，在最优粒子和随机生点的合力下生成新节点，克服了现有技术中随机性强、算法运算量大、不容易收敛的缺陷，加入全局最优粒子对新节点的引力，使得新节点的生成有一定的偏向性，但又不过于的依赖目标节点。粒子群在每次迭代中根据适应度函数，会得到粒子的下一位置，不会过度的依赖目标节点，会尽可能减少新节点的生成失败，降低路径规划所需的时间。

本申请提供了一种可能的实现方式，在该实现方式中，所述基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力，包括：

连接所述第一树节点和所述随机节点，方向为由所述以树节点指向所述随机节点，以所述第一树节点为起点向所述随机节点方向扩展预设步长生成所述第一引力。

对于本申请实施例，如图2所示，在根据x_near和x_rand生成第一引力F₁时，规定F₁的方向为由x_near指向x_rand，且步长为ρ。

本申请提供了一种可能的实现方式，在该实现方式中，所述预设的适应度函数如下：

其中，d为粒子i的适应度，其中为

目标点的横坐标，

为目标点的纵坐标，

为粒子i的第一维度，

为粒子i的第二维度。

本申请实施例提供了一种可能的实现方式，在该实现方式中，所述根据所述目标粒子和所述第一树节点生成第二引力，包括：

连接所述目标粒子和所述第一树节点，方向由所述第一树节点指向所述目标粒子，以所述第一树节点为起点向所述目标粒子方向扩展预设步长生成所述第二引力。

在本申请实施例中，如图2所示，在根据粒子i的位置和x_near生成第二引力F₂时，规定方向为由x_near指向粒子i，且步长为ρ。

本申请实施例提供了一种可能的实现方式，在该实现方式中，所述基于所述第一引力和所述第二引力生成中间树节点，包括：

计算所述第一引力和所述第二引力的矢量和，生成和矢量，所述和矢量的终点为所述中间树节点。

对于本申请实施例，如图2所示，在根据第一引力F₁和第二引力F₂时，计算F₁和F₂的矢量和，矢量和F所指向的位置为中间树节点x_new。

本申请实施例提供了一种可能的实现方式，在该实现方式中，所述方法还包括：

基于预设的速度公式和位置公式计算所述目标粒子的速度和位置，其中，所述速度公式和所述位置公式为：

其中，ω为预设的惯性权重系数，c₁和c₂为预设的两个学习因子，分别表示粒子对个体最优和全局最优的学习能力；r₁和r₂表示(0，1)之间的随机数，

表示粒子i在t+1时刻的速度，

表示粒子i在t时刻的速度。

在本申请实施例中，粒子群在每次迭代中根据适应度函数，会得到粒子的下一位置，不会过度的依赖目标节点，会尽可能减少新节点的生成失败，降低路径规划所需的时间。

本申请实施例提供了一种可能的实现方式，在该实现方式中，

所述基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，包括：

基于所述适应度函数进行预设次数的迭代计算，以确定运动粒子中适应度最小的目标粒子。

对于本申请实施例，在确定适应度最小的粒子时，可以通过多次迭代计算，得到适应度最小的粒子，其中，在每一次迭代过程中粒子会受上一次迭代效果的影响，从而影响下一次粒子的位置和速度。

本申请实施例在新节点的生成过程中，通过粒子群算法得到的全局最优的粒子，在最优粒子和随机生点的合力下生成新节点，克服了现有技术中随机性强、算法运算量大、不容易收敛的缺陷，加入全局最优粒子对新节点的引力，使得新节点的生成有一定的偏向性，但又不过于的依赖目标节点。粒子群在每次迭代中根据适应度函数，会得到粒子的下一位置，不会过度的依赖目标节点，会尽可能减少新节点的生成失败，降低路径规划所需的时间。

本申请实施例提供了一种路径规划装置，如图3所示，该路径规划装置30可以包括：A模块601、B模块602以及C模块603，其中，

初始化模块310，用于初始化搜索空间，确定所述搜索空间中的运动粒子和预设的随机树中的起始点和目标点；

随机节点生成模块320，用于在所述搜索空间随机生成随机节点；

第一引力生模块330，用于基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力；

第二引力生成模块340，用于基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，并根据所述目标粒子和所述第一树节点生成第二引力；

中间树节点生成模块350，用于基于所述第一引力和所述第二引力生成中间树节点；

第一判断模块360，用于判断所述第一树节点和所述中间树节点之间的路径是否可以避障，若可以，则将所述中间树节点加入所述随机树中，并执行第二判断模块的功能，否则返回到随机节点生成模块；

第二判断模块370，用于判断所述中间树节点与所述目标点之间的距离是否不大于预设的阈值，若是，则将所述随机树中连接所述起始点和所述目标点的树节点作为目标路径，若否，则返回随机节点生成模块。

可选的，第一引力生成模块330在基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力时，可以用于：

连接所述第一树节点和所述随机节点，方向为由所述以树节点指向所述随机节点，以所述第一树节点为起点向所述随机节点方向扩展预设步长生成所述第一引力。

可选的，所述预设的适应度函数如下：

其中，d为粒子i的适应度，其中为

目标点的横坐标，

为目标点的纵坐标，

为粒子i的第一维度，

为粒子i的第二维度。

可选的，第二引力生成模块340在根据所述目标粒子和所述第一树节点生成第二引力时，可以用于：

连接所述目标粒子和所述第一树节点，方向由所述第一树节点指向所述目标粒子，以所述第一树节点为起点向所述目标粒子方向扩展预设步长生成所述第二引力。

可选的，中间树节点生成模块350在基于所述第一引力和所述第二引力生成中间树节点时，可以用于：

计算所述第一引力和所述第二引力的矢量和，生成和矢量，所述和矢量的终点为所述中间树节点。

可选的，该路径规划装置还包括速度位置计算模块，用于基于预设的速度公式和位置公式计算所述目标粒子的速度和位置，其中，所述速度公式和所述位置公式为：

其中，ω为预设的惯性权重系数，c₁和c₂为预设的两个学习因子，分别表示粒子对个体最优和全局最优的学习能力；r₁和r₂表示(0，1)之间的随机数，

表示粒子i在t+1时刻的速度，

表示粒子i在t时刻的速度，

为第i个粒子目前自身找到的最优解，称为个体极值，

为所有粒子目前找到的最优解，称为群体极值。

可选的，该路径规划装置还包括迭代模块，用于重复执行预设次数的步骤S1至步骤S7，得到多个所述目标路径，基于预设要求确定所述多个目标路径中的最优目标路径。

本实施例的路径规划装置可执行本申请前述实施例所示的路径规划方法，其实现原理相类似，此处不再赘述。

本申请实施例在新节点的生成过程中，通过粒子群算法得到的全局最优的粒子，在最优粒子和随机生点的合力下生成新节点，克服了现有技术中随机性强、算法运算量大、不容易收敛的缺陷，加入全局最优粒子对新节点的引力，使得新节点的生成有一定的偏向性，但又不过于的依赖目标节点。粒子群在每次迭代中根据适应度函数，会得到粒子的下一位置，不会过度的依赖目标节点，会尽可能减少新节点的生成失败，降低路径规划所需的时间。

下面参考图4，其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

电子设备包括：存储器以及处理器，其中，这里的处理器可以称为下文所述的处理装置401，存储器可以包括下文中的只读存储器(ROM)402、随机访问存储器(RAM)403以及存储装置408中的至少一项，具体如下所示：

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行以下步骤：步骤S1，初始化搜索空间，确定所述搜索空间中的运动粒子和预设的随机树中的起始点和目标点；步骤S2，在所述搜索空间随机生成随机节点；步骤S3，基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力；步骤S4，基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，并根据所述目标粒子和所述第一树节点生成第二引力；步骤S5，基于所述第一引力和所述第二引力生成中间树节点；步骤S6，判断所述第一树节点和所述中间树节点之间的路径是否可以避障，若可以，则将所述中间树节点加入所述随机树中，并执行步骤S7，否则返回到步骤S2；步骤S7，判断所述中间树节点与所述目标点之间的距离是否不大于预设的阈值，若是，则将所述随机树中连接所述起始点和所述目标点的树节点作为目标路径，若否，则返回步骤S2。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块或单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (8)

1.一种路径规划方法，其特征在于，包括：

步骤S1，初始化搜索空间，确定所述搜索空间中的运动粒子和预设的随机树中的起始点和目标点；

步骤S2，在所述搜索空间随机生成随机节点；

步骤S3，基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力；包括：连接所述第一树节点和所述随机节点，方向为由所述第一树节点指向所述随机节点，以所述第一树节点为起点向所述随机节点方向扩展预设步长生成所述第一引力；

步骤S4，基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，并根据所述目标粒子和所述第一树节点生成第二引力；包括：连接所述目标粒子和所述第一树节点，方向由所述第一树节点指向所述目标粒子，以所述第一树节点为起点向所述目标粒子方向扩展预设步长生成所述第二引力；

步骤S5，基于所述第一引力和所述第二引力生成中间树节点；

步骤S6，判断所述第一树节点和所述中间树节点之间的路径是否可以避障，若可以，则将所述中间树节点加入所述随机树中，并执行步骤S7，否则返回到步骤S2；

步骤S7，判断所述中间树节点与所述目标点之间的距离是否不大于预设的阈值，若是，则将所述随机树中连接所述起始点和所述目标点的树节点作为目标路径，若否，则返回步骤S2。

2.根据权利要求1所述的路径规划方法，其特征在于，所述预设的适应度函数如下：

其中，d为粒子i的适应度，其中为

目标点的横坐标，

为目标点的纵坐标，

为粒子i的第一维度，

为粒子i的第二维度，其中，第一维度是指粒子i的横坐标，第二维度是指粒子i的纵坐标”。

3.根据权利要求1所述的路径规划方法，其特征在于，所述基于所述第一引力和所述第二引力生成中间树节点，包括：

计算所述第一引力和所述第二引力的矢量和，生成和矢量，所述和矢量的终点为所述中间树节点。

4.根据权利要求1所述的路径规划方法，其特征在于，所述方法还包括：

基于预设的速度公式和位置公式计算所述目标粒子的速度和位置，其中，所述速度公式和所述位置公式为：

其中，ω为预设的惯性权重系数，c₁和c₂为预设的两个学习因子，分别表示粒子对个体最优和全局最优的学习能力；r₁和r₂表示(0，1)之间的随机数，

表示粒子i在t+1时刻的速度，

表示粒子i在t时刻的速度，

为第i个粒子目前自身找到的最优解，称为个体极值，

为所有粒子目前找到的最优解，称为群体极值。

5.根据权利要求1所述的路径规划方法，其特征在于，所述基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，包括：

基于所述适应度函数进行预设次数的迭代计算，以确定运动粒子中适应度最小的目标粒子。

6.一种路径规划装置，其特征在于，包括：

初始化模块，用于初始化搜索空间，确定所述搜索空间中的运动粒子和预设的随机树中的起始点和目标点；

随机节点生成模块，用于在所述搜索空间随机生成随机节点；

第一引力生模块，用于基于所述随机树中距离所述随机节点最近的第一树节点和所述随机节点生成第一引力；包括：连接所述第一树节点和所述随机节点，方向为由所述第一树节点指向所述随机节点，以所述第一树节点为起点向所述随机节点方向扩展预设步长生成所述第一引力；

第二引力生成模块，用于基于预设的适应度函数确定所述运动粒子中适应度最小的目标粒子，并根据所述目标粒子和所述第一树节点生成第二引力；包括：连接所述目标粒子和所述第一树节点，方向由所述第一树节点指向所述目标粒子，以所述第一树节点为起点向所述目标粒子方向扩展预设步长生成所述第二引力；

中间树节点生成模块，用于基于所述第一引力和所述第二引力生成中间树节点；

第一判断模块，用于判断所述第一树节点和所述中间树节点之间的路径是否可以避障，若可以，则将所述中间树节点加入所述随机树中，并执行第二判断模块的功能，否则返回到随机节点生成模块；

第二判断模块，用于判断所述中间树节点与所述目标点之间的距离是否不大于预设的阈值，若是，则将所述随机树中连接所述起始点和所述目标点的树节点作为目标路径，若否，则返回随机节点生成模块。

7.一种电子设备，其特征在于，其包括：

处理器、存储器和总线；

所述总线，用于连接所述处理器和所述存储器；

所述存储器，用于存储操作指令；

所述处理器，用于通过调用所述操作指令，执行上述权利要求1～5中任一项所述的路径规划方法。

8.一种计算机可读存储介质，其特征在于，所述存储介质存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1～5任一所述的路径规划方法。

Images