CN113554121B - 一种无人机巡逻路径的快速搜索方法 - Google Patents

一种无人机巡逻路径的快速搜索方法 Download PDF

Info

Publication number
CN113554121B
CN113554121B CN202111033696.4A CN202111033696A CN113554121B CN 113554121 B CN113554121 B CN 113554121B CN 202111033696 A CN202111033696 A CN 202111033696A CN 113554121 B CN113554121 B CN 113554121B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
adjacent
rectangle
nodes
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
CN202111033696.4A
Other languages
English (en)
Other versions
CN113554121A (zh
Inventor
陈小祥
魏金占
岳隽
郜昂
徐雅莉
刘力兵
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 Urban Planning And Design Institute Co ltd
Original Assignee
URBAN PLANNING & DESIGN INSTITUTE OF SHENZHEN (UPDIS)
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 URBAN PLANNING & DESIGN INSTITUTE OF SHENZHEN (UPDIS) filed Critical URBAN PLANNING & DESIGN INSTITUTE OF SHENZHEN (UPDIS)
Publication of CN113554121A publication Critical patent/CN113554121A/zh
Application granted granted Critical
Publication of CN113554121B publication Critical patent/CN113554121B/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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及计算机图形学与地理信息科学领域，具体公开了一种基于临近矩形的哈密顿路径快速搜索方法，包括以下步骤：S1、获取节点样本数据；S2、构建节点样本的最小外包矩形；S3、测量节点的平均临近距离；S4、以平均临近距离的整数倍为基准，将最小外包矩形沿横轴或纵轴划分成若干相等的临近矩形；S5、将每一临近矩形中的节点沿横轴或纵轴方向依次连接，构造成一连线；S6、依次连接相邻临近矩形的连线，以将所有的连线合并为一条连线，结果即为哈密顿路径的搜索结果。本发明的一种基于临近矩形的哈密顿路径快速搜索方法，原理简单，能够有效降低处理的难度、成本和时间，提高哈密顿路径的搜索效率。

Description

一种无人机巡逻路径的快速搜索方法
技术领域
本发明涉及计算机图形学与地理信息科学领域，尤其涉及一种无人机巡逻路径的快速搜索方法。
背景技术
哈密顿路径是由天文学家哈密顿(William Rowan Hamilton)提出的旨在一个有多个城市的地图网络中，寻找一条从给定的起点到给定的终点沿途恰好经过所有其他城市一次的路径。
旅行商问题，即TSP问题(Traveling Salesman Problem)又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访N个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求的路径路程为所有路径之中的最小值，也就是上述的哈密顿路径的最优解。
哈密顿路径问题源自于社会生活的实际，与人类的社会生活息息相关。如旅游领域我们总想设计合理的线路，实现一次旅行踏足所有梦想之地的目标；如在物流领域我们希望合理分配每个无人车的送货路径，使得无人车能够按照设定的送货路径依次对每个派送点进行派送，以实现物流派送的经济最优，效率最高；如在军事领域我们希望机动力量可以选择最合理的路径最快到达目标点等等，这些日常生活中多个目标点的路径规划问题皆与哈密顿路径问题息息相关。由此可见，哈密顿路径问题的理论及算法的突破，在“未来万物互联走向万物互动”新时代具有积极的意义。
必经节点是哈密顿路径中必须经过的节点，其在现实生活中的意义可以是路径规划问题中必须经过的目标点，例如物流派送领域中的派送点或者是无人机巡逻的巡逻点等等，通过对必经节点路径的搜索，即可实现物流派送路径、无人机巡逻路径等的搜索，因此必经节点路径(哈密顿路径)的快速搜索是当前位置服务领域的研究热点，其在物流、资源配置、军事等领域的路径规划中具有巨大应用潜力，但是传统的哈密顿路径搜索方法多从图论及数学角度进行，其搜索效率和准确度都不尽人意，计算复杂度最优也在O(N2)以上。
在对哈密顿路径问题进行求解时，对于无约束的节点，每个节点的度为(N-1)，其中N为节点数，已经被证实存在哈密顿路径解。解虽然存在但迄今未有完美的求解方法，当前的求解方法中既有算法多基于逻辑思维的推理或者是基于生物学思维的遴选模式，其求解过程难于在复杂度和精确度之间获得平衡。
学界认为哈密顿路径问题的求解属于NP问题，人类至今都没有找到有效的多项式问题解。但该问题除了是数学与计算机图形学的研究热点，也是人类认知世界至今难以突破的思维难题。该技术虽然在与空间相关的各个领域、包括虚拟计算机空间等领域具有巨大应用潜力，但传统的哈密顿路径求解方法在样本数据达到一定量时，计算机和传统算法将无能为力，一个简单的几百节点的哈密顿路径问题都可能需要现代计算技术数百年的运算。
哈密顿路径问题的研究虽然在并行计算时代有一定的进度，但鉴于传统算法只是对结点的先后优化组合，未作问题空间关系方面的深入考虑，因此当前研究中鲜有学者去发现该问题隐含的空间约束条件并将其用于路径搜索，防止运算量向指数级扩散，以达到降低处理的难度、成本和时间的目的。
发明内容
本发明旨在至少解决上述所提及的技术问题之一，提供一种无人机巡逻路径的快速搜索方法，原理简单，能够有效降低处理的难度、成本和时间，提高无人机巡逻路径的搜索效率。
为了实现上述目的，本发明采用的技术方案为：一种无人机巡逻路径的快速搜索方法，包括以下步骤：
S1、获取各个无人机巡逻点的坐标信息，将每一无人机巡逻点的坐标点作为哈密顿路径中的必经节点，并使得这些节点分布在二维平面内形成节点样本；
S2、构建节点样本的最小外包矩形；
S3、测量节点的平均临近距离；
S4、以平均临近距离的整数倍为基准，将最小外包矩形沿横轴或纵轴划分成若干相等的临近矩形；
S5、将每一临近矩形中的节点沿横轴或纵轴方向依次连接，构造成一连线；
S6、依次连接相邻临近矩形的连线，以将所有的连线合并为一条连线，得到无人机巡逻路径的搜索结果。
优选的，所述步骤S3中，通过构建节点样本的TIN三角形网，求解出节点的平均临近距离。
优选的，所述步骤S4中，沿横轴方向将最小外包矩形划分为若干相等的临近矩形。
优选的，所述步骤S4中，沿纵轴方向将最小外包矩形划分为若干相等的临近矩形。
优选的，所述步骤S5中，将每一临近矩形中的节点沿横轴方向依次连接。
优选的，所述步骤S5中，将每一临近矩形中的节点沿纵轴方向依次连接。
优选的，所述步骤S6中，选取合并后连线长度短的作为哈密顿路径的搜索结果。
优选的，上述任一的搜索方法用于平面求解。
有益效果是：与现有技术相比，本发明的一种无人机巡逻路径的快速搜索方法通过构建临近矩形将节点样本进行分组，从而对点点之间的二维连接进行约束，在构建连线时，不在同一临近矩形内的节点不产生连接关系，降低了运算量，之后通过坐标判定将临近矩形中的节点沿横坐标方向或纵坐标方向依次相连，使得二维矩形内的节点通过一维方向进行约束，再次降维减小运算量，实现了点点连接的唯一化和必经属性的完整，最后将相邻的两个临近矩形中的连线相连，从而实现了无人机巡逻路径的快速搜索，本发明的搜索方法能够应用于物流派送、无人机巡查等领域的路径规划搜索，具有重要的学术意义和实用价值，并且搜索方法简单，能够有效降低必经节点路径搜索的难度、成本和时间，提高搜索效率。
附图说明
以下结合附图对本发明的具体实施方式作进一步的详细说明，其中：
图1为节点样本构建最小外包矩形后的示意图；
图2为图1中的节点样本构建TIN三角形网后的示意图；
图3为构建临近矩形的其中一种实施方式的示意图；
图4为图3中的临近矩形中的节点依次连接构造连线后的示意图；
图5为合并图4中的连线的其中一种实施方式的示意图；
图6为合并图4中的连线的另一种实施方式的示意图；
图7为30个考察城市的平面坐标点的示意图；
图8为图7划分临近矩形后的示意图；
图9为图8搜索得到的哈密顿路径的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件，当部件被称为“设置在中部”，不仅仅是设置在正中间位置，只要不是设置在两端部都属于中部所限定的范围内。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
哈密顿路径问题的求解方法属于必经节点的搜索问题，其特点是每个节点都只与临近两个节点相连，共同形成闭环。该问题是连接问题，属于一维空间问题，而该问题的样本在二维环境拓展，因此该问题的求解就出现了难于跨越的维度升级，传统解决方法无能为力。
如上述可知，哈密顿路径问题是二维环境下的选线问题，本质上是二维环境下的一维线问题，维度拓展是问题难于求解的根源所在。传统逻辑思维是一维逻辑思维，面对二维问题时自然难度陡增，为了实现一维线问题的快速解决，结合“升维代表无限可能，降维代表问题解决”，可以尝试将该二维环境下的二维问题进行降维，实现问题解决。
二维是由两个维度组成，而对于二维空间的划分，我们最常见的模式有直角坐标系和极坐标系两种，因此降维自然可以采用以上思维，将空间以某个维度切分，实现样本空间的减小和计算度的降低。
升维代表无限可能，降维代表问题简化求解，点点连接问题的难点就在于空间的多维化(二维)，对于多维问题求解不能依赖传统逻辑思维，需要借助多维思维进行求解。因此，本发明提出了临近矩形思维，将一维问题通过二维扩散进行约束，实现了问题升维的有限性，从而降低了运算量，提高了求解速度；之后通过坐标将问题再次一维化，使得一维问题最终一维化解决，最终实现了问题的快速求解。
具体的，为了实现上述目的，本发明采用的技术方案为：一种无人机巡逻路径的快速搜索方法，包括以下步骤：
S1、获取各个无人机巡逻点的坐标信息，将每一无人机巡逻点的坐标点作为哈密顿路径中的必经节点，并使得这些节点分布在二维平面内形成节点样本；
S2、构建节点样本的最小外包矩形；
S3、测量节点的平均临近距离；
S4、以平均临近距离的整数倍为基准，将最小外包矩形沿横轴或纵轴划分成若干相等的临近矩形；
S5、将每一临近矩形中的节点沿横轴或纵轴方向依次连接，构造成一连线；
S6、依次连接相邻临近矩形的连线，以将所有的连线合并为一条连线，得到无人机巡逻路径的搜索结果。
优选的，所述目标点为物流派送点，或无人机巡逻点，或旅游、考察点，或电路板焊点。
具体的，如图1所示，构建节点样本的最小外包矩形，在其中一实施方式中，最小外包矩形的长为2158mm，宽为1438mm，其中，长度方向为横轴方向，宽度方向为纵轴方向，优选的，如图2所示，可以通过构建节点样本的TIN三角形网，求出节点的平均临近距离，即获取TIN三角形网中每条边线的长度以及边线的数量，将所有边线长度之和除以所有边线的数量，求得节点的平均临近距离，然后以平均临近距离的整数倍为基准，以将最小外包矩形沿横轴或纵轴划分成整数倍个相等的临近矩形，其中，平均临近距离的整数倍可以根据自己的需求进行设置，如图3所示，可以沿纵轴方向对最小外包矩形进行划分，即沿纵坐标方向将最小外包矩形划分为10个临近矩形，在另一实施方式中，也可以沿横轴方向对最小外包矩形进行划分，即沿横坐标方向将最小外包矩形划分为10个临近矩形，划分临近矩形后，将每一临近矩形中的节点依次连接，如图4所述，可以将每个临近矩形中的节点沿横轴方向依次连接构成连线，或者在另一实施方式中，也可以将每个临近矩形中的节点沿纵轴方向依次连接构成连线，最后依次连接相邻临近矩形的连线，以将所有的连线合并为一条连线，结果即为哈密顿路径的搜索结果，连线在连接时，可以将相邻连线位于相同一端的两个节点进行连接，如图5和图6所示，分别合并得到两条哈密顿路径，优选的，选取节点之间的连线不存在相交情况的哈密顿路径作为最终的输出结果，若有多条哈密顿路径不存在连线相交的情况，选取哈密顿路径最短的作为最终的输出结果。
上述搜索方法可以通过计算机实现哈密顿路径的快速搜索，也可以用于平面搜索，即通过手工绘图的方式进行搜索。
本发明的一种无人机巡逻路径的快速搜索方法通过构建临近矩形将节点样本进行分组，从而对点点之间的二维连接进行约束，在构建连线时，不在同一临近矩形内的节点不产生连接关系，降低了运算量，之后通过坐标判定将临近矩形中的节点沿横坐标方向或纵坐标方向依次相连，使得二维矩形内的节点通过一维方向进行约束，再次降维减小运算量，实现了点点连接的唯一化和必经属性的完整，最后将相邻的两个临近矩形中的连线相连，从而实现了无人机巡逻路径的快速搜索，本发明的搜索方法能够应用于物流派送、无人机巡查等领域的路径规划搜索，具有重要的学术意义和实用价值，并且搜索方法简单，能够有效降低必经节点路径搜索的难度、成本和时间，提高搜索效率。
本申请的哈密顿路径搜索方法已经在实际生活中得到应用，具体的，上述的哈密顿搜索方法可以用于考察路线的规划，如图7所示，图中为需要考察的30个城市的坐标点，获取这30个坐标点作为哈密顿路径中的必经节点，并使得这些节点分布在二维平面内，如图8所示，对二维平面内的30个节点构造最小外包矩形，并均分为8个临近矩形，最后通过本申请的节点连接方法对这30个节点进行连接，从而得到图9的哈密顿路径，获得的哈密顿路径即为这30个城市的考察路线。
以上实施例仅用以说明本发明的技术方案而并非对其进行限制，凡未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明技术方案的范围内。

Claims (8)

1.一种无人机巡逻路径的快速搜索方法，其特征在于，包括以下步骤：
S1、获取各个无人机巡逻点的坐标信息，将每一无人机巡逻点的坐标点作为哈密顿路径中的必经节点，并使得这些节点分布在二维平面内形成节点样本；
S2、构建节点样本的最小外包矩形；
S3、测量节点的平均临近距离；
S4、以平均临近距离的整数倍为基准，将最小外包矩形沿横轴或纵轴划分成若干相等的临近矩形；
S5、将每一临近矩形中的节点沿横轴或纵轴方向依次连接，构造成一连线；
S6、依次连接相邻临近矩形的连线，以将所有的连线合并为一条连线，得到无人机巡逻路径的搜索结果。
2.根据权利要求1所述的一种无人机巡逻路径的快速搜索方法，其特征在于，所述步骤S3中，通过构建节点样本的TIN三角形网，求解出节点的平均临近距离。
3.根据权利要求1所述的一种无人机巡逻路径的快速搜索方法，其特征在于，所述步骤S4中，沿横轴方向将最小外包矩形划分为若干相等的临近矩形。
4.根据权利要求1所述的一种无人机巡逻路径的快速搜索方法，其特征在于，所述步骤S4中，沿纵轴方向将最小外包矩形划分为若干相等的临近矩形。
5.根据权利要求1所述的一种无人机巡逻路径的快速搜索方法，其特征在于，所述步骤S5中，将每一临近矩形中的节点沿横轴方向依次连接。
6.根据权利要求1所述的一种无人机巡逻路径的快速搜索方法，其特征在于，所述步骤S5中，将每一临近矩形中的节点沿纵轴方向依次连接。
7.根据权利要求1所述的一种无人机巡逻路径的快速搜索方法，其特征在于，所述步骤S6中，选取合并后连线长度短的作为无人机巡逻路径的搜索结果。
8.根据权利要求1至7任一所述的一种无人机巡逻路径的快速搜索方法，其特征在于，所述搜索方法用于平面搜索。
CN202111033696.4A 2020-09-09 2021-09-03 一种无人机巡逻路径的快速搜索方法 Active CN113554121B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2020109429111 2020-09-09
CN202010942911.1A CN112070166A (zh) 2020-09-09 2020-09-09 一种基于临近矩形的哈密顿路径快速求解方法

Publications (2)

Publication Number Publication Date
CN113554121A CN113554121A (zh) 2021-10-26
CN113554121B true CN113554121B (zh) 2022-06-14

Family

ID=73663220

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010942911.1A Pending CN112070166A (zh) 2020-09-09 2020-09-09 一种基于临近矩形的哈密顿路径快速求解方法
CN202111033696.4A Active CN113554121B (zh) 2020-09-09 2021-09-03 一种无人机巡逻路径的快速搜索方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202010942911.1A Pending CN112070166A (zh) 2020-09-09 2020-09-09 一种基于临近矩形的哈密顿路径快速求解方法

Country Status (1)

Country Link
CN (2) CN112070166A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101504686A (zh) * 2009-03-11 2009-08-12 清华大学 一种基于哈密顿路径的图像式迷宫设计方法
CN109238287A (zh) * 2018-09-06 2019-01-18 中国人民解放军国防科技大学 一种航天器逃逸路径规划方法及系统
CN110472790A (zh) * 2019-08-16 2019-11-19 集美大学 一种多无人船路径规划方法、终端设备及存储介质
CN110887502A (zh) * 2019-11-18 2020-03-17 广西华蓝岩土工程有限公司 一种必经结点最短路径搜索方法
CN111504325A (zh) * 2020-04-29 2020-08-07 南京大学 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8266089B2 (en) * 2008-06-18 2012-09-11 Ignacio Reneses Asenjo Method for solving optimization problems in structured combinatorial objects
JP6446989B2 (ja) * 2014-10-16 2019-01-09 富士通株式会社 計算機システム，処理方法及びジョブ処理プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101504686A (zh) * 2009-03-11 2009-08-12 清华大学 一种基于哈密顿路径的图像式迷宫设计方法
CN109238287A (zh) * 2018-09-06 2019-01-18 中国人民解放军国防科技大学 一种航天器逃逸路径规划方法及系统
CN110472790A (zh) * 2019-08-16 2019-11-19 集美大学 一种多无人船路径规划方法、终端设备及存储介质
CN110887502A (zh) * 2019-11-18 2020-03-17 广西华蓝岩土工程有限公司 一种必经结点最短路径搜索方法
CN111504325A (zh) * 2020-04-29 2020-08-07 南京大学 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法

Also Published As

Publication number Publication date
CN113554121A (zh) 2021-10-26
CN112070166A (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
CN113554120B (zh) 一种多目标点的物流路径快速规划方法
Botea et al. Near optimal hierarchical path-finding.
Larson et al. Finding minimum rectilinear distance paths in the presence of barriers
CN113516206B (zh) 一种多目标点的路径规划方法
CN113722553B (zh) 一种物流路径搜索方法
Isaiah et al. Motion planning algorithms for the Dubins travelling salesperson problem
Çelik et al. Order picking in parallel-aisle warehouses with multiple blocks: complexity and a graph theory-based heuristic
CN107742169A (zh) 一种基于复杂网络的城市公交网络系统构建方法及性能评估方法
Hou et al. Path planning for mobile robots based on improved A* algorithm
Shah et al. An evolutionary algorithm-based vehicular clustering technique for VANETs
CN112308315A (zh) 一种多点智能路径规划方法及系统
Vogiatzis et al. Evacuation through clustering techniques
Rahmani et al. Multi-agent parallel hierarchical path finding in navigation meshes (MA-HNA*)
Liu A rectilinear pipe routing algorithm: Manhattan visibility graph
CN113554121B (zh) 一种无人机巡逻路径的快速搜索方法
Banerjee et al. A framework of voronoi diagram for planning multiple paths in free space
CN117217396A (zh) 一种基于路网的多目标派送路径存在判定方法及系统
CN111612257A (zh) 基于空间归化的最短路径求解方法
Huang et al. An efficient algorithm for skyline queries in cloud computing environments
CN117195441A (zh) 一种生成路口面的方法以及相关装置
Gugan et al. Towards the development of a robust path planner for autonomous drones
Cai et al. Multi-vehicles dynamic navigating method for large-scale event crowd evacuations
Tripto et al. Top-k trajectories with the best view
Amarif et al. The Implicit Path Cost Optimization In Dijkstra Algorithm Using Hash Map Data Structure
Gavagsaz Weighted spatial skyline queries with distributed dominance tests

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
CP01 Change in the name or title of a patent holder

Address after: 10 / F, Jianyi building, 3 Zhenxing Road, Futian District, Shenzhen, Guangdong 518000

Patentee after: Shenzhen Urban Planning and Design Institute Co.,Ltd.

Address before: 10 / F, Jianyi building, 3 Zhenxing Road, Futian District, Shenzhen, Guangdong 518000

Patentee before: URBAN PLANNING & DESIGN INSTITUTE OF SHENZHEN (UPDIS)

CP01 Change in the name or title of a patent holder