CN113970321A - 一种户型动线的计算方法及装置 - Google Patents

一种户型动线的计算方法及装置 Download PDF

Info

Publication number
CN113970321A
CN113970321A CN202111225058.2A CN202111225058A CN113970321A CN 113970321 A CN113970321 A CN 113970321A CN 202111225058 A CN202111225058 A CN 202111225058A CN 113970321 A CN113970321 A CN 113970321A
Authority
CN
China
Prior art keywords
area
line
node
path
grid map
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.)
Pending
Application number
CN202111225058.2A
Other languages
English (en)
Inventor
李雨龙
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.)
Beijing Fangjianghu Technology Co Ltd
Original Assignee
Beijing Fangjianghu Technology 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 Beijing Fangjianghu Technology Co Ltd filed Critical Beijing Fangjianghu Technology Co Ltd
Priority to CN202111225058.2A priority Critical patent/CN113970321A/zh
Publication of CN113970321A publication Critical patent/CN113970321A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种户型动线的计算方法及装置,所述方法包括以下步骤:将户型图映射为栅格地图;在所述栅格地图上标记出障碍区域、自由区域和修正区域,所述修正区域包括惩罚区域和/或奖励区域;为所述障碍区域、自由区域和修正区域赋予不同的通行代价值;确定目标动线的起始节点和目标节点;以及基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径,并将其作为目标动线。本发明的方法和装置通过采用启发式的多目标寻路算法来解决动线整体性合并、碰撞和人体工程学问题,且使动线尽量保持平整、美观。

Description

一种户型动线的计算方法及装置
技术领域
本发明涉及路线规划算法技术领域,特别涉及一种户型动线的计算方法及装置。
背景技术
户型的动线是居住套型一个非常重要的属性,它通常描绘出一个居住空间的生活便利性和私密性等等。
然而,目前市面上存在的自动化动线方案往往忽略了动线的合理性:首先,动线规划最基本的要求是能以足够短的路径访问多个兴趣点,比如访客动线需要访问入户门、餐桌、公卫、客厅等公共空间,而目前市面上的动线往往是设定中心出发分别计算两个兴趣点成对的户型动线,最终计算总距离时,将分别计算的动线距离进行求和,这显然不符合最终路径最短的合理性要求,因为大部分过道路径可以共享;其次,走动的路线需要符合人的习惯,例如从人体工程学的角度来说,一般小于一定宽度的过道人很难方便通过,而且人也不会在一个宽阔的通道中紧贴墙壁前行。
此外,目前已有的自动化动线方案也同样忽略了动线的美观性:首先,美观的动线要求在可能做到的情况下路径要足够流畅,横平竖直,没有多余转角或者不平的毛刺;其次,还需要考虑已存在动线情况的避让,比如存在一条已有的访客动线,这时如果再计算家务和居住动线时需要尽量避让存在的动线,这样最终得到的动线碰撞检测会更加合理。
因此,需要一种能够克服上述问题的户型动线的计算方法和装置,从而获得合理及美观的户型动线。
需要说明的是,以上背景技术部分所公开的信息仅用于增强对本发明背景的理解,因此其可能包含不构成对本领域技术人员已知的现有技术的信息。
发明内容
为了解决现有技术中存在的问题,本发明提供一种户型动线的计算方法及装置,其通过在采用预设的路径规划算法时融合惩罚值和/或奖励值来获得合理且美观的户型动线,从而克服现有技术中存在的问题。
本发明提供一种户型动线的计算方法,包括以下步骤:将户型图映射为栅格地图;在所述栅格地图上标记出障碍区域、自由区域和修正区域,所述修正区域包括惩罚区域和/或奖励区域;为所述障碍区域、自由区域和修正区域赋予不同的通行代价值;确定目标动线的起始节点和目标节点;以及基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径,并将其作为目标动线。
根据本发明一实施例,在所述栅格地图上标记出惩罚区域包括:将所述户型图中的墙体线膨胀第一宽度;将膨胀的墙体线映射到所述栅格地图;以及将映射到所述栅格地图的膨胀的墙体线所在栅格标记为惩罚区域。
根据本发明一实施例,在所述栅格地图上标记出奖励区域包括:计算所述户型图的骨骼线;将所述骨骼线膨胀第二宽度;将膨胀的骨骼线映射到所述栅格地图;以及将映射到所述栅格地图的膨胀的骨骼线所在栅格标记为奖励区域。
根据本发明一实施例,所述预设的路径规划算法为A-star算法,其通过下式来计算每个节点的栅格通行代价值:
f(n)=g(n)+h(n)
其中,f(n)表示n节点的估价函数,g(n)表示起始节点到n节点的实际代价,h(n)表示n节点到目标节点的估计代价,所述基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径包括:如果n节点位于惩罚区域或奖励区域,则在估价函数f(n)中加入第一惩罚值或第一奖励值。
根据本发明一实施例,所述基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径还包括:如果n节点为拐点,则在估价函数f(n)中加入第二惩罚值。
根据本发明一实施例,所述基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径还包括:如果n节点位于已有动线上,则判断目标动线与已有动线是否为同类型动线:如果是,则将目标动线与已有动线合并;如果否,则在估价函数f(n)中加入第三惩罚值。
根据本发明的另一方面,还提供一种户型动线的计算装置,包括:栅格化模块,其被配置为:将户型图映射为栅格地图;标记模块,其被配置为:在所述栅格地图上标记出障碍区域、自由区域和修正区域,所述修正区域包括惩罚区域和/或奖励区域;赋值模块,其被配置为:为所述障碍区域、自由区域和修正区域赋予不同的通行代价值;确定模块,其被配置为:确定目标动线的起始节点和目标节点;以及搜索模块,其被配置为:基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径,并将其作为目标动线。
根据本发明一实施例,所述标记模块包括:惩罚区域子模块,其被配置为:将所述户型图中的墙体线膨胀第一宽度;将膨胀的墙体线映射到所述栅格地图;以及将映射到所述栅格地图的膨胀的墙体线所在栅格标记为惩罚区域;和/或奖励区域子模块,其被配置为:计算所述户型图的骨骼线;将所述骨骼线膨胀第二宽度;将膨胀的骨骼线映射到所述栅格地图;以及将映射到所述栅格地图的膨胀的骨骼线所在栅格标记为奖励区域。
根据本发明的另一方面,还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的户型动线的计算方法的步骤。
根据本发明的另一方面,还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的户型动线的计算方法的步骤。
根据本发明的另一方面,还提供一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现如上所述的户型动线的计算方法的步骤。
本发明所提供的户型动线的计算方法及装置采用启发式的多目标寻路算法来解决动线整体性合并、碰撞和人体工程学问题,且使动线尽量保持平整、美观。
附图说明
以下将详细参考附图示出的特定示例性实施例,对本发明的上述和其他特征进行说明,所述示例性实施例在下文中仅以说明的方式给出,因此并不限制本发明,其中:
图1示出根据本发明一实施例的户型动线的计算方法的流程图。
图2示出根据本发明一实施例的图1的步骤S1200的处理流程图。
图3示出根据本发明一实施例的图1的步骤S1200的处理流程图。
图4示出根据本发明一实施例的户型图中的墙体膨胀的示意图。
图5示出根据本发明一实施例的户型图中的骨骼线的示意图。
图6示出根据本发明一实施例的图1的步骤S1500的处理流程图。
图7示出根据本发明一实施例的户型动线的计算装置的结构示意图。
图8示出根据本发明一实施例的图7的标记模块2200的结构示意图。
具体实施方式
以下通过具体实施例对本发明进行详细描述,以使本领域普通技术人员能够容易地根据本说明书公开的内容实施本发明。以下所描述的实施例仅是本发明的一部分实施例,而非全部。基于本说明书所描述的实施例,本领域普通技术人员在不付出创造性劳动的前提下所获得的所有其它实施例,都属于本发明保护的范围。需要说明的是,在不发生冲突的情况下,本说明书中的实施例及实施例中的特征可以相互组合。
如图1所示,本发明提供了一种户型动线的计算方法1000。具体地,方法1000包括在S1100处将户型图映射为栅格地图;在S1200处在所述栅格地图上标记出障碍区域、自由区域和修正区域;在S1300处为所述障碍区域、自由区域和修正区域赋予不同的通行代价值;在S1400处确定目标动线的起始节点和目标节点;以及在S1500处基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径,并将其作为目标动线。
具体地,在图1中所示的步骤S1100的本发明的一个或多个实施例中,可以采用本领域技术人员知晓的图像矢量化方法将户型图转化为矢量化的户型图,该矢量化的户型图可以是任意的数据结构,只要保证可以得到户型的墙体点线面关系即可。然后,建立缩放户型矢量坐标系,将该矢量化的户型图进行栅格化处理——将户型缩放到栅格数量为M*N的点位图上,即将户型的原始真实世界长度的墙体以及附件缩放到指定栅格数量为M*N的画布(矩阵)上,形成栅格地图。换句话说,在画布上画出所有的户型点线面信息,将所有户型存在的墙体和分间等都在新坐标系下画出。其中,M和N可根据实际需要以及本领域的常用数值来设置,本发明对此不进行限定。在一优选实施例中,栅格数量还可以设置为N*N,其中N的数值例如可以为200。
随后,方法1000在步骤S1200处在所述栅格地图上标记出障碍区域、自由区域和修正区域。具体来说,障碍区域可以表示墙体、柱子等无法通行的区域;自由区域可以表示能够自由通行的区域;修正区域可以包括惩罚区域和/或奖励区域,其中惩罚区域可以表示可以通行但不鼓励在此通行的区域;奖励区域可以表示可以通行且鼓励在此通行的区域。在本发明的一个或多个实施例中,可以通过为不同的区域设置不同的像素值来对不同区域进行划分或标记。更加具体地,首先将栅格地图的初始的像素值置为B——例如-1,然后将障碍区域的像素值置为W——例如255、将自由区域的像素值置R——例如0、将惩罚区域的像素值置为E——例如10、将奖励区域的像素值置为S——例如20,并且将墙体上的门、垭口等可通行区域的像素值同样置为R。在上述实施例中,各像素值可以根据实际情况和需求来设置,本发明对此不作具体限定。
进一步参考图2,其示出了根据本发明一实施例在栅格地图上标记出惩罚区域的处理流程图,包括:在步骤S1211处将所述户型图中的墙体线膨胀第一宽度;在步骤S1212处将膨胀的墙体线映射到所述栅格地图;以及在步骤S1213处将映射到所述栅格地图的膨胀的墙体线所在栅格标记为惩罚区域。具体地,走动的路线需要符合人的习惯,例如从人体工程学的角度来讲,一般小于45cm的过道很难方便通过,而且人也不会在一个宽阔的通道中紧贴墙壁前行。因此,本发明将墙体周围的一定范围设为惩罚区域,即在计算动线时尽量不在该区域内通行。在本发明一个或多个实施例中,首先将所述户型图中的墙体线膨胀第一宽度;然后根据户型图到栅格地图的缩放系数,对栅格图进行膨胀操作,将原来的户型墙体线变粗;之后将膨胀区域的像素值置为惩罚区域的像素值E。对于墙体线膨胀的第一宽度,可以优选地设置为45cm,即在墙体两侧各膨胀出45cm,当然,该第一宽度也可以根据实际需求设置为其他数值,本发明对此不做限定。
图4形象地示出了户型图中的墙体膨胀的示意图,其中用圆圈标注的部分示意性示出了墙体的膨胀:圆圈内的直线表示原始墙体,虚线围成的矩形框则表示膨胀后的墙体。
进一步参考图3,其示出了根据本发明一实施例在栅格地图上标记出奖励区域的处理流程图,包括:在步骤S1221处计算所述户型图的骨骼线;在步骤S1222处将所述骨骼线膨胀第二宽度;在步骤S1223处将膨胀的骨骼线映射到所述栅格地图;以及在步骤S1224处将映射到所述栅格地图的膨胀的骨骼线所在栅格标记为奖励区域。具体地,设置奖励区域的目的是鼓励路径尽量往一个区域的中心靠拢,而该目的可以通过计算户型的骨骼线来实现。这里可以直观理解为一个独立区域是户型的一个肢体,而骨骼是在这个区域的最内部,这里可以使用图像领域传统的骨骼线算法得到。
图5形象地示出了户型图中的骨骼线的示意图,图中可以看到一个独立区域内部会得到一个骨骼线,基于这些内部的线,我们再次使用图像膨胀算法,把骨骼线的宽度增加第二宽度,然后根据户型图到栅格地图的缩放系数,对栅格图进行膨胀操作,将原来的骨骼线变粗;之后将膨胀区域的像素值置为奖励区域的像素值S。对于骨骼线膨胀的第二宽度,可以与第一宽度相同也可以不同,具体数值也可根据实际需求设置,本发明对此不做限定。
藉此,在栅格地图上寻找兴趣点时通过加入惩罚区域和奖励区域,能够很好地解决动线人体工程学问题,让动线不贴墙走,而是尽量保持在可行区域的中间,从而引导最终的路径变得更加合理而美观。
回到图1,方法1000随后在步骤S1300处为所述障碍区域、自由区域和修正区域赋予不同的通行代价值,即为以上区域内的每个栅格都赋予各自的栅格通行代价值。具体地,通行代价值可以表示路径经由此节点或栅格所付出代价的大小,比如当遇到障碍区域时,由于障碍区域无法通行,则可以将该区域的通行代价值设置为很大的数值——例如1000,由此在计算路径时则会舍弃该区域内的节点或栅格作为路径的必经之处;又比如当遇到惩罚区域时,由于惩罚区域可以通行,但是例如可能是不鼓励行走的墙边部分或很窄的过道,因此可以将该区域的通行代价值设置为较大的数值——例如0.95,以此来尽量避免选择该区域内的节点或栅格作为路径的必经之处;对于奖励区域来说,由于想要使路径尽量经过该区域,因此可以将该区域的通行代价值设置为较小的数值——例如-10;对于自由区域来说,其既不包括障碍区域又不包括惩罚或奖励区域,因此经由此区域既不惩罚也不奖励,因此可以将该区域的通行代价值设置为一个对路径计算不产生影响或影响较小的数值——例如0。需要说明的是,各区域的通行代价值可以根据实际情况和需要来设置,不限于上文所列举的具体数值示例。
随后,方法1000在步骤S1400处确定目标动线的起始节点和目标节点,也即是说,在栅格地图上确定想要获得的是对应于户型图的哪个兴趣点到哪个兴趣点之间的动线,并在栅格地图上标记出相应的起始节点和目标节点所在的栅格。
随后,方法1000在步骤S1500处基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径,并将其作为目标动线。
在本发明一优选实施例中,所述预设的路径规划算法为A-star算法,通过下式(1)来计算每个节点的栅格通行代价:
f(n)=g(n)+h(n) (1)
其中,f(n)表示n节点的估价函数,即起始节点经由n节点到目标节点的代价估计,当选择下一个要遍历的节点时,我们总会选取综合优先级最高(f(n)最小)的节点。g(n)表示起始节点到n节点的实际代价,h(n)表示n节点到目标节点的估计代价,即A-star算法的启发函数。
如本领域技术人员所知晓,A-star算法是种常用的路径查找和图形遍历算法,且是静态路网中求解最短路最有效的方法,其在运算过程中,每次从优先队列中选取f(n)最小(优先级最高)的节点作为下一个待遍历的节点。另外,A-star算法通常使用两个集合来表示待遍历的节点,与已经遍历过的节点,这通常称之为open_set和close_set。
下面参考图6来具体说明基于A-star算法和各区域的通行代价值搜索出总通行代价最小的路径的示例流程S1500,该流程在步骤S1510处开始;在步骤S1520处由起始节点扩展至其相邻节点——n节点;在步骤S1521处判断n节点是否位于惩罚区域或奖励区域:如果是,则在步骤S1522处在估价函数f(n)中加入第一惩罚值或第一奖励值;如果否,则前进至步骤S1523,并判断n节点是否为拐点:如果是,则在步骤S1524处在估价函数f(n)中加入第二惩罚值;如果否,则前进至步骤S1525,并判断n节点是否位于已有动线上:如果是,则在步骤S1526处判断目标动线与已有动线是否为同类型动线:如果是,则在步骤S1527处将目标动线与已有动线合并;如果否,则在步骤S1528处估价函数f(n)中加入第三惩罚值;然后在步骤S1530处基于f(n)扩展到下一相邻节点;接着在步骤S1540处判断下一相邻节点是否为目标节点:如果是,则在步骤S1560处结束该流程;如果否,则在步骤S1550处将下一相邻节点更新为下一循环中的n节点,并随后在步骤S1521开始下一个循环。
需要说明的是,图6所示的流程S1500中并未示出节点n在障碍区域和自由区域的判断和动作,但这并不代表在搜索路径的过程中不包括该环节,本领域技术人员可以采取适合的方式实现对障碍区域和自由区域的判断及后续动作(例如采用上文提及的为各区域中的栅格赋予各自的栅格通行代价值来进行判断)。同时,上述实施例中的节点n可以表示在栅格地图范围内的任意当前节点的相邻节点,例如在图6的步骤S1520处,当前节点为起始节点,节点n为起始节点的相邻节点,为了容易理解,这里的节点n可以看做是第一节点,在该循环中的所有步骤中,节点n都为第一节点;而在下一个循环中,当前节点更新为第一节点(由于第一节点可以有多个,因此这里的第一节点也可以是一个或多个),节点n更新为下一个相邻节点,即第一节点的相邻节点,为了容易理解,这里的节点n可以看做是第二节点,在该循环中的所有步骤中,节点n都为第二节点;以此类推。
进一步地,上文所述的拐点可以指相对于之前的路径改变了方向的节点,在本发明的一个或多个实施例中,我们约束n节点相对于上一节点只能是在上下左右4个方向,这样能够保证最终的路径是横平竖直的,例如可以将步骤S1524中的在估价函数f(n)中加入的第二惩罚值设置为一较大数值——例如90,以便通过这种转向惩罚来尽量避免动线转弯。在本发明的其他实施例中,也可以不对方向做上述约束,即n节点相对于上一节点可以是位于上下左右以及斜向的,在该情况下,还可以将拐点对应的惩罚值细分为上下左右惩罚值和斜向惩罚值,斜向惩罚值将设置为大于上下左右惩罚值的数值,从而鼓励尽量不走斜线。
此外,在寻找动线的过程中,需要考虑的不仅仅是到达一个目标节点的路径最短,还需要考虑合理和美观,通过图6中所示的步骤S1525~S1528,可以实现搜索同类动线不重复计算,不同类动线尽量互补干扰。具体来说,户型的动线是居住套型一个非常重要的属性,它通常描绘出一个居住空间的生活便利性和私密性等等。常见的动线包括:居住动线,主要涉及的区域例如有客厅、餐厅、书房、衣帽间、卫生间和卧室,这些区域都是私密性较强的:家务动线,例如有厨房与洗晒衣物的地方,这些地方都是做日常家务会用到的地方;访客动线,例如有客厅、餐厅和公共卫生间。为了能通过动线的规划使得不同功能的区域不相互干扰,以上列举的三类常见动线之间尽量不产生交叉或具有相同路线,例如访客动线不应与居住动线和家务动线交叉,以免影响家人休息与工作。
在本发明一个或多个实施例中,对于一个房屋来说由于需要计算多条动线,因此可以将计算好的动线都在栅格地图中做出标记,也可以将动线经过的所有栅格的坐标记录下来,以便在计算后续动线时进行S1525步骤的判断。如果正在计算的目标动线的n节点位于已有动线上,则分为以下两种情况:目标动线与已有动线为同类型动线、目标动线与已有动线为不同类型动线。对于第一种情况来说,同一类动线一般不涉及干扰的问题,所以一旦检测到n节点已经存在计算出的动线,说明在搜索当前类的其他兴趣点时,已经走过这条路,于是直接结束当前寻找,将路径合并到已有动线中。这不仅可以避免重复计算,还能够避免搜索出多条冗余同类动线。对于第二种情况来说,由于存在不同类型动线的交叉或重叠,因此可以将步骤S1528中在估价函数f(n)中加入的第三惩罚值设置为一较大数值——例如15,以便通过加入该碰撞惩罚来避免不同类型动线之间的交叉或重叠,从而实现动线的合理性和美观度。
需要说明的是,上文所述的转向惩罚和碰撞惩罚的具体数值可以根据实际情况进行设置,本发明所列举的数值仅为示例。
在本发明另外的实施例中,预设的路径规划算法还可以采用广度优先(BreadthFirst)算法、Dijkstra算法、最佳优先(Best First)算法等本领域技术人员能够知晓的其他算法,值得注意的是,在使用上述其他的路径规划算法时,上文实施例中所述的具体步骤也将作出适应性调整,具体步骤在此不再赘述。
进一步需要说明的是,以上结合图6所做出的搜索动线的说明,仅出于便于描述的目的,具体实施过程中,在不脱离本发明的思想且不影响本发明的技术效果的前提下,步骤S1521~1522、步骤S1523~1524以及步骤S1525~1528的顺序可以任意调换,也可以仅实施其中的部分步骤。
基于同样的发明构思,图7示出了本发明一实施例的户型动线的计算装置2000的结构示意图,所述装置2000包括:栅格化模块2100,其被配置为将户型图映射为栅格地图,在本发明的实施例中,该栅格化模块2100可以配置为执行图1中S1100所示以及在本说明书中与图1中S1100相对应的步骤;标记模块2200,其被配置为在所述栅格地图上标记出障碍区域、自由区域和修正区域,在本发明的实施例中,该标记模块2200可以配置为执行图1中S1200、图2和图2所示以及在本说明书中与图1中S1200、图2和图2相对应的步骤;赋值模块2300,其被配置为为所述障碍区域、自由区域和修正区域赋予不同的通行代价值,在本发明的实施例中,该赋值模块2300可以配置为执行图1中S1300所示以及在本说明书中与图1中S1300相对应的步骤;确定模块2400,其被配置为确定目标动线的起始节点和目标节点,在本发明的实施例中,该确定模块2400可以配置为执行图1中S1400所示以及在本说明书中与图1中S1400相对应的步骤;搜索模块2500,其被配置为基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径,并将其作为目标动线,该搜索模块2500可以配置为执行图1中S1500、图6所示以及在本说明书中与图1中S1500、图6相对应的步骤。
基于同样的发明构思,图8示出了根据本发明一实施例的图7的标记模块2200的结构示意图,所述标记模块2200包括:惩罚区域子模块2210,其被配置为将所述户型图中的墙体线膨胀第一宽度;将膨胀的墙体线映射到所述栅格地图;以及将映射到所述栅格地图的膨胀的墙体线所在栅格标记为惩罚区域,在本发明的实施例中,该惩罚区域子模块2210可以配置为执行图2所示以及在本说明书中与图2相对应的步骤;奖励区域子模块2220,其被配置为计算所述户型图的骨骼线;将所述骨骼线膨胀第二宽度;将膨胀的骨骼线映射到所述栅格地图;以及将映射到所述栅格地图的膨胀的骨骼线所在栅格标记为奖励区域,在本发明的实施例中,该奖励区域子模块2220可以配置为执行图3所示以及在本说明书中与图3相对应的步骤。
可以理解,图7~8所示的结构仅为示意,所述装置还可包括比图7~8中所示更多或者更少的模块或组件,或者具有与图7~8所示不同的配置。
此外,本申请还提供了一种计算机设备,根据本发明一实施例,该计算机设备可以包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,当所述处理器执行所述程序时,可以实现本说明书所述的户型动线的计算方法的步骤。
此外,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。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装置执行时,使得该装置可以执行本说明书所述的户型动线的计算方法的步骤。
此外,本申请还提供了一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时可以实现本说明书所述的户型动线的计算方法的步骤。
特别地,以上参考附图中的流程图描述的实施例过程可以被实现为计算机软件程序。例如,本申请说明书公开的实施例包括一种计算机程序产品,其包括承载在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附图中各流程图所示的方法的程序代码,通过处理器执行该计算机程序,来执行本申请的方法。
需要说明的是,本申请所描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: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)、闪存、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。
在本申请中,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。而在本申请中,计算机可读的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。计算机可读的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:无线、电线、光缆、RF等,或者上述的任意合适的组合。
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申请的操作的计算机程序代码,上述程序设计语言包括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,示例性示出了按照本申请各实施例的系统、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。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。应当注意,在有些可作为替换的实施方式中,方框中所标注的功能也可以以不同于附图中所示的顺序发生。例如,两个依次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。还要注意的是,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。
本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。上述单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器,其包括栅格化模块、标记模块、赋值模块、确定模块、搜索模块等。这些单元或模块的名称在某些情况下并不构成对该单元或模块本身的限定。
在本说明书中提及的所有文献都在本申请中引用作为参考,就如同每一篇文献被完整引用至本说明书作为参考。
此外应理解,在阅读了本发明的上述说明内容之后,本领域技术人员可以对本发明做出各种改动或修改,这些等同形式同样落入本发明的保护范围。

Claims (10)

1.一种户型动线的计算方法,其特征在于,包括以下步骤:
将户型图映射为栅格地图;
在所述栅格地图上标记出障碍区域、自由区域和修正区域,所述修正区域包括惩罚区域和/或奖励区域;
为所述障碍区域、自由区域和修正区域赋予不同的通行代价值;
确定目标动线的起始节点和目标节点;以及
基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径,并将其作为目标动线。
2.根据权利要求1所述的方法,其特征在于,在所述栅格地图上标记出惩罚区域包括:
将所述户型图中的墙体线膨胀第一宽度;
将膨胀的墙体线映射到所述栅格地图;以及
将映射到所述栅格地图的膨胀的墙体线所在栅格标记为惩罚区域。
3.根据权利要求1所述的方法,其特征在于,在所述栅格地图上标记出奖励区域包括:
计算所述户型图的骨骼线;
将所述骨骼线膨胀第二宽度;
将膨胀的骨骼线映射到所述栅格地图;以及
将映射到所述栅格地图的膨胀的骨骼线所在栅格标记为奖励区域。
4.根据权利要求1所述的方法,其特征在于,所述预设的路径规划算法为A-star算法,其通过下式来计算每个节点的栅格通行代价值:
f(n)=g(n)+h(n)
其中,f(n)表示n节点的估价函数,g(n)表示起始节点到n节点的实际代价,h(n)表示n节点到目标节点的估计代价,
所述基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径包括:
如果n节点位于惩罚区域或奖励区域,则在估价函数f(n)中加入第一惩罚值或第一奖励值。
5.根据权利要求4所述的方法,其特征在于,所述基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径还包括:
如果n节点为拐点,则在估价函数f(n)中加入第二惩罚值。
6.根据权利要求4所述的方法,其特征在于,所述基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径还包括:
如果n节点位于已有动线上,则判断目标动线与已有动线是否为同类型动线:如果是,则将目标动线与已有动线合并;如果否,则在估价函数f(n)中加入第三惩罚值。
7.一种户型动线的计算装置,其特征在于,包括:
栅格化模块,其被配置为:将户型图映射为栅格地图;
标记模块,其被配置为:在所述栅格地图上标记出障碍区域、自由区域和修正区域,所述修正区域包括惩罚区域和/或奖励区域;
赋值模块,其被配置为:为所述障碍区域、自由区域和修正区域赋予不同的通行代价值;
确定模块,其被配置为:确定目标动线的起始节点和目标节点;以及
搜索模块,其被配置为:基于预设的路径规划算法和所述障碍区域、自由区域和修正区域的通行代价值搜索出总通行代价最小的路径,并将其作为目标动线。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
10.一种计算机程序产品,包括计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
CN202111225058.2A 2021-10-21 2021-10-21 一种户型动线的计算方法及装置 Pending CN113970321A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111225058.2A CN113970321A (zh) 2021-10-21 2021-10-21 一种户型动线的计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111225058.2A CN113970321A (zh) 2021-10-21 2021-10-21 一种户型动线的计算方法及装置

Publications (1)

Publication Number Publication Date
CN113970321A true CN113970321A (zh) 2022-01-25

Family

ID=79587905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111225058.2A Pending CN113970321A (zh) 2021-10-21 2021-10-21 一种户型动线的计算方法及装置

Country Status (1)

Country Link
CN (1) CN113970321A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117274424A (zh) * 2023-08-23 2023-12-22 瑞庭网络技术(上海)有限公司 房源信息处理方法、装置、电子设备及存储介质

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101018235A (zh) * 2006-11-16 2007-08-15 南京邮电大学 基于智能代理的无线传感器网络数据聚合路径规划方法
WO2012115690A1 (en) * 2011-02-21 2012-08-30 Exxonmobil Upstream Research Company Method and system for field planning
JP2015074949A (ja) * 2013-10-11 2015-04-20 ミサワホーム株式会社 二世帯型住宅
US20150154323A1 (en) * 2011-09-27 2015-06-04 Autodesk, Inc. Horizontal optimization of transport alignments
CN107990903A (zh) * 2017-12-29 2018-05-04 东南大学 一种基于改进a*算法的室内agv路径规划方法
CN108775902A (zh) * 2018-07-25 2018-11-09 齐鲁工业大学 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统
EP3438611A1 (en) * 2017-04-11 2019-02-06 Ping An Technology (Shenzhen) Co., Ltd. Path planning system and method for robot, robot and storage medium
CN109387214A (zh) * 2018-09-05 2019-02-26 南京理工大学 一种基于虚拟墙的机器人路径规划算法
CN109764886A (zh) * 2019-01-15 2019-05-17 成都信息工程大学 一种路径规划方法
CN110595482A (zh) * 2019-10-28 2019-12-20 深圳市银星智能科技股份有限公司 一种带避障权重的路径规划方法、装置及电子设备
CN110883776A (zh) * 2019-11-29 2020-03-17 河南大学 一种快速搜索机制下改进dqn的机器人路径规划算法
CN110986951A (zh) * 2019-12-11 2020-04-10 广州市技田信息技术有限公司 一种基于惩罚权重的路径规划方法、导航格以及栅格地图
CN111141264A (zh) * 2019-12-31 2020-05-12 中国电子科技集团公司信息科学研究院 一种基于无人机的城市三维测绘方法和系统
CN111291440A (zh) * 2020-02-13 2020-06-16 广东三维家信息科技有限公司 住宅户型动线计算方法和装置
CN111382805A (zh) * 2020-04-02 2020-07-07 贝壳技术有限公司 用于处理房屋的户型矢量数据的方法、电子设备和介质
CN111422741A (zh) * 2020-03-24 2020-07-17 苏州西弗智能科技有限公司 一种桥式起重机运动路径规划方法
CN111515932A (zh) * 2020-04-23 2020-08-11 东华大学 一种基于人工势场与强化学习的人机共融流水线实现方法
CN111528732A (zh) * 2020-03-27 2020-08-14 珠海格力电器股份有限公司 一种清洁机器人运行控制方法、装置、系统及存储介质
CN112346480A (zh) * 2020-11-18 2021-02-09 宁波图灵奇点智能科技有限公司 一种室内无人机及其控制方法、计算机可读存储介质
CN113359757A (zh) * 2021-06-30 2021-09-07 湖北汽车工业学院 一种改进型混合a*算法的无人驾驶车辆路径规划与轨迹跟踪方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101018235A (zh) * 2006-11-16 2007-08-15 南京邮电大学 基于智能代理的无线传感器网络数据聚合路径规划方法
WO2012115690A1 (en) * 2011-02-21 2012-08-30 Exxonmobil Upstream Research Company Method and system for field planning
US20150154323A1 (en) * 2011-09-27 2015-06-04 Autodesk, Inc. Horizontal optimization of transport alignments
JP2015074949A (ja) * 2013-10-11 2015-04-20 ミサワホーム株式会社 二世帯型住宅
EP3438611A1 (en) * 2017-04-11 2019-02-06 Ping An Technology (Shenzhen) Co., Ltd. Path planning system and method for robot, robot and storage medium
CN107990903A (zh) * 2017-12-29 2018-05-04 东南大学 一种基于改进a*算法的室内agv路径规划方法
CN108775902A (zh) * 2018-07-25 2018-11-09 齐鲁工业大学 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统
CN109387214A (zh) * 2018-09-05 2019-02-26 南京理工大学 一种基于虚拟墙的机器人路径规划算法
CN109764886A (zh) * 2019-01-15 2019-05-17 成都信息工程大学 一种路径规划方法
CN110595482A (zh) * 2019-10-28 2019-12-20 深圳市银星智能科技股份有限公司 一种带避障权重的路径规划方法、装置及电子设备
CN110883776A (zh) * 2019-11-29 2020-03-17 河南大学 一种快速搜索机制下改进dqn的机器人路径规划算法
CN110986951A (zh) * 2019-12-11 2020-04-10 广州市技田信息技术有限公司 一种基于惩罚权重的路径规划方法、导航格以及栅格地图
CN111141264A (zh) * 2019-12-31 2020-05-12 中国电子科技集团公司信息科学研究院 一种基于无人机的城市三维测绘方法和系统
CN111291440A (zh) * 2020-02-13 2020-06-16 广东三维家信息科技有限公司 住宅户型动线计算方法和装置
CN111422741A (zh) * 2020-03-24 2020-07-17 苏州西弗智能科技有限公司 一种桥式起重机运动路径规划方法
CN111528732A (zh) * 2020-03-27 2020-08-14 珠海格力电器股份有限公司 一种清洁机器人运行控制方法、装置、系统及存储介质
CN111382805A (zh) * 2020-04-02 2020-07-07 贝壳技术有限公司 用于处理房屋的户型矢量数据的方法、电子设备和介质
CN111515932A (zh) * 2020-04-23 2020-08-11 东华大学 一种基于人工势场与强化学习的人机共融流水线实现方法
CN112346480A (zh) * 2020-11-18 2021-02-09 宁波图灵奇点智能科技有限公司 一种室内无人机及其控制方法、计算机可读存储介质
CN113359757A (zh) * 2021-06-30 2021-09-07 湖北汽车工业学院 一种改进型混合a*算法的无人驾驶车辆路径规划与轨迹跟踪方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
NA YW ET AL: "Optimal Energy Consumption Path Planning for Unmanned Aerial Vehicles Based on Improved Particle Swarm Optimization", 《SUSTAINABILITY》, vol. 15, no. 16, 31 August 2023 (2023-08-31), pages 1 - 10 *
PAN, H ET AL: "High-Frequency Path Mining-Based Reward and Punishment Mechanism for Multi-Colony Ant Colony Optimization", 《IEEE ACCESS》, vol. 8, 17 September 2020 (2020-09-17), pages 155459 - 155476 *
张有菊: "《Python开发从入门到精通系列 Python游戏开发 从入门到精通》", vol. 1, 30 June 2021, 北京:机械工业出版社, pages: 304 *
李雨龙: "乡村振兴视域下中国粮食安全战略研究及其提升策略", 《黑龙江粮食》, no. 8, 31 December 2022 (2022-12-31), pages 126 - 128 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117274424A (zh) * 2023-08-23 2023-12-22 瑞庭网络技术(上海)有限公司 房源信息处理方法、装置、电子设备及存储介质
CN117274424B (zh) * 2023-08-23 2024-05-10 瑞庭网络技术(上海)有限公司 房源信息处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Van Toll et al. Navigation meshes for realistic multi-layered environments
Okabe et al. A computational method for estimating the demand of retail stores on a street network and its implementation in GIS
US20120069190A1 (en) Automatic vision sensor placement apparatus and method
van Toll et al. Towards believable crowds: A generic multi-level framework for agent navigation
Gaisbauer et al. Wayfinding model for pedestrian navigation
US10753751B2 (en) Systems and methods for street level routing
CA2949867A1 (en) Route generation program, route generation method and route generation apparatus
Jaklin et al. Real‐time path planning in heterogeneous environments
Bhatt et al. The shape of empty space: Human-centred cognitive foundations in computing for spatial design
Vanclooster et al. Evaluating suitability of the least risk path algorithm to support cognitive wayfinding in indoor spaces: an empirical study
Xiong et al. Free multi-floor indoor space extraction from complex 3D building models
JP4411393B2 (ja) 解析システム
Musliman et al. Implementing 3D network analysis in 3D-GIS
US20180025099A1 (en) Method and an apparatus for calculating a distance in an area
CN113970321A (zh) 一种户型动线的计算方法及装置
Pasandi et al. Modified A* Algorithm integrated with ant colony optimization for multi-objective route-finding; case study: Yazd
Andreev et al. Towards realistic pedestrian route planning
Paulino et al. Search methods in motion planning for mobile robots
Jorgensen et al. From geometry to spatial reasoning: automatic structuring of 3d virtual environments
Mekni et al. Hierarchical path planning for multi-agent systems situated in informed virtual geographic environments
van Toll et al. Dynamically Pruned A* for re-planning in navigation meshes
KR20100106775A (ko) 비전센서 자동 배치장치 및 방법
Thomas et al. A model of hierarchical cognitive map and human-like memory designed for reactive and planned navigation
Chandrasekara et al. Landmarks based route planning and linear path generation for mobile navigation applications
Fisher-Gewirtzman 3D LOS visibility analysis model: Incorporating quantitative/qualitative aspects in urban environments

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