CN114357106A - 一种室内路径规划方法及装置 - Google Patents
一种室内路径规划方法及装置 Download PDFInfo
- Publication number
- CN114357106A CN114357106A CN202210275703.XA CN202210275703A CN114357106A CN 114357106 A CN114357106 A CN 114357106A CN 202210275703 A CN202210275703 A CN 202210275703A CN 114357106 A CN114357106 A CN 114357106A
- Authority
- CN
- China
- Prior art keywords
- subspace
- grid
- indoor
- node
- subspaces
- 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
Links
Images
Landscapes
- Navigation (AREA)
Abstract
本申请提供一种室内路径规划方法及装置。该方法的具体步骤包括：将室内空间分割成若干个形状为凸多边形的子空间，定义所述子空间的功能属性；对所述室内空间进行栅格划分，采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系，确定栅格类型；将所述子空间的标识与其对应的所述栅格绑定；建立矢量网络模型和混合栅格与矢量网络模型的室内地图；采用Dijkstra算法计算所述起始节点到所述室内地图中其余各个所述节点的最短路径；采用A*算法计算起始点到终点的最优路径。本申请所述的一种室内路径规划方法及装置，能够解决单纯依靠栅格地图无法表达语义信息的问题，以及单纯依靠矢量网络模型无法精确表达室内移动对象空间位置的问题。
Description
技术领域
本申请属于室内路径规划和地理信息系统领域，尤其涉及一种室内路径规划方法及装置。
背景技术
随着科技水平的提高，移动和物联网业务的飞速发展，人们对于定位服务的需求日益增大，尤其在复杂的室内环境中常常需要确定移动终端或其持有者在室内的位置信息，实现室内路径规划。然而，用于表达室内空间信息的室内环境地图是进行室内路径规划的基础。
目前，在面向室内路径规划的室内空间建模方面，主要包含基于矢量网络和基于栅格的两种方法，其中，矢量方法的目的是构建可用于最短路径计算的矢量网络模型，如开放地理信息联盟（OGC）发布的IndoorGML室内导航模块即是基于庞加莱对偶空间（Poincaréduality）将室内空间映射到网络图（NRG）模型中。然而，矢量网络模型将空间及空间关系抽象为点与点之间的连线，表达方法过于抽象，忽略了室内导航过程中感知环境所需的细节，也无法表示移动对象的具体位置，且几何计算量较大，效率较低。
基于栅格的室内环境地图构建是将室内空间划分成具有一定空间分辨率的规则格网，已有大量基于二维栅格地图的室内路径规划被应用于火灾救援等方面；此类建模方法可较为精确地描述室内可导航区域及障碍区域的边界，且路径规划算法计算效率较高。然而，一方面，基于栅格的方法较少考虑移动对象本身的大小，在障碍物拐角处通过两个栅格的对角线寻找或形成的最优路径并不适合具有一定大小的空间对象通过（如人、机器人等）；另一方面，室内空间变化较大（如门窗的开合，家具移动等），基于栅格的室内地图构建方法并不能及时有效地表达室内空间变化。
因此，传统的基于栅格的室内地图表达方式很难表达室内空间对象的变化，而基于矢量网络的地图表达方式一方面难以表示空间对象的具体位置，另一方面矢量网络构建过程计算量较大，计算效率低。
发明内容
基于此，本申请的目的在于，提供一种室内路径规划方法及装置，能够解决单纯依靠栅格地图无法表示空间对象的具体位置，以及单纯依靠矢量网络模型难以表示空间对象的具体位置，计算量较大，计算效率低的问题。
一种室内路径规划方法，包括如下步骤：
将室内空间分割成若干个形状为凸多边形的子空间，根据所述子空间的类型，确定所述子空间的标识，其中，所述标识包括与所述子空间的类型对应的类型标识以及身份标识；
根据所述子空间的类型和预设的功能属性，确定所述子空间的功能属性；
将所述室内空间进行栅格划分，采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系，根据各个所述栅格与各个所述子空间之间的空间关系和预设的栅格类型，确定所述室内空间中各个栅格的类型；
根据各个所述栅格与各个所述子空间之间的空间关系和各个所述子空间的功能属性，将所述子空间的标识与其对应的所述栅格绑定；
根据各个所述子空间之间邻接性和连通性，建立矢量网络模型；其中，所述矢量网络模型包括节点和边，所述节点为所述子空间的几何中心，所述边为两个邻接且相通的子空间对应的所述节点之间的连线，所述边的权重等于该边对应的两个所述节点间的欧氏距离；
将所述子空间的标识与所述矢量网络模型中该子空间对应的节点绑定，建立混合栅格与矢量网络模型的室内地图；
根据输入的位置信息获取起始节点，采用Dijkstra算法计算所述起始节点到所述室内地图中其余各个所述节点的最短路径，其中，所述最短路径为所述起始节点到所述室内地图中其余各个所述节点的最短路径的边的权重之和；
根据输入的位置信息获取目标节点，从Dijkstra算法获得的所述最短路径中获取所述起始节点到所述目标节点需要经过的门节点；其中，所述门节点为所述室内地图中所述子空间的类型为门对应的节点；
从输入的位置信息中获取起点和终点，根据所述室内地图中各个栅格的类型，采用A*算法分别计算所述起点到第一个门节点的最短路径、第一个门节点以后每个所述门节点到下一个所述门节点的最短路径以及最后一个所述门节点到所述终点的最短路径，将计算结果合并，得到所述起点到所述终点的最优路径规划结果。
本申请所述的一种室内路径规划方法，根据各个所述栅格与各个所述子空间之间的空间关系，建立矢量网络模型和混合栅格与矢量网络模型的室内地图，能够解决单纯依靠栅格地图无法表示空间对象的具体位置，以及单纯依靠矢量网络模型难以表示空间对象的具体位置，计算量较大，计算效率低的问题。
进一步地，采用向量法将室内空间分割成若干个形状为凸多边形的子空间。
进一步地，所述子空间的类型包括墙体、门、家具、房间和火炉。
进一步地，所述预设的功能属性包括自由空间、连接空间、障碍空间和功能空间。
进一步地，所述预设的栅格类型包括完整栅格、重叠栅格、障碍栅格、自由栅格和可通行栅格。
进一步地，在采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系的步骤中，所述空间关系包括不相交、相交和包含。
本申请还提供一种室内路径规划装置，其特征在于，包括：
室内空间划分模块，用于将室内空间分割成若干个形状为凸多边形的子空间，根据所述子空间的类型，确定所述子空间的标识，其中，所述标识包括与所述子空间的类型对应的类型标识以及身份标识；
子空间功能属性定义模块，用于根据所述子空间的类型和预设的功能属性，确定所述子空间的功能属性；
栅格类型定义模块，用于将所述室内空间进行栅格划分，采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系，根据各个所述栅格与各个所述子空间之间的空间关系和预设的栅格类型，确定所述室内空间中各个栅格的类型；
标识绑定栅格模块，用于根据各个所述栅格与各个所述子空间之间的空间关系和各个所述子空间的功能属性，将所述子空间的标识与其对应的所述栅格绑定；
矢量网络模型生成模块，用于根据各个所述子空间之间邻接性和连通性，建立矢量网络模型；其中，所述矢量网络模型包括节点和边，所述节点为所述子空间的几何中心，所述边为两个邻接且相通的子空间对应的所述节点之间的连线，所述边的权重等于该边对应的两个所述节点间的欧氏距离；
室内地图生成模块，用于将所述子空间的标识与所述矢量网络模型中该子空间对应的节点绑定，建立混合栅格与矢量网络模型的室内地图；
Dijkstra算法模块，用于根据输入的位置信息获取起始节点，采用Dijkstra算法计算所述起始节点到所述室内地图中其余各个所述节点的最短路径，其中，所述最短路径为所述起始节点到所述室内地图中其余各个所述节点的最短路径的边的权重之和；
门节点获取模块，用于根据输入的位置信息获取目标节点，从Dijkstra算法获得的所述最短路径中获取所述起始节点到所述目标节点需要经过的门节点；其中，所述门节点为所述室内地图中所述子空间的类型为门对应的节点；
A*算法模块，用于从输入的位置信息中获取起点和终点，根据所述室内地图中各个栅格的类型，采用A*算法分别计算所述起点到第一个门节点的最短路径、第一个门节点以后每个所述门节点到下一个所述门节点的最短路径以及最后一个所述门节点到所述终点的最短路径，将计算结果合并，得到所述起点到所述终点的最优路径规划结果。
为了更好地理解和实施，下面结合附图详细说明本申请。
附图说明
图1为本申请实施例提供的室内路径规划方法的流程示意图；
图2为本申请实施例提供的基于向量法的室内空间分割示意图；
图3为本申请实施例提供的子空间类型定义图；
图4为本申请实施例提供的子空间功能属性定义图；
图5为本申请实施例提供的基于分离轴理论的凸多边形空间关系计算原理图；
图6为本申请实施例提供的栅格类型定义图；
图7为本申请实施例提供的基于Dijkstra算法的最短路径规划结果图；
图8为本申请实施例提供的基于A*算法的最优路径规划结果图；
图9为本申请实施例提供的室内路径规划装置的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步说明，本申请的实施方式包括但不限于下列实施例。
如图1所示，图1为本申请实施例提供的室内路径规划方法的流程示意图，该方法包括如下步骤：
S1、将室内空间分割成若干个形状为凸多边形的子空间，根据所述子空间的类型，确定所述子空间的标识，其中，所述标识包括与所述子空间的类型对应的类型标识以及身份标识。
具体地，将需要进行室内路径规划的室内空间分割成若干个凸多边形，每个凸多边形构成一个子空间。
如图2所示，对所述室内空间进行分割采用的是向量法。
如图3所示，所述子空间的类型包括墙体（Wall）、门（Door）、家具（Furniture）、房间（Room）和火炉（Stove）。所述子空间的标识包括与所述子空间的类型对应的类型标识以及身份标识，其中，所述类型标识为所述子空间的类型，所述身份标识可以为数字ID、字母等，例如，若所述子空间为墙体，则赋予该子空间的标识为墙体（Wall）；若所述子空间为家具，则赋予该子空间的标识为家具（Furniture）；若所述子空间为火炉，则赋予该子空间的标识为火炉（Stove）；若所述子空间为两个门，则赋予这两个子空间的标识分别为门1（Door1）和门2（Door2）；若所述子空间为两个房间，则赋予这两个子空间的标识分别为房间1（Room1）和房间2（Room2）。
S2、根据所述子空间的类型和预设的功能属性，确定所述子空间的功能属性。
如图4所示，所述预设的功能属性包括：
自由空间（free_Space）：在避免碰撞的前提下可用于行走或通过的子空间；
连接空间（connection_Space）：用于连通不同子空间的子空间，如门、楼梯等占据的子空间；
障碍空间（obstacle_Space）：被墙体、家具等占据的不可通行的子空间；
功能空间（function_Space）：室内空间对象在发挥其功能时占据的子空间，或者影响室内移动对象在此区域的可通行性的子空间，如为安全起见，设置距室内火炉一定距离的区域内不允许儿童靠近。
所述室内空间对象为室内占据一定空间的对象，如人、墙体、家具、火炉等。
所述室内移动对象为室内发生位置变化的对象，如人、机器人等。
具体地，所述子空间的类型为房间时，该子空间在避免碰撞的前提下可用于行走或通过，所以该子空间为预设的自由空间；所述子空间的类型为门时，该子空间可用于连通不同的子空间，所以该子空间为预设的连接空间；所述子空间的类型为墙体、火炉或家具时，该子空间不可通行，所以该子空间为预设的障碍空间；所述的子空间为距火炉一定距离的区域时，该子空间在火炉工作时不允许儿童靠近，所以该子空间为预设的功能空间。
S3、将所述室内空间进行栅格划分，采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系，根据各个所述栅格与各个所述子空间之间的空间关系和预设的栅格类型，确定所述室内空间中各个栅格的类型。
其中，所述预设的栅格类型包括：
完整栅格（integrated_grid）：完全被室内空间对象在XOY平面上的垂直投影所包含的栅格；若被墙体投影包含，则称为墙体栅格；房间栅格及门栅格等概念都以此类推；
重叠栅格（overlapped_grid）：由两个或多个室内空间对象的投影组成的栅格；
障碍栅格（obstacle_grid）：由墙体、家具、关闭状态的门、柱子等室内空间对象在XOY平面上的投影所覆盖的完整栅格；
自由栅格（free_grid）：由房间、走廊、楼梯、电梯及处于开启状态的门等室内空间对象在XOY平面上的投影所覆盖的完整栅格；
可通行栅格（passable_grid）：可满足室内空间对象移动且不发生碰撞的自由栅格。
将所述室内空间进行栅格划分即将所述室内空间分割成有规律的网格。
采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系，其中，所述分离轴理论的计算原理如图5所示，假设两个凸多边形A与B共有n条边，这n条边的方向向量为{e1, e2,…, ei ,…, en}。首先，将两个凸多边形沿着方向向量ei投影至与ei垂直的分离轴上，得到凸多边形A与B在分离轴上的投影lai与lbi，（如沿着边p1ap2a的方向向量e1投影后，凸多边形A和B在分离轴上的投影分别为la和lb）。各个所述栅格与各个所述子空间之间的空间关系包括不相交、相交和包含，若lai与lbi不相交，则两个凸多边形不相交，并终止计算；若lai与lbi相交，则继续沿着方向向量ei+1 (其中，i+1≤n)进行投影，并判断凸多边形A和B在ei+1对应的分离轴上的投影是否相交，若两个凸多边形在任意方向向量对应的分离轴上的投影都相交，则两个凸多边形A和B相交；若两个凸多边形在任意方向向量对应的分离轴上的投影lai与lbi都满足lai包含于lbi，则凸多边形A包含于B。
根据上述分离轴理论得到的各个所述栅格与各个所述子空间之间的空间关系和预设的栅格类型，确定所述室内空间中各个栅格的类型。具体地，为避免室内移动对象与墙体、家具等室内空间对象发生碰撞，将重叠栅格划分为障碍栅格，如图6中的(a)和(b)所示，将重叠栅格（overlapped_grid）划分为墙体栅格（wall_grid）；而对于厚度小于墙体的门而言，为保证不同子空间之间的连通性，将门栅格（door_grid）沿着门的法线方向（正负方向）进行扩展，以连通不同的子空间，如图6中的(c)和(d)所示。
S4、根据各个所述栅格与各个所述子空间之间的空间关系和各个所述子空间的功能属性，将所述子空间的标识与其对应的所述栅格绑定。
具体地，根据步骤S3得到的各个所述栅格与各个所述子空间之间的空间关系以及步骤S2得到的各个所述子空间的功能属性，将所述子空间的标识与其对应的所述栅格绑定，使每一个栅格指向对应的室内子空间，通过子空间标识来关联栅格。例如：将所述子空间的功能属性为自由空间对应的所述子空间标识与被其完全包含的栅格进行绑定；将所述子空间的功能属性为连接空间、障碍空间或者功能空间对应的所述子空间标识与被其完全包含或者相交的栅格进行绑定。
S5、根据各个所述子空间之间邻接性和连通性，建立矢量网络模型；其中，所述矢量网络模型包括节点和边，所述节点为所述子空间的几何中心，所述边为两个邻接且相通的子空间对应的所述节点之间的连线，所述边的权重等于该边对应的两个所述节点间的欧氏距离。
具体地，所述矢量网络模型包括节点和边，其中，所述节点为各个所述子空间的几何中心；当两个子空间邻接且相通时，这两个子空间对应的所述节点之间的连线即为所述边，所述边的权重等于该边对应的两个所述节点间的欧氏距离。
S6、将所述子空间的标识与所述矢量网络模型中该子空间对应的节点绑定，建立混合栅格与矢量网络模型的室内地图。
具体地，将所述子空间的标识与该子空间在所述矢量网络模型中对应的节点绑定，使得所述节点指向对应的所述子空间和所述栅格，从而建立混合栅格与矢量网络模型的室内地图。
S7、根据输入的位置信息获取起始节点，采用Dijkstra算法计算所述起始节点到所述室内地图中其余各个所述节点的最短路径，其中，所述最短路径为所述起始节点到所述室内地图中其余各个所述节点的最短路径的边的权重之和。
所述起始节点为输入的位置信息中室内路径规划的起点所在的子空间对应的节点。
具体地，所述Dijkstra算法的原理为：首先把所述起始节点到所述室内地图中其余各个所述节点的距离存下来，若所述起始节点对应的子空间与该节点对应的子空间邻接且相通，则所述起始节点到该节点的距离为这两个节点对应的边的权重；否则，所述起始节点到该节点的距离为无穷大。然后松弛一次找出更短的距离，所谓的松弛操作就是，将与所述起始节点距离最短的节点作为中转站，更新所述起始节点到所述室内地图中其余各个所述节点的距离。重复上述松弛操作，直到遍历完所有节点，得到所述起始节点到所述室内地图中其余各个所述节点的最短路径。
S8、根据输入的位置信息获取目标节点，从Dijkstra算法获得的所述最短路径中获取所述起始节点到所述目标节点需要经过的门节点；其中，所述门节点为所述室内地图中所述子空间的类型为门对应的节点。
所述目标节点为输入的位置信息中室内路径规划的终点所在的子空间对应的节点。
具体地，根据输入的位置信息获取室内路径规划的目标节点，从步骤S7采用Dijkstra算法获得的所述最短路径中获取所述起始节点到所述目标节点需要经过的门节点。其中，所述门节点为所述室内地图中所述子空间的类型为门对应的节点。
S9、从输入的位置信息中获取起点和终点，根据所述室内地图中各个栅格的类型，采用A*算法分别计算所述起点到第一个门节点的最短路径、第一个门节点以后每个所述门节点到下一个所述门节点的最短路径以及最后一个所述门节点到所述终点的最短路径，将计算结果合并，得到所述起点到所述终点的最优路径规划结果。
具体地，从输入的位置信息中获取本次室内路径规划的起点和终点，根据步骤S3得到的所述室内地图中各个栅格的类型，采用A*算法计算所述起点到所述终点的最优路径。例如：进行室内路径规划时，所述室内移动对象不能通过障碍栅格，只能在可通行栅格上进行路径规划。
所述A*算法的原理是在确定局部目标节点后，通过评价函数F(n)=G(n)+H(n)来评价当前待检测点n的代价值，选取代价值最小的待检测点作为下一途径点，依次寻找，直至到达局部目标节点。所述局部目标节点为每次采用A*算法进行计算时的局部终点对应的节点，如计算所述起点到第一个门节点的最短路径时，所述第一个门节点即为此次计算的局部目标节点。
其中，F(n)为当前节点n的代价值，表示室内移动对象从起点经过当前节点n到达局部目标节点的预计总移动开销；G(n)表示室内移动对象从起点到当前节点n的移动开销；H(n)表示室内移动对象从当前节点n到局部目标节点的估计移动开销。
在一种可选的实施例中，如图7所示，步骤S7中，根据输入的位置信息获取到起始节点S，对某个室内空间采用Dijkstra算法计算所述起始节点S到其余各个所述节点的最短路径。步骤S8中，根据输入的位置信息获取到目标节点E，从步骤S7得到的最短路径中获取所述起始节点S到所述目标节点E需要经过的门节点：D1、D2、D3、D4。
如图8所示，步骤S9中，从输入的位置信息中获取起点A和终点B，根据所述室内地图中各个栅格的类型，采用A*算法分别计算所述起点A到第一个门节点D1的最短路径、第一个门节点D1到第二个门节点D2的最短路径、第二个门节点D2到第三个门节点D3的最短路径、第三个门节点D3到第四个门节点D4的最短路径以及最后一个门节点D4到所述终点B的最短路径，然后将这些计算结果进行合并，得到所述起点A到所述终点B的最优路径规划结果。
如图9所示，图9为本申请实施例提供的室内路径规划装置的结构示意图。所述室内路径规划装置包括：
室内空间划分模块10，用于将室内空间分割成若干个形状为凸多边形的子空间，根据所述子空间的类型，确定所述子空间的标识，其中，所述标识包括与所述子空间的类型对应的类型标识以及身份标识；
子空间功能属性定义模块11，用于根据所述子空间的类型和预设的功能属性，确定所述子空间的功能属性；
栅格类型定义模块12，用于将所述室内空间进行栅格划分，采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系，根据各个所述栅格与各个所述子空间之间的空间关系和预设的栅格类型，确定所述室内空间中各个栅格的类型；
标识绑定栅格模块13，用于根据各个所述栅格与各个所述子空间之间的空间关系和各个所述子空间的功能属性，将所述子空间的标识与其对应的所述栅格绑定；
矢量网络模型生成模块14，用于根据各个所述子空间之间邻接性和连通性，建立矢量网络模型；其中，所述矢量网络模型包括节点和边，所述节点为所述子空间的几何中心，所述边为两个邻接且相通的子空间对应的所述节点之间的连线，所述边的权重等于该边对应的两个所述节点间的欧氏距离；
室内地图生成模块15，用于将所述子空间的标识与所述矢量网络模型中该子空间对应的节点绑定，建立混合栅格与矢量网络模型的室内地图；
Dijkstra算法模块16，用于根据输入的位置信息获取起始节点，采用Dijkstra算法计算所述起始节点到所述室内地图中其余各个所述节点的最短路径，其中，所述最短路径为所述起始节点到所述室内地图中其余各个所述节点的最短路径的边的权重之和；
门节点获取模块17，用于根据输入的位置信息获取目标节点，从Dijkstra算法获得的所述最短路径中获取所述起始节点到所述目标节点需要经过的门节点；其中，所述门节点为所述室内地图中所述子空间的类型为门对应的节点；
A*算法模块18，用于从输入的位置信息中获取起点和终点，根据所述室内地图中各个栅格的类型，采用A*算法分别计算所述起点到第一个门节点的最短路径、第一个门节点以后每个所述门节点到下一个所述门节点的最短路径以及最后一个所述门节点到所述终点的最短路径，将计算结果合并，得到所述起点到所述终点的最优路径规划结果。
需要说明的是，上述实施例提供的室内路径规划装置在执行室内路径规划方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分为不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的室内路径规划装置与室内路径规划方法属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
本申请利用向量法将室内空间分为若干个形状为凸多边形的子空间，并根据所述室内空间的栅格与所述子空间之间的空间关系，建立矢量网络模型和混合栅格与矢量网络模型的室内地图，能够避免室内路径规划过程中出现的移动对象（人、机器人等）与室内空间对象（如桌子、墙等）的碰撞，解决单纯依靠栅格地图无法表示空间对象的具体位置，以及单纯依靠矢量网络模型难以表示空间对象的具体位置，计算量较大，计算效率低的问题。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。
Claims (7)
1.一种室内路径规划方法，其特征在于，包括如下步骤：
将室内空间分割成若干个形状为凸多边形的子空间，根据所述子空间的类型，确定所述子空间的标识，其中，所述标识包括与所述子空间的类型对应的类型标识以及身份标识；
根据所述子空间的类型和预设的功能属性，确定所述子空间的功能属性；
将所述室内空间进行栅格划分，采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系，根据各个所述栅格与各个所述子空间之间的空间关系和预设的栅格类型，确定所述室内空间中各个栅格的类型；
根据各个所述栅格与各个所述子空间之间的空间关系和各个所述子空间的功能属性，将所述子空间的标识与其对应的所述栅格绑定；
根据各个所述子空间之间邻接性和连通性，建立矢量网络模型；其中，所述矢量网络模型包括节点和边，所述节点为所述子空间的几何中心，所述边为两个邻接且相通的子空间对应的所述节点之间的连线，所述边的权重等于该边对应的两个所述节点间的欧氏距离；
将所述子空间的标识与所述矢量网络模型中该子空间对应的节点绑定，建立混合栅格与矢量网络模型的室内地图；
根据输入的位置信息获取起始节点，采用Dijkstra算法计算所述起始节点到所述室内地图中其余各个所述节点的最短路径，其中，所述最短路径为所述起始节点到所述室内地图中其余各个所述节点的最短路径的边的权重之和；
根据输入的位置信息获取目标节点，从Dijkstra算法获得的所述最短路径中获取所述起始节点到所述目标节点需要经过的门节点；其中，所述门节点为所述室内地图中所述子空间的类型为门对应的节点；
从输入的位置信息中获取起点和终点，根据所述室内地图中各个栅格的类型，采用A*算法分别计算所述起点到第一个门节点的最短路径、第一个门节点以后每个所述门节点到下一个所述门节点的最短路径以及最后一个所述门节点到所述终点的最短路径，将计算结果合并，得到所述起点到所述终点的最优路径规划结果。
2.根据权利要求1所述的一种室内路径规划方法，其特征在于：采用向量法将室内空间分割成若干个形状为凸多边形的子空间。
3.根据权利要求1所述的一种室内路径规划方法，其特征在于：所述子空间的类型包括墙体、门、家具、房间和火炉。
4.根据权利要求1所述的一种室内路径规划方法，其特征在于：所述预设的功能属性包括自由空间、连接空间、障碍空间和功能空间。
5.根据权利要求1所述的一种室内路径规划方法，其特征在于：所述预设的栅格类型包括完整栅格、重叠栅格、障碍栅格、自由栅格和可通行栅格。
6.根据权利要求1所述的一种室内路径规划方法，其特征在于：在采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系的步骤中，所述空间关系包括不相交、相交和包含。
7.一种室内路径规划装置，其特征在于，包括：
室内空间划分模块，用于将室内空间分割成若干个形状为凸多边形的子空间，根据所述子空间的类型，确定所述子空间的标识，其中，所述标识包括与所述子空间的类型对应的类型标识以及身份标识；
子空间功能属性定义模块，用于根据所述子空间的类型和预设的功能属性，确定所述子空间的功能属性；
栅格类型定义模块，用于将所述室内空间进行栅格划分，采用分离轴理论判断各个所述栅格与各个所述子空间之间的空间关系，根据各个所述栅格与各个所述子空间之间的空间关系和预设的栅格类型，确定所述室内空间中各个栅格的类型；
标识绑定栅格模块，用于根据各个所述栅格与各个所述子空间之间的空间关系和各个所述子空间的功能属性，将所述子空间的标识与其对应的所述栅格绑定；
矢量网络模型生成模块，用于根据各个所述子空间之间邻接性和连通性，建立矢量网络模型；其中，所述矢量网络模型包括节点和边，所述节点为所述子空间的几何中心，所述边为两个邻接且相通的子空间对应的所述节点之间的连线，所述边的权重等于该边对应的两个所述节点间的欧氏距离；
室内地图生成模块，用于将所述子空间的标识与所述矢量网络模型中该子空间对应的节点绑定，建立混合栅格与矢量网络模型的室内地图；
Dijkstra算法模块，用于根据输入的位置信息获取起始节点，采用Dijkstra算法计算所述起始节点到所述室内地图中其余各个所述节点的最短路径，其中，所述最短路径为所述起始节点到所述室内地图中其余各个所述节点的最短路径的边的权重之和；
门节点获取模块，用于根据输入的位置信息获取目标节点，从Dijkstra算法获得的所述最短路径中获取所述起始节点到所述目标节点需要经过的门节点；其中，所述门节点为所述室内地图中所述子空间的类型为门对应的节点；
A*算法模块，用于从输入的位置信息中获取起点和终点，根据所述室内地图中各个栅格的类型，采用A*算法分别计算所述起点到第一个门节点的最短路径、第一个门节点以后每个所述门节点到下一个所述门节点的最短路径以及最后一个所述门节点到所述终点的最短路径，将计算结果合并，得到所述起点到所述终点的最优路径规划结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210275703.XA CN114357106A (zh) | 2022-03-21 | 2022-03-21 | 一种室内路径规划方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210275703.XA CN114357106A (zh) | 2022-03-21 | 2022-03-21 | 一种室内路径规划方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114357106A true CN114357106A (zh) | 2022-04-15 |
Family
ID=81094455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210275703.XA Pending CN114357106A (zh) | 2022-03-21 | 2022-03-21 | 一种室内路径规划方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114357106A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170041407A1 (en) * | 2015-04-20 | 2017-02-09 | Agverdict, Inc. | Systems and Methods for Efficiently Generating a Geospatial Data Map for Use in Agricultural Operations |
| CN106782030A (zh) * | 2016-11-30 | 2017-05-31 | 北京贝虎机器人技术有限公司 | 用于生成具有语义描述的室内地图的方法及装置 |
| CN110888960A (zh) * | 2019-11-29 | 2020-03-17 | 深圳市银星智能科技股份有限公司 | 一种室内空间分区方法、装置及移动机器人 |
| CN111457927A (zh) * | 2020-04-26 | 2020-07-28 | 北京工商大学 | 动态障碍物下的无人巡航船多目标路径规划方法 |
| CN111836199A (zh) * | 2020-06-01 | 2020-10-27 | 同济大学 | 一种室内导航动态避障寻径方法 |
-
2022
- 2022-03-21 CN CN202210275703.XA patent/CN114357106A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170041407A1 (en) * | 2015-04-20 | 2017-02-09 | Agverdict, Inc. | Systems and Methods for Efficiently Generating a Geospatial Data Map for Use in Agricultural Operations |
| CN106782030A (zh) * | 2016-11-30 | 2017-05-31 | 北京贝虎机器人技术有限公司 | 用于生成具有语义描述的室内地图的方法及装置 |
| CN110888960A (zh) * | 2019-11-29 | 2020-03-17 | 深圳市银星智能科技股份有限公司 | 一种室内空间分区方法、装置及移动机器人 |
| CN111457927A (zh) * | 2020-04-26 | 2020-07-28 | 北京工商大学 | 动态障碍物下的无人巡航船多目标路径规划方法 |
| CN111836199A (zh) * | 2020-06-01 | 2020-10-27 | 同济大学 | 一种室内导航动态避障寻径方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kulkarni et al. | Autonomous teamed exploration of subterranean environments using legged and aerial robots | |
| Lin et al. | Intelligent generation of indoor topology (i-GIT) for human indoor pathfinding based on IFC models and 3D GIS technology | |
| Goyal et al. | A new approach of path planning for mobile robots | |
| Yuan et al. | iNav: An indoor navigation model supporting length-dependent optimal routing | |
| CN102155942A (zh) | 大范围环境下基于模糊拓扑地图的全局路径规划方法 | |
| Kannan et al. | Predictive indoor navigation using commercial smart-phones | |
| Lupascu et al. | Path planning for autonomous drones using 3d rectangular cuboid decomposition | |
| Xu et al. | An indoor navigation approach considering obstacles and space subdivision of 2D plan | |
| Liu et al. | A two-level path-finding strategy for indoor navigation | |
| Qiao et al. | Dynamic self-organizing leader-follower control in a swarm mobile robots system under limited communication | |
| CN118258407A (zh) | 基于分层场景图谱的导航方法、系统、终端及存储介质 | |
| Cagigas et al. | Hierarchical path search with partial materialization of costs for a smart wheelchair | |
| Zhang et al. | Integrated Design of Cooperative Area Coverage and Target Tracking with Multi-UAV System | |
| Hongyun et al. | Multi-goal path planning algorithm for mobile robots in grid space | |
| CN114357106A (zh) | 一种室内路径规划方法及装置 | |
| Dudi et al. | Shortest Path Evaluation with Enhanced Linear Graph and Dijkstra Algorithm | |
| Mekni et al. | Hierarchical path planning for multi-agent systems situated in informed virtual geographic environments | |
| Patil et al. | Graph-based simultaneous coverage and exploration planning for fast multi-robot search | |
| Brüggemann et al. | Coordinated navigation of multi-robot systems with binary constraints | |
| Datta et al. | Prioritized indoor exploration with a dynamic deadline | |
| Pereira et al. | Optimal perception planning with informed heuristics constructed from visibility maps | |
| CN115143980A (zh) | 基于剪枝Voronoi图的增量式拓扑地图构建方法 | |
| Wang et al. | Autonomous cross-floor navigation system for a ros-based modular service robot | |
| Taneja et al. | COBIE-based lightweight representation of a building navigation network | |
| Song et al. | A grid-based graph data model for pedestrian route analysis in a micro-spatial environment |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220415 |
|
| RJ01 | Rejection of invention patent application after publication |