CN114879747B - 一种基于具体限定条件下的落位点寻址方法 - Google Patents

一种基于具体限定条件下的落位点寻址方法 Download PDF

Info

Publication number
CN114879747B
CN114879747B CN202210788017.2A CN202210788017A CN114879747B CN 114879747 B CN114879747 B CN 114879747B CN 202210788017 A CN202210788017 A CN 202210788017A CN 114879747 B CN114879747 B CN 114879747B
Authority
CN
China
Prior art keywords
safe
landing
scene area
target
scene
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
CN202210788017.2A
Other languages
English (en)
Other versions
CN114879747A (zh
Inventor
万佳富
张晓敏
冉龙泽
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.)
Chengdu Xingyuanjie Technology Co ltd
Original Assignee
Chengdu Xingyuanjie 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 Chengdu Xingyuanjie Technology Co ltd filed Critical Chengdu Xingyuanjie Technology Co ltd
Priority to CN202210788017.2A priority Critical patent/CN114879747B/zh
Publication of CN114879747A publication Critical patent/CN114879747A/zh
Application granted granted Critical
Publication of CN114879747B publication Critical patent/CN114879747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/12—Target-seeking control
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供的一种基于具体限定条件下的落位点寻址方法，涉及控制算法领域。本发明通过场景地图栅格化，并进行落位点数据分块存储，在落位点查询时，仅需获取受控目标所在的场景区域的哈希映射表便能实现对安全落位点查询，从而保证整体系统的流畅性；通过夹角余弦值Cosθ判断安全落位点是否位于远离敌方目标的方向，进而选择合适的落位点进行隐藏，此外，本发明还在当前区域无合适落位点时对周边区域进行查找，且查找方式与受控目标实际的行为模式相似，从而达到模拟受控目标真实行为的目的，并且减少了计算量。

Description

一种基于具体限定条件下的落位点寻址方法
技术领域
本发明涉及控制算法领域，尤其涉及一种基于具体限定条件下的落位点寻址方法。
背景技术
在一些情况下，如在无人机仿真、机器控制算法、模拟战场等领域，我们需要对受控目标按照某一个或者多个具体的限定条件进行落位点寻址，并控制受控目标在满足限定条件的落位点进行落位，如：在模拟战场领域，我们需要对单兵、无人机、坦克等受控目标进行自动落位，从而实现受控目标的战场行为模拟。
以战场模拟为例，现有针对战场模拟的自动落位算法通常是遍历地图中所有的落位点，并计算受控目标与落位点的相对位置，选取离受控目标最近的落位点进行落位，虽然在算法层上，这种自动落位方式十分简单；但是，由于需要加载地图上大量的落位点进行遍历计算，因此会占用大量硬件资源，造成系统卡顿。
此外，单一的限定条件致使受控目标的落位点并不符合实际场景；如：单兵、作战机器人、无人机等受控目标不仅需要考虑落位点是否为最近，还需要考虑落位点是否背离敌方和是否被占用，从而避免被敌方目标发起攻击。现有算法未对这些限制条件进行考虑和设置。
因此，有必要提供一种基于具体限定条件下的落位点寻址方法来解决上述技术问题。
发明内容
为解决上述技术问题之一，本发明提出一种基于具体限定条件下的落位点寻址方法，在若干落位点中查找满足限定条件的安全落位点，并控制受控目标在安全落位点进行落位；所述限定条件包括就近落位，并通过如下步骤查询满足就近落位的安全落位点。
具体的，场景地图栅格化：读取场景文件，解析场景地图；通过栅格线对场景地图进行区域划分，得到若干场景区域。
具体的，落位点数据分块存储：通过笛卡尔坐标对各场景区域所处位置进行标识；各场景区域内设置有若干落位点，落位点通过落位点数据对坐标进行描述，同一场景区域内的落位点数据独立保存至同一存储区块中；各存储区块以所处场景区域的笛卡尔坐标为键值，并创建哈希映射表，所处场景区内的落位点数据独立存储在哈希映射表中。
具体的，落位点查询：通过受控目标的位置数据确定对应笛卡尔坐标，通过笛卡尔坐标得到受控目标所在的场景区域；获取受控目标所在的场景区域的哈希映射表，通过哈希映射表获取场景区域内各落位点数据，并计算受控目标与场景区域内各落位点的相对距离；将各落位点以相对距离从小到大进行排序，取前N项作为安全落位点查询结果进行输出。
作为更进一步的解决方案，所述限定条件还包括背离敌方和未被占用，并通过如下步骤查询满足就近落位、背离敌方和未被占用的最优安全落位点：
具体的，敌方目标坐标获取：对受控目标周边进行目标检测，当发现敌方目标出现时，记录敌方目标的位置数据，并通过位置数据确定对应笛卡尔坐标，通过笛卡尔坐标得到敌方目标所在的场景区域。
具体的，最优安全落位点选取：查询就近落位的安全落位点，得到前N项安全落位点查询结果，通过各安全落位点的落位点数据、敌方目标的位置数据和受控目标的位置数据进行条件判断，判断安全落位点是否位于远离敌方目标的方向、安全落位点是否被占用；保留满足条件判断的安全落位点，得到最优安全落位点查询结果。
其中，判断是否被占用通过比较安全落位点与敌方目标的位置数据，若存在重合，则为被占用；若不存在重合，则为未被占用。
作为更进一步的解决方案，通过如下步骤判断安全落位点是否位于远离敌方目标的方向：
获取安全落位点的落位点数据P3(X3，Y3)、敌方目标的位置数据P2(X2，Y2)和受控目标的位置数据P1(X1，Y1)；
构造受控目标_敌方向量
Figure 100002_DEST_PATH_IMAGE001
=P2(X2，Y2)-P1(X1，Y1)=(X2-X1，Y2-Y1)；
构造受控目标_落位点向量
Figure DEST_PATH_IMAGE002
=P3(X3，Y3)-P1(X1，Y1)=(X3-X1，Y3-Y1)；
计算受控目标_敌方向量
Figure 100002_DEST_PATH_IMAGE003
与受控目标_落位点向量
Figure DEST_PATH_IMAGE004
的点积：
Figure 100002_DEST_PATH_IMAGE005
·
Figure DEST_PATH_IMAGE006
=(X2-X1)*(X3-X1)+(Y2-Y1)*(Y3-Y1)；
通过
Figure 334606DEST_PATH_IMAGE005
·
Figure DEST_PATH_IMAGE007
=
Figure DEST_PATH_IMAGE008
*Cosθ=(X2-X1)*(X3-X1)+(Y2-Y1)*(Y3-Y1)，计算夹角余弦值Cosθ：
Cosθ=
Figure DEST_PATH_IMAGE009
；
通过夹角余弦值Cosθ判断安全落位点是否位于远离敌方目标的方向，若Cosθ小于0则认为安全落位点位于远离敌方目标的方向，满足条件判断；否则不符合条件判断。
作为更进一步的解决方案，当敌方目标存在多个时，分别通过安全落位点查询得到对应的安全落位点查询结果；将各安全落位点查询结果取交集，得到共有安全落位点；在共有安全落位点中进行最佳安全落位点选取，得到共有最佳安全落位点。
作为更进一步的解决方案，若受控目标所在的场景区域内不存在满足条件判断的最佳安全落位点时，还在周围的场景区域内进行安全场景区域查询，得到安全场景区域，并在安全场景区域内对安全落位点进行查询；所述安全场景区域查询通过如下步骤进行确定：
获取敌方目标的位置数据P2(X2，Y2)和受控目标的位置数据P1(X1，Y1)；
获取受控目标所在的场景区域；
以受控目标所在的场景区域为中心，获取周围的场景区域；
以周围的场景区域中心P4(X4i ，Y4i )作为坐标点，构造受控目标_中心点向量
Figure DEST_PATH_IMAGE010
=P4i (X4i ，Y4i )-P1(X1，Y1)；其中，i表示周围的场景区域对应编号；
计算受控目标_中心点向量
Figure DEST_PATH_IMAGE011
与受控目标_敌方向量
Figure DEST_PATH_IMAGE012
夹角余弦值Cosβi：
Cosβi=
Figure DEST_PATH_IMAGE013
；
通过夹角余弦值Cosβi判断场景区域i是否位于远离敌方目标的方向，若Cosβi小于0则认为场景区域i位于远离敌方目标的方向，满足条件判断；否则不符合条件判断；
将满足条件判断的场景区域进行输出，得到安全场景区域。
作为更进一步的解决方案，在安全场景区域内对安全落位点进行查询时，还对安全场景区域进行区域排序，并按照区域排序依次进行安全落位点查询，步骤如下：
获取安全场景区域，并记录各安全场景区域对应的场景区域中心P4(X4i ，Y4i )；
获取受控目标的位置数据P1(X1，Y1)；
计算各安全场景区域对应的场景区域中心P4(X4i ，Y4i )到受控目标的位置数据P1(X1，Y1)的距离值Di；其中，i为安全场景区域对应编号；
设置最大区域检索值M；
将距离值Di从小到大依次排序，取前M项的排序结果作为区域排序进行输出；
控制受控目标按照区域排序，前往对应安全场景区域；
若当前安全场景区域有安全落位点出现，即停止查询，并将受控目标落位至对应安全落位点上；若当前安全场景区域无安全落位点出现，则控制受控目标前往下一安全场景区域。
与相关技术相比较，本发明提供的一种基于具体限定条件下的落位点寻址方法具有如下有益效果：
本发明通过场景地图栅格化，并进行落位点数据分块存储，在落位点查询时，仅需获取受控目标所在的场景区域的哈希映射表便能实现对安全落位点查询，从而保证整体系统的流畅性；通过夹角余弦值Cosθ判断安全落位点是否位于远离敌方目标的方向，进而选择合适的落位点进行隐藏，此外，本发明还在当前区域无合适落位点时对周边区域进行查找，且查找方式与受控目标实际的行为模式相似，从而达到模拟受控目标真实行为的目的，并且减少了计算量。
附图说明
图1为本发明提供的一种基于具体限定条件下的落位点寻址方法的较佳实施例流程图；
图2为本发明提供的一种基于具体限定条件下的落位点寻址方法的坐标示意图；
图3为本发明提供的一种基于具体限定条件下的落位点寻址方法的分块存储示意图；
图4为本发明提供的一种基于具体限定条件下的落位点寻址方法的背离敌方示意图；
图5为己方位于敌方左下方，当前位于B区域的场景示意图；
图6为己方位于敌方左上方，当前位于B区域的场景示意图；
图7为己方位于敌方右下方，当前位于E区域的场景示意图；
图8为己方位于敌方右上方，当前位于A区域的场景示意图；
图9为己方位于敌方正右侧，当前位于A区域的场景示意图；
图10为己方位于敌方正左侧，当前位于B区域的场景示意图；
图11为己方位于敌方正上方，当前位于C区域的场景示意图；
图12为己方位于敌方正下方，当前位于A区域的场景示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
如图1至图12所示，一种基于具体限定条件下的落位点寻址方法，在若干落位点中查找满足限定条件的安全落位点，并控制受控目标在安全落位点进行落位；所述限定条件包括就近落位，并通过如下步骤查询满足就近落位的安全落位点。
如图2所示，具体的，场景地图栅格化：读取场景文件，解析场景地图；通过栅格线对场景地图进行区域划分，得到若干场景区域。
如图3所示，具体的，落位点数据分块存储：通过笛卡尔坐标对各场景区域所处位置进行标识；各场景区域内设置有若干落位点，落位点通过落位点数据对坐标进行描述，同一场景区域内的落位点数据独立保存至同一存储区块中；各存储区块以所处场景区域的笛卡尔坐标为键值，并创建哈希映射表，所处场景区内的落位点数据独立存储在哈希映射表中。
具体的，落位点查询：通过受控目标的位置数据确定对应笛卡尔坐标，通过笛卡尔坐标得到受控目标所在的场景区域；获取受控目标所在的场景区域的哈希映射表，通过哈希映射表获取场景区域内各落位点数据，并计算受控目标与场景区域内各落位点的相对距离；将各落位点以相对距离从小到大进行排序，取前N项作为安全落位点查询结果进行输出。
需要说明的是：传统的落位点查询算法通常是查询距离最近的落位点，并采用遍历的方法求得每一个受控目标具体的落位情况；然而，在一些大型场景下，场景地图地图中往往存在大量落位点，以某一具体的地图为例，其中，包括了至少40万个落位点，2万个受控目标；若采用传统的遍历的方法，则需要进行40万*2万即80亿次计算；其算法复杂度高，会增加系统计算负担。
本实施例采用了分块处理，独立检索的思路；将地图栅格化后，同一场景区域内的落位点数据独立保存至同一存储区块中；在具体的落位点查询时：获取受控目标所在的场景区域的哈希映射表，通过哈希映射表获取场景区域内各落位点数据，并计算受控目标与场景区域内各落位点的相对距离；以某一具体的地图为例，40万个落位点被场景区域分割维为80份哈希映射表，每份哈希映射表中保存有5000个落位点的坐标信息；若寻求附近的落位点，对于2万个受控目标则需要进行5000*2万及1亿次计算，其算法复杂度低，计算量大大减小。
作为更进一步的解决方案，所述限定条件还包括背离敌方和未被占用，并通过如下步骤查询满足就近落位、背离敌方和未被占用的最优安全落位点：
具体的，敌方目标坐标获取：对受控目标周边进行目标检测，当发现敌方目标出现时，记录敌方目标的位置数据，并通过位置数据确定对应笛卡尔坐标，通过笛卡尔坐标得到敌方目标所在的场景区域。
具体的，最优安全落位点选取：查询就近落位的安全落位点，得到前N项安全落位点查询结果，通过各安全落位点的落位点数据、敌方目标的位置数据和受控目标的位置数据进行条件判断，判断安全落位点是否位于远离敌方目标的方向、安全落位点是否被占用；保留满足条件判断的安全落位点，得到最优安全落位点查询结果。
其中，判断是否被占用通过比较安全落位点与敌方目标的位置数据，若存在重合，则为被占用；若不存在重合，则为未被占用。
需要说明的是：本实施例所提出的方法并不局限于某一具体场景，为了方便理解，以以战场模拟为例；在实际的作战场景中，受控目标发现敌方目标以后，先是判断敌方方位，然后在敌方方位的反向进行隐藏，再根据上级决策进行行动；然而，现有基于无人机组网的仿真训练平台没有提供足够智能的战场模拟方法来对受控目标行为进行智能模拟，在受控目标发现敌方目标以后，模拟的受控目标往往不进行隐藏或者选择简单地选择最近的落位点进行隐藏，这明显不符合实际的作战情况，从而导致模拟战场训练的结果与实际作战大相径庭。
因此，本实施例在落位点查询时，首先确定己方受控目标所在场景区域的笛卡尔坐标，进而可以通过该区域标识从哈希表内获取该区域内的所有落位点。然后对这些点逐一计算与自己的距离，从中找到一个最合适的点。这里提到的“最合适的点”是指，距自己的距离满足小于一定阈值，位于自己与敌方位置连线的反向方位（远离敌方的反向），且该点上没有敌方单位。如果当前区域内没有合适的点，则在该区域周边的区域内进行查找。如果所有临近区域内均没有合适的点，只需使用距离大于阈值，且距自己最近的点即可。整个搜索过程是一个递归的过程，逻辑如下（伪代码）：
function Check0(p)-> bool #检测落位点是否被占用
function Check1(p)-> bool #检测落位点是否在自己后方
function NearRegionCoord(x,y) ->(x1,y2) #返回与笛卡尔坐标(x,y)临近的坐标
Var：DisThreshold #距离阈值，在距离阈值范围内的落位点均可视为距离受控目标最近的安全落位点，即：距离阈值为10m，若查询到存在落位点与受控目标的距离为6米，即使区域内存在与受控目标的距离为3米的点，也无需对其他落位点进行查询，认定该点为距离受控目标最近的安全落位点
Var：AllDistancesToPts = {} #保存所有待检测的落位点的距离
Var：SearchTimes = 0 #最大遍历次数
Var：MinDistance = 1000000 #最小的距离
function Search(x= 区域笛卡尔坐标x，y= 区域笛卡尔坐标y) -> 安全落位点
{
Var ：L1=自己的位置，L2=敌方位置;
Var ：HashT = 保存了所有区域落位点的哈希映射表；
Var ：{p1,p2,p3,p4,.....} = 当前区域内的落位点 = HashT.Get(“x, y”);
Var ：Pn = {p1,p2,p3,p4,.....}中的任意一个点;
Var ：Ds = 安全落位点距自己的距离，默认为10000000;
Var ：Pt = 安全落位点;
Var ：IsFind = false #是否找到了安全落位点
#遍历
for Pn : {p1,p2,p3,p4,.....} do
#未被占用,且在自己后方
if (Check0(Pn ) && Check1(Pn ) then
#距离小于阈值
if(|Pn - L1| < DisThreshold ) then
Pt = Pn
#找到了安全落位点，返回该落位点，停止遍历
return Pt
else then
#更新大于阈值的最小距离
MinDistance = Min(MinDistance ,|Pn - L1|)
endif
endif
endfor
#遍历次数加1
SearchTimes = SearchTimes + 1
#当前区域内没有安全落位点
if( SearchTimes <= 4) then
#在临近区域内查找
return Search(NearRegionCoord(x,y))
else then
#所有临近的区域内均没有找到阈值范围内合适的点，则返回大于阈值的最小点
return MinDistance
endif
}
从上不难看出，本实施例不仅考虑了落位点是否在受控目标附近，还考虑了是否背离敌方和是否被占用这些具体的限定条件，从而使受控目标的行为更加合理。
如图4所示，作为更进一步的解决方案，通过如下步骤判断安全落位点是否位于远离敌方目标的方向：
获取安全落位点的落位点数据P3(X3，Y3)、敌方目标的位置数据P2(X2，Y2)和受控目标的位置数据P1(X1，Y1)；
构造受控目标_敌方向量
Figure DEST_PATH_IMAGE014
=P2(X2，Y2)-P1(X1，Y1)=(X2-X1，Y2-Y1)；
构造受控目标_落位点向量
Figure 536567DEST_PATH_IMAGE002
=P3(X3，Y3)-P1(X1，Y1)=(X3-X1，Y3-Y1)；
计算受控目标_敌方向量
Figure DEST_PATH_IMAGE015
与受控目标_落位点向量
Figure 736211DEST_PATH_IMAGE002
的点积：
Figure 76626DEST_PATH_IMAGE005
·
Figure 769294DEST_PATH_IMAGE006
=(X2-X1)*(X3-X1)+(Y2-Y1)*(Y3-Y1)；
通过
Figure 998281DEST_PATH_IMAGE005
·
Figure 14384DEST_PATH_IMAGE007
=
Figure DEST_PATH_IMAGE016
*Cosθ=(X2-X1)*(X3-X1)+(Y2-Y1)*(Y3-Y1)，计算夹角余弦值Cosθ：
Cosθ=
Figure 685055DEST_PATH_IMAGE009
；
通过夹角余弦值Cosθ判断安全落位点是否位于远离敌方目标的方向，若Cosθ小于0则认为安全落位点位于远离敌方目标的方向，满足条件判断；否则不符合条件判断。
作为更进一步的解决方案，当敌方目标存在多个时，分别通过安全落位点查询得到对应的安全落位点查询结果；将各安全落位点查询结果取交集，得到共有安全落位点；在共有安全落位点中进行最佳安全落位点选取，得到共有最佳安全落位点。
作为更进一步的解决方案，若受控目标所在的场景区域内不存在满足条件判断的最佳安全落位点时，还在周围的场景区域内进行安全场景区域查询，得到安全场景区域，并在安全场景区域内对安全落位点进行查询；所述安全场景区域查询通过如下步骤进行确定：
获取敌方目标的位置数据P2(X2，Y2)和受控目标的位置数据P1(X1，Y1)；
获取受控目标所在的场景区域；
以受控目标所在的场景区域为中心，获取周围的场景区域；
以周围的场景区域中心P4(X4i ，Y4i )作为坐标点，构造受控目标_中心点向量
Figure DEST_PATH_IMAGE017
=P4i (X4i ，Y4i )-P1(X1，Y1)；其中，i表示周围的场景区域对应编号；
计算受控目标_中心点向量
Figure DEST_PATH_IMAGE018
与受控目标_敌方向量
Figure 204199DEST_PATH_IMAGE012
夹角余弦值Cosβi：
Cosβi=
Figure 807350DEST_PATH_IMAGE013
；
通过夹角余弦值Cosβi判断场景区域i是否位于远离敌方目标的方向，若Cosβi小于0则认为场景区域i位于远离敌方目标的方向，满足条件判断；否则不符合条件判断；
将满足条件判断的场景区域进行输出，得到安全场景区域。
需要说明的是：如图5所示，己方和敌方位于区域B中，其周边有8块临近区域，但是8块临近区域所需检索的落位点数量仍然巨大，还是会影响系统的流畅性，为了解决这个问题，本实施通过计算夹角余弦值Cosβi，来选择与敌人反向的区域进行检索，我们就能发现，仅有A、C和D区域满足Cosβi小于0的判断，即A、C和D区域为安全场景区域，落位点优先对其进行检索。
如图6所示的情况中，己方位于敌方左上方，当前位于B区域，算法得到的安全场景区域为A、E和F；
如图7所示的情况中，己方位于敌方右下方，当前位于E区域，算法得到的安全场景区域为A、B和F；
如图8所示的情况中，己方位于敌方右上方，当前位于A区域，算法得到的安全场景区域为B、E和F；
如图9所示的情况中，己方位于敌方正右侧，当前位于A区域，算法得到的安全场景区域为B、D和F；
如图10所示的情况中，己方位于敌方正左侧，当前位于B区域，算法得到的安全场景区域为A、C和E；
如图11所示的情况中，己方位于敌方正上方，当前位于C区域，算法得到的安全场景区域为A、B和H；
如图12 所示的情况中，己方位于敌方正下方，当前位于A区域，算法得到的安全场景区域为C、D和I。
作为更进一步的解决方案，当敌方目标存在多个时，分别通过安全落位点查询得到对应的安全落位点查询结果；将各安全落位点查询结果取交集，得到共有安全落位点；在共有安全落位点中进行最佳安全落位点选取，得到共有最佳安全落位点。
从上述结果中我们不难看出，本实施例所提出的算法基本满足实际的决策，本实施例说明了一个敌方目标的情况，对于多个敌方目标，仅需通过上述步骤分别处理，并将结果取交集即可。此外，若受控目标所在的场景区域为中心，获取的周围的场景区域仍没发现最佳落位点，还能通过将周围的场景区域最为中心，通过同样的方法检索外圈的场景区域，直至发现最佳落位点。
作为更进一步的解决方案，在安全场景区域内对安全落位点进行查询时，还对安全场景区域进行区域排序，并按照区域排序依次进行安全落位点查询，步骤如下：
获取安全场景区域，并记录各安全场景区域对应的场景区域中心P4(X4i ，Y4i )；
获取受控目标的位置数据P1(X1，Y1)；
计算各安全场景区域对应的场景区域中心P4(X4i ，Y4i )到受控目标的位置数据P1(X1，Y1)的距离值Di；其中，i为安全场景区域对应编号；
设置最大区域检索值M；
将距离值Di从小到大依次排序，取前M项的排序结果作为区域排序进行输出；
控制受控目标按照区域排序，前往对应安全场景区域；
若当前安全场景区域有安全落位点出现，即停止查询，并将受控目标落位至对应安全落位点上；若当前安全场景区域无安全落位点出现，则控制受控目标前往下一安全场景区域。
需要说明的是：由于战场环境复杂，在当前区域无安全落位点时，受控目标无法像电脑一样，快速对周边区域进行检索，并发现这些区域中距离最近的最佳安全落位点进行前往；在实际的战场中，受控目标需要在短时间内选择合适的落位点进行隐藏，若当前区域无安全落位点时，便没有时间寻找最佳落位点，应第一时间大致选定一个远离敌方目标的附近区域，然后在该区域中寻找合适的落位点，在发现合适的落位点后，便不再寻找其他落位点就地进行隐藏。此外，我们还设置了最大区域检索值M来限制区域查询范围，通常最大区域检索值M取值为4，即对前4项安全场景区域进行查询。
因此，在模拟受控目标实际决策时，我们需要遵从：在受控目标所在区域有安全落位点时，即在当前区域选取最佳安全落位点进行隐藏；在受控目标所在区域无安全落位点时，第一时间选定周边距离最近且远离敌方目标的区域前往，在距离最近的区域搜寻合适的落位点，若发现合适的落位点便不再对其他区域进行搜寻，直接就地隐藏；若在距离最近的区域未搜寻合适的落位点，则前往次近的区域继续进行搜寻，直至发现合适的落位点。所以我们通过将区域以相对距离进行排序，当发现安全落位点出现时，即刻进行隐藏并停止对其他落位点的查询。这种方式相较于遍历计算，不仅更贴近真实战场决策，还能起到降低系统计算负荷的作用，从而保证系统不会被大量落位点计算所占用。
此外，本实施例所提出的一种基于具体限定条件下的落位点寻址方法不仅能运用在战场模拟、无人机仿真、机器控制算法等场景，还能灵活运用到需要进行目标规避，就近寻址等领域；在使用本方法的某一具体算法中，测试环境：
CPU：Intel（R）Core（TM）2 CPU 7600
内存：8G DDR4
IE 6.0,7.0
安装软件：Windows Server Enterprise Edition service pack2
测试结果：在40万个落位点中对10个受控目标分别找到合适落位点的测试结果，传统方法下查找时间为1510ms；新的方法下查找时间为2ms。
以上仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种基于具体限定条件下的落位点寻址方法，其特征在于，在若干落位点中查找满足限定条件的安全落位点，并控制受控目标在安全落位点进行落位；所述限定条件包括就近落位，并通过如下步骤查询满足就近落位的安全落位点：
场景地图栅格化：读取场景文件，解析场景地图；通过栅格线对场景地图进行区域划分，得到若干场景区域；
落位点数据分块存储：通过笛卡尔坐标对各场景区域所处位置进行标识；各场景区域内设置有若干落位点，落位点通过落位点数据对坐标进行描述，同一场景区域内的落位点数据独立保存至同一存储区块中；各存储区块以所处场景区域的笛卡尔坐标为键值，并创建哈希映射表，所处场景区内的落位点数据独立存储在哈希映射表中；
落位点查询：通过受控目标的位置数据确定对应笛卡尔坐标，通过笛卡尔坐标得到受控目标所在的场景区域；获取受控目标所在的场景区域的哈希映射表，通过哈希映射表获取场景区域内各落位点数据，并计算受控目标与场景区域内各落位点的相对距离；将各落位点以相对距离从小到大进行排序，取前N项作为安全落位点查询结果进行输出。
2.根据权利要求1所述的一种基于具体限定条件下的落位点寻址方法，其特征在于，所述限定条件还包括背离敌方和未被占用，并通过如下步骤查询满足就近落位、背离敌方和未被占用的最优安全落位点：
敌方目标坐标获取：对受控目标周边进行目标检测，当发现敌方目标出现时，记录敌方目标的位置数据，并通过位置数据确定对应笛卡尔坐标，通过笛卡尔坐标得到敌方目标所在的场景区域；
最优安全落位点选取：查询就近落位的安全落位点，得到前N项安全落位点查询结果，通过各安全落位点的落位点数据、敌方目标的位置数据和受控目标的位置数据进行条件判断，判断安全落位点是否位于远离敌方目标的方向、安全落位点是否被占用；保留满足条件判断的安全落位点，得到最优安全落位点查询结果；
其中，判断是否被占用通过比较安全落位点与敌方目标的位置数据，若存在重合，则为被占用；若不存在重合，则为未被占用。
3.根据权利要求2所述的一种基于具体限定条件下的落位点寻址方法，其特征在于，通过如下步骤判断安全落位点是否位于远离敌方目标的方向：
获取安全落位点的落位点数据P3(X3，Y3)、敌方目标的位置数据P2(X2，Y2)和受控目标的位置数据P1(X1，Y1)；
构造受控目标_敌方向量
Figure DEST_PATH_IMAGE001
=P2(X2，Y2)-P1(X1，Y1)=(X2-X1，Y2-Y1)；
构造受控目标_落位点向量
Figure 204067DEST_PATH_IMAGE002
=P3(X3，Y3)-P1(X1，Y1)=(X3-X1，Y3-Y1)；
计算受控目标_敌方向量
Figure DEST_PATH_IMAGE003
与受控目标_落位点向量
Figure 386787DEST_PATH_IMAGE002
的点积：
Figure 25579DEST_PATH_IMAGE004
·
Figure DEST_PATH_IMAGE005
=(X2-X1)*(X3-X1)+(Y2-Y1)*(Y3-Y1)；
通过
Figure 951946DEST_PATH_IMAGE004
·
Figure 563056DEST_PATH_IMAGE005
=
Figure 978994DEST_PATH_IMAGE006
*Cosθ=(X2-X1)*(X3-X1)+(Y2-Y1)*(Y3-Y1)，计算夹角余弦值Cosθ：
Cosθ=
Figure 980448DEST_PATH_IMAGE007
；
通过夹角余弦值Cosθ判断安全落位点是否位于远离敌方目标的方向，若Cosθ小于0则认为安全落位点位于远离敌方目标的方向，满足条件判断；否则不符合条件判断。
4.根据权利要求3所述的一种基于具体限定条件下的落位点寻址方法，其特征在于，当敌方目标存在多个时，分别通过安全落位点查询得到对应的安全落位点查询结果；将各安全落位点查询结果取交集，得到共有安全落位点；在共有安全落位点中进行最佳安全落位点选取，得到共有最佳安全落位点。
5.根据权利要求4所述的一种基于具体限定条件下的落位点寻址方法，其特征在于，若受控目标所在的场景区域内不存在满足条件判断的最佳安全落位点时，还在周围的场景区域内进行安全场景区域查询，得到安全场景区域，并在安全场景区域内对安全落位点进行查询；所述安全场景区域查询通过如下步骤进行确定：
获取敌方目标的位置数据P2(X2，Y2)和受控目标的位置数据P1(X1，Y1)；
获取受控目标所在的场景区域；
以受控目标所在的场景区域为中心，获取周围的场景区域；
以周围的场景区域中心P4(X4i ，Y4i )作为坐标点，构造受控目标_中心点向量
Figure 241665DEST_PATH_IMAGE008
=P4i (X4i ，Y4i )-P1(X1，Y1)；其中，i表示周围的场景区域对应编号；
计算受控目标_中心点向量
Figure 707282DEST_PATH_IMAGE009
与受控目标_敌方向量
Figure 294121DEST_PATH_IMAGE010
夹角余弦值Cosβi：
Cosβi=
Figure 782871DEST_PATH_IMAGE011
；
通过夹角余弦值Cosβi判断场景区域i是否位于远离敌方目标的方向，若Cosβi小于0则认为场景区域i位于远离敌方目标的方向，满足条件判断；否则不符合条件判断；
将满足条件判断的场景区域进行输出，得到安全场景区域。
6.根据权利要求5所述的一种基于具体限定条件下的落位点寻址方法，其特征在于，在安全场景区域内对安全落位点进行查询时，还对安全场景区域进行区域排序，并按照区域排序依次进行安全落位点查询，步骤如下：
获取安全场景区域，并记录各安全场景区域对应的场景区域中心P4(X4i ，Y4i )；
获取受控目标的位置数据P1(X1，Y1)；
计算各安全场景区域对应的场景区域中心P4(X4i ，Y4i )到受控目标的位置数据P1(X1，Y1)的距离值Di；其中，i为安全场景区域对应编号；
设置最大区域检索值M；
将距离值Di从小到大依次排序，取前M项的排序结果作为区域排序进行输出；
控制受控目标按照区域排序，前往对应安全场景区域；
若当前安全场景区域有安全落位点出现，即停止查询，并将受控目标落位至对应安全落位点上；若当前安全场景区域无安全落位点出现，则控制受控目标前往下一安全场景区域。
CN202210788017.2A 2022-07-06 2022-07-06 一种基于具体限定条件下的落位点寻址方法 Active CN114879747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210788017.2A CN114879747B (zh) 2022-07-06 2022-07-06 一种基于具体限定条件下的落位点寻址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210788017.2A CN114879747B (zh) 2022-07-06 2022-07-06 一种基于具体限定条件下的落位点寻址方法

Publications (2)

Publication Number Publication Date
CN114879747A CN114879747A (zh) 2022-08-09
CN114879747B true CN114879747B (zh) 2022-09-06

Family

ID=82682811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210788017.2A Active CN114879747B (zh) 2022-07-06 2022-07-06 一种基于具体限定条件下的落位点寻址方法

Country Status (1)

Country Link
CN (1) CN114879747B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2186351A (en) * 1986-02-08 1987-08-12 Stc Plc Combat simulation
RO115912B1 (ro) * 1999-05-24 2000-07-28 Doru Constantin Ciornei Procedeu de modelare a tragerilor artileriei
CN102608567A (zh) * 2012-01-19 2012-07-25 中国人民解放军第三军医大学野战外科研究所 基于无人机移动信标的战场士兵定位方法
CN105947241A (zh) * 2016-06-17 2016-09-21 航天东方红卫星有限公司 一种救灾无人机天基全球快速投送系统
CN106407213A (zh) * 2015-07-31 2017-02-15 阿里巴巴集团控股有限公司 基于地理位置的信息检索方法、装置及系统
CN111399428A (zh) * 2020-04-23 2020-07-10 北京信安通靶场装备科技有限公司 一种模拟作战设备控制方法
CN112370787A (zh) * 2020-11-17 2021-02-19 网易（杭州）网络有限公司 虚拟角色的控制方法、计算机可读存储介质及处理器
CN113268900A (zh) * 2021-04-02 2021-08-17 中国人民解放军战略支援部队信息工程大学 面向作战任务的空降场选址方法及装置
CN113546421A (zh) * 2021-07-26 2021-10-26 广州小丑鱼信息科技有限公司 基于Jump Point Search算法的寻路方法及系统
WO2022127258A1 (zh) * 2020-12-15 2022-06-23 成都完美天智游科技有限公司 基于游戏场景的寻路方法及装置、设备、介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2186351A (en) * 1986-02-08 1987-08-12 Stc Plc Combat simulation
RO115912B1 (ro) * 1999-05-24 2000-07-28 Doru Constantin Ciornei Procedeu de modelare a tragerilor artileriei
CN102608567A (zh) * 2012-01-19 2012-07-25 中国人民解放军第三军医大学野战外科研究所 基于无人机移动信标的战场士兵定位方法
CN106407213A (zh) * 2015-07-31 2017-02-15 阿里巴巴集团控股有限公司 基于地理位置的信息检索方法、装置及系统
CN105947241A (zh) * 2016-06-17 2016-09-21 航天东方红卫星有限公司 一种救灾无人机天基全球快速投送系统
CN111399428A (zh) * 2020-04-23 2020-07-10 北京信安通靶场装备科技有限公司 一种模拟作战设备控制方法
CN112370787A (zh) * 2020-11-17 2021-02-19 网易（杭州）网络有限公司 虚拟角色的控制方法、计算机可读存储介质及处理器
WO2022127258A1 (zh) * 2020-12-15 2022-06-23 成都完美天智游科技有限公司 基于游戏场景的寻路方法及装置、设备、介质
CN113268900A (zh) * 2021-04-02 2021-08-17 中国人民解放军战略支援部队信息工程大学 面向作战任务的空降场选址方法及装置
CN113546421A (zh) * 2021-07-26 2021-10-26 广州小丑鱼信息科技有限公司 基于Jump Point Search算法的寻路方法及系统

Also Published As

Publication number Publication date
CN114879747A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN109541634B (zh) 一种路径规划方法、装置和移动设备
CA2508320C (en) A method and system for processing and analyzing digital terrain data
CN104834317B (zh) 一种智能识别威胁类型的无人机飞行路径规划方法
US7295203B2 (en) Determining regions that are occluded from an observation point
Kothuri et al. Efficient processing of large spatial queries using interior approximations
CN112947415A (zh) 一种基于障碍物语义信息的室内路径规划方法
WO2007082232A2 (en) Determining intersections of multi-segment three-dimensional path with portions of partitioned three-dimensional space
CN108871330B (zh) 无人机编队飞行路径确定方法及装置
CN111736167B (zh) 一种获取激光点云密度的方法和装置
CN114879747B (zh) 一种基于具体限定条件下的落位点寻址方法
CN114779770A (zh) 全局路径规划控制方法、装置、设备、介质及程序产品
CN108520255B (zh) 一种红外弱小目标检测方法及装置
CN116088586B (zh) 一种无人机作战过程中的临机任务规划的方法
CN113867371B (zh) 路径规划方法和电子设备
CN107170004A (zh) 一种无人车单目视觉定位中对匹配矩阵的图像匹配方法
CN114527435B (zh) 基于干扰向量和nsga-ii算法的干扰资源分配方法
CN114358127A (zh) 一种空中任务群组识别方法
US20210405197A1 (en) GLOBAL LOCALIZATION APPARATUS AND METHOD IN DYNAMIC ENVIRONMENTS USING 3D LiDAR SCANNER
CN111817770B (zh) 中继无人机部署方法及终端设备
CN111984031A (zh) 一种无人机路径规划方法、无人机及存储介质
Marzouqi et al. Covert robotics: Hiding in known environments
CN109298386B (zh) 一种基于多智能体协同的三维未知区域快速探测方法
CN118276599B (zh) 一种无人机群智能部署方法、设备及存储介质
CN113625296B (zh) 基于反光板的机器人定位方法、装置及机器人
CN113671996B (zh) 一种基于信息素的异构无人机侦察方法及系统

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