CN116105741B - 一种多目标三维动态路径规划方法和装置 - Google Patents
一种多目标三维动态路径规划方法和装置 Download PDFInfo
- Publication number
- CN116105741B CN116105741B CN202310363577.8A CN202310363577A CN116105741B CN 116105741 B CN116105741 B CN 116105741B CN 202310363577 A CN202310363577 A CN 202310363577A CN 116105741 B CN116105741 B CN 116105741B
- Authority
- CN
- China
- Prior art keywords
- target
- grid node
- target object
- grid
- node
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Generation (AREA)
Abstract
本发明提供了一种多目标三维动态路径规划方法和装置,涉及路径规划的技术领域,包括:构建目标区域的栅格高程地图模型;利用八叉树算法对栅格高程地图模型进行空间分割,得到多个小体元,为多个小体元添加标记,得到多个中间小体元;基于D*lite算法、多个中间小体元、预设栅格节点和多个目标对象的目标参数,对多个目标对象进行路径规划,确定各个目标对象的初始可行路径;检测到目标区域的环境发生改变,对多个中间小体元的标注进行修改,得到多个目标小体元;基于D*lite算法和各个目标对象的初始可行路径,对多个目标对象进行路径规划,确定各个目标对象对应的目标可行路径,解决了现有三维路径规划的效率较低的技术问题。
Description
技术领域
本发明涉及路径规划的技术领域,尤其是涉及一种多目标三维动态路径规划方法和装置。
背景技术
三维地面路径规划主要针对起伏的地形环境,综合考虑障碍物情况和地形坡度等情况进行的路径规划,相比于空间规划,其受环境制约的程度更大,对算法要求也越高。目前,路径规划算法有经典的二维静态路径规划A*算法、D*算法、LPA*算法、D*lite算法、PRM算法、RRT算法、遗传算法,蚁群算法等,这些已研究的路径规划算法多用于二维静态环境下的路径规划问题,在遇到三维动态环境时搜索复杂、重规划耗时较长,实时性方面有所欠缺,且算法存在易陷入局部最优解等问题。
为了研究多目标三维动态路径规划,本文选择了D*lite算法作为主要路径规划算法并进行改进。D*lite算法是Koeing S等人提出的一种增量启发式反向搜索算法,由目标位置开始向起始位置进行路径搜索,可以适用于地图未知、环境随时会发生变化的情况,在遇到新增加的障碍物时,可以利用先前搜索所获得的信息,而不需要完全重新规划路径。目前对于D*lite算法的研究多停留于二维环境的单目标路径规划中,针对三维地形下多目标路径规划的应用研究较少。
当状态空间比较大,也就是环境地图比较大的时候,采用的D*lite路径规划算法的反向搜索过程需要维护的栅格节点数急剧增加,增加了搜索的时间复杂度。同时对于大环境下的路径规划,D*lite算法的做法是将环境地图进行更细粒度的栅格化,虽然在足够细粒化的环境地图中可以实现较优的路径解,但也会带来更多的规划序列导致执行次数以及重规划次数增多,进而路径规划执行花费时间也会变得更长。
针对上述问题,还未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种多目标三维动态路径规划方法和装置,以缓解了现有的三维路径规划的效率较低的技术问题。
第一方面,本发明实施例提供了一种多目标三维动态路径规划方法,包括:构建目标区域的栅格高程地图模型;利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,并为所述多个小体元添加标记,得到多个中间小体元,其中,所述标记用于表征小体元对应的空间区域是否能够通行;基于D*lite算法、所述多个中间小体元、预设栅格节点和多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象的初始可行路径,其中,所述预设栅格节点包括:起始栅格节点和目标栅格节点,所述目标参数包括:权重值或运动速度;若检测到所述目标区域的环境发生改变,则对所述多个中间小体元的标注进行修改,得到多个目标小体元;基于D*lite算法和各个目标对象的初始可行路径,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径。
进一步的,利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,包括:基于所述栅格高程地图模型的最长边和所述栅格高程地图模型的中心点,构建立方体;按照八个象限,对所述立方体进行递归分割,得到所述多个小体元。
进一步的,基于D*lite算法、所述多个小体元、预设栅格节点和多个目标对象的目标参数,确定出各个目标对象的初始可行路径,包括:排序步骤,基于所述多个目标对象的目标参数,对所述多个目标对象进行排序,得到排序结果;第一规划步骤,基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为所述第一目标对象进行路径规划;计算步骤,基于所述目标参数,计算出所述第一目标对象和第二目标对象之间的欧氏距离;第二规划步骤,在所述欧氏距离大于预设阈值时,基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为所述第二目标对象进行路径规划,其中,所述第一目标对象和所述第二目标对象为所述排序结果中相邻的两个目标对象,且所述第一目标对象的目标参数大于所述第二目标对象的目标参数;将所述第二目标对象确定为所述第一目标对象,并将第三目标对象确定为所述第二目标对象,重复执行所述第一规划步骤、所述计算步骤和所述第二规划步骤,直至确定出各个目标对象的初始可行路径,其中,所述第三目标对象为目标参数小于所述第二目标对象的相邻目标对象。
进一步的,一个目标小体元中包含多个栅格节点,则基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为所述第一目标对象进行路径规划,包括:第一计算步骤,计算所述起始栅格节点的领域栅格节点的节点参数,其中,所述节点参数包括:所述领域栅格节点与所述目标栅格节点之间代价值,所述领域栅格节点与所述起始栅格节点之间的启发值;第二计算步骤,基于所述节点参数计算出所述领域栅格节点的k值;确定步骤,将目标领域栅格节点中k值最小领域栅格节点的确定为下一栅格节点,其中,所述目标领域栅格节点为所述领域栅格节点中栅格节点对应目标小体元的标识为能够通行的栅格节点;将所述下一栅格节点确定为所述起始栅格节点,并重复执行所述第一计算步骤、所述第二计算步骤和确定步骤,直至下一栅格节点为所述目标栅格节点,得到所述第一目标对象的初始可行路径。
进一步的,所述领域栅格节点的k值的计算公式为,其中,/>,为上一个起始栅格节点,/>为所述起始栅格节点,/>为领域栅格节点/>与所述目标栅格节点之间代价值,/>为领域栅格节点s与所述起始栅格节点/>之间的启发值,/>,/>表示/>是领域栅格节点s的前继节点,/>表示前继节点s'到领域栅格节点s的边缘代价,/>为所述目标栅格节点。
进一步的,基于D*lite算法和各个目标对象的初始可行路径,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径,包括:基于所述多个目标小体元,确定出各个目标对象的初始可行路径中经过的标注为不能通行的目标小体元;确定出与所述标注为不能通行的目标小体元距离最近的目标小体元;将所述距离最近的目标小体元中k值最小的栅格节点,确定为所述起始栅格节点,并重复执行述第一计算步骤、所述第二计算步骤和确定步骤,直至下一栅格节点为所述目标栅格节点,得到各个目标对象的目标可行路径。
第二方面,本发明实施例还提供了一种多目标三维动态路径规划装置,包括: 构建单元,用于构建目标区域的栅格高程地图模型;分割单元,用于利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,并为所述多个小体元添加标记,得到多个中间小体元,其中,所述标记用于表征小体元对应的空间区域是否能够通行;第一规划单元,用于基于D*lite算法、所述多个中间小体元、预设栅格节点和多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象的初始可行路径,其中,所述预设栅格节点包括:起始栅格节点和目标栅格节点,所述目标参数包括:权重值或运动速度;修改单元,用于若检测到所述目标区域的环境发生改变,则对所述多个中间小体元的标注进行修改,得到多个目标小体元;第二规划单元,用于基于D*lite算法、所述多个目标小体元、各个目标对象的初始可行路径和所述多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径。
进一步的,所述分割单元,用于:基于所述栅格高程地图模型的最长边和所述栅格高程地图模型的中心点,构建立方体;按照八个象限,对所述立方体进行递归分割,得到所述多个小体元。
第三方面,本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序。
在本发明实施例中,通过构建目标区域的栅格高程地图模型;利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,并为所述多个小体元添加标记,得到多个中间小体元,其中,所述标记用于表征小体元对应的空间区域是否能够通行;基于D*lite算法、所述多个中间小体元、预设栅格节点和多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象的初始可行路径,其中,所述预设栅格节点包括:起始栅格节点和目标栅格节点,所述目标参数包括:权重值或运动速度;若检测到所述目标区域的环境发生改变,则对所述多个中间小体元的标注进行修改,得到多个目标小体元;基于D*lite算法和各个目标对象的初始可行路径,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径,达到了利用八叉树和D*lite算法进行三维路径规划的目的,进而解决了现有的三维路径规划的效率较低的技术问题,从而实现了提高三维路径规划的效率的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种多目标三维动态路径规划方法的流程图;
图2为本发明实施例提供的栅格高程地图模型的示意图;
图3为本发明实施例提供的八叉树结构的示意图;
图4为本发明实施例提供的各个目标对象的初始可行路径的示意图;
图5为本发明实施例提供的各个目标对象的目标可行路径的示意图;
图6为本发明实施例提供的一种多目标三维动态路径规划装置的示意图;
图7为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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。
实施例一:
根据本发明实施例,提供了一种多目标三维动态路径规划方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种多目标三维动态路径规划方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102, 构建目标区域的栅格高程地图模型;
步骤S104,利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,并为所述多个小体元添加标记,得到多个中间小体元,其中,所述标记用于表征小体元对应的空间区域是否能够通行;
步骤S106,基于D*lite算法、所述多个中间小体元、预设栅格节点和多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象的初始可行路径,其中,所述预设栅格节点包括:起始栅格节点和目标栅格节点,所述目标参数包括:权重值或运动速度;
步骤S108,若检测到所述目标区域的环境发生改变,则对所述多个中间小体元的标注进行修改,得到多个目标小体元;
步骤S110,基于D*lite算法和各个目标对象的初始可行路径,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径。
在本发明实施例中,通过构建目标区域的栅格高程地图模型;利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,并为所述多个小体元添加标记,得到多个中间小体元,其中,所述标记用于表征小体元对应的空间区域是否能够通行;基于D*lite算法、所述多个中间小体元、预设栅格节点和多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象的初始可行路径,其中,所述预设栅格节点包括:起始栅格节点和目标栅格节点,所述目标参数包括:权重值或运动速度;若检测到所述目标区域的环境发生改变,则对所述多个中间小体元的标注进行修改,得到多个目标小体元;基于D*lite算法和各个目标对象的初始可行路径,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径,达到了利用八叉树和D*lite算法进行三维路径规划的目的,进而解决了现有的三维路径规划的效率较低的技术问题,从而实现了提高三维路径规划的效率的技术效果。
下面对步骤S102进行说明。
目前常见的环境模型包括有可视图法、切线图法、Voronoi图法、自由空间法和栅格图法等。其中,栅格图法将环境地图划分为大小相等的相邻方格,每一格可以单独记录该栅格点的地形信息,方法简单有效且易于实现。数字高程地图是表示地形空间分布的有限三维向量组{X,Y,Z},通过X和Y描述位置信息,Z描述高度信息。本文对数字高程地图进行栅格化,将高程地图的高度信息赋予栅格点并建立静态地图模型,如图2所示。为便于研究和实验,在本发明实施例中假设如下:(1)假设高程图数据已知,本发明实施例中只进行栅格高程地图的建立;(2)假设栅格为26邻域扩展,在条件允许情况下目标可以向周围26个栅格运动;(3)动态地图信息中目标行进路径上障碍的增加为自定义。
在本发明实施例中,步骤S104包括如下步骤:
基于所述栅格高程地图模型的最长边和所述栅格高程地图模型的中心点,构建立方体;
按照八个象限,对所述立方体进行递归分割,得到所述多个小体元。
在本发明实施例中,以栅格高程地图长宽高最长的一边为边长,地图中心点为原点新建立方体,按照八个象限进行递归分割,将该立方体作为八叉树的根节点,然后对模型进行自顶向下的八叉树剖分,每个子立方体均被视为根节点的子节点,由此划分下去,将立方体分割成多个小体元。
一个立方体按分割规则分割为8个子立方体,设立方体为(x,y,z,l),将立方体分割开得8个子立方体,分别为:
其中是立方体的边长。在这里采用FD线性八叉树来记录点集及其结构,此方法的算法效率很高。在FD线性八叉树中,每个叶节点用其FD位置码来表示,叶节点的层数即为位置码的长度。利用八进制编码序号,将任一节点的位置与一个八进制数对应,即:
其中,S为原始立方体大小,N为预先设定的剖分层次。最终形成的八叉树具有如图3所示的记录结构,其中,标注为白色节点表示该体元内不包含或含有小于30%空间比例的障碍物,可以通行;标注为黑色节点表示该体元内包含有大于等于70%空间比例的障碍物,不能通行。经过八叉树空间分割后的三维空间,每个顶点一定位于某个特定的叶子节点表示的小体元内,即每个小体元包含一个或多个模型顶点。
在本发明实施例中,步骤S106包括如下步骤:
排序步骤,基于所述多个目标对象的目标参数,对所述多个目标对象进行排序,得到排序结果;
第一规划步骤,基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为所述第一目标对象进行路径规划;
计算步骤,基于所述目标参数,计算出所述第一目标对象和第二目标对象之间的欧氏距离;
第二规划步骤,在所述欧氏距离大于预设阈值时,基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为所述第二目标对象进行路径规划,其中,所述第一目标对象和所述第二目标对象为所述排序结果中相邻的两个目标对象,且所述第一目标对象的目标参数大于所述第二目标对象的目标参数;
将所述第二目标对象确定为所述第一目标对象,并将第三目标对象确定为所述第二目标对象,重复执行所述第一规划步骤、所述计算步骤和所述第二规划步骤,直至确定出各个目标对象的初始可行路径,其中,所述第三目标对象为目标参数小于所述第二目标对象的相邻目标对象。
在本发明实施例中,每个目标对的权重值(速度),当两个目标对的欧氏距离小于等于规定数值,权重大(速度快)的目标继续搜索下一栅格节点,权重小(速度慢)的目标停止并保留当前位置作为下次起点,直至两个目标的距离大于规定数值,权重小(速度慢)的目标继续搜索下一栅格节点。如此,基于权重或速度值有效解决多目标相遇后的先后行进问题,直至所有目标顺利到达目标栅格节点,完成路径规划,如图4所示。
在本发明实施例中,一个目标小体元中包含多个栅格节点,则第一规划步骤,包括:
第一计算步骤,计算所述起始栅格节点的领域栅格节点的节点参数,其中,所述节点参数包括:所述领域栅格节点与所述目标栅格节点之间代价值,所述领域栅格节点与所述起始栅格节点之间的启发值;
第二计算步骤,基于所述节点参数计算出所述领域栅格节点的k值;
确定步骤,将目标领域栅格节点中k值最小领域栅格节点的确定为下一栅格节点,其中,所述目标领域栅格节点为所述领域栅格节点中栅格节点对应目标小体元的标识为能够通行的栅格节点;
将所述下一栅格节点确定为所述起始栅格节点,并重复执行所述第一计算步骤、所述第二计算步骤和确定步骤,直至下一栅格节点为所述目标栅格节点,得到所述第一目标对象的初始可行路径。
在本发明实施例中,设定路径起始栅格节点和目标栅格节点,并将参数写入对应小体元。在每个小体积元中设置存放待扩展节点的优先队列U为空集,将小体积元内所有栅格节点的rhs值和g值置为无穷大,目标栅格节点的rhs值置为0,计算目标栅格节点的k值并加入优先队列U中。
D*Lite算法在从目标点向起始点依据八叉树分割后的空间进行搜索,g表示目标位置到当前位置的代价值,启发函数h表示从当前位置到起始位置的启发值。在对三维空间中周围26个相邻单元空间做扩展时,g将被重新计算以寻找其中最小代价值,由父节点的g值加上这两点之间的代价中的最小值,得到当前位置到目标位置的最小代价记为rhs。
D*Lite算法中一个很重要的概念就是局部一致性,通过一个点的局部一致性来判断当前点是否需要计算。若一个点s的g值等于rhs值时,这个点为局部一致的点;若g值不等于rhs值,则点s为局部不连续点,需要加入优先队列中。局部不一致的情况还可细分成为局部过一致和局部欠一致:当g值大于rhs值时,这个点为局部过一致,通常是有障碍物删除时或者算法第一次搜索路径时;当g值小于rhs值时,这个点为局部欠一致,通常是检测到了新增的障碍物。
h和rhs的计算公式为:
总结来说,从目标栅格节点开始,对起始栅格节点的扩展栅格节点计算g值、rhs值及k值,若g大于rhs则把rhs的值赋给g,并将k值插入所在小体积元的优先队列U中,k值最小的弹出优先队列并作为下一个起始栅格节点,重复这一过程,直到搜索到起始栅格节点为止,生成一条通往目标点的可行路径(即,第一目标对象的初始可行路径)。
在本发明实施例中,步骤S110包括如下步骤:
基于所述多个目标小体元,确定出各个目标对象的初始可行路径中经过的标注为不能通行的目标小体元;
确定出与所述标注为不能通行的目标小体元距离最近的目标小体元;
将所述距离最近的目标小体元中k值最小的栅格节点,确定为所述起始栅格节点,并重复执行述第一计算步骤、所述第二计算步骤和确定步骤,直至下一栅格节点为所述目标栅格节点,得到各个目标对象的目标可行路径,如图5所示。
在本发明实施例中,如果环境改变,如在地图中增加障碍物,重新判断改变栅格节点所在小体积元为白色或黑色,同时更新该小体积元内的各顶点参数。如果预设的最优路径中有小体积元变黑,搜索距离最近的白色小体积元,找到具有最小k值的栅格节点;如果预设的最优路径中无小体积元变黑,只需搜索新增障碍物所在白色小体积元内具有最小k值的栅格节点。然后,将最小k值的栅格节点作为起始栅格节点,重新计算下一路径,直到运动到终点,得到各个目标对象的目标可行路径。
这样,重新规划路径只需要搜索最近白色小体积元内优先列表中栅格节点的最小k值,比D*lite算法中搜索整个三维空间加入优先列表的栅格节点的最小k值速度快,有效提高了D*lite算法在三维动态空间中的搜索效率。
为了直观的对比八叉树的空间分割相对于传统分割的搜索效率,这里采用时间复杂度对二者进行量化,在传统搜索模式下,D*lite的时间复杂度(使用大O符号表示法,即阶数表示法)为:
其中n表示三维空间总的栅格点数。随着三维空间网格点数n的增加,传统的搜索方法时长会有指数级的增加。在基于八叉树分割情况下的D*lite时间复杂度为:
本发明实施例基于D*lite算法在三维动态空间中路径规划,加入八叉树空间分割算法进行改进,提高了搜索速度;其次,加入多目标,依据目标权重值有效解决了相遇问题,提高了路径规划质量。因此,本文基对D*lite算法在多目标三维动态空间中的搜索效率和路径规划质量有较大的提升作用。
实施例二:
本发明实施例还提供了一种多目标三维动态路径规划装置,该多目标三维动态路径规划装置用于执行本发明实施例上述内容所提供的多目标三维动态路径规划方法,以下是本发明实施例提供的多目标三维动态路径规划装置的具体介绍。
如图6所示,图6为上述多目标三维动态路径规划的示意图,该多目标三维动态路径规划包括:
构建单元10,用于构建目标区域的栅格高程地图模型;
分割单元20,用于利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,并为所述多个小体元添加标记,得到多个中间小体元,其中,所述标记用于表征小体元对应的空间区域是否能够通行;
第一规划单元30,用于基于D*lite算法、所述多个中间小体元、预设栅格节点和多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象的初始可行路径,其中,所述预设栅格节点包括:起始栅格节点和目标栅格节点,所述目标参数包括:权重值或运动速度;
修改单元40,用于若检测到所述目标区域的环境发生改变,则对所述多个中间小体元的标注进行修改,得到多个目标小体元;
第二规划单元50,用于基于D*lite算法、所述多个目标小体元、各个目标对象的初始可行路径和所述多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径。
在本发明实施例中,通过构建目标区域的栅格高程地图模型;利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,并为所述多个小体元添加标记,得到多个中间小体元,其中,所述标记用于表征小体元对应的空间区域是否能够通行;基于D*lite算法、所述多个中间小体元、预设栅格节点和多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象的初始可行路径,其中,所述预设栅格节点包括:起始栅格节点和目标栅格节点,所述目标参数包括:权重值或运动速度;若检测到所述目标区域的环境发生改变,则对所述多个中间小体元的标注进行修改,得到多个目标小体元;基于D*lite算法和各个目标对象的初始可行路径,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径,达到了利用八叉树和D*lite算法进行三维路径规划的目的,进而解决了现有的三维路径规划的效率较低的技术问题,从而实现了提高三维路径规划的效率的技术效果。
实施例三:
本发明实施例还提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
参见图7,本发明实施例还提供一种电子设备100,包括:处理器60,存储器61,总线62和通信接口63,所述处理器60、通信接口63和存储器61通过总线62连接;处理器60用于执行存储器61中存储的可执行模块,例如计算机程序。
其中,存储器61可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。通过至少一个通信接口63(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线62可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器61用于存储程序,所述处理器60在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器60中,或者由处理器60实现。
处理器60可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器61,处理器60读取存储器61中的信息,结合其硬件完成上述方法的步骤。
实施例四:
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种多目标三维动态路径规划方法,其特征在于,包括:
构建目标区域的栅格高程地图模型;
利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,并为所述多个小体元添加标记,得到多个中间小体元,其中,所述标记用于表征小体元对应的空间区域是否能够通行;
基于D*lite算法、所述多个中间小体元、预设栅格节点和多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象的初始可行路径,其中,所述预设栅格节点包括:起始栅格节点和目标栅格节点,所述目标参数包括:权重值或运动速度;
若检测到所述目标区域的环境发生改变,则对所述多个中间小体元的标注进行修改,得到多个目标小体元;
基于D*lite算法和各个目标对象的初始可行路径,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径;
其中,基于D*lite算法、所述多个小体元、预设栅格节点和多个目标对象的目标参数,确定出各个目标对象的初始可行路径,包括:
排序步骤,基于所述多个目标对象的目标参数,对所述多个目标对象进行排序,得到排序结果;
第一规划步骤,基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为第一目标对象进行路径规划;
计算步骤,基于所述目标参数,计算出所述第一目标对象和第二目标对象之间的欧氏距离;
第二规划步骤,在所述欧氏距离大于预设阈值时,基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为所述第二目标对象进行路径规划,其中,所述第一目标对象和所述第二目标对象为所述排序结果中相邻的两个目标对象,且所述第一目标对象的目标参数大于所述第二目标对象的目标参数;
将所述第二目标对象确定为所述第一目标对象,并将第三目标对象确定为所述第二目标对象,重复执行所述第一规划步骤、所述计算步骤和所述第二规划步骤,直至确定出各个目标对象的初始可行路径,其中,所述第三目标对象为目标参数小于所述第二目标对象的相邻目标对象。
2.根据权利要求1所述的方法,其特征在于,利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,包括:
基于所述栅格高程地图模型的最长边和所述栅格高程地图模型的中心点,构建立方体;
按照八个象限,对所述立方体进行递归分割,得到所述多个小体元。
3.根据权利要求1所述的方法,其特征在于,一个目标小体元中包含多个栅格节点,则基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为所述第一目标对象进行路径规划,包括:
第一计算步骤,计算所述起始栅格节点的领域栅格节点的节点参数,其中,所述节点参数包括:所述领域栅格节点与所述目标栅格节点之间代价值,所述领域栅格节点与所述起始栅格节点之间的启发值;
第二计算步骤,基于所述节点参数计算出所述领域栅格节点的k值;
确定步骤,将目标领域栅格节点中k值最小领域栅格节点的确定为下一栅格节点,其中,所述目标领域栅格节点为所述领域栅格节点中栅格节点对应目标小体元的标识为能够通行的栅格节点;
将所述下一栅格节点确定为所述起始栅格节点,并重复执行所述第一计算步骤、所述第二计算步骤和确定步骤,直至下一栅格节点为所述目标栅格节点,得到所述第一目标对象的初始可行路径。
5.根据权利要求3所述的方法,其特征在于,基于D*lite算法和各个目标对象的初始可行路径,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径,包括:
基于所述多个目标小体元,确定出各个目标对象的初始可行路径中经过的标注为不能通行的目标小体元;
确定出与所述标注为不能通行的目标小体元距离最近的目标小体元;
将所述距离最近的目标小体元中k值最小的栅格节点,确定为所述起始栅格节点,并重复执行述第一计算步骤、所述第二计算步骤和确定步骤,直至下一栅格节点为所述目标栅格节点,得到各个目标对象的目标可行路径。
6.一种多目标三维动态路径规划装置,其特征在于,包括:
构建单元,用于构建目标区域的栅格高程地图模型;
分割单元,用于利用八叉树算法对所述栅格高程地图模型进行空间分割,得到多个小体元,并为所述多个小体元添加标记,得到多个中间小体元,其中,所述标记用于表征小体元对应的空间区域是否能够通行;
第一规划单元,用于基于D*lite算法、所述多个中间小体元、预设栅格节点和多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象的初始可行路径,其中,所述预设栅格节点包括:起始栅格节点和目标栅格节点,所述目标参数包括:权重值或运动速度;
修改单元,用于若检测到所述目标区域的环境发生改变,则对所述多个中间小体元的标注进行修改,得到多个目标小体元;
第二规划单元,用于基于D*lite算法、所述多个目标小体元、各个目标对象的初始可行路径和所述多个目标对象的目标参数,对所述多个目标对象进行路径规划,确定出各个目标对象对应的目标可行路径;
其中,所述第一规划单元,用于:
排序步骤,基于所述多个目标对象的目标参数,对所述多个目标对象进行排序,得到排序结果;
第一规划步骤,基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为第一目标对象进行路径规划;
计算步骤,基于所述目标参数,计算出所述第一目标对象和第二目标对象之间的欧氏距离;
第二规划步骤,在所述欧氏距离大于预设阈值时,基于所述D*lite算法、所述多个目标小体元和所述预设栅格节点,为所述第二目标对象进行路径规划,其中,所述第一目标对象和所述第二目标对象为所述排序结果中相邻的两个目标对象,且所述第一目标对象的目标参数大于所述第二目标对象的目标参数;
将所述第二目标对象确定为所述第一目标对象,并将第三目标对象确定为所述第二目标对象,重复执行所述第一规划步骤、所述计算步骤和所述第二规划步骤,直至确定出各个目标对象的初始可行路径,其中,所述第三目标对象为目标参数小于所述第二目标对象的相邻目标对象。
7.根据权利要求6所述的装置,其特征在于,所述分割单元,用于:
基于所述栅格高程地图模型的最长边和所述栅格高程地图模型的中心点,构建立方体;
按照八个象限,对所述立方体进行递归分割,得到所述多个小体元。
8.一种电子设备,其特征在于,包括存储器以及处理器,所述存储器用于存储支持处理器执行权利要求1至5任一项所述方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
9.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,计算机程序被处理器运行时执行上述权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310363577.8A CN116105741B (zh) | 2023-04-07 | 2023-04-07 | 一种多目标三维动态路径规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310363577.8A CN116105741B (zh) | 2023-04-07 | 2023-04-07 | 一种多目标三维动态路径规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116105741A CN116105741A (zh) | 2023-05-12 |
CN116105741B true CN116105741B (zh) | 2023-07-11 |
Family
ID=86260048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310363577.8A Active CN116105741B (zh) | 2023-04-07 | 2023-04-07 | 一种多目标三维动态路径规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116105741B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108088445A (zh) * | 2016-11-22 | 2018-05-29 | 广州映博智能科技有限公司 | 基于八叉树表示的三维栅格地图路径规划系统及方法 |
CN108444482B (zh) * | 2018-06-15 | 2021-10-22 | 东北大学 | 一种无人机自主寻路避障方法及系统 |
CN110501020B (zh) * | 2019-08-28 | 2022-12-02 | 湖南大学 | 一种多目标三维路径规划方法 |
-
2023
- 2023-04-07 CN CN202310363577.8A patent/CN116105741B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116105741A (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109509210B (zh) | 障碍物跟踪方法和装置 | |
CN109839935A (zh) | 多agv的路径规划方法及设备 | |
CN109163722B (zh) | 一种仿人机器人路径规划方法及装置 | |
CN109668561B (zh) | 一种室内路径规划方法、终端及可读存储介质 | |
CN112181991B (zh) | 基于快速构建kd树的地球模拟系统网格重映射方法 | |
Gudmundsson et al. | A GPU approach to subtrajectory clustering using the Fréchet distance | |
Harabor et al. | Hierarchical path planning for multi-size agents in heterogeneous environments | |
CN113589753B (zh) | 三维模型表面路径规划方法、系统、设备 | |
CN106204719B (zh) | 基于二维邻域检索的三维场景中海量模型实时调度方法 | |
US20160019248A1 (en) | Methods for processing within-distance queries | |
JP5175515B2 (ja) | モデル構築装置並びにモデル構築のための方法およびプログラム | |
CN111047682A (zh) | 一种三维车道模型生成方法及系统 | |
CN116105741B (zh) | 一种多目标三维动态路径规划方法和装置 | |
Lin et al. | Patch-Grid: an efficient and feature-preserving neural implicit surface representation | |
CN112102178A (zh) | 一种点云保特征去噪方法、装置、电子设备及存储介质 | |
Huang et al. | Grid interpolation algorithm based on nearest neighbor fast search | |
CN115033972B (zh) | 一种建筑主体结构批量单体化方法、系统及可读存储介质 | |
Wang et al. | Orthogonal voronoi diagram and treemap | |
Opoku et al. | The Ar-Star (Ar) Pathfinder | |
CN113284245B (zh) | 巷道三维模型构建方法、装置和电子设备 | |
US20230384117A1 (en) | Method, data processing apparatus and computer program product for generating map data | |
CN113628224B (zh) | 一种基于三维欧式距离变换的房间分割方法 | |
CN114357099A (zh) | 一种聚类方法、聚类系统和存储介质 | |
Qin et al. | Dynamic detection of topological information from grid-based generalized Voronoi diagrams | |
CN113848947A (zh) | 路径规划方法、装置、计算机设备及存储介质 |
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 |