CN116405883A - 一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备 - Google Patents
一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备 Download PDFInfo
- Publication number
- CN116405883A CN116405883A CN202310678947.7A CN202310678947A CN116405883A CN 116405883 A CN116405883 A CN 116405883A CN 202310678947 A CN202310678947 A CN 202310678947A CN 116405883 A CN116405883 A CN 116405883A
- Authority
- CN
- China
- Prior art keywords
- unmanned
- area
- searching
- pheromone
- updated
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 116
- 239000003016 pheromone Substances 0.000 claims abstract description 194
- 230000008569 process Effects 0.000 claims abstract description 55
- 238000012216 screening Methods 0.000 claims abstract description 52
- 238000009792 diffusion process Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 22
- 230000001174 ascending effect Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 8
- 230000000875 corresponding effect Effects 0.000 description 151
- 230000001276 controlling effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/04—Large scale networks; Deep hierarchical networks
- H04W84/08—Trunked mobile radio systems
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备,包括:在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;信息素浓度为表征对应的区域位置被无人驾驶设备集群搜寻程度的量化值;当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;为无人驾驶设备重新分配更新的搜寻目标位置,并返回在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度,直至无人驾驶设备结束覆盖搜寻任务。本方法能够提高无人驾驶设备集群的覆盖搜寻效率。
Description
技术领域
本申请涉及无人驾驶设备集群技术领域,尤其涉及一种无人驾驶设备集群的覆盖搜寻方法、装置、终端设备和计算机可读存储介质。
背景技术
近年来,利用无人驾驶设备集群对预设区域进行覆盖搜寻以实现目标搜寻或者障碍排查的应用越来越广泛。例如,利用无人艇集群对预设水域进行覆盖搜寻或利用无人机集群对预设地域进行覆盖搜寻。在实际应用中,若预先未获取预设区域的精准地图数据,目前的技术方案一般是依据无人驾驶设备集群中各无人驾驶设备分别获取到的环境感知信息反馈修正搜寻目标位置,各无人驾驶设备按照各自对应的搜寻目标位置进行搜寻,实现对预设区域进行覆盖搜寻。但是该技术方案中,需要反复迭代才能确定出能够满足搜寻覆盖率要求的搜寻目标位置;且若预设区域内的区域状态发生变化,将无法针对区域状态变化情况及时修正搜寻目标位置,需要重新迭代更新得到更新的搜寻目标位置,无人驾驶设备集群的覆盖搜寻的效率低下。
因此,如何提高无人驾驶设备集群的覆盖搜寻效率,是本领域技术人员目前需要解决的技术问题。
发明内容
本申请的目的在于提供一种无人驾驶设备集群的覆盖搜寻方法、装置、终端设备和计算机可读存储介质,旨在提高无人驾驶设备集群的覆盖搜寻效率。
第一方面,本申请提供了一种无人驾驶设备集群的覆盖搜寻方法。所述方法包括:
在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;所述信息素浓度为表征对应的区域位置被无人驾驶设备集群搜寻程度的量化值;
当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;在其中一个实施例中,所述当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置,包括:
若任一所述无人驾驶设备与任一所述搜寻目标位置的当前距离小于或等于预设距离阈值,和/或任一所述搜寻目标位置对应的信息素浓度超过预设浓度阈值,则将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;
为所述无人驾驶设备重新分配所述更新的搜寻目标位置,并返回所述在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度的步骤,直至所述无人驾驶设备结束覆盖搜寻任务。
在其中一个实施例中,一种无人驾驶设备集群的覆盖搜寻方法还包括:
获取所述无人驾驶设备的实时位置;
对应的,所述当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置,包括:
当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件且目标距离满足第二筛选条件的区域位置确定为更新的搜寻目标位置;所述目标距离为所述区域位置与所述实时位置的距离。
在其中一个实施例中,所述当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件且目标距离满足第二筛选条件的区域位置确定为更新的搜寻目标位置,包括:
当所述无人驾驶设备达到目标切换条件时,将按照升序排列的各所述区域位置的所述信息素浓度中的前预设位数的信息素浓度对应的区域位置确定为候选区域位置;
将各所述候选区域位置中所述目标距离最小值对应的候选区域位置确定为更新的搜寻目标位置。
在其中一个实施例中,所述方法还包括:
建立与所述预设区域对应的栅格图;所述栅格图中的每个栅格单元与所述区域位置一一对应。
在其中一个实施例中,所述在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度,包括:
在无人驾驶设备向对应的搜寻目标位置行驶的过程中,确定待更新区域位置的信息素扩散时刻和信息素扩散距离;所述待更新区域位置为位于所述无人驾驶设备搜寻感知范围内的区域位置;
基于菲克浓度方程,根据所述信息素扩散时刻和所述信息素扩散距离确定所述待更新区域位置的信息素浓度。
在其中一个实施例中,所述方法还包括:
在所述无人驾驶设备向对应的搜寻目标位置行驶的过程中,若根据所述无人驾驶设备的实时位置和障碍物的障碍物位置确定障碍物距离;
若所述障碍物距离小于第一距离阈值,则控制所述无人驾驶设备按照第一方向旋转行驶;
若所述障碍物距离小于第二距离阈值,则为所述无人驾驶设备施加排斥力,并控制所述无人驾驶设备按照第二方向旋转行驶;所述第一距离阈值大于第二距离阈值;所述第一方向和和第二方向为互为相反方向。
在其中一个实施例中,确定所述无人驾驶设备的所述第一方向的过程,包括:
确定所述无人驾驶设备驶向所述搜寻目标位置对应的初始方向;
确定所述无人驾驶设备与所述障碍物对应的障碍方向;
根据所述初始方向、所述障碍方向和所述障碍物距离确定所述第一方向。
第二方面,本申请还提供了一种无人驾驶设备集群的覆盖搜寻装置。所述装置包括:
更新模块,用于在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;所述信息素浓度为表征对应的区域位置被所述无人驾驶设备集群搜寻程度的量化值;
确定模块,用于当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;所述当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置包括:若任一所述无人驾驶设备与任一所述搜寻目标位置的当前距离小于或等于预设距离阈值,和/或任一所述搜寻目标位置对应的信息素浓度超过预设浓度阈值,则将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;
分配模块,用于为所述无人驾驶设备重新分配所述更新的搜寻目标位置,并返回所述在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度的步骤,直至所述无人驾驶设备结束覆盖搜寻任务。
第三方面,本申请还提供了一种终端设备。所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述方法的步骤。
本申请提供一种无人驾驶设备集群的覆盖搜寻方法,在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;所述信息素浓度为表征对应的区域位置被所述无人驾驶设备集群搜寻程度的量化值;并在所述无人驾驶设备达到目标切换条件时,将各所述区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置,为无人驾驶设备重新分配所述更新的搜寻目标位置;也就是说,无人驾驶设备集群在行驶过程中不断更新各区域位置的信息素浓度,根据不断更新的信息素浓度确选取更新的搜寻目标位置,因此选取的搜寻目标位置不仅使得无人驾驶设备集群实现高效率覆盖搜寻,且能够根据预设区域的区域状态变化灵活高效地确定出更新的搜寻目标位置;因此本方法能提高无人驾驶设备集群进行覆盖搜寻的搜寻效率。
可以理解的是,本申请实施例提供的一种无人驾驶设备集群的覆盖搜寻装置、终端设备和计算机可读存储介质具有如上述无人驾驶设备集群的覆盖搜寻方法相同的有益效果,在此不再赘述。
附图说明
为了更清楚地说明本申请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申请的一些实施方式,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为本申请实施例提供的一种无人驾驶设备集群的覆盖搜寻方法的流程图;
图2至图5为本申请实施例提供的一种无人驾驶设备旋转避障的过程示意图;
图6为本申请实施例提供的另一种无人驾驶设备集群的覆盖搜寻方法的流程图;
图7所示为本申请实施例提供的一种无人驾驶设备集群的覆盖搜寻装置的结构示意图;
图8为本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、设备、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。“多个”表示“两个或两个以上”。
本申请实施例提供的一种无人驾驶设备集群的覆盖搜寻方法,可以由终端设备的处理器在运行相应的计算机程序时执行。
图1为本申请实施例提供的一种无人驾驶设备集群的覆盖搜寻方法的流程图,为了便于说明,仅示出了与本实施例相关的部分,本实施例提供的方法包括如下步骤:
S100:在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;信息素浓度为表征对应的区域位置被无人驾驶设备集群搜寻程度的量化值。
其中,无人驾驶设备集群中包括多个无人驾驶设备,针对每个无人驾驶设备,其对应的设备信息包括身份编号、行驶速度(节)、侦察半径(米)、当前位置、搜寻目标位置、行驶时间上限(秒)、任务起始时刻(秒)、执行任务次数、行驶方向(度)以及执行任务种类(巡查/规避)等。
其中,搜寻目标位置指的是无人驾驶设备行驶对应的目标位置,即当前无人驾驶设备需驶向搜寻目标位置以实现搜寻。
其中,预设区域指的是需要实现覆盖搜寻的区域;区域位置指的是预设区域中的各区域,也就是将预设区域划分为多个区域位置。
其中,信息素浓度为表征对应的区域位置被无人驾驶设备集群搜寻程度的量化值。在实际设置时,可以设置信息素浓度与搜寻程度呈正相关,即区域位置在越短时间内被搜寻过,该区域位置对应的信息素浓度越高;或者设置信息素浓度与搜寻程度呈负相关,即区域位置在越短时间内被搜寻过,该区域位置对应的信息素浓度越低。在一个实例中,假设信息素浓度与搜寻程度呈正相关,若某区域位置5分钟内被无人驾驶设备搜寻过,则该区域位置对应的信息素浓度较高;若某区域位置在5分钟内未被任何无人驾驶设备搜寻过,则该区域位置对应的信息素浓度较低;在预设时长内,越多的无人驾驶设备搜寻过某区域位置,该区域位置的信息素浓度越高。并且,各为区域位置对应的初始信息素浓度为0,表示还未开始进行覆盖搜寻。
可以理解的是,无人驾驶设备集群中的各无人驾驶设备在预设区域中驶向各自对应的搜寻目标位置的过程中,将改变预设区域内的各区域位置分别对应的信息素浓度,因此更新预设区域内各区域位置分别对应的信息素浓度。
S200:当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置。
其中,目标切换条件指的是需要切换无人驾驶设备所对应的搜寻目标位置的条件,本实施例中,是在无人驾驶设备行驶的过程中,按照预设时间间隔获取条件判断参数进行条件判断,当无人驾驶设备达到目标切换条件时,即表示需要为无人驾驶设备重新分配更新的搜寻目标位置。具体的,可以基于区域位置的信息素浓度和/或无人驾驶设备的实时位置判断无人驾驶设备是否达到目标切换条件,本实施对目标切换条件的具体内容不做限定。
具体的,在确定无人驾驶设备达到目标切换条件时,获取预设区域中各区域位置的信息素浓度,依据第一筛选条件从各信息素浓度中确定出唯一的信息素浓度,并将该确定出的信息素浓度对应的区域位置设置为更新的搜寻目标位置。
需要说明的是,在初始条件下,确定无人驾驶设备集群中的无人驾驶设备数量,并从区域位置中随机确定对应数量的搜寻目标位置,并将确定出的搜寻目标位置分配给各无人驾驶设备;随机确定出的搜寻目标位置尽可能最大化覆盖预设区域。
在一个具体的实施例中,当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置,包括:
若任一无人驾驶设备与任一搜寻目标位置的实时距离小于或等于预设距离阈值,和/或任一搜寻目标位置对应的信息素浓度超过预设浓度阈值,则将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置。
本实施例中,确定无人驾驶设备是否达到目标切换条件包括:若任一无人驾驶设备与任一搜寻目标位置的当前距离小于或等于预设距离阈值,和/或任一搜寻目标位置对应的信息素浓度超过预设浓度阈值,则确定无人驾驶设备达到目标切换条件。
具体的,在无人驾驶设备向搜寻目标位置行驶的过程中,实时更新无人驾驶设备的当前位置,并计算当前位置与各搜寻目标位置分别对应的当前距离;各搜寻目标位置为无人驾驶设备集群中各无人驾驶设备分别对应的搜寻目标位置;若当前距离小于或等于预设距离阈值,则表示该搜寻目标位置已经被搜寻过,即无人驾驶设备达到目标切换条件;其中,预设距离阈值可取值为100米。此时需要切换搜寻目标,因此将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置。
在实际应用中,某一无人驾驶设备在向其所对应的搜寻目标位置行驶时,可能会“路过”其他无人驾驶设备对应的搜寻目标位置;如无人驾驶设备A在向搜寻目标位置a行驶时,“路过”与无人驾驶设备B对应的搜寻目标位置b;若无人驾驶设备A的实时位置与搜寻目标位置b的当前距离小于预设距离阈值,此时搜寻目标位置B也需要切换搜寻目标,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置。
具体的,在无人驾驶设备向搜寻目标位置行驶的过程中,获取各搜寻目标位置分别对应的信息素浓度,若设置信息素浓度与搜寻程度呈正相关,则根据搜寻目标位置的信息素浓度是否超过预设浓度阈值来确定无人驾驶设备是否达到目标切换条件;其中,预设浓度阈值可取值为0.5;若搜寻目标位置的信息素浓度超过预设浓度阈值,表示无人驾驶设备达到目标切换条件,则需要更新与该搜寻目标位置对应的无人驾驶设备的搜寻目标,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置。若设置信息素浓度与搜寻程度呈负相关,则根据搜寻目标位置的信息素浓度是否低于预设浓度阈值来确定无人驾驶设备是否达到目标切换条件;其中,预设浓度阈值可取值为0.5;若搜寻目标位置的信息素浓度低于预设浓度阈值,表示无人驾驶设备达到目标切换条件,则需要更新与该搜寻目标位置对应的无人驾驶设备的搜寻目标,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置。
需要说明的是,在实际操作中,也可以通过比较搜寻目标位置当前时刻与上一时刻分别对应的信息素浓度,若当前时刻的信息素浓度较上一时刻的信息素浓度发生更新,则表示该搜寻目标位置已经被无人驾驶设备搜寻过,因袭需要切换搜寻目标,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置。
S300:为无人驾驶设备重新分配更新的搜寻目标位置,并返回S100:在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度的步骤,直至无人驾驶设备结束覆盖搜寻任务。
具体的,在确定出更新的搜寻目标位置后,将更新的搜寻目标位置分配给对应的无人驾驶设备,即为无人驾驶设备重新分配更新的搜寻目标位置;无人驾驶设备在切换搜寻目标位置后,按照更新的搜寻目标位置行驶,在无人驾驶设备向对应的搜寻目标位置行驶的过程中,继续更新预设区域内各区域位置分别对应的信息素浓度。
本实施例中,在为无人驾驶设备重新分配更新的搜寻目标位置后,判断无人驾驶设备是否结束覆盖搜寻任务;若无人驾驶设备结束覆盖搜寻任务,则设置无人驾驶设备的行进目标位置为预设位置,预设位置如补给点位置或母船位置等。
需要说明的是,由于无人驾驶设备中的能源量随无人驾驶设备的行驶里程增加等比例消耗,在实际操作中,可以通过判断无人驾驶设备的剩余能源量是否低于能源阈值来判断无人驾驶设备是否结束覆盖搜寻任务;若无人驾驶设备的剩余能源量低于能源阈值,则表示无人驾驶设备结束覆盖搜寻任务;否则表示无人驾驶设备未结束覆盖搜寻任务;其中,能源阈值可设置为总能源量的预设比例,如总能源量的10%。
本申请实施例提供一种无人驾驶设备集群的覆盖搜寻方法,在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;信息素浓度为表征对应的区域位置被无人驾驶设备集群搜寻程度的量化值;并在无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置,为无人驾驶设备重新分配更新的搜寻目标位置;也就是说,无人驾驶设备集群在行驶过程中不断更新各区域位置的信息素浓度,根据不断更新的信息素浓度确选取更新的搜寻目标位置,因此选取的搜寻目标位置不仅使得无人驾驶设备集群实现高效率覆盖搜寻,且能够根据预设区域的区域状态变化灵活高效地确定出更新的搜寻目标位置;因此本方法能提高无人驾驶设备集群进行覆盖搜寻的搜寻效率。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置,包括:
当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度最低的区域位置确定为更新的搜寻目标位置。
在本实施例中,获取预设区域内各区域位置分别对应的信息素浓度,再将各信息素浓度按照预设顺序排列,如按照升序或降序排列;基于按照顺序排列的各信息素浓度确定出信息素浓度最低的区域位置,信息素浓度最低的区域位置为预设区域中被无人驾驶设备集群搜寻程度最低的区域位置;并将该信息素浓度最低的区域位置确定为更新的搜寻目标位置。
可见,按照本实施例的方法,每次针对预设区域中信息素浓度最低的区域位置进行搜寻,能够提高覆盖搜寻的搜寻效率。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,一种无人驾驶设备集群的覆盖搜寻方法还包括:
获取无人驾驶设备的实时位置;
对应的,当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置,包括:
当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件且目标距离满足第二筛选条件的区域位置确定为更新的搜寻目标位置;目标距离为区域位置与实时位置的距离。
其中,实时位置指的是无人驾驶设备在行驶过程中对应的位置,实时位置可以是根据以预设区域为直角坐标系确定出的坐标,也可以是像素显示坐标,还可以是经纬度坐标,本实施例对实时位置的具体类型不做限定。具体的,可以根据无人驾驶设备的上一时刻对应的位置、行驶速度和行驶方向计算出无人驾驶设备的实时位置。
具体的,在获取无人驾驶设备的实时位置后,根据实时位置和区域位置计算对应的目标距离;然后基于第一筛选条件和第二筛选条件从各区域位置中筛选出更新地搜寻目标位置;其中,第一筛选条件为依据信息素浓度筛选区域位置的条件,第二筛选条件为依据目标距离筛选区域位置的条件。
本实施例中,依据第一筛选条件和第二筛选条件确定更新的搜寻目标位置,确定出的搜寻目标位置能够进一步提高无人驾驶设备集群的覆盖搜寻效率。
在一个具体的实施例中,当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件且目标距离满足第二筛选条件的区域位置确定为更新的搜寻目标位置,包括:
当无人驾驶设备达到目标切换条件时,将按照降序排列的各区域位置的信息素浓度中的前预设位数的信息素浓度对应的区域位置确定为候选区域位置;
将各候选区域位置中目标距离最小值对应的候选区域位置确定为更新的搜寻目标位置。
在本实施例中,以设置信息素浓度与搜寻程度呈正相关为例进行说明。具体的,在获取预设区域的各区域位置分别对应的信息素浓度后,将各信息像素浓度按照升序排列,确定出按照升序排列的各信息素浓度中前预设位数的信息素浓度,并将筛选出的信息素浓度对应的区域位置确定为候选区域位置;另外,也可以将信息像素浓度按照降序排列,确定出按照降序排列的各信息素浓度中后预设位数的信息素浓度,并将筛选出的信息素浓度对应的区域位置确定为候选区域位置。其中,预设位数的具体取值可根据实际需求确定;比较各候选区域位置分别对应的目标距离的大小关系,确定出目标距离最小值,并将该目标距离最小值对应的候选区域位置确定为更新的搜寻目标位置。
在另一个实施例中,以设置信息素浓度与搜寻程度呈负相关为例进行说明。具体的,在获取预设区域的各区域位置分别对应的信息素浓度后,将各信息像素浓度按照升序排列,确定出按照升序排列的各信息素浓度中后预设位数的信息素浓度,并将筛选出的信息素浓度对应的区域位置确定为候选区域位置;另外,也可以将信息像素浓度按照降序排列,确定出按照降序排列的各信息素浓度中前预设位数的信息素浓度,并将筛选出的信息素浓度对应的区域位置确定为候选区域位置。其中,预设位数的具体取值可根据实际需求确定;比较各候选区域位置分别对应的目标距离的大小关系,确定出目标距离最小值,并将该目标距离最小值对应的候选区域位置确定为更新的搜寻目标位置。
可见,上述实施例是将搜寻程度较低的候选区域位置中的目标距离最小值对应的区域位置确定为更新的搜寻目标位置,能够进一步提高无人驾驶设备集群的覆盖搜寻效率。
需要说明的是,在另一个实施例中,在获取预设区域内各区域位置分别与实时位置对应的目标距离后,将各目标距离按照升序排列,确定出按照升序排列的各目标距离中前预设位数的目标距离,并将筛选出的目标距离对应的区域位置确定为候选区域位置;其中,预设位数的具体取值可根据实际需求确定;比较各候选区域位置分别对应的信息素浓度的大小关系,若设置信息素浓度与搜寻程度呈正相关,则确定出信息素浓度最小值,并将该信息素浓度最小值对应的候选区域位置确定为更新的搜寻目标位置;若设置信息素浓度与搜寻程度呈负相关,则确定出信息素浓度最大值,并将该信息素浓度最大值对应的候选区域位置确定为更新的搜寻目标位置。
可见,本实施例是将目标距离较小的候选区域位置中搜寻程度低的区域位置确定为更新的搜寻目标位置,能够进一步提高无人驾驶设备集群的覆盖搜寻效率。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,一种无人驾驶设备集群的覆盖搜寻方法还包括:
建立与预设区域对应的栅格图;栅格图中的每个栅格单元与区域位置一一对应。
其中,栅格图指的是以二维矩阵(行和列或格网)的形式来表示空间地物或现象分布的数据组织方式,每个矩阵单位称为一个栅格单元(cell)。
本实施例中,按照预设方式建立与预设区域对应的栅格图,栅格图中的每个栅格单元与区域位置一一对应。具体的,基于预设区域的区域面积和区域形状按照预设长度间隔(如200米)划分网格,并按照预设比例进行缩放,得到栅格图,根据预设水域颜色、预设区域中障碍物形状结构、障碍物颜色以及区域位置与栅格单元的对应关系设置栅格单元的颜色。
也就是说,本实施例中用栅格图中的栅格单元来指代各对应的区域位置,用与栅格单元对应的区域位置的坐标(横坐标和纵坐标)来标识对应的区域位置;对应的,整个预设区域为用坐标表示的二维数组。
可见,按照本实施例的方法,能够更加便捷地确定出更新的搜寻目标位置,提高无人驾驶设备集群的覆盖搜寻效率。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度,包括:
在无人驾驶设备向对应的搜寻目标位置行驶的过程中,确定待更新区域位置的信息素扩散时刻和信息素扩散距离;待更新区域位置为位于无人驾驶设备搜寻感知范围内的区域位置;
基于菲克浓度方程,根据信息素扩散时刻和信息素扩散距离确定待更新区域位置的信息素浓度。
其中,搜寻感知范围指的是无人驾驶设备利用预设的检测装置实现覆盖搜寻时所能覆盖的区域范围;搜寻感知范围的大小与无人驾驶设备的感知半径R相关。在无人驾驶设备行驶的过程中,其所对应的搜寻感知范围也将对应改变;若区域位置处于搜寻感知范围,则表示该区域位置被搜寻过,因此需要对应该区域位置对应的信息素浓度。
其中,信息素扩散时刻指的是区域位置被搜寻的时间;信息素扩散距离为无人驾驶设备与区域位置对应的距离。
例如,假设待更新区域位置包括P1、P2和P3,待更新区域位置包括P1、P2和P3的信息素扩展时刻为确定其为待更新区域位置的时刻;待更新区域位置P1的信息素扩散距离为无人驾驶设备的当前位置到待更新区域位置P1对应的距离Lp1,待更新区域位置P2的信息素扩散距离为无人驾驶设备的当前位置到待更新区域位置P2对应的距离Lp2。
本实施例中,预先设置菲克浓度方程第二扩散定律为:
其中,F表示待更新区域位置在当前时刻t对应的信息素浓度;F 0表示待更新区域位置上一时刻对应的信息素浓度;t 0表示待更新区域位置上一时刻对应的信息素扩散时刻;l 0表示待更新区域位置的信息素扩散距离;μ表示扩散系数。
在无人驾驶设备集群中的无人驾驶设备向对应的搜寻目标位置行驶的过程中,先根据无人驾驶设备搜寻感知范围确定需要更新信息素浓度的待更新区域位置,再确定待更新区域位置的信息素扩散时刻和信息素扩散距离,然后将待更新区域位置的信息素扩散时刻和信息素扩散距离代入至菲克浓度方程第二扩散定律中,输出待更新区域位置在当前时刻对应的信息素浓度。
需要说明的是,在实际操作中,可以是在无人驾驶设备集群中的各无人驾驶设备更新各自的当前位置后,更新预设区域内各区域位置分别对应的信息素浓度,确定待更新区域位置在一段时间内的信息素浓度变化曲线,也可以针对某一待更新区域位置的信息素扩散距离和信息素扩散时刻确定出对应的信息素浓度,即无需实时更新预设区域中各区域位置对应的信息素浓度,能够大大减少计算量,避免浪费系统计算资源。
在实际操作中,可以获取预设区域内各区域位置分别对应的信息素浓度,并按照栅格图的位置顺序输出信息素浓度的文本文件,以存储查询信息素浓度随时间和无人驾驶设备集群的巡查轨迹的变化情况。
另外,在实际操作中,根据各区域位置对应的信息素浓度在预设时长(如5分钟)内是否被更新情况,确定对应的区域位置是否被搜寻,再计算预设区域对应的搜寻覆盖率;其中,搜寻覆盖率=已搜寻的区域位置的数量/预设区域中区域位置的数量。
按照本实施例的方法设置信息素浓度与搜寻程度呈正相关,能够便捷精准地确定出待更新区域位置对应的信息素浓度,能够高效地确定出更新的搜寻目标位置,从而提高无人驾驶设备集群的覆盖搜寻效率。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,一种无人驾驶设备集群的覆盖搜寻方法还包括:
在无人驾驶设备向对应的搜寻目标位置行驶的过程中,若根据无人驾驶设备的实时位置和障碍物的障碍物位置确定障碍物距离;
若障碍物距离小于第一距离阈值,则控制无人驾驶设备按照第一方向旋转行驶;
若障碍物距离小于第二距离阈值,则为无人驾驶设备施加排斥力,并控制无人驾驶设备按照第二方向旋转行驶;第一距离阈值大于第二距离阈值;第一方向和和第二方向为互为相反方向。
其中,第一距离阈值可以是无人驾驶设备的搜寻感知范围对应的感知半径;感知半径即无人驾驶设备的检测装置能够检测的最大半径;第二距离阈值可以是无人驾驶设备的排斥半径,排斥半径即影响无人驾驶设备安全行驶的距离。
图2至图5为本申请实施例提供的一种无人驾驶设备旋转避障的过程示意图,如图2至图5所示,旋转避障过程可以包括三个阶段:旋转规避阶段、排斥阶段、反向旋转阶段。具体的,在无人驾驶设备(USV)向对应的搜寻目标位置行驶的过程中,基于感知半径R检测搜寻感知范围内是否存在障碍物;若检测到障碍物,则获取障碍物的障碍物位置,并根据无人驾驶设备的实时位置和障碍物的障碍物位置确定障碍物距离。在计算障碍物距离时,可根据当前位置和障碍物对应的栅格单元的中心点位置计算出障碍物距离。
然后,判断障碍物距离是否小于第一距离阈值(感知半径R);若障碍物距离小于第一距离阈值,则控制无人驾驶设备按照第一方向旋转行驶;按照第一方向旋转行驶即无人驾驶设备按照顺时针或逆时针的方向旋转且行驶速度保持不变。
然后,判断障碍物距离是否小于第二距离阈值(排斥半径r),第二距离阈值小于第一距离阈值;若障碍物距离小于第二距离阈值,则为无人驾驶设备施加排斥力,并控制无人驾驶设备按照第二方向旋转行驶;表示无人驾驶设备在按照第一方向旋转行驶的过程中并没有远离障碍物,因此为无人驾驶设备施加排斥力远离障碍物,同时控制无人驾驶设备按照第二方向旋转行驶;第一方向和和第二方向为互为相反方向;即切换无人驾驶设备的旋转方向,并控制无人驾驶设备按照切换后的旋转方向旋转行驶,以达到远离障碍物的目的。
按照本实施例的方法,能够在无人驾驶设备遇到障碍物时进行灵活避障。
在一个具体的实施例中,确定无人驾驶设备的第一方向的过程,包括:
确定无人驾驶设备驶向搜寻目标位置对应的初始方向;
确定无人驾驶设备与障碍物对应的障碍方向;
根据初始方向、障碍方向和障碍物距离确定第一方向。
其中,初始方向为无人驾驶设备向搜寻目标位置行驶时对应的方向,可以根据无人驾驶设备和初始方向之间的行驶路径确定出;障碍方向为无人驾驶设备指向障碍物的方向,可以根据无人驾驶设备与障碍物之间的连线确定出。
具体的,在获取到初始方向、障碍方向和障碍物距离后,根据初始方向、障碍方向和障碍物距离确定行驶方向。
可以理解的是,由于无人驾驶设备在旋转避障的过程中实时调整其对应的当前位置,因此第一方向也将实时更新。
在一个具体的实施例中,依据如下公式确定无人驾驶设备的行驶方向,行驶方向包括初始方向、第一方向和第二方向:
其中,表示初始方向,/>表示障碍物方向;/>表示障碍物距离,ω为权重调节参数,ω用于保障行驶方向能够非线性平滑地由第一方向随着障碍物距离缩短而转向第二方向;ω可借鉴Sigmiod方程的非线性平滑转换性质,/>。在一个实施例中,第一距离阈值可取值为500米。
可见,按照本实施例的方法能高效便捷地确定出无人驾驶设备的行驶方向,提高无人驾驶设备集群的覆盖搜寻效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
为了使本技术领域的人员更好地理解本申请中的技术方案,下面结合实际应用场景对本申请实施例中的技术方案进行详细说明。在本申请实施例中,以无人驾驶设备为无人艇为例,结合图6所示的另一种无人驾驶设备集群的覆盖搜寻方法的流程图,一种无人驾驶设备集群的覆盖搜寻方法的具体步骤如下:
获取预设水域对应的环境参数,建立与预设区域对应的栅格图;栅格图中的每个栅格单元与区域位置一一对应;
初始化无人艇集群对应的参数,包括确定无人艇集群内各无人艇的初始位置(母船位置)、各无人艇对应的设备信息,设备信息包括身份编号、行驶速度(节)、侦察半径(米)、当前位置、行驶时间上限(秒)、任务起始时刻(秒)、执行任务次数、行驶方向(度)以及执行任务种类(巡查/规避)等;
初始化预设区域内各区域位置对应的信息素浓度为0;信息素浓度为表征对应的区域位置被无人艇集群搜寻程度的量化值;
初始化各无人艇的搜寻目标位置:从区域位置中随机确定对应数量的搜寻目标位置,并将确定出的搜寻目标位置分配给各无人艇;随机确定出的搜寻目标位置尽可能最大化覆盖预设区域;
在无人艇集群中的无人艇向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度:在无人艇集群中的无人艇向对应的搜寻目标位置行驶的过程中,确定待更新区域位置的信息素扩散时刻和信息素扩散距离;待更新区域位置为位于无人艇搜寻感知范围内的区域位置;基于菲克浓度方程,根据信息素扩散时刻和信息素扩散距离确定待更新区域位置的信息素浓度;
获取无人艇的当前位置;根据无人驾驶设备的上一时刻对应的位置、行驶速度和行驶方向计算出无人驾驶设备的实时位置;
判断是否达到目标切换条件:若任一无人艇与任一搜寻目标位置的当前距离小于或等于100米,和/或任一搜寻目标位置对应的信息素浓度大于0.5,和/或任一搜寻目标位置对应的信息素浓度发生变化,为无人艇切换更新的搜寻目标位置;
确定更新的搜寻目标位置:将按照升序排列的各区域位置的信息素浓度中的前预设位数的信息素浓度对应的区域位置确定为候选区域位置;将各候选区域位置中目标距离最小值对应的候选区域位置确定为更新的搜寻目标位置;
在无人艇向对应的搜寻目标位置行驶的过程中,若根据无人艇的实时位置和障碍物的障碍物位置确定障碍物距离;
若障碍物距离小于第一距离阈值,则控制无人艇按照第一方向旋转行驶;
若障碍物距离小于第二距离阈值,则为无人艇施加排斥力,并控制无人艇按照第二方向旋转行驶;第一距离阈值大于第二距离阈值;第一方向和和第二方向为互为相反方向。
判断是否结束搜寻任务:判断无人艇的剩余能源量是否低于总能源量的10%;若低于,则无人艇集群结束覆盖搜寻任务,输出覆盖搜寻效果图;若不低于,则返回在无人艇集群中的无人艇向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度的步骤。
本申请提供一种无人驾驶设备集群的覆盖搜寻方法,在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;信息素浓度为表征对应的区域位置被无人驾驶设备集群搜寻程度的量化值;并在无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置,为无人驾驶设备重新分配更新的搜寻目标位置;也就是说,无人驾驶设备集群在行驶过程中不断更新各区域位置的信息素浓度,根据不断更新的信息素浓度确选取更新的搜寻目标位置,因此选取的搜寻目标位置不仅使得无人驾驶设备集群实现高效率覆盖搜寻,且能够根据预设区域的区域状态变化灵活高效地确定出更新的搜寻目标位置;因此本方法能提高无人驾驶设备集群进行覆盖搜寻的搜寻效率。
图7所示为本申请实施例提供的一种无人驾驶设备集群的覆盖搜寻装置的结构示意图。如图7所示,该实施例的无人驾驶设备集群的覆盖搜寻装置包括:
更新模块710,用于在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;信息素浓度为表征对应的区域位置被无人驾驶设备集群搜寻程度的量化值;
确定模块720,用于当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;确定模块包括:条件更新子模块,用于若任一无人驾驶设备与任一搜寻目标位置的当前距离小于或等于预设距离阈值,和/或任一搜寻目标位置对应的信息素浓度超过预设浓度阈值,则将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;
分配模块730,用于为无人驾驶设备重新分配更新的搜寻目标位置,并调用更新模块710,直至无人驾驶设备结束覆盖搜寻任务。
本申请实施例提供的一种无人驾驶设备集群的覆盖搜寻装置,具有与上述一种无人驾驶设备集群的覆盖搜寻方法相同的有益效果。
在其中一个实施例中,一种无人驾驶设备集群的覆盖搜寻装置还包括:
实时位置获取模块,用于获取无人驾驶设备的实时位置;
对应的,确定模块包括:
第二确定子模块,用于当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件且目标距离满足第二筛选条件的区域位置确定为更新的搜寻目标位置;目标距离为区域位置与实时位置的距离。
在其中一个实施例中,第二确定子模块包括:
候选确定单元,用于当无人驾驶设备达到目标切换条件时,将按照升序排列的各区域位置的信息素浓度中的前预设位数的信息素浓度对应的区域位置确定为候选区域位置;
目标确定单元,用于将各候选区域位置中目标距离最小值对应的候选区域位置确定为更新的搜寻目标位置。
在其中一个实施例中,一种无人驾驶设备集群的覆盖搜寻装置还包括:
建立模块,用于建立与预设区域对应的栅格图;栅格图中的每个栅格单元与区域位置一一对应。
在其中一个实施例中,更新模块包括:
因素确定子模块,用于在无人驾驶设备向对应的搜寻目标位置行驶的过程中,确定待更新区域位置的信息素扩散时刻和信息素扩散距离;待更新区域位置为位于无人驾驶设备搜寻感知范围内的区域位置;
浓度更新子模块,用于基于菲克浓度方程,根据信息素扩散时刻和信息素扩散距离确定待更新区域位置的信息素浓度。
在其中一个实施例中,一种无人驾驶设备集群的覆盖搜寻装置还包括:
障碍物距离确定模块,用于在无人驾驶设备向对应的搜寻目标位置行驶的过程中,若根据无人驾驶设备的实时位置和障碍物的障碍物位置确定障碍物距离;
第一旋转避障模块,用于若障碍物距离小于第一距离阈值,则控制无人驾驶设备按照第一方向旋转行驶;
第二旋转避障模块,用于若障碍物距离小于第二距离阈值,则为无人驾驶设备施加排斥力,并控制无人驾驶设备按照第二方向旋转行驶;第一距离阈值大于第二距离阈值;第一方向和和第二方向为互为相反方向。
在其中一个实施例中,第一旋转避障模块包括:
第一确定单元,用于确定无人驾驶设备驶向搜寻目标位置对应的初始方向;
第二确定单元,用于确定无人驾驶设备与障碍物对应的障碍方向;
第三确定单元,用于根据初始方向、障碍方向和障碍物距离确定第一方向。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、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单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图8为本申请实施例提供的一种终端设备的结构示意图。如图8所示,该实施例的终端设备800包括存储器801、处理器802以及存储在存储器801中并可在处理器802上运行的计算机程序803;处理器802执行计算机程序803时实现上述各个无人驾驶设备集群的覆盖搜寻方法实施例中的步骤;或者处理器802执行计算机程序803时实现上述各无人驾驶设备集群的覆盖搜寻装置实施例中各模块/单元的功能。
示例性的,计算机程序803可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器801中,并由处理器802执行,以实现本申请实施例的方法。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序803在终端设备800中的执行过程。例如,计算机程序803可以被分割成更新模块、确定模块和分配模块,各模块具体功能如下:
更新模块,用于在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;信息素浓度为表征对应的区域位置被无人驾驶设备集群搜寻程度的量化值;
确定模块,用于当无人驾驶设备达到目标切换条件时,将各区域位置中信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;
分配模块,用于为无人驾驶设备重新分配更新的搜寻目标位置,并返回更新模块,直至无人驾驶设备结束覆盖搜寻任务。
在应用中,终端设备800可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备800可包括但不仅限于存储器801和处理器802。本领域技术人员可以理解,图8仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等;其中,输入输出设备可以包括摄像头、音频采集/播放器件、显示屏等;网络接入设备可以包括通信模块,用于与外部设备进行无线通信。
在应用中,处理器可以是中央处理单元(Central Processing Unit,CPU),也可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
在应用中,存储器可以是终端设备的内部存储单元,例如终端设备的硬盘或内存;也可以是终端设备的外部存储设备,例如,终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等;还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等,例如计算机程序的程序代码等。存储器还可以用于暂时存储已经输出或者将要输出的数据。
本申请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存储有计算机程序,计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供的一种计算机可读存储介质,具有与上述一种无人驾驶设备集群的覆盖搜寻方法相同的有益效果。
本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到终端设备的任何实体或设备、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的设备及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,设备间接耦合或通讯连接,可以是电性,机械或其它的形式。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种无人驾驶设备集群的覆盖搜寻方法,其特征在于,所述方法包括:
在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度;所述信息素浓度为表征对应的区域位置被无人驾驶设备集群搜寻程度的量化值;
当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;所述当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置包括:若任一所述无人驾驶设备与任一所述搜寻目标位置的当前距离小于或等于预设距离阈值,和/或任一所述搜寻目标位置对应的信息素浓度超过预设浓度阈值,则将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置;
为所述无人驾驶设备重新分配所述更新的搜寻目标位置,并返回所述在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度的步骤,直至所述无人驾驶设备结束覆盖搜寻任务。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述无人驾驶设备的实时位置;
对应的,所述当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件的区域位置确定为更新的搜寻目标位置,包括:
当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件且目标距离满足第二筛选条件的区域位置确定为更新的搜寻目标位置;所述目标距离为所述区域位置与所述实时位置的距离。
3.根据权利要求2所述的方法,其特征在于,所述当所述无人驾驶设备达到目标切换条件时,将各所述区域位置中所述信息素浓度满足第一筛选条件且目标距离满足第二筛选条件的区域位置确定为更新的搜寻目标位置,包括:
当所述无人驾驶设备达到目标切换条件时,将按照升序排列的各所述区域位置的所述信息素浓度中的前预设位数的信息素浓度对应的区域位置确定为候选区域位置;
将各所述候选区域位置中所述目标距离最小值对应的候选区域位置确定为更新的搜寻目标位置。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
建立与所述预设区域对应的栅格图;所述栅格图中的每个栅格单元与所述区域位置一一对应。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述在无人驾驶设备向对应的搜寻目标位置行驶的过程中,更新预设区域内各区域位置分别对应的信息素浓度,包括:
在无人驾驶设备向对应的搜寻目标位置行驶的过程中,确定待更新区域位置的信息素扩散时刻和信息素扩散距离;所述待更新区域位置为位于所述无人驾驶设备搜寻感知范围内的区域位置;
基于菲克浓度方程,根据所述信息素扩散时刻和所述信息素扩散距离确定所述待更新区域位置的信息素浓度。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
在所述无人驾驶设备向对应的搜寻目标位置行驶的过程中,若根据所述无人驾驶设备的实时位置和障碍物的障碍物位置确定障碍物距离;
若所述障碍物距离小于第一距离阈值,则控制所述无人驾驶设备按照第一方向旋转行驶;
若所述障碍物距离小于第二距离阈值,则为所述无人驾驶设备施加排斥力,并控制所述无人驾驶设备按照第二方向旋转行驶;所述第一距离阈值大于第二距离阈值;所述第一方向和和第二方向为互为相反方向。
7.根据权利要求6所述的方法,其特征在于,确定所述无人驾驶设备的所述第一方向的过程,包括:
确定所述无人驾驶设备驶向所述搜寻目标位置对应的初始方向;
确定所述无人驾驶设备与所述障碍物对应的障碍方向;
根据所述初始方向、所述障碍方向和所述障碍物距离确定所述第一方向。
8.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7任一项所述方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310678947.7A CN116405883B (zh) | 2023-06-09 | 2023-06-09 | 一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310678947.7A CN116405883B (zh) | 2023-06-09 | 2023-06-09 | 一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116405883A true CN116405883A (zh) | 2023-07-07 |
CN116405883B CN116405883B (zh) | 2023-09-29 |
Family
ID=87020284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310678947.7A Active CN116405883B (zh) | 2023-06-09 | 2023-06-09 | 一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116405883B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060085106A1 (en) * | 2004-02-06 | 2006-04-20 | Icosystem Corporation | Methods and systems for area search using a plurality of unmanned vehicles |
CN110488827A (zh) * | 2019-08-20 | 2019-11-22 | 集美大学 | 基于蚂蚁觅食行为的agv控制方法、终端设备及存储介质 |
CN112783213A (zh) * | 2021-01-13 | 2021-05-11 | 北京理工大学 | 一种基于混合机制的多无人机协同广域动目标搜索方法 |
CN114138011A (zh) * | 2021-11-23 | 2022-03-04 | 北京航空航天大学 | 一种基于飞蛾信息素机制的无人机集群目标搜索方法 |
CN115047909A (zh) * | 2022-06-15 | 2022-09-13 | 深圳市人工智能与机器人研究院 | 一种基于蚁群信息素的无人机集群区域监视控制方法 |
-
2023
- 2023-06-09 CN CN202310678947.7A patent/CN116405883B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060085106A1 (en) * | 2004-02-06 | 2006-04-20 | Icosystem Corporation | Methods and systems for area search using a plurality of unmanned vehicles |
CN110488827A (zh) * | 2019-08-20 | 2019-11-22 | 集美大学 | 基于蚂蚁觅食行为的agv控制方法、终端设备及存储介质 |
CN112783213A (zh) * | 2021-01-13 | 2021-05-11 | 北京理工大学 | 一种基于混合机制的多无人机协同广域动目标搜索方法 |
CN114138011A (zh) * | 2021-11-23 | 2022-03-04 | 北京航空航天大学 | 一种基于飞蛾信息素机制的无人机集群目标搜索方法 |
CN115047909A (zh) * | 2022-06-15 | 2022-09-13 | 深圳市人工智能与机器人研究院 | 一种基于蚁群信息素的无人机集群区域监视控制方法 |
Non-Patent Citations (1)
Title |
---|
李建军,高振军,侯风华: "基于高程—四叉树模型和改进蚁群算法的路径规划", 信息工程大学学报, vol. 15, no. 6, pages 723 - 742 * |
Also Published As
Publication number | Publication date |
---|---|
CN116405883B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276346B (zh) | 目标区域识别模型训练方法、装置和计算机可读存储介质 | |
KR102539942B1 (ko) | 궤적 계획 모델을 훈련하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
US20220214182A1 (en) | Method, system, terminal, and storage medium for rapid generation of reference lines | |
CN109606384B (zh) | 车辆控制方法、装置、设备和存储介质 | |
CN110263713B (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
US20160042246A1 (en) | A haar calculation system, an image classification system, associated methods and associated computer program products | |
CN111079533A (zh) | 无人车驾驶决策方法、无人车驾驶决策装置及无人车 | |
CN110597937A (zh) | 一种无人智能巡检的方法、装置、设备及存储介质 | |
WO2024040954A1 (zh) | 点云语义分割网络训练方法、点云语义分割方法及装置 | |
CN111553242B (zh) | 用于预测驾驶行为的生成对抗网络的训练方法和电子设备 | |
CN115147598A (zh) | 目标检测分割方法、装置、智能终端及存储介质 | |
US12013251B2 (en) | Dynamic map generation with focus on construction and localization field of technology | |
KR20210090249A (ko) | 이미지 처리 방법, 장치, 차량 탑재 연산 플랫폼, 전자 디바이스 및 시스템 | |
CN115014328A (zh) | 一种栅格地图的动态加载方法、装置、设备和介质 | |
CN115326051A (zh) | 一种基于动态场景的定位方法、装置、机器人及介质 | |
CN116405883B (zh) | 一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备 | |
CN116343169A (zh) | 路径规划方法、目标对象运动控制方法、装置及电子设备 | |
US11568220B2 (en) | Deep neural network implementation | |
CN113219968B (zh) | 自动驾驶控制方法及装置 | |
CN114863300A (zh) | 一种最短路径生成方法及装置 | |
CN112860869B (zh) | 基于分层强化学习网络的对话方法、装置及存储介质 | |
CN115061499A (zh) | 无人机控制方法及无人机控制装置 | |
CN113148227B (zh) | 卫星集群分布式控制方法和装置 | |
CN115366919A (zh) | 一种轨迹预测方法、系统、电子设备及存储介质 | |
Yang et al. | An improved yolov3 algorithm for pedestrian detection on uav imagery |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A coverage search method, device, and terminal device for an unmanned driving device cluster Effective date of registration: 20231226 Granted publication date: 20230929 Pledgee: Zhuhai rural commercial bank Limited by Share Ltd. high tech branch Pledgor: Zhuhai Yunzhou Intelligent Technology Co.,Ltd. Registration number: Y2023980074326 |