CN117313976A - 一种路线图优化方法、系统、计算机设备及可读存储介质 - Google Patents
一种路线图优化方法、系统、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN117313976A CN117313976A CN202311576226.1A CN202311576226A CN117313976A CN 117313976 A CN117313976 A CN 117313976A CN 202311576226 A CN202311576226 A CN 202311576226A CN 117313976 A CN117313976 A CN 117313976A
- Authority
- CN
- China
- Prior art keywords
- optimized
- equipment
- route
- server
- moving route
- 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 59
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000010586 diagram Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 54
- 238000005070 sampling Methods 0.000 claims description 29
- 238000009499 grossing Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 210000003128 head Anatomy 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
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
Abstract
本申请提供了一种路线图优化方法、系统、计算机设备及可读存储介质,其中,用户端根据待优化设备的待处理移动路线和数据库中的历史移动路线图生成综合移动路线图;云处理器计算待处理移动路线指示的第一曲线和历史移动路线指示的第二曲线构成的封闭区域面积并根据封闭区域面积判断待处理移动路线是否需要优化;在进行路线图优化前为每个待处理移动线路分配服务器,由该服务器根据待处理移动线路与综合移动路线图中的其他待优化设备的位置对待处理移动线路进行优化得到已优化移动线路;最后用户端根据已优化移动线路生成优化后的线路图。采用上述方法,以降低在进行路线图优化时所需耗费的人力成本,同时提高优化后的线路的准确性和适配性。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种路线图优化方法、系统、计算机设备及可读存储介质。
背景技术
轨迹规划指在满足物体动力学约束、运动学约束、避撞约束等约束情况下,按照给定的评价指标,例如移动时间,耗能等,在有限道路空间,寻找可移动设备从起始状态到目标状态的时空运动轨迹。而轨迹路线图优化是指根据可移动设备周围环境的因素或者是可移动设备自身的因素对规划的移动轨迹图和线路图进行修改和调整,以使优化后的路径能够更加适合可移动设备当前的状态。
在现有技术中,在对路线进行优化时,基本是通过经验调优,即通过用户肉眼观察可移动设备的周围环境和原始规划的线路的形态,根据经验对原始规划的线路进行调整,然后再通过反复测试来确认结果。在研究中发现,受限于肉眼观察的精确度的准确性较低,以及用户经验的不足,在通过上述方法进行路线图优化时,可能会导致路线不够优化(比如路线中存在冗余转向等情况)以及优化后的路线无法准确与可移动设备自身和其周围环境相适配的情况,从而降低了优化后的线路图的准确性和适配性。同时,由于不同可移动设备自身和其周围环境是不同的,所以用户需要进行大量的观察,调整和测试工作,从而会增加在进行路线图优化时所需耗费的人力成本。
发明内容
有鉴于此,本发明的目的在于提供一种路线图优化方法、系统、计算机设备及可读存储介质,以降低在进行路线图优化时所需耗费的人力成本,同时提高优化后的线路图的准确性和适配性。
第一方面,本申请实施例提供了一种路线图优化方法,应用于路线图优化系统,所述系统包括云处理器、服务器集群和用户端,所述服务器集群中包括多个服务器,所述方法包括:
所述用户端响应用户输入的路线图优化指令,根据所述路线图优化指令中携带的每个待优化设备的设备标识、起始位置和目的地位置,从历史移动路线图数据库中确定出每个待优化设备的历史移动路线图,其中,所述历史移动路线图中包括指示该待优化设备从所述起始位置移动至所述目的地位置的历史移动路线的第一曲线和指示位于所述历史移动路线周围的其他待优化设备的所有初始点,所述路线图优化指令中还携带有每个待优化设备的待处理移动路线;
对于每个所述待优化设备,所述用户端将该待优化设备的待处理移动路线在该待优化设备的历史移动路线图中进行标记得到该待优化设备的综合移动路线图,并将该待优化设备的综合移动路线图发送至云处理器;
所述云处理器计算该待优化设备的综合移动路线图中的第一曲线与该待优化设备的待处理移动路线所指示的第二曲线所构成的封闭偏移区域面积;
所述云处理器判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积;
若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,所述云处理器则将所述第一曲线从该待优化设备的综合移动路线图中删除得到该待优化设备的待处理移动路线图;
所述云处理器依次对该待优化设备的待处理移动路线图中的目标区域进膨胀处理和腐蚀处理得到待优化移动路线图,其中,所述目标区域为以所述第二曲线的起点和终点构成的线段为直径的圆形区域;
所述云处理器根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器,并将该待优化设备的待优化移动路线图发送至该待优化设备对应的目标服务器;
该待优化设备对应的目标服务器根据该待优化设备的待处理移动路线中各路径点在该待优化设备的待优化移动路线图中对应的像素点的像素值,确定出该待优化设备的待处理移动路线中各路径点与目标点之间的距离参考值,其中,所述目标点为离所述第二曲线最近的初始点;
该待优化设备对应的目标服务器通过下述公式确定出该待优化设备的待处理移动路线中各路径点的采样率:
;其中,/>为自然常数,/>为距离参考值;
该待优化设备对应的目标服务器按照该待优化设备的待处理移动路线中各路径点对应的采样率,在该待优化设备的待处理移动路线中选取对该待优化设备的待处理移动路线进行平滑处理的N次B样条曲线对应的控制点;
该待优化设备对应的目标服务器根据所述控制点生成N次B样条曲线,其中,所述N次B样条曲线为clamped曲线;
该待优化设备对应的目标服务器对所述N次B样条曲线进行均匀采样处理;
该待优化设备对应的目标服务器将均匀采样处理后的N次B样条曲线确定为平滑后的该待优化设备的已优化移动路线,并将所述优化移动路线通过所述云处理器发送至所述用户端;
所述用户端利用该待优化设备的已优化移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第一已优化移动路线图。
可选地,所述云处理器根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器,包括:
所述云处理器根据该待优化设备的待处理移动路线的路线长度从路线等级数据库中确定出该待优化设备的待处理移动路线所对应的目标路线等级;
所述云处理器根据下述公式确定出每个所述服务器的数据处理分数:
;
其中,为服务器的时钟频率,/>为服务器的历史数据处理量;
所述云处理器根据每个所述服务器的数据处理分数从服务器等级数据库中确定出每个所述服务器的分配等级;
所述云处理器从所述服务器集群中确定出具有与该待优化设备的待处理移动路线的目标路线等级的等级标识相同的分配等级的服务器,作为所述目标服务器。
可选地,在所述云处理器判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积后,所述方法还包括:
若该待优化设备的封闭偏移区域面积未超过所述标准偏移面积,所述用户端则利用该待优化设备的待处理移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第二已优化移动路线图。
可选地,若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,所述方法还包括:
所述云处理器向所述用户端发送预警指令;
所述用户端响应所述预警指令,通过该待优化设备的扬声器向所述用户播报警示信息。
第二方面,本申请实施例提供了一种路线图优化系统,所述系统包括云处理器、服务器集群和用户端,所述服务器集群中包括多个服务器;
所述用户端,用于响应用户输入的路线图优化指令,根据所述路线图优化指令中携带的每个待优化设备的设备标识、起始位置和目的地位置,从历史移动路线图数据库中确定出每个待优化设备的历史移动路线图,其中,所述历史移动路线图中包括指示该待优化设备从所述起始位置移动至所述目的地位置的历史移动路线的第一曲线和指示位于所述历史移动路线周围的其他待优化设备的所有初始点,所述路线图优化指令中还携带有每个待优化设备的待处理移动路线;
所述用户端,用于对于每个所述待优化设备,将该待优化设备的待处理移动路线在该待优化设备的历史移动路线图中进行标记得到该待优化设备的综合移动路线图,并将该待优化设备的综合移动路线图发送至云处理器;
所述云处理器,用于计算该待优化设备的综合移动路线图中的第一曲线与该待优化设备的待处理移动路线所指示的第二曲线所构成的封闭偏移区域面积;
所述云处理器,用于判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积;
所述云处理器,用于若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,则将所述第一曲线从该待优化设备的综合移动路线图中删除得到该待优化设备的待处理移动路线图;
所述云处理器,用于依次对该待优化设备的待处理移动路线图中的目标区域进膨胀处理和腐蚀处理得到待优化移动路线图,其中,所述目标区域为以所述第二曲线的起点和终点构成的线段为直径的圆形区域;
所述云处理器,用于根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器,并将该待优化设备的待优化移动路线图发送至该待优化设备对应的目标服务器;
该待优化设备对应的目标服务器,用于根据该待优化设备的待处理移动路线中各路径点在该待优化设备的待优化移动路线图中对应的像素点的像素值,确定出该待优化设备的待处理移动路线中各路径点与目标点之间的距离参考值,其中,所述目标点为离所述第二曲线最近的初始点;
该待优化设备对应的目标服务器,用于通过下述公式确定出该待优化设备的待处理移动路线中各路径点的采样率:
;其中,/>为自然常数,/>为距离参考值;
该待优化设备对应的目标服务器,用于按照该待优化设备的待处理移动路线中各路径点对应的采样率,在该待优化设备的待处理移动路线中选取对该待优化设备的待处理移动路线进行平滑处理的N次B样条曲线对应的控制点;
该待优化设备对应的目标服务器,用于根据所述控制点生成N次B样条曲线,其中,所述N次B样条曲线为clamped曲线;
该待优化设备对应的目标服务器,用于对所述N次B样条曲线进行均匀采样处理;
该待优化设备对应的目标服务器,用于将均匀采样处理后的N次B样条曲线确定为平滑后的该待优化设备的已优化移动路线,并将所述优化移动路线通过所述云处理器发送至所述用户端;
所述用户端,用于利用该待优化设备的已优化移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第一已优化移动路线图。
可选地,所述云处理器在用于根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器时,具体用于:
根据该待优化设备的待处理移动路线的路线长度从路线等级数据库中确定出该待优化设备的待处理移动路线所对应的目标路线等级;
根据下述公式确定出每个所述服务器的数据处理分数:
;
其中,为服务器的时钟频率,/>为服务器的历史数据处理量;
根据每个所述服务器的数据处理分数从服务器等级数据库中确定出每个所述服务器的分配等级;
从所述服务器集群中确定出具有与该待优化设备的待处理移动路线的目标路线等级的等级标识相同的分配等级的服务器,作为所述目标服务器。
可选地,所述用户端还用于:
在所述云处理器判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积后,若该待优化设备的封闭偏移区域面积未超过所述标准偏移面积,则利用该待优化设备的待处理移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第二已优化移动路线图。
可选地,所述云处理器用于若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,向所述用户端发送预警指令;
所述用户端,用于响应所述预警指令,通过该待优化设备的扬声器向所述用户播报警示信息。
第三方面,本申请实施例提供了一种计算机设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面中任一种可选地实施方式中所述的路线图优化方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面中任一种可选地实施方式中所述的路线图优化方法的步骤。
本申请提供的技术方案包括但不限于以下有益效果:
本申请摒弃了传统的经验调优的方法,通过用户端、云处理器和服务器集群的相互配合,由用户端根据用户输入的待优化设备的待处理移动路线和数据库中的历史移动路线图生成综合移动路线图,云处理器计算待处理移动路线指示的第一曲线和历史移动路线指示的第二曲线构成的封闭区域面积并根据封闭区域面积判断待处理移动路线是否需要优化;不需要用户通过肉眼观察和经验判断是否需要进行路线图优化,从而避免了肉眼观察的低精确度和经验不足可能带来的误判等情况的发生。在进行路线图优化前为每个待处理移动线路分配服务器,由该服务器根据待处理移动线路与综合移动路线图中的其他待优化设备的位置对待处理移动线路进行优化得到已优化移动线路;最后用户端根据已优化移动线路生成优化后的线路图;上述步骤通过不同的服务器对不同的待优化设备的数据进行处理以实现对每个待优化设备的路线进行优化,能够避免耗费大量人力成本进行相关数据的处理和运算。采用上述方法,以降低在进行路线图优化时所需耗费的人力成本,同时提高优化后的线路图的准确性和适配性。
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实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍, 应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本发明实施例一所提供的一种路线图优化方法的流程图;
图2示出了本发明实施例一所提供的一种目标服务器确定方法的流程图;
图3示出了本发明实施例二所提供的一种路线图优化系统的结构示意图;
图4示出了本发明实施例三所提供的一种计算机设备的结构示意图。
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,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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
为便于对本申请进行理解,下面结合图1示出的本发明实施例一所提供的一种车辆行驶状态确定方法的流程图描述的内容对本申请实施例一进行详细说明。
参见图1所示,图1示出了本发明实施例一所提供的一种路线图优化方法的流程图,其中,所述方法应用于路线图优化系统,所述系统包括云处理器、服务器集群和用户端,所述服务器集群中包括多个服务器,所述方法包括步骤S101~S114:
S101:所述用户端响应用户输入的路线图优化指令,根据所述路线图优化指令中携带的每个待优化设备的设备标识、起始位置和目的地位置,从历史移动路线图数据库中确定出每个待优化设备的历史移动路线图,其中,所述历史移动路线图中包括指示该待优化设备从所述起始位置移动至所述目的地位置的历史移动路线的第一曲线和指示位于所述历史移动路线周围的其他待优化设备的所有初始点,所述路线图优化指令中还携带有每个待优化设备的待处理移动路线。
具体的,预先在历史移动路线图数据库中存储每个待优化设备的多个历史移动路线图,不同的历史移动路线图为该待优化设备过去从不同的起始位置移动至不同的目的地位置时的移动路线图。每个待优化设备的历史移动路线图所对应的待优化设备的设备标识不同,首先,对于每个待优化设备,根据该待优化设备的设备标识从历史移动路线图数据库中确定出与该设备标识对应的多个第一移动路线图,然后从这些第一移动路线图中选取出图中的起始位置与该待优化设备的起始位置相同,且图中的目的地位置与该待优化设备的目的地位置相同的第一移动路线图作为该待优化设备的历史移动路线图。
用户所输入的路线图优化指令中携带有每个待优化设备的设备标识、起始位置和目的地位置,以及每个待优化设备的待处理移动路线,用户端根据每个待优化设备的设备标识、起始位置和目的地位置能够确定出每个待优化设备的历史移动路线,根据用户所输入的路线图优化指令还能够确定出每个待优化设备的待处理移动路线,为后续根据每个待优化设备的历史移动路线对每个待优化设备的待处理移动路线进行优化提供了优化对象和优化依据。
S102:对于每个所述待优化设备,所述用户端将该待优化设备的待处理移动路线在该待优化设备的历史移动路线图中进行标记得到该待优化设备的综合移动路线图,并将该待优化设备的综合移动路线图发送至云处理器。
具体的,用户端将该待优化设备的待处理移动路线添加至该待优化设备的历史移动路线图中,得到同时包含该待优化设备的待处理移动路线和历史移动路线的综合移动路线图。
为了减轻用户端的计算负担,在用户端中进行简单的图像叠加和融合处理,将其余的对图像中的数据进行进一步处理的工作分配至云处理器和服务器集群中进行。
S103:所述云处理器计算该待优化设备的综合移动路线图中的第一曲线与该待优化设备的待处理移动路线所指示的第二曲线所构成的封闭偏移区域面积。
具体的,将该待优化设备的历史移动路线作为对待处理移动路线进行优化的优化依据。理想状态下,该待优化设备的历史移动路线所指示的第一曲线与该待优化设备的待处理移动路线所指示的第二曲线重合,则不需要对待处理移动路线进行优化。但是在非理想状态下,该待优化设备的历史移动路线所指示的第一曲线与该待优化设备的待处理移动路线所指示的第二曲线不重合,基于历史移动路线和待处理移动路线具有相同的起始位置和目的地位置,所以当历史移动路线和待处理移动路线不重合时,历史移动路线所指示的第一曲线与该待优化设备的待处理移动路线所指示的第二曲线在综合移动路线图中会围出一个或者多个封闭偏移区域。
S104:所述云处理器判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积。
具体的,封闭偏移区域的面积能够指示历史移动路线与待处理移动路线的偏移程度,封闭偏移区域的面积越大,则说明历史移动路线与待处理移动路线的偏移程度越大,反之,封闭偏移区域的面积越小,则说明历史移动路线与待处理移动路线的偏移程度越小。
标准偏移面积是预先设置好的,具有超过标准偏移面积的封闭偏移区域的综合移动路线图为偏移程度超过标准的路线图,需要对待处理移动线路进行优化,而具有未超过标准偏移面积的封闭偏移区域的综合移动路线图为偏移程度未超过标准的路线图,则不需要进行优化。
S105:若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,所述云处理器则将所述第一曲线从该待优化设备的综合移动路线图中删除得到该待优化设备的待处理移动路线图。
具体的,在对待处理移动线路进行优化时,将第一曲线从综合移动路线图中删除,得到仅包含待处理移动线路所指示的第二曲线的待处理移动路线图。
S106:所述云处理器依次对该待优化设备的待处理移动路线图中的目标区域进膨胀处理和腐蚀处理得到待优化移动路线图,其中,所述目标区域为以所述第二曲线的起点和终点构成的线段为直径的圆形区域。
具体的,云处理器首先对该待优化设备的待处理移动路线图中的目标区域进全方向膨胀处理,然后对膨胀处理后的目标区域进行全方向腐蚀处理得到待优化移动路线图,该待优化移动路线图中每个像素点的值表示所述像素点到目标点的距离参考值,这里,目标点为离第二曲线最近的初始点,初始点用于指示位于历史移动路线周围的其他待优化设备。
S107:所述云处理器根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器,并将该待优化设备的待优化移动路线图发送至该待优化设备对应的目标服务器。
具体的,当需要对多个待优化设备的待处理移动路径进行优化时,由于数据处理量较大,若仅由一个处理器或者服务器对所有待优化设备的相关数据进行处理,则可能会出现该处理器或者服务器无法胜任同时处理所有数据的情况,或者是由于数据处理量过大造成该处理器或者服务器负荷过大的情况,从而造成该处理器或者服务器宕机或者损坏。基于此,将不同的待优化设备的路线图优化和相关数据的处理工作,分别交给服务器集群中的不同服务器,以减轻云处理器的计算量和工作负荷。
S108:该待优化设备对应的目标服务器根据该待优化设备的待处理移动路线中各路径点在该待优化设备的待优化移动路线图中对应的像素点的像素值,确定出该待优化设备的待处理移动路线中各路径点与目标点之间的距离参考值,其中,所述目标点为离所述第二曲线最近的初始点。
具体的,确定该待优化设备的待处理移动路线中各路径点在代价地图中对应的像素点,将像素点的值确定为对应路径点与目标点的距离参考值。
S109:该待优化设备对应的目标服务器通过下述公式确定出该待优化设备的待处理移动路线中各路径点的采样率:/>;其中,/>为自然常数,/>为距离参考值。
具体的,该待优化设备的待处理移动路线中存在多个路径点,为了实现对该待优化设备的待处理移动路线的平滑处理,可以通过采样的方式对各路径点进行采样处理,这里的采样操作与该待优化设备的待处理移动路线以及目标点的位置有关,采样率可以通过上述方法计算得到,或者是直接选取具体的数值,例如1/4(表示从4个路径点中选取1个路径点)、1/20(表示从20个路径点中选取1个路径点)等。
S110:该待优化设备对应的目标服务器按照该待优化设备的待处理移动路线中各路径点对应的采样率,在该待优化设备的待处理移动路线中选取对该待优化设备的待处理移动路线进行平滑处理的N次B样条曲线对应的控制点。
具体的,B样条曲线(B-spline curve)是指在数学的子学科数值分析里的一种特殊的表示形式,它是B-样条基曲线的线性组合。N次B样条曲线可以保证N-1阶可导,例如常用的3次B样条曲线可以保证2阶可导,可以达到曲率级的平滑度要求。控制点位置是影响B样条曲线形状的最重要因素,控制点越稀疏就越平滑,控制点偏离程度越大,因此,根据线路的狭窄程度确定控制点的密度,进而根据该密度选取合适的控制点。
S111:该待优化设备对应的目标服务器根据所述控制点生成N次B样条曲线,其中,所述N次B样条曲线为clamped曲线。
具体的,clamped曲线的起始点和终止点可以保证与控制点的首尾两点重合,保证线路的起点和终点不会发生变化。在选取控制点时,在没有目标点(其他待优化设备)时,因为选取的控制点比较稀疏,满足平滑度要求,在有目标点(其他待优化设备)时,选取的控制点比较密集,N次B样条曲线更加贴合该待优化设备的待处理移动路线。
S112:该待优化设备对应的目标服务器对所述N次B样条曲线进行均匀采样处理。
具体的,对N次B样条曲线在指定方向上进行等间距划分,以实现对N次B样条曲线的均匀采样处理。
S113:该待优化设备对应的目标服务器将均匀采样处理后的N次B样条曲线确定为平滑后的该待优化设备的已优化移动路线,并将所述优化移动路线通过所述云处理器发送至所述用户端。
具体的,将均匀采样处理后的N次B样条曲线确定为平滑后的已优化移动路线,已优化移动路线相较于待处理移动路线更加平滑,且能够准确地规避目标点(其他待优化设备)。
S114:所述用户端利用该待优化设备的已优化移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第一已优化移动路线图。
具体的,用户端根据预设的图像尺寸对该待优化设备的已优化移动路线进行缩放和标记,得到该待优化设备的第一已优化移动路线图。
在一个可行的实施方案中,参见图2所示,图2示出了本发明实施例一所提供的一种目标服务器确定方法的流程图,其中,所述云处理器根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器,包括步骤S201~S204:
S201:所述云处理器根据该待优化设备的待处理移动路线的路线长度从路线等级数据库中确定出该待优化设备的待处理移动路线所对应的目标路线等级。
S202:所述云处理器根据下述公式确定出每个所述服务器的数据处理分数:;其中,/>为服务器的时钟频率,/>为服务器的历史数据处理量。
S203:所述云处理器根据每个所述服务器的数据处理分数从服务器等级数据库中确定出每个所述服务器的分配等级。
S204:所述云处理器从所述服务器集群中确定出具有与该待优化设备的待处理移动路线的目标路线等级的等级标识相同的分配等级的服务器,作为所述目标服务器。
具体的,服务器的历史数据处理量代表了服务器的工作负荷程度,服务器的时钟频率代表了服务器的数据处理能力,历史数据处理量越大说明服务器的工作负荷程度越大,服务器的时钟频率越高明服务器的数据处理能力越强。优先选择工作负荷程度小、数据处理能力强的服务器进行数据处理,因此,基于上述数据处理分数的表达式确定出每个服务器的数据处理分数。
根据每个服务器的数据处理分数从服务器等级数据库中确定出每个所述服务器的分配等级,其中,服务器的数据处理分数越高,其分配等级也就越高。然后将具有与该待优化设备的待处理移动路线的目标路径等级的等级标识相同的分配等级的服务器确定为目标服务器,用于对该待优化设备的待处理移动路线所对应的待优化设备的相关数据进行处理。
在一个可行的实施方案中,在所述云处理器判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积后,所述方法还包括:
若该待优化设备的封闭偏移区域面积未超过所述标准偏移面积,所述用户端则利用该待优化设备的待处理移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第二已优化移动路线图。
具体的,若该待优化设备的封闭偏移区域面积未超过所述标准偏移面积,则不需要对待处理移动路线所指示的第二曲线进行优化,则可以直接有用户端利用该待优化设备的待处理移动路线,根据用户预设的图像尺寸生成该待优化设备的第二已优化移动路线图。
在一个可行的实施方案中,若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,所述方法还包括:
所述云处理器向所述用户端发送预警指令;所述用户端响应所述预警指令,通过该待优化设备的扬声器向所述用户播报警示信息。
具体的,通过上述方式实现对用户的提示,以使用户能够及时获知其所输入的待处理移动路径是需要进行优化的。
实施例二
参见图3所示,图3示出了本发明实施例二所提供的一种路线图优化系统的结构示意图,其中,所述系统包括云处理器301、服务器集群302和用户端303,所述服务器集群302中包括多个服务器3021;
所述用户端,用于响应用户输入的路线图优化指令,根据所述路线图优化指令中携带的每个待优化设备的设备标识、起始位置和目的地位置,从历史移动路线图数据库中确定出每个待优化设备的历史移动路线图,其中,所述历史移动路线图中包括指示该待优化设备从所述起始位置移动至所述目的地位置的历史移动路线的第一曲线和指示位于所述历史移动路线周围的其他待优化设备的所有初始点,所述路线图优化指令中还携带有每个待优化设备的待处理移动路线;
所述用户端,用于对于每个所述待优化设备,将该待优化设备的待处理移动路线在该待优化设备的历史移动路线图中进行标记得到该待优化设备的综合移动路线图,并将该待优化设备的综合移动路线图发送至云处理器;
所述云处理器,用于计算该待优化设备的综合移动路线图中的第一曲线与该待优化设备的待处理移动路线所指示的第二曲线所构成的封闭偏移区域面积;
所述云处理器,用于判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积;
所述云处理器,用于若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,则将所述第一曲线从该待优化设备的综合移动路线图中删除得到该待优化设备的待处理移动路线图;
所述云处理器,用于依次对该待优化设备的待处理移动路线图中的目标区域进膨胀处理和腐蚀处理得到待优化移动路线图,其中,所述目标区域为以所述第二曲线的起点和终点构成的线段为直径的圆形区域;
所述云处理器,用于根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器,并将该待优化设备的待优化移动路线图发送至该待优化设备对应的目标服务器;
该待优化设备对应的目标服务器,用于根据该待优化设备的待处理移动路线中各路径点在该待优化设备的待优化移动路线图中对应的像素点的像素值,确定出该待优化设备的待处理移动路线中各路径点与目标点之间的距离参考值,其中,所述目标点为离所述第二曲线最近的初始点;
该待优化设备对应的目标服务器,用于通过下述公式确定出该待优化设备的待处理移动路线中各路径点的采样率:
;其中,/>为自然常数,/>为距离参考值;
该待优化设备对应的目标服务器,用于按照该待优化设备的待处理移动路线中各路径点对应的采样率,在该待优化设备的待处理移动路线中选取对该待优化设备的待处理移动路线进行平滑处理的N次B样条曲线对应的控制点;
该待优化设备对应的目标服务器,用于根据所述控制点生成N次B样条曲线,其中,所述N次B样条曲线为clamped曲线;
该待优化设备对应的目标服务器,用于对所述N次B样条曲线进行均匀采样处理;
该待优化设备对应的目标服务器,用于将均匀采样处理后的N次B样条曲线确定为平滑后的该待优化设备的已优化移动路线,并将所述优化移动路线通过所述云处理器发送至所述用户端;
所述用户端,用于利用该待优化设备的已优化移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第一已优化移动路线图。
在一个可行的实施方案中,所述云处理器在用于根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器时,具体用于:
根据该待优化设备的待处理移动路线的路线长度从路线等级数据库中确定出该待优化设备的待处理移动路线所对应的目标路线等级;
根据下述公式确定出每个所述服务器的数据处理分数:
;
其中,为服务器的时钟频率,/>为服务器的历史数据处理量;
根据每个所述服务器的数据处理分数从服务器等级数据库中确定出每个所述服务器的分配等级;
从所述服务器集群中确定出具有与该待优化设备的待处理移动路线的目标路线等级的等级标识相同的分配等级的服务器,作为所述目标服务器。
在一个可行的实施方案中,所述用户端还用于:
在所述云处理器判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积后,若该待优化设备的封闭偏移区域面积未超过所述标准偏移面积,则利用该待优化设备的待处理移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第二已优化移动路线图。
在一个可行的实施方案中,所述云处理器用于若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,向所述用户端发送预警指令;
所述用户端,用于响应所述预警指令,通过该待优化设备的扬声器向所述用户播报警示信息。
实施例三
基于同一申请构思,参见图4所示,图4示出了本发明实施例三所提供的一种计算机设备的结构示意图,其中,如图4所示,本申请实施例三所提供的一种计算机设备400包括:
处理器401、存储器402和总线403,所述存储器402存储有所述处理器401可执行的机器可读指令,当计算机设备400运行时,所述处理器401与所述存储器402之间通过所述总线403进行通信,所述机器可读指令被所述处理器401运行时执行上述实施例一所示的路线图优化方法的步骤。
实施例四
基于同一申请构思,本发明实施例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上存储有计算机程序,所述计算机程序被处理器运行时执行上述实施例中任一项所述的路线图优化方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例所提供的进行路线图优化的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
本发明实施例所提供的路线图优化系统可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的系统,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,系统实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、系统和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。以上所描述的系统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,在本发明提供的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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,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。
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 (10)
1.一种路线图优化方法,其特征在于,应用于路线图优化系统,所述系统包括云处理器、服务器集群和用户端,所述服务器集群中包括多个服务器,所述方法包括:
所述用户端响应用户输入的路线图优化指令,根据所述路线图优化指令中携带的每个待优化设备的设备标识、起始位置和目的地位置,从历史移动路线图数据库中确定出每个待优化设备的历史移动路线图,其中,所述历史移动路线图中包括指示该待优化设备从所述起始位置移动至所述目的地位置的历史移动路线的第一曲线和指示位于所述历史移动路线周围的其他待优化设备的所有初始点,所述路线图优化指令中还携带有每个待优化设备的待处理移动路线;
对于每个所述待优化设备,所述用户端将该待优化设备的待处理移动路线在该待优化设备的历史移动路线图中进行标记得到该待优化设备的综合移动路线图,并将该待优化设备的综合移动路线图发送至云处理器;
所述云处理器计算该待优化设备的综合移动路线图中的第一曲线与该待优化设备的待处理移动路线所指示的第二曲线所构成的封闭偏移区域面积;
所述云处理器判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积;
若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,所述云处理器则将所述第一曲线从该待优化设备的综合移动路线图中删除得到该待优化设备的待处理移动路线图;
所述云处理器依次对该待优化设备的待处理移动路线图中的目标区域进膨胀处理和腐蚀处理得到待优化移动路线图,其中,所述目标区域为以所述第二曲线的起点和终点构成的线段为直径的圆形区域;
所述云处理器根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器,并将该待优化设备的待优化移动路线图发送至该待优化设备对应的目标服务器;
该待优化设备对应的目标服务器根据该待优化设备的待处理移动路线中各路径点在该待优化设备的待优化移动路线图中对应的像素点的像素值,确定出该待优化设备的待处理移动路线中各路径点与目标点之间的距离参考值,其中,所述目标点为离所述第二曲线最近的初始点;
该待优化设备对应的目标服务器通过下述公式确定出该待优化设备的待处理移动路线中各路径点的采样率:
;其中,/>为自然常数,/>为距离参考值;
该待优化设备对应的目标服务器按照该待优化设备的待处理移动路线中各路径点对应的采样率,在该待优化设备的待处理移动路线中选取对该待优化设备的待处理移动路线进行平滑处理的N次B样条曲线对应的控制点;
该待优化设备对应的目标服务器根据所述控制点生成N次B样条曲线,其中,所述N次B样条曲线为clamped曲线;
该待优化设备对应的目标服务器对所述N次B样条曲线进行均匀采样处理;
该待优化设备对应的目标服务器将均匀采样处理后的N次B样条曲线确定为平滑后的该待优化设备的已优化移动路线,并将所述优化移动路线通过所述云处理器发送至所述用户端;
所述用户端利用该待优化设备的已优化移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第一已优化移动路线图。
2.根据权利要求1所述的方法,其特征在于,所述云处理器根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器,包括:
所述云处理器根据该待优化设备的待处理移动路线的路线长度从路线等级数据库中确定出该待优化设备的待处理移动路线所对应的目标路线等级;
所述云处理器根据下述公式确定出每个所述服务器的数据处理分数:
;
其中,为服务器的时钟频率,/>为服务器的历史数据处理量;
所述云处理器根据每个所述服务器的数据处理分数从服务器等级数据库中确定出每个所述服务器的分配等级;
所述云处理器从所述服务器集群中确定出具有与该待优化设备的待处理移动路线的目标路线等级的等级标识相同的分配等级的服务器,作为所述目标服务器。
3.根据权利要求1所述的方法,其特征在于,在所述云处理器判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积后,所述方法还包括:
若该待优化设备的封闭偏移区域面积未超过所述标准偏移面积,所述用户端则利用该待优化设备的待处理移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第二已优化移动路线图。
4.根据权利要求1所述的方法,其特征在于,若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,所述方法还包括:
所述云处理器向所述用户端发送预警指令;
所述用户端响应所述预警指令,通过该待优化设备的扬声器向所述用户播报警示信息。
5.一种路线图优化系统,其特征在于,所述系统包括云处理器、服务器集群和用户端,所述服务器集群中包括多个服务器;
所述用户端,用于响应用户输入的路线图优化指令,根据所述路线图优化指令中携带的每个待优化设备的设备标识、起始位置和目的地位置,从历史移动路线图数据库中确定出每个待优化设备的历史移动路线图,其中,所述历史移动路线图中包括指示该待优化设备从所述起始位置移动至所述目的地位置的历史移动路线的第一曲线和指示位于所述历史移动路线周围的其他待优化设备的所有初始点,所述路线图优化指令中还携带有每个待优化设备的待处理移动路线;
所述用户端,用于对于每个所述待优化设备,将该待优化设备的待处理移动路线在该待优化设备的历史移动路线图中进行标记得到该待优化设备的综合移动路线图,并将该待优化设备的综合移动路线图发送至云处理器;
所述云处理器,用于计算该待优化设备的综合移动路线图中的第一曲线与该待优化设备的待处理移动路线所指示的第二曲线所构成的封闭偏移区域面积;
所述云处理器,用于判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积;
所述云处理器,用于若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,则将所述第一曲线从该待优化设备的综合移动路线图中删除得到该待优化设备的待处理移动路线图;
所述云处理器,用于依次对该待优化设备的待处理移动路线图中的目标区域进膨胀处理和腐蚀处理得到待优化移动路线图,其中,所述目标区域为以所述第二曲线的起点和终点构成的线段为直径的圆形区域;
所述云处理器,用于根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器,并将该待优化设备的待优化移动路线图发送至该待优化设备对应的目标服务器;
该待优化设备对应的目标服务器,用于根据该待优化设备的待处理移动路线中各路径点在该待优化设备的待优化移动路线图中对应的像素点的像素值,确定出该待优化设备的待处理移动路线中各路径点与目标点之间的距离参考值,其中,所述目标点为离所述第二曲线最近的初始点;
该待优化设备对应的目标服务器,用于通过下述公式确定出该待优化设备的待处理移动路线中各路径点的采样率:
;其中,/>为自然常数,/>为距离参考值;
该待优化设备对应的目标服务器,用于按照该待优化设备的待处理移动路线中各路径点对应的采样率,在该待优化设备的待处理移动路线中选取对该待优化设备的待处理移动路线进行平滑处理的N次B样条曲线对应的控制点;
该待优化设备对应的目标服务器,用于根据所述控制点生成N次B样条曲线,其中,所述N次B样条曲线为clamped曲线;
该待优化设备对应的目标服务器,用于对所述N次B样条曲线进行均匀采样处理;
该待优化设备对应的目标服务器,用于将均匀采样处理后的N次B样条曲线确定为平滑后的该待优化设备的已优化移动路线,并将所述优化移动路线通过所述云处理器发送至所述用户端;
所述用户端,用于利用该待优化设备的已优化移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第一已优化移动路线图。
6.根据权利要求5所述的系统,其特征在于,所述云处理器在用于根据该待优化设备的待处理移动路线的路线长度、每个所述服务器的历史数据处理量和每个所述服务器的时钟频率从所述服务器集群中为该待优化设备分配目标服务器时,具体用于:
根据该待优化设备的待处理移动路线的路线长度从路线等级数据库中确定出该待优化设备的待处理移动路线所对应的目标路线等级;
根据下述公式确定出每个所述服务器的数据处理分数:
;
其中,为服务器的时钟频率,/>为服务器的历史数据处理量;
根据每个所述服务器的数据处理分数从服务器等级数据库中确定出每个所述服务器的分配等级;
从所述服务器集群中确定出具有与该待优化设备的待处理移动路线的目标路线等级的等级标识相同的分配等级的服务器,作为所述目标服务器。
7.根据权利要求5所述的系统,其特征在于,所述用户端还用于:
在所述云处理器判断该待优化设备的封闭偏移区域面积是否超过标准偏移面积后,若该待优化设备的封闭偏移区域面积未超过所述标准偏移面积,则利用该待优化设备的待处理移动路线,根据所述用户预设的图像尺寸生成该待优化设备的第二已优化移动路线图。
8.根据权利要求5所述的系统,其特征在于,所述云处理器用于若该待优化设备的封闭偏移区域面积超过所述标准偏移面积,向所述用户端发送预警指令;
所述用户端,用于响应所述预警指令,通过该待优化设备的扬声器向所述用户播报警示信息。
9.一种计算机设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至4中任意一项所述的路线图优化方法的步骤。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至4中任意一项所述的路线图优化的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311576226.1A CN117313976B (zh) | 2023-11-24 | 2023-11-24 | 一种路线图优化方法、系统、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311576226.1A CN117313976B (zh) | 2023-11-24 | 2023-11-24 | 一种路线图优化方法、系统、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117313976A true CN117313976A (zh) | 2023-12-29 |
CN117313976B CN117313976B (zh) | 2024-02-06 |
Family
ID=89288637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311576226.1A Active CN117313976B (zh) | 2023-11-24 | 2023-11-24 | 一种路线图优化方法、系统、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117313976B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109521763A (zh) * | 2017-09-18 | 2019-03-26 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于约束平滑样条的路径优化 |
CN110619672A (zh) * | 2019-09-12 | 2019-12-27 | 慧影医疗科技(北京)有限公司 | 图形边缘线选取方法、机器可读存储介质及数据处理设备 |
CN113624234A (zh) * | 2021-07-29 | 2021-11-09 | 中国铁建高新装备股份有限公司 | 线路平滑处理方法、装置、电子设备和计算机存储介质 |
CN114200931A (zh) * | 2021-12-01 | 2022-03-18 | 浙江大学 | 一种基于b样条曲线优化的移动机器人路径平滑方法 |
CN115357032A (zh) * | 2022-10-20 | 2022-11-18 | 上海仙工智能科技有限公司 | 一种基于nurbs的移动机器人路径生成方法、系统及存储介质 |
-
2023
- 2023-11-24 CN CN202311576226.1A patent/CN117313976B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109521763A (zh) * | 2017-09-18 | 2019-03-26 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于约束平滑样条的路径优化 |
CN110619672A (zh) * | 2019-09-12 | 2019-12-27 | 慧影医疗科技(北京)有限公司 | 图形边缘线选取方法、机器可读存储介质及数据处理设备 |
CN113624234A (zh) * | 2021-07-29 | 2021-11-09 | 中国铁建高新装备股份有限公司 | 线路平滑处理方法、装置、电子设备和计算机存储介质 |
CN114200931A (zh) * | 2021-12-01 | 2022-03-18 | 浙江大学 | 一种基于b样条曲线优化的移动机器人路径平滑方法 |
CN115357032A (zh) * | 2022-10-20 | 2022-11-18 | 上海仙工智能科技有限公司 | 一种基于nurbs的移动机器人路径生成方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117313976B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108205318B (zh) | 机器人轨迹规划方法及装置 | |
KR100255758B1 (ko) | 삼각 그리드로 표현된 지형상을 이동하는 물체의 위치가 존재하는 삼각형 탐색방법 | |
US20040019581A1 (en) | Fast computation of spatial queries in location-based services | |
CN109959376B (zh) | 轨迹纠正方法、涉及室内路线的导航路线绘制方法和装置 | |
US8271587B2 (en) | Object movement control system, object movement control method, server and computer program | |
CN110470308B (zh) | 一种避障系统及方法 | |
US20080015824A1 (en) | Automatic hose and harness routing method and system | |
CN107547598B (zh) | 一种定位方法、服务器及终端 | |
CN108734780A (zh) | 用于生成地图的方法、装置和设备 | |
CN111746525A (zh) | 泊车路径规划方法、装置、设备及存储介质 | |
CN108924925A (zh) | 一种施工人员定位方法及其定位系统 | |
CN117313976B (zh) | 一种路线图优化方法、系统、计算机设备及可读存储介质 | |
CN112857382B (zh) | 一种出行路线选择方法及装置 | |
US20220057221A1 (en) | Method for the Navigation of a Vehicle | |
CN113128743A (zh) | 一种拣货路径规划方法和装置 | |
CN111427980A (zh) | 电子围栏调整方法、装置、可读存储介质和计算机设备 | |
CN102509125B (zh) | 用于自动修改图形特征以符合分辨率极限的方法 | |
US20180279078A1 (en) | Confirming work supporting device, confirming work supporting system, and computer program product | |
CN109870168B (zh) | 机构运动路径优化方法及装置 | |
CN104168647A (zh) | 采用多种定位方式的组合定位方法和定位系统 | |
CN108061893B (zh) | 一种基于目标航迹偏航避碰预警方法及装置 | |
JP6936673B2 (ja) | 地図データ更新システムおよび地図データ更新プログラム | |
CN112706776A (zh) | 道路标定数据的确定方法、装置、电子设备及存储介质 | |
CN105142176B (zh) | 一种基站挂载过量预警的方法和装置 | |
CN115687726B (zh) | 地图图面的显示方法、显示装置、计算机设备和存储介质 |
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 |