CN117553802A - 一种航站楼巡检路径规划方法、装置、设备及存储介质 - Google Patents
一种航站楼巡检路径规划方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117553802A CN117553802A CN202410024040.3A CN202410024040A CN117553802A CN 117553802 A CN117553802 A CN 117553802A CN 202410024040 A CN202410024040 A CN 202410024040A CN 117553802 A CN117553802 A CN 117553802A
- Authority
- CN
- China
- Prior art keywords
- inspection
- node
- path
- point
- spanning tree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 43
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种航站楼巡检路径规划方法、装置、设备及存储介质,涉及地理信息系统软件技术领域,其中,航站楼巡检路径规划方法用于计算机设备;方法包括以下步骤:获取二维平面地图;基于二维平面地图,利用随机搜索树算法,搜索各组巡检路线中的任意两个巡检点位之间的最短有效路径;基于最短有效路径,构建所有巡检点位之间的连通图;搜索获得连通图中的最小生成树;基于最小生成树,获取第一目标巡检路径;其中,第一目标巡检路径用于巡检员对航站楼进行巡检。利用本发明的方法,排除了人为主观因素进行路径规划带来的不确定性与非最优性,提高了巡检过程的规范性和高效性。
Description
技术领域
本发明涉及地理信息系统软件技术领域,特别涉及一种航站楼巡检路径规划方法、装置、设备及存储介质。
背景技术
航站楼存在较多巡检点位分布时,管理人员需要先将巡检点位划分为多个不同区域,然后对每个区域的巡检点位进行串联工作。巡检人员按照管理人员串联的路线进行巡检或者自行规划巡检路线。
但采用现有技术中的巡检方法,管理人员或巡检人员无法有效规划最短的巡检路径,导致巡检效率较低。
发明内容
本发明的主要目的是提供一种航站楼巡检路径规划方法、装置、设备及存储介质,旨在解决采用现有的巡检方法,管理人员或巡检人员无法有效规划最短的巡检路径,导致巡检效率较低的技术问题。
为实现上述目的,本发明提出一种航站楼巡检路径规划方法,用于计算机设备;所述方法包括以下步骤:
获取二维平面地图;其中,所述二维平面地图中包含航站楼平面图、障碍物信息集和巡检点位信息集;所述障碍物信息集中包括多个障碍物的信息,所述巡检点位信息集中包括多个巡检点位的信息;
基于所述巡检点位的信息,利用谱聚类算法,获取巡检路线的分组;
基于所述二维平面地图,利用随机搜索树算法,搜索各组所述巡检路线中的任意两个巡检点位之间的最短有效路径;基于所述最短有效路径,构建所有所述巡检点位之间的连通图;
搜索获得所述连通图中的最小生成树;
基于所述最小生成树,获取第一目标巡检路径;其中,所述第一目标巡检路径用于巡检员对航站楼进行巡检。
可选的,在所述基于所述最小生成树,获取第一目标巡检路径的步骤之后,还包括:利用平滑算法对所述第一目标巡检路径进行平滑处理,获得第二目标巡检路径;其中,所述第二目标巡检路径用于无人机或机器人对航站楼进行巡检。
可选的,所述利用随机搜索树算法,搜索各组所述巡检路线中的任意两个巡检点位之间的最短有效路径的步骤,包括:
S301:基于所述二维平面地图,获取起点信息和目标点信息,以起点为初始点建立搜索树;
S302:在所述二维平面地图中随机生成一个虚拟节点,记为第一节点;
S303:在当前的所述搜索树中找到一个离所述第一节点最近的节点作为第二节点;
S304:将所述第一节点和所述第二节点相连,获得第一连线;在所述第一连线的延伸方向上,以所述第二节点为起点,根据预设的步长生成新的节点,记为第三节点,并将所述第三节点加入所述搜索树中,获得过渡生成树;
S305:将所述第二节点与所述第三节点相连,获得第二连线;若所述第二连线穿过所述障碍物信息集中任一障碍物,则舍弃第三节点,并返回步骤S302进行下一次迭代;若所述第二连线不穿过所述障碍物信息集中任一障碍物,则在当前的所述过渡生成树中寻找离所述第三节点最近的节点,并记为第四节点,舍弃所述第二节点并将所述第四节点加入所述过渡生成树中,获得目标生成树;
S306:基于预设距离值,判断所述第三节点是否到达终点,若没有到达终点,则重复上述步骤;若到达终点,则基于目标生成树,输出起点与目标点之间的最短有效路径。
可选的,所述基于预设距离值,判断所述第三节点是否到达终点,包括:获取所述第三节点与目标点之间的距离值;基于所述距离值和预设距离值,判断所述第三节点是否到达终点;其中,所述预设距离值≥0。
可选的,所述基于所述距离值和预设距离值,判断所述第三节点是否到达终点,包括:若所述距离值≤所述预设距离范围值,则所述第三节点到达终点;若所述距离值>所述预设距离范围值,则所述第三节点未到达终点。
可选的,所述搜索获得所述连通图中的最小生成树,包括:
基于所述目标生成树,获取所述目标生成树上的各节点之间的路径集合;计算节点间路径的欧氏距离之和,并存储为三元组数据;
基于所述三元组数据,构建所述巡检点位信息集中每任意两个巡检点位之间的距离字典;其中,所述距离字典中包括多条有效路径;
基于所述距离字典和所述巡检点位信息集,利用prim算法构建所述最小生成树。
可选的,所述利用prim算法构建所述最小生成树,包括:基于所述prim算法,利用优先级队列构建所述最小生成树。
此外,为实现上述目的,本发明还提出了一种航站楼巡检路径规划装置,包括:
第一获取模块,用于获取二维平面地图;其中,所述二维平面地图中包含航站楼平面图、障碍物信息集和巡检点位信息集;所述障碍物信息集中包括多个障碍物的信息,所述巡检点位信息集中包括多个巡检点位的信息;
第二获取模块,用于基于所述巡检点位信息,利用谱聚类算法,获取巡检路线的分组;
第一搜索模块,用于基于所述二维平面地图,利用随机搜索树算法,搜索各组所述巡检路线中的任意两个巡检点位之间的最短有效路径;基于所述最短有效路径,构建所有所述巡检点位之间的连通图;
第二搜索模块,用于搜索所述连通图中的最小生成树;
第三获取模块,用于基于所述最小生成树,获取第一目标巡检路径;其中,所述第一目标巡检路径用于巡检员对航站楼进行巡检。
此外,为实现上述目的,本发明还提出了一种计算机设备,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现如上述任一项所述航站楼巡检路径规划方法的步骤。
此外,为实现上述目的,本发明还提出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,处理器执行所述计算机程序,实现如上述任一项所述航站楼巡检路径规划方法的步骤。
此外,为实现上述目的,本发明还提出了一种计算机程序产品,所述计算机程序产品在被处理器运行时,实现如上述一项所述航站楼巡检路径规划方法的步骤。
现有方法中,管理人员或巡检人员无法有效规划最短的巡检路径,导致巡检效率较低。而利用本发明的方法,谱聚类算法可以根据巡检点的位置划分巡检路线的分组;利用随机搜索树算法可以找到任意两个巡检点位之间的最短有效路径,基于有效路径的连通图可以搜索到最小生成树;基于最小生成树可以获取用于巡检员对航站楼进行巡检的第一目标巡检路径。第一目标巡检路径的规划排除了人为主观因素进行路径规划带来的不确定性与非最优性,提高了巡检过程的规范性和高效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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示出的结构获得其他的附图。
图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本发明实施例航站楼巡检路径规划方法的流程示意图;
图3为本发明实施例巡检路线中巡检点位之间的连通图;
图4为图3所示连通图的最小生成树;
图5为图3所示连通图的普通生成树;
图6为本发明实施例航站楼巡检路径规划装置的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,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的一部分实施例,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作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。
本申请实施例的主要解决方案是:一种航站楼巡检路径规划方法,用于计算机设备;所述方法包括以下步骤:获取二维平面地图;其中,所述二维平面地图中包含航站楼平面图、障碍物信息集和巡检点位信息集;所述障碍物信息集中包括多个障碍物的信息,所述巡检点位信息集中包括多个巡检点位的信息;基于所述巡检点位的信息,利用谱聚类算法,获取巡检路线的分组;基于所述二维平面地图,利用随机搜索树算法,搜索各组所述巡检路线中的任意两个巡检点位之间的最短有效路径;基于所述最短有效路径,构建所有所述巡检点位之间的连通图;搜索获得所述连通图中的最小生成树;基于所述最小生成树,获取第一目标巡检路径;其中,所述第一目标巡检路径用于巡检员对航站楼进行巡检。
目前,大部分机场的航站楼巡检需要依靠人工进行。航站楼巡检系统主要分为两部分:网页端和移动端。网页端用于供巡检管理人员使用,以便划分巡检区域、管理巡检点位、规划巡检路线、分配巡检任务、分派和统计巡检反馈问题。移动端用于供现场巡检人员使用,移动端可以收到网页端下发的巡检任务和巡检路线,现场巡检人员根据巡检任务和巡检路线进行巡检,当发现区域内的卫生、设备和旅客拥挤等问题,现场巡检人员可用移动端进行记录,例如用文字描述、拍照或拍摄视频,并将巡检遇到的问题通过移动端发送至网页端,以便巡检管理人员对所遇问题进行分派处理。巡检管理人员进行巡检路线的规划时,一般根据巡检点位的分布或顺序直接进行串联以形成巡检路线,而有经验的现场巡检人员会根据主观判断重新规划出合适的巡检路线;无经验的现场巡检人员则大多按照巡检管理人员指定的巡检路线进行巡检。
可以看出,采用上述方法规划航站楼巡检路径时,若同一平面内存在较多的巡检点位分布时,需要巡检管理人员将巡检点位划分为多个不同区域,然后对每个区域内的巡检点位进行串联,使得巡检管理人员的工作量较大。此外,还需要多个现场巡检人员同时进行巡检,无论现场巡检人员有无经验,都存在无法规划出最佳巡检路线的情况,当巡检点位不规则分布时更使得现场巡检人员规划巡检路线较为困难。
为此,本申请提供一种解决方案,即利用谱聚类算法将巡检点位划分进不同的巡检路线,利用随机搜索树算法找到任意两个巡检点位之间的最短有效路径,再基于有效路径的连通图搜索到最小生成树,然后基于最小生成树获取用于巡检员对航站楼进行巡检的第一目标巡检路径,整个路径规划过程不掺杂人为主观因素,从而提高巡检过程的规范性和高效性。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
如图1所示,该电子设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。
在图1所示的电子设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明电子设备中的处理器1001、存储器1005可以设置在电子设备中,所述电子设备通过处理器1001调用存储器1005中存储的航站楼巡检路径规划装置,并执行本申请实施例提供的航站楼巡检路径规划方法。
参照图2,本申请的实施例提供了一种航站楼巡检路径规划方法,用于计算机设备;方法包括:
步骤S11:获取二维平面地图;其中,二维平面地图中包含航站楼平面图、障碍物信息集和巡检点位信息集;障碍物信息集中包括多个障碍物的信息,巡检点位信息集中包括多个巡检点位的信息。
本实施例的航站楼巡检路径规划方法是以二维平面作为实验环境。巡检点位可以采用随机生成的方法产生;障碍物可以用规则的圆形区域来进行模拟,障碍物的模拟数据结构可以为(x,y,r),x代表圆心的x轴坐标,y代表圆心的y轴坐标,r则代表圆形区域的半径。
步骤S12:基于巡检点位的信息,利用谱聚类算法,获取巡检路线的分组。
谱聚类算法以不同巡检点位之间的距离作为边权重值,划分的条件为:不同簇之间边权重之和尽可能低,同一簇内边权重之和尽可能高,由此将不同区域的巡检点位划分进入不同的巡检路线。
步骤S13:基于二维平面地图,利用随机搜索树算法,搜索各组巡检路线中的任意两个巡检点位之间的最短有效路径;基于最短有效路径,构建所有巡检点位之间的连通图。
搜索各组巡检路线中的任意两个巡检点位之间的最短有效路径时,其中一个巡检点位为起点,另外一个巡检点为目标点。随机搜索树算法可以为RRT*算法。
具体的,利用随机搜索树算法,搜索各组巡检路线中的任意两个巡检点位之间的最短有效路径的步骤,包括:
S301:基于二维平面地图,获取起点信息和目标点信息,以起点为初始点建立搜索树。
起点为两个巡检点位中的其中一个巡检点。
S302:在二维平面地图中随机生成一个虚拟节点,记为第一节点。
S303:在当前的搜索树中找到一个离第一节点最近的节点作为第二节点;
S304:将第一节点和第二节点相连,获得第一连线;在第一连线的延伸方向上,以第二节点为起点,根据预设的步长生成新的节点,记为第三节点,并将第三节点加入搜索树中,获得过渡生成树;
S305:将第二节点与第三节点相连,获得第二连线;若第二连线穿过障碍物信息集中任一障碍物,则舍弃第三节点,并返回步骤S302进行下一次迭代;若第二连线不穿过障碍物信息集中任一障碍物,则在当前的过渡生成树中寻找离第三节点最近的节点,并记为第四节点,舍弃第二节点并将第四节点加入过渡生成树中,获得目标生成树;
S306:基于预设距离值,判断第三节点是否到达终点,若没有到达终点,则重复上述步骤;若到达终点,则基于目标生成树,输出起点与目标点之间的最短有效路径。
需要说明的是,步骤S305中的目标生成树的生成原理可以参照RRT*(Rapidly-exploring Random TrEE*)搜索树的原理。
进一步地,参考图3,假设当前有5个巡检点位,分别表示为A、B、C、D、E。使用本申请的随机搜索树算法,可以找到A→B(等价于B→A,因此不会再搜索B→A的路径)、A→C、A→D、A→E、B→C、B→D、B→E、C→D、C→E、D→E的路径,从而得到如图3所示的连通图。
本申请的随机搜索树算法主要目的在于:找到两个巡检点之间的路径轨迹。即随机搜索树算法需要计算各组巡检路线中每个巡检点位到组内其它巡检点位的有效连通路径并进行存储。
作为一种可选的实施方式,基于预设距离值,判断第三节点是否到达终点,包括:获取第三节点与目标点之间的距离值;基于距离值和预设距离值,判断第三节点是否到达终点;其中,预设距离值≥0。在实际应用场景中,可能存在测量误差,因此本实施方式允许第三节点与终点(目标点)之间存在一定的误差,即预设距离值≥0。
作为一种可选的实施方式,基于距离值和预设距离值,判断第三节点是否到达终点,包括:若距离值≤预设距离范围值,则第三节点到达终点;若距离值>预设距离范围值,则第三节点未到达终点。本实施方式需要第三节点与终点(目标点)完全重合,对随机搜索树的精度要求较高。
步骤S14:搜索获得连通图中的最小生成树。
具体的,搜索获得连通图中的最小生成树,包括:
基于目标生成树,获取目标生成树上的各节点之间的路径集合;计算节点间路径的欧氏距离之和,并存储为三元组数据。
需要说明的是,节点之间的路径指巡检点位A(比如A坐标点为[0,0])到巡检点位B(比如B坐标点为[5,5])所经过的所有虚拟点位(比如各虚拟点位的坐标点分别为[1,2]、[2,3]、[3.5,4.5]),那么巡检点位A到巡检点位B的完整路径就为[[0,0],[1,2],[2,3],[3.5,4.5],[5,5]]。
同理,其它任意两点之间(A→C、A→D…)也存在节点所连成的完整路径,因此构成一个完整的路径集合,所述路径集合结构形如:{{A,B,[[0,0],[1,2],[2,3],[3.5,4.5],[5,5]]},{A,C,[[0,0],[x,x],…]},{A,D,[[0,0],[x,x],…]}等等。
三元组数据的结构可以为[start,end,dist],其中,start代表起点的索引值;end代表目标点的索引值;dist代表起点与目标点之间的欧氏距离之和,以上述提到的节点A[0,0]和节点B[5,5]为例,节点A与节点B之间的完整路径为[[0,0],[1,2],[2,3],[3.5,4.5],[5,5]]这五个点位之间的欧式距离之和,与其它无效的虚拟点位无关。
基于三元组数据,构建巡检点位信息集中每任意两个巡检点位之间的距离字典;其中,距离字典中包括多条有效路径。这里的有效路径即任意两个巡检点位之间的有效路径。
基于距离字典和巡检点位信息集,利用prim算法构建最小生成树。
具体的,参照图3和图4,图中各个巡检点A,B,C,D,E之间的边权重可以为:|AB|=8,|AC|=3,|CD|=5,|DE|=5,|BE|=6,|AD|=10,|AE|=11,|BC|=7,|BD|=9,|CE|=7。若巡检点A为起点,利用prim算法可以找到距离巡检点A最近的巡检点C,连接AC;下一个巡检点为距离巡检点A或巡检点C距离最近的点,即巡检点D,连接CD;重复上述步骤,依次连接DE和BE,此时,A→C→D→E→B所构成的连线便为巡检点A、B、C、D和E的连通图中的最小生成树,即图4所示路径。
需要说明的是,图5同样也是从图3的连通图得到的一个生成树(即一条路径),但是图5的路径长度明显大于图4的路径长度,因此图5的路径不是最小生成树。
具体的,利用prim算法构建最小生成树,包括:基于prim算法,利用优先级队列构建最小生成树。优先级队列为本领域技术人员熟知的技术,这里不再赘述具体原理。
步骤S15:基于最小生成树,获取第一目标巡检路径;其中,第一目标巡检路径用于巡检员对航站楼进行巡检。
实际应用中,在对航站楼进行巡检时,除巡检员进行巡检以外,为减少人力成本并提高巡检效率,也可能会使用无人机或机器人对航站楼进行巡检;因此,在基于最小生成树,获取第一目标巡检路径的步骤之后,还包括:利用平滑算法对第一目标巡检路径进行平滑处理,获得第二目标巡检路径;其中,第二目标巡检路径用于无人机或机器人对航站楼进行巡检。
平滑算法可以为B样条算法,第一目标巡检路径经平滑处理后得到第二目标巡检路径,第二目标巡检路径连续布置且转弯半径适用于无人机或机器人。
基于与前述实施例相同的发明构思,参照图6,本发明实施例还提供一种航站楼巡检路径规划装置,装置用于计算机设备,装置包括:
第一获取模块10,用于获取二维平面地图;其中,二维平面地图中包含航站楼平面图、障碍物信息集和巡检点位信息集;障碍物信息集中包括多个障碍物的信息,巡检点位信息集中包括多个巡检点位的信息;
第二获取模块20,用于基于巡检点位的信息,利用谱聚类算法,获取巡检路线的分组;
第一搜索模块30,用于基于二维平面地图,利用随机搜索树算法,搜索各组巡检路线中的任意两个巡检点位之间的最短有效路径;基于最短有效路径,构建所有巡检点位之间的连通图;
第二搜索模块40,用于搜索连通图中的最小生成树;
第三获取模块50,用于基于最小生成树,获取第一目标巡检路径;其中,第一目标巡检路径用于巡检员对航站楼进行巡检。
需要说明的是,由于本实施例的装置所执行的步骤与前述方法实施例的步骤相同,其具体的实施方式以及可以达到的技术效果都可参照前述实施例,这里不再赘述。
此外,在一种实施例中,本申请还提供一种计算机存储介质,所述计算机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实现前述实施例中方法的步骤。
在一些实施例中,计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献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(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台多媒体终端设备(可以是手机,计算机,电视接收机,或者网络设备等)执行本申请各个实施例所述的方法。
以上所述仅为本发明的可选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种航站楼巡检路径规划方法,其特征在于,用于计算机设备;所述方法包括以下步骤:
获取二维平面地图;其中,所述二维平面地图中包含航站楼平面图、障碍物信息集和巡检点位信息集;所述障碍物信息集中包括多个障碍物的信息,所述巡检点位信息集中包括多个巡检点位的信息;
基于所述巡检点位的信息,利用谱聚类算法,获取巡检路线的分组;
基于所述二维平面地图,利用随机搜索树算法,搜索各组所述巡检路线中的任意两个巡检点位之间的最短有效路径;基于所述最短有效路径,构建所有所述巡检点位之间的连通图;
搜索获得所述连通图中的最小生成树;
基于所述最小生成树,获取第一目标巡检路径;其中,所述第一目标巡检路径用于巡检员对航站楼进行巡检。
2.如权利要求1所述的航站楼巡检路径规划方法,其特征在于,在所述基于所述最小生成树,获取第一目标巡检路径的步骤之后,还包括:
利用平滑算法对所述第一目标巡检路径进行平滑处理,获得第二目标巡检路径;其中,所述第二目标巡检路径用于无人机或机器人对航站楼进行巡检。
3.如权利要求1所述的航站楼巡检路径规划方法,其特征在于,所述利用随机搜索树算法,搜索各组所述巡检路线中的任意两个巡检点位之间的最短有效路径的步骤,包括:
S301:基于所述二维平面地图,获取起点信息和目标点信息,以起点为初始点建立搜索树;
S302:在所述二维平面地图中随机生成一个虚拟节点,记为第一节点;
S303:在当前的所述搜索树中找到一个离所述第一节点最近的节点作为第二节点;
S304:将所述第一节点和所述第二节点相连,获得第一连线;在所述第一连线的延伸方向上,以所述第二节点为起点,根据预设的步长生成新的节点,记为第三节点,并将所述第三节点加入所述搜索树中,获得过渡生成树;
S305:将所述第二节点与所述第三节点相连,获得第二连线;若所述第二连线穿过所述障碍物信息集中任一障碍物,则舍弃第三节点,并返回步骤S302进行下一次迭代;若所述第二连线不穿过所述障碍物信息集中任一障碍物,则在当前的所述过渡生成树中寻找离所述第三节点最近的节点,并记为第四节点,舍弃所述第二节点并将所述第四节点加入所述过渡生成树中,获得目标生成树;
S306:基于预设距离值,判断所述第三节点是否到达终点,若没有到达终点,则重复上述步骤;若到达终点,则基于目标生成树,输出起点与目标点之间的最短有效路径。
4.如权利要求3所述的航站楼巡检路径规划方法,其特征在于,所述基于预设距离值,判断所述第三节点是否到达终点,包括:
获取所述第三节点与目标点之间的距离值;
基于所述距离值和预设距离值,判断所述第三节点是否到达终点;其中,所述预设距离值≥0。
5.如权利要求4所述的航站楼巡检路径规划方法,其特征在于,所述基于所述距离值和预设距离值,判断所述第三节点是否到达终点,包括:
若所述距离值≤所述预设距离范围值,则所述第三节点到达终点;若所述距离值>所述预设距离范围值,则所述第三节点未到达终点。
6.如权利要求3所述的航站楼巡检路径规划方法,其特征在于,所述搜索获得所述连通图中的最小生成树,包括:
基于所述目标生成树,获取所述目标生成树上的各节点之间的路径集合;计算节点间路径的欧氏距离之和,并存储为三元组数据;
基于所述三元组数据,构建所述巡检点位信息集中每任意两个巡检点位之间的距离字典;其中,所述距离字典中包括多条有效路径;
基于所述距离字典和所述巡检点位信息集,利用prim算法构建所述最小生成树。
7.如权利要求6所述的航站楼巡检路径规划方法,其特征在于,所述利用prim算法构建所述最小生成树,包括:
基于所述prim算法,利用优先级队列构建所述最小生成树。
8.一种航站楼巡检路径规划装置,其特征在于,包括:
第一获取模块,用于获取二维平面地图;其中,所述二维平面地图中包含航站楼平面图、障碍物信息集和巡检点位信息集;所述障碍物信息集中包括多个障碍物的信息,所述巡检点位信息集中包括多个巡检点位的信息;
第二获取模块,用于基于所述巡检点位的信息,利用谱聚类算法,获取巡检路线的分组;
第一搜索模块,用于基于所述二维平面地图,利用随机搜索树算法,搜索各组所述巡检路线中的任意两个巡检点位之间的最短有效路径;基于所述最短有效路径,构建所有所述巡检点位之间的连通图;
第二搜索模块,用于搜索所述连通图中的最小生成树;
第三获取模块,用于基于所述最小生成树,获取第一目标巡检路径;其中,所述第一目标巡检路径用于巡检员对航站楼进行巡检。
9.一种计算机设备,其特征在于,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410024040.3A CN117553802A (zh) | 2024-01-08 | 2024-01-08 | 一种航站楼巡检路径规划方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410024040.3A CN117553802A (zh) | 2024-01-08 | 2024-01-08 | 一种航站楼巡检路径规划方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117553802A true CN117553802A (zh) | 2024-02-13 |
Family
ID=89813139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410024040.3A Pending CN117553802A (zh) | 2024-01-08 | 2024-01-08 | 一种航站楼巡检路径规划方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117553802A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447595A (zh) * | 2015-11-18 | 2016-03-30 | 南京大学 | 一种基于谱聚类算法的景点路线推荐方法 |
CN107992969A (zh) * | 2017-12-06 | 2018-05-04 | 广东机场白云信息科技有限公司 | 机场资源巡检方法和系统 |
CN109447371A (zh) * | 2018-11-12 | 2019-03-08 | 北京中飞艾维航空科技有限公司 | 巡检路径规划方法、装置、电子设备及可读存储介质 |
CN113705982A (zh) * | 2021-08-06 | 2021-11-26 | 江苏方天电力技术有限公司 | 一种车机协同电力巡检的调度决策方法 |
CN113985893A (zh) * | 2021-11-19 | 2022-01-28 | 中国海洋大学 | 面向复杂海洋环境的多无人艇系统协同路径规划方法 |
CN115309148A (zh) * | 2022-07-07 | 2022-11-08 | 中国科学院深圳先进技术研究院 | 巡检路径处理方法、装置、设备及可读存储介质 |
CN116125995A (zh) * | 2023-04-04 | 2023-05-16 | 华东交通大学 | 一种高铁巡检机器人的路径规划方法及系统 |
CN116485065A (zh) * | 2023-06-21 | 2023-07-25 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气gis的管网巡检管理方法和物联网系统 |
CN116929356A (zh) * | 2023-05-24 | 2023-10-24 | 华南理工大学 | 一种城市低空无人机航线规划方法、装置和存储介质 |
CN117032309A (zh) * | 2023-08-27 | 2023-11-10 | 国网辽宁省电力有限公司大连市金州新区供电分公司 | 一种电力线路巡检方法及装置 |
-
2024
- 2024-01-08 CN CN202410024040.3A patent/CN117553802A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447595A (zh) * | 2015-11-18 | 2016-03-30 | 南京大学 | 一种基于谱聚类算法的景点路线推荐方法 |
CN107992969A (zh) * | 2017-12-06 | 2018-05-04 | 广东机场白云信息科技有限公司 | 机场资源巡检方法和系统 |
CN109447371A (zh) * | 2018-11-12 | 2019-03-08 | 北京中飞艾维航空科技有限公司 | 巡检路径规划方法、装置、电子设备及可读存储介质 |
CN113705982A (zh) * | 2021-08-06 | 2021-11-26 | 江苏方天电力技术有限公司 | 一种车机协同电力巡检的调度决策方法 |
CN113985893A (zh) * | 2021-11-19 | 2022-01-28 | 中国海洋大学 | 面向复杂海洋环境的多无人艇系统协同路径规划方法 |
CN115309148A (zh) * | 2022-07-07 | 2022-11-08 | 中国科学院深圳先进技术研究院 | 巡检路径处理方法、装置、设备及可读存储介质 |
CN116125995A (zh) * | 2023-04-04 | 2023-05-16 | 华东交通大学 | 一种高铁巡检机器人的路径规划方法及系统 |
CN116929356A (zh) * | 2023-05-24 | 2023-10-24 | 华南理工大学 | 一种城市低空无人机航线规划方法、装置和存储介质 |
CN116485065A (zh) * | 2023-06-21 | 2023-07-25 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气gis的管网巡检管理方法和物联网系统 |
CN117032309A (zh) * | 2023-08-27 | 2023-11-10 | 国网辽宁省电力有限公司大连市金州新区供电分公司 | 一种电力线路巡检方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8514283B2 (en) | Automatic vision sensor placement apparatus and method | |
Beck et al. | Online planning for collaborative search and rescue by heterogeneous robot teams | |
JP2021531462A (ja) | トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム | |
US20160379388A1 (en) | System and method for combining geographical and economic data extracted from satellite imagery for use in predictive modeling | |
CN107608364A (zh) | 一种用于数据中心物理设备上下架的智能机器人 | |
CN108447255B (zh) | 一种城市道路动态交通网络结构信息系统 | |
CN106776796A (zh) | 基于云计算和大数据无人机任务规划系统和方法 | |
CN110704560B (zh) | 一种基于道路级拓扑的车道线组结构化的方法及装置 | |
CN116518960B (zh) | 路网更新方法、装置、电子设备和存储介质 | |
Kannan et al. | Predictive indoor navigation using commercial smart-phones | |
CN111737826B (zh) | 一种基于增强学习的轨道交通自动仿真建模方法及装置 | |
CN117032311A (zh) | 一种输电线路无人机巡检任务自动规划方法、装置、设备及介质 | |
Li et al. | Multi-mechanism swarm optimization for multi-UAV task assignment and path planning in transmission line inspection under multi-wind field | |
CN114020005A (zh) | 多无人机协同巡检配网线路的航迹规划方法和系统 | |
CN115586557A (zh) | 一种基于路网数据的车辆行驶轨迹纠偏方法及装置 | |
CN110633843A (zh) | 园区巡检方法、装置、设备及存储介质 | |
CN112101676A (zh) | 一种乘车路径规划方法、装置、计算机设备及存储介质 | |
CN116736887A (zh) | 用于森林消防的无人机路径规划方法、装置以及防火系统 | |
CN117553802A (zh) | 一种航站楼巡检路径规划方法、装置、设备及存储介质 | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
Adolf et al. | Probabilistic roadmaps and ant colony optimization for UAV mission planning | |
Thyagarajan et al. | Planning dissimilar paths for military units | |
Zhang et al. | A new path optimization method in dynamic adverse weathers | |
Robin et al. | Taxonomy on multi-robot target detection and tracking | |
Yakovlev et al. | Resolving spatial-time conflicts in a set of any-angle or angle-constrained grid paths |
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 |