CN117606501A - 星球探测车多目标路径规划方法、系统、存储介质及计算设备 - Google Patents
星球探测车多目标路径规划方法、系统、存储介质及计算设备 Download PDFInfo
- Publication number
- CN117606501A CN117606501A CN202311356743.8A CN202311356743A CN117606501A CN 117606501 A CN117606501 A CN 117606501A CN 202311356743 A CN202311356743 A CN 202311356743A CN 117606501 A CN117606501 A CN 117606501A
- Authority
- CN
- China
- Prior art keywords
- target
- points
- point
- path
- task
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000000523 sample Substances 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims description 19
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 55
- 238000001514 detection method Methods 0.000 description 8
- 241001061260 Emmelichthys struhsakeri Species 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 241001050985 Disco Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 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
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种星球探测车多目标路径规划方法、系统、存储介质及计算设备,方法包括:利用多分辨规划方法确定任意两个任务点之间的行进代价;基于动态规划方法确定以当前任务点为起点遍历对应的目标点集合的最小遍历路径代价的递推关系;通过递推关系进行迭代,得到以起始点为起点遍历所有目标点的最终最小遍历路径代价。本发明利用多分辨规划方法确定任意两个任务点之间的行进代价,有效的限制了路径点的搜索范围,有效提高了路径点间代价计算的效率;基于动态规划方法确定以起始点为起点遍历所有目标点的最终最小遍历路径代价;无论是否存在部分任务点间的遍历顺序固定的限制,本发明均可实现多目标最小遍历路径代价的路径规划。
Description
技术领域
本发明涉及星球探测车路径规划领域技术领域,尤其涉及一种星球探测车多目标路径规划方法、系统、存储介质及计算设备。
背景技术
在星球表面探测活动中,如在月面探测活动中,路径规划引擎起到了至关重要的作用,有效的路径规划算法可以指引月球车更高效的执行探测任务。月球车路径规划通常基于大尺寸月面信息地图规划算法,得到一条连接起点和终点的最适合月球车行进的路径。在一定区域内分配给月球车的探测任务通常不是唯一的,根据规划目标点的数目可以分为单目标路径规划和多目标路径规划。
在现有的多目标路径规划中,有方案通过先构建节点矩阵地图,再通过D*lite算法求解目标点间路径,设计基于A*的启发式搜索思想逐步精确途程,最终得到类旅行商问题的解,得到遍历所有目标点的最优代价路径。
然而,D*lite算法是一种图搜索算法,在数据量越大的地图中规划,计算耗时越长,因此当任务要求月球车大范围移动时,D*lite算法的效率较低;并且,当任务要求部分任务点间的遍历顺序固定时,现有技术方案不能实现多目标最小遍历路径代价的路径规划。
发明内容
本发明所要解决的技术问题是针对现有技术存在的问题,提供一种星球探测车多目标路径规划方法、系统、存储介质及计算设备。
为解决上述技术问题,本发明提供一种星球探测车多目标路径规划方法,包括如下步骤:利用多分辨规划方法确定任意两个任务点之间的行进代价;其中,任务点包括星球探测车的起始点和所有目标点;基于动态规划方法确定以当前任务点为起点遍历对应的目标点集合的最小遍历路径代价的递推关系;通过递推关系进行迭代计算,依次确定目标点集合包括一个目标点、两个目标点、三个目标点……和所有目标点所对应的最小遍历路径代价,得到以起始点为起点遍历所有目标点的最终最小遍历路径代价;其中,当所述目标点集合中包括所述当前任务点时,所述最小遍历路径代价值为零。
为解决上述技术问题,本发明还提供一种星球探测车多目标路径规划系统,包括:单目标路径规划模块和多目标路径规划模块;
单目标路径规划模块,用于利用多分辨规划方法确定任意两个任务点之间的行进代价;其中,任务点包括星球探测车的起始点和所有目标点;
多目标路径规划模块,用于基于动态规划方法确定以当前任务点为起点遍历对应的目标点集合的最小遍历路径代价的递推关系;通过所述递推关系进行迭代计算,依次确定所述目标点集合包括一个目标点、两个目标点、三个目标点……和所有目标点所对应的最小遍历路径代价,得到以所述起始点为起点遍历所有目标点的最终最小遍历路径代价;其中,当所述目标点集合中包括所述当前任务点时,所述最小遍历路径代价值为零。
为解决上述技术问题,本发明还提供一种计算机可读存储介质,包括指令,当指令在计算机上运行时,使计算机执行如上述技术方案提供的星球探测车多目标路径规划方法。
为解决上述技术问题,本发明还提供一种计算设备,包括:存储器、处理器及存储在存储器上的并可在处理器上运行的计算机程序,处理器执行程序时实现如上述技术方案提供的星球探测车多目标路径规划方法。
本发明的有益效果是:利用多分辨规划方法确定任意两个任务点之间的行进代价,有效的限制了路径点的搜索范围,有效提高了路径点间代价计算的效率;在已知任意两个任务点之间的行进代价的情况下,基于动态规划方法确定以当前任务点为起点遍历对应的目标点集合的最小遍历路径代价的递推关系;通过递推关系进行迭代,得到以起始点为起点遍历所有目标点的最小遍历路径代价。无论是否存在部分任务点间的遍历顺序固定的限制,本发明均可实现多目标最小遍历路径代价的路径规划。
本发明附加的方面及其优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明实施例提供的星球探测车多目标路径规划方法流程图;
图2为本发明实施例提供的星球探测车多目标路径规划方法与A*两种路径规划算法结果对比图;
图3为本发明实施例提供的星球探测车多目标路径规划方法应用于任意遍历顺序情况的路径规划图;
图4为本发明实施例提供的星球探测车多目标路径规划方法应用于部分遍历顺序固定情况的路径规划图;
图5为本发明实施例提供的星球探测车多目标路径规划结构框图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,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,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
图1为本发明实施例提供的星球探测车多目标路径规划方法流程图。如图1所示,该方法包括:
S1,利用多分辨规划方法确定任意两个任务点之间的行进代价;其中,任务点包括星球探测车的起始点和所有目标点。
本发明实施例中星球探测车多目标路径规划的指标为最短路径,算法所需的规划地图为数字高程模型(dem)图。为了提高算法在大尺度栅格图中的计算效率,可将大尺寸高分辨率图中的路径规划问题转化为两种不同分辨率地图中的两次规划。
S2,基于动态规划方法确定以当前任务点为起点遍历对应的目标点集合的最小遍历路径代价的递推关系;
S3,通过递推关系进行迭代计算,依次确定目标点集合包括一个目标点、两个目标点、三个目标点……和所有目标点所对应的最小遍历路径代价,得到以起始点为起点遍历所有目标点的最终最小遍历路径代价。
其中,当所述目标点集合中包括所述当前任务点时,所述最小遍历路径代价值为零。
本发明实施例利用多分辨规划方法确定任意两个任务点之间的行进代价,有效的限制了路径点的搜索范围,有效提高了路径点间代价计算的效率;在已知任意两个任务点之间的行进代价的情况下,基于动态规划方法确定以当前任务点为起点遍历目标点集合的最小遍历路径代价的递推关系;通过递推关系进行迭代,得到以起始点为起点遍历所有目标点的最小遍历路径代价。无论是否存在部分任务点间的遍历顺序固定的限制,本发明均可实现多目标最小遍历路径代价的路径规划。
本发明实施例的技术方案将多目标遍历路径规划问题转化为以下两个独立问题:求解路径点代价的单目标路径规划问题和求解多目标遍历顺序的类旅行商问题,其中单目标路径规划问题通过多分辨率路径规划技术方案解决,类旅行商问题通过基于动态规划的多目标遍历算法技术方案解决。
一、基于多分辨率的路径规划。
可选地,本发明实施例中,利用多分辨规划方法确定任意两个任务点之间的行进代价,包括:
S11,获取任意两个任务点所在的第一数字高程栅格地图。
S12,按照预设方式将第一数字高程栅格地图映射为第二数字高程栅格地图,并确定第一数字高程栅格地图和第二数字高程栅格地图间的映射关系;其中,第二数字高程栅格地图的分辨率低于第一数字高程栅格地图的分辨率。
S13,在第二数字高程栅格地图上确定任意两个任务点中当前两个任务点之间的第一规划路径。
第二数字高程栅格地图构造完成后可以找到任务始末点在低分辨率图中的坐标,并通过A*算法实现第一次低分辨率的路径规划,使用简化处理地图的低分辨率规划在近似地形信息的基础上实现了提高算法效率的目的,其中A*算法是一种有效实现栅格图中单目标路径规划的算法。为了保证规划路径的精确性,还需要将低分辨率路径映射到原图中找到原分辨率图中的真实路径。
S14,按照预设映射关系确定第一规划路径上的各个路径点在第一数字高程栅格地图上的坐标点。
根据两图栅格节点坐标映射关系,找出与低分辨率路径的路径点相应的原节点,作为真实路径的导航点,规定真实路径必须经过这些导航点,因此将路径规划任务划分为多个导航点之间的短距离路径规划,每个规划相对独立,都可以通过A*求解。
S15,在第一数字高程栅格地图上分别确定当前任务点与相邻路径点之间的第二规划路径以及各相邻路径点之间的第二规划路径。
S16,拼接所有第二规划路径,确定当前两个任务点在第一数字高程栅格地图上的行进代价。
本发明实施例构造了低分辨率地图(第二数字高程栅格地图)和高分辨率地图(第一数字高程栅格地图)两图的映射关系,将原本高分辨率大尺度地图规划问题转化为一次低分辨率小尺度地图规划和多次高分辨率小尺度地图规划,极大的提高了算法效率。
可选地,按照预设方式将第一数字高程栅格地图映射为第二数字高程栅格地图,包括:
S121,将第一数字高程栅格地图中预设大小的区域定义为一个地形块单元。
如可以定义高分辨率地图中scale*scale范围的区域为一个地形块单元,规定一个地形块单元映射到低分辨率图中变成一个栅格节点,因此m*m大小的原图缩小为大小的低分辨率图。
S122,将第一数字高程栅格地图中的地形块单元映射为第二数字高程栅格地图中的栅格节点,获得第二数字高程栅格地图。
其中,第二数字高程栅格地图中栅格节点的高度计算方式如下:若第一数字高程栅格地图中地形块单元内的障碍节点数超过预设数目,则确定第二数字高程栅格地图中对应的栅格节点为障碍;若第一数字高程栅格地图中地形块单元内的障碍节点数不超过预设数目,则确定第二数字高程栅格地图中对应的栅格节点高度为地形块单元高度的平均值。
可选地,按照预设映射关系确定第一规划路径上的各个路径点在第一数字高程栅格地图上的坐标点,包括:将第二数字高程栅格地图上各路径点所在的栅格节点映射为第一数字高程栅格地图中相应地形块单元的中心,若地形块单元中心为障碍节点,则不断向中心以外搜索,找到距离中心最近且不是障碍的节点,作为路径点在第一数字高程栅格地图上的坐标。第一数字高程栅格地图中地形块单元内的所有节点在低分辨率中的坐标都是同一个相应的栅格节点。
本发明实施例中,利用多分辨规划方法确定任意两个任务点之间的行进代价的算法流程如下:
①将原栅格图改造成低分辨率的小尺寸栅格图;
②建立两种地图的节点映射关系;
③在低分辨率图中使用A*算法进行路径规划;
④根据两图的映射关系找到规划路径点在原图中的坐标;
⑤将规划路径点在原图中的坐标作为导航点,设定高分辨率规划任务;
⑥在高分辨率图中使用A*算法完成多个高分辨率路径规划任务,将所有路径拼接成完整路径。
通过以上流程,构造了低分辨率地图和高分辨率两图的映射关系,将原本高分辨率大尺度地图规划问题转化为一次低分辨率小尺度地图规划和多次高分辨率小尺度地图规划,极大的提高了算法效率。
二、基于动态规划的多目标遍历。
根据上节的设计,任务点间的路径代价均已求出,下面对基于动态规划的思想解决多目标遍历问题的技术方案进行说明。
首先定义如下形式的类旅行商问题,星球探测车从起始点出发,遍历所有目标点,其中部分目标点间的通行顺序可为固定的,计算最小的遍历路径代价d(istart,Vall)。其中istart为起始点,Vall表示所有目标点的集合,包含1,2……,n个目标点。由于任务点集合(包括起始点和所有目标点)之间的代价已知,根据动态规划的思想可以得到求解d(istart,Vall)的递推表达式,即最小遍历路径代价的递推关系的表达式如下:
d(i,V)=min(Cij+d(j,V-{j}))
其中,d(i,V)表示以任务点i为起点遍历目标点集合V的最小遍历路径代价,Cij表示任务点i和任务点j之间的行进代价,(d(j,V-{j}))表示以任务点j为起点遍历目标点集合V中除去任务点j后所有剩余目标点的最小遍历路径代价。
上式表示,需要找到所有与i相邻的目标点j,以j为起点遍历剩余所有目标点,比较所有的Cij+d(j,V-{j}),其中代价最小的为d(i,V)的解。递推式将d(istart,Vall)问题层层分解,如果已知所有目标点间的代价Cij,那么可以逐步迭代得到问题的解d(istart,Vall)。下面说明d(istart,Vall)的具体求解方式。
根据递推式,已知所有Cij后,可以得到以第三个目标点k为起点,遍历目标点i和j的最小代价,逐步迭代计算以任意目标点为起点,遍历多个目标点的最小代价。根据以上递推思想,设计一种(n+1)*(2n-1)大小的动态规划表,其中,n表示目标点的数量;动态规划表的竖轴i表示作为起点的目标点,i从上至下为istart和从1号至n号的所有目标点,动态规划表的横轴V表示Vall的所有子集。根据表的设计,表中x行y列的内容表示从第x-1个目标点出发,遍历Vall的第y个子集的路径代价。在计算d(istart,Vall)的过程中,先计算横轴V包括一个目标点对应的各个元素,再计算V包括两个目标点对应的各个元素,……依次类推,逐步迭代计算得到d(istart,Vall)。
本发明实施例提供的星球探测车多目标路径规划方法还包括:当所有任务点中任务点p至任务点q之间存在固定遍历顺序时,那么以任务点p为起点遍历的目标点集合必须包含任务点q,不以p为起点遍历的目标点集合必不包含任务点q;并且满足如下关系式:
d(p,V)=Cpq+d(q,V-{q});
其中,d(p,V)表示以任务点p为起点遍历目标点集合V的最小遍历路径代价,Cpq表示任务点p和任务点q之间的行进代价,d(q,V-{q})表示以任务点p为起点遍历目标点集合V中出去目标点q后所有剩余目标点的最小遍历路径代价。
本发明实施例易于处理部分目标点间遍历顺序固定的约束条件,若规定在目标点1,2……,n中满足必有p至q之间的直接路径存在,那么以p为起点的遍历目标点集合必须包含q目标点,表中不以p为起点的遍历目标点集合必不包含q目标点,且计算时需满足d(p,V)=min(Cpq+d(q,V-{q}))。
下面以四个所需遍历目标点的算例具体说明动态规划表的填充方式,规定目标点标号分别为1号、2号、3号、4号,起始点为0号点。构造如表1所示的5行15列的动态规划表,行表示当前起点,列表示对应的目标点集合。
表1
{1} | {2} | {1,2} | {3} | {1,3} | {2,3} | {1,2,3} | {4} | {1,4} | … | {1,2,3,4} | |
0 | |||||||||||
1 | |||||||||||
2 | |||||||||||
3 | |||||||||||
4 |
下面介绍一种集合所属列的计算方法j=ψ(Vj),其中Vj为第j列对应的集合。以集合{1,2,4}为例,将124先转化为二进制数字,再转化为列数,规定:“124”中的“1”表示右数第一位为1,“124”中的“2”表示右数第二位为1,“124”中的“4”表示右数第四位为1,且右数第三位为0,因此将124转化为二进制数字1011,其十进制数字为11,表示集合{1,2,4}在表中处于第11列。通过上述方式可以方便快捷地确定集合所属列。除了可以通过上述方式确定集合所属列外,还可以通过其他方式确定集合所属列,如先排列包括一个节点的集合,再排列包括两个节点的集合,依次类推。本发明实施例对确定集合所属列的方式不做限定。
动态规划表中第j列的元素表示对应的集合Vj,表中第i行第j列的元素表示以pi为起点,遍历Vj中所有节点的最短路径代价d(pi,Vj)。另外当表中目标点集合中包含起点时,比如第二行第一列、第三行第三列等,元素为空。
下面说明表中元素的计算方式:
1.首先计算目标点集合中仅包含一个节点的列,即所有节点间的代价d(i,{j})(即Cij),填写表中的第1、2、4和8列。
2.再计算目标点集合包含两个节点的列,以第四行第三列的元素为例,根据递推关系式可知其值应为:
d(p3,{p1,p2})=min(C31+d(p1,{p2}),C32+d(p2,{p1}));
其中,C31,C32,d(p1,{p2}),d(p2,{p1})仅涉及两节点之间的代价。
3.再计算目标点集合包含三个节点的列,以第五行第七列的元素为例,根据递推关系式可知其值应为:
d(p4,{p1,p2,p3})=min(C41+d(p1,{p2,p3}),C42+d(p2,{p1,p3}),C43+d(p3,{p1,p2}));
其中,d(p1,{p2,p3}),d(p2,{p1,p3}),d(p3,{p1,p2})为目标点集合包含三个节点的列的元素,其值已在第2步中计算完成。
4.最后根据递推式可以计算第一行第十五列的元素,即以零号节点为起点遍历所有目标点的最小代价。
5.若规定必须执行从4号到2号的路径,那么起点不为p4且目标点集合包含p2的表中元素为空,起点为p4且目标点集合不包含p2的表中元素为空,起点为p4且目标点集合包含p2的表中元素不为空,以第五行第六列的元素为例,d(p4,{p2,p3})=C42+d(p2,{p3})。
下面通过仿真数据展示本发明的多分辨率路径规划算法与传统A*相比,实现了提升算法效率的效果,并展示本发明的多目标遍历算法。
仿真场景如下,在360*360尺寸的栅格地图中进行规划,起点坐标为[320,100],终点坐标为[50,250],仿真中选取scale为9,两种路径规划算法的结果如图2所示,图中黑色为障碍区域,白色为可通行区域,实线为A*算法的规划路径,虚线为本发明实施例的多分辨率路径规划算法的路径。
基于图搜索的路径规划算法可以根据算法搜索到的节点数量评价算法的效率,算法搜索到的节点越多,规划耗时越长。本发明算法在低分辨率规划时拓展过的节点数目为540,经历多次高分辨率规划共拓展节点342个,本发明算法的总节点拓展数目为882,A*算法拓展过的节点数目为13595,本发明算法显著改善了传统路径规划算法使用于大尺度地图规划时耗时长效率低的缺点。
下面通过仿真展示本发明的多目标遍历算法,仿真任务如下,起始点坐标为[50,50],有四个任务目标点,目标点一的坐标为[150,50],目标点二的坐标为[250,170],目标点三的坐标为[300,220],目标点四的坐标为[108,205]。
图3所示为在没有遍历顺序要求时,本发明实施例基于动态规划的思想规划得到的最小代价遍历路径。图4为限定从任务点四至任务点一的固定路径,本发明实施例基于动态规划的思想规划得到部分遍历顺序固定约束下的最小遍历路径。
当多目标遍历任务存在一个起点和n个目标点时,上述技术方案使用A*算法计算多目标点之间的路径代价,每两个节点之间都需要进行规划,共需要进行n(n+1)/2次独立的路径规划。在替代方案中,使用多目标Dijkstra迪克斯特拉算法替换A*算法完成路径规划任务,在一次规划过程中可以同时规划出到多个目标点的路径,对于存在n个目标点的遍历任务,仅需进行n次独立的路径规划。
Dijkstra算法与A*算法都可以完成最优路径的规划任务,二者的区别在于,前者不是基于启发值的搜索算法,算法优先序列中的搜索节点根据实际代价值排序,搜索趋势向实际代价值更小的方向前进;后者是基于启发值搜索的算法,算法优先序列中的搜索节点根据预估全程代价值排序,搜索趋势向预估总代价最小的方向前进,当规定A*算法的启发值为0时,A*算法变为Dijkstra算法。
在路径规划算法方面,考虑到星球探测车探测任务分布广泛,任务目标点之间距离较远,因此本发明实施例提出一种多分辨率规划结合的路径规划算法,可以有效的减少算法的节点搜索数量,显著提升算法的效率。在多目标点遍历算法方面,本发明提出了基于动态规划的多目标遍历算法,通过设计递推关系(可通过动态规划表实现递推数据的存储),使算法易于处理部分目标点遍历顺序固定的约束,有效的规划出这类特殊任务约束下的最小代价路径。
如图5所示,本发明实施例还提供一种星球探测车多目标路径规划系统,包括:单目标路径规划模块和多目标路径规划模块。
单目标路径规划模块,用于利用多分辨规划方法确定任意两个任务点之间的行进代价;其中,任务点包括星球探测车的起始点和所有目标点;
多目标路径规划模块,用于基于动态规划方法确定以当前任务点为起点遍历对应的目标点集合的最小遍历路径代价的递推关系;通过所述递推关系进行迭代计算,依次确定所述目标点集合包括一个目标点、两个目标点、三个目标点……和所有目标点所对应的最小遍历路径代价,得到以所述起始点为起点遍历所有目标点的最终最小遍历路径代价。其中,当所述目标点集合中包括所述当前任务点时,所述最小遍历路径代价值为零。
本发明实施例还提供一种计算机可读存储介质,包括指令,当指令在计算机上运行时,使计算机执行如上述实施例提供的星球探测车多目标路径规划方法。
本发明实施例还提供一种计算设备,包括:存储器、处理器及存储在存储器上的并可在处理器上运行的计算机程序,处理器执行程序时实现如上述实施例提供的星球探测车多目标路径规划方法。
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,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,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,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。
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发明实施例方案的目的。
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,也可以是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。
集成的单元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,或者该技术方案的全部或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。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种星球探测车多目标路径规划方法,其特征在于,包括如下步骤:
利用多分辨规划方法确定任意两个任务点之间的行进代价;其中,所述任务点包括星球探测车的起始点和所有目标点;
基于动态规划方法确定以当前任务点为起点遍历对应的目标点集合的最小遍历路径代价的递推关系;
通过所述递推关系进行迭代计算,依次确定所述目标点集合包括一个目标点、两个目标点、三个目标点……和所有目标点所对应的最小遍历路径代价,得到以所述起始点为起点遍历所有目标点的最终最小遍历路径代价;
其中,当所述目标点集合中包括所述当前任务点时,所述最小遍历路径代价值为零。
2.根据权利要求1所述的方法,其特征在于,利用多分辨规划方法确定任意两个任务点之间的行进代价,包括:
获取任意两个任务点所在的第一数字高程栅格地图;
按照预设方式将所述第一数字高程栅格地图映射为第二数字高程栅格地图,并确定所述第一数字高程栅格地图和第二数字高程栅格地图间的映射关系;其中,所述第二数字高程栅格地图的分辨率低于所述第一数字高程栅格地图的分辨率;
在所述第二数字高程栅格地图上确定所述任意两个任务点中当前两个任务点之间的第一规划路径;
按照所述预设映射关系确定所述第一规划路径上的各个路径点在所述第一数字高程栅格地图上的坐标点;
在所述第一数字高程栅格地图上分别确定当前任务点与相邻路径点之间的第二规划路径以及各相邻路径点之间的第二规划路径;
拼接所有所述第二规划路径,确定所述当前两个任务点在所述第一数字高程栅格地图上的行进代价。
3.根据权利要求2所述的方法,其特征在于,所述按照预设方式将所述第一数字高程栅格地图映射为第二数字高程栅格地图,包括:
将所述第一数字高程栅格地图中预设大小的区域定义为一个地形块单元;
将所述第一数字高程栅格地图中的地形块单元映射为所述第二数字高程栅格地图中的栅格节点,获得第二数字高程栅格地图;
若所述第一数字高程栅格地图中地形块单元内的障碍节点数超过预设数目,则确定第二数字高程栅格地图中对应的栅格节点为障碍;
若所述第一数字高程栅格地图中地形块单元内的障碍节点数不超过预设数目,则确定第二数字高程栅格地图中对应的栅格节点高度为地形块单元高度的平均值。
4.根据权利要求2所述的方法,其特征在于,所述按照所述预设映射关系确定所述第一规划路径上的各个路径点在所述第一数字高程栅格地图上的坐标点,包括:
将所述第二数字高程栅格地图上各路径点所在的栅格节点映射为第一数字高程栅格地图中相应地形块单元的中心,若所述地形块单元中心为障碍节点,则不断向中心以外搜索,找到距离中心最近且不是障碍的栅格节点,作为所述路径点在第一数字高程栅格地图上的坐标。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述最小遍历路径代价的递推关系的表达式如下;
d(i,V)=min(Cij+d(j,V-{j}));
其中,d(i,V)表示以任务点i为起点遍历目标点集合V的最小遍历路径代价,Cij表示任务点i和任务点j之间的行进代价,d(j,V-{j})表示以任务点j为起点遍历目标点集合V中除去任务点j后所有剩余目标点的最小遍历路径代价。
6.根据权利要求1至4任一项所述的方法,其特征在于,所述通过所述递推关系进行迭代计算的过程中,通过动态规划表存储迭代结果;
所述动态规划表的大小为(n+1)*(2n-1);其中,n表示目标点的数量;
所述动态规划表的行i表示作为起点的任务点,i从上至下为起始点和所有目标点;
所述动态规划表的列V表示所述目标点集合,所述目标点集合依次包括一个目标点、两个目标点、三个目标点……和所有目标点。
7.根据权利要求1至4任一项所述的方法,其特征在于,还包括:当所有任务点中所述任务点p至任务点q之间存在固定遍历顺序时,那么以任务点p为起点遍历的目标点集合必须包含任务点q,不以p为起点遍历的目标点集合必不包含任务点q;并且满足如下关系式:
d(p,V)=Cpq+d(q,V-{q});
其中,d(p,V)表示以任务点p为起点遍历目标点集合V的最小遍历路径代价,Cpq表示任务点p和任务点q之间的行进代价,d(q,V-{q})表示以任务点p为起点遍历目标点集合V中出去目标点q后所有剩余目标点的最小遍历路径代价。
8.一种星球探测车多目标路径规划系统,其特征在于,包括:
单目标路径规划模块,用于利用多分辨规划方法确定任意两个任务点之间的行进代价;其中,所述任务点包括星球探测车的起始点和所有目标点;
多目标路径规划模块,用于基于动态规划方法确定以当前任务点为起点遍历对应的目标点集合的最小遍历路径代价的递推关系;通过所述递推关系进行迭代计算,依次确定所述目标点集合包括一个目标点、两个目标点、三个目标点……和所有目标点所对应的最小遍历路径代价,得到以所述起始点为起点遍历所有目标点的最终最小遍历路径代价;
其中,当所述目标点集合中包括所述当前任务点时,所述最小遍历路径代价值为零。
9.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在计算机上运行时,使所述计算机执行如权利要求1至7任一项所述的星球探测车多目标路径规划方法。
10.一种计算设备,其特征在于,包括:存储器、处理器及存储在所述存储器上的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程序时实现如权利要求1至7任一项所述的星球探测车多目标路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311356743.8A CN117606501A (zh) | 2023-10-19 | 2023-10-19 | 星球探测车多目标路径规划方法、系统、存储介质及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311356743.8A CN117606501A (zh) | 2023-10-19 | 2023-10-19 | 星球探测车多目标路径规划方法、系统、存储介质及计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117606501A true CN117606501A (zh) | 2024-02-27 |
Family
ID=89944925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311356743.8A Pending CN117606501A (zh) | 2023-10-19 | 2023-10-19 | 星球探测车多目标路径规划方法、系统、存储介质及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117606501A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118006A (zh) * | 2018-08-17 | 2019-01-01 | 安吉汽车物流股份有限公司 | 拼车路线的确定方法及装置、存储介质、计算设备 |
CN116625395A (zh) * | 2023-05-17 | 2023-08-22 | 山东高创迈科自控技术有限公司 | 基于二维栅格地图的多目标路径规划方法 |
CN116772885A (zh) * | 2023-07-12 | 2023-09-19 | 北京理工大学 | 一种基于高程图的地外天体任务区域搜索路径规划方法 |
-
2023
- 2023-10-19 CN CN202311356743.8A patent/CN117606501A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118006A (zh) * | 2018-08-17 | 2019-01-01 | 安吉汽车物流股份有限公司 | 拼车路线的确定方法及装置、存储介质、计算设备 |
CN116625395A (zh) * | 2023-05-17 | 2023-08-22 | 山东高创迈科自控技术有限公司 | 基于二维栅格地图的多目标路径规划方法 |
CN116772885A (zh) * | 2023-07-12 | 2023-09-19 | 北京理工大学 | 一种基于高程图的地外天体任务区域搜索路径规划方法 |
Non-Patent Citations (1)
Title |
---|
汤秋玲: "基于多分辨率DEM的可视路径规划优化方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 03, 15 March 2022 (2022-03-15), pages 008 - 393 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sommer | Shortest-path queries in static networks | |
JP7495970B2 (ja) | ルート計画計算デバイスを改良するためのデバイス及び方法 | |
CN112181991B (zh) | 基于快速构建kd树的地球模拟系统网格重映射方法 | |
CN110119740B (zh) | 一种从复杂城市道路网络提取简化拓扑关系的方法 | |
WO2019201135A1 (zh) | 基于全局路网特征的数据匹配方法、装置及存储介质 | |
JP2020042793A (ja) | 確率プロットに基づく障害物分布シミュレーション方法、装置及び端末 | |
CN115329030B (zh) | 一种校核道路网络模型参数的方法、电子设备及存储介质 | |
CN114119866A (zh) | 一种基于点云数据的城市道路交叉口可视化评价方法 | |
CN115077540A (zh) | 一种地图构建方法及装置 | |
CN114723121A (zh) | 基于gis的野外复杂地形路径规划方法 | |
CN113908551B (zh) | 导航路径的确定方法、装置、设备、存储介质及程序产品 | |
CN111611900A (zh) | 一种目标点云识别方法、装置、电子设备和存储介质 | |
CN117606501A (zh) | 星球探测车多目标路径规划方法、系统、存储介质及计算设备 | |
CN112525208B (zh) | 城市道路地图快速构建方法和装置及设备 | |
CN111666361A (zh) | 一种存储多边形包含关系的四叉树构建方法及索引方法 | |
Rav et al. | Flood risk analysis on terrains | |
CN112269848B (zh) | 一种众包轨迹数据融合方法及装置 | |
KR102006283B1 (ko) | 패스트맵을 이용한 데이터셋의 m-트리 적재방법 | |
CN113449052A (zh) | 空间索引的建立方法、空间区域查询方法及装置 | |
CN106709473B (zh) | 一种基于体元的机载lidar道路提取方法 | |
CN115713600A (zh) | 自动驾驶场景的数字高程模型的生成方法和装置 | |
Gärds et al. | Exploring the use of GIS-based least-cost corridors for designing alternative highway alignments | |
CN112037328A (zh) | 生成地图中的道路边沿的方法、装置、设备和存储介质 | |
CN113849495A (zh) | 一种点云动态哈希划分方法及设备 | |
Arge et al. | Computing Floods Caused by Non-Uniform Sea-Level Rise |
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 |