CN118089738A - 适用于煤矿井下复杂巷道场景的快速路径规划方法、装置 - Google Patents

Abstract

本发明公开了一种适用于煤矿井下复杂巷道场景的快速路径规划方法、装置，方法包括以下步骤：获得各条巷道的中线点以及中线点的连接关系，将所有的中线点划分成巷道特征点集{P_f}和非特征点集{P_e}，并进行重新组合，构建组合巷道集{L}，构建最优规划路径的损失函数F(p_i,p_j)，利用路径规划算法构建最优路径规划模型，计算起点p_s所在的组合巷道中的巷道特征点p_a和p_b到终点p_g所在的组合巷道中的巷道特征点p_c和p_d的最优路径以及相应的损失值，恢复完整的巷道结构，计算起点p_s到巷道特征点p_a和p_b的最优路径以及相应的损失值，计算终点p_g到巷道特征点p_c和p_d的最优路径以及相应的损失值，选择不同组合下损失值最小的最优路径作为最终最优路径。本发明能够提高路径规划的运算效率和可靠性。

Description

适用于煤矿井下复杂巷道场景的快速路径规划方法、装置

技术领域

本发明涉及路径规划技术领域，具体涉及一种适用于煤矿井下复杂巷道场景的快速路径规划方法、装置。

背景技术

近年来，随着各类智能设备与技术的发展，路径规划技术作为一项关键的智能控制技术，广泛应用于地图导航、移动机器人和无人驾驶等领域。路径规划的核心目标在于通过合适的路径规划算法，为各类移动对象从起始点至目标点寻找到最优路径，从而实现高效、安全、稳定的移动，以实现有效、安全、高效的运动。当前主流的路径规划算法有Floyd算法、Dijkstra算法和A*算法。其中，Dijkstra算法和A*算法皆为单源路径规划算法，利用广度优先搜索方法获取单个起点到其它目标点的最优路径，而Floyd算法则为一种经典的多源路径规划算法，可以获取任意起点到其它路径点的最优路径。最优路径是指在给定的环境和约束条件下，从起点到目标点使得某一特定损失函数(例如路径长度、时间、成本等)最小化的路径(比如距离最短或者耗时最少的路径)。

在煤矿井下这种特殊环境中，人员和车辆等运动对象需要在巷道内移动。路径规划算法的计算难度与巷道结构的复杂性紧密相关。为满足煤矿井下作业的相关要求，煤矿井下的路径规划不仅用于井下导航，还需频繁地用于井下定位信号断连时运动对象的轨迹补路，以快速推测运动对象的行进轨迹，确保井下各类运动对象行进轨迹的即时性、连续性和可靠性。因此，煤矿井下的轨迹补路应用需要路径规划方法具有更高的计算效率和更好的性能表现。

对于煤矿井下复杂巷道的场景，为了保证路径规划的可靠性，常规的路径规划方法需要将所有路径节点纳入最优路径的查询范围内，导致算法构建最优路径规划模型的计算耗时和空间占用随巷道的复杂度的增加呈指数级增长，计算效率较低。为了提高路径规划算法的运行效率，通常采用简化巷道结构的方法，减少路径点的数量，以快速构建路径规划模型。但是，对于复杂场景，巷道结构的简化会导致运动对象轨迹补路的推测轨迹与实际行进轨迹之间存在偏差，降低了轨迹补路结果的可靠性。因此，亟待需要一种计算效率更高且无需简化巷道的最优路径规划方法。

发明内容

本发明要解决的技术问题是：现有的规划方法无法同时满足计算效率高和轨迹补路结果可靠的技术问题。

为此，本发明提供一种适用于煤矿井下复杂巷道场景的快速路径规划方法，计算效率高，且无需简化巷道结构，能够保证轨迹补路结果的可靠性。

本发明解决其技术问题所采用的技术方案是：一种适用于煤矿井下复杂巷道场景的快速路径规划方法，包括以下步骤：

S1、根据煤矿井下各条巷道的采样数据{L₀}进行空间拓扑分析，获得各条巷道的中线点以及中线点的连接关系；

S2、根据中线点的连接关系，将所有的中线点划分成巷道特征点集{P_f}和非特征点集{P_e}；

S3、将所述巷道特征点集{P_f}和非特征点集{P_e}进行重新组合，构建组合巷道集{L}；

S4、构建最优规划路径的损失函数F(p_i,p_j)，p_i、p_j分别表示规划路径的起点和目标点，并计算各条组合巷道的损失值f＝F(p_i,p_j)；计算组合巷道L上任一点p与起点p_i之间的相对位置c_p和损失值f_p，建立相对位置c_p和损失值f_p之间的对应关系；

S5、将巷道特征点作为规划路径的路径点，利用路径规划算法构建最优路径规划模型；

S6、根据所述最优路径规划模型获得的路径的起点p_s和终点p_g，计算起点p_s所在的组合巷道中的巷道特征点p_a和p_b到终点p_g所在的组合巷道中的巷道特征点p_c和p_d的最优路径以及相应的损失值；

S7、根据组合巷道集{L}恢复完整的巷道结构，计算起点p_s到巷道特征点p_a和p_b的最优路径以及相应的损失值，计算终点p_g到巷道特征点p_c和p_d的最优路径以及相应的损失值；

S8、将步骤S6和S7中获得的最优路径和相应的损失值进行组合，选择不同组合下损失值最小的最优路径作为最终最优路径。

进一步的，步骤S1中的空间拓扑分析过程包括：

S1.1、从所述采样数据{L₀}中选取首条巷道的数据生成初始的中线点集{P}以及中线点的连接关系；

S1.2、从所述采样数据{L₀}中选取下一条巷道的数据生成该巷道的中线点集{P'}以及中线点的连接关系；并判断中线点集{P'}中是否存在与中线点集{P}相同的中线点；

S1.3、若存在相同的中线点，则将该中线点的连接关系与中线点集{P}的对应中线点的连接关系进行合并，并将该巷道的其他中线点加入中线点集{P}中；

S1.4、若不存在相同的中线点，则将该巷道的所有中线点加入中线点集{P}中；

S1.5、重复步骤S1.2-S1.4，直至获得所有巷道的中线点以及中线点的连接关系。

进一步的，步骤S2中，巷道特征点集{P_f}和非特征点集{P_e}的划分条件包括：当一个中线点与其他中线点之间的连接关系的数量不为2，或者一个中线点存在于多个煤层的巷道中时，选取该中线点加入巷道特征点集{P_f}；否则，加入非特征点集{P_e}。

进一步的，步骤S3中，重新组合的策略为：将所述巷道特征点集{P_f}中的中线点作为组合巷道的起点和终点，将所述非特征点集{P_e}中的中线点作为组合巷道的中间点。

进一步的，所述组合巷道集{L}的构建过程包括：

S3.1、从所述巷道特征点集{P_f}中选取一个中线点作为组合巷道L的起点p_i，并选择与起点p_i连接的一个中线点作为目标点p_j加入组合巷道L中；

S3.2、若此时作为目标点p_j的中线点属于非特征点集{P_e}，则选取与该中线点连接的一个中线点作为下一个目标点p_j加入组合巷道L中；

S3.3、重复步骤S3.2直到作为目标点p_j的中线点属于巷道特征点集{P_f}，此时表明组合巷道L构建完成，并标记所使用的连接关系为已访问；

S3.4、从所述巷道特征点集{P_f}中选取下一个中线点作为组合巷道L的起点，重复步骤S3.1-S3.3，直至巷道特征点集{P_f}中所有的连接关系均已访问，此时表明组合巷道集{L}构建完成。

进一步的，损失函数的计算公式为：

其中，(x_k,y_k,z_k)表示路径内的中线点的坐标，k表示从起点p_i到目标点p_j的中线点的序号，n表示路径内中线点的数量。

进一步的，所述相对位置c_p＝d_p/D，d_p表示组合巷道L的路径点p与起点之间的路程，D表示组合巷道的总路程，c_p∈[0，1]。

进一步的，所述相对位置c_p与损失值f_p的对应关系为：c_p＝f_p/F(p_i,p_j)。

进一步的，步骤S6中，巷道特征点p_a和p_b到巷道特征点p_c和p_d的最优路径有四种组合：{L(p_a,p_c),L(p_b,p_c),L(p_a,p_d),L(p_b,p_d)}，相应的损失值为：F₁＝{F(p_a,p_c),F(p_b,p_c),F(p_a,p_d),F(p_b,p_d)}。

进一步的，步骤S7中，起点p_s到巷道特征点p_a和p_b的最优路径为：{L(p_s,p_a),L(p_s,p_b)}，相应的损失值为F₂＝{c_sF(p_a,p_b),(1-c_s)F(p_a,p_b)}，cs为起点p_s的相对位置；终点p_g到巷道特征点p_c和p_d的最优路径为：{L(p_g,p_c),L(p_g,p_d)}，相应的损失值为：F₃＝{c_gF(p_c,p_d),(1-c_g)F(p_c,p_d)}，cg为起点p_g的相对位置。

进一步的，将步骤S6和S7中获得的最优路径和相应的损失值进行组合后，损失值F的计算方式为：

确定损失值最小的组合方式，将起点到巷道特征点、巷道特征点到巷道特征点以及巷道特征点到终点的路径进行合并得到最终最优路径。

本发明还提供一种适用于煤矿井下复杂巷道场景的快速路径规划装置，采用所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，快速路径规划装置包括：

第一模块，用于根据煤矿井下各条巷道的采样数据{L₀}进行空间拓扑分析，获得各条巷道的中线点以及中线点的连接关系；

第二模块，用于根据中线点的连接关系，将所有的中线点划分成巷道特征点集{P_f}和非特征点集{P_e}；

第三模块，用于将所述巷道特征点集{P_f}和非特征点集{P_e}进行重新组合，构建组合巷道集{L}；

第四模块，用于构建最优规划路径的损失函数F(p_i,p_j)，p_i、p_j分别表示规划路径的起点和目标点，并计算各条组合巷道的损失值f＝F(p_i,p_j)；计算组合巷道L上任一点p与起点p_i之间的相对位置c_p和损失值f_p，建立相对位置c_p和损失值f_p之间的对应关系；

第五模块，用于将巷道特征点作为规划路径的路径点，利用路径规划算法构建最优路径规划模型；

第六模块，用于根据所述最优路径规划模型获得的路径的起点p_s和终点p_g，计算起点p_s所在的组合巷道中的巷道特征点p_a和p_b到终点p_g所在的组合巷道中的巷道特征点p_c和p_d的最优路径以及相应的损失值；

第七模块，用于根据组合巷道集{L}恢复完整的巷道结构，计算起点p_s到巷道特征点p_a和p_b的最优路径以及相应的损失值，计算终点p_g到巷道特征点p_c和p_d的最优路径以及相应的损失值；

第八模块，用于将第六模块和第七模块中获得的最优路径和相应的损失值进行组合，选择不同组合下损失值最小的最优路径作为最终最优路径。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序执行时能够实现所述的适用于煤矿井下复杂巷道场景的快速路径规划方法的步骤。

本发明的有益效果是，本发明利用巷道特征点来构建最优路径规划模型，可以减少路径规划算法的运算量，能够提升运算效率。并且，在实际使用时恢复完整的巷道结构，不需要对巷道进行简化，保证最优路径与原始巷道对应，有利于提高路径规划的准确性和可靠性，满足煤矿井下导航和轨迹补路的规划需求。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明的适用于煤矿井下复杂巷道场景的快速路径规划方法的流程图。

图2是本发明的中线点的示意图。

图3是本发明的复杂巷道场景的示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

如图1至图3所示，本发明的适用于煤矿井下复杂巷道场景的快速路径规划方法，包括以下步骤：S1、根据煤矿井下各条巷道的采样数据{L₀}进行空间拓扑分析，获得各条巷道的中线点以及中线点的连接关系。S2、根据中线点的连接关系，将所有的中线点划分成巷道特征点集{P_f}和非特征点集{P_e}。S3、将巷道特征点集{P_f}和非特征点集{P_e}进行重新组合，构建组合巷道集{L}。S4、构建最优规划路径的损失函数F(p_i,p_j)，p_i、p_j分别表示规划路径的起点和目标点，并计算各条组合巷道的损失值f＝F(p_i,p_j)；计算组合巷道L上任一点p与起点p_i之间的相对位置c_p和损失值f_p，建立相对位置c_p和损失值f_p之间的对应关系。S5、将巷道特征点作为规划路径的路径点，利用路径规划算法构建最优路径规划模型。S6、根据最优路径规划模型获得的路径的起点p_s和终点p_g，计算起点p_s所在的组合巷道中的巷道特征点p_a和p_b到终点p_g所在的组合巷道中的巷道特征点p_c和p_d的最优路径以及相应的损失值。S7、根据组合巷道集{L}恢复完整的巷道结构，计算起点p_s到巷道特征点p_a和p_b的最优路径以及相应的损失值，计算终点p_g到巷道特征点p_c和p_d的最优路径以及相应的损失值。S8、将步骤S6和S7中获得的最优路径和相应的损失值进行组合，选择不同组合下损失值最小的最优路径作为最终最优路径。

本发明利用巷道特征点来构建最优路径规划模型，可以减少路径规划算法的运算量，能够提升运算效率。并且，在实际使用时恢复完整的巷道结构，不需要对巷道进行简化，保证最优路径与原始巷道对应，有利于提高路径规划的准确性和可靠性，满足煤矿井下导航和轨迹补路的规划需求。

具体的，步骤S1中的空间拓扑分析过程包括：S1.1、从采样数据{L₀}中选取首条巷道的数据生成初始的中线点集{P}以及中线点的连接关系。S1.2、从采样数据{L₀}中选取下一条巷道的数据生成该巷道的中线点集{P'}以及中线点的连接关系；并判断中线点集{P'}中是否存在与中线点集{P}相同的中线点。S1.3、若存在相同的中线点，则将该中线点的连接关系与中线点集{P}的对应中线点的连接关系进行合并，并将该巷道的其他中线点加入中线点集{P}中。S1.4、若不存在相同的中线点，则将该巷道的所有中线点加入中线点集{P}中。S1.5、重复步骤S1.2-S1.4，直至获得所有巷道的中线点以及中线点的连接关系。

需要说明的是，巷道是有宽度的一条道路，本发明中所说的“中线”是指巷道宽度的中线，巷道的中线与巷道自身相互平行。由于巷道与巷道之间是交错的，中线与中线之间也会发生相交，这些中线与中线之间的交点即为中线点。中线点的连接关系能够表述该中线点与几个中线点相连。例如以一个简单的巷道结构为例，如图2所示，该结构中有五条巷道，可以获得五条中线(图中的虚线)，中线与中线之间共产生了四个交点(即有四个中线点，分别即为O₁、O₂、O₃、O₄)，中线点O₁与中线点O₂连接，中线点O₂与中线点O₁、O₃连接，中线点O₃与中线点O₂、O₄连接，中线点O₄与中线点O₃连接，这些即为中线点的连接关系。进行空间拓扑分析时，对巷道进行逐条分析，以首条巷道的中线点集{P}以及中线点的连接关系为初始数据，如果下一条巷道的数据存在与初始数据相同的数据，则对相同数据进行合并后将下一条巷道的数据加入初始数据中，如果下一条巷道的数据与初始数据不存在相同的数据，则直接将下一条巷道的数据加入初始数据中。这样能够保证最终获得所有巷道的中线点以及中线点的连接关系中没有重复，有利于提高后续路径规划的准确性。

步骤S2中，巷道特征点集{P_f}和非特征点集{P_e}的划分条件包括：当一个中线点与其他中线点之间的连接关系的数量不为2，或者一个中线点存在于多个煤层的巷道中时，选取该中线点加入巷道特征点集{P_f}；否则，加入非特征点集{P_e}。仍然以图2为例，从空间拓扑分析的结果可知，中线点O₂、O₃的连接关系数量为2，中线点O₁、O₄的连接关系的数量为1，则中线点O₁、O₄加入巷道特征点集{P_f}中，中线点O₂、O₃加入非特征点集{P_e}中。中线点O₁、O₄的连接关系的数量为1是由于这两个中线点对应的巷道为首尾巷道，因此，将该中线点作为巷道特征点。可以理解的是，煤矿井下不仅只有一层，上层与下层之间也是通过巷道连通，因此会出现同一个中线点既属于上层也属于下层的情况，这些中线点也作为巷道特征点。当然，在其他实施例中，巷道特征点的划分条件可以根据实际需求进行修改、增加、删除。

步骤S3中，重新组合的策略为：将巷道特征点集{P_f}中的中线点作为组合巷道的起点和终点，将非特征点集{P_e}中的中线点作为组合巷道的中间点。组合巷道集{L}的构建过程包括：S3.1、从巷道特征点集{P_f}中选取一个中线点作为组合巷道L的起点p_i，并选择与起点p_i连接的一个中线点作为目标点p_j加入组合巷道L中。S3.2、若此时作为目标点p_j的中线点属于非特征点集{P_e}，则选取与该中线点连接的一个中线点作为下一个目标点p_j加入组合巷道L中。S3.3、重复步骤S3.2直到作为目标点p_j的中线点属于巷道特征点集{P_f}，此时表明组合巷道L构建完成，并标记所使用的连接关系为已访问。S3.4、从巷道特征点集{P_f}中选取下一个中线点作为组合巷道L的起点，重复步骤S3.1-S3.3，直至巷道特征点集{P_f}中所有的连接关系均已访问，此时表明组合巷道集{L}构建完成。

获得组合巷道集{L}后，构建最优规划路径的损失函数F(p_i,p_j)，在本实施例中，采用最短路程作为最优路径，因此，损失函数的计算公式为：其中，(x_k,y_k,z_k)表示路径内的中线点的坐标，k表示从起点p_i到目标点p_j的路径上的中线点的序号，n表示路径内中线点的数量。损失值越小，表明路径p_i→p_j的路程越短。相对位置c_p＝d_p/D，d_p表示组合巷道L的路径点p与起点之间的路程，D表示组合巷道的总路程，c_p∈[0，1]。相对位置c_p与损失值f_p的对应关系为：c_p＝f_p/F(p_i,p_j)。通过相对位置c_p可以确定p点所在巷道的中线点的序号k'、k'+1以及p点的空间坐标(x,y,z)。

将巷道特征点作为规划路径的路径点，利用路径规划算法构建最优路径规划模型。在模型构建的过程中，路径点p_i和p_j的损失值由以p_i和p_j构建的组合巷道的最小损失值确定。路径规划算法可以采用Floyd算法、Dijkstra算法或A*算法。这些算法的计算耗时与路径点数有关，当路径点数减少时，计算耗时均会减少。例如，使用Floyd算法作为路径规划算法，获得的最优路径规划模型可以表示为二维矩阵形式，矩阵的行和列分别表示起点和目标点的序号，矩阵中的元素则表示起点到目标点的最优路径所经过的其中一个路径点序号，这样可以查找起点和目标点到该元素对应路径点的最优路径，最终可以获得起点到目标点的完整的最优路径。

步骤S6中，巷道特征点p_a和p_b到巷道特征点p_c和p_d的最优路径有四种组合：{L(p_a,p_c),L(p_b,p_c),L(p_a,p_d),L(p_b,p_d)}，相应的损失值为：F₁＝{F(p_a,p_c),F(p_b,p_c),F(p_a,p_d),F(p_b,p_d)}。巷道特征点之间的最优路径可以通过最优路径规划模型查找，损失值根据最优路径以及最优路径相关的组合巷道的损失值进行累加获得。

需要说明的是，在步骤S1-S6的处理过程中，只用到了中线点和连接关系，并没有用完整的采样数据。通过最优路径规划模型找到最优路径后，将巷道结构恢复成与实际巷道结构相对应。计算起点和终点到各自所在的组合巷道的特征点的路径和损失值，与步骤S6得到的各巷道特征点之间的最优路径和相应损失值进行组合，获得各种可能组合下的最优路径，并选择其中损失最小的路径作为最终的最优路径，完成快速路径规划。

步骤S7中，起点p_s到巷道特征点p_a和p_b的最优路径为：{L(p_s,p_a),L(p_s,p_b)}，相应的损失值为F₂＝{c_sF(p_a,p_b),(1-c_s)F(p_a,p_b)}，cs为起点p_s的相对位置。终点p_g到巷道特征点p_c和p_d的最优路径为：{L(p_g,p_c),L(p_g,p_d)}，相应的损失值为：F₃＝{c_gF(p_c,p_d),(1-c_g)F(p_c,p_d)}，cg为起点p_g的相对位置。将步骤S6和S7中获得的最优路径和相应的损失值进行组合后，损失值F的计算方式为：

确定损失值最小的组合方式，将起点到巷道特征点、巷道特征点到巷道特征点以及巷道特征点到终点的路径进行合并得到最终最优路径。

下面，采用常规方法、巷道简化方法以及本方法对同一复杂巷道场景(1272条巷道)进行路径规划，进行性能对比。其中，常规方法采用Floyd算法，简化巷道方法采用Douglas-Peukcer算法+Floyd算法进行，三种方法均以最短路径作为损失函数构建最优路径规划模型，分别统计三种方法的路径点数量、最优路径规划模型构建过程的耗时以及内存占用情况，得到表1。

表1

路径规划方法	路径点数量	模型构建耗时	内存占用
				常规方法	5820	82.413sec	658MB
简化巷道方法	4374	37.282sec	372.7MB
				本发明方法	1573	1.277sec	53.8MB

从表1可以看出，本方法相较于常规方法和简化巷道方法的路径点数量分别减少了73.97％和64.04％。在最优路径规划模型的构建时，简化巷道方法的构建速度是常规方法的2.21倍，而本方法的构建速度是常规方法的64.54倍，本方法相较简化巷道方法在计算耗时方面更具有优势。而在内存占用方面，本方法相较于常规方法有92.8％的优化效果，相较于简化巷道方法有85.57％的优化效果。因此，针对复杂巷道场景的路径规划，本方法能有效提高运算效率。

本发明还提供一种适用于煤矿井下复杂巷道场景的快速路径规划装置，采用上述的适用于煤矿井下复杂巷道场景的快速路径规划方法，快速路径规划装置包括：第一模块，用于根据煤矿井下各条巷道的采样数据{L₀}进行空间拓扑分析，获得各条巷道的中线点以及中线点的连接关系；第二模块，用于根据中线点的连接关系，将所有的中线点划分成巷道特征点集{P_f}和非特征点集{P_e}；第三模块，用于将巷道特征点集{P_f}和非特征点集{P_e}进行重新组合，构建组合巷道集{L}；第四模块，用于构建最优规划路径的损失函数F(p_i,p_j)，p_i、p_j分别表示规划路径的起点和目标点，并计算各条组合巷道的损失值f＝F(p_i,p_j)；计算组合巷道L上任一点p与起点p_i之间的相对位置c_p和损失值f_p，建立相对位置c_p和损失值f_p之间的对应关系；第五模块，用于将巷道特征点作为规划路径的路径点，利用路径规划算法构建最优路径规划模型；第六模块，用于根据最优路径规划模型获得的路径的起点p_s和终点p_g，计算起点p_s所在的组合巷道中的巷道特征点p_a和p_b到终点p_g所在的组合巷道中的巷道特征点p_c和p_d的最优路径以及相应的损失值；第七模块，用于根据组合巷道集{L}恢复完整的巷道结构，计算起点p_s到巷道特征点p_a和p_b的最优路径以及相应的损失值，计算终点p_g到巷道特征点p_c和p_d的最优路径以及相应的损失值；第八模块，用于将第六模块和第七模块中获得的最优路径和相应的损失值进行组合，选择不同组合下损失值最小的最优路径作为最终最优路径。

本发明还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序执行时能够实现适用于煤矿井下复杂巷道场景的快速路径规划方法的步骤。

综上所述，本发明的适用于煤矿井下复杂巷道场景的快速路径规划方法、装置，具有以下优点：

(1)无需简化巷道，路径规划结果更准确。

在复杂巷道的路径规划问题中，传统方法可以使用压缩算法对巷道结构进行简化，以减少路径规划中需要考虑的路径点数量，快速建立最优路径规划模型。然而，该简化过程导致简化后的巷道与原始巷道存在偏差，降低了最优路径规划模型的可靠性。本发明采用“移去-恢复”的方法对复杂巷道结构进行处理，通过提取巷道特征点快速构建最优路径规划模型，并在实际应用时恢复完整的巷道结构，避免了对巷道的简化处理，确保最优路径与原始巷道对应，路径规划结果更准确。

(2)能够有效提高复杂巷道的路径规划运算效率。

随着巷道复杂程度的增加，常规路径规划方法的计算时间和空间占用显著增长，尽管通过简化巷道方法减少巷道中部分中线点可以改善计算效率，但对于拥有平面拐角多、地势起伏高等特征的巷道，进一步简化变得困难。本发明从巷道中线点的特征出发，仅考虑行进方向不明确的中线点作为巷道特征点，构建最优路径规划模型，本发明的最优路径规划模型仅与巷道特征点的数量有关，与巷道形状以及采样精度无关。实际应用情况也表明，本发明能够有效提高复杂巷道的路径规划计算效率。

本发明的技术方案实施简单方便，实用性强，解决了相关技术存在的实用性低及实际应用不便的问题，能够提高用户体验，具有重要的市场价值。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要如权利要求范围来确定其技术性范围。

Claims (13)

1.一种适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，包括以下步骤：

S1、根据煤矿井下各条巷道的采样数据{L₀}进行空间拓扑分析，获得各条巷道的中线点以及中线点的连接关系；

S2、根据中线点的连接关系，将所有的中线点划分成巷道特征点集{P_f}和非特征点集{P_e}；

S3、将所述巷道特征点集{P_f}和非特征点集{P_e}进行重新组合，构建组合巷道集{L}；

S4、构建最优规划路径的损失函数F(p_i,p_j)，p_i、p_j分别表示规划路径的起点和目标点，并计算各条组合巷道的损失值f＝F(p_i,p_j)；计算组合巷道L上任一点p与起点p_i之间的相对位置c_p和损失值f_p，建立相对位置c_p和损失值f_p之间的对应关系；

S5、将巷道特征点作为规划路径的路径点，利用路径规划算法构建最优路径规划模型；

S6、根据所述最优路径规划模型获得的路径的起点p_s和终点p_g，计算起点p_s所在的组合巷道中的巷道特征点p_a和p_b到终点p_g所在的组合巷道中的巷道特征点p_c和p_d的最优路径以及相应的损失值；

S7、根据组合巷道集{L}恢复完整的巷道结构，计算起点p_s到巷道特征点p_a和p_b的最优路径以及相应的损失值，计算终点p_g到巷道特征点p_c和p_d的最优路径以及相应的损失值；

S8、将步骤S6和S7中获得的最优路径和相应的损失值进行组合，选择不同组合下损失值最小的最优路径作为最终最优路径。

2.如权利要求1所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，步骤S1中的空间拓扑分析过程包括：

S1.1、从所述采样数据{L₀}中选取首条巷道的数据生成初始的中线点集{P}以及中线点的连接关系；

S1.2、从所述采样数据{L₀}中选取下一条巷道的数据生成该巷道的中线点集{P'}以及中线点的连接关系；并判断中线点集{P'}中是否存在与中线点集{P}相同的中线点；

S1.3、若存在相同的中线点，则将该中线点的连接关系与中线点集{P}的对应中线点的连接关系进行合并，并将该巷道的其他中线点加入中线点集{P}中；

S1.4、若不存在相同的中线点，则将该巷道的所有中线点加入中线点集{P}中；

S1.5、重复步骤S1.2-S1.4，直至获得所有巷道的中线点以及中线点的连接关系。

3.如权利要求1所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，步骤S2中，巷道特征点集{P_f}和非特征点集{P_e}的划分条件包括：当一个中线点与其他中线点之间的连接关系的数量不为2，或者一个中线点存在于多个煤层的巷道中时，选取该中线点加入巷道特征点集{P_f}；否则，加入非特征点集{P_e}。

4.如权利要求1所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，步骤S3中，重新组合的策略为：将所述巷道特征点集{P_f}中的中线点作为组合巷道的起点和终点，将所述非特征点集{P_e}中的中线点作为组合巷道的中间点。

5.如权利要求4所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，所述组合巷道集{L}的构建过程包括：

S3.1、从所述巷道特征点集{P_f}中选取一个中线点作为组合巷道L的起点p_i，并选择与起点p_i连接的一个中线点作为目标点p_j加入组合巷道L中；

S3.2、若此时作为目标点p_j的中线点属于非特征点集{P_e}，则选取与该中线点连接的一个中线点作为下一个目标点p_j加入组合巷道L中；

S3.3、重复步骤S3.2直到作为目标点p_j的中线点属于巷道特征点集{P_f}，此时表明组合巷道L构建完成，并标记所使用的连接关系为已访问；

S3.4、从所述巷道特征点集{P_f}中选取下一个中线点作为组合巷道L的起点，重复步骤S3.1-S3.3，直至巷道特征点集{P_f}中所有的连接关系均已访问，此时表明组合巷道集{L}构建完成。

6.如权利要求1所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，损失函数的计算公式为：

其中，(x_k,y_k,z_k)表示路径内的中线点的坐标，k表示从起点p_i到目标点p_j的路径上的中线点的序号，n表示路径内中线点的数量。

7.如权利要求1所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，所述相对位置c_p＝d_p/D，d_p表示组合巷道L的路径点p与起点之间的路程，D表示组合巷道的总路程，c_p∈[0，1]。

8.如权利要求1所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，所述相对位置c_p与损失值f_p的对应关系为：c_p＝f_p/F(p_i,p_j)。

9.如权利要求1所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，步骤S6中，巷道特征点p_a和p_b到巷道特征点p_c和p_d的最优路径有四种组合：{L(p_a,p_c),L(p_b,p_c),L(p_a,p_d),L(p_b,p_d)}，相应的损失值为：F₁＝{F(p_a,p_c),F(p_b,p_c),F(p_a,p_d),F(p_b,p_d)}。

10.如权利要求9所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，步骤S7中，起点p_s到巷道特征点p_a和p_b的最优路径为：{L(p_s,p_a),L(p_s,p_b)}，相应的损失值为F₂＝{c_sF(p_a,p_b),(1-c_s)F(p_a,p_b)}，c_s为起点p_s的相对位置；终点p_g到巷道特征点p_c和p_d的最优路径为：{L(p_g,p_c),L(p_g,p_d)}，相应的损失值为：F₃＝{c_gF(p_c,p_d),(1-c_g)F(p_c,p_d)}，c_g为起点p_g的相对位置。

11.如权利要求10所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，其特征在于，将步骤S6和S7中获得的最优路径和相应的损失值进行组合后，损失值F的计算方式为：

确定损失值最小的组合方式，将起点到巷道特征点、巷道特征点到巷道特征点以及巷道特征点到终点的路径进行合并得到最终最优路径。

12.一种适用于煤矿井下复杂巷道场景的快速路径规划装置，其特征在于，采用如权利要求1-11任一项所述的适用于煤矿井下复杂巷道场景的快速路径规划方法，快速路径规划装置包括：

第一模块，用于根据煤矿井下各条巷道的采样数据{L₀}进行空间拓扑分析，获得各条巷道的中线点以及中线点的连接关系；

第二模块，用于根据中线点的连接关系，将所有的中线点划分成巷道特征点集{P_f}和非特征点集{P_e}；

第三模块，用于将所述巷道特征点集{P_f}和非特征点集{P_e}进行重新组合，构建组合巷道集{L}；

第四模块，用于构建最优规划路径的损失函数F(p_i,p_j)，p_i、p_j分别表示规划路径的起点和目标点，并计算各条组合巷道的损失值f＝F(p_i,p_j)；计算组合巷道L上任一点p与起点p_i之间的相对位置c_p和损失值f_p，建立相对位置c_p和损失值f_p之间的对应关系；

第五模块，用于将巷道特征点作为规划路径的路径点，利用路径规划算法构建最优路径规划模型；

第六模块，用于根据所述最优路径规划模型获得的路径的起点p_s和终点p_g，计算起点p_s所在的组合巷道中的巷道特征点p_a和p_b到终点p_g所在的组合巷道中的巷道特征点p_c和p_d的最优路径以及相应的损失值；

第七模块，用于根据组合巷道集{L}恢复完整的巷道结构，计算起点p_s到巷道特征点p_a和p_b的最优路径以及相应的损失值，计算终点p_g到巷道特征点p_c和p_d的最优路径以及相应的损失值；

第八模块，用于将第六模块和第七模块中获得的最优路径和相应的损失值进行组合，选择不同组合下损失值最小的最优路径作为最终最优路径。

13.一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中存储有计算机程序，所述计算机程序执行时能够实现如权利要求1-11任一项所述的适用于煤矿井下复杂巷道场景的快速路径规划方法的步骤。