CN104573140A - 一种应用于虚拟仿真的分层动态路径规划方法 - Google Patents
一种应用于虚拟仿真的分层动态路径规划方法 Download PDFInfo
- Publication number
- CN104573140A CN104573140A CN201310464175.3A CN201310464175A CN104573140A CN 104573140 A CN104573140 A CN 104573140A CN 201310464175 A CN201310464175 A CN 201310464175A CN 104573140 A CN104573140 A CN 104573140A
- Authority
- CN
- China
- Prior art keywords
- file
- path planning
- data
- path
- block
- 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
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明提出一种应用于虚拟仿真的分层动态路径规划方法,该方法应用于采用大规模地形数据的虚拟仿真等领域。本发明采用分层的策略来实现大规模虚拟仿真地形中的动态路径规划,该方法包括步骤:将地表属性数据进行分块预处理;使用自动生成的配置文件组织管理预处理分块文件,以实现文件的高效映射访问;预计算和生成数据分块的细粒度路径规划,运行时使用基于高层次地图代价文件生成粗粒度路径规划结果,动态结合两结果并更新局部代价地图,生成最终的路径规划结果。该方法具有数据调度效率高、扩展性强的优势,适用于具有大规模数据的虚拟仿真等应用中的路径规划。
Description
技术领域
本发明涉及虚拟仿真中的路径规划,具体涉及基于地理信息***真实数据的虚拟仿真、虚拟仿真中的路径规划和多线程编程。
背景技术
路径规划是虚拟仿真等应用领域的一个重要研究内容。常用的路径规划方法主要有状态空间探索和启发式搜索两类。
状态空间搜索将问题的求解过程表示为从初始状态直到目标状态的全过程。由于求解过程中求解条件的不确定性和不完备性,一般会出现多条求解路径,所有求解路径构成的图即所谓的状态空间。问题的求解过程实际上是要在状态空间中寻找一条从起点到目标点的路径,称该寻找过程为状态空间搜索。常见的状态空间搜索方法有深度优先搜索和宽度优先搜索。状态空间搜索法存在着一个自身缺陷就是需要在一个给定的状态空间中实施穷举。
启发式搜索与状态空间搜索有着密切联系但又有一定的区别。启发式搜索的主要思路是在宽度优先搜索的同时,先将下一层的所有节点通过一个估价函数进行过滤,然后再决定搜索方向。该方法在一定程度上缩小了搜索范围,从而在整体上提高了搜索速度。启发式搜索的核心是估价函数F(x),设F(x)=G(x)+H(x),其中G(x)为从初始状态到当前状态的实际代价,而H(x)则是从当前状态到目标状态的估计代价,即估计需经过多少步才能到达目标点。扩展节点时,先将所有节点的F(x)值从小到大进行排序,然后对F(x)值较小的节点进行扩展。就地图寻径问题而言,可将H(x)定义为节点到目标点的直线距离。显然,如此定义的H(x)可以完全满足上述估价函数值达到最小值的要求,即保证了所寻找到的路径为最短路径。
与状态空间搜索算法存在穷举局限性相比,启发式算法计算效率高,已成为路径搜索算法的主流。随着计算机硬件性能的提高,其在虚拟智能等领域取得了很大的成就。然而,当前虚拟仿真中的地图数据规模迅速增长,导致启发式算法的搜索空间急剧扩展,算法时间复杂度呈指数膨胀,严重影响***运行的效率。
发明内容
本发明的目的是提供一种高效的适用于大规模地形数据的虚拟仿真动态路径规划方法,能够为各种相关应用中的路径规划提供解决方案和性能加速。
为实现上述目的,一种分层的虚拟仿真动态路径规划方法,包括数据预处理和运行时实时动态路径规划两个阶段。
数据预处理阶段步骤如下:
(1)将大规模地表属性数据划分为小数据块;
(2)预处理每一小数据块,生成分块地图代价文件、分块路径规划文件以及粒度较粗的高层地图代价文件;
(3)以配置文件的形式组织管理预处理数据块文件的索引路径,以便于高效映射访问。
实时运行阶段步骤如下:
(1)使用高层次地图代价文件进行粗粒度的路径规划;
(2)基于运动趋向进行数据预测,并采用LRU算法对分块路径规划文件进行多线程异步调度;
(3)针对每一数据块路径规划文件所记录的预计算路径,动态选择相对较优的路径进行拼接完成大规模地形环境下的路径规划。
与以往路径规划算法不同,本发明利用分层的思想优化了启发式搜索的数据访问,在保证仿真***实时平稳运行的同时,可以较好地解决虚拟实体在大规模地域范围内的路径规划问题,算法性能优越,在虚拟仿真等领域中具有重要的应用价值。
附图说明
图1地形总体配置文件示意图
图2分块地图代价文件代价预处理流程图
图3分块路径规划文件示意图
图4地形分块路径规划预处理过程示意图
图5运行时分层路径规划策略处理流程图
图6顶层路径规划结果中的地形块相对关系图
图7分块文件多线程异步调度流程示意图
图8基于运动趋势的LRU页面置换算法流程图
图9分层动态路径规划总体示意图
图10***运行框架图
图11性能测试的运行效率折线图
具体实施方式
本发明的核心思想是建立一种可适用于大规模地理信息***数据的动态路径规划方法,使用其在虚拟仿真等应用中智能选择最佳的路径,同时提供良好的执行性能,满足应用***稳定流畅运行的需要。
下面结合附图详细描述本发明中的***框架、工作原理和文件格式等。
一、数据预处理
数据预处理阶段主要根据原始的地表文化特征数据按分块的形式生成如下分块文件:(1)地形总体配置文件,该文件实现了对预处理数据进行处理前对数据的配置功能;(2)预计算地图代价分块文件,该文件主要用于针对每个地形分块进行路径规划的预计算;(3)分块路径规划文件,该文件时是实现运行时大规模动态路径规划的基础。
1原始地表文化特征数据预处理
国内较为通用的地表文化特征数据一般都是以E00格式存储的,而该文件往往将河流、沟壑、道路等各类地表文化特征数据耦合在一起,不便于单层属性的信息查询。我们首先通过ARCGIS软件对分层后的地表属性数据进行分块处理,将原始数据进行分层转换,即将原始综合存储的数据信息,分别按照河流、沟壑、道路及草地等属性性质进行分层存储,然后将分层后的文件均以shp和dbf等通用GIS格式进行存储。
2地形总体配置文件内容定义
地形总体配置文件对整个大地形的文件分块信息、各类分块文件外存索引信息、各层地表文化属性的权重参数进行了整体性的概括描述。地形总体配置文件在***运行时应常驻内存,以便在进行路径规划时对预计算好的分块地图代价文件和分块路径规划文件进行快速映射。同时,在地图代价分块文件和分块路径规划文件的预计算过程中也需要通过该配置文件对相应的分块文件进行映射索引。
如图1所示,地形总体配置文件在格式上大致分为3个段,其中[General]段是对整体信息的描述段;rowblocknumber项表示整个大地形每行分为多少块;collumblocknumber项表示每列分为多少块;filesizex项表示每个分块文件在X轴上所包涵的采样点的多少;filesizey项表示每个分块文件在Y轴上所包涵的采样点的多少,leftbottomx项表示整个大地形左下角起始点的实际x坐标值,leftbottomy项表示整个大地形左下角起始点的实际y坐标值;rawdatafilepath项、costfilepath项、toplevelcostmapfilepath项以及precomputedpathfilepath项分别表示原始数据文件、预处理过程中生成的地图代价文件、预计算生成的顶层地图代价文件以及预计算生成的路径记录文件的外存存放路径。
[FILEINDEXID]段是分块文件的索引管理段,分块文件从左下角开始,自左向右、自底向上的方式进行排列。如:f00=00项表示最左下角的第一块分块文件的后缀索引号00,这样便可以动态确定出该块地形所对应的各类文件的文件名,如dem00.dem、slope00.bmp、road00.shp、river00.dbf以及cost00.ini等,再通过[General]段所描述的路径信息,便可以得到文件的外存存储地址。
[SLOPEFILEGENERAL]段对地形坡度分析的一些参数进行了描述,UNIT项表示每个采样点坡度分析所考虑的范围,如5m*5m,各个level项分别记录了坡度的分级表示阈值,如10度以下的坡度可统一用level1的值来表示。这样更便于快速解析某个采样点处的坡度信息。
[WEIGHTGENERAL]段描述了在进行地图代价预计算时各层地表属性数据对最终权重的惩罚系数,SLOPE项、ROAD项、RIVER项、DIRECTION项分别表示坡度、道路、湖河深度以及坡向等属性的代价计算权重因子。使用地形配置文件,可以方便的进行各类参数的修改而无需改变程序,并且可随时增加数据段或数据项而无需修改配置文件的解析程序,方便了程序的进一步扩展和调试。
3分块地图代价文件生成方法
分块地图代价文件记录了每块地图的每个采样点的代价权值。图2给出了每个采样点的代价权值的计算流程:首先,根据当前点的坐标值计算出该点所对应的分块文件,并将相应的属性分块文件加载到内存,然后用当前点的坐标值分别与各个分层属性文件中的数据项进行匹配计算,当该点在某个分层属性文件中匹配成功,则根据匹配成功的属性类型,将该类属性的代价值加权累加到该点的总代价中。将该采样点经与各层地表属性匹配计算后,便可得到该点的预计算地图代价值。最后,将该点的代价值输出到自定义的分块存储的地形代价文件中。
分块地图代价文件由预处理程序自动生成,并按地形总体配置文件中[GENERAL]段所描述的存储路径进行外存自动存储。该文件的第一行说明了文件每行和每列所记录的采样点的个数,用四位整数表示。在第一行之后,进行每个预计算代价的分行存储,用格式化的4位整数存储,采样点代价值采用空格进行分割。这类文件一般在分块地形的路径预计算以及动态路径规划时按需进行加载。
4分块路径规划文件生成方法
如图3所示,分块路径规划文件以标准XML格式进行存储,每个文件分别与一个地形分块相对应,并与分块文件具有相同的后缀名,如:path00.xml。<BlockPrePaths>段是该类文件的根节点,并具有BlockCost、BlockSizeX、BlockSizeY三个属性,分别表示该块地形的顶层代价值和该块在X和Y两个方向上所包含的采样点的个数。
分块路径规划文件中<TopLeft>、<TopMiddle>、<TopRight>、<MiddleRight>、<BottomRight>、<BottomMiddle>、<BottomLeft>、<MiddleLeft>8个子节点分别记录了从该地形块的左上角、中心正上、右上角、中心正右、右下角、中心正下、左下角以及中心正左到该块中心点的预寻路路径(如图4所示)。并且,每个这样的子节点都带有PathState、StepNumber、StartX、StartY、DestinationX、DestinationY六个属性,分别表示该条路的状态(1表示正确寻路,2表示该路被阻断)、起点块内相对坐标和终点块内相对坐标。我们使用A*算法来对每个地形分块进行路径规划计算。首先,把路径规划区域划分成正方形格子,可用2维数组来表示,数组的每一个元素表示相应格子的代价,可以用相应的分块地图代价问价来初始化。这样只要计算出从起点到终点需要走过哪些方格,就找到了路径。
二、运行时动态路径规划方法
1分层路径规划方法总体策略
图5给出了本发明运行时所采用的分层路径规划方法的整体处理流程,我们首先加载地形配置文件和预计算生成的顶层代价文件,然后按需创建一个或多个AgentWalker实体对象。AgentWalker实体对象中记录了该对象的起始点与目标终点,然后根据地形配置文件中的信息分别计算起始点和目标终点所在的地形块,若起点和终点属于同一个地形块,则加载该地形块所对应的预计算代价文件,并用它初始化路径规划引擎的地图,然后使用引擎进行快速寻路,最后将寻路结果保存到AgentWalker的最终静态路径列表中。其中,路径规划引擎主要封装了可供调用的A*,DFS和BFS等常规路径规划算法。
若起点和终点不属于同一地形块,则用预计算生成的顶层代价文件初始化寻路引擎地图,进行顶层的路径规划,并把寻路结果保存到AgentWalker的顶层路径列表中。然后,通过计算第0个地形块(起点所在的地形块)和第1个地形块之间的位置关系,确定出第0个地形块的出口关键点,最后加载第0个地形块的预计算代价文件,使用寻路引擎进行寻路,并把寻路结果保存到AgentWalker的最终静态路径列表中,这时AgentWalker可以按照当前最终静态路径列表中的路径坐标进行行动。
在AgentWalker的行走过程中,需要根据AgentWalker顶层路径列表中的其他地形块坐标动态加载这些地形块对应的预寻路文件。为了从预寻路文件中选择合理的路径进行行动,需计算当前块与顶层路径列表中前一块的位置关系,从而确定当前块的入口关键点,这时需要计算当前块与顶层路径列表中后一块的位置关系,来确定当前块的出口关键点。
图6给出了顶层路径列表中地形块相对关系示意图,计算时先计算出要进行相对位置判断的2个地形块的坐标差值Dx和Dy。图6中分别标出了当前块和周围各块得位置坐标差。
在计算当前块的入口关键点时,需要判断当前块与前一块的位置关系,具体规则如下:
(1)当(Dx,Dy)等于(-1,1)时,入口点应取右下角点,即应取该块所应的预计算路径文件的RIGHTBOTTOM子节点所对应的路径。
(2)当(Dx,Dy)等于(0,1)时,入口点应取正下方点,即应取该块所应的预计算路径文件的MIDDLEBOTTOM子节点所对应的路径。
(3)当(Dx,Dy)等于(1,1)时,入口点应取左下角点,即应取该块所应的预计算路径文件的LEFTBOTTOM子节点所对应的路径。
(4)当(Dx,Dy)等于(1,0)时,入口点应取左方中点,即应取该块所应的预计算路径文件的LEFTMIDDLE子节点所对应的路径。
(5)当(Dx,Dy)等于(1,-1)时,入口点应取左上角点,即应取该块所应的预计算路径文件的LEFTTOP子节点所对应的路径。
(6)当(Dx,Dy)等于(0,-1)时,入口点应取正上方中点,即应取该块所应的预计算路径文件的MIDDLETOP子节点所对应的路径。
(7)当(Dx,Dy)等于(-1,-1)时,入口点应取右上角点,即应取该块所应的预计算路径文件的;RIGHTTOP子节点所对应的路径。
(8)当(Dx,Dy)等于(-1,0)时,入口点应取右边中点,即应取该块所应的预计算路径文件的;RIGHTMIDDLE子节点所对应的路径。
在计算当前块的出口关键点时,需要判断当前块与后一块的位置关系,具体规则如下:
(9)当(Dx,Dy)等于(-1,1)时,出口点应取左下角点,即应取该块所应的预计算路径文件的LEFTTOP子节点所对应的路径。
(10)当(Dx,Dy)等于(0,1)时,出口点应取正上方点,即应取该块所应的预计算路径文件的MIDDLETOP子节点所对应的路径。
(11)当(Dx,Dy)等于(1,1)时,出口点应取右上角点,即应取该块所应的预计算路径文件的RIGHTTOP子节点所对应的路径。
(12)当(Dx,Dy)等于(1,0)时,出口点应取右方中点,即应取该块所应的预计算路径文件的RIGHTMIDDLE子节点所对应的路径。
(13)当(Dx,Dy)等于(1,-1)时,出口点应取右下角点,即应取该块所应的预计算路径文件的RIGHTBOTTOM子节点所对应的路径。
(14)当(Dx,Dy)等于(0,-1)时,出口点应取正下方中点,即应取该块所应的预计算路径文件的MIDDLEBOTTOM子节点所对应的路径。
(15)当(Dx,Dy)等于(-1,-1)时,出口点应取左下角点,即应取该块所应的预计算路径文件的;LEFTBOTTOM子节点所对应的路径。
(16)当(Dx,Dy)等于(-1,0)时,出口点应取左边中点,即应取该块所应的预计算路径文件的;LEFTMIDDLE子节点所对应的路径。
在静态路径计算完毕后,若有动态障碍物等动态影响地形代价的因素加入,加载受影响的地形块的代价文件并根据具体情况进行代价的动态修改,同时将静态路径中受动态代价影响的前一点和受动态代价影响的后一点作为新的起点和终点,并用修改后的代价地图重新初始化寻路引擎进行寻路,然后按最新的寻路结果机动到受动态代价影响的后一点,接着按计算好的静态路径进行继续行动即可。
2基于运动趋向预测的分块文件异步调度方法
本发明采用多线程调度策略主要是为了对各类分块预处理文件进行高效调度。在本发明中,需要进行异步调度的数据文件共有4类:包括地形高程数据分块文件、地图代价分块文件、预寻路分块文件和地表属性分块文件。其中,地形高程数据分块文件主要用于实体的地形匹配;地图代价分块文件和预寻路分块文件主要用于实体的实时路径规划;地表属性分块文件主要用于实体根据当前所处的地理环境进行运动速度、实体参数等属性的实时更新。本发明通过创建4个线程来进行数据的异步调度,图7给出了该类线程与主线程的交互运行机制。
如图7所示,主控线程首先根据当前实体的运动状态进行数据预测,以便进行数据预加载,确保***的实时平稳运行。主控线程的数据预测一般在对实体下达运动控制命令后,在实体路径规划的时刻进行。主控线程首先利用***初始化阶段加载的高层地图代价文件进行粗粒度的路径规划,从而确定实体要经过的地形块,然后根据这些地形块的坐标计算分块文件的索引号,最后通过访问常驻内存的配置文件进行分块文件的外存存储路径的映射。在分别得到高程数据分块文件、地图代价分块文件、预寻路分块文件和地表属性分块文件的存储路径后,作为消息分别以互斥的方式发送到对应线程的消息队列。
图8给出了数据调度线程在获得CPU时间片后,也以互斥的方式从自己的消息队列中读取消息,然后在数据缓存队列中进行查询流程。
若数据已经存在,则返回读取下一条消息;若数据不在缓存中,则从外存进行数据调度;在数据调度完毕后,检查数据缓冲区,若缓冲区有空闲则将数据***到缓冲区中,否则,查询缓冲区中当前无用的数据块(当前没有任何实体使用的数据块),若找到这样的数据块,则将其从数据缓冲区中剔除,然后将新调度的数据加入到缓冲区中;否则基于LRU调度策略,将在内存中存在时间最长的数据块从缓冲区中剔除,然后将新调度的数据加入到数据缓冲区。
其中,本发明采用基于运动趋向数据预测的LRU算法进行分块文件的内存置换,该算法与常规LRU算法不同的是:在进行页面置换时并不是简单的选择所有分页数据中最迟被使用的页面,而是要根据虚拟实体的运动趋势和缓存数据的存在时间进行置换页面的选择,具体步骤为:
(1)首先对缓存中的分块数据进行遍历,在遍历的过程中查找当前没有被任何实体使用的数据块,即查找本机所控制的任何虚拟实***置都不在数据块对应的地形范围的数据块,将这些地形块加入到潜在置换列表中;
(2)将潜在置换列表中数据块所对应的地形区域与本机所控制的虚拟实体的运动方向进行求交计算,若找到不与任何虚拟实体运动方向相交的地形块,则将其对应的数据块从缓存中剔除,否则,则执行第(3)步;
(3)选择潜在置换列表中在缓存中存在时间最长的数据块作为置换数据库,将其从缓存中剔除;
这样,主控线程在运行过程便可以以互斥的方式直接从内存缓冲区中读取数据。通过在***中开辟了20块大小的数据缓冲区,当每个客户端控制20个实体左右的情况下,数据的命中率接近100%。在个别情况下,数据也有可能无法命中,此时只能以等待的形式进行实时的数据调度,由于分块文件的大小一般较小,因此这种情况基本不会影响到***的实时运行效率。经测试证明,上述的多线程数据异步调度策略可以较好的满足仿真***的实时运行需要。
图9为本发明提出的分层动态路径规划方法的处理流程图,它从总体上说明了该方法的如何分阶段分步骤实现动态的路径规划。
三、大规模地形数据下的实验验证
我们使用Microsoft Visual Studio2008实现了本发明所提出的大规模地形环境下动态路径规划方法,并结合实际应用对其进行了测试。测试时所使用的软硬件环境为:
(1)网络环境:100M以太网,采用TCP/IP协议;
(2)***运行的操作***:Windows XP操作***;
(3)计算机硬件配置:AMD Athlon(tm)64X2DualCore Processor5000+2.61GHz CPU,2.00GB DDR RAM,NVIDIA GeForce8600GT Video Card;
测试***的交互界面主要由三部分组成,第一部分是二维地图,主要是用来二维图标显示以及关键路径点信息的标注;第二部分是用户指令操作面板,它提供了相关的操作命令按钮;第三部分是***的三维显示窗口。
在***完成初始化后,用户通过输入用户界面上的控制命令,选择要执行的命令,在二维图形界面上标定要走的路经关键点,点击指令操作面板中的下达指令按钮,***收到这个消息后,调用动态路径规划算法进行实时路径规划。图10给出了***下达机动命令后的效果,虚拟实体根据路径规划结果成一字队形向目的地点机动。
图11给出了在100M以太网环境下,***在同时接入50个客户端的情况下,虚拟实体数量与绘制帧率之间的关系。从图中可以看出:随着虚拟实体的增加,三维窗口的绘制帧率呈下降趋势,其主要原因是随着需要进行路径规划的实体数的增多,路径规划计算及其相关的数据调度时间消耗均有所增加;在每个客户端控制60个虚拟实体左右,并平均以百公里的距离对这些虚拟实体进行动态路径规划时,***依然可以保持实时平稳运行,这说明了本发明所提出的方法可以较好的满足仿真训练***对大规模地形环境下虚拟实体实时动态路径规划的应用需求。
Claims (6)
1.一种应用于虚拟仿真的分层动态路径规划方法,其特征在于包括两个阶段和八个步骤:
数据预处理阶段:
(1)将原始的DEM高程数据和地表文化特征数据以1km*1km大小为基准划分为小数据块;
(2)对每个小块数据分别提取坡度、坡向、沟壑、湖泊、河流以及道路等信息,所得信息数据存储到以原始小数据块文件索引编号的分类分块文件中;
(3)生成管理所有小数据块信息的配置文件,以便于***运行时通过解析配置文件对各类分块文件进行快速访问;
(4)依据配置文件中设定的每类地貌地物因素的权重,分别读取和解析各类数据块文件,生成具有与原始数据分块文件相同索引编号的静态地图代价分块文件;
(5)读取静态的地图代价文件,并调用基本的路径规划算法,分别在每个1千米*1千米地形块内预计算生成细粒度路径文件,这些分块文件与原始数据分块文件保持相同的后缀索引编号;
运行时动态路径规划阶段:
(6)在1千米*1千米的分辨率层次上进行粗粒度路径规划;
(7)读取并结合每个1千米*1千米地形块预计算路径规划生成最终的运动路径;
(8)对于路径规划过程中的动态因素,在动态更新局部代价地图的基础上,调用基本的路径规划算法来对路径规划结果进行局部更新。
2.按照权利要求1所述的方法,其特征在于本发明分预计算与运行时两个阶段,采用分层次的策略实现大规模数据的动态路径规划。
3.按照权利要求1所述的方法,其特征在于本发明采用分而治之的思想对真实的大规模地形高程数据和地表文化特征数据进行分块处理,以便于将这些数据加载到内存;同时,采用在数据分块处理过程中自动生成的配置文件来对各类分块文件进行组织映射管理。
4.按照权利要求1所述的方法,其特征在于本发明通过计算加权和的方式将地形属性的各类地貌地物要素统一纳为路径规划的决策依据,较好的解决了路径规划所需考虑因素的完备性问题。
5.按照权利要求1所述的方法,其特征在于本发明基于真实代价地图对每个小数据分块通过预计算呈“米”字状的8条路径,将大规模路径规划的时间消耗较好的转移到了预计算阶段。
6.按照权利要求1所述的方法,其特征在于本发明采用分层细化的方式来加速路径规划,并在对预处理文件进行多线程异步调度的基础上,通过动态路径拼接实现大规模地形数据的动态路径规划,较好地满足了路径规划的实时性要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310464175.3A CN104573140A (zh) | 2013-10-09 | 2013-10-09 | 一种应用于虚拟仿真的分层动态路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310464175.3A CN104573140A (zh) | 2013-10-09 | 2013-10-09 | 一种应用于虚拟仿真的分层动态路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104573140A true CN104573140A (zh) | 2015-04-29 |
Family
ID=53089201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310464175.3A Pending CN104573140A (zh) | 2013-10-09 | 2013-10-09 | 一种应用于虚拟仿真的分层动态路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573140A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105466445A (zh) * | 2016-01-05 | 2016-04-06 | 武汉大学 | 一种基于地形语义的路径规划方法 |
CN107228668A (zh) * | 2017-05-17 | 2017-10-03 | 桂林电子科技大学 | 一种基于规则网格dem数据的路径规划新方法 |
CN107861508A (zh) * | 2017-10-20 | 2018-03-30 | 纳恩博(北京)科技有限公司 | 一种移动机器人局部运动规划方法及装置 |
CN109074756A (zh) * | 2016-04-06 | 2018-12-21 | 三菱电机株式会社 | 地图数据生成***以及地图数据生成方法 |
CN110672100A (zh) * | 2019-09-17 | 2020-01-10 | 南京师范大学 | 基于多分辨率的快速地形路径规划并行化方法 |
CN110888880A (zh) * | 2019-11-19 | 2020-03-17 | 武汉光谷信息技术股份有限公司 | 基于空间索引的邻近分析方法、装置、设备及介质 |
CN111782613A (zh) * | 2020-06-23 | 2020-10-16 | 南昌航空大学 | 一种优化模型集成平台运行效率的方法 |
CN114543814A (zh) * | 2022-02-24 | 2022-05-27 | 北京化工大学 | 一种应用于三维环境中的机器人自主定位与导航的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5168452A (en) * | 1987-12-28 | 1992-12-01 | Aisin Aw Co., Ltd. | Route exploration method of navigation apparatus |
CN101608926A (zh) * | 2009-07-24 | 2009-12-23 | 厦门大学 | 多层次多模态寻径导航方法 |
CN101782399A (zh) * | 2009-01-21 | 2010-07-21 | 北京四维图新科技股份有限公司 | 导航电子地图中道路网络拓扑分区的方法及装置 |
US20110301837A1 (en) * | 2005-11-09 | 2011-12-08 | Harman Becker Automotive Systems Gmbh | Optimum route determination with tiling |
-
2013
- 2013-10-09 CN CN201310464175.3A patent/CN104573140A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5168452A (en) * | 1987-12-28 | 1992-12-01 | Aisin Aw Co., Ltd. | Route exploration method of navigation apparatus |
US20110301837A1 (en) * | 2005-11-09 | 2011-12-08 | Harman Becker Automotive Systems Gmbh | Optimum route determination with tiling |
CN101782399A (zh) * | 2009-01-21 | 2010-07-21 | 北京四维图新科技股份有限公司 | 导航电子地图中道路网络拓扑分区的方法及装置 |
CN101608926A (zh) * | 2009-07-24 | 2009-12-23 | 厦门大学 | 多层次多模态寻径导航方法 |
Non-Patent Citations (1)
Title |
---|
罗亚男 等: "基于分层路网的路径规划算法", 《计算机应用》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105466445B (zh) * | 2016-01-05 | 2018-03-13 | 武汉大学 | 一种基于地形语义的路径规划方法 |
CN105466445A (zh) * | 2016-01-05 | 2016-04-06 | 武汉大学 | 一种基于地形语义的路径规划方法 |
CN109074756A (zh) * | 2016-04-06 | 2018-12-21 | 三菱电机株式会社 | 地图数据生成***以及地图数据生成方法 |
CN109074756B (zh) * | 2016-04-06 | 2020-08-04 | 三菱电机株式会社 | 地图数据生成***以及地图数据生成方法 |
CN107228668B (zh) * | 2017-05-17 | 2020-03-10 | 桂林电子科技大学 | 一种基于规则网格dem数据的路径规划新方法 |
CN107228668A (zh) * | 2017-05-17 | 2017-10-03 | 桂林电子科技大学 | 一种基于规则网格dem数据的路径规划新方法 |
CN107861508A (zh) * | 2017-10-20 | 2018-03-30 | 纳恩博(北京)科技有限公司 | 一种移动机器人局部运动规划方法及装置 |
CN110672100A (zh) * | 2019-09-17 | 2020-01-10 | 南京师范大学 | 基于多分辨率的快速地形路径规划并行化方法 |
CN110672100B (zh) * | 2019-09-17 | 2022-10-04 | 南京师范大学 | 基于多分辨率的快速地形路径规划并行化方法 |
CN110888880A (zh) * | 2019-11-19 | 2020-03-17 | 武汉光谷信息技术股份有限公司 | 基于空间索引的邻近分析方法、装置、设备及介质 |
CN111782613A (zh) * | 2020-06-23 | 2020-10-16 | 南昌航空大学 | 一种优化模型集成平台运行效率的方法 |
CN111782613B (zh) * | 2020-06-23 | 2023-06-02 | 南昌航空大学 | 一种优化模型集成平台运行效率的方法 |
CN114543814A (zh) * | 2022-02-24 | 2022-05-27 | 北京化工大学 | 一种应用于三维环境中的机器人自主定位与导航的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573140A (zh) | 一种应用于虚拟仿真的分层动态路径规划方法 | |
Wenk et al. | Addressing the need for map-matching speed: Localizing global curve-matching algorithms | |
Botea et al. | Pathfinding in games | |
Geisberger et al. | Exact routing in large road networks using contraction hierarchies | |
Spaccapietra et al. | GIS databases: From multiscale to multirepresentation | |
Fischer | GIS and network analysis | |
CN101493329A (zh) | 一种多目标点路径规划方法和装置 | |
CN116036604B (zh) | 数据处理方法、装置、计算机及可读存储介质 | |
Keenan | Modelling vehicle routing in GIS | |
Aguilar et al. | On the performance and scalability of an HPC enhanced multi agent system based evacuation simulator | |
Efentakis et al. | Efficient data management in support of shortest-path computation | |
Tucnik et al. | Comparative analysis of selected path-planning approaches in large-scale multi-agent-based environments | |
CN103167032B (zh) | 地图辅助的室内定位后台服务*** | |
CN104866549A (zh) | 一种适于多智能体仿真的地形环境数据库*** | |
Mete | Geospatial big data analytics for sustainable smart cities | |
CN110223395A (zh) | 一种三维场景物料模型动态构建方法及*** | |
CN108491482A (zh) | 一种顾及邻近度关系的地质图动态综合方法及*** | |
Goodchild | Geographic information system (GIS) | |
CN106202495A (zh) | 基于互联网gis的场景信息整合方法 | |
Dong et al. | A topographically preserved road‐network tile model and optimal routing method for virtual globes | |
Chaudhry et al. | Utilising partonomic information in the creation of hierarchical geographies | |
Li et al. | Research on Intelligent Parking Area Division and Path Planning | |
Widaningrum et al. | International Journal of Technology | |
Seethapathy et al. | A review on spatial big data analytics and visualization | |
Marchal et al. | Computation of Location Choice of Secondary Activities in Transportation Todels with Cooperative Agents |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150429 |