CN108446785A - 一种基于地形可视域的最优可视覆盖路径规划方法 - Google Patents
一种基于地形可视域的最优可视覆盖路径规划方法 Download PDFInfo
- Publication number
- CN108446785A CN108446785A CN201810098657.4A CN201810098657A CN108446785A CN 108446785 A CN108446785 A CN 108446785A CN 201810098657 A CN201810098657 A CN 201810098657A CN 108446785 A CN108446785 A CN 108446785A
- Authority
- CN
- China
- Prior art keywords
- visible range
- directed networks
- arc
- landform
- vertex
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 12
- 241001269238 Data Species 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000012800 visualization Methods 0.000 claims description 7
- 239000003643 water by type Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 239000000383 hazardous chemical Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007519 figuring Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Computer Graphics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种基于地形可视域的可视覆盖路径规划方法。该方法包括：（1）检查DEM地形数据的完整性并通过插值计算进行完善；（2）将DEM格网地形高程数据加权赋至有向网络中；（3）根据地形特征阈值判定、处理网络中的无效弧；（4）计算有向网络中顶点的可视域；（5）根据地形数据去除无效点；（6）计算弧的可视域权，构建可视覆盖网络；（7）进行最优路径搜索，最终得到一条全局最优的地形可视覆盖路径。本发明完全可应用于大规模海量数据的地形可视域最优可视覆盖路径搜索应用，能够提高基于可视域的路径规划效率和全局最优求解。
Description
技术领域
本发明涉及一种最优可视覆盖路径规划方法，具体属于路径规划技术领域。
背景技术
路径规划问题一直是地理信息科学、计算机科学、运筹学、交通运输领域的一个研究热点。许多实际问题都可以抽象为网络路径规划问题，对其研究具有主要的实用价值。已有的最短路径规划算法可以较好地实现路径规划问题，但将最短路径算法应用到复杂网络问题求解时，如网络流优化、资源分配等，仍存在着计算效率低的缺点。
地形路径规划是指在三维地形上寻找一条给定起点和终点的最短路线，广泛应用于交通路线规划、机器人路径选择等等领域。地形路径规划常见的算法有遗传算法、模拟退化算法、蚁群算法、A*算法等。这些算法都有各自的优缺点，适应于不同的应用环境。然而，在三维大规模复杂地形上进行路径规范是一个复杂的最优模型求解问题，上述方法都存在着收敛速度慢、易于陷入局部最优和无法快速求解等问题。
基于地形可视域的最优路径规划是将可视性分析与视域结果用于最优路径搜索过程当中，并同时考虑地形特征、通行能力等影响因素，得到最大可视的旅游路线，或最隐蔽的安全路线等。
DEM(Digital Elevation Model)是一种地形表达的场模型。由于可视性分析及其应用都是基于DEM进行分析，而建立在DEM上的路径优化模型自身在建模方面和模型求解方面都比较复杂，且面向海量DEM数据的应用，所以算法的求解速度无法有效提高。不仅如此，这些应用中所涉及的数据具有依赖特性，因此无法通过并行化手段提高计算的效率。
一方面，DEM模型反映的是地形高程的场模型，而无法表达地形上格网单元之间的可达关系，需要通过应用进行解析。基于邻域搜索的算法无法得到全局最优，当面对海量数据和复杂的环境信息时常常引起数据***问题，导致算法几近停滞。另一方面，随着各种新型传感器以及测量技术的出现，DEM数据呈级数增长，从而导致单机环境下对大规模的数据进行处理成为一件十分困难的事情。
发明内容
本发明所要解决的技术问题是：针对上述三维地形可视覆盖路径规划问题，结合可视域分析和视域结果，提出了一种将2.5维地形数据表示的场模型转换成图论中的可视域有向网络；在此基础上，采用Dijsktra最短路径搜索算法实现全局最优可视覆盖路径的快速方法。
本发明为解决上述技术问题采用的技术方案如下：
一种基于地形可视域的最优可视覆盖路径规划方法，其特征在于，该方法包括以下步骤：
步骤1、将规则格网模型的DEM数据转换成以图论为基础的有向网络；
步骤2、处理有向网络中无效弧：设置无效弧的阈值，删除有向网络中权值大于该阈值的弧；
步骤3、处理无效点：删除处于水域或悬崖边不适合车辆行走的顶点及其连接的弧，经过对这些点的处理，得到一个有效的有向网络；
步骤4、构建可视域覆盖有向网络：根据有向网络中每个顶点的可视域值，计算有向网络中每条弧的可视域权值；
步骤5、最优可视域覆盖路径搜索：基于得到的有向网络进行路径搜索，依据路径的起始点和终点得到一条全局最优的可视覆盖路线。
进一步地，步骤1所述转换过程包括以下步骤：
步骤[1-1]、检查DEM地形数据完整性：按照精度要求对DEM格网的高程数据进行扫描，分析是否有格网单元上存在空值数据，若存在，执行插值计算得到该单元的高程数据；
步骤[1-2]、构建有向网络：将格网单元作为有向网络的顶点，顶点之间的连接称为弧，计算有向网络中每对顶点之间的连接弧的权值，得到初步的有向网络；
步骤[1-3]、计算格网单元的可视域：根据可视性分析算法，计算每个顶点i的可视域值大小Pi；
步骤[1-4]、保存有向网络数据。
进一步地，步骤[1-2]所述连接弧Lij的权值计算如下：根据路径搜索精度要求，选择构建有向网络的格网单元邻近计算模式，计算有向网络中每对顶点之间的连接弧的权值。
进一步地，步骤[1-2]中选择的格网单元邻近计算模式类型为8格网单元邻近模式。
进一步地，步骤4中计算有向网络中每条弧的可视域权值计算方法为：
式中Pi和Pj代表顶点i和j的可视域大小，Lij代表由顶点i和j的连接弧的权值。
进一步地，步骤5中采用经典的全局最优Dijsktra算法得到最优可视覆盖路径。
本发明采用以上技术方案，与现有技术相比有益效果为：
1、本发明提出的面向地形可视性的路径搜索方法，结合数字地形分析的DEM地形规则格网数据表示的场模型，在基于图论基础上，构建可视域有向网络，为地形路径规划与应用建立基础。
2、本发明提出的基于可视域有向网络的最优可视覆盖路径规划方法，为顾及地形特征和可视域结果的最优路径搜索和快速计算，提供了新的途径。
3、本发明完全可应用于大规模海量数据的地形可视域的最优可视覆盖路径规划的快速计算，例如，基于可视域分析的旅游路径规划、危险品运输路径规划、军队行军隐蔽路径规划，也可以应用于景观分析与评估、军事、空间认知与决策、考古等领域的可视域分析为基础的研究手段等应用场合，提高处理效率。
附图说明
图1是本发明实施例中的可视域有向网络构建与最优可视覆盖路径搜索的流程图。
图2是本发明实施例中的面向地形可视域的DEM格网邻近模式图，其中，a)是4格网单元模式；b)是8格网单元模式。
图3是本发明实施例中的4格网邻近单元模式可视域有向网络中弧的权值计算示意图。
图4是本发明实施例中的8格网邻近单元模式可视域有向网络中弧的权值计算示意图。
具体实施方式
以下结合附图对本发明具体说明。需要指出，所描述的实施例仅仅视为说明的目的，而不是对发明的限制。
如果将DEM数据表示的场模型转换成一种基于图论的有向网络，在此基础上进行路径规划，就可为采用基于有向网络的路径搜索算法带来极大的便利，并为地形可视性分析应用建立新的理论基础、提供新的工具。此外，将DEM数据转换到有向网络后可以采用并行计算技术，提高数据处理的效率。在基于栅格DEM数据表示的数字地形表面上，每个格网单元可以看作是一个节点，格网单元之间的关系(比如距离、高程差等)可以描述为具有权值的边，从而将规则格网单元组成的具有2.5维的DEM区域抽象为一个具有2维平面特征的虚拟有向网络。不同的规则格网单元基本邻近模式有4格网单元模式、8格网单元模式、16格网单元模式。选择不同的邻近模式取决于问题的精度和求解效率要求，以及数据量和计算复杂度约束。
在基于有向网络的基础上，考虑可视域分析和视域结果，采用已有的最短路径算法，可以快速规划出一条最优可视覆盖路径。
本发明提出一种基于地形可视域的最优可视覆盖路径搜索快速求解方法，如图1所示，包括以下步骤：
步骤1，DEM地形数据完整性检查：按照精度要求对DEM格网高程数据进行分析，分析是否在某些格网单元上存在空值的数据，若存在，执行插值计算得到该单元的高程数据。
步骤2，有向网络构建。将DEM数据表示的场模型转换成用图表示的有效网络。将格网单元作为有向网络的顶点，邻近格网单元之间的连接称为弧。
首先确定邻近计算模式。根据路径搜索精度要求，选择构建有向网络的格网单元邻近计算模式。模式类型包括4格网单元邻近模式(精度低)和8格网单元邻近模式(精度高)。不同的邻近模式，反映了有效网络的复杂度，如图2所示。对于4格网单元邻近模式，其只对坐标方向的邻近单元进行关联，因而每个单元的度为4。也就是说，每次的路径搜索只能沿这4个方向搜索，可选择的余地较少，精度不高。对于8格网单元邻近模式，除对坐标方向的邻近单元进行关联外，还增加了对对角线方向的单元进行关联，每个单元的度可以达到8。因而，每次的路径搜索只能沿这8个方向搜索，精度高且搜索计算量适中。
然后计算有向网络中顶点相连接的弧的权值。根据确定的邻近模式，计算有向网络中每对顶点之间的连接弧的权值，进而得到初步的有向网络。其弧Lij的权值计算方法采用三角形法，如图2所示。
步骤3，可视域计算。根据可视性分析算法，如XDraw算法、R2、R3算法等，计算每个顶点i的可视域值大小Pi。
步骤4，无效弧处理。根据地形路线的约束要求，可以删除有向网络中的一些顶点和顶点之间的连接弧。如坡度太陡不便于行走，可设置阈值，当有向网络中某些弧的权值大于该阈值，则删除这条弧。
步骤5，无效点处理。在地形上，某些顶点处于水域范围或悬崖位置，不适合车辆行走，则可以删除这些顶点及其连接的弧。经过对这些点的处理，可以得到一个有效的有效网络。
步骤6，可视域有向网络构建。根据有向网络中每个相邻顶点的可视域值，计算有向网络中每条弧的可视域权，计算方法如下：
式中Pi和Pj代表顶点i和j的可视域大小，Lij代表弧的权值。
步骤7，最优可视覆盖路径搜索。基于得到的可视域有向网络，采用Dijsktra算法路径搜索算法，依据路径的初始点和终点规划处一条全局最优的地形可视覆盖路线。
本发明的实施例提供了一种基于地形可视域分析与应用建模的基于有向网络的最优可视覆盖路径搜索方法，其目的是为了将地形可视覆盖路径规划的优化建模问题分成三个步骤来完成，一是先将数字高程模型的DEM场模型的数据转换成图论中的有向网络，然后是顾及可视性分析特征和视域结果计算有向网络中弧的可视域权，得到可视域有向网络，最后基于可视域有向网络的最优可视覆盖路径建模和快速搜索求解。这样做的好处是可以简化可视性分析建模的复杂性和路径搜索的效率。
比如在基于有向网络的路径规划问题中，先将数字高程模型转换成有向网络，然后在有向网络中进行路径规划就可以利用有关图论中的算法进行最短路径搜索。基于可视域分析和视域结果，可以将有向网络的弧的权值用可视域权代替，从而可以实现一系列基于可视域有向网络的应用。例如，在军事上，可以通过可视覆盖有向网络寻找最隐蔽行军路线。在旅游路径规划中，可以利用可视覆盖有向网络寻找最大可视的旅游路线，以便在该路线上能够观察到最多的景点。在危险品运输路线规划中，在可视覆盖有向网络的基础上寻找一个最优的可视覆盖路线，保证危险品泄露或***所引起的危害最小。
本发明的方法正是实现上述应用中的第一步，即将2.5维的数字高程模型转换成2维的平面有向网络，为采用有向网络进行最优路径优化建模建立基础。然后考虑可视域分析和视域结构建立可视域有向网络，在此基础上搜索最优的可视覆盖路线。上述方法，为进一步实现并行计算算法设计提供新途径，从而解决大规模数据的高性能计算问题。本实施例的转换方法，包括以下步骤：
1：DEM地形数据完整性检查。对DEM格网数据进行扫描，分析是否存在空值数据的格网单元，若存在，进行插值计算，补充其空值数据；
2：有向网络构建。首先选择格网单元邻近模式。这里有4格网邻近模式和8格网邻近模式。
基于4格网单元邻近模式，参看图2中a)，可以看作格网单元沿坐标轴4个方向连接，即格网中心到1,2,3和4格网点。其有向网络模型的边的权值计算比较简单，其几何表示如图3所示。
假设格网单元Vi和Vj的高程值分别为Ei和Ej，格网间沿X轴长为a，沿Y轴长为b，则有向网络的边的权值计算公式如下：
若格网是正方形，即a＝b＝d，则式(1)变为：
若进行归一化处理，则式(2)变为：
基于8格网单元模式，参看图2中的b)，除沿坐标轴的4个方向外(1,2,3和4点)，还有沿对角线的4个方向(5,6,7和8点)。其有向网络的边的权值计算方法如图4所示。假设格网单元Vi和Vj的高程值分别为Ei和Ej，格网间沿X轴长为a，沿Y轴长为b，则有向网络的边的权值为：
如果是正方形格网，即a＝b＝d，则式(4)变为：
进行归一化处理，则式(5)变为：
计算有向网络中所有弧的权值。根据路径规划的精度要求，可选择4格网邻近模式、或8格网邻近模式进行弧的权值计算公式，并计算出弧的权值大小。
有向网络是一种图论中的图表示方法，将规则格网上地形点的高程值转化成为用顶点和弧表示的网络，为优化建模提供了新途径。
4：有向网络的无效点和无效弧处理。在地形上，某些顶点处于水域范围或悬崖位置，不适合车辆行走，则可以删除这些顶点及其连接的弧。经过对这些点的处理，可以得到一个有效的有效网络；根据地形路线的约束要求，可以删除有向网络中的一些顶点和顶点之间的连接弧，如坡度太陡不便于行走，可设置阈值，当有向网络中某些弧的权值大于该阈值，则删除这条弧。
5：可视域有向网络构建。根据有向网络中每个顶点的可视域，计算有向网络中每条弧的可视域权，计算方法如下：
式中Pi和Pj代表顶点i和j的可视域大小，Lij代表弧的权值。
本发明提供了一种将DEM数据模型转化到以图表示的有向网络，进而考虑可视性分析和视域结果，最终基于有向网络进行路径可视覆盖路径搜索方法。在具体的路径规划中，可根据可视域有向网络建立目标优化模型，比如最大可视路径、最小可视路径等等。在选址规划中，可以建立基于有向网络的最大可视域的模型及其算法等等。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于地形可视域的最优可视覆盖路径规划方法，其特征在于，该方法包括以下步骤：
步骤1、将规则格网模型的DEM数据转换成以图论为基础的有向网络；
步骤2、处理有向网络中无效弧：设置无效弧的阈值，删除有向网络中权值大于该阈值的弧；
步骤3、处理无效点：删除处于水域或悬崖边不适合车辆行走的顶点及其连接的弧，经过对这些点的处理，得到一个有效的有向网络；
步骤4、构建可视域覆盖有向网络：根据有向网络中每个顶点的可视域值，计算有向网络中每条弧的可视域权值；
步骤5、最优可视域覆盖路径搜索：基于得到的有向网络进行路径搜索，依据路径的起始点和终点得到一条全局最优的可视覆盖路线。
2.如权利要求1所述的一种基于地形可视域的最优可视覆盖路径规划方法，其特征在于，步骤1所述转换过程包括以下步骤：
步骤[1-1]、检查DEM地形数据完整性：按照精度要求对DEM格网的高程数据进行扫描，分析是否有格网单元上存在空值数据，若存在，执行插值计算得到该单元的高程数据；
步骤[1-2]、构建有向网络：将格网单元作为有向网络的顶点，顶点之间的连接称为弧，计算有向网络中每对顶点之间的连接弧的权值，得到初步的有向网络；
步骤[1-3]、计算格网单元的可视域：根据可视性分析算法，计算每个顶点i的可视域值大小Pi；
步骤[1-4]、保存有向网络数据。
3.如权利要求2所述的一种基于地形可视域分析的最优可视覆盖路径规划方法，其特征在于，步骤[1-2]所述连接弧Lij的权值计算如下：根据路径搜索精度要求，选择构建有向网络的格网单元邻近计算模式，计算有向网络中每对顶点之间的连接弧的权值。
4.如权利要求2所述的一种基于地形可视域分析的最优可视覆盖路径规划方法，其特征在于，步骤[1-2]中选择的格网单元邻近计算模式类型为8格网单元邻近模式。
5.如权利要求1所述的一种基于地形可视域的最优可视覆盖路径规划方法，其特征在于，步骤4中计算有向网络中每条弧的可视域权值计算方法为：
式中Pi和Pj代表顶点i和j的可视域大小，Lij代表由顶点i和j的连接弧的权值。
6.根据权利要求1所述的一种基于地形可视域分析的最优可视覆盖路径方法，其特征在于，步骤5中采用经典的全局最优Dijsktra算法得到最优可视覆盖路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810098657.4A CN108446785A (zh) | 2018-01-31 | 2018-01-31 | 一种基于地形可视域的最优可视覆盖路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810098657.4A CN108446785A (zh) | 2018-01-31 | 2018-01-31 | 一种基于地形可视域的最优可视覆盖路径规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108446785A true CN108446785A (zh) | 2018-08-24 |
Family
ID=63191498
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810098657.4A Pending CN108446785A (zh) | 2018-01-31 | 2018-01-31 | 一种基于地形可视域的最优可视覆盖路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108446785A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109886505A (zh) * | 2019-03-12 | 2019-06-14 | 广西北斗星测绘科技有限公司 | 一种林业野外调查路线选择方法 |
| CN111504322A (zh) * | 2020-04-21 | 2020-08-07 | 南京师范大学 | 一种基于可视域的景点游览微路线规划方法 |
| CN114562998A (zh) * | 2022-01-27 | 2022-05-31 | 北京四象爱数科技有限公司 | 一种基于dem在山区无道路条件下多目标点的路径规划方法 |
| CN115437375A (zh) * | 2022-08-26 | 2022-12-06 | 上海海洋大学 | 一种基于大数据平台分布式瓦片金字塔的三维路径规划方法 |
| CN117033817A (zh) * | 2023-10-09 | 2023-11-10 | 腾讯科技（深圳）有限公司 | 路线确定方法和装置、存储介质及电子设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102749084A (zh) * | 2012-07-10 | 2012-10-24 | 南京邮电大学 | 一种面向海量交通信息的路径选择方法 |
| CN106530398A (zh) * | 2016-12-01 | 2017-03-22 | 南京师范大学 | 一种面向地形可视性分析的可视性图网络构建方法 |
-
2018
- 2018-01-31 CN CN201810098657.4A patent/CN108446785A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102749084A (zh) * | 2012-07-10 | 2012-10-24 | 南京邮电大学 | 一种面向海量交通信息的路径选择方法 |
| CN106530398A (zh) * | 2016-12-01 | 2017-03-22 | 南京师范大学 | 一种面向地形可视性分析的可视性图网络构建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 车振磊等: "一种林业有害生物外业调查路线的规划方法", 《测绘科学》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109886505A (zh) * | 2019-03-12 | 2019-06-14 | 广西北斗星测绘科技有限公司 | 一种林业野外调查路线选择方法 |
| CN111504322A (zh) * | 2020-04-21 | 2020-08-07 | 南京师范大学 | 一种基于可视域的景点游览微路线规划方法 |
| CN111504322B (zh) * | 2020-04-21 | 2021-09-03 | 南京师范大学 | 一种基于可视域的景点游览微路线规划方法 |
| CN114562998A (zh) * | 2022-01-27 | 2022-05-31 | 北京四象爱数科技有限公司 | 一种基于dem在山区无道路条件下多目标点的路径规划方法 |
| CN115437375A (zh) * | 2022-08-26 | 2022-12-06 | 上海海洋大学 | 一种基于大数据平台分布式瓦片金字塔的三维路径规划方法 |
| CN115437375B (zh) * | 2022-08-26 | 2024-05-24 | 上海海洋大学 | 一种基于大数据平台分布式瓦片金字塔的三维路径规划方法 |
| CN117033817A (zh) * | 2023-10-09 | 2023-11-10 | 腾讯科技（深圳）有限公司 | 路线确定方法和装置、存储介质及电子设备 |
| CN117033817B (zh) * | 2023-10-09 | 2024-02-09 | 腾讯科技（深圳）有限公司 | 路线确定方法和装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108446785A (zh) | 一种基于地形可视域的最优可视覆盖路径规划方法 | |
| CN106530398B (zh) | 一种面向地形可视性分析的可视性图网络构建方法 | |
| Carsten et al. | 3d field d: Improved path planning and replanning in three dimensions | |
| US10606962B2 (en) | Horizontal optimization of transport alignments | |
| Sun et al. | On finding energy-minimizing paths on terrains | |
| CN103528586B (zh) | 基于故障网格的航迹规划算法设计 | |
| CN107808059A (zh) | 一种基于有向网络的地形路径规划方法 | |
| CN108241369B (zh) | 机器人躲避静态障碍的方法及装置 | |
| CN108680163A (zh) | 一种基于拓扑地图的无人艇路径搜索***及方法 | |
| CN102749080B (zh) | 一种基于流体力学的无人机三维航路生成方法 | |
| CN106017472A (zh) | 全局路线规划方法、全局路线规划***及无人机 | |
| CN110471426A (zh) | 基于量子狼群算法的无人驾驶智能车自动避碰方法 | |
| Xu et al. | Heuristic and random search algorithm in optimization of route planning for Robot’s geomagnetic navigation | |
| CN107478233B (zh) | 一种地质勘探航迹规划方法及*** | |
| CN112221144B (zh) | 三维场景寻路方法及装置、三维场景地图处理方法及装置 | |
| CN111121785A (zh) | 一种基于图搜索的无道路路径规划方法 | |
| CN103175516A (zh) | 规模化大地控制网平差的分布式计算方法 | |
| CN110132260A (zh) | 一种面向复杂地表空间的行人步行导航路径规划方法 | |
| Jain et al. | Comparative study of frontier based exploration methods | |
| CN113706715B (zh) | 一种随机可控城市生成方法 | |
| CN104898106B (zh) | 面向复杂地形机载激光雷达数据的地面点提取方法 | |
| CN112990549A (zh) | 一种空间非合作目标抵近绕飞观测轨迹优化方法 | |
| Williams et al. | A rapid method for planning paths in three dimensions for a small aerial robot | |
| Tymków et al. | 3D GIS for flood modelling in river valleys | |
| KR101270375B1 (ko) | 도로와 도로 이외의 지형을 함께 고려한 최적 경로 분석 방법 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180824 |
|
| RJ01 | Rejection of invention patent application after publication |