CN108507575A - 一种基于rrt算法的无人船海面路径规划方法及*** - Google Patents
一种基于rrt算法的无人船海面路径规划方法及*** Download PDFInfo
- Publication number
- CN108507575A CN108507575A CN201810229544.3A CN201810229544A CN108507575A CN 108507575 A CN108507575 A CN 108507575A CN 201810229544 A CN201810229544 A CN 201810229544A CN 108507575 A CN108507575 A CN 108507575A
- Authority
- CN
- China
- Prior art keywords
- sea
- path
- point
- chart
- sea chart
- 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
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
- G01C21/203—Specially adapted for sailing ships
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
本发明公开了一种基于RRT算法的无人船海面路径规划方法及***,包括获取海图数据,得到海图整体信息;按照海图多边形的定义呈现海面情况,并将原始的矢量数据进行栅格化得到完整的海图界面;用户在海图界面上设置途经的途经点,采用改进的RRT算法在预设的时间阈值内进行路径规划,得到最终的有效路径渐进最优;将最终的有效路径转化为实际应用的经纬度信息,输出路径上的转折点的经纬度信息,提供给无人船的动力控制***使用。本方法进一步改进RRT算法,实现经过多个预设途经点的路径规划,并且应用路径压缩算法,有效缩短路径距离。
Description
技术领域
本发明涉及无人船自动航行规划技术领域,具体涉及一种基于RRT算法的无人船海面路径规划方法及***。
背景技术
随着科学技术的迅猛发展,现代无人船海面航行领域在不断地被开发利用,无人船在自主航行方面,特别是海面巡逻、货物派送等领域有不可预估的重大作用。目前人工智能的兴起推动着无人驾驶技术快速发展,越来越多的路径规划算法被相继提出。然而基于海面信息的无人船路径规划方法主要还是采用传统的路径规划算法,如:人工势场法,Dijkstra搜索算法,遗传算法等。这些算法存在以下不足:无法解决障碍物多、情况复杂的海面环境;遗传算法规划的时间比较长,实时性比较差。相对于这些算法,在移动机器人路径规划领域发展迅猛的RRT算法有许多优点,可较好地应用在无人船领域,解决无人船自动航行的路径规划问题:1)RRT树的点的分布使用了随机采样分布,从而使船支航行过程中可以保持一致性行为。2)RRT算法在输入条件没有错误的一般情况下,拥有极大的概率规划出一条可航行路径。3)RRT算法对于不同的路径规划***有较高的兼容性。4)RRT可以设定每一步航行的条件约束,可以结合无人船的动力条件对路径进行规划。同时,对于无人船的海面的路径规划,一条路径可能需要到达多个设定的点,因此,进一步规划一条可以途经多个设定点的算法具有实际意义,但目前应用于海面路径规划的算法在处理多个目标点的路径规划存在明显不足,只考虑一个起始点和一个终点的情况。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种基于RRT算法的无人船海面路径规划方法及***。
本发明采用如下技术方案:
一种基于RRT算法的无人船海面路径规划方法,包括如下步骤:
第一步,获取海图数据,得到海图整体信息,所述海图整体信息包括海图比例尺及海图范围,并将海图中SEAARE字段和LADARE字段提取出来并保存;
第二步,将SEAARE字段和LADARE字段按照海图多边形的定义呈现海面情况,并将原始的矢量数据进行栅格化得到完整的海图界面;
第三步,用户在海图界面上设置途经的途经点,采用改进的RRT算法在预设的时间阈值内进行路径规划,得到最终的有效路径渐进最优;
第四步,将最终的有效路径转化为实际应用的经纬度信息,输出路径上的转折点的经纬度信息,提供给无人船的动力控制***使用。
所述第三步,用户在海图界面上设置途经的多个途经点,采用改进的RRT算法在预设的时间阈值内进行路径规划,得到最终的有效路径渐进最优,具体步骤如下:
将多个途经点中的每两个设置为初始位置及终点位置,在每对初始位置和终点位置之间进行生长RRT路径树;
根据RRT算法设置的随机生长点算法和设定的偏向终点的优先概率,在路径树上随机生成路径点;
对于每一个随机生成的路径点调用碰撞检测算法,判断路径点是否在有效的海面区域内,如果存在则为有效路径点;
在每一棵RRT树上,只要有效路径点扩展到终点位置则停止,所有RRT树生长完成时,算法停止;
对每一棵RRT树进行路径压缩算法,进一步压缩路径,得到最终的有效路径渐进最优。
海图数据采用S57格式的海图,使用GDAL库提取出了海图的SEAARE和LADARE字段,这两个字段分别存储海面边界和陆地边界的矢量数据信息,通过分析这两个字段的点、线、面数据关联规划,绘制成图。
所述第二步,栅格化得到完整的海图界面,是用0表示海面区域,1表示陆地区域及障碍物区域。
压缩算法是,先从最终生成的路径上的起始点终点进行碰撞检测,如果不能通过碰撞检测,则将终点保存在输出最终压缩路径上,再对起始点和终点的前一点进行碰撞检测,如果通过碰撞检测,则这两个点之间的所有冗余点都去掉,最终只保留关键点,这样就掉大量的冗余点,从而压缩路径。
一种基于RRT算法的无人船海面路径规划***,包括:
海图解析模块:获取海图数据,得到海图整体信息,所述海图整体信息包括海图比例尺及海图范围,并将海图中SEAARE字段和LADARE字段提取出来并保存,按照海图多边形的定义呈现海面情况,并将原始的矢量数据进行栅格化得到完整的海图界面;
海面显示模块:显示解析后的海图界面、用户设置途经点、路径规划后的路线及将海面上的每个点采用经纬度坐标显示;
路径信息规划模块:调用RRT算法,在预设的时间阈值内进行路径规划,得到最终的有效路径;
路径信息输出模块:输出最终的有效路径,并将路径上的转折点经纬度信息实时显示在海面显示模块上,保存到数据库中通过无线网络或者串口传输到无人船的动力***中。
本发明的有益效果:
1、通过利用应用在机器人路径规划领域具有许多优点的RRT算法进行路径规划,具有成熟的理论和合理的数学依据。基于采样的概率方法能够很好地表示出自由空间的连通性。
2、高效实时化:RRT算法通过随机采样生成路径树的叶子结点,实现过程简单,相对于遗传算法等海面路径规划算法具有更高的效率,即使在海面有大量障碍物的情况下也可以快速实时生成规划路径。
3、符合动力约束:对于无人船此类由发动机控制速度方向的机器来说,航行路径会有一定的动力约束条件,而RRT算法可以在每一个随机生长点(每一个随机点表示了船的航行方向和速度)的生成时添加相应的约束条件,这是其他算法难以实现的,并且,RRT算法还能同时保持高效性。
4、实现简单:由于RRT算法的思路简单有效,实现也相对比较简单,拥有多个参数供用户进行调节。在对于不同的***和要求时,本方法能够通过修改相应的参数来符合不同的环境和***的要求。
5、路径渐近最优:在路径规划的随机算法中,随机算法是通过产生大量的随机点来构成路径,所以每次生成的路径都会有不一致的地方,在本方法中,采用了路径压缩算法来压缩大量的无效点,从而使路径的距离更短。从而实现了路径的快速生成,并且渐近最优。
附图说明
图1是本发明RRT算法的流程图;
图2是本发明的S57海图解析方法流程图;
图3是本发明的***操作流程图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1-图3所示,一种基于RRT算法的无人船海面路径规划方法,包括如下步骤:
第一步,获取海图原始数据,本实施例采用GDAL库对S57海图进行解析。S57标准封装格式是ISO/IEC 8211国际标准,ISO/IEC 8211标准是以逻辑记录(logical record)为基本单位组成。ISO8211第一个记录叫做数据描述记录(data descriptive record,DDR),后续的所有逻辑记录(logical record,LR)称为“数据记录”(data record,DR),包含文件所要交换的实际数据。DDR中定义了文件的总体信息,包括文件名,字段名,字段类型,字段格式和长度,字段间的关系,及子字段名。GDAL是一个C++编写的开源库,可以将S57文件里特定图层的信息提取出来,S57文件的所有要素根据物标类型(OBJL)归属于相应的图层,对应的图层下有要素(feature),要素下面有字段(field)和几何对象(geometry),要素的几何形状可以从几何形状字段中获取,要素属性可以从属性字段中获取。GDAL提供了GetLayer()方法可以将S57文件里特定图层的信息提取出来,S57图层由OBJNAM字段定义,本方法主要获取了SEAARE和LADARE这两个字段定义的图层。再利用GDAL提供的getNextFeature()方法提取S57文件中的特定要素,getFID()方法获取指定的字段,getGeometryName()方法和getGeometryType()方法可以获取几何对象对应的信息。这些几何信息就是我们获得的海图的原始矢量数据。
第二步:第一步骤中提取到的数据,还只是原始的矢量数据,不能直接应用于RRT算法中,需要将其转化为栅格数据。通过S57给出的显示规范对数据进行解析和连接,按照一定的约定将点连成线,线连接成面。最终绘制出完整的地图界面。在此过程中,需要设置好比例,获取地图的最小经纬度和最大经纬度,以便对海图上的经纬度坐标转化为一定范围内的坐标。转化完成之后,用0表示海面区域(可航行范围),1表示陆地区域及障碍物区域,得到海图的栅格表示数据。
第三步:路径规划,本发明路径规划使用RRT算法实现。在原始的RRT算法中,RRT算法只是针对一个始点一个终点的单一情况做出规划。原始RRT算法过程是:提供给RRT算法具体的地图数据,并提供起点和终点的坐标数据,RRT算法会从起点开始生长整棵路径树,当某一步生成的随机点到达我们设定好的终点范围内的时候,算法停止。由此生成一条完整的从起点到终点的路径。
对于我们的实际问题,无人船一般用于特殊指定任务,如对指定点的巡逻,对指定点进行货物运送,通常要经过多个预设的点。通过对原始RRT算法进行改进,实现了可以设定个途经点的路径规划算法。将从初始点生成随机点构造路径树的这一过程进行多次调用,只需要重复调用同一个海图的数据,利用同样的数据结构,规划算法最终合并出一棵按要求经过多个途经点的路径树。
RRT算法属于随机算法,在路径树生长过程中有大量的随机冗余点。在RRT算法的基础上增加路径压缩的算法,使得规划出的路径倾向于渐进最优。路径压缩过程是,先从最终生成的路径上的起始点终点进行碰撞检测,如果不能通过碰撞检测,则将终点保存在输出最终压缩路径上,再对起始点和终点的前一点进行碰撞检测,如果通过碰撞检测,则这两个点之间的所有冗余点都可以去掉,最终只保留关键点。这样就可以去掉大量的冗余点,从而压缩路径。
本实施例中,具体RRT算法的步骤为:
1)输入初始位置跟终止位置,我们实现的是有多个途经点的RRT算法,将一对途经点设置为初始位置和终止位置,同时有多棵RRT树在生长。2)根据***设置的随机生成点算法和设定的偏向终点的优先概率,在路径树上随机生成路径点。3)对于每一个生长点调用碰撞检测算法,判断生长点是否在有效的海面区域内,这里可以根据实际情况进行设定,比如距离障碍物的距离,无人船的航行方向等约束条件进行剔除。将通过检测的生长点作为有效生长点。4)在每一棵RRT树中,只要随机生成的路径点扩展到终止位置(即设定好的终止途经点)时停止,当所有路径树都生长完成时,算法停止。5)对每一棵RRT进行路径压缩算法,去除掉生长树上一些不必要的点,从而压缩路径,使最终的有效路径渐进最优。
第四步:得到最终路径之后,路径上的点还需要根据前面转换规则,将坐标转换为实际海图的位置经纬度输出。
一种无人船海面路径规划***,包括:
海图解析模块:获取海图数据,得到海图整体信息,所述海图整体信息包括海图比例尺及海图范围,并将海图中SEAARE字段和LADARE字段提取出来并保存,按照海图多边形的定义呈现海面情况,并将原始的矢量数据进行栅格化得到完整的海图界面;
海面显示模块:显示解析后的海图界面、用户设置途经点、路径规划后的路线及将海面上的每个点采用经纬度坐标显示;
路径信息规划模块:调用RRT算法,在预设的时间阈值内进行路径规划,得到最终的有效路径;
路径信息输出模块:输出最终的有效路径,并将路径上的转折点经纬度信息实时显示在海面显示模块上,保存到数据库中通过无线网络或者串口传输到无人船的动力***中。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于RRT算法的无人船海面路径规划方法,其特征在于,包括如下步骤:
第一步,获取海图数据,得到海图整体信息,所述海图整体信息包括海图比例尺及海图范围,并将海图中SEAARE字段和LADARE字段提取出来并保存;
第二步,将SEAARE字段和LADARE字段按照海图多边形的定义呈现海面情况,并将原始的矢量数据进行栅格化得到完整的海图界面;
第三步,用户在海图界面上设置途经的途经点,采用改进的RRT算法在预设的时间阈值内进行路径规划,得到最终的有效路径渐进最优;
第四步,将最终的有效路径转化为实际应用的经纬度信息,输出路径上的转折点的经纬度信息,提供给无人船的动力控制***使用。
2.根据权利要求1所述的无人船海面路径规划方法,其特征在于,所述第三步,用户在海图界面上设置途经的多个途经点,采用改进的RRT算法在预设的时间阈值内进行路径规划,得到最终的有效路径渐进最优,具体步骤如下:
将多个途经点中的每两个设置为初始位置及终点位置,在每对初始位置和终点位置之间进行生长RRT路径树;
根据RRT算法设置的随机生长点算法和设定的偏向终点的优先概率,在路径树上随机生成路径点;
对于每一个随机生成的路径点调用碰撞检测算法,判断路径点是否在有效的海面区域内,如果存在则为有效路径点;
在每一棵RRT树上,只要有效路径点扩展到终点位置则停止,所有RRT树生长完成时,算法停止;
对每一棵RRT树进行路径压缩算法,进一步压缩路径,得到最终的有效路径渐进最优。
3.根据权利要求2所述的无人船海面路径规划方法,其特征在于,海图数据采用S57格式的海图,使用GDAL库提取出了海图的SEAARE和LADARE字段,这两个字段分别存储海面边界和陆地边界的矢量数据信息,通过分析这两个字段的点、线、面数据关联规划,绘制成图。
4.根据权利要求1所述的无人船海面路径规划方法,其特征在于,所述第二步,栅格化得到完整的海图界面,是用0表示海面区域,1表示陆地区域及障碍物区域。
5.根据权利要求2所述的无人船海面路径规划方法,其特征在于,压缩算法是,先从最终生成的路径上的起始点终点进行碰撞检测,如果不能通过碰撞检测,则将终点保存在输出最终压缩路径上,再对起始点和终点的前一点进行碰撞检测,如果通过碰撞检测,则这两个点之间的所有冗余点都去掉,最终只保留关键点,这样就掉大量的冗余点,从而压缩路径。
6.实现权利要求1-5任一项所述的无人船海面路径规划方法的***,其特征在于,包括:
海图解析模块:获取海图数据,得到海图整体信息,所述海图整体信息包括海图比例尺及海图范围,并将海图中SEAARE字段和LADARE字段提取出来并保存,按照海图多边形的定义呈现海面情况,并将原始的矢量数据进行栅格化得到完整的海图界面;
海面显示模块:显示解析后的海图界面、用户设置途经点、路径规划后的路线及将海面上的每个点采用经纬度坐标显示;
路径信息规划模块:调用RRT算法,在预设的时间阈值内进行路径规划,得到最终的有效路径;
路径信息输出模块:输出最终的有效路径,并将路径上的转折点经纬度信息实时显示在海面显示模块上,保存到数据库中通过无线网络或者串口传输到无人船的动力***中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810229544.3A CN108507575A (zh) | 2018-03-20 | 2018-03-20 | 一种基于rrt算法的无人船海面路径规划方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810229544.3A CN108507575A (zh) | 2018-03-20 | 2018-03-20 | 一种基于rrt算法的无人船海面路径规划方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108507575A true CN108507575A (zh) | 2018-09-07 |
Family
ID=63375952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810229544.3A Pending CN108507575A (zh) | 2018-03-20 | 2018-03-20 | 一种基于rrt算法的无人船海面路径规划方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108507575A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109374004A (zh) * | 2018-11-12 | 2019-02-22 | 智慧航海(青岛)科技有限公司 | 一种基于ia*算法的智能无人船舶路径规划方法 |
CN109799817A (zh) * | 2019-01-15 | 2019-05-24 | 智慧航海(青岛)科技有限公司 | 一种基于光反射特性的无人船全局路径规划方法 |
CN109855622A (zh) * | 2019-01-07 | 2019-06-07 | 上海岚豹智能科技有限公司 | 用于移动机器人的路径搜索方法及设备 |
CN110196059A (zh) * | 2019-05-14 | 2019-09-03 | 武汉理工大学 | 一种无人艇全局路径规划方法 |
CN110262473A (zh) * | 2019-04-29 | 2019-09-20 | 上海交通大学 | 一种基于改进Bi-RRT算法的无人艇自动避碰方法 |
CN110275528A (zh) * | 2019-06-04 | 2019-09-24 | 合肥工业大学 | 针对rrt算法改进的路径优化方法 |
CN110377028A (zh) * | 2019-06-11 | 2019-10-25 | 珠海云洲智能科技有限公司 | 一种无人船值守方法、装置、终端设备及存储介质 |
CN111290398A (zh) * | 2020-03-13 | 2020-06-16 | 东南大学 | 基于生物启发神经网络和强化学习的无人艇路径规划方法 |
CN111736595A (zh) * | 2020-05-20 | 2020-10-02 | 武汉理工大学 | 一种船舶行驶轨迹的控制方法、***、装置和存储介质 |
CN112904869A (zh) * | 2021-01-29 | 2021-06-04 | 华中科技大学 | 基于多树rrt的无人艇加权迭代路径规划方法及设备 |
CN113935170A (zh) * | 2021-10-15 | 2022-01-14 | 大连海事大学 | 一种基于实船电子海图数据的环境势场建模方法 |
CN114089762A (zh) * | 2021-11-22 | 2022-02-25 | 江苏科技大学 | 一种基于强化学习的水空两栖无人航行器路径规划方法 |
CN115574785A (zh) * | 2022-12-12 | 2023-01-06 | 河海大学 | 基于数据处理的水利工程安全监测方法及平台 |
CN115935714A (zh) * | 2023-02-09 | 2023-04-07 | 大连海事大学 | 一种基于多边形等距离外扩的环境势场模型构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110106306A1 (en) * | 2009-11-02 | 2011-05-05 | Samsung Electronics Co., Ltd. | Path planning apparatus of robot and method and computer-readable medium thereof |
CN103744428A (zh) * | 2014-01-17 | 2014-04-23 | 哈尔滨工程大学 | 一种基于邻域智能水滴算法的水面无人艇路径规划方法 |
CN103900573A (zh) * | 2014-03-27 | 2014-07-02 | 哈尔滨工程大学 | 一种基于s57标准电子海图的水下运载器多约束航路规划方法 |
CN107085437A (zh) * | 2017-03-20 | 2017-08-22 | 浙江工业大学 | 一种基于eb‑rrt的无人机航迹规划方法 |
-
2018
- 2018-03-20 CN CN201810229544.3A patent/CN108507575A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110106306A1 (en) * | 2009-11-02 | 2011-05-05 | Samsung Electronics Co., Ltd. | Path planning apparatus of robot and method and computer-readable medium thereof |
CN103744428A (zh) * | 2014-01-17 | 2014-04-23 | 哈尔滨工程大学 | 一种基于邻域智能水滴算法的水面无人艇路径规划方法 |
CN103900573A (zh) * | 2014-03-27 | 2014-07-02 | 哈尔滨工程大学 | 一种基于s57标准电子海图的水下运载器多约束航路规划方法 |
CN107085437A (zh) * | 2017-03-20 | 2017-08-22 | 浙江工业大学 | 一种基于eb‑rrt的无人机航迹规划方法 |
Non-Patent Citations (3)
Title |
---|
庄佳园等: "应用改进随机树算法的无人艇局部路径规划", 《哈尔滨工业大学学报》 * |
范云生等: "基于电子海图栅格化的无人水面艇全局路径规划", 《中国航海》 * |
贾菁辉: "移动机器人的路径规划与安全导航", 《中国优秀硕士论文全文数据库 信息科技辑》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109374004A (zh) * | 2018-11-12 | 2019-02-22 | 智慧航海(青岛)科技有限公司 | 一种基于ia*算法的智能无人船舶路径规划方法 |
CN109855622A (zh) * | 2019-01-07 | 2019-06-07 | 上海岚豹智能科技有限公司 | 用于移动机器人的路径搜索方法及设备 |
CN109799817A (zh) * | 2019-01-15 | 2019-05-24 | 智慧航海(青岛)科技有限公司 | 一种基于光反射特性的无人船全局路径规划方法 |
CN110262473A (zh) * | 2019-04-29 | 2019-09-20 | 上海交通大学 | 一种基于改进Bi-RRT算法的无人艇自动避碰方法 |
CN110262473B (zh) * | 2019-04-29 | 2021-09-14 | 上海交通大学 | 一种基于改进Bi-RRT算法的无人艇自动避碰方法 |
CN110196059B (zh) * | 2019-05-14 | 2023-03-14 | 武汉理工大学 | 一种无人艇全局路径规划方法 |
CN110196059A (zh) * | 2019-05-14 | 2019-09-03 | 武汉理工大学 | 一种无人艇全局路径规划方法 |
CN110275528A (zh) * | 2019-06-04 | 2019-09-24 | 合肥工业大学 | 针对rrt算法改进的路径优化方法 |
CN110275528B (zh) * | 2019-06-04 | 2022-08-16 | 合肥工业大学 | 针对rrt算法改进的路径优化方法 |
CN110377028A (zh) * | 2019-06-11 | 2019-10-25 | 珠海云洲智能科技有限公司 | 一种无人船值守方法、装置、终端设备及存储介质 |
CN111290398A (zh) * | 2020-03-13 | 2020-06-16 | 东南大学 | 基于生物启发神经网络和强化学习的无人艇路径规划方法 |
CN111290398B (zh) * | 2020-03-13 | 2022-10-25 | 东南大学 | 基于生物启发神经网络和强化学习的无人艇路径规划方法 |
CN111736595B (zh) * | 2020-05-20 | 2022-04-22 | 武汉理工大学 | 一种船舶行驶轨迹的控制方法、***、装置和存储介质 |
CN111736595A (zh) * | 2020-05-20 | 2020-10-02 | 武汉理工大学 | 一种船舶行驶轨迹的控制方法、***、装置和存储介质 |
CN112904869A (zh) * | 2021-01-29 | 2021-06-04 | 华中科技大学 | 基于多树rrt的无人艇加权迭代路径规划方法及设备 |
CN112904869B (zh) * | 2021-01-29 | 2022-04-29 | 华中科技大学 | 基于多树rrt的无人艇加权迭代路径规划方法及设备 |
CN113935170A (zh) * | 2021-10-15 | 2022-01-14 | 大连海事大学 | 一种基于实船电子海图数据的环境势场建模方法 |
CN113935170B (zh) * | 2021-10-15 | 2024-05-28 | 大连海事大学 | 一种基于实船电子海图数据的环境势场建模方法 |
CN114089762A (zh) * | 2021-11-22 | 2022-02-25 | 江苏科技大学 | 一种基于强化学习的水空两栖无人航行器路径规划方法 |
CN114089762B (zh) * | 2021-11-22 | 2024-06-21 | 江苏科技大学 | 一种基于强化学习的水空两栖无人航行器路径规划方法 |
CN115574785B (zh) * | 2022-12-12 | 2023-02-28 | 河海大学 | 基于数据处理的水利工程安全监测方法及平台 |
CN115574785A (zh) * | 2022-12-12 | 2023-01-06 | 河海大学 | 基于数据处理的水利工程安全监测方法及平台 |
CN115935714A (zh) * | 2023-02-09 | 2023-04-07 | 大连海事大学 | 一种基于多边形等距离外扩的环境势场模型构建方法 |
CN115935714B (zh) * | 2023-02-09 | 2023-09-15 | 大连海事大学 | 一种基于多边形等距离外扩的环境势场模型构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108507575A (zh) | 一种基于rrt算法的无人船海面路径规划方法及*** | |
Li et al. | AUV 3D path planning based on A* algorithm | |
CN106017472A (zh) | 全局路线规划方法、全局路线规划***及无人机 | |
CN105225003A (zh) | 一种布谷鸟搜索算法解决uav多任务侦察决策问题的方法 | |
CN113776534B (zh) | 一种基于立体剖分网格的无人机三维时变空域导航方法 | |
CN105067004B (zh) | 一种基于地形的路径搜索方法 | |
CN108489491A (zh) | 一种水下自主航行器的三维航迹智能规划方法 | |
Xu et al. | Application of improved Astar algorithm in global path planning of unmanned vehicles | |
CN110525602A (zh) | 一种船舶航迹航速整体规划方法 | |
CN115599779A (zh) | 一种城市道路交通缺失数据插值方法及相关设备 | |
CN116129066A (zh) | 基于数字孪生的自动驾驶高精度地图模型及高精度静态地图制作方法 | |
CN116482711A (zh) | 一种用于着陆区自主选择的局部静态环境感知方法及装置 | |
Li et al. | Lode: Locally conditioned eikonal implicit scene completion from sparse lidar | |
Liu et al. | Application of dijkstra algorithm in path planning for geomagnetic navigation | |
CN116592851B (zh) | 融合线路本体的输电通道树障卫星三维监测方法及*** | |
CN116136417B (zh) | 一种面向越野环境的无人驾驶车辆局部路径规划方法 | |
CN111080080B (zh) | 一种村镇地质灾害风险预估方法及*** | |
CN115049786B (zh) | 任务导向的点云数据下采样方法及*** | |
CN114637305B (zh) | 一种无人机最短路径规划方法及装置 | |
Dal Poz et al. | Road network extraction using GPS trajectories based on morphological and skeletonization algorithms | |
CN113239520B (zh) | 一种近水底三维水下地形环境建模方法 | |
Wang et al. | Terrain mapping for autonomous trucks in surface mine | |
CN115465125A (zh) | 一种基于无线充电技术的auv集群水下能量救援方法 | |
CN111486847B (zh) | 一种无人机导航方法及*** | |
CN114543788A (zh) | 结构非结构环境通用的多层全局感知地图构建方法及*** |
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: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |