CN109508016A - 水质采样巡航船路径规划最优化方法 - Google Patents
水质采样巡航船路径规划最优化方法 Download PDFInfo
- Publication number
- CN109508016A CN109508016A CN201811605978.5A CN201811605978A CN109508016A CN 109508016 A CN109508016 A CN 109508016A CN 201811605978 A CN201811605978 A CN 201811605978A CN 109508016 A CN109508016 A CN 109508016A
- Authority
- CN
- China
- Prior art keywords
- point
- path
- path point
- current path
- algorithm
- 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 60
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 25
- 238000005070 sampling Methods 0.000 title claims abstract description 23
- 230000004888 barrier function Effects 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000003716 rejuvenation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种水质采样巡航船路径规划最优化方法,属于湖泊流域水质采样和路径规划技术领域。所述方法首先在湖面的二维坐标图中,利用A*算法得到自起点至目标点的全局最优路径;然后对未知区域采用人工势场法得到的局部最优路径替换A*算法中相同区域路径或者更新位置区域地图信息;对所有路径点进行整合后得到全局最优路径。本发明采用A*算法结合改进人工势场法,能充分利用两种方法算法的优点,提供一种水质采样巡航船路径规划最优化方法,该方法有效地解决部分环境未知情况下路径规划问题以及局部极小值问题,减少设备成本,此外算法搜索效率高,花费时间成本少。
Description
技术领域
本发明主要涉及湖泊流域水质采样和路径规划技术领域。具体指一种在环境部分未知情况下的水质巡航船路径规划优化方法。
背景技术
随着人类对环境的充分利用,许多环境问题日益显现,其中水环境的好坏对人们的日常生活有重大影响,因此湖泊河流水质的监测显得尤为重要。水质监测需要对水质进行采样,所以提高水质采样的效率、降低水质采样的成本会对水质监测产生直接的影响。一种适合当前环境、能快速规划出采样最优路径的方法能显著地提高采样效率同时降低采样成本。当前已有很多传统方法和智能方法被用来解决巡航船的路径规划问题。A星算法(A*算法,参见参考文献[1]:Chen Y,Chen J Y.Application of Jacobian defined directinteraction coefficient in DRGEP-based chemical mechanism reduction methodsusing different graph search algorithms[J].Combustion and Flame,2016,174:77-84.)和人工势场法是其中较为经典的算法,A*算法能快速解决环境已知的路径规划问题,对于未知环境的路径规划效率不高。人工势场法(参见参考文献[2]:Yao P,Zhao S.Three-Dimensional Path Planning for AUV Based on Interfered Fluid Dynamical SystemUnder Ocean Current[J].IEEE Access,2018,6:42904-42916.)则是一种对于简单环境的路径规划问题有效解决方式,在处理复杂环境的路径规划问题存在缺陷。因此,采用A*算法结合改进人工势场法,能充分利用两种算法的优点,有效地解决部分环境未知情况下路径规划问题。该算法解决了局部极小值问题,减少设备成本,此外算法搜索效率高,花费时间成本少。
发明内容
为了解决现有技术中存在的问题,本发明因此,采用A*算法结合改进人工势场法,能充分利用两种方法算法的优点,提供一种水质采样巡航船路径规划最优化方法,该方法有效地解决部分环境未知情况下路径规划问题,减少设备成本,此外算法搜索效率高,花费时间成本少。
本发明提供的一种水质采样巡航船路径规划最优化方法,具体包括如下步骤:
第1步:用无人机摄像头采集湖面的图像,采用栅格法进行图像处理,得到湖面二维坐标图,未知区域用空白无障碍区域表示,在湖面二维坐标图中进行路径点的选取与部署;
第2步:在湖面的二维坐标图中,利用A*算法得到自起点至目标点的全局最优路径;
第3步:对得到的全局最优路径从起点向目标点检索,判断当前路径点是否为目标点,如果是,转第7步;如果不是目标点,进一步判断当前路径点是否为未知区域,如果不是,转第4步;否则转第5步。
第4步,存储当前路径点,并行进至下一个路径点,更新当前路径点,返回第3步。
第5步,如果当前路径点为未知区域,利用激光测距仪对未知区域环境进行探测,采用改进人工势场法获取局部最优路径,转第6步;否则如果无法得到局部最优路径,则在二维坐标图中更新未知区域地图信息,返回第2步。
第6步:将人工势场法得到的局部最优路径替换A*算法中相同区域路径,返回第4步;
第7步,对全局最优路径中的路径点进行整合。
所述的整合是指:
从起点开始,检索之后的路径点,判断起点与此路径点的连线是否穿过障碍物,即是否与障碍物有交点,若无交点,继续向后检索下一路径点;若有交点,则以当前检索路径点的前一路径点为锚定点,连接起点和锚定点,并以锚定点为新的起点继续向后检索,并进行障碍物交点判断,直至检索至目标点。
所述的采用改进人工势场法得到局部最优路径的步骤如下:
步骤5.1:利用激光测距仪得到的湖面信息,进行图像处理转化为二维坐标栅格图,设定改进人工势场算法的相关参数,包括探测范围r、引力增益系数k、斥力增益系数m、迭代次数j、障碍物影响距离d、步长p;
步骤5.2:补全探测范围内地图信息,判定地图更新后的局部路径目标点是否为障碍物:如果为是,则返回第2步;如果为否,则计算当前路径点位置X与影响距离内障碍物的斥力Frep和目标点的引力Fatt;
所述的障碍物对当前路径点位置X的斥力Frep计算公式如下:
其中
Urep(X)为改进斥力势场函数,Xo代表某一障碍物在二维坐标中的位置,m为斥力修正因子指数,Xg为目标点在二维坐标中的位置,Frep1、Frep2分别为斥力分解在障碍物指向当前路径点方向、当前路径点指向目标点方向的分力。当当前路径点位置X与障碍物位置Xo的距离|X-Xo|大于障碍物影响距离d时,障碍物对当前路径点无作用力产生。随着巡航船与目标点的距离越近,受到的斥力越小,解决了传统人工势场法的目标不可达问题。
Frep1、Frep2具体公式如下:
由公式得,随着n的取值越大,所得到的当前路径点指向目标点方向的斥力越大,效果越明显,但是计算量也逐渐增大,增加了算法时间成本,通过大量实验得知在二维坐标中选择n=2既能保证结果的准确性同时降低计算量,缩短算法运行时间;
步骤5.3:计算目标点对当前路径点的引力,计算处于影响距离内障碍物对当前路径点的斥力,得到所述当前路径点所受到的引力和斥力的合力;
步骤5.4:计算当前路径点的合力并判定合力是否为0,如果为0,则采用定向随机取点法,找到下一路径点;如果不为0,则根据当前路径点所受到的合力方向行进单位步长距离;
步骤5.5:判断在路径行进中是否存在在某两个点反复震荡问题,如果为是,则采用步骤5.4中定向随机法,如果为否,则根据当前路径点受到的合力方向行进单位步长距离;
步骤5.6:判定是否达到迭代次数2000次上限,仍然无法到达目标点,如果为是,则返回第2步;如果为否,则到达目标点之后记录人工势场法中行进路径点;
本发明的优点在于:
(1)对目标湖泊环境图像进行图像处理,将湖面图像转化成二维栅格坐标图像,节约了巡航船规划出最优路径的时间。
(2)本发明能够解决未知环境下的路径规划问题,允许图像采集设备精度不高,可以对环境进行模糊采集,节约了设备成本,对环境的适应性较高。
(3)本发明提出了改进人工势场法,巡航船在路径寻优过程中不易出现问题,提高了路径规划算法的稳定性,使得路径规划的效果也更加稳定。
(4)对最优路径点的整合,缩短了巡航船行驶途中的总转角度数,减少了巡航船行驶的总距离,因此对于节省水质采样巡航船的电量消耗有很大的作用,使得巡航船的续航能力提高。
附图说明
图1为本发明中的水质采样巡航船路径规划总框架流程图;
图2为本发明中的A*算法流程图;
图3为本发明中的改进人工势场法局部路径规划流程图。
具体实施方式
下面结合附图对本发明进行详细说明。
本发明提供一种水质采样巡航船路径规划最优化方法,采用A*算法结合改进人工势场法寻找最优路径。如图1所示流程,本发明提供的水质采样巡航船路径规划方法,具体包括如下步骤:
步骤一、用无人机摄像头采集湖面图像,图像处理得到湖面二维坐标图。
由于无人机摄像头设备精度限制无法采集详细的湖面图像,存在部分区域图像信息不全即未知区域,采用栅格法进行图像处理得到湖面二维坐标图,未知区域用空白无障碍区域表示,在湖面二维坐标图中进行路径点的选取与部署;
步骤二、在湖面二维坐标图上,利用A*算法得到自起点至目标点的全局最优路径,如图2所示,具体包括如下步骤:
(2.1)根据获取的湖面二维坐标图,设定A*算法的相关参数,OPEN列表为起点,存储搜索过但尚未走过的非障碍物点,CLOSE列表为障碍物路径点和已经走过的路径点,Optimal_path为空数组用于存储最优路径点;
(2.2)自当前路径点向周围8个方向邻格扩展,寻找当前路径点周围可达的路径点,排除CLOSE列表中的障碍物路径点和已经走过的路径点,分别计算其它路径点评估函数f(X);
所述的评估函数公式如下:
f(X)=h(X)+g(X)
其中h(X)为起点到当前路径点X的距离,g(X)为当前路径点X到目标点的距离,距离计算公式为二维空间的欧氏距离计算公式,具体如下:
(X1,Y1)、(X2,Y2)为不同坐标,d为坐标(X1,Y1)和(X2,Y2)的两个点之间的距离。
(2.3)将评估函数f(X)最小的路径点作为下一路径点并存入Optimal_path数组中;其余路径点若已存在OPEN列表中,则更新其评估函数,反之,则直接存入OPEN列表;
(2.4)到达下一路径点时,更新当前路径点,将此路径点存入CLOSE列表中,判定此路径点是否为目标点,是,则结束,得到全局最优路径;否,则返回步骤(2.2)。
步骤三、对得到的全局最优路径从起点向目标点检索,判断当前路径点是否为目标点,如果是,转步骤七;如果不是目标点,进一步判断当前路径点是否为未知区域,如果不是,转步骤四;否则转步骤五。
步骤四,存储当前路径点,并行进至下一个路径点,更新当前路径点,返回步骤三。
步骤五,如果当前路径点为未知区域,利用激光测距仪对未知区域环境进行探测,采用改进人工势场法获取局部最优路径,转步骤六;否则如果无法得到局部最优路径,则,更新二维坐标图中未知区域地图信息,返回步骤二。
当巡航船根据全局最优路径点行驶途经未知区域时,利用激光测距仪对未知区域环境进行探测,采用改进人工势场法,以当前路径点为局部路径起点,激光测距仪探测距离2/3处全局路径点为局部路径目标点,规划局部最优路径;如果不能得到最后路径,则根据探测结果更新未知区域地图信息,返回步骤二。
所述的采用改进人工势场法得到局部最优路径,如图3所示流程,具体步骤如下:
(5.1)利用激光测距仪得到的湖面信息,进行图像处理转化为二维坐标栅格图,设定改进人工势场算法的相关参数,包括探测范围为5格*5格、引力增益系数k为14、斥力增益系数m为4.2、迭代次数j为2000、障碍物影响距离d为2.5、步长l为0.5;
(5.2)补全未知区域地图信息,判定地图更新后的局部路径目标点是否为障碍物:是,则返回步骤二;否,则计算当前路径点X与影响距离内障碍物的斥力Frep和目标点的引力Fatt;
所述的障碍物对当前路径点X的斥力Frep计算公式如下:
其中
Frep1、Frep2分别为斥力分解在障碍物指向当前路径点方向、当前路径点指向目标点方向的分力,m为斥力修正因子指数,Xg为目标点在二维坐标中的位置。Urep(X)为改进斥力势场函数,Xo代表某一障碍物在二维坐标中的位置,当当前路径点与障碍物的距离|X-Xo|大于障碍物影响距离d时,障碍物对当前路径点无作用力产生。随着距离目标点越近,斥力越小,解决了目标不可达问题。
由上述两式得:
由公式得,随着n的取值越大,所得到的斥力越大,效果越明显,同样计算量增大,在二维坐标中选择n=2既能保证结果的准确性同时降低计算量。
所述的目标点对当前路径点的引力Fatt计算公式如下:
Fatt=-grad[Uatt(X)]=k(Xg-X)
其中:
Uatt为引力势场函数,当前路径点对所受到的引力正比于目标点和当前路径点的距离的平方,比例系数为k。
(5.3)计算目标点对当前路径点的引力,并计算影响距离内障碍物对当前路径点的斥力,进而得到所述引力和斥力的合力;
(5.4)判定合力是否为0:是,则采用定向随机取点法;否,则根据当前路径点所受到的合力方向行进单位步长距离;
(5.5)判断在路径行进中是否存在某两个点反复震荡问题,如当前路径点X(i)与路径点X(i-2)相同,i为路径点序号,则认为这两个路径点发生了震荡,此时,则采用定向随机取点法,找到下一路径点,更新当前路径点,否,则根据当前路径点受到的合力方向行进单位步长距离,更新当前路径点;
(5.6)判定当前路径点是否为目标点,如果是,则记录行进路径点,得到局部最优路径,结束;否则判定是否达到迭代次数2000次上限,如果是,则返回步骤(5.3),否则根据当前路径点受到的合力方向行进单位步长距离,更新当前路径点。
步骤六、将人工势场法得到的局部最优路径替换A*算法中相同区域路径,返回步骤四。
步骤七、对全局最优路径中的N个路径点进行整合,具体为:
自起点x1沿规划的全局最优路径向后检索路径点{xk|k=2,3,···,N},遍历邻近障碍物节点,若x1、x2的连线与障碍物无交点,则继续向后检索,直到x1与xm(m≤N)的连线穿过障碍物,取xm-1作为锚定点,以x1与xm-1作为端点,将x1与xm-1的连线替换相同端点间的路径,并以xm-1作为新的起点,继续向后检索路径点,直到达到目标点。
本发明在步骤(5.4)、步骤(5.5)中采用的定向随机取点法,具体步骤如下:
步骤A:做当前路径点X与目标点的连线L;
步骤B:做穿过X且垂直L的直线,并在直线上取距离X单位步长的两点a、b;
步骤C:取连线L上距离X单位步长的点X1做穿过X1且垂直L的直线,并在直线上取距离X1单位步长的两点c、d;
步骤D:在a、b、c、d、X15点中任取一点作为下一路径点。
Claims (5)
1.水质采样巡航船路径规划最优化方法,其特征在于:所述方法具体包括如下步骤,
第1步:用无人机摄像头采集湖面的图像,采用栅格法进行图像处理,得到湖面二维坐标图,未知区域用空白无障碍区域表示,在湖面二维坐标图中进行路径点的选取与部署;
第2步:在湖面的二维坐标图中,利用A*算法得到自起点至目标点的全局最优路径;
第3步:对得到的全局最优路径从起点向目标点检索,判断当前路径点是否为目标点,如果是,转第7步;如果不是目标点,进一步判断当前路径点是否为未知区域,如果不是,转第4步;否则转第5步;
第4步,存储当前路径点,并行进至下一个路径点,更新当前路径点,返回第3步;
第5步,如果当前路径点为未知区域,利用激光测距仪对未知区域环境进行探测,采用改进人工势场法获取局部最优路径,转第6步;否则如果无法得到局部最优路径,则更新二维坐标图中的未知区域地图信息,返回第2步;
第6步:将人工势场法得到的局部最优路径替换A*算法中相同区域路径,返回第4步;
第7步,对全局最优路径中的路径点进行整合。
2.根据权利要求1所述的水质采样巡航船路径规划最优化方法,其特征在于:第2步所述的利用A*算法得到全局最优路径,具体包括如下步骤:
(2.1)根据获取的湖面二维坐标图,设定A*算法的相关参数,OPEN列表为起点,存储搜索过但尚未走过的非障碍物点,CLOSE列表为障碍物路径点和已经走过的路径点,Optimal_path为空数组用于存储最优路径点;
(2.2)自当前路径点向周围8个方向邻格扩展,寻找当前路径点周围可达的路径点,排除CLOSE列表中的障碍物路径点和已经走过的路径点,分别计算其它路径点评估函数;
(2.3)将评估函数最小的路径点作为下一路径点并存入Optimal_path数组中;其余路径点若已存在OPEN列表中,则更新其评估函数,反之,则直接存入OPEN列表;
(2.4)到达下一路径点时,更新当前路径点,将此路径点存入CLOSE列表中,判定此路径点是否为目标点,是,则结束,得到全局最优路径;否,则返回步骤(2.2)。
3.根据权利要求1所述的水质采样巡航船路径规划最优化方法,其特征在于:第5步所述的采用改进人工势场法得到局部最优路径的步骤如下:
步骤5.1:利用激光测距仪得到的湖面信息,进行图像处理转化为二维坐标栅格图,设定改进人工势场算法的相关参数,包括探测范围、引力增益系数、斥力增益系数、迭代次数、障碍物影响距离和步长;
步骤5.2:判定地图更新后的局部路径目标点是否为障碍物:如果为是,则返回第2步;如果为否,则计算当前路径点位置X与影响距离内障碍物的斥力Frep和目标点的引力Fatt;
所述的障碍物对当前路径点位置X的斥力Frep计算公式如下:
其中
Urep(X)为改进斥力势场函数,Xo代表某一障碍物在二维坐标中的位置,m为斥力修正因子指数,Xg为目标点在二维坐标中的位置,Frep1、Frep2分别为斥力分解在障碍物指向当前路径点方向、当前路径点指向目标点方向的分力;
Frep1、Frep2具体公式如下:
步骤5.3:计算目标点对当前路径点的引力,计算处于影响距离内障碍物对当前路径点的斥力,得到所述当前路径点所受到的引力和斥力的合力;
步骤5.4:计算当前路径点的合力并判定合力是否为0,如果为0,则采用定向随机取点法,找到下一路径点;如果不为0,则根据当前路径点所受到的合力方向行进单位步长距离;
步骤5.5:判断在路径行进中是否存在在某两个点反复震荡问题,如果为是,则采用定向随机取点法,如果为否,则根据当前路径点受到的合力方向行进单位步长距离;
步骤5.6:判定是否达到迭代次数2000次上限,如果是,则记录行进路径点,得到局部最优路径,否则判断当前路径点是否为局部目标点,如果是则得到局部最优路径,结束;否则,返回步骤5.3。
4.根据权利要求1所述的水质采样巡航船路径规划最优化方法,其特征在于:第7步所述的整合是指:
从起点开始,检索之后的路径点,判断起点与此路径点的连线是否穿过障碍物,即是否与障碍物有交点,若无交点,继续向后检索下一路径点;若有交点,则以当前检索路径点的前一路径点为锚定点,连接起点和锚定点,并以锚定点为新的起点继续向后检索,并进行障碍物交点判断,直至检索至目标点。
5.根据权利要求1所述的水质采样巡航船路径规划最优化方法,其特征在于:所述的定向随机取点法,具体步骤如下:
步骤A:做当前路径点X与目标点的连线L;
步骤B:做穿过X且垂直L的直线,并在直线上取距离X单位步长的两点a、b;
步骤C:取连线L上距离X单位步长的点X1做穿过X1且垂直L的直线,并在直线上取距离X1单位步长的两点c、d;
步骤D:在a、b、c、d、X15点中任取一点作为下一路径点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811605978.5A CN109508016A (zh) | 2018-12-26 | 2018-12-26 | 水质采样巡航船路径规划最优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811605978.5A CN109508016A (zh) | 2018-12-26 | 2018-12-26 | 水质采样巡航船路径规划最优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109508016A true CN109508016A (zh) | 2019-03-22 |
Family
ID=65754885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811605978.5A Pending CN109508016A (zh) | 2018-12-26 | 2018-12-26 | 水质采样巡航船路径规划最优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508016A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109917794A (zh) * | 2019-04-18 | 2019-06-21 | 北京智行者科技有限公司 | 全局路径规划方法及装置 |
CN110442125A (zh) * | 2019-07-15 | 2019-11-12 | 电子科技大学 | 一种移动机器人的动态路径规划方法 |
CN110567478A (zh) * | 2019-09-30 | 2019-12-13 | 广西科技大学 | 一种基于人工势场法的无人驾驶车辆路径规划方法 |
CN110609570A (zh) * | 2019-07-23 | 2019-12-24 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种基于无人机的自主避障巡检方法 |
CN111489023A (zh) * | 2020-04-03 | 2020-08-04 | 武汉理工大学 | 一种处理动态乘务服务需求信息的多功能智能机器人*** |
CN112013866A (zh) * | 2020-08-31 | 2020-12-01 | 电子科技大学 | 一种基于智能导览***的路径规划方法 |
US20210295708A1 (en) * | 2020-03-18 | 2021-09-23 | Ship And Ocean Industries R&D Center | Vessel collision avoiding method and system based on artificial potential field |
CN113485366A (zh) * | 2021-08-05 | 2021-10-08 | 泰瑞数创科技(北京)有限公司 | 用于机器人的导航路径生成方法及装置 |
CN113848889A (zh) * | 2021-09-09 | 2021-12-28 | 武汉工程大学 | 一种基于鲸鱼优化算法和人工势场法结合的路径规划方法 |
CN114440916A (zh) * | 2022-03-09 | 2022-05-06 | 中国农业银行股份有限公司 | 一种导航方法、装置、设备及存储介质 |
CN115752480A (zh) * | 2022-12-09 | 2023-03-07 | 佛山市稚蒙环境科技有限公司 | 一种基于物联网的采样装置管理***及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060293792A1 (en) * | 2005-06-17 | 2006-12-28 | Honda Motor Co., Ltd. | Path generator for mobile object |
US20150120137A1 (en) * | 2013-10-28 | 2015-04-30 | GM Global Technology Operations LLC | Path planning for evasive steering maneuver in presence of target vehicle and surrounding objects |
CN205679995U (zh) * | 2016-03-11 | 2016-11-09 | 中国矿业大学(北京) | 基于改进人工势场的路径规划导航*** |
CN106708054A (zh) * | 2017-01-24 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
CN108253984A (zh) * | 2017-12-19 | 2018-07-06 | 昆明理工大学 | 一种基于改进a星算法的移动机器人路径规划方法 |
CN108469828A (zh) * | 2018-03-23 | 2018-08-31 | 哈尔滨工程大学 | 一种改进人工势场优化算法的auv航路规划方法 |
CN108983789A (zh) * | 2018-08-20 | 2018-12-11 | 广东华中科技大学工业技术研究院 | 一种无人艇的路径规划和布放调度方法 |
-
2018
- 2018-12-26 CN CN201811605978.5A patent/CN109508016A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060293792A1 (en) * | 2005-06-17 | 2006-12-28 | Honda Motor Co., Ltd. | Path generator for mobile object |
US20150120137A1 (en) * | 2013-10-28 | 2015-04-30 | GM Global Technology Operations LLC | Path planning for evasive steering maneuver in presence of target vehicle and surrounding objects |
CN205679995U (zh) * | 2016-03-11 | 2016-11-09 | 中国矿业大学(北京) | 基于改进人工势场的路径规划导航*** |
CN106708054A (zh) * | 2017-01-24 | 2017-05-24 | 贵州电网有限责任公司电力科学研究院 | 结合地图栅格与势场法避障的巡检机器人路径规划方法 |
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
CN108253984A (zh) * | 2017-12-19 | 2018-07-06 | 昆明理工大学 | 一种基于改进a星算法的移动机器人路径规划方法 |
CN108469828A (zh) * | 2018-03-23 | 2018-08-31 | 哈尔滨工程大学 | 一种改进人工势场优化算法的auv航路规划方法 |
CN108983789A (zh) * | 2018-08-20 | 2018-12-11 | 广东华中科技大学工业技术研究院 | 一种无人艇的路径规划和布放调度方法 |
Non-Patent Citations (2)
Title |
---|
张玉婷: "基于人工势场法的USV自主避障导航控制***的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
陈呈: "基于改进栅格法和人工势场法的无人艇路径规划研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109917794B (zh) * | 2019-04-18 | 2022-02-18 | 北京智行者科技有限公司 | 全局路径规划方法及装置 |
CN109917794A (zh) * | 2019-04-18 | 2019-06-21 | 北京智行者科技有限公司 | 全局路径规划方法及装置 |
CN110442125A (zh) * | 2019-07-15 | 2019-11-12 | 电子科技大学 | 一种移动机器人的动态路径规划方法 |
CN110609570A (zh) * | 2019-07-23 | 2019-12-24 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 一种基于无人机的自主避障巡检方法 |
CN110567478A (zh) * | 2019-09-30 | 2019-12-13 | 广西科技大学 | 一种基于人工势场法的无人驾驶车辆路径规划方法 |
CN110567478B (zh) * | 2019-09-30 | 2023-06-30 | 广西科技大学 | 一种基于人工势场法的无人驾驶车辆路径规划方法 |
US20210295708A1 (en) * | 2020-03-18 | 2021-09-23 | Ship And Ocean Industries R&D Center | Vessel collision avoiding method and system based on artificial potential field |
US11676494B2 (en) * | 2020-03-18 | 2023-06-13 | Ship And Ocean Industries R&D Center | Vessel collision avoiding method and system based on artificial potential field |
CN113495556A (zh) * | 2020-03-18 | 2021-10-12 | 财团法人船舶暨海洋产业研发中心 | 基于人工势场法的船舶避碰方法及*** |
CN111489023A (zh) * | 2020-04-03 | 2020-08-04 | 武汉理工大学 | 一种处理动态乘务服务需求信息的多功能智能机器人*** |
CN112013866A (zh) * | 2020-08-31 | 2020-12-01 | 电子科技大学 | 一种基于智能导览***的路径规划方法 |
CN113485366B (zh) * | 2021-08-05 | 2022-03-04 | 泰瑞数创科技(北京)有限公司 | 用于机器人的导航路径生成方法及装置 |
CN113485366A (zh) * | 2021-08-05 | 2021-10-08 | 泰瑞数创科技(北京)有限公司 | 用于机器人的导航路径生成方法及装置 |
CN113848889A (zh) * | 2021-09-09 | 2021-12-28 | 武汉工程大学 | 一种基于鲸鱼优化算法和人工势场法结合的路径规划方法 |
CN114440916A (zh) * | 2022-03-09 | 2022-05-06 | 中国农业银行股份有限公司 | 一种导航方法、装置、设备及存储介质 |
CN114440916B (zh) * | 2022-03-09 | 2024-04-02 | 中国农业银行股份有限公司 | 一种导航方法、装置、设备及存储介质 |
CN115752480A (zh) * | 2022-12-09 | 2023-03-07 | 佛山市稚蒙环境科技有限公司 | 一种基于物联网的采样装置管理***及方法 |
CN115752480B (zh) * | 2022-12-09 | 2023-11-21 | 佛山市稚蒙环境科技有限公司 | 一种基于物联网的采样装置管理***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508016A (zh) | 水质采样巡航船路径规划最优化方法 | |
US9405445B2 (en) | Apparatus and methods for routing | |
CN105404844B (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
CN109564099A (zh) | 用于地图匹配的方法及*** | |
JP2018156482A (ja) | 移動制御システム、移動制御装置及びプログラム | |
Han et al. | An improved TERCOM-based algorithm for gravity-aided navigation | |
CN111142116B (zh) | 一种基于三维激光的道路检测与建模方法 | |
CN105716605B (zh) | 一种重力辅助惯性导航***匹配方法 | |
AU2015300683B2 (en) | Apparatus and methods for routing | |
CN110207706A (zh) | 一种基于栅格地图的自动归位椅路径规划算法 | |
CN113029145B (zh) | 一种基于强化学习的视觉拓扑导航方法 | |
CN110220510A (zh) | 一种考虑地图准确性的水下机器人海底地形匹配导航路径规划方法 | |
Stentz | Map-based strategies for robot navigation in unknown environments | |
Van Zwynsvoorde et al. | Incremental topological modeling using local voronoi-like graphs | |
Rekleitis et al. | On multiagent exploration | |
CN114186112B (zh) | 一种基于贝叶斯优化多重信息增益探索策略的机器人导航方法 | |
CN109855640B (zh) | 一种基于自由空间与人工蜂群算法的路径规划方法 | |
CN109542994B (zh) | 自动驾驶高精度地图的车道拾取算法 | |
CN114088098A (zh) | 一种用于极区水下航行器数据库辅助导航路径规划方法 | |
CN113639749A (zh) | 一种基于不确定性的多波束测深数据匹配检测方法 | |
Alliez et al. | Indoor localization and mapping: Towards tracking resilience through a multi-slam approach | |
Zhang et al. | Map-matching approach based on link factor and hidden Markov model | |
Huang et al. | Stochastic planning for asv navigation using satellite images | |
CN110160527A (zh) | 一种移动机器人导航方法与装置 | |
WO2015101834A2 (en) | Apparatus and methods for routing |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190322 |
|
WD01 | Invention patent application deemed withdrawn after publication |