CN110006430A - 一种航迹规划算法的优化方法 - Google Patents

Abstract

一种航迹规划算法的优化方法，包括：S1、根据船舶当前位置、目标点位置，采用航迹规划算法获取航迹规划中用于判断航路点的节点集合O和已经判断航路点的节点集合C；S2、对集合C中每一个节点，采用Dijkstra搜索方法获取每一个节点目标边界框；S3、在遍历集合C中每个节点的邻域搜索下一可行节点时，选取当前节点邻域内处于非障碍物区域且处于当前节点目标边界框内的节点作为下一可行节点；根据下一可行节点，对集合O更新来进行航路点的判断；S4、遍历集合C，获取最优航迹路线。不仅避免航迹规划算法探索冗余无效的节点，而且避免航迹规划算法探索节点向错误的方向扩展，从而加快寻路的速度，提高算法运行的效率。

Description

一种航迹规划算法的优化方法

技术领域

本发明涉及无人驾驶船舶航行控制技术领域，尤其涉及一种航迹规划算法的优化方法。

背景技术

随着航运事业的不断发展，大量船舶频繁活动于港口和海上交通要道，加之船舶向大型化、高速化发展，使得海上航行变得拥挤不堪，航行效率降低。地理信息***的研究和发展，为建设智能化的交通***，改善海运交通状况，提供了理论支持和技术保障。海上航线的选择，关系到船舶最小时间花销等效率问题，从而关系到船舶航运成本问题。如何减小航运时间花销，节省航运成本，提高海上航运竞争力，成为各船舶航运公司最为关注的问题。

船舶航迹规划是指船舶根据航行环境在保证安全的前提下自主规划出一条最优路径，即船舶在航运时避开各种动态或静态碍航物的最短路径。基于图形搜索空间寻点的路径规划算法是目前常用且有效的航迹规划方法，其中，图形中的点与空间中的坐标相关联，比如网格、路点图、四叉树、八叉树、导航网格等。但是，基于图形搜索空间寻点的路径规划算法在应用过程中往往会出现冗余无效的节点，不仅占用内存，降低执行效率，且会增加算法的执行时间。

现有的节点剪枝技术可大幅降低基于图形搜索空间的路径规划算法中冗余节点的数量，但由于现有的节点剪枝技术均为节点探索策略的调整，仍无法避免节点向错误的方向探索扩展。

因此，亟需一种基于目标边界的航迹规划方法。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供了一种航迹规划算法的优化方法。不仅避免航迹规划算法探索冗余无效的节点，而且避免航迹规划算法探索节点向错误的方向扩展，从而大幅减少节点扩展的数量，加快寻路的速度，提高算法运行的效率，同时保证算法本身的优越性。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

一种航迹规划算法的优化方法，包括：

S1、根据船舶的当前位置坐标、目标点的位置坐标，采用航迹规划算法获取进行航迹规划中的用于判断航路点的节点集合O和已经判断航路点的节点集合C。

S2、针对集合C中的每一个节点，采用Dijkstra搜索方法获取每一个节点的目标边界框。

S3、在遍历集合C中的每一个节点的邻域搜索下一可行节点时，选取当前节点邻域内处于非障碍物区域且处于当前节点目标边界框内的节点作为下一可行节点；根据下一可行节点，对集合O更新来进行航路点的判断。

S4、遍历集合C，获取最终输出的航迹路线。

作为本发明航迹规划算法的优化方法的一种改进，步骤S1中，采用航迹规划算法获取进行航迹规划中的用于判断航路点的节点集合O和已经判断航路点的节点集合C，包括：

根据用于判断航路点的节点集合O和节点代价计算规则，选取集合O中代价最小的节点加入已经判断航路点的节点集合C。

作为本发明航迹规划算法的优化方法的一种改进，节点代价计算规则为：F＝G+H，其中，F为节点的路径总代价，G为从船舶的起点到节点的路径耗费，H为从节点到船舶的终点的路径耗费。

作为本发明航迹规划算法的优化方法的一种改进，步骤S3中，根据下一可行节点，对集合O更新来进行航路点的判断，包括：

判断下一可行节点是否位于集合O中，如果是，以可行节点G值较小的路径为依据，更新可行节点的父节点、G值与F值，否则，将可行节点加入集合O中，并对该可行节点的父节点进行标记。

作为本发明航迹规划算法的优化方法的一种改进，步骤S4包括：

遍历集合C；以船舶航行的终点为起始，沿着父节点逆向循迹，直至船舶航行的起点；将逆向循迹的路径作为船舶航行起点至终点的最优路径，进行输出。

作为本发明航迹规划算法的优化方法的一种改进，步骤S1中还包括：采用宽度优先搜索算法判断船舶的当前位置坐标和目标点的位置坐标是否在同一连通区；如果在，采用航迹规划算法，获取集合O和集合C；如果不在，重新设置船舶的当前位置坐标和目标点坐标。

作为本发明航迹规划算法的优化方法的一种改进，步骤S2中，采用Dijkstra搜索方法获取每一个节点的目标边界框，包括：对节点进行无目的地Dijkstra搜索，获得节点每个搜索方向上Dijkstra搜索映射中的节点；根据每个搜索方向上Dijkstra搜索映射中的节点的最小外接矩形，构建每个搜索方向边界框；选取包含有船舶目标点的搜索方向边界框，作为当前节点的目标边界框。

作为本发明航迹规划算法的优化方法的一种改进，航迹规划算法包括A星算法、Dijkstra路径规划算法、最佳优先搜索算法、深度优先搜索算法、宽度优先搜索算法和跳点搜索算法等基于图形搜索空间寻点的路径规划算法。

(三)有益效果

本发明的有益效果是：

1、本发明依据当前节点构建包含下一可行节点和终点的目标边界框，作为航迹规划算法搜索下一局部目标点的区域界定，可以深度优化基于图形搜索空间的航迹规划算法。不仅能够避免航迹规划算法探索冗余无效的节点，而且可以避免航迹规划算法探索节点向错误的方向扩展，从而大幅减少了节点扩展的数量，加快寻路的速度，提高算法运行的效率。

2、本发明提供的基于目标边界的航迹规划方法，应用范围广，适用于任何基于图形搜索空间的航迹规划算法，其中的图形只需满足图形中的点与空间中的坐标相关联，比如网格、路点图、四叉树、八叉树和导航网格等；其中，航迹规划算法包括A星算法、Dijkstra路径规划算法、最佳优先搜索算法、深度优先搜索算法、宽度优先搜索算法和跳点搜索算法。并且可以大幅提高相关航迹规划算法的执行效率。

3、本发明提供的基于目标边界的航迹规划方法，不会改变航迹规划算法的内部结构，从而可以保证原始算法本身的优越性。

附图说明

本发明借助于以下附图进行描述：

图1为本发明实施例1中基于目标边界和A星算法航迹规划方法的流程图；

图2为本发明实施例1中网格地图上当前节点的每个搜索方向边界框的示意图；

图3为仿真实验中应用的栅格地图；

图4为仿真实验中传统A星算法进行航迹规划的示意图；

图5为仿真实验中基于目标边界的传统A星算法进行航迹规划的示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

本发明提供了一种航迹规划算法的优化方法，包括以下步骤：

步骤S1、根据船舶的当前位置坐标、目标点的位置坐标，采用航迹规划算法获取进行航迹规划中的用于判断航路点的节点集合O和已经判断航路点的节点集合C。

具体地，采用宽度优先搜索算法判断船舶的当前位置坐标和目标点的位置坐标是否在同一连通区；如果在，采用航迹规划算法，获取集合O和集合C；如果不在，重新设置船舶的当前位置坐标和目标点坐标。

具体地，根据用于判断航路点的节点集合O和节点代价计算规则，选取集合O中代价最小的节点加入已经判断航路点的节点集合C。其中，节点代价计算规则为：F＝G+H，其中，F为节点的路径总代价，G为从船舶的起点到节点的路径耗费，H为从节点到船舶的终点的路径耗费。

步骤S2、针对集合C中的每一个节点，采用Dijkstra搜索方法获取每一个节点的目标边界框；

具体地，对节点进行无目的地Dijkstra搜索，获得节点每个搜索方向上Dijkstra搜索映射中的节点；根据每个搜索方向上Dijkstra搜索映射中的节点的最小外接矩形，构建每个搜索方向边界框；选取包含有船舶目标点的搜索方向边界框，作为当前节点的目标边界框。

步骤S3、在遍历集合C中的每一个节点的邻域搜索下一可行节点时，选取当前节点邻域内处于非障碍物区域且处于当前节点目标边界框内的节点作为下一可行节点；根据下一可行节点，对集合O更新来进行航路点的判断。

步骤S4、遍历集合C，获取最终输出的航迹路线。

具体地，当遍历到集合C中的节点为船舶的目标点时，获取最终输出的航迹路线。

在本发明提出的航迹规划算法的优化方法中，依据当前节点构建包含下一可行节点和船舶的目标点的目标边界框，作为航迹规划算法搜索用于判断航路点的节点的区域界定，不仅可以避免航迹规划算法探索冗余无效的节点，而且可以避免航迹规划算法探索节点向错误的方向扩展，从而大幅减少了节点扩展的数量，加快寻路的速度，提高算法运行的效率。并不同于传统基于图形搜索空间的路径规划算法中直接获取当前目标点所有非关闭的可达邻居节点来进行扩展的策略。

本发明提供的航迹规划算法的优化方法适用于任何基于图形搜索空间的航迹规划算法，其中，图形中的点与空间中的坐标相关联，比如网格、路点图、四叉树、八叉树和导航网格等；其中，航迹规划算法包括A星算法、迪杰斯特拉路径规划算法、最佳优先搜索算法、深度优先搜索算法、宽度优先搜索算法和跳点搜索算法。应用广泛，且可以大幅提高相关航迹规划算法的执行效率。

需要特别说明的是，本发明提供的基于目标边界的航迹规划方法不仅适用于船舶的航迹规划，而且适用于其他情景下的路径规划，比如车辆、无人机的路径规划，游戏当中的路径规划等。

实施例1

下面基于网格地图和A星算法，对本发明提供的航迹规划算法的优化方法做具体说明，如图1所示。

步骤S1、根据障碍物环境信息，将网格地图划分为可行区域和不可行区域；在网格地图中，根据船舶的当前位置和航行任务，设置船舶航行的起点和终点。

步骤S2、建立openlist和closelist两个空列表，其中openlist用于存放用于判断航路点，closelist用于存放已经判断航路点。

步骤S3、判断船舶航行的起点和终点是否在同一连通区，如果在，执行步骤S4；如果不在，返回步骤S1，重新设置船舶航行的起点和终点。

根据宽度优先搜索算法，将与船舶航行的起点相连通的可行区域的网格进行编号，将与船舶航行的终点相连通的可行区域的网格进行编号；若二者编号一致，船舶航行的起点和终点在同一连通区域；若二者编号不一致，船舶航行的起点和终点不在同一连通区域。在每次进行航迹规划之前，需判断船舶航行的起点和终点是否可达，只有起点和终点可达，才需要去进行航迹规划，避免了起点和终点不可达时的寻路花费，节约寻路时间，加快寻路速度，进而提高了航迹规划算法的运行效率。

步骤S4、将船舶航行的起点及其8领域内的可达节点放入openlist中，将船舶航行的起点和终点放入closelist中。

步骤S5、根据节点代价计算规则，选取openlist中代价最小的节点作为当前节点；将当前节点加入closelist中，同时在openlist中删除当前节点；以及，判断当前节点是否为船舶航行的终点，如果是，以船舶航行的终点为起始，沿着父节点逆向循迹，直至船舶航行的起点，将逆向循迹的路径作为船舶航行起点至终点的最优路径，进行输出；否则，执行步骤S6。

具体地，节点代价计算规则为：F＝G+H，其中，F为节点的路径总代价，G为从船舶的起点到节点的路径耗费，H为从节点到船舶的终点的路径耗费。

步骤S6、依据当前节点，采用Dijkstra搜索方法获取当前节点的目标边界框。

具体地，如图2所示，在当前节点的3个搜索方向上，即依据当前节点的3个节点边缘，进行无目的地Dijkstra搜索，获得当前节点每个搜索方向上Dijkstra搜索映射中的节点，根据每个搜索方向上Dijkstra搜索映射中的节点的最小外接矩形，构建每个搜索方向边界框，选取包含有船舶航行的终点的搜索方向边界框，作为当前节点的目标边界框。

在当前节点的3个节点边缘上预先设置有初始信息，分别为A、B、C，在Dijkstra搜索期间，当前节点边缘的初始信息会随着Dijkstra搜索传递到Dijkstra搜索映射中的节点。当Dijkstra搜索完成，每个Dijkstra搜索映射中的节点都标记有当前节点边缘的初始信息，据此构建包含当前节点同一节点边缘的节点的最小外接矩形，作为当前节点每个搜索方向边界框。

步骤S7、选取当前节点邻域内处于非障碍区域且处于当前节点目标边界框内的节点作为下一可行节点；判断下一可行节点是否位于openlist中，如果是，以可行节点G值较小的路径为依据，更新可行节点的父节点、G值与F值，否则，将可行节点加入openlist中，并对该可行节点的父节点进行标记。重复步骤S5至S7。

在本实施例中，采用的是最原始的A星算法架构，仅为说明本发明优化方法的应用。若将本发明的优化方法应用到深度优化的A星算法，Dijkstra路径规划算法、跳点搜索算法等当中，会获得更高的运行效率；这是因为探索到的当前节点越少，确定的目标边界框越少。

仿真实验

将本发明的优化方法用于基于栅格地图的A星算法航迹规划方法中，从扩展节点数和仿真时间上来验证本发明优化方法的有效性。

针对传统A星算法和应用本发明优化方法的传统A星算法，在栅格地图上进行仿真实验，如图3所示，仿真实验中所应用的栅格地图，图中深灰色格子为障碍物，黑色格子为船舶航行的起点和终点。

采用传统A星算法进行航迹规划的结果，见图4，其中浅灰色格子为A星算法运行探索过的节点，该仿真实验中，传统A星算法的扩展节点数为98，仿真时间为2.8670ms，输出的最优路径长度为15.31。

应用本发明优化方法的传统A星算法进行航迹规划，如图5所示，当前节点目标边界框随着当前节点的确定不断缩小，其中浅灰色格子为A星算法运行探索过的节点，该仿真实验中，应用本发明优化方法的传统A星算法的扩展节点数为18，仿真时间为1.0163ms，输出的最优路径长度为15.31。

可见，本发明优化方中目标边界框的主要作用是节点剪枝，避免了节点向错误方向的扩展，同时通过目标边界框的不断缩小，来不断减少冗余无效的节点的扩展，从而大幅度提升算法运行效率。本发明优化方法应用于广阔海域复杂环境中效果更佳突出。

需要理解的是，以上对本发明的具体实施例进行的描述只是为了说明本发明的技术路线和特点，其目的在于让本领域内的技术人员能够了解本发明的内容并据以实施，但本发明并不限于上述特定实施方式。凡是在本发明权利要求的范围内做出的各种变化或修饰，都应涵盖在本发明的保护范围内。

Claims (8)

1.一种航迹规划算法的优化方法，其特征在于，包括：

S1、根据船舶的当前位置坐标、目标点的位置坐标，采用航迹规划算法获取进行航迹规划中的用于判断航路点的节点集合O和已经判断航路点的节点集合C；

S2、针对集合C中的每一个节点，采用Dijkstra迪杰斯特拉搜索方法获取每一个节点的目标边界框；

S3、在遍历集合C中的每一个节点的邻域搜索下一可行节点时，选取当前节点邻域内处于非障碍物区域且处于当前节点目标边界框内的节点作为下一可行节点；根据下一可行节点，对集合O更新来进行航路点的判断；

S4、遍历集合C，获取最终输出的航迹路线。

2.根据权利要求1所述的航迹规划算法的优化方法，其特征在于，步骤S1中，采用航迹规划算法获取进行航迹规划中的用于判断航路点的节点集合O和已经判断航路点的节点集合C，包括：

根据用于判断航路点的节点集合O和节点代价计算规则，选取集合O中代价最小的节点加入已经判断航路点的节点集合C。

3.根据权利要求2所述的航迹规划算法的优化方法，其特征在于，

所述节点代价计算规则为：F＝G+H，其中，F为节点的路径总代价，G为从船舶的起点到节点的路径耗费，H为从节点到船舶的终点的路径耗费。

4.根据权利要求3所述的航迹规划算法的优化方法，其特征在于，步骤S3中，根据下一可行节点，对集合O更新来进行航路点的判断，包括：

判断下一可行节点是否位于集合O中，如果是，以可行节点G值较小的路径为依据，更新可行节点的父节点、G值与F值，否则，将可行节点加入集合O中，并对该可行节点的父节点进行标记。

5.根据权利要求4所述的航迹规划算法的优化方法，其特征在于，步骤S4包括：

遍历集合C；

以船舶航行的终点为起始，沿着父节点逆向循迹，直至船舶航行的起点；

将逆向循迹的路径作为船舶航行起点至终点的最优路径，进行输出。

6.根据权利要求1所述的航迹规划算法的优化方法，其特征在于，步骤S1中还包括：

采用宽度优先搜索算法判断船舶的当前位置坐标和目标点的位置坐标是否在同一连通区；

如果在，采用航迹规划算法，获取集合O和集合C；

如果不在，重新设置船舶的当前位置坐标和目标点坐标。

7.根据权利要求1所述的航迹规划算法的优化方法，其特征在于，步骤S2中，采用Dijkstra搜索方法获取每一个节点的目标边界框，包括：

对节点进行无目的地Dijkstra搜索，获得节点每个搜索方向上Dijkstra搜索映射中的节点；

根据每个搜索方向上Dijkstra搜索映射中的节点的最小外接矩形，构建每个搜索方向边界框；

选取包含有船舶目标点的搜索方向边界框，作为当前节点的目标边界框。

8.根据权利要求1所述的航迹规划算法的优化方法，其特征在于，所述航迹规划算法包括A星算法、Dijkstra路径规划算法、最佳优先搜索算法、深度优先搜索算法、宽度优先搜索算法和跳点搜索算法等基于图形搜索空间寻点的路径规划算法。