CN112013866A - 一种基于智能导览***的路径规划方法 - Google Patents
一种基于智能导览***的路径规划方法 Download PDFInfo
- Publication number
- CN112013866A CN112013866A CN202010893050.2A CN202010893050A CN112013866A CN 112013866 A CN112013866 A CN 112013866A CN 202010893050 A CN202010893050 A CN 202010893050A CN 112013866 A CN112013866 A CN 112013866A
- Authority
- CN
- China
- Prior art keywords
- path
- point
- algorithm
- state
- search
- 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 49
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000009191 jumping Effects 0.000 claims description 9
- 230000004888 barrier function Effects 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种基于智能导览***的路径规划方法,采用了基于A*算法和人工势场的混合增强方法。所示的方法包括以下步骤:开始,建立所述区域的二维坐标图,确定起始点A和终止点B,并划分两条路径分别为A到B和B到A;采用A*算法分别对两条路径开始搜索;当在搜索过程中达到距离障碍物最小距离时,另行确定起始点和终止点采用人工势场法进行搜索;远离障碍物时从新计算新的起始点An和终止点B采用A*算法进行搜索;当两端的A*算法达到一个临界值的时候,从新定义起始点An和终止点Bm进行A*算法搜索,得到最终路径。本发明通过变更起始点和终止点使得计算过程中起始点和终止点距离不断缩小,从而得到参数一直保持在一个最新的状态,达到灵活和准确的目的。
Description
技术领域
本发明涉及景区导览***的路径规划技术领域。
背景技术
路径设计功能是智能导览***的重要功能之一。最优导览路径问题是在预先计划的景区道路收集上寻觅起点到终点之间的路径。它是基于最短路径分析的基本原理,其一直是计算机科学、地理信息科学、交通工程等领域的热门研究方向。最优路径不但指平常意义上的距离最短,而且可以用最经济的成本、最短的时间、最大的资金流和最高的路径利用率来衡量,不管实际问题的判断标准和约束条件怎样变化,实现的核心方法都称为最优路径算法。
目前A*算法是比较流行的启发式搜索算法之一,被广泛应用于路径优化领域。它的独特之处是检查最短路径中每个可能的节点时引入了全局信息,对当前节点距终点的距离做出估计,并作为评价该节点处于最短路线上的可能性的量度。
申请号CN202010182339.3的专利提供了一种基于A*优化算法的寻路方法,他首先确定起始点和目标的坐标,然后构建直线,在节点与障碍节点重合的地方调用A*算法优化路径。得到最终路径规划。
申请号CN201910690421.4的专利提供了一种基于变步长A*搜索的路径规划方法。它利用事先设置好的搜索模板,根据拓展点与障碍物之间的距离关系,自适应的从搜索模板中得到不同的拓展步长,从而降低A星算法的拓展节点个数,提高A星算法的计算效率,满足应用场景的实时性要求。
申请号CN201910494421.7的专利提供了一种基于A星算法的自动驾驶无人车双向动态路径规划方法。该方法时创建两个open列表和两个close列表,分别用于从起点向目标点方向使用A星算法搜索和从目标点向起点方向使用A星算法搜索;当两个open列表中出现相同节点时,表示找到了在当前地图环境下的最佳路径。
申请号CN201910820014.0的专利提供了一种基于A*算法和人工势场的无人车轨迹规划方法,首先将道路前方固定距离为a的所有栅格作为目标点,采用A*算法,进行轨迹规划,并基于多项式拟合方法平滑处理,得到多条期望轨迹,根据人工势场计算各轨迹的势场峰值和累积值,评价期望轨迹的安全性,根据各个期望轨迹的势场峰值和累积值,结合轨迹筛选函数选定最优轨迹。
申请号CN201811605978.5的专利公开了一种水质采样巡航船路径规划最优化方法。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。
但是现有的一些算法研究都锁定了起始点和目标点,并且在起算过程中起始点和目标点基本不发生变化。在实际规划过程中可能会造成一些规划路径中端不完善,或者无法规划当前路径的状况。所以在本发明提供了一种基于的A*和人工势场法的混合增强方法,它的核心在于在计算过程中不断的更新起始点和终止点,使得计算过程中起始点和终止点距离不断缩小,使得参数一直保持在一个最新的状态,达到灵活和准确的目的。并且能够在局部计算时更新终止点目标和缩短与目标的距离,优化避障过程。
发明内容:
为了解决现有智能导览***功能简单,路径规划方法不完备的问题,本发明提供了一种基于智能导览***的路径规划方法。本发明提供的基于智能导览***的路径规划有如下步骤:
第1步:建立所述区域的二维图,确定起始点A和终止点B,并化分两条路径分别为A到B和B到A;
第2步:采用A*算法分别对两条路径开始搜索。其中所述的A*算法的公式表达如下:
f(x)=g(x)+h(x)
其中,f(x)是从初始状态经由状态x到目标状态的代价估计,g(x)是在状态空间中从初始状态到状态x的实际代价,h(x)是从状态x到目标状态的最佳路径的估计代价;
第3步:计算两条路径搜索点是否为规定临界值d,如果不是进入第4步。如果是跳转第7步。所述的规定临界值d为当前两条搜索路径中An和Bm之间的预期最短路径;
第4步:计算当前在搜索过程中是否达到距离障碍物最小距离s,如果是进行第5步。如果不是直接跳转第6步。其中所述的搜索节点与障碍物之前的距离计算公式如下:
其中sn1为当前搜索点距离障碍物的距离,An1,An2为当前搜索节点的坐标,sn1,sn2为障碍物的坐标。
其次第二条搜索路径的距离公式计算如下:
其中sm1为当前搜索点距离障碍物的距离,Bm1,Bm2为当前搜索节点的坐标,sm1,sm2为障碍物的坐标;
第5步:重新规划新的起始点An和Bm或者是第二条路经的Bm和An采用人工势场法进行搜索,远离障碍物时从新计算新的起始点An(n从1开始)或者Bm。其中所述的人工势场法中势力和计算公式如下:
U(x)=Uatt(x)+Urep(x)
在上式中,x是移动源的坐标点,Uatt(x)是引力场,Urep(x)是斥力场,U(x)是势场和;
第6步:计算新的起始点An和终止点Bm采用A*算法进行搜索,完成后跳转至第3步;其中所述的A*算法的公式表达如下:
f(An)=g(An)+h(An)
其中,f(An)是从初始状态经由状态An到目标状态的代价估计,g(An)是在状态空间中从初始状态到状态An的实际代价,h(An)是从状态An到目标状态的最佳路径的估计代价;
第7步:得到An和Bm,采用A*算法计算An到Bm的路径;
第8步:整合搜索路径,得到全局路径规划。
附图说明:
图1为本发明的基于智能导览***的路径规划总流程框图;
图2为本发明的基于智能导览***的路径规划的改进A*算法流程图;
图3为本发明的基于智能导览***的路径规划的改进人工势场法的算法流程图。
具体实施方式:
下面结合附图和对本发明做进一步的描述。
图1为本发明的基于智能导览***的路径规划总流程框图;
图2为本发明的基于智能导览***的路径规划的改进A*算法流程图;
图3为本发明的基于智能导览***的路径规划的改进人工势场法的算法流程图。
如图1-3所述本发明的具体实施方式为:
为了解决现有智能导览***功能简单,路径规划方法不完备的问题,本发明提供了一种基于智能导览***的路径规划方法。本发明提供的基于智能导览***的路径规划有如下步骤:
第1步:建立所述区域的二维图,确定起始点A和终止点B,并化分两条路径分别为A到B和B到A;
第2步:采用A*算法分别对两条路径开始搜索。其中所述的A*算法的公式表达如下:
f(x)=g(x)+h(x)
其中,f(x)是从初始状态经由状态x到目标状态的代价估计,g(x)是在状态空间中从初始状态到状态x的实际代价,h(x)是从状态x到目标状态的最佳路径的估计代价;
第3步:计算两条路径搜索点是否为规定临界值d,如果不是进入第4步。如果是跳转第7步。所述的规定临界值d为当前两条搜索路径中An和Bm之间的预期最短路径;
第4步:计算当前在搜索过程中是否达到距离障碍物最小距离s,如果是进行第5步。如果不是直接跳转第6步。其中所述的搜索节点与障碍物之前的距离计算公式如下:
其中sn1为当前搜索点距离障碍物的距离,An1,An2为当前搜索节点的坐标,sn1,sn2为障碍物的坐标。
其次第二条搜索路径的距离公式计算如下:
其中sm1为当前搜索点距离障碍物的距离,Bm1,Bm2为当前搜索节点的坐标,sm1,sm2为障碍物的坐标;
第5步:重新规划新的起始点An和Bm或者是第二条路经的Bm和An采用人工势场法进行搜索,远离障碍物时从新计算新的起始点An(n从1开始)或者Bm。其中所述的人工势场法中势力和计算公式如下:
U(x)=Uatt(x)+Urep(x)
在上式中,x是移动源的坐标点,Uatt(x)是引力场,Urep(x)是斥力场,U(x)是势场和;
第6步:计算新的起始点An和终止点Bm采用A*算法进行搜索,完成后跳转至第3步;其中所述的A*算法的公式表达如下:
f(An)=g(An)+h(An)
其中,f(An)是从初始状态经由状态An到目标状态的代价估计,g(An)是在状态空间中从初始状态到状态An的实际代价,h(An)是从状态An到目标状态的最佳路径的估计代价;
第7步:得到An和Bm,采用A*算法计算An到Bm的路径;
第8步:整合搜索路径,得到全局路径规划。
Claims (7)
1.一种基于智能导览***的路径规划方法,其特征在于:所述的路径规划方法包括以下步骤:
第1步:建立所述区域的二维图,确定起始点A和终止点B,并化分两条路径分别为A到B和B到A;
第2步:采用A*算法分别对两条路径开始搜索。其中所述的A*算法的公式表达如下:
f(x)=g(x)+h(x)
其中,f(x)是从初始状态经由状态x到目标状态的代价估计,
g(x)是在状态空间中从初始状态到状态x的实际代价,
h(x)是从状态x到目标状态的最佳路径的估计代价。
第3步:计算两条路径搜索点是否为规定临界值d,如果不是进入第4步。如果是跳转第7步。所述的规定临界值d为当前两条搜索路径中An和Bm之间的预期最短路径;
第4步:计算当前在搜索过程中是否达到距离障碍物最小距离s,如果是进行第5步。如果不是直接跳转第6步。其中所述的搜索节点与障碍物之前的距离计算公式如下:
其中sn1为当前搜索点距离障碍物的距离,An1,An2为当前搜索节点的坐标,sn1,sn2为障碍物的坐标。
其次第二条搜索路径的距离公式计算如下:
其中sm1为当前搜索点距离障碍物的距离,Bm1,Bm2为当前搜索节点的坐标,sm1,sm2为障碍物的坐标。
第5步:重新规划新的起始点An和Bm或者是第二条路经的Bm和An采用人工势场法进行搜索,远离障碍物时从新计算新的起始点An(n从1开始)或者Bm。其中所述的人工势场法中势力和计算公式如下:
U(x)=Uatt(x)+Urep(x)
在上式中,x是移动源的坐标点,Uatt(x)是引力场,Urep(x)是斥力场,U(x)是势场和。
第6步:计算新的起始点An和终止点Bm采用A*算法进行搜索,完成后跳转至第3步;其中所述的A*算法的公式表达如下:
f(An)=g(An)+h(An)
其中,f(An)是从初始状态经由状态An到目标状态的代价估计,
g(An)是在状态空间中从初始状态到状态An的实际代价,
h(An)是从状态An到目标状态的最佳路径的估计代价。
第7步:得到An和Bm,采用A*算法计算An到Bm的路径;
第8步:整合搜索路径,得到全局路径规划。
2.根据权利要求1所述,建立所述区域的二维图形,并根据起始点A和终止点B规划两个路径。
3.根据权利要求1所述,将得到的两条路径分别采用A*算法进行搜索。
4.根据权利要求1所述,在搜索过程中如果距离障碍物达到临界距离s,则采用人工势场法进行搜索,搜索完毕后重新采用A*算法规划An到Bm的路径或Bm到An的路径。
5.根据权利要求1和权利要求4所述,进行人工势场法计算路径是所采用的起始点An和Bm或(Bm和An)都是即时更新的信息点。
6.根据权利要求1所述,在搜索过程中如果两条搜索路径的当前节点距离达到规定临界值s,则从新规划An到Bm(或Bm到An)的路径。
7.根据权利要求1和权利要求6所述,采用A*算法其中的An和Bm都是即时更新的信息点数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010893050.2A CN112013866A (zh) | 2020-08-31 | 2020-08-31 | 一种基于智能导览***的路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010893050.2A CN112013866A (zh) | 2020-08-31 | 2020-08-31 | 一种基于智能导览***的路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112013866A true CN112013866A (zh) | 2020-12-01 |
Family
ID=73503928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010893050.2A Pending CN112013866A (zh) | 2020-08-31 | 2020-08-31 | 一种基于智能导览***的路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112013866A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6574554B1 (en) * | 2001-12-11 | 2003-06-03 | Garmin Ltd. | System and method for calculating a navigation route based on non-contiguous cartographic map databases |
US20100010952A1 (en) * | 2008-07-10 | 2010-01-14 | Palo Alto Research Center Incorporated | Methods and systems for target value path identification |
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 |
WO2017173990A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
CN108762264A (zh) * | 2018-05-22 | 2018-11-06 | 重庆邮电大学 | 基于人工势场与滚动窗口的机器人的动态避障方法 |
CN108896052A (zh) * | 2018-09-20 | 2018-11-27 | 鲁东大学 | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 |
CN109508016A (zh) * | 2018-12-26 | 2019-03-22 | 北京工商大学 | 水质采样巡航船路径规划最优化方法 |
CN109945873A (zh) * | 2019-04-04 | 2019-06-28 | 东南大学 | 一种用于室内移动机器人运动控制的混合路径规划方法 |
CN110220528A (zh) * | 2019-06-10 | 2019-09-10 | 福州大学 | 一种基于a星算法的自动驾驶无人车双向动态路径规划方法 |
CN110487290A (zh) * | 2019-07-29 | 2019-11-22 | 中国人民解放军军事科学院国防科技创新研究院 | 基于变步长a星搜索的无人驾驶汽车局部路径规划方法 |
EP3571684A1 (en) * | 2017-02-24 | 2019-11-27 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for providing a navigation route |
CN110553660A (zh) * | 2019-08-31 | 2019-12-10 | 武汉理工大学 | 一种基于a*算法和人工势场的无人车轨迹规划方法 |
-
2020
- 2020-08-31 CN CN202010893050.2A patent/CN112013866A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6574554B1 (en) * | 2001-12-11 | 2003-06-03 | Garmin Ltd. | System and method for calculating a navigation route based on non-contiguous cartographic map databases |
US20100010952A1 (en) * | 2008-07-10 | 2010-01-14 | Palo Alto Research Center Incorporated | Methods and systems for target value path identification |
WO2017173990A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京进化者机器人科技有限公司 | 一种机器人避障中的最短路径规划方法 |
EP3571684A1 (en) * | 2017-02-24 | 2019-11-27 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for providing a navigation route |
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 |
CN108762264A (zh) * | 2018-05-22 | 2018-11-06 | 重庆邮电大学 | 基于人工势场与滚动窗口的机器人的动态避障方法 |
CN108896052A (zh) * | 2018-09-20 | 2018-11-27 | 鲁东大学 | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 |
CN109508016A (zh) * | 2018-12-26 | 2019-03-22 | 北京工商大学 | 水质采样巡航船路径规划最优化方法 |
CN109945873A (zh) * | 2019-04-04 | 2019-06-28 | 东南大学 | 一种用于室内移动机器人运动控制的混合路径规划方法 |
CN110220528A (zh) * | 2019-06-10 | 2019-09-10 | 福州大学 | 一种基于a星算法的自动驾驶无人车双向动态路径规划方法 |
CN110487290A (zh) * | 2019-07-29 | 2019-11-22 | 中国人民解放军军事科学院国防科技创新研究院 | 基于变步长a星搜索的无人驾驶汽车局部路径规划方法 |
CN110553660A (zh) * | 2019-08-31 | 2019-12-10 | 武汉理工大学 | 一种基于a*算法和人工势场的无人车轨迹规划方法 |
Non-Patent Citations (4)
Title |
---|
LIANG X ET AL.: "A geometrical path planning method for unmanned aerial vehicle in 2D/3D complex environment" * |
任玉洁 等: "基于平滑A*人工势场法的机器人动态路径规划" * |
吴鹏,等: "基于改进A*算法的移动机器人路径规划研究" * |
林娜,等: "基于双向A*算法的城市无人机航路规划" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111857160B (zh) | 一种无人车路径规划方法和装置 | |
CN106225791B (zh) | 一种基于网格划分的gps定位与道路匹配方法 | |
CN109405839B (zh) | 一种基于多路径的交通网络离线地图匹配算法 | |
US10802492B2 (en) | Vehicle path identification | |
CN111830979B (zh) | 一种轨迹优化方法和装置 | |
CN109900289B (zh) | 基于闭环控制的路径规划方法及装置 | |
CN108827335B (zh) | 一种基于单向搜索模型的最短路径规划方法 | |
CN109916421B (zh) | 路径规划方法及装置 | |
CN109213153B (zh) | 一种车辆自动驾驶方法及电子设备 | |
JP2021524018A (ja) | 駐車ルートを生成する方法およびシステム | |
JP2020516880A (ja) | ポリゴンにおける中間点を低減する方法および装置 | |
CN112394725B (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
CN107917716B (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
CN113741453B (zh) | 一种非结构化环境的路径规划方法、装置、设备和介质 | |
CN110285817B (zh) | 基于自适应d-s证据理论的复杂路网地图匹配方法 | |
CN112344947A (zh) | 地图匹配方法、装置、电子设备和计算机可读存储介质 | |
CN104966129A (zh) | 一种车辆运行轨迹的分离方法 | |
CN114543815B (zh) | 基于基因调控网络的多智能体导航控制方法、设备及介质 | |
CN114593739B (zh) | 基于视觉检测与参考线匹配的车辆全局定位方法及装置 | |
CN111337047B (zh) | 基于多任务点约束的非结构化道路宏观路径规划方法 | |
KR101878617B1 (ko) | 궤적 데이터 처리 방법 및 궤적 데이터 처리 시스템 | |
CN109523781A (zh) | 一种基于卫星定位的路口预测方法 | |
CN109238270A (zh) | 基于改进的a星算法的智能导航方法 | |
CN113515111A (zh) | 一种车辆避障路径规划方法及装置 | |
CN109307513B (zh) | 一种基于行车记录的实时道路匹配方法及*** |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201201 |
|
WD01 | Invention patent application deemed withdrawn after publication |