CN113447029B - 一种基于大型卫星地图的安全路径搜索方法 - Google Patents

一种基于大型卫星地图的安全路径搜索方法 Download PDF

Info

Publication number
CN113447029B
CN113447029B CN202111008032.2A CN202111008032A CN113447029B CN 113447029 B CN113447029 B CN 113447029B CN 202111008032 A CN202111008032 A CN 202111008032A CN 113447029 B CN113447029 B CN 113447029B
Authority
CN
China
Prior art keywords
path
point
map
starting point
area
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.)
Active
Application number
CN202111008032.2A
Other languages
English (en)
Other versions
CN113447029A (zh
Inventor
甘胜丰
周宜新
雷维新
段凯漩
罗德纯
罗德龙
赖林熙
郭海强
严可达
余良俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Bawei Shikong Information Technology Co ltd
Nanchang Institute of Technology
Hubei University of Education
Original Assignee
Wuhan Bawei Shikong Information Technology Co ltd
Nanchang Institute of Technology
Hubei University of Education
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Bawei Shikong Information Technology Co ltd, Nanchang Institute of Technology, Hubei University of Education filed Critical Wuhan Bawei Shikong Information Technology Co ltd
Priority to CN202111008032.2A priority Critical patent/CN113447029B/zh
Publication of CN113447029A publication Critical patent/CN113447029A/zh
Application granted granted Critical
Publication of CN113447029B publication Critical patent/CN113447029B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/20—Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供了一种基于大型卫星地图的安全路径搜索方法，包括：获取地图并预处理，得到安全区域、障碍区域、可走区域；将起、终点坐标转换为网格坐标；判断起点终点连通性；障碍物膨胀；地图缩小；计算需要经过的安全区域；求安全区域的入口以及出口；使用JSP算法求分段路径后累加；路径放大以及调整；使用A*算法求所有的路径点；根据网格坐标转换成地理坐标。本发明的有益效果是：低空无人机飞行的时候传统方法均未考虑到起点到终点时的安全问题，本方法发掘安全区域，并让路径越多经过安全区域比直接从起点到终点更有益。算法特地增加了对全路径安全性指标的判断，于其他方法比较，路径安全性指标更高。

Description

一种基于大型卫星地图的安全路径搜索方法
技术领域
本发明涉及卫星地图处理领域，尤其涉及一种基于大型卫星地图的安全路径搜索方法。
背景技术
路径规划应用十分广泛。在机器人上，主要用于机器人的无碰撞运动。而在无人机和无人车上，主要用于无人机的避障飞行和无人车的安全驾驶。而在军事方面上，路径规划甚至也可以应用在导弹拦截上。而在日常生活中，路径规划主要应用在一些导航软件上帮助的日常出行。目前路径规划的常用算法主要有迪杰斯特拉算法，A*算法，JPS算法（跳点搜索算法）等等，这些算法虽然可以找到最短路径，但是在规划大型复杂地图路径中依然存在着一些弊病，例如运行时间过长和安全性不高。
发明内容
为解决以上技术问题，本发明提供的一种基于大型卫星地图的安全路径搜索方法，具体包括以下：
S101：获取卫星地图，并对卫星地图预处理，得到预处理后的地图；预处理后的地图被分为：安全区域、障碍区域、可走区域；
S102：将预处理后的地图的起点和终点坐标由地理坐标转换为网格坐标；
S103：根据起点和终点的网格坐标判断起点终点的连通性，若起点与终点不连通，则结束路径求解；否则，进入步骤S104；
S104：进行障碍物膨胀，使卫星地图边界向外部扩张；
S105：缩小地图，根据卫星地图障碍物之间的最短距离确定缩放倍数scaling_number，并根据缩放倍数，采用双三次插值法缩小卫星地图，得到缩放后的地图；
S106：对缩放后的地图安全区域进行编号；
S107：引入安全系数函数s(x,y)，筛选计算需要经过的安全区域；
S108：根据代价函数f(x,y)求经过安全区域的入口以及出口；
S109：根据安全区域的入口及出口、需要经过的安全区域，采用JPS算法分段规划路径后进行累加；
S110：将规划得到的路径进行放大，得到初始地图的路径，并对初始地图路径的路径点进行调整筛选；
S111：采用A*算法对调整后的离散路径点进行扩充，得到调整后离散路径点两两之间的所有路径点；
S112：将所有路径点从网格坐标转换为地理坐标，得到最终的规划路径。
本发明提供的有益效果是：
1.本发明引入了起点和终点的连通性，解决了当起点和终点不连通的情况下进行规划路径将会耗费大量的时间以及无有效结果的情况。
2.本发明引入了地图的缩放，解决了算法进行大型卫星地图路径规划所消耗时间过多的情况。
3.本发明引入安全系数和安全区域，解决了算法所规划的路径安全性不高的情况。
附图说明
图1是本发明一种基于大型卫星地图的安全路径搜索方法的流程图；
图2是导入地图并预处理流程图；
图3是地理坐标转换成网格坐标流程图；
图4是判断起点终点连通性流程示意图；
图5是障碍物膨胀流程图；
图6是求缩放距离流程图；
图7是计算需要经过的安全区域流程图；
图8是求安全区域入口以及出口流程图；
图9是初始JPS算法流程图；
图10是路径调整流程图；
图11是初始A*算法流程图；
图12是获取的卫星地图经过处理后的示意图；
图13是A*算法规划路径结果；
图14是JPS算法规划路径结果；
图15是本发明方法规划路径结果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
请参考图1，一种基于大型卫星地图的安全路径搜索方法，包括以下：
S101：获取卫星地图，并对卫星地图预处理，得到预处理后的地图；预处理后的地图被分为：安全区域、障碍区域、可走区域；
请参考图2，图2为本发明对地图预处理流程图；
获取卫星地图，并进行截取，通过消除图像色调和饱和度信息同时保留亮度实现将RGB图像转换为灰度图像。
作为一种实施例，本发明筛选灰度值在区间（50,200）之间的网格，筛选得到的网格就是安全区域的网格（即G(x,y)=2）。另外灰度值值在区间[0,50]之间的网格为障碍网格（即G(x,y)=0），灰度值在区间[200,255]之间的网格为普通可走网格（即G(x,y)=1）。
举例说明：获取到的百度地图运用人工智能识别将一些可以降低无人机掉落伤害的安全区域（如草地和树木）记为W 1，并在图片中进行标记，即G(x 1 ,y 1 )=2,其中点(x 1 ,y 1 )为坐标集合W 1中的点。
S102：将预处理后的地图的起点和终点坐标由地理坐标转换为网格坐标；
根据截取地图左边的经度longitude_left和地图右边的经度longitude_right以及地图的宽width计算出每个网格对应的经度longitude_unit和纬度dimensionality_ unit。
根据经度和纬度计算出起点在图G中的网格坐标(x start ,y start )和终点在图G（即截取后的卫星地图）中的网格坐标(x target ,y target )；
请参考图3，图3是地理坐标与网格坐标转换流程示意图；
计算出起点的网格坐标为：
Figure 894222DEST_PATH_IMAGE001
同理得到终点的网格坐标为：
Figure 811363DEST_PATH_IMAGE003
。
其中，longitude_left为截取的地图左边的经度，longitude_unit为网格对应的经度，longitude_start为起点的经度，longitude_target为终点的经度；dimensionality_ up为截取的地图上边的纬度，dimensionality_unit为网格对应的纬度，dimensionality_ start为起点的纬度，dimensionality_target为终点的纬度。
S103：根据起点和终点的网格坐标判断起点终点的连通性，若起点与终点不连通，则结束路径求解；否则，进入步骤S104；
因为如果在起点终点不连通的情况下依然去做路径规划的话，会浪费大量的时间而且得不到解。
本发明中请参考图4，图4是判断起点终点连通性示意图；
步骤S103中判断起点与终点连通性的具体过程为：
S201：将起点与终点以图的方式进行线性连接，得到线段路径；
S202：计算障碍物的整体边界线；
S203：计算线段路径与障碍物整体边界线的交界点；
S204：判断交界点数量是否大于0，若是，则将每个交界点沿边界线进行配对，进入步骤S205；否则，表示起点与终点连通；
S205：判断是否配对成功，若是，则删除配对成功的点，返回步骤S204；否则表示起点与终点不连通；
关于起点终点连通性的判断，采用大型栅格地图两点之间连通性检测方法，这里非本申请重点内容，不作过多介绍。
S104：进行障碍物膨胀，使卫星地图边界向外部扩张；
膨胀是将与物体接触的全部背景点合并到该物体中，使边界向外部扩张的过程，目的是为了使规划的路径远离建筑物，提高无人机的安全性。其定义是：把结构元素b i 平移a后得到b i+a ，若b i+a 击中初始障碍物b，记下这个a点。全部满足上述条件的a点组成的集合称做始障碍物b被膨胀的结果。
本发明中，膨胀障碍物的流程请参考图5所示；图5部分内容，在采用大型栅格地图两点之间连通性检测方法中，也有相应记载，非本申请重点内容，不作过多介绍。
S105：缩小地图：根据卫星地图障碍物之间的最短距离确定缩放倍数scaling_ number，并根据缩放倍数，采用双三次插值法缩小卫星地图，得到缩放后的地图；
本发明中，缩放倍数应该要适中，不能过大，也不可以太小。为了减小缩放倍数对地图的影响，本发明中，根据两两障碍物之间的最短距离确定缩放倍数scaling_number。
为了减小缩放倍数对地图的影响，先定义最大缩放距离scaling_distance：
假设地图中存在障碍物barrier 1 ,barrier 2 ,...,barrier n ，各障碍物中的点的集合分别为I 1 ,I 2 ,I 3 ,...,I n ，那么从中任选两个不同集合，各个点之间的欧几里得距离构成的集合为Zoom_Distance，所以最大缩放距离scaling_distance为min(Zoom_Distance)。请参考图6，图6是求缩放距离流程图；
求最大缩放距离scaling_distance：
1.首先求所有障碍物的边缘部分，并且障碍物的数量为num；
2.设置i的初值为1，scaling_distance为无穷大；
3.如果i的值小于等于num-1，那么直接返回scaling_distance；
4.设置j的初值为i+1；
5.如果j的值小于等于num，那么找到第i个障碍物和第j个障碍物中的所有点的集合，分别为p i 和p j ，其中点的个数分别为size_p i ，size_p j ；否则i=i+1后，返回步骤3；
6.设置m的初值为1；
7.如果m的值小于等于size_p i ，继续往下执行。否则执行j=j+1后，返回步骤5；
8.设置n的初值为1；
9.如果n的值小于等于size_p j ，求出p i 中第m个点p im 到p j 中第n个点p jn 两点之间的距离distance；否则执行m=m+1后，返回步骤7；
10.如果distance<scaling_distance，那么将distance的值赋给scaling_ distance；
11.n=n+1后返回步骤9。
之后定义
Figure 778051DEST_PATH_IMAGE004
和
Figure 173260DEST_PATH_IMAGE005
为构成最大缩放距离的两点的横坐标差与纵坐标差，存在关系
Figure 925315DEST_PATH_IMAGE006
。所以缩放倍数scaling_number为：
Figure 747778DEST_PATH_IMAGE007
。
最终，在本发明实施例中，
Figure 14811DEST_PATH_IMAGE004
和
Figure 397732DEST_PATH_IMAGE005
由所有的两两障碍物之间的最短距离（也就是所有两两障碍物之间的最短线段所构成的集合中的最短线段）的端点(x sega ,y sega )和点(x segb ,y segb )坐标之差构成，具体为：
Figure 66611DEST_PATH_IMAGE008
确定完缩放倍数后，再对地图使用双三次插值法进行缩放。双三次插值通过下式进行计算：
Figure 997658DEST_PATH_IMAGE009
或者用一种更加紧凑的格式：
Figure 751987DEST_PATH_IMAGE010
；其中，a ij 为双三次插值法通用表示形式的参数项，这里非本发明重点内容，仅作基本阐述。
S106：对缩放后的地图安全区域进行编号；
本发明中，缩放完之后，对安全区域根据八连通进行编号。假设地图内有n个安全区域，那么2<=G(x,y)<=n+1表示第1个安全区域到第n个安全区域对应的值。也就是第1个安全区域的值为2，第n个安全区域的值为n+1。
S107：引入安全系数函数s(x,y)，筛选计算需要经过的安全区域；
本发明的筛选方法是筛选掉起点(x start ,y start )和终点(x target ,y target )进构成矩形范围外的安全区域。之后再定义安全系数函数s(x,y)为：
Figure 488999DEST_PATH_IMAGE012
其中a(x,y)、b(x,y)、c(x,y)、d(x,y)、e(x,y)各为一部分评价函数，A,B,C,D,E分别为各部分评价函数的系数，且满足
Figure 199335DEST_PATH_IMAGE013
。
经过一轮比较后，选出第一个必须经过的安全区域i，之后，将起点坐标(x start ,y start )替换成所选安全区域i与起点距离最近的点(x nsi ,y nsi )，继续进行下一轮的比较，直到所有安全区域筛选完毕。
请参考图7，图7是计算需要经过安全区域的流程图；
流程如下：
1.得到起点(x s ,y s )，终点(x t ,y t )，以及安全区域的个数n；初始化s的值为无穷大，经过的安全区域through为空矩阵，下一个要经过的安全区域cnt为0，并且计算所有安全区域的质心；
2.得到起点终点中横坐标的最小值x min ，横坐标最大值x max ，纵坐标最小值y min ，纵坐标最大值y max ；
3.初始化i的值为1；
4.如果i的值小于n，执行步骤5，否则执行步骤8；
5.如果第i个安全区域质心的横坐标x i 大于x min 小于x max ，并且纵坐标y i 大于y min 小于y max ，那么计算得到第i个安全区域的安全系数s i ；否则执行步骤6；
6.i=i+1后返回步骤4；
7.如果s i <s，那么s=s i ，cnt=i后在返回步骤6，否则直接返回步骤6
8.如果cnt等于0，那么through矩阵中添加一个元素cnt，否则直接返回矩阵through；
9.第cnt个安全区域中最靠近起点的点替换为起点。
对于第一部分评价函数a(x,y)，求解过程如下：
先定义一个质心距离centroid_distance，假设当前安全区域质心位置为(x i ,y i )，起点的位置为(x start ,y start )，终点的位置为(x target ,y target )，所以起点终点构成直线
Figure 629179DEST_PATH_IMAGE014
，并且求出直线L st 的斜率
Figure 808488DEST_PATH_IMAGE015
，所以经过起点(x start ,y start )垂直于直线L st 的直线
Figure 83611DEST_PATH_IMAGE016
，同理得到经过终点(x target ,y target )垂直于直线L st 的直线为
Figure 727082DEST_PATH_IMAGE017
。假设起点(x start ,y start )到终点(x target ,y target )的距离为d st ，当前安全区域质心点(x i ,y i )到直线L st 的距离为d sit ，到直线L 1 的距离为d 1 ，到直线L 2 的距离为d 2 ，所以当前安全区域质心距离centroid_distance i 为：
Figure 249200DEST_PATH_IMAGE019
之后设所有安全区域的质心距离centroid_distance构成集合Area_Distance，所以当前安全区域的第一部分评价函数a(x,y)为：
Figure 978121DEST_PATH_IMAGE020
。
对于第二部分评价函数b(x,y)，求解过程如下：
假设当前所选安全区域的面积为area i ，并且所有安全区域的面积构成的集合为Dimension，所以当前安全区域的第二部分评价函数b(x,y)为：
Figure 994619DEST_PATH_IMAGE021
。
对于第三部分评价函数c(x,y)，求解过程如下：
假设当前安全区域距离起点最近的点的坐标为(x nsi ,y nsi )，距离终点最近的点坐标为(x nti ,y nti )，则当前所选安全区域到起点的距离
Figure 492596DEST_PATH_IMAGE022
,到终点的距离
Figure 264243DEST_PATH_IMAGE023
,所以当前安全区域的第三部分评价函数c(x,y)为：
Figure 401832DEST_PATH_IMAGE024
。
对于第四部分评价函数d(x,y)，求解过程如下：
假设用当前所选的安全区域中的点的坐标拟合的直线line ci 的斜率为k di ，那么直线line i 与直线L st 夹角
Figure 284338DEST_PATH_IMAGE025
的正弦值为：
Figure 574505DEST_PATH_IMAGE026
所以第四部分评价函数
Figure 517053DEST_PATH_IMAGE027
。
对于第五部分评价函数e(x,y)，求解过程如下：
e(x,y)和d(x,y)有一点相似，改动是把所选安全区域中的点的坐标拟合的直线的斜率换成了起点(x start ,y start )与质心点(x i ,y i )构成直线line di 的斜率k si ，所以
Figure 954987DEST_PATH_IMAGE028
，那么e(x,y)为：
Figure 565485DEST_PATH_IMAGE029
。
S108：根据代价函数f(x,y)求经过安全区域的入口以及出口；
定义代价函数f(x,y)。对于安全区域i和安全区域j，只需要找到各安全区域中的一个点，假设分别为(x i ,y i )和(x j ,y j )，使得f(x,y) ij 的值最小，那么(x i ,y i )和(x j ,y j )分别就是安全区域i的出口和安全区域j的入口。这样，即找到了所有安全区域的入口和出口。
其中f(x,y) ij 表示安全区域i到安全区域j的代价函数。
本发明实施例中，请参考图8，图8是求安全区域入口及出口流程图；流程如下：
1.得到安全区域的边缘部分，并且需要经过安全区域的个数为cnt_safearea，初始化所有入口和出口entrance为空矩阵；
2.初始化i的值为1；
3.如果i小于等于cnt_safearea，得到第i个并经安全区域中的点的个数为n，并且初始化代价cost为无穷大；否则返回矩阵entrance；
4.如果i等于1或者i等于n，执行步骤5，否则，执行步骤11；
5.初始化a的值为1；
6.如果a小于n，执行步骤7并且否则执行步骤10；
7.如果i=1那么计算起点到第i个必经安全区域中的第a个点I a 的代价为tempcost，如果i=n那么计算终点到第i个必经安全区域中的第a个点I a 的代价为tempcost；
8.如果tempcost小于cost，设置点point为点I a 后执行步骤8，否则，直接执行步骤8；
9.a=a+1后返回步骤6；
10.i=i+1后entrance矩阵中追加点point1和point2；
11.得到第i+1个必经安全区域中点的个数m，初始化a的值为1；
12.如果a小于n，那么初始化b的值为1，否则i=i+1后entrance矩阵中追加点point返回步骤3；
13.如果b小于等于m，计算必经的第i个安全区域中的第a个点I a 到必经的第i+1个安全区域中的第b个点(I+1)b的代价tempcost，否则执行a=a+1后返回步骤12；
14.如果tempcost小于cost，设置点point1为Ia，point2为(I+1)b后执行步骤15，否则直接执行步骤15；
15.b=b+1后返回步骤13。
定义代价函数f(x,y)。假设起点的网格坐标为(x start ,y start )，终点的网格坐标为(x target ,y target )，那么起点终点构成线段LS st 经过的网格的坐标为(x g1 ,y g1 ),(x g2 ,y g2 ),...,(x gq ,y gq )，其中有m个网格表示障碍网格，n个网格表示普通可走网格，p个网格表示吸引网格，则起点(x start ,y start )到终点(x target ,y target )的代价
Figure 38054DEST_PATH_IMAGE030
。
S109：根据安全区域的入口及出口、需要经过的安全区域，采用JPS算法分段规划路径后进行累加；
请参考图9，图9是初始JPS算法流程图；该部分为基本的JPS算法路径累加，为现有技术，非本申请重点，不作过多介绍。
S110：将规划得到的路径进行放大，得到初始地图的路径，并对初始地图路径的路径点进行调整筛选；
由于路径是通过缩小后的地图得到的，但实际上对有用的路径应该是通过初始地图的到的路径，所以要对路径点进行放大。通过初始路径点*缩放倍数=放大路径点，得到放大路径PATH中的路径点为(x pa1 ,y pa1 )，(x pa2 ,y pa2 )，(x pa3 ,y pa3 )，...，(x pan ,y pan )；
但是得到放大路径PATH后，并不是所有的路径点都是满足要求的，少部分路径点仍然存在问题，所以要对路径点进行调整。
请参考图10，图10是路径调整流程图；流程如下：
1.得到初始路径为IM，第i个路径点的坐标为(x mi ,y mi )，总共的路径点的个数为n，并且当前路径IM对应的是缩小后的地图g中位置；放大的路径为PATH，第i个路径点的坐标为(x pi ,y pi )，并且当前路径PATH对应的是缩小钱的地图G中的位置；定义number为缩放倍数与安全距离之和；
2.初始化i的值为1；
3.如果i小于等于n，执行步骤4，否则路径调整完毕，函数停止；
4.如果g(x mi ,y mi )的值等于G(x pi ,y pi )，执行步骤5；否则初始化distance为无穷大，a的值为x pi -number后执行步骤6；
5.i=i+1后返回步骤3；
6.如果a小于等于x pi +number，那么初始化b的值为y pi -number后执行步骤8，否则执行步骤7；
7.[x pi ,y pi ]等于point后返回步骤5；
8.如果b的值小于等于y pi +number，那么执行步骤10，否则执行步骤9；
9.a=a+1后执行步骤6；
10.如果g(x mi ,y mi )=G(a,b)，那么计算点(a,b)到点(x pi ,y pi )的距离temp_distance后执行步骤12，否则执行步骤11；
11.b=b+1后返回步骤8；
12.如果temp_distance小于distance，那么point等于[a,b]，distance=temp_ distance后执行步骤11，否则直接执行步骤11。
在本发明实施例中，放大及调整的具体措施如下：
路径放大：初始路径IM中的路径点为，(x im1 ,y im1 ),(x im2 ,y im2 ),(x im3 ,y im3 ),...(x imn ,y imn )通过初始路径点*缩放倍数=放大路径点，得到放大路径PATH中的路径点为(x pa1 , y pa1 )，(x pa2 ,y pa2 )，(x pa3 ,y pa3 )，...，(x pan ,y pan )，所以放大路径点满足x pai =x imi *scaling_ number,y pai =y imi *scaling_number。其中1<=i<=n，scaling_number为缩放倍数。
路径调整：若放大路径PATH中的路径点(x paj ,y paj )不符合要求，假设以当前路径点为圆心，以scaling_number+safe_distance为半径内满足要求的点到点(x paj ,y paj )的距离构成的集合为D j ，路径点(x paj ,y paj )经过调整后得到点(x ajj ,y ajj )，那么会有点(x paj ,y paj )到点(x ajj ,y ajj )的距离distance j =min(D j )。其中，不符合要求的路径点就是障碍点（不可走），满足要求的就是非障碍点（可走），其中又包括安全区域内的点和普通的点。
S111：采用A*算法对调整后的离散路径点进行扩充，得到调整后离散路径点两两之间的所有路径点；
请参考图11，图11是初始A*算法流程图；
因为放大之后原来相邻的路径点在大地图上就有空隙了，也就是没有中间的路径，随后用传统的A*算法求得中间的路径，该部分非本申请重点内容，故不作过多介绍。
S112：将所有路径点从网格坐标转换为地理坐标，得到最终的规划路径。
本发明实施例中，假设当前的网格坐标为(x pai ,y pai )，那么经过转换后，当前的网格转换成地理坐标(longitude loi ,dimensionality loi )的公式为：
longitude loi =longitude_left+(y pai -1)*longitude_unit；
dimensionality loi =dismensionality_up-(x pai -1)*dimensionality_unit。
为了更加直观的体现算法规划路径安全性，将定义一个安全准则为评判标准，从而去判断路径的安全性。安全准则为：
Figure 151504DEST_PATH_IMAGE032
其中最短路径的网格数量由最短路径规划算法得出。其中
Figure DEST_PATH_IMAGE033
，
Figure 14418DEST_PATH_IMAGE034
为预设值；在本发明中取1；
当地图大小为1152*648，原图如图12所示，图12是获取的卫星地图经过处理后的示意图；其中，白色区域为普通可走区域，灰色较浅区域为不可走障碍区域，灰色较深区域为可走安全区域。
算法的运行时间、安全准则值、安全网格占比以及路径总长比较如下表1；
表1 算法结果对照表
Figure DEST_PATH_IMAGE035
请参考图13-图15；
A*算法规划路径结果如图13所示；
JPS算法规划路径结果如图14所示；
本发明方法规划路径结果如图15所示。图13-图15中的区域划分规则同图12一样，但图13-15中黑色区域未对应算法规划的路径。另外，需要特别说明的是，图12-图15仅为示意图，虽然在本申请中有记载“黑色即为障碍区域、白色即为可走区域、灰色即为安全区域”，而在图12描述部分出现，表述中，出现“其中，白色区域为普通可走区域，灰色较浅区域为不可走障碍区域，灰色较深区域为可走安全区域”，这里并不矛盾，图12-15为示意图，图12-15描述部分仅针对图12-图15本身而言；
领域内技术人员在具体实现时，可将障碍区域，可走区域、安全区域以更多不同的形式进行划分，在本申请中，不过多作以限定，仅为区分三个区域而使用。
低空无人机飞行的时候传统方法均未考虑到起点到终点时的安全问题，本方法发掘安全区域，并让路径越多经过安全区域比直接从起点到终点更有益。算法特地增加了对全路径安全性指标的判断，于其他方法比较，路径安全性指标更高。
本发明的有益效果是：
1.本发明引入了起点和终点的连通性，解决了当起点和终点不连通的情况下进行规划路径将会耗费大量的时间以及无有效结果的情况。
2.本发明引入了地图的缩放，解决了算法进行大型卫星地图路径规划所消耗时间过多的情况。
3.本发明引入安全系数和安全区域，解决了算法所规划的路径安全性不高的情况。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于大型卫星地图的安全路径搜索方法，其特征在于：包括：
S101：获取卫星地图，并对卫星地图预处理，得到预处理后的地图；预处理后的地图被分为：安全区域、障碍区域、可走区域；
S102：将预处理后的地图的起点和终点坐标由地理坐标转换为网格坐标；
S103：根据起点和终点的网格坐标判断起点终点的连通性，若起点与终点不连通，则结束路径求解；否则，进入步骤S104；
S104：进行障碍物膨胀，使卫星地图边界向外部扩张；
S105：缩小地图，根据卫星地图障碍物之间的最短距离确定缩放倍数scaling_number，并根据缩放倍数，采用双三次插值法缩小卫星地图，得到缩放后的地图；
S106：对缩放后的地图安全区域进行编号；
S107：引入安全系数函数s(x,y)，筛选计算需要经过的安全区域；
S108：根据代价函数f(x,y)求经过安全区域的入口以及出口；
S109：根据安全区域的入口及出口、需要经过的安全区域，采用JPS算法分段规划路径后进行累加；
S110：将规划得到的路径进行放大，得到初始地图的路径，并对初始地图路径的路径点进行调整筛选；
S111：采用A*算法对调整后的离散路径点进行扩充，得到调整后离散路径点两两之间的所有路径点；
S112：将所有路径点从网格坐标转换为地理坐标，得到最终的规划路径；
步骤S107的具体过程为：
S301：根据起点(x start ,y start )和终点(x target ,y target )构建一个矩形；
S302：去除矩形以外的安全区域，在矩形区域内，构建安全系数函数s(x,y)如下：
Figure 145392DEST_PATH_IMAGE001
其中，a(x,y)、b(x,y)、c(x,y)、d(x,y)、e(x,y)各为一部分评价函数，A、B、C、D、E为各部分评价函数的系数，且满足0<A、B、C、D、E<1,A+B+C+D+E=1；
S303：经过一轮比较，得到第一个必须经过的安全区域i，并将起点坐标(x start ,ystart)替换为安全区域i与起点距离最近的点(x nsi ,y nsi ),随后进行下一轮比较，直至矩形范围内所有的安全区域筛选完毕；
步骤S302中，各部分评价函数具体为：
Figure 342018DEST_PATH_IMAGE002
，其中centroid_distance i 为当前安全区域i的质心距离；Area_Distance为所有安全区域的质心距离构成的集合；
Figure 830768DEST_PATH_IMAGE004
，其中起点(x start ,y start )到终点(x target ,y target )的距离为d st ，当前安全区域质心点(x i ,y i )到直线L st 的距离为d sit ，到直线L 1 的距离为d 1 ，到直线L 2 的距离为d 2 ；其中，直线L 1 为经过起点(x start ,y start )垂直于直线L st 的直线、直线L 2 为经过终点(x target ,y target )垂直于直线L st 的直线；直线L st 为起点到终点构成的直线；
Figure 302201DEST_PATH_IMAGE005
，其中area i 为当前安全区域i的面积；Dimension为所有安全区域面积构成的集合；
Figure 294428DEST_PATH_IMAGE006
，其中当前安全区域距离起点最近的点的坐标为(x nsi ,y nsi )，距离终点最近的点坐标为(x nti ,y nti )，当前所选安全区域到起点的距离
Figure 458693DEST_PATH_IMAGE007
,到终点的距离
Figure 434739DEST_PATH_IMAGE008
；
Figure 178704DEST_PATH_IMAGE009
，其中
Figure 556596DEST_PATH_IMAGE010
，当前所选的安全区域中的点的坐标拟合的直线line ci 的斜率为k di ，
Figure 357674DEST_PATH_IMAGE011
；
Figure 821017DEST_PATH_IMAGE012
，其中起点(x start ,y start )与质心点(x i ,y i )构成直线line di 的斜率
Figure 368673DEST_PATH_IMAGE013
。
2.如权利要求1所述的一种基于大型卫星地图的安全路径搜索方法，其特征在于：步骤S101具体为：
获取初始卫星地图；
根据实际需求对卫星地图进行截取；
将截取后的地图转换为灰度图；
将灰度值在[0,a]区间的像素点设置为障碍区域，并标记G(x,y)=0；
将灰度值在(a,b]区间的像素点设置为安全区域，并标记G(x,y)=2;将灰度值在(b,255]区间的像素点设置为可走区域，并标记G(x,y)=1；其中a,b,c为根据实际需求的预设值，G(x,y)表示像素点；
根据G(x,y)的标记值，将截取后的地图划分为三个部分：黑色即为障碍区域、白色即为可走区域、灰色即为安全区域。
3.如权利要求1所述的一种基于大型卫星地图的安全路径搜索方法，其特征在于：步骤S102中，由地理坐标转换为网格坐标的转换公式具体为：
起点网格坐标：
Figure 601071DEST_PATH_IMAGE014
终点网格坐标：
Figure 107139DEST_PATH_IMAGE015
其中，longitude_left为截取的地图左边的经度，longitude_unit为网格对应的经度，longitude_start为起点的经度，longitude_target为终点的经度；dimensionality_up为截取的地图上边的纬度，dimensionality_unit为网格对应的纬度，dimensionality_start为起点的纬度，dimensionality_ target 为终点的纬度。
4.如权利要求1所述的一种基于大型卫星地图的安全路径搜索方法，其特征在于：步骤S103中判断起点与终点连通性的具体过程为：
S201：将起点与终点以图的方式进行线性连接，得到线段路径；
S202：计算障碍物的整体边界线；
S203：计算线段路径与障碍物整体边界线的交界点；
S204：判断交界点数量是否大于0，若是，则将每个交界点沿边界线进行配对，进入步骤S205；否则，表示起点与终点连通；
S205：判断是否配对成功，若是，则删除配对成功的点，返回步骤S204；否则表示起点与终点不连通。
5.如权利要求1所述的一种基于大型卫星地图的安全路径搜索方法，其特征在于：步骤S105中，缩放倍数的计算公式为：
Figure 526619DEST_PATH_IMAGE016
其中，
Figure 143545DEST_PATH_IMAGE017
和
Figure 230449DEST_PATH_IMAGE018
由所有障碍物之间最短的线段的两个坐标点(x sega ,y sega )、(x segb ,y segb )之差决定，具体为：
Figure 641839DEST_PATH_IMAGE020
。
6.如权利要求1所述的一种基于大型卫星地图的安全路径搜索方法，其特征在于：步骤108中代价函数的具体公式为：
Figure DEST_PATH_IMAGE021
，其中，起点的网格坐标为(x start ,y start )，终点的网格坐标为(x target ,y target )，起点终点构成线段LS st 经过的网格的坐标为(x g1 ,y g1 ),(x g2 ,y g2 ),...,(x gq ,y gq )，其中有m个网格表示障碍网格，n个网格表示普通可走网格，p个网格表示安全网格。
7.如权利要求1所述的一种基于大型卫星地图的安全路径搜索方法，其特征在于：步骤S110中，路径放大及调整的具体过程为：
路径放大：x pai =x imi *scaling_number,y pai =y imi *scaling_number，其中x imi ,y imi 为步骤S109中规划得到的路径中的路径点坐标；x pai 、y pai 为放大后的路径点坐标；
路径调整：路径点(x paj ,y paj )经过调整后得到点(x ajj ,y ajj )，则点(x paj ,y paj )到点(x ajj , y ajj )的距离distance j =min(D j )；其中D j 为以当前路径点为圆心，以scaling_number+safe_distance为半径内满足要求的点到点(x paj ,y paj )的距离构成的集合；所述满足要求的点，即为安全区域和可走区域的点。
8.如权利要求3所述的一种基于大型卫星地图的安全路径搜索方法，其特征在于：步骤S112中，将网格坐标转换为地理坐标的公式为：
longitude loi =longitude_left+(y pai -1)*longitude_unit；
dimensionality loi =dismensionality_up-(x pai -1)*dimensionality_unit；
其中，当前的网格坐标为(x pai ,y pai )；转换后的地理坐标为(longitude loi , dimensionality loi )。
CN202111008032.2A 2021-08-31 2021-08-31 一种基于大型卫星地图的安全路径搜索方法 Active CN113447029B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111008032.2A CN113447029B (zh) 2021-08-31 2021-08-31 一种基于大型卫星地图的安全路径搜索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111008032.2A CN113447029B (zh) 2021-08-31 2021-08-31 一种基于大型卫星地图的安全路径搜索方法

Publications (2)

Publication Number Publication Date
CN113447029A CN113447029A (zh) 2021-09-28
CN113447029B true CN113447029B (zh) 2021-11-16

Family

ID=77819068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111008032.2A Active CN113447029B (zh) 2021-08-31 2021-08-31 一种基于大型卫星地图的安全路径搜索方法

Country Status (1)

Country Link
CN (1) CN113447029B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115016546B (zh) * 2022-08-10 2022-10-28 中国科学院自动化研究所 无人机三维路径规划方法、装置、电子设备和存储介质
CN116086458A (zh) * 2023-01-03 2023-05-09 北京辰安科技股份有限公司 路径规划方法、装置和电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130112507A (ko) * 2012-04-04 2013-10-14 인하대학교 산학협력단 Ｓ＊ 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법
CN106647769A (zh) * 2017-01-19 2017-05-10 厦门大学 基于a*提取引导点的agv路径跟踪与避障协调方法
CN108775902A (zh) * 2018-07-25 2018-11-09 齐鲁工业大学 基于障碍物虚拟膨胀的伴随机器人路径规划方法及***
CN108981715A (zh) * 2018-08-22 2018-12-11 北航（四川）西部国际创新港科技有限公司 一种山区飞行安全度约束的无人机路径规划方法
CN112161631A (zh) * 2020-12-01 2021-01-01 湖北第二师范学院 一种基于大型卫星栅格地图的安全路径规划方法
CN112304318A (zh) * 2020-11-10 2021-02-02 河北工业大学 一种虚实耦合约束环境下的机器人自主导航方法
CN112650256A (zh) * 2020-12-30 2021-04-13 河南大学 一种基于改进双向rrt机器人路径规划方法
CN112734878A (zh) * 2020-12-31 2021-04-30 南昌工学院 大型栅格地图两点之间连通性检测方法、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9217648B2 (en) * 2010-03-30 2015-12-22 Here Global B.V. Method of operating a navigation system to provide a pedestrian route

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130112507A (ko) * 2012-04-04 2013-10-14 인하대학교 산학협력단 Ｓ＊ 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법
CN106647769A (zh) * 2017-01-19 2017-05-10 厦门大学 基于a*提取引导点的agv路径跟踪与避障协调方法
CN108775902A (zh) * 2018-07-25 2018-11-09 齐鲁工业大学 基于障碍物虚拟膨胀的伴随机器人路径规划方法及***
CN108981715A (zh) * 2018-08-22 2018-12-11 北航（四川）西部国际创新港科技有限公司 一种山区飞行安全度约束的无人机路径规划方法
CN112304318A (zh) * 2020-11-10 2021-02-02 河北工业大学 一种虚实耦合约束环境下的机器人自主导航方法
CN112161631A (zh) * 2020-12-01 2021-01-01 湖北第二师范学院 一种基于大型卫星栅格地图的安全路径规划方法
CN112650256A (zh) * 2020-12-30 2021-04-13 河南大学 一种基于改进双向rrt机器人路径规划方法
CN112734878A (zh) * 2020-12-31 2021-04-30 南昌工学院 大型栅格地图两点之间连通性检测方法、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Safe Path Planning of Mobile Robot Based on Improved A* Algorithm in Complex Terrains;Zhang Hongmei 等;《Food Science and Biotechnology》;20181231;第11卷(第4期);1-18 *
基于A*算法框架的安全路径研究;黄智榜;《中国优秀硕士学位论文全文数据库信息科技辑》;20210215(第02期);I140-155 *

Also Published As

Publication number Publication date
CN113447029A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN113447029B (zh) 一种基于大型卫星地图的安全路径搜索方法
CN112818903B (zh) 一种基于元学习和协同注意力的小样本遥感图像目标检测方法
CN108549891B (zh) 基于背景与目标先验的多尺度扩散显著目标检测方法
CN109828607B (zh) 一种面向不规则障碍物的无人机路径规划方法及***
WO2020103110A1 (zh) 一种基于点云地图的图像边界获取方法、设备及飞行器
CN108427433B (zh) 一种面向多架植保无人机编队协同喷施药物的无人机数量优化方法
CN112084869A (zh) 一种基于紧致四边形表示的建筑物目标检测方法
CN112161631B (zh) 一种基于大型卫星栅格地图的安全路径规划方法
WO2019008951A1 (ja) 畳み込みニューラルネットワーク
CN110163207A (zh) 一种基于Mask-RCNN船舶目标定位方法及存储设备
CN109902631B (zh) 一种基于图像金字塔的快速人脸检测方法
CN101695136A (zh) 一种自动式视频颜色协调处理方法和处理***
CN112287824A (zh) 基于双目视觉的三维目标检测方法、装置及***
CN106910202A (zh) 一种遥感图像地物的图像分割方法及***
US9251600B2 (en) Method and apparatus for determining an alpha value
CN115565130A (zh) 一种无人值守***及其基于光流的监控方法
CN111062280B (zh) 一种基于距离变换标签的密集群体计数及定位方法
CN116129426A (zh) 一种宫颈细胞涂片18类别的细粒度分类方法
CN114707635A (zh) 基于网络架构搜索的模型构建方法、装置及存储介质
US11846517B2 (en) Vector tile navigation
CN110910417B (zh) 一种基于超像素邻帧特征对比的弱小运动目标检测方法
CN110163970B (zh) 一种数字地形模型的生成方法、装置、设备及存储介质
CN108334979B (zh) 面向区域覆盖的多成像卫星任务规划方法
CN114882169B (zh) 一种基于三维数据的电网工程大数据智能分析***及方法
CN116524174A (zh) 多尺度注意力融合的Faster RCNN的海洋生物检测方法及结构

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
GR01 Patent grant
GR01 Patent grant