一种面向DEM的无道路区域路径规划算法的方法技术

本发明专利技术公开了一种面向DEM的无道路区域路径规划算法的方法，所述规划算法的方法为一种两层路径规划算法PRM

【技术实现步骤摘要】
一种面向DEM的无道路区域路径规划算法的方法


[0001]本专利技术涉及路径规划
，具体涉及一种面向DEM的无道路区域路径规划算法的方法。

技术介绍

[0002]路径规划，也称为导航问题，是找到一条起始地到目的地的有效路径的计算问题。机器人技术，地理信息和航空航天领域需要在各种应用场景中规划路径，例如机器人避障，选择汽车行驶路径，并规划无人机飞行路径。
[0003]路径规划有三大类算法，即基于搜索的规划，基于采样的规划和基于启发式的规划。最经典和使用最广泛的是基于搜索的规划算法，该类算法以BFS，Floyd，Dijkstra和FMM闻名；而这类算法的缺点在于随着规划节点的增多，规划速度变得极慢。为了减少计算资源的消耗，则有了基于采样的方法，以牺牲一定程度的精确度来换取速度的提升，例如PRM，RRT，这类算法常常被使用在机器人避障领域。基于启发式的规划则有蚁群算法、遗传算法、模拟退火算法，都使用类似于仿生学的原理来规划路径，但是这类算法的准确度无法得到保障，且对参数要求极高。当然也有它们的结合算法，A*就是基于搜索的算法，但是在其中加入了启发式函数，这类算法往往结合了它们的优势，在保证准确度的情况下拥有更高的效率。
[0004]在地理信息领域，具有路网的区域的道路规划的开发已经非常成熟。只要数据质量可靠，就可以快速规划
‑
条合理的路径。但是对没有道路网的地区的研究尚未达到理想的水平。
[0005]无道路网区域广泛分布在山区和偏远地区。当我们需要在这些地方导航但没有路网时，我们需要使用遥感和测量技术来获取地形，气象和水文数据。除了在偏远地区进行旅行，勘测和研究外，月球和火星探测也需要无路网络规划技术。
[0006]现有的有关DEM/DTM上方路径规划的大多数文献都将栅格转换为图或将栅格直接视为图，然后在图上执行基于搜索的算法。将每个网格用作图形中的节点进行路径规划需要大量的计算资源。因此，有必要找到一种提高性能的策略，就像使用并行策略的文献和使用多层分辨率的文献一样。也有一些文献，特别是在机器人
，使用基于采样的算法来规划包含地形和可遍历性信息的成本图。这些方法牺牲了一些准确性以加快路径搜索。还基于多种因素研究了基于启发式的路径规划算法，而不仅仅是避免了障碍。

技术实现思路

[0007]专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种面向DEM的无道路区域路径规划算法的方法。
[0008]技术方案：为实现上述目的，本专利技术提供如下技术方案：
[0009]一种面向DEM的无道路区域路径规划算法的方法，所述规划算法的方法为一种两层路径规划算法PRM
‑
A*，选择概率路线图(PRM)作为第一层规划策略，粗略地找到初始路
径；
[0010]然后膨胀初始路径，从而限制第二次路径搜索的范围，最后，在限定的范围内执行A*找到最终路径；
[0011]具体的算法采用如下公式：
[0012]g＝dh/ds
ꢀꢀ
(1)
[0013]1/v＝0.75+14.6g2；C＝d/v
ꢀꢀ
(2)
[0014]Cw＝280.5g5‑
58.7g4‑
76.8g3+51.9g2+19.6g+2.5
ꢀꢀ
(3)
[0015]Cw
′
＝(g+0.45)
×
(
‑
2.018)+Cw
‑
0.45
ꢀꢀ
(4)
[0016]Cw
′
＝(g
‑
0.45)
×
50.038+Cw
+0.45
ꢀꢀ
(5)
[0017]其中斜率g的定义如公式(1)所示，h是高度s是水平距离。时间成本函数为公式(2)，其中d表示两点之间的步行距离。坡度从
‑
0.45到0.45的能量成本函数按公式(3)计算，其中成本的单位为Joule
·
Kilogram
‑1·
meter
‑1。低于
‑
0.45和高于+0.45的斜率分别表示为Cw
′
和Cw"；
[0018]该公式仅在具有恒定斜率的路径中有效，如果路径上的斜率不同，则应分节计算。
[0019]优选地，所述规划算法中还可采用Bresenham直线画法，Bresenham会将直线经过的栅格点依次求解出来，对每两个相邻栅格点计算成本，最后进行累加，具体的计算公式如下：
[0020][0021][0022][0023][0024]两个相邻网格之间的斜率定义为等式(6)，其中ele表示网格的高程，s表示网格之间的实际水平距离；通过公式(7)计算两个栅格之间单位水平长度的时间成本，是对应于一个单位水平距离的实际步行距离；步行单位水平长度的能量成本通过公式(8)计算，其中M为60kg，在能量成本中使用Cw
′
或Cw
″
代替Cw计算了斜率大于+0.45或小于
‑
0.45的线段；通过公式(9)获得两点之间的直线成本，其中s
n
是第n个网格与第n+1个网格之间的水平距离，c
n，n+1
是其上的单位成本。
[0025]优选地，所述PRM
‑
A*算法的具体操作步骤分为两层工作，第一层工作为首先通过在网格上进行均匀采样来获得一定数量的采样点，可以自定义采样点的数量，根据每个采样点之间的二维距离，我们找到每个点的k个最近邻点，查找K最近的邻居的具体细节由KDtree实现，然后，我们计算每两个邻居的直线成本，并连接两个节点作为拓扑图中的边，最后，对拓扑图执行A*以查找初始路径；选取与k个最近的邻居时，K设置为10。
[0026]优选地，所述PRM
‑
A*算法的第二层A*现在可以在较小范围的区域上使用，属于限定范围的所有网格都将转换为节点，每两个相邻节点形成一条边，采用八方向节点作为相邻节点，A*维护一个open列表和一个closed列表，使用最小堆来维护open列表，并将closed列表转换为节点状态，在这种情况下，A*的算法复杂度为O(nlgn)，最终路径可以在第二层A*之后获得。
[0027]有益效果：本专利技术，有益效果如下：
[0028]本专利技术采用路径的成本高低作为路径评估标准。低成本路径比最短路径更合理，最短路径中不考虑上下坡成本；文献总结了人类的步行时间成本和能量成本与坡度坡向的关系。除了人类步行成本涉及到时间成本和能量成本，而不仅仅是距离长短之外，机器人的转向、上下坡也同样涉及到能量损失；
[0029]本文旨在在大规模地形数据上规划路径，例如具有6000*6000网格的DEM。Dijkstra或A*是不丢失路径精度的最佳解决方案。但是，这些基于搜索的算法在用于大规模数据时速度太慢。为了提高性能，可以使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向DEM的无道路区域路径规划算法的方法，其特征在于，所述规划算法的方法为一种两层路径规划算法PRM
‑
A*，选择概率路线图(PRM)作为第一层规划策略，粗略地找到初始路径；然后膨胀初始路径，从而限制第二次路径搜索的范围，最后，在限定的范围内执行A*找到最终路径；具体的算法采用如下公式：g＝dh/ds (1)1/v＝0.75+14.6g2；C＝d/v (2)Cw＝280.5g5‑
58.7g4‑
76.8g3+51.9g2+19.6g+2.5 (3)Cw
′
＝(g+0.45)
×
(
‑
2.018)+Cw
‑
0.45 (4)Cw
′
＝(g
‑
0.45)
×
50.038+Cw
+0.45 (5)其中斜率g的定义如公式(1)所示，h是高度s是水平距离。时间成本函数为公式(2)，其中d表示两点之间的步行距离。坡度从
‑
0.45到0.45的能量成本函数按公式(3)计算，其中成本的单位为Joule
·
Kilogram
‑1·
meter
‑1。低于
‑
0.45和高于+0.45的斜率分别表示为Cw
′
和Cw"；该公式仅在具有恒定斜率的路径中有效，如果路径上的斜率不同，则应分节计算。2.根据权利要求1所述的一种面向DEM的无道路区域路径规划算法的方法，其特征在于，所述规划算法中还可采用Bresenham直线画法，Bresenham会将直线经过的栅格点依次求解出来，对每两个相邻栅格点计算成本，最后进行累加，具体的计算公式如下：求解出来，对每两个相邻栅格点计算成本，最后进行累加，具体的计算公式如下：求解...

【专利技术属性】
技术研发人员：杨岸然，李思捷，陈荦，吴烨，贾庆仁，熊伟，钟志农，欧阳雪，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：