一种用于复杂环境下的路径规划方法、装置、设备及介质

本技术涉及路径规划，特别是涉及一种用于复杂环境下的路径规划方法、装置、设备及介质。

背景技术：

1、路径规划技术是地理信息科学、计算机科学、交通工程学等多个学科的研究热点领域，可以描述为在有界空间内，考虑到环境和障碍物等多种约束条件基础上，生成从初始位置到达指定目标安全可行的优化路径。如今，随着数字地图的高速发展，结构化道路信息愈发准确且丰富，基于路网的路径规划技术已经十分成熟并在实际生活中有了大量的应用。然而，该技术严重依赖于交通路网等数据，在乡镇以及山地等偏远地区不具备良好的路网信息数据的复杂越野环境中无法得到很好的使用。在野外救援搜索和应急抢险救灾中，野外环境大多都很复杂，车辆无法正常通行，因此决策人员需要通过地形数据建模，利用路径规划算法，快速规划出一条高效安全的行走路径。

2、然而，随着空间维数的不断增加，传统的路径规划算法计算复杂度急剧上升，其中，a*算法具有精度高，稳定性好等特点，但是当图节点的数目增加，计算量也急剧增加，使其不适合长距离越野路径的快速规划。prm算法常常用于当面对高维问题时，数据量急剧增大，规划速度过慢的问题，其具有很高的搜索效率，但是规划的路径质量较低，不适用于狭窄空间。智能仿生算法面对复杂环境、信息不完整环境时体现出了极大优势，但是需要大量的前期学习计算成本，并且容易陷入局部最优值，因此将其应用在大规模的地理环境中有一定的局限性。传统的路径规划算法在进行长距离越野路径规划时效率低，速度慢，无法快速规划出一条可靠路径。因此，有必要研究在越野环境下快速完成长距离越野路径规划。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高复杂环境下路径规划质量和速度的用于复杂环境下的路径规划方法、装置、设备及介质。

2、一种用于复杂环境下的路径规划方法，所述方法包括：

3、获取复杂环境的dem数据；对dem数据进行曲面拟合，得到栅格网；栅格网包括多个栅格点；根据三阶反距离平方权差分方法对每个栅格点的高程和dem数据的分辨率进行计算，得到每个栅格点的坡度值；

4、根据每个栅格点的坡度值计算单位水平距离下人类步行的时间成本函数；利用时间成本函数设计非均匀采样的采样函数，根据采样函数对栅格网上的栅格点进行采样，对采样得到的采样点利用kd树搜索构建拓扑图；

5、利用a*算法在拓扑图中找到初始路径，根据改进的十字形膨胀方法对初始路径进行膨胀，得到初始路径周围的搜索区域；将初始路径周围的搜索区域内的栅格点转换为图节点后构建膨胀后的拓扑图；

6、根据改进后的a*算法在膨胀后的拓扑图中进行路径搜索，得到最终路径。

7、在其中一个实施例中，根据三阶反距离平方权差分方法对每个栅格点的高程和dem数据的分辨率进行计算，得到每个栅格点的坡度，包括：

8、根据三阶反距离平方权差分方法对每个栅格点的高程和dem数据的分辨率进行计算，得到每个栅格点的坡度为

9、

10、

11、

12、其中，g代表着对应栅格点的高程，resolution代表着dem数据的分辨率，s表示每个栅格点的坡度值。

13、在其中一个实施例中，根据每个栅格点的坡度值计算单位水平距离下人类步行的时间成本函数，包括：

14、根据每个栅格点的坡度计算单位水平距离下人类步行的时间成本函数为

15、

16、其中，s表示每个栅格点的坡度值。

17、在其中一个实施例中，利用时间成本函数设计非均匀采样的采样函数，包括：

18、利用时间成本函数设计非均匀采样的采样函数为

19、

20、其中，s表示每个栅格点的坡度值，c表示时间成本函数，ccur表示当前节点的成本，p表示当前节点的采样函数。

21、在其中一个实施例中，对采样得到的采样点利用kd树搜索构建拓扑图，包括：

22、对采样得到的采样点利用kd树搜索构建索引并找到所有采样点的k近邻点，连接k近邻点和每个邻居节点形成k条边；利用bresenham算法对边所经过的栅格点进行求解并对相邻栅格点的时间成本累加得到相邻节点之间的边权重；根据边权重确定点与点之间的连接顺序来构建拓扑图。

23、在其中一个实施例中，初始路径包括多个栅格点；根据改进的十字形膨胀方法对初始路径进行膨胀，得到初始路径周围的搜索区域，包括：

24、对初始路径中同一行上的第x个栅格点px进行膨胀时只记录其范围端点(lx,rx)，并尝试将该端点组成的区间与该行现有的区间进行合并，每次合并时搜索出max_li＜＝lx，并通过ri是否小于lx判断是否需要合并，若ri＜lx则不需要进行合并，若ri＞＝lx则需要进行合并，并将区间更新为(li，rx)，若li+1＜＝rx则可按照此步骤继续合并，若li+1＞rx则停止合并；

25、再使用自平衡搜索树支持区间端点的更新与查找，其搜索键值为区间左端点，并关联到右端点值，对于每一行的栅格点在列方向上也进行相同的操作，即可完成对于初始路径的十字形膨胀操作，得到初始路径周围的搜索区域。

26、在其中一个实施例中，根据改进后的a*算法在膨胀后的拓扑图中进行路径搜索，得到最终路径，包括：

27、根据预先设置的代价函数在膨胀后的拓扑图中选择搜索方向，从起点开始向周围扩展，通过启发函数计算得到周围每个节点的代价值，在执行路径规划时利用openlist表和closelist表实现节点的扩展和最优点的选择，openlist表作用是保存搜索过程中遇到的扩展节点，同时将这些节点按代价进行排序，取出代价值最小的节点，作为当前节点，将其加入closelist表，然后将当前节点的所有邻节点按邻节点规则加入到openlist表中，直至终点在openlist表中，生成从起点到终点的路径，得到最终路径；其中在openlist表中主要有三种操作：主循环重复选择最好的节点并删除它；访问邻居节点时需要检查邻居节点是否在集合里面；访问邻居节点时需要插入新节点；

28、代价函数为f(n)＝g(n)+h(n)，其中g(n)是从起点到节点(n)的距离成本，h(n)表示启发函数；

29、启发函数的计算方式为

30、其中，resolution表示栅格的分辨率，xtarget表示终点x轴坐标值，xn表示当前节点n的x轴坐标值，ytarget表示终点y轴坐标值，yn表示当前节点n的y轴坐标值，cn表示当前节点的时间成本。

31、一种用于复杂环境下的路径规划装置，所述装置包括：

32、坡度值计算模块，用于获取复杂环境的dem数据；对dem数据进行曲面拟合，得到栅格网；栅格网包括多个栅格点；根据三阶反距离平方权差分方法对每个栅格点的高程和dem数据的分辨率进行计算，得到每个栅格点的坡度值；

33、非均匀采样模块，用于根据每个栅格点的坡度值计算单位水平距离下人类步行的时间成本函数；利用时间成本函数设计非均匀采样的采样函数，根据采样函数对栅格网上的栅格点进行采样，对采样得到的采样点利用kd树搜索构建拓扑图；

34、路径膨胀模块，用于利用a*算法在拓扑图中找到初始路径，根据改进的十字形膨胀方法对初始路径进行膨胀，得到初始路径周围的搜索区域；将初始路径周围的搜索区域内的栅格点转换为图节点后构建膨胀后的拓扑图；

35、最终路径搜索模块，用于根据改进后的a*算法在膨胀后的拓扑图中进行路径搜索，得到最终路径。

36、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

37、获取复杂环境的dem数据；对dem数据进行曲面拟合，得到栅格网；栅格网包括多个栅格点；根据三阶反距离平方权差分方法对每个栅格点的高程和dem数据的分辨率进行计算，得到每个栅格点的坡度值；

38、根据每个栅格点的坡度值计算单位水平距离下人类步行的时间成本函数；利用时间成本函数设计非均匀采样的采样函数，根据采样函数对栅格网上的栅格点进行采样，对采样得到的采样点利用kd树搜索构建拓扑图；

39、利用a*算法在拓扑图中找到初始路径，根据改进的十字形膨胀方法对初始路径进行膨胀，得到初始路径周围的搜索区域；将初始路径周围的搜索区域内的栅格点转换为图节点后构建膨胀后的拓扑图；

40、根据改进后的a*算法在膨胀后的拓扑图中进行路径搜索，得到最终路径。

41、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

42、获取复杂环境的dem数据；对dem数据进行曲面拟合，得到栅格网；栅格网包括多个栅格点；根据三阶反距离平方权差分方法对每个栅格点的高程和dem数据的分辨率进行计算，得到每个栅格点的坡度值；

43、根据每个栅格点的坡度值计算单位水平距离下人类步行的时间成本函数；利用时间成本函数设计非均匀采样的采样函数，根据采样函数对栅格网上的栅格点进行采样，对采样得到的采样点利用kd树搜索构建拓扑图；

44、利用a*算法在拓扑图中找到初始路径，根据改进的十字形膨胀方法对初始路径进行膨胀，得到初始路径周围的搜索区域；将初始路径周围的搜索区域内的栅格点转换为图节点后构建膨胀后的拓扑图；

45、根据改进后的a*算法在膨胀后的拓扑图中进行路径搜索，得到最终路径。

46、上述一种用于复杂环境下的路径规划方法、装置、设备及介质，本技术在第一级路径规划中，通过利用非均匀采样，避免了采样点可能落在许多坡度十分大的栅格点上，进而减少大量的计算资源浪费，提高了路径生成效率。同时利用时间成本函数指导的非均匀采样使得采样点更容易选取到成本更低的栅格点将大大增加算法的合理性。根据改进的十字形膨胀方法对初始路径进行膨胀，得到初始路径周围的搜索区域，使得计算资源可以快速集中在路径规划的高效区域，在第二级路径规划中，在剪枝过后的搜索区域利用a*算法进行路径规划，并结合成本函数确定启发式函数，提高了路径规划的质量，不仅克服了在复杂越野环境模型下传统路径搜索质量不高的不足，极大地提高了越野路径的搜索效率和路径精度，实现了在不同越野路径规划场景下的快速响应。