智能导购车行驶路径的规划方法、装置及智能导购车
阅读：331发布：2020-05-15
专利汇可以提供智能导购车行驶路径的规划方法、装置及智能导购车专利检索，专利查询，专利分析的服务。并且本 发明 涉及避障路径规划技术领域，提供一种智能导购车行驶路径的规划方法、装置及智能导购车，所述智能导购车行驶路径的规划方法包括：确定智能导购车的起点和目标点；在空间环境中将所述起点与所述目标点通过一条直线进行连接，得到的空间中的虚拟连线；将所述虚拟连线穿过的每一个障碍物的所有 顶点 、所述起点和所述目标点之间进行直线连接，并保留所有可视线，其中，所述可视线为不穿过任何障碍物的线段；将每一条被保留的可视线进行连通，以形成候选路径；计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径。本发明能够提高智能导购车行驶路径的规划效率。，下面是智能导购车行驶路径的规划方法、装置及智能导购车专利的具体信息内容。
1.一种智能导购车行驶路径的规划方法，其特征在于，所述方法包括：
确定智能导购车的起点和目标点；
在空间环境中将所述起点与所述目标点通过一条直线进行连接，得到的空间中的虚拟连线；
将所述虚拟连线穿过的每一个障碍物的所有顶点、所述起点和所述目标点之间进行直线连接，并保留所有可视线，其中，所述可视线为不穿过任何障碍物的线段；
将每一条被保留的可视线进行连通，以形成候选路径；
计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径。
2.根据权利要求1所述的智能导购车行驶路径的规划方法，其特征在于，所述计算每一条所述候选路径的长度的方法包括：迪杰斯特拉算法、贝尔曼-福特算法、普利姆算法或弗洛伊德算法。
3.根据权利要求1或2所述的智能导购车行驶路径的规划方法，其特征在于，在所述计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径之后，还包括：
对确定的所述行驶路径进行加宽处理，并在所述行驶路径上设置均匀的子目标点。
4.一种智能导购车行驶路径的规划装置，其特征在于，所述装置包括：
确定起止点模块，用于确定智能导购车的起点和目标点；
形成虚拟连线模块，用于在空间环境中将所述起点与所述目标点通过一条直线进行连接，得到的空间中的虚拟连线；
形成可视线模块，用于将所述虚拟连线穿过的每一个障碍物的所有顶点、所述起点和所述目标点之间进行直线连接，并保留所有可视线，其中，所述可视线为不穿过任何障碍物的线段；
形成候选路径模块，用于将每一条被保留的可视线进行连通，以形成候选路径；
确定行驶路径模块，用于计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径。
5.根据权利要求4所述的智能导购车行驶路径的规划装置，其特征在于，所述确定行驶路径模块，具体用于：
通过迪杰斯特拉算法、贝尔曼-福特算法、普利姆算法或弗洛伊德算法计算每一条所述候选路径的长度。
6.根据权利要求4或5所述的智能导购车行驶路径的规划装置，其特征在于，所述智能导购车行驶路径的规划装置，还包括：
确定模块，用于对确定的所述行驶路径进行加宽处理，并在所述行驶路径上设置均匀的子目标点。
7.一种智能导购车，其特征在于，所述智能导购车包括权利要求4至6任一项所述的智能导购车行驶路径的规划装置。
智能导购车行驶路径的规划方法、装置及智能导购车
技术领域
[0001] 本发明涉及避障路径规划技术领域，尤其涉及一种智能导购车行驶路径的规划方法、装置及智能导购车。
背景技术
[0002] 由于信息与工业的高速发展与信息技术的深入变革，具有智能处理功能的嵌入式终端已经大步走入平民生活，从简单的智能家居到复杂的通信设备再至庞大精密的工厂机床，嵌入式设备已经无处不在的环绕在人们身边。智能导购车是一种集导购、特价商品介绍、携带货物、信息交互等功能的智能终端，智能导购车的出现将方便顾客选购商品，提高超市运营效率。由于超市、商场等购物场所的布局是综合了超市所在建筑结构、顾客购物习惯、环境搭建成本、审美等多方面因素导致超市货架摆放具有一定的规律性和对称性，由此应用传统的避障路径算法可能会产生不必要的开销。
[0003] 现有技术的智能导购车行驶路径的规划方法一般采用传统的可视图法来求解避障路径，进而得到智能导购车的行驶路径。图1为现有技术的智能导购车行驶路径的规划方法对应的示意图。如图1所示，传统的可视图法求解避障路径算法是连接起始点、目标点和所有障碍物顶点，保留不穿过任何障碍物的可视线，并在得到的加权图的基础之上通过单源最短路径算法求解起始点到目标点路径。
[0004] 但是现有技术采用可视图法来规划智能导购车的行驶路径，是将障碍物的所有顶点与起点和目标点连接，这样的做法计算量很大，导致智能导购车行驶路径的规划效率较低，设备成本较高。
发明内容
[0005] 本发明的目的在于提出一种智能导购车行驶路径的规划方法、装置及智能导购车，以达到提高智能导购车行驶路径的规划效率，降低设备成本的目的。
[0006] 本发明提供了一种智能导购车行驶路径的规划方法，所述方法包括：
[0007] 确定智能导购车的起点和目标点；
[0008] 在空间环境中将所述起点与所述目标点通过一条直线进行连接，得到的空间中的虚拟连线；
[0009] 将所述虚拟连线穿过的每一个障碍物的所有顶点、所述起点和所述目标点之间进行直线连接，并保留所有可视线，其中，所述可视线为不穿过任何障碍物的线段；
[0010] 将每一条被保留的可视线进行连通，以形成候选路径；
[0011] 计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径。
[0012] 可选的，所述计算每一条所述候选路径的长度的方法包括：迪杰斯特拉算法、贝尔曼-福特算法、普利姆算法或弗洛伊德算法。
[0013] 可选的，在所述计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径之后，还包括：
[0014] 对确定的所述行驶路径进行加宽处理，并在所述行驶路径上设置均匀的子目标点。
[0015] 对应地，本发明还提供了一种智能导购车行驶路径的规划装置，所述装置包括：
[0016] 确定起止点模块，用于确定智能导购车的起点和目标点；
[0017] 形成虚拟连线模块，用于在空间环境中将所述起点与所述目标点通过一条直线进行连接，得到的空间中的虚拟连线；
[0018] 形成可视线模块，用于将所述虚拟连线穿过的每一个障碍物的所有顶点、所述起点和所述目标点之间进行直线连接，并保留所有可视线，其中，所述可视线为不穿过任何障碍物的线段；
[0019] 形成候选路径模块，用于将每一条被保留的可视线进行连通，以形成候选路径；
[0020] 确定行驶路径模块，用于计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径。
[0021] 可选的，所述确定行驶路径模块，具体用于：
[0022] 通过迪杰斯特拉算法、贝尔曼-福特算法、普利姆算法或弗洛伊德算法计算每一条所述候选路径的长度。
[0023] 可选的，所述智能导购车行驶路径的规划装置，还包括：
[0024] 确定模块，用于对确定的所述行驶路径进行加宽处理，并在所述行驶路径上设置均匀的子目标点。
[0025] 对应地，本发明还提供了一种智能导购车行，所述智能导购车包括本发明任意实施例提供的智能导购车行驶路径的规划装置。
[0026] 本发明提供的一种智能导购车行驶路径的规划方法、装置及智能导购车，通过在空间环境中将起点和目标点进行连接，并将虚拟连线通过的障碍物的所有顶点、起点和目标点进行直线连接，保留所有可视线，进一步得到候选路径，并通过迪杰斯特拉算法计算候选路径的长度，进而确定智能导购车的行驶路径，本发明与现有技术将所有障碍物的顶点与起点和目标点进行连接的情况相比，针对商场、超市等购物场所货品摆放具有对称性的结构特点，更具适用性，本发明能够减小规划行驶路径过程中的计算量，提高智能导购车行驶路径的规划效率，进而降低设备成本。并且本发明实施例提供的方法对确定的行驶路径进行加宽处理，并在行驶路径在设置均匀的子目标点，能够针对超市等局部人流复杂的状况，保证无碰的同时解决传统避障算法的“迷失”问题，整体提高了智能导购车的可用性。附图说明
[0027] 图1为现有技术的智能导购车行驶路径的规划方法对应的示意图；
[0028] 图2为本发明实施例提供的智能导购车行驶路径的规划方法的实现流程图；
[0029] 图3a-b为本发明实施例提供的智能导购车行驶路径的规划方法对应的示意图；
[0030] 图4为本发明实施例提供的智能导购车行驶路径的规划方法在加宽处理和设置子目标点过程中对应的示意图；
[0031] 图5为本发明实施例提供的智能导购车行驶路径的规划装置的结构示意图。
具体实施方式
[0032] 为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
[0033] 图2为本发明实施例提供的智能导购车行驶路径的规划方法的实现流程图。本发明实施例提供的智能导购车行驶路径的规划方法可以由本发明实施例提供的智能导购车行驶路径的规划装置来执行，该装置可以由软件和/或硬件来实现。如图2所示，本发明实施例提供的智能导购车行驶路径的规划方法包括：
[0034] 步骤201，确定智能导购车的起点和目标点。
[0036] 步骤202，在空间环境中将所述起点与所述目标点通过一条直线进行连接，得到的空间中的虚拟连线。
[0037] 图3a是本发明实施例提供的智能导购车行驶路径的规划方法在本步骤中对应的示意图。参照图3a，在空间环境中将所述起点与所述目标点通过一条直线进行连接，得到的空间中的虚拟连线。其中，在图3a中，起点用S表示，目标点用G表示，多个矩形表示超市的货架。将起点S和目标点G用直线连接起来，连接起点S和目标点G形成一条穿越障碍物的空间中的虚拟连线SG，虚拟连线SG穿过的障碍物组成了障碍物集合可以表示为：O＝{Oi|i＝1,2,…,K}。并且障碍物集合中障碍物将虚拟连线SG分割成了多条分线段，其中，所述分线段是虚拟连线SG被障碍物分割成的多条线段。所述分线段的集合L可以表示为：L＝{li|i＝1,2,…,K+1}。
[0038] 步骤203，将所述虚拟连线穿过的每一个障碍物的所有顶点、所述起点和所述目标点之间进行直线连接，并保留所有可视线。
[0039] 图3b是本发明实施例提供的智能导购车行驶路径的规划方法在本步骤中对应的示意图。参照图3b，将所述虚拟连线SG穿过的每一个障碍物Oi的所有顶点、 所述起点S和所述目标点G之间进行直线连接，并保留所有可视线。其中，所述可视线为不穿过任何障碍物的线段。在经过步骤203之后，除可视线以外的其它线段均被删除，并得到了如图3b所示的由可视线和分线段组成的联通网图。联通网图各边的权为实际距离与道路阻塞权衡下的权值。
[0040] 步骤204，将每一条被保留的可视线进行连通，以形成候选路径。
[0041] 其中，所述候选路径由多条能够联通起点到目标点的、首位相连的可视线组成。待确定的智能导购车的行驶路径可以从候选路径中选择。
[0042] 步骤205，计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径。
[0043] 在上述方案中，可选的，所述计算每一条所述候选路径的长度的方法包括：迪杰斯特拉算法(Dijkstra)、贝尔曼-福特算法(Bellman-Ford)、普利姆算法(Prim)或弗洛伊德算法(Floyd)。
[0044] 其中，Dijkstra算法是比较经典的单元最短路径搜索算法，该算法可以在以一个确定点为起点的情况下，计算一个节点到其他所有节点的最短路径。算法的运行特点是在未找到起点到目标点的最短路径之前以起点为中心向外层逐层扩展，直到达到目标为止。2
Dijkstra算法能得出最短路径的最优解，他的时间复杂度为n，它运算的时间与效率和节点数目有关。
Dijkstra算法能得出最短路径的最优解，他的时间复杂度为n，它运算的时间与效率和节点数目有关。
[0045] 其中，确定的智能导购车的行驶路径，即为一条从起点到目标点的无碰路径，此基础上的无碰路径主要是为智能导购车选择一条在超市固定建筑物之间穿梭的最优路径。
[0046] 可选的，在所述计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径之后，还可以包括：对确定的所述行驶路径进行加宽处理，并在所述行驶路径上设置均匀的子目标点。图4为本发明实施例提供的智能导购车行驶路径的规划方法在加宽处理和设置子目标点过程中对应的示意图。参照图4，对确定的所述行驶路径进行加宽处理，并在所述行驶路径上设置均匀的子目标点。
[0047] 由于确定的所述行驶路径是由不同的点和点之间的连线构成的一条路径，对确定的所述行驶路径进行加宽处理的目的的将所述行驶路径进行“加宽”，在确定的所述行驶路径的两侧按照一定距离加宽形成一条从起点到目标点的“通道”，就是智能导购车的可行区域。
[0048] 为保持智能导购车在可行区域内行走，在所述行驶路径上按照一定的距离均匀的设置几个子目标点，则将智能导购车的行走变为从一个子目标点到另外一个子目标点的过程。子目标点的设置对整体的行驶路径规划和躲避障碍物碰撞具有非常重要的作用。智能导购车可以在可行区域内进行局部避障，只要不超出可行区域范围则认定智能导购车仍然是遵循既定路径朝向目标点前进的。子目标点的设定减小了两个节点之间的距离，较小的节点间距保证了当智能导购车因为避障而偏离方向的时候，尽快使智能导购车回归既定路径之上，保证了可行区域的有效性，并且有效的避免了智能导购车的自我迷失。例如，智能导购车以一个子目标点为当前目标前进，当智能导购车与当前子目标点的距离小于等于预设的举例阈值时，当前目标设置成沿路径的下一子目标点。
[0049] 本发明实施例对行驶路径进行加宽处理和设置子目标的目的是保障智能导购车在所述行驶路径上行驶的基础之上躲避移动的小型障碍物，可保证智能导购车在确定的行驶路径之上，解决了可视图算法求避障路径的“迷失”问题。
[0050] 本实施例提供的智能导购车行驶路径的规划方法，通过在空间环境中将起点和目标点进行连接，并将虚拟连线通过的障碍物的所有顶点、起点和目标点进行直线连接，保留所有可视线，进一步得到候选路径，并通过迪杰斯特拉算法计算候选路径的长度，进而确定智能导购车的行驶路径，本发明与现有技术将所有障碍物的顶点与起点和目标点进行连接的情况相比，针对商场、超市等购物场所货品摆放具有对称性的结构特点，更具适用性，本发明能够减小规划行驶路径过程中的计算量，提高智能导购车行驶路径的规划效率，进而降低设备成本。并且本发明实施例提供的方法对确定的行驶路径进行加宽处理，并在行驶路径在设置均匀的子目标点，能够针对超市等局部人流复杂的状况，保证无碰的同时解决传统避障算法的“迷失”问题，整体提高了智能导购车的可用性。
[0051] 图5为本发明实施例提供的智能导购车行驶路径的规划装置的结构示意图。如图5所示，本发明实施例提供的智能导购车行驶路径的规划装置包括：确定起止点模块、形成虚拟连线模块、形成可视线模块、形成候选路径模块和确定 行驶路径模块。
[0052] 其中，所述确定起止点模块，用于确定智能导购车的起点和目标点；所述形成虚拟连线模块，用于在空间环境中将所述起点与所述目标点通过一条直线进行连接，得到的空间中的虚拟连线；所述形成可视线模块，用于将所述虚拟连线穿过的每一个障碍物的所有顶点、所述起点和所述目标点之间进行直线连接，并保留所有可视线，其中，所述可视线为不穿过任何障碍物的线段；所述形成候选路径模块，用于将每一条被保留的可视线进行连通，以形成候选路径；所述确定行驶路径模块，用于计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径。
[0053] 在上述方案中，可选的，所述确定行驶路径模块，具体用于：通过迪杰斯特拉算法、贝尔曼-福特算法、普利姆算法或弗洛伊德算法计算每一条所述候选路径的长度。
[0054] 可选的，本发明实施例提供的智能导购车行驶路径的规划装置，还包括：确定模块，用于对确定的所述行驶路径进行加宽处理，并在所述行驶路径在设置均匀的子目标点。
[0055] 本实施例提供的智能导购车行驶路径的规划装置，通过确定起止点模块确定智能导购车的起点和目标点，通过形成虚拟连线模块在空间环境中将所述起点与所述目标点通过一条直线进行连接，得到的空间中的虚拟连线；通过形成可视线模块将所述虚拟连线穿过的每一个障碍物的所有顶点、所述起点和所述目标点之间进行直线连接，并保留所有可视线，通过形成候选路径模块将每一条被保留的可视线进行连通，以形成候选路径，通过确定行驶路径模块计算每一条所述候选路径的长度，确定长度最短的候选路径为智能导购车的行驶路径，本发明针对商场、超市等购物场所具有对称性的结构特点，更具适用行，本发明能够减小规划行驶路径过程中的计算量，提高智能导购车行驶路径的规划效率，进而降低设备成本。并且本发明实施例提供的确定模块能够对确定的行驶路径进行加宽处理，并在行驶路径在设置均匀的子目标点，能够针对超市等局部人流复杂的状况，保证无碰的同时解决传统避障算法的“迷失”问题，整体提高了智能导购车的可用性。
[0056] 本发明实施例还提供一种智能导购车，所述智能导购车包括本发明任意实施例提供的智能导购车行驶路径的规划装置。
[0057] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 软件定义网络中的路由确定方法和装置 | 2020-05-14 | 77 |
| 优化业务分配的信道自适应路由方法 | 2020-05-20 | 895 |
| 路径规划方法和系统 | 2020-05-11 | 611 |
| 扩展到用反向弧编码最小和最大约束的有向图的方法和装置 | 2020-05-13 | 469 |
| 扩展到用反向弧编码最小和最大约束的有向图的方法和装置 | 2020-05-17 | 611 |
| 软件定义网络中的路由确定方法和装置 | 2020-05-08 | 852 |
| 用户界面上的组件的高效布局 | 2020-05-16 | 910 |
| 智能导购车行驶路径的规划方法、装置及智能导购车 | 2020-05-15 | 331 |
| Methods, apparatus and articles of manufacture to manage routing in networks | 2020-05-18 | 314 |
| METHODS, APPARATUS AND ARTICLES OF MANUFACTURE TO MANAGE ROUTING IN NETWORKS | 2020-05-19 | 330 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
贝尔曼-福特算法热门专利
QQ群二维码
意见反馈
意见反馈