[发明专利]一种基于天牛群搜索算法的三维路径规划方法

说明书

本发明公开了一种基于天牛群搜索算法的三维路径规划方法。本发明先读取地图数据，用均匀离散的空间点描述三维地图场景，并使用几何面片将这些点连接，形成一个模拟真实地形的三维平面，将三维地图场景点投影到二维，生成一个二维网格面，并将该网格面上的点进行编号，给予每个网格点独立的数字标示，并计算出每个网格点的附近点，将点进行随机连接，生成从终点到起点的不同路径，再将路径运用算法进行优化求解，计算路径长度代入海拔高度信息纵坐标，求解出最优的路径长度值所对应的路径，最后将路径结果传递给无人车，控制无人车进行三维平面上的导航移动。本发明通过优化起点到终点的路径点选取，使得无人车经过的路径长度最短最优化。

技术领域

本发明设计三维路径规划以及智能优化算法领域，具体涉及一种基于BSO(BeetleSwarm Optimization)算法的三维地形平面的最优路径规划方法。

背景技术

路径规划是运动规划的主要研究内容之一。运动规划由路径规划和轨迹规划组成，连接起点位置和终点位置的序列点或曲线称之为路径，构成路径的策略称之为路径规划。在本发明中，路径规划的执行个体是一种能够在平面自由行驶的无人车。

规划出一条最短连接起点到终点的路径，也称为最短路径规划，是当下无人驾驶、物联网人工智能的研究热点之一。可以应用于未来的量产无人驾驶汽车，无人机搜救、无人机配送货物等领域。最短路径规划可以帮助交通工具节约时间，节约能源使用。

天牛群算法(BSO)是一种新型的智能仿真种群搜索算法，其仿生学原理在解决相关优化问题中具有较好的适用性、鲁棒性、准确性以及运行速度。其中应用的搜索原理和局部搜索特征具有较高的准确性，具有较快的运行速度。

使用传统求解方法求解所得的结果无法达到全局最优，求解结果的稳定度不足，这些缺点对三维平面路径规划的求解进度和求解速度有着较大的影响，会造成路径凌乱弯曲等缺陷，甚至会导致无人车的移动规划任务失败。

发明内容

本发明主要针对三维平面上路径规划算法技术缺陷，提出一种天牛群算法用以求解三维路径规划问题的算法模型。算法的种群特性以及莱维飞行特性有效地提升了三维路径规划的求解精度以及速度，能够规划出一条相对较好的从起点到终点的移动路径，更好地提升无人车的路径规划能力。

为实现上述目的，本发明采用一种基于天牛群搜索算法的三维路径规划方法，包括以下步骤：

步骤1)：读取地图数据，使用几何面片连接均匀离散的地图信息数据点描述三维地图场景，生成并绘制模拟真实地形的三维平面；所读取的地图数据模型为三维散点数据，使用x坐标值，y坐标值，z坐标值描述该地图数据。

步骤2)：将步骤1)中读取的三维地图场景点投影到二维网格面，并将该网格面上的点进行一维编号，给予每个网格点独立的数字标示，并计算保存每个网格点的邻接点；

步骤3)：将步骤2)中的编号点进行邻接点连接，生成从终点到起点的不同路径；

步骤4)：将步骤3)中的路径运用天牛群算法模型进行优化求解，计算路径长度时考虑高度信息，对不连续路径进行处理，将不连续的路径变成邻接点依次联通的连续路径，求解出最优的路径长度值所对应的路径，并使用plot函数在地形上进行路径图像绘制；

步骤5)：将步骤4)的结果传递给无人车，控制无人车进行三维平面上的导航移动。

作为优选，在步骤1)中，使用三维面片连接各个散点绘制基本地图信息。