专利交易市场

本发明公开了一种基于快速扩展随机树的无人车避障方法，包括：步骤1、通过获取无人车数据以及障碍物位置数据，对障碍物轮廓尺寸进行膨胀处理，以得到障碍物膨胀后的区域；步骤2、通过快速遍历随机树法结合无人车行驶起点终点数据，生成所述无人车行驶的路径点，其中，随机树中新节点选用依据是，所述新节点是否在步骤1中所述障碍物膨胀后的区域内；步骤3、通过Dubins曲线对步骤2中生成的路径点进行检测，以生成最终所述无人车避障的路径；若检测中删除路径无效点后的路径点的密度低于阈值，则进入步骤2中重新生成所述无人车行驶的路径点。本发明可快速寻找满足车辆转弯半径的避障通路，提高了生成的无人车行驶的避障路径的安全性和可靠性。

本发明公开了一种改进双向快速搜索随机树算法的智能车路径规划方法，包括以下步骤：1)起始点和目标点两棵树相向搜索；2)节点扩展时同时生成两个随机采样点，选择距离目标点较近的采样点为下一扩展节点提供方向；3)结合目标引力思想，根据概率来判断是以目标点还是随机采样点作为扩展节点方向；4)产生动态目标点，两棵随机树分别选择对方生成的最新节点作为目标；5)判断扩展过程中是否发生碰撞，若有则重新生成新的采样点；6)两棵树的最新节点间距小于一定阈值则生成路径；7)将路径结合车辆的非完整约束模型；8)采用B样条曲线对生成路径进行优化。与现有技术相比，本发明具有路径更短，实时性更高，考虑非完整约束等优点。

本发明公开了一种基于改进A*算法的无人机自适应路径规划方法，首先为混合A*算法设计一个新的、考虑到环境中障碍物的启发式代价，并考虑到无人机飞行在一个混乱程度均匀的地图中，然后以此设计一个自适应策略来寻找到针对当前具体环境的最优启发式代价。该方案能够使得无人机在执行十余次混合A*算法后便能找到该地图环境对应的最优膨胀系数，得到该值后，无人机便以此最优膨胀系数来正常执行混合A*算法来快速寻找最优路径。

本公开的实施例公开了车辆行驶路径规划方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取道路图像、历史帧规划路径和对应的历史帧规划路径损失值；对道路图像进行车道线提取，得到车道线关键点坐标序列集；生成车道线区域坐标集；对历史帧规划路径包括的历史帧规划路径坐标序列中的每个历史帧规划路径坐标进行坐标转换处理以生成当前帧转换路径坐标；生成当前帧规划路径坐标序列，以及确定与当前帧规划路径坐标序列对应的损失值，得到当前帧规划路径损失值；响应于确定当前帧规划路径损失值和历史帧规划路径损失值满足预设的损失值条件，将历史帧规划路径确定为车辆行驶路径。该实施方式可以提高生成的车辆行驶路径的准确度。

本发明公开了基于改进弗洛伊德算法的救护车应急救援路径规划方法，其实现的具体步骤为：将所有救护车应急救援信息进行初始化；对医院与患者之间路径权值进行动态规划；采用弗洛伊德最短路径算法，计算从节点i到节点j途中不经过比索引点k大的最短路径。本发明充分考虑道路拥挤情况、医院的救援物资情况、患者的地理位置和医院的地理位置情况、车辆的空闲情况等情况，相比传统弗洛伊德算法下的救护车应急救援轨迹规划节省了更多的调度时间，极大提高了调度效率。

本发明公开了一种基于增强哈里斯鹰算法的无人车路径规划方法，属于无人驾驶路径规划技术领域。该方法包括基于环境信息，构建栅格地图，确定路径起点位置和终点位置；设置哈里斯鹰算法初始参数；执行哈里斯鹰算法探索阶段和开发阶段，并更新哈里斯鹰的个体位置；对更新后的哈里斯鹰个体位置进行差分进化，根据差分进化前后的适应度函数值，确定当前代最优哈里斯鹰的个体位置，并进行路径的线性优化；判断迭代次数是否达到最大迭代次数，输出当前最优个体位置。本发明将非线性控制策略用于算法的开发阶段，采用差分进化算法对搜索的个体最优位置进行局部扰动，增强了算法的搜索能力，采用线性路径优化策略，使获得最优路径更平滑。

本发明公开了基于改进的Dijkstra算法的飞行器航迹快速规划方法，建立飞行器双目标航迹优化模型，并将双目标航迹优化模型转化为单目标航迹优化模型；利用改进的Dijkstra算法对单目标航迹优化模型进行求解，得到一条累积误差小于预设数值，航迹距离最短且途径的校正点数最小的飞行路径。本发明首先使用归一化加权法将多目标优化转化为单目标优化问题。其次，在经典D算法基础上加入预搜索过程实现算法的回溯，在保持D算法目标性强、全局性好的特点的同时大大提高算法松弛度。此外，本发明在预搜索过程中增加跳出机制，进一步减少算法运行时间。经过MATLAB仿真验证了改进的D算法在复杂限制条件下的有效性。