本發(fā)明涉及自主路徑規(guī)劃，尤其涉及基于工地地圖系統(tǒng)的自主路徑規(guī)劃方法及系統(tǒng)。

背景技術(shù)：

1、建筑工地作為重要的生產(chǎn)場所，其復(fù)雜的環(huán)境特性對智能化設(shè)備的導(dǎo)航和操作提出了嚴(yán)峻挑戰(zhàn)，然而，工地環(huán)境復(fù)雜多變，存在動(dòng)態(tài)障礙物(如施工車輛、移動(dòng)人員)和靜態(tài)障礙物(如建筑物、設(shè)備)，且不同平臺(tái)采集的數(shù)據(jù)格式和精度各異，傳統(tǒng)路徑規(guī)劃方法往往依賴于靜態(tài)環(huán)境假設(shè)，難以適應(yīng)動(dòng)態(tài)變化的工地場景。此外，工地中多源數(shù)據(jù)的采集與集成是另一個(gè)技術(shù)難點(diǎn)，不同平臺(tái)(如無人機(jī)、機(jī)器人)的數(shù)據(jù)存在模型不匹配、精度不一致等問題，進(jìn)一步增加了路徑規(guī)劃的復(fù)雜性。

2、現(xiàn)有的基于工地地圖系統(tǒng)的自主路徑規(guī)劃方法及系統(tǒng)無法確保生成的路徑始終與實(shí)時(shí)環(huán)境匹配，容易出現(xiàn)路徑失效或設(shè)備碰撞的情況，降低路徑規(guī)劃的多樣性和效率；此外，現(xiàn)有的基于工地地圖系統(tǒng)的自主路徑規(guī)劃方法及系統(tǒng)容易出現(xiàn)路徑執(zhí)行中的設(shè)備調(diào)整或二次優(yōu)化時(shí)間，路徑的設(shè)備適應(yīng)性和可操作性差，降低工地規(guī)劃任務(wù)的執(zhí)行效率；為此，我們提出基于工地地圖系統(tǒng)的自主路徑規(guī)劃方法及系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中存在的缺陷，而提出的基于工地地圖系統(tǒng)的自主路徑規(guī)劃方法及系統(tǒng)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、基于工地地圖系統(tǒng)的自主路徑規(guī)劃方法，該規(guī)劃方法具體步驟如下：

4、ⅰ、獲取工地的高精度點(diǎn)云數(shù)據(jù)和圖像數(shù)據(jù)，并生成統(tǒng)一的工地地圖基礎(chǔ)模型，同時(shí)構(gòu)建工地圖譜；

5、ⅱ、修補(bǔ)優(yōu)化工地地圖基礎(chǔ)模型的缺失區(qū)域，輕量化處理地圖模型，并對地圖模型進(jìn)行快速渲染；

6、ⅲ、對工地動(dòng)態(tài)和靜態(tài)障礙物進(jìn)行檢測，依據(jù)檢測結(jié)果構(gòu)建環(huán)境的動(dòng)態(tài)更新地圖，并生成初始路徑規(guī)劃方案；

7、ⅳ、優(yōu)化初始路徑規(guī)劃方案，并在路徑規(guī)劃中，基于工地圖譜動(dòng)態(tài)調(diào)整規(guī)劃結(jié)果以適應(yīng)實(shí)時(shí)工況；

8、ⅴ、根據(jù)規(guī)劃路徑，驅(qū)動(dòng)自主移動(dòng)設(shè)備或機(jī)器人執(zhí)行路徑導(dǎo)航任務(wù)，同時(shí)進(jìn)行路徑跟蹤，并動(dòng)態(tài)調(diào)整以應(yīng)對突發(fā)障礙物或環(huán)境變化。

9、作為本發(fā)明的進(jìn)一步方案，步驟ⅰ所述生成統(tǒng)一的工地地圖基礎(chǔ)模型的具體步驟如下：

10、s1.1：基于光照不變性和旋轉(zhuǎn)不變性，通過sift或harris角點(diǎn)檢測提取采集的各組點(diǎn)云數(shù)據(jù)中具有滿足需求的幾何或光學(xué)特征的點(diǎn)，計(jì)算不同平臺(tái)的點(diǎn)云和圖像中各描述子的歐幾里得距離，并獲取找到具有相似描述子的特征點(diǎn)對；

11、s1.2：基于匹配的特征點(diǎn)，通過svd方法計(jì)算匹配點(diǎn)集的質(zhì)心以及協(xié)方差矩陣，并對該協(xié)方差矩陣進(jìn)行奇異值分解，并計(jì)算旋轉(zhuǎn)矩陣以及平移向量，再通過icp算法找到源點(diǎn)云中的每個(gè)點(diǎn)與目標(biāo)點(diǎn)云中最近點(diǎn)的對應(yīng)關(guān)系；

12、s1.3：迭代更新旋轉(zhuǎn)矩陣以及平移向量，直到誤差小于設(shè)定閾值或達(dá)到預(yù)設(shè)迭代次數(shù)，將配準(zhǔn)后的點(diǎn)云或圖像數(shù)據(jù)融合成統(tǒng)一的工地地圖模型，并使用體素網(wǎng)格化方法對點(diǎn)云進(jìn)行降采樣，平滑融合后的模型。

13、作為本發(fā)明的進(jìn)一步方案，步驟ⅲ所述構(gòu)建環(huán)境的動(dòng)態(tài)更新地圖的具體步驟如下：

14、s2.1：基于渲染完成的地圖模型，收集多源傳感器數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行對齊和歸一化處理，之后從視頻序列中提取每幀的光流特征，從點(diǎn)云數(shù)據(jù)中提取幾何特征，并將提取的各組特征數(shù)據(jù)作為輸入數(shù)據(jù)；

15、s2.2：依據(jù)bi-gru架構(gòu)搭建一組識(shí)別分類模型，預(yù)處理歷史工地地圖數(shù)據(jù)，并將其劃分為訓(xùn)練集、驗(yàn)證集以及測試集，之后將訓(xùn)練集作為輸入數(shù)據(jù)輸入識(shí)別分類模型中，并通過識(shí)別分類模型的前向傳播獲取輸入數(shù)據(jù)中的動(dòng)態(tài)障礙物和靜態(tài)障礙物分類結(jié)果；

16、s2.3：通過交叉熵函數(shù)計(jì)算分類結(jié)果與真實(shí)分類結(jié)果之間的損失值，再將該損失值從識(shí)別分類模型輸出層輸入，并基于鏈?zhǔn)椒▌t逐層計(jì)算損失值對于各層參數(shù)的梯度，使用梯度下降算法更新分類識(shí)別模型參數(shù)信息；

17、s2.4：每輪訓(xùn)練結(jié)束后，使用驗(yàn)證集評估識(shí)別分類模型的識(shí)別準(zhǔn)確率，若準(zhǔn)確率達(dá)到預(yù)設(shè)標(biāo)準(zhǔn)，則停止訓(xùn)練，否則，重復(fù)通過訓(xùn)練集對模型進(jìn)行訓(xùn)練以及參數(shù)更新，驗(yàn)證完成后，通過測試集監(jiān)測分類識(shí)別模型性能，并將其部署至監(jiān)測平臺(tái)；

18、s2.5：將最新采集的傳感器數(shù)據(jù)預(yù)處理成符合要求的輸入數(shù)據(jù)，將輸入數(shù)據(jù)導(dǎo)入識(shí)別分類模型中，模型通過前向傳播，利用雙向gru層處理輸入數(shù)據(jù)的逆序數(shù)據(jù)，獲取輸入數(shù)據(jù)的前后依賴關(guān)系，之后通過分類層的全連接網(wǎng)絡(luò)以及softmax函數(shù)區(qū)分動(dòng)態(tài)障礙物和靜態(tài)障礙物；

19、s2.6：根據(jù)分類結(jié)果，將檢測到的障礙物標(biāo)記到地圖中，并根據(jù)動(dòng)態(tài)障礙物的運(yùn)動(dòng)軌跡預(yù)測其未來位置，更新動(dòng)態(tài)地圖，直接將靜態(tài)障礙物位置固定到環(huán)境地圖中，通過kalman濾波優(yōu)化障礙物位置和分類結(jié)果，同時(shí)在連續(xù)幀中對動(dòng)態(tài)障礙物進(jìn)行跟蹤，驗(yàn)證其檢測精度，并更新地圖模型。

20、作為本發(fā)明的進(jìn)一步方案，步驟ⅲ所述生成初始路徑規(guī)劃方案的具體步驟如下：

21、s3.1：將動(dòng)態(tài)更新地圖建模為一個(gè)狀態(tài)空間，其中每個(gè)狀態(tài)表示路徑規(guī)劃的當(dāng)前位置，以最小化總路徑代價(jià)設(shè)置為路徑規(guī)劃的目標(biāo)，并構(gòu)建對應(yīng)目標(biāo)函數(shù)，之后構(gòu)建初始樹節(jié)點(diǎn)，其對應(yīng)當(dāng)前起始狀態(tài)；

22、s3.2：根據(jù)起始狀態(tài)可選擇的可行動(dòng)作生成多組新的位置變化，并將其作為新的子節(jié)點(diǎn)加入樹中，計(jì)算各子節(jié)點(diǎn)的uct值，通過上置信限樹算法逐層向下選擇uct值最高的子節(jié)點(diǎn)，若選擇的子節(jié)點(diǎn)未完全展開，則隨機(jī)選擇一個(gè)可行動(dòng)作，生成一個(gè)新的后繼節(jié)點(diǎn)；

23、s3.3：擴(kuò)展完成后，從擴(kuò)展出的新節(jié)點(diǎn)開始，通過隨機(jī)策略進(jìn)行模擬，生成從當(dāng)前狀態(tài)到目標(biāo)狀態(tài)的完整路徑，并計(jì)算路徑總代價(jià)和獎(jiǎng)勵(lì)值，之后將模擬階段的結(jié)果回傳到路徑中的所有節(jié)點(diǎn)，并更新各節(jié)點(diǎn)的訪問次數(shù)和累積獎(jiǎng)勵(lì)值；

24、s3.4：重復(fù)選擇、擴(kuò)展、模擬以及回溯步驟，直到滿足預(yù)設(shè)迭代次數(shù)或時(shí)間限制，之后從起始節(jié)點(diǎn)出發(fā)，通過選擇每個(gè)節(jié)點(diǎn)的最優(yōu)動(dòng)作構(gòu)造初始路徑，并生成初始路徑對應(yīng)的路徑規(guī)劃方案。

25、基于工地地圖系統(tǒng)的自主路徑規(guī)劃系統(tǒng)，包括數(shù)據(jù)采集模塊、整合配準(zhǔn)模塊、模型修補(bǔ)模塊、輕量渲染模塊、場景定位模塊、動(dòng)態(tài)感知模塊、路徑規(guī)劃模塊、優(yōu)化模擬模塊、執(zhí)行反饋模塊以及監(jiān)控交互模塊；

26、所述數(shù)據(jù)采集模塊用于通過多平臺(tái)協(xié)同方式采集地形地貌、建筑結(jié)構(gòu)以及施工動(dòng)態(tài)數(shù)據(jù)；

27、所述整合配準(zhǔn)模塊用于將來自不同設(shè)備的數(shù)據(jù)進(jìn)行特征匹配與整合，消除不同來源數(shù)據(jù)的誤差，生成統(tǒng)一的地圖模型；

28、所述模型修補(bǔ)模塊用于利用基于光學(xué)數(shù)據(jù)的三維模型修補(bǔ)技術(shù)完善采集過程中存在的空洞或缺失區(qū)域；

29、所述輕量渲染模塊用于利用bim技術(shù)對高精度地圖模型進(jìn)行輕量化處理，并進(jìn)行基于lod的動(dòng)態(tài)分塊渲染；

30、所述場景定位模塊用于在工地環(huán)境中對設(shè)備進(jìn)行定位；

31、所述動(dòng)態(tài)感知模塊用于檢測動(dòng)態(tài)障礙物與靜態(tài)障礙物，并動(dòng)態(tài)更新工地地圖，生成詳細(xì)的工地環(huán)境地圖；

32、所述路徑規(guī)劃模塊用于依據(jù)工地環(huán)境地圖以及需求，生成初始路徑規(guī)劃方案；

33、所述優(yōu)化模擬模塊用于優(yōu)化初步規(guī)劃路徑，并使用路徑模擬功能，驗(yàn)證規(guī)劃路徑在實(shí)際工地環(huán)境中的可行性；

34、所述執(zhí)行反饋模塊用于收集任務(wù)執(zhí)行過程中的反饋數(shù)據(jù)，并實(shí)時(shí)調(diào)整路徑規(guī)劃方案；

35、所述監(jiān)控交互模塊用于通過圖形化展示直觀的地圖展示、路徑規(guī)劃結(jié)果及設(shè)備狀態(tài)，并支持工作人員手動(dòng)調(diào)整路徑規(guī)劃參數(shù)，設(shè)置優(yōu)先級(jí)區(qū)域或禁行區(qū)域。

36、作為本發(fā)明的進(jìn)一步方案，所述優(yōu)化模擬模塊優(yōu)化初步規(guī)劃路徑的具體步驟如下：

37、s4.1：依據(jù)路徑長度成本、路徑平滑性成本以及避障成本構(gòu)建目標(biāo)函數(shù)，以最小化目標(biāo)函數(shù)值為目標(biāo)，通過修改當(dāng)前路徑規(guī)劃方案的可行動(dòng)作，進(jìn)行局部調(diào)整生成鄰域方案，計(jì)算當(dāng)前方案和新方案的目標(biāo)函數(shù)值；

38、s4.2：若新方案效益比當(dāng)前方案的效益高，則更新當(dāng)前方案為新方案，若新方案效益比當(dāng)前方案低，則計(jì)算新方案選擇概率，并依據(jù)概率值選擇更新當(dāng)前方案，每輪方案更新完成后，檢測方案效益變化是否收斂至預(yù)設(shè)范圍內(nèi)，若為收斂，則重新更新調(diào)整方案，并進(jìn)行選擇，否則，則停止更新并輸出當(dāng)前最佳路徑規(guī)劃方案；

39、s4.3：利用貝利葉曲線公式將最佳路徑規(guī)劃方案轉(zhuǎn)化為基于控制點(diǎn)的曲線，并將初步路徑的采樣點(diǎn)作為該曲線的控制點(diǎn)，之后使用梯度下降優(yōu)化曲線的控制點(diǎn)，使用工地環(huán)境的動(dòng)態(tài)更新地圖，將優(yōu)化后的路徑投影到實(shí)際環(huán)境中，模擬路徑的可行性，模擬中包含動(dòng)態(tài)障礙物的移動(dòng)預(yù)測，以及機(jī)械設(shè)備和行人的干擾；

40、s4.4：若路徑模擬結(jié)果不滿足可行性要求，調(diào)整目標(biāo)函數(shù)權(quán)重或重新優(yōu)化控制點(diǎn)，并重復(fù)進(jìn)行方案更新或控制點(diǎn)優(yōu)化，直至該路徑規(guī)劃方案滿足所有路徑約束，同時(shí)將滿足要求的路徑規(guī)劃方案輸出至監(jiān)控交互模塊。

41、相比于現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

42、1、本發(fā)明將動(dòng)態(tài)更新地圖建模為一個(gè)狀態(tài)空間，其中每個(gè)狀態(tài)表示路徑規(guī)劃的當(dāng)前位置，以最小化總路徑代價(jià)設(shè)置為路徑規(guī)劃的目標(biāo)，并構(gòu)建對應(yīng)目標(biāo)函數(shù)，之后構(gòu)建初始樹節(jié)點(diǎn)，其對應(yīng)當(dāng)前起始狀態(tài)，根據(jù)起始狀態(tài)可選擇的可行動(dòng)作生成多組新的位置變化，并將其作為新的子節(jié)點(diǎn)加入樹中，計(jì)算各子節(jié)點(diǎn)的uct值，通過上置信限樹算法逐層向下選擇uct值最高的子節(jié)點(diǎn)，若選擇的子節(jié)點(diǎn)未完全展開，則隨機(jī)選擇一個(gè)可行動(dòng)作，生成一個(gè)新的后繼節(jié)點(diǎn)，擴(kuò)展完成后，從擴(kuò)展出的新節(jié)點(diǎn)開始，通過隨機(jī)策略進(jìn)行模擬，生成從當(dāng)前狀態(tài)到目標(biāo)狀態(tài)的完整路徑，并計(jì)算路徑總代價(jià)和獎(jiǎng)勵(lì)值，之后將模擬階段的結(jié)果回傳到路徑中的所有節(jié)點(diǎn)，并更新各節(jié)點(diǎn)的訪問次數(shù)和累積獎(jiǎng)勵(lì)值，重復(fù)選擇、擴(kuò)展、模擬以及回溯步驟，直到滿足預(yù)設(shè)迭代次數(shù)或時(shí)間限制，之后從起始節(jié)點(diǎn)出發(fā)，通過選擇每個(gè)節(jié)點(diǎn)的最優(yōu)動(dòng)作構(gòu)造初始路徑，并生成初始路徑對應(yīng)的路徑規(guī)劃方案，能夠確保生成的路徑始終與實(shí)時(shí)環(huán)境匹配，避免路徑失效或設(shè)備碰撞，提高路徑規(guī)劃的多樣性和效率，實(shí)現(xiàn)更高效的路徑規(guī)劃。

43、2、本發(fā)明依據(jù)路徑長度成本、路徑平滑性成本以及避障成本構(gòu)建目標(biāo)函數(shù)，通過修改當(dāng)前路徑規(guī)劃方案的可行動(dòng)作，進(jìn)行局部調(diào)整生成鄰域方案，計(jì)算當(dāng)前方案和新方案的目標(biāo)函數(shù)值，并進(jìn)行方案更新，檢測方案效益變化是否收斂至預(yù)設(shè)范圍內(nèi)，若為收斂，則重新更新調(diào)整方案，并進(jìn)行選擇，否則，則停止更新并輸出當(dāng)前最佳路徑規(guī)劃方案，利用貝利葉曲線公式將最佳路徑規(guī)劃方案轉(zhuǎn)化為基于控制點(diǎn)的曲線，并將初步路徑的采樣點(diǎn)作為該曲線的控制點(diǎn)，之后優(yōu)化曲線的控制點(diǎn)，使用工地環(huán)境的動(dòng)態(tài)更新地圖，將優(yōu)化后的路徑投影到實(shí)際環(huán)境中，模擬路徑的可行性，模擬中包含動(dòng)態(tài)障礙物的移動(dòng)預(yù)測，以及機(jī)械設(shè)備和行人的干擾，若路徑模擬結(jié)果不滿足可行性要求，調(diào)整目標(biāo)函數(shù)權(quán)重或重新優(yōu)化控制點(diǎn)，并重復(fù)進(jìn)行方案更新或控制點(diǎn)優(yōu)化，直至該路徑規(guī)劃方案滿足所有路徑約束，同時(shí)將滿足要求的路徑規(guī)劃方案輸出至監(jiān)控交互模塊,減少路徑執(zhí)行中的設(shè)備調(diào)整或二次優(yōu)化時(shí)間，提升路徑的設(shè)備適應(yīng)性和可操作性，減少路徑執(zhí)行失敗的風(fēng)險(xiǎn)，保證路徑與動(dòng)態(tài)環(huán)境的適應(yīng)性，提高工地規(guī)劃任務(wù)的執(zhí)行效率。