用于定义路径的方法技术

本发明专利技术涉及用于定义载具在由边连接的节点的图形表示的环境中要遵循的路径的方法，所述图形的各个节点表示载具可以采取的位置，两个节点之间的各个边与两个节点之间的转移成本相关联。方法包括：获得(30)所述图形的实例，各个实例由起始节点、目的地节点和载具必须穿过的一组强制节点表示，起始节点、目的地节点和强制节点形成实例的节点；通过对所述实例应用使用适配于所述图形的图形卷积神经网络的过程而获得(31)穿过所述强制节点行进的初始顺序；执行(32)强制节点的顺序的局部优化过程以获得经优化的顺序，该过程用初始顺序来初始化；针对要解析的实例根据经优化的顺序，并且针对所述要解析的实例的各对节点根据该对节点之间的较短路径来定义(33)路径。点之间的较短路径来定义(33)路径。点之间的较短路径来定义(33)路径。

【技术实现步骤摘要】
【国外来华专利技术】用于定义路径的方法


[0001]本专利技术涉及用于定义载具在由边连接的节点的图形表示的环境中要遵循的路径的方法，所述图形的各个节点表示所述载具可以采取的位置，两个节点之间的各个边与两个节点之间的转移成本相关联，以及实现该方法的设备和系统。

技术介绍

[0002]过去几年已经看到，出现了所谓的自主载具，其能够在环境中自主地(即没有人为干预)或半自主地(即有限的人为干预)移动。这些自主载具包括能够在其他载具的伴随下在道路上行驶的机动载具，以及在水下或水上行驶、飞行或导航的的无人机。
[0003]通常，预期这些自主载具在不被指定到达目的地点要遵循的路径的情况下从出发点到达目的地点(也称为节点)。在一些情况下，路径可以被约束，自主载具必须穿过出发点和目的地点之间的一个或更多个强制位置。
[0004]通常，自主载具在其环境中可以采取的位置的数目不是无限的，这使得能够以由边连接的节点的图形的形式表示所述环境。在该图形中，连接两个节点的各个边可以与表示两个节点之间的转移成本的权重相关联。
[0005]图1例示了表示载具可以移动的环境的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于定义载具在由边连接的节点的图形表示的环境中要遵循的路径的方法，所述图形的各个节点表示所述载具可以采取的位置，两个节点之间的各个边与所述两个节点之间的转移成本相关联，其特征在于所述方法包括以下步骤：
‑
获得(30)所述图形的实例，所述实例被称为要解析的实例，各个实例由起始节点、目的地节点和载具必须穿过的一组强制节点表示，所述起始节点、目的地节点和强制节点形成所述要解析的实例的节点；
‑
通过对所述要解析的实例应用使用适配于所述图形的图形卷积神经网络的过程而获得(31)表示穿过所述强制节点行进的初始顺序的信息，所述图形卷积神经网络被称为GCNN；
‑
执行(32)所述强制节点的顺序的局部优化过程，以获得所述强制节点的经优化的顺序，该过程用表示所述初始顺序的所述信息来初始化；
‑
针对所述要解析的实例根据所述强制节点的所述经优化的顺序，并且针对所述要解析的实例的各对节点根据该对节点之间的最短路径，来定义(33)路径。2.根据权利要求1所述的方法，其特征在于，使用所述GCNN的过程是迭代过程，其将被称为输入实例的、所述图形的实例作为输入，并且生成被称为输出信息的表示穿过所述输入实例的强制节点行进的初始顺序的信息作为输出，并且在每次迭代时包括：
‑
将所述GCNN应用(3107)于所述输入实例，以针对所述图形的各个节点获得表示作为要在所述输入实例的起始节点之后穿过的下一强制节点的概率的值；
‑
识别(3108)所述输入实例的一组强制节点中具有最高概率的强制节点；
‑
在所述强制节点的有序列表中插入(3109)所识别的强制节点；
‑
用所识别的强制节点代替(3110)所述输入实例的起始节点，并从所述输入实例的该组强制节点中移除所识别的强制节点；
‑
当所述输入实例的该组强制节点中的节点的数目等于1时迭代结束，所述输入实例的该组强制节点中剩余的强制节点被插入到所述有序列表中，并且所述有序列表形成所述输出信息。3.根据权利要求1或2所述的方法，其特征在于，用于对所述强制节点的顺序进行局部优化的过程是迭代过程，其采用被称为初始实例的实例和被称为所述初始顺序的表示强制节点的顺序的信息作为输入，并生成被称为经优化的顺序的表示强制节点的经优化的顺序的信息作为输出，
‑
表示所述强制节点的顺序的各个信息项是强制节点的有序列表，并且在每次迭代时包括：
‑
在被称为初始列表的、所述初始顺序的强制节点的有序列表的强制节点中确定(3202)被称为枢纽节点的强制节点对，并且获得被称为经修改的列表的、强制节点的经修改的有序列表，其中，所述初始列表的位于两个枢纽节点之间的强制节点已经被对称地反转，所确定的枢纽节点对不同于已经用于修改所述初始列表中的强制节点的顺序的所有枢纽节点对；
‑
当在遵循所述经修改的列表中的强制节点的顺序的情况下在所述初始实例的起始节点与目的地节点之间的路径的总转移成本(3203)低于在遵循所述初始列表中的强制节点的顺序的情况下所述路径的总转移成本时，将表示所述经修改的列表中的强制节点的顺序
的信息定义(3204)为临时的经优化的顺序；以及将所述临时的经优化的顺序定义(3206)为所述初始顺序；
‑
当满足(3205)停止条件时，结束(3207)所述局部优化过程的迭代，经优化的顺序是由所述局部优化过程获得的最后临时的经优化的顺序。4.根据权利要求1、2或3所述的方法，其特征在于，所述GCNN在先前适配阶段期间被适配于所述图形，所述先前适配阶段包括用于适配所述GCNN的卷积阶段和线性组合阶段的参数的学习过程，所述参数被称为GCNN参数，所述学习过程是迭代过程，在每次迭代时包括：
‑
生成(502)所述图形的随机实例；
‑
将使用所述GCNN的过程应用(503)于所述随机实例，以获得被称为第一信息项的表示所述随机实例的强制节点的顺序的第一信息项；
‑
生成(504)表示称为第二信息项的随机定义的所述随机实...

【专利技术属性】
技术研发人员：K，
申请(专利权)人：赛峰电子与防务公司，
类型：发明
国别省市：