本說明書涉及計算機，尤其涉及一種社區(qū)巡檢車路徑規(guī)劃方法、設(shè)備及介質(zhì)。

背景技術(shù)：

1、隨著科技的不斷發(fā)展，智慧社區(qū)的建設(shè)逐漸成為人們關(guān)注的焦點。智慧社區(qū)巡檢車作為一種重要的移動機器人，在社區(qū)內(nèi)的安全巡檢和管理工作中發(fā)揮著重要作用。在智慧社區(qū)中，巡檢車需要具備高效、準(zhǔn)確的路徑規(guī)劃能力，以確保能夠快速、安全地到達目的地，并完成巡檢任務(wù)。

2、傳統(tǒng)的路徑規(guī)劃方法在搜索過程中，可能會產(chǎn)生大量的無效路徑，這些路徑需要被排除。然而，在處理這些無效路徑時可能會浪費大量的時間和計算資源，從而可能影響社區(qū)巡檢的效率和準(zhǔn)確性。

技術(shù)實現(xiàn)思路

1、本說明書一個或多個實施例提供了一種社區(qū)巡檢車路徑規(guī)劃方法、設(shè)備及介質(zhì)，用于解決背景技術(shù)提出的技術(shù)問題。

2、本說明書一個或多個實施例采用下述技術(shù)方案：

3、本說明書一個或多個實施例提供的一種社區(qū)巡檢車路徑規(guī)劃方法，所述方法包括：

4、在巡檢車進行社區(qū)巡檢時，將社區(qū)地圖圖片輸入預(yù)先訓(xùn)練的生成對抗網(wǎng)絡(luò)模型，得到帶有初步規(guī)劃的路徑圖片；

5、基于所述帶有初步規(guī)劃的路徑地圖圖片、起始點坐標(biāo)與目標(biāo)點坐標(biāo)，分別由起始點至目標(biāo)點，以及由所述目標(biāo)點向所述起始點執(zhí)行指定路徑規(guī)劃算法，得到第一生成樹與第二生成樹；

6、基于所述第一生成樹與所述第二生成樹，得到所述起始點至所述目標(biāo)點的最短路徑。

7、需要說明的是，本說明書實施例通過上述內(nèi)容，具有下述有益效果：

8、提高路徑規(guī)劃效率：通過使用預(yù)先訓(xùn)練的生成對抗網(wǎng)絡(luò)模型進行初步規(guī)劃，可以快速生成帶有潛在路徑的圖片。這減少了傳統(tǒng)路徑規(guī)劃方法中搜索大量無效路徑的時間和計算資源消耗，提高了路徑規(guī)劃的效率。

9、增強路徑準(zhǔn)確性：結(jié)合指定路徑規(guī)劃算法，從起始點和目標(biāo)點雙向進行路徑搜索，得到第一生成樹和第二生成樹。這種雙向搜索可以更全面地考慮路徑可能性，從而提高找到最短路徑的準(zhǔn)確性。

10、適應(yīng)復(fù)雜社區(qū)環(huán)境：該方法能夠應(yīng)對社區(qū)環(huán)境中的各種變化和不確定性。生成對抗網(wǎng)絡(luò)模型可以學(xué)習(xí)到社區(qū)的特征和模式，從而在不同的情況下提供合理的初步路徑規(guī)劃。指定路徑規(guī)劃算法則可以根據(jù)實際情況進行進一步優(yōu)化，確保巡檢車能夠適應(yīng)復(fù)雜的社區(qū)布局和動態(tài)環(huán)境。

11、提升社區(qū)巡檢效果：高效準(zhǔn)確的路徑規(guī)劃有助于巡檢車快速、安全地到達目的地，完成巡檢任務(wù)。這可以提高社區(qū)的安全性和管理效率，及時發(fā)現(xiàn)和處理潛在問題。

12、節(jié)省時間和資源：減少無效路徑的搜索和處理，節(jié)省了時間和計算資源。這對于資源有限的社區(qū)巡檢系統(tǒng)來說尤為重要，可以提高系統(tǒng)的整體性能和可持續(xù)性。

13、進一步的，所述將社區(qū)地圖圖片輸入預(yù)先訓(xùn)練的生成對抗網(wǎng)絡(luò)模型，得到帶有初步規(guī)劃的路徑圖片前，所述方法還包括：

14、通過隨機生成多個地圖圖片作為數(shù)據(jù)樣本；

15、在每個地圖圖片上執(zhí)行起始點到目標(biāo)點的a*算法，得到標(biāo)記最短路徑的地圖圖片；

16、將所述標(biāo)記最短路徑的地圖圖片輸入生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，得到訓(xùn)練完成的生成對抗網(wǎng)絡(luò)模型。

17、需要說明的是，本說明書實施例通過上述內(nèi)容，具有下述有益效果：

18、提高路徑規(guī)劃的準(zhǔn)確性：通過在大量隨機生成的地圖圖片上執(zhí)行a*算法，標(biāo)記出最短路徑，并將這些標(biāo)記最短路徑的地圖圖片輸入生成對抗網(wǎng)絡(luò)模型進行訓(xùn)練，模型可以學(xué)習(xí)到不同地圖布局下的最短路徑模式和特征。這有助于提高生成對抗網(wǎng)絡(luò)模型在初步規(guī)劃路徑時的準(zhǔn)確性，減少無效路徑的產(chǎn)生。

19、增強模型的泛化能力：使用隨機生成的地圖圖片進行訓(xùn)練，可以增加數(shù)據(jù)的多樣性和復(fù)雜性，使模型能夠適應(yīng)各種不同的社區(qū)地圖布局。這有助于提高模型的泛化能力，使其在面對實際的社區(qū)地圖時能夠更準(zhǔn)確地生成初步規(guī)劃的路徑。

20、提高路徑規(guī)劃的效率：經(jīng)過訓(xùn)練的生成對抗網(wǎng)絡(luò)模型可以快速生成帶有初步規(guī)劃的路徑圖片，減少了傳統(tǒng)路徑規(guī)劃方法中搜索大量無效路徑的時間和計算資源消耗。這有助于提高路徑規(guī)劃的效率，使巡檢車能夠更快地到達目的地，完成巡檢任務(wù)。

21、促進智慧社區(qū)的發(fā)展：高效準(zhǔn)確的路徑規(guī)劃是智慧社區(qū)建設(shè)的重要組成部分。通過提高路徑規(guī)劃的準(zhǔn)確性和效率，可以提升社區(qū)的安全性和管理效率，促進智慧社區(qū)的發(fā)展。

22、進一步的，所述得到標(biāo)記最短路徑的地圖圖片后，所述方法還包括：

23、對所述標(biāo)記最短路徑的地圖圖片中最短路徑所在的像素點進行擴充加粗處理。

24、需要說明的是，本說明書實施例通過上述內(nèi)容，具有下述有益效果：

25、提高路徑的可視化效果：通過對最短路徑所在的像素點進行擴充加粗處理，可以使最短路徑在地圖圖片上更加明顯和突出。這有助于巡檢人員或相關(guān)人員更直觀地看到規(guī)劃的路徑，提高路徑的可視化效果，減少誤解或誤判的可能性。

26、增強路徑的可識別性：加粗處理后的最短路徑更容易被識別和區(qū)分，特別是在復(fù)雜的地圖環(huán)境中。這有助于提高路徑的可識別性，使巡檢車或其他設(shè)備能夠更準(zhǔn)確地沿著規(guī)劃的路徑行駛，減少偏離路徑的風(fēng)險。

27、強調(diào)最短路徑的重要性：擴充加粗處理可以強調(diào)最短路徑的重要性，使其在地圖圖片中更加突出。這有助于引導(dǎo)巡檢人員或相關(guān)人員優(yōu)先選擇最短路徑，提高巡檢效率和工作效果。

28、便于路徑的跟蹤和監(jiān)控：加粗處理后的最短路徑在地圖圖片上更加清晰可見，便于對路徑的跟蹤和監(jiān)控。這對于實時監(jiān)控巡檢車的行駛軌跡、評估路徑規(guī)劃的效果以及進行后續(xù)的優(yōu)化和調(diào)整都具有重要意義。

29、進一步的，所述指定路徑規(guī)劃算法為rrt*算法。

30、需要說明的是，本說明書實施例通過上述內(nèi)容，具有下述有益效果：

31、高效性：rrt*算法是一種基于隨機采樣的路徑規(guī)劃算法，它能夠快速地在復(fù)雜的環(huán)境中搜索到可行的路徑。相比其他傳統(tǒng)算法，rrt*算法在計算效率上具有優(yōu)勢，能夠在較短的時間內(nèi)找到較好的路徑。

32、適應(yīng)性強：rrt*算法適用于各種不同類型的環(huán)境，包括靜態(tài)和動態(tài)環(huán)境。它能夠處理障礙物的存在和變化，以及環(huán)境中的不確定性因素。這使得它在智慧社區(qū)等復(fù)雜環(huán)境中的應(yīng)用更加可靠。

33、最優(yōu)性：rrt*算法通過不斷優(yōu)化路徑，能夠找到接近最優(yōu)的路徑。它通過在搜索過程中引入隨機采樣和局部優(yōu)化，能夠避免陷入局部最優(yōu)解，提高路徑的質(zhì)量。

34、可擴展性：rrt*算法具有良好的可擴展性，可以應(yīng)用于大規(guī)模的環(huán)境和多機器人系統(tǒng)。它可以與其他算法或技術(shù)結(jié)合使用，進一步提高路徑規(guī)劃的性能。

35、進一步的，所述基于所述第一生成樹與所述第二生成樹，得到所述起始點至所述目標(biāo)點的最短路徑，包括：

36、在所述第一生成樹與所述第二生成樹相遇，或所述第一生成樹與所述第二生成樹之間距離小于設(shè)定的閾值，完成第一次迭代，得到第一最短路徑；

37、基于預(yù)先設(shè)定的迭代次數(shù)，重復(fù)執(zhí)行所述基于所述帶有初步規(guī)劃的路徑地圖圖片、起始點坐標(biāo)與目標(biāo)點坐標(biāo)，分別由起始點至目標(biāo)點，以及由所述目標(biāo)點向所述起始點執(zhí)行指定路徑規(guī)劃算法，得到第一生成樹與第二生成樹；在所述第一生成樹與所述第二生成樹相遇，或所述第一生成樹與所述第二生成樹之間距離小于設(shè)定的閾值，得到多個第二最短路徑；

38、基于所述第一最短路徑與所述多個第二最短路徑，得到所述起始點至所述目標(biāo)點的最短路徑。

39、需要說明的是，本說明書實施例通過上述內(nèi)容，具有下述有益效果：

40、提高路徑規(guī)劃的準(zhǔn)確性：通過多次迭代執(zhí)行指定路徑規(guī)劃算法，可以得到多個最短路徑?；谶@些路徑，可以進一步分析和選擇最優(yōu)的路徑，從而提高路徑規(guī)劃的準(zhǔn)確性。

41、增強路徑規(guī)劃的可靠性：通過多次迭代，可以避免單次規(guī)劃中可能出現(xiàn)的局部最優(yōu)解。多個最短路徑的存在增加了找到全局最優(yōu)解的可能性，從而增強了路徑規(guī)劃的可靠性。

42、考慮不同的起始點和目標(biāo)點：該方法分別從起始點和目標(biāo)點同時進行路徑規(guī)劃，得到兩個生成樹。這樣可以考慮到不同方向的路徑可能性，提供更多的選擇，有助于找到更優(yōu)的最短路徑。

43、適應(yīng)復(fù)雜環(huán)境：在復(fù)雜的環(huán)境中，路徑可能受到多種因素的影響，如障礙物、地形等。通過多次迭代和生成多個最短路徑，可以更好地適應(yīng)這些復(fù)雜情況，找到更適合的路徑。

44、提高效率：雖然多次迭代可能會增加一些計算時間，但通過找到多個最短路徑并進行比較，可以在最終選擇路徑時節(jié)省時間。避免了在單次規(guī)劃中可能需要多次嘗試不同路徑的情況，提高了整體效率。

45、靈活性：該方法可以根據(jù)具體需求和環(huán)境進行調(diào)整。例如，可以根據(jù)實際情況設(shè)置迭代次數(shù)、閾值等參數(shù)，以適應(yīng)不同的場景和要求。

46、優(yōu)化路徑選擇：基于多個最短路徑，可以進行進一步的分析和優(yōu)化?？梢钥紤]其他因素，如路徑的平滑性、安全性等，綜合選擇最合適的路徑。

47、可擴展性：這種方法具有一定的可擴展性，可以應(yīng)用于更復(fù)雜的路徑規(guī)劃問題，如多目標(biāo)點、動態(tài)環(huán)境等。通過適當(dāng)?shù)恼{(diào)整和擴展，可以滿足不同應(yīng)用場景的需求。

48、進一步的，基于所述帶有初步規(guī)劃的路徑地圖圖片、起始點坐標(biāo)與目標(biāo)點坐標(biāo)，分別由起始點至目標(biāo)點，以及由所述目標(biāo)點向所述起始點執(zhí)行指定路徑規(guī)劃算法，得到第一生成樹與第二生成樹，包括：

49、基于所述起始點坐標(biāo)與所述目標(biāo)點坐標(biāo)，確定預(yù)設(shè)點坐標(biāo)；

50、基于所述帶有初步規(guī)劃的路徑地圖圖片，確定所述預(yù)設(shè)點坐標(biāo)是否處于障礙物內(nèi)；

51、若所述預(yù)設(shè)點坐標(biāo)未處于障礙物內(nèi)，分別由所述起始點坐標(biāo)至所述預(yù)設(shè)點坐標(biāo)，以及由所述目標(biāo)點坐標(biāo)向所述預(yù)設(shè)點坐標(biāo)執(zhí)行指定路徑規(guī)劃算法，得到所述第一生成樹與所述第二生成樹。

52、需要說明的是，本說明書實施例通過上述內(nèi)容，具有下述有益效果：

53、提高路徑規(guī)劃的準(zhǔn)確性：通過確定預(yù)設(shè)點坐標(biāo)，并檢查其是否處于障礙物內(nèi)，可以避免路徑規(guī)劃算法在障礙物內(nèi)進行無效的計算。這有助于提高路徑規(guī)劃的準(zhǔn)確性，確保生成的路徑不會穿過障礙物。

54、減少計算量：如果預(yù)設(shè)點坐標(biāo)處于障礙物內(nèi)，就不需要從起始點或目標(biāo)點向該點執(zhí)行路徑規(guī)劃算法。這樣可以減少不必要的計算，提高算法的效率。

55、增加路徑的可行性：通過排除處于障礙物內(nèi)的預(yù)設(shè)點坐標(biāo)，可以確保生成的路徑是可行的，不會受到障礙物的阻擋。這增加了路徑的可行性和實用性。

56、提高系統(tǒng)的響應(yīng)速度：減少不必要的計算可以加快路徑規(guī)劃的速度，提高系統(tǒng)的響應(yīng)速度。這對于實時性要求較高的應(yīng)用場景，如自動駕駛或機器人導(dǎo)航，非常重要。

57、增強系統(tǒng)的穩(wěn)定性：避免在障礙物內(nèi)進行路徑規(guī)劃可以減少算法出現(xiàn)錯誤或異常的可能性，增強系統(tǒng)的穩(wěn)定性和可靠性。

58、優(yōu)化路徑選擇：通過合理選擇預(yù)設(shè)點坐標(biāo)，可以引導(dǎo)路徑規(guī)劃算法生成更優(yōu)的路徑。例如，可以選擇在空曠區(qū)域或關(guān)鍵位置設(shè)置預(yù)設(shè)點，以獲得更短、更平滑或更符合特定要求的路徑。

59、提高用戶體驗：準(zhǔn)確、可行的路徑規(guī)劃可以提供更好的用戶體驗。用戶可以更快地獲得滿意的路徑規(guī)劃結(jié)果，提高工作效率或享受更好的服務(wù)。

60、進一步的，若所述預(yù)設(shè)點坐標(biāo)處于障礙物內(nèi)，所述方法還包括：

61、由所述起始點坐標(biāo)至所述目標(biāo)點坐標(biāo)執(zhí)行指定路徑規(guī)劃算法，得到對應(yīng)的路徑規(guī)劃。

62、需要說明的是，本說明書實施例通過上述內(nèi)容，具有下述有益效果：

63、保證路徑規(guī)劃的連續(xù)性：即使預(yù)設(shè)點坐標(biāo)處于障礙物內(nèi)，通過由起始點坐標(biāo)直接至目標(biāo)點坐標(biāo)執(zhí)行指定路徑規(guī)劃算法，仍然可以得到對應(yīng)的路徑規(guī)劃。這保證了在遇到障礙物時，路徑規(guī)劃不會中斷，而是能夠繼續(xù)進行，提供了一種連續(xù)性的解決方案。

64、增加路徑規(guī)劃的靈活性：這種方法增加了路徑規(guī)劃的靈活性。當(dāng)預(yù)設(shè)點不可用時，可以直接從起始點到目標(biāo)點進行規(guī)劃，避免了因預(yù)設(shè)點的限制而導(dǎo)致無法找到可行路徑的情況。這樣可以更好地適應(yīng)不同的環(huán)境和情況，提高路徑規(guī)劃的成功率。

65、提高路徑規(guī)劃的效率：直接從起始點到目標(biāo)點進行路徑規(guī)劃，可以避免在預(yù)設(shè)點處的額外計算和判斷。這減少了計算量，提高了路徑規(guī)劃的效率，尤其是在復(fù)雜的環(huán)境中或需要快速生成路徑規(guī)劃的情況下。

66、進一步的，所述預(yù)設(shè)點坐標(biāo)包括中間點坐標(biāo)、三分之一點坐標(biāo)與三分之二點坐標(biāo)。

67、本說明書一個或多個實施例提供的一種社區(qū)巡檢車路徑規(guī)劃設(shè)備，包括：

68、至少一個處理器；以及，

69、與所述至少一個處理器通信連接的存儲器；其中，

70、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠：

71、在巡檢車進行社區(qū)巡檢時，將社區(qū)地圖圖片輸入預(yù)先訓(xùn)練的生成對抗網(wǎng)絡(luò)模型，得到帶有初步規(guī)劃的路徑圖片；

72、基于所述帶有初步規(guī)劃的路徑地圖圖片、起始點坐標(biāo)與目標(biāo)點坐標(biāo)，分別由起始點至目標(biāo)點，以及由所述目標(biāo)點向所述起始點執(zhí)行指定路徑規(guī)劃算法，得到第一生成樹與第二生成樹；

73、基于所述第一生成樹與所述第二生成樹，得到所述起始點至所述目標(biāo)點的最短路徑。

74、本說明書一個或多個實施例提供的一種非易失性計算機存儲介質(zhì)，存儲有計算機可執(zhí)行指令，所述計算機可執(zhí)行指令被計算機執(zhí)行時能夠?qū)崿F(xiàn)：

75、在巡檢車進行社區(qū)巡檢時，將社區(qū)地圖圖片輸入預(yù)先訓(xùn)練的生成對抗網(wǎng)絡(luò)模型，得到帶有初步規(guī)劃的路徑圖片；

76、基于所述帶有初步規(guī)劃的路徑地圖圖片、起始點坐標(biāo)與目標(biāo)點坐標(biāo)，分別由起始點至目標(biāo)點，以及由所述目標(biāo)點向所述起始點執(zhí)行指定路徑規(guī)劃算法，得到第一生成樹與第二生成樹；

77、基于所述第一生成樹與所述第二生成樹，得到所述起始點至所述目標(biāo)點的最短路徑。

78、本說明書實施例采用的上述至少一個技術(shù)方案能夠達到以下有益效果：

79、提高路徑規(guī)劃效率：通過使用預(yù)先訓(xùn)練的生成對抗網(wǎng)絡(luò)模型進行初步規(guī)劃，可以快速生成帶有潛在路徑的圖片。這減少了傳統(tǒng)路徑規(guī)劃方法中搜索大量無效路徑的時間和計算資源消耗，提高了路徑規(guī)劃的效率。

80、增強路徑準(zhǔn)確性：結(jié)合指定路徑規(guī)劃算法，從起始點和目標(biāo)點雙向進行路徑搜索，得到第一生成樹和第二生成樹。這種雙向搜索可以更全面地考慮路徑可能性，從而提高找到最短路徑的準(zhǔn)確性。

81、適應(yīng)復(fù)雜社區(qū)環(huán)境：該方法能夠應(yīng)對社區(qū)環(huán)境中的各種變化和不確定性。生成對抗網(wǎng)絡(luò)模型可以學(xué)習(xí)到社區(qū)的特征和模式，從而在不同的情況下提供合理的初步路徑規(guī)劃。指定路徑規(guī)劃算法則可以根據(jù)實際情況進行進一步優(yōu)化，確保巡檢車能夠適應(yīng)復(fù)雜的社區(qū)布局和動態(tài)環(huán)境。

82、提升社區(qū)巡檢效果：高效準(zhǔn)確的路徑規(guī)劃有助于巡檢車快速、安全地到達目的地，完成巡檢任務(wù)。這可以提高社區(qū)的安全性和管理效率，及時發(fā)現(xiàn)和處理潛在問題。

83、節(jié)省時間和資源：減少無效路徑的搜索和處理，節(jié)省了時間和計算資源。這對于資源有限的社區(qū)巡檢系統(tǒng)來說尤為重要，可以提高系統(tǒng)的整體性能和可持續(xù)性。