(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211084654.8 (22)申请日 2022.09.06 (71)申请人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 周乐来　党婉莹　李贻斌　张辰　 宋锐　田新诚　 (74)专利代理 机构 济南金迪知识产权代理有限 公司 37219 专利代理师 陈桂玲 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/20(2020.01) G06F 30/12(2020.01) G06T 17/05(2011.01)G06F 111/04(2020.01) G06F 111/06(2020.01) (54)发明名称 一种面向野外地形的多车组合体构型迭代 优化方法 (57)摘要 一种面向野外地形的多车组合体构型迭代 优化方法， 包括以下步骤： (1)获取高程地图环境 信息， 建立3D地形模型； 计算地图中相邻两点间 高度差； 通过特征分析确定属性及类别， 生成对 应稀疏语义地图， 提取详细障碍物参数， 得到精 确地图矩阵信息； (2)获取初始路径； (3)对构型 编码， 确定关联矩阵； 唯一关联矩阵对于唯一构 型； (4)进行遗传算 法； (5)MAT LAB可视化GUI界面 构型展现。 该方法结合预先设定的目标函数， 多 次迭代寻找 适应度最大的一组值， 得到最佳唯一 构型， 改善了以往对地图数据处理不全面、 最优 路径不具备最优性、 构型非最佳、 越障能力不强 等问题， 旨在平稳、 节能、 安全、 快速通过复杂地 形， 为后续控制运动打下基础。 权利要求书3页 说明书6页 附图4页 CN 115422659 A 2022.12.02 CN 115422659 A 1.一种面向野外地形的多车组合体构型迭代优化方法， 多车组合体是指已知M辆四轮 模块机器人平台， 将每辆平台简化为矩形， 上下左右四侧边中只有左侧边和上侧边为连杆， 主动与被链接模块凹槽对接， 则右侧 边和下侧 边为被连接凹槽， 多车组合体根据地形特点 进行组合， 从而实现构型的选择和变化； 其特 征是， 包括以下步骤： (1)获取高程 地图环境信息， 建立3D地形模型； 结合实际山地高程地形数据库， 导入整体等高线数据以及测剖面图文件信息， 通过数 据分析获取地图参数， 即计算地图中相 邻两点间高度差； 通过特征分析确定属性及类别， 生 成对应稀疏语义 地图， 提取详细障碍物参数， 得到精确地图矩阵信息 。 (2)获取初始路径； 通过计算相邻 两点间纵向最大高度差和横向最小高度差， 找到可通行路线中代价最小 的路线， 确定起始点， 计算 跨越障碍最终代价， 得到最优路径3D建模； 根据步骤(1)的矩阵信息， 探索路径确定地形最大障碍物坡度和路径两侧横向最小容 纳宽度以及其他障碍物参数， 这些作为后续遗传算法的约束集合， 并以此确定最佳起始 点， 直线相连确定通过路线。 (3)对构型编码， 确定关联矩阵； 唯一关联矩阵对于唯一构型； (4)进行遗传算法； (5)MATLAB可视化GUI界面构型展现。 2.根据权利要求1所述的面向野外地形的多车组合体构型迭代优化方法， 其特征是， 所 述步骤(1)中计算 地图中相邻两点间高度差的方法是： 设将实际高程地图转化为稀疏语义地图， 语义地图相应矩阵元素为该点平均高度值， 障碍物部分横向元素I个， 即有I个起始点， 每条路线有J个纵向元素， 即有J个途径点， PATH [i]表示第i个起始元素， 遍历每个元素表示路径的一个起始点， PATH[j]表示第j个途径元 素， 每个元素表示路径中的一个途径点， 每条路线计算下一点PATH[j+1]与 当前点PATH[j] 的高度差， 并于下一高度差进 行比较， 随即得到该地形下最大和最小高度差， 与地形摩擦因 数下的临界纵向高度差进行对比， 得到该障碍物属性。 3.根据权利要求2所述的面向野外地形的多车组合体构型迭代优化方法， 其特征是， 所 述障碍物属性的地形分析包括： ①高墙： 计算相邻两点间纵向高度差， 当障碍物最小高度大于60单位时， 视为可通过高 墙类障碍； 当满足(高墙高度/单车长)*单车重量≤障碍物表 面动摩擦因数*单车重量*构型 长度， 且高墙高度<构型长度时， 将获得的高墙高度视为 地图参数 条件； ②缓坡： 计算相邻两点间纵向高度差， 当障碍物最大高度小于60单位时， 视为可通过缓 坡类障碍； 当满足动摩擦因数≤斜面倾角正切 值， 且高墙高度<构型长度*斜面倾角正弦值 时， 将获得的缓坡高度视为 地图参数 条件； ③沟壑： 计算相邻两点间纵向高度差， 当前后两点高度持平且纵向间距小于组合体最 大纵向长度时， 视为可通过沟壑类障碍， 将获得的纵向高度差 视为地图参数 条件。 ④峡谷： 当横向最大高度差小于45单位 时， 视为可通过峡谷类障碍， 将获得的横向最小 容纳通行宽度视为 参数条件。 4.根据权利要求1所述的面向野外地形的多车组合体构型迭代优化方法， 其特征是， 所 述步骤(2)中计算 地图中相邻两点间纵向最大高度差的方法， 是：权　利　要　求　书 1/3 页 2 CN 115422659 A 2设复杂组合地图的起始点和终止点已知， 由平坦地面进入 障碍物的时候， 设障碍物部 分横向元素I个， 即有I个起始点； 每条路线有J个纵向元素， 即有J个途径点； 给定该地形摩 擦因数下的临界坡度 “θ”； PATH[i]表示第i个起始元素， 每个元素表示路径的一个起始点； PATH[j]表示第j个途径元素， 每个元素表示路径中的一个途径点， 每条路线计算下一点 PATH[j+1]与当前点PATH[j]的高度差， 若该路线每个高度差均小于 “θ”， 则视为可通过i存 入P， 直到出现高度差大于 “θ”， 则视为此路不通， i＝i+1继续横向遍历下一条路线； 最后将 所有“可通过”路线P[i]储存并进行比较， 路线中最大高度差最小的路线对应的i视为代价 最小的道路， 代价函数为： Q＝a*y(max)； 其中a为对应地形下的代价权重， y(max)为所有可 通过路线中最大纵向高度差； 路线代 价与高度差呈正相关， 即确定最终起始点， 令locat ion ＝i， 坐标记为 start＝GGCC(1,location)， 终点坐标为goal＝ GGCC(J,location)， 得到 该路 线的最大纵向高度差存为 “height”， 同时获得该路线跨越总长度L， 为后续遗传算法的构型 长度约束。 5.根据权利要求1所述的面向野外地形的多车组合体构型迭代优化方法， 其特征是， 所 述步骤(2)中计算 地图中相邻两点间横向最小高度差的方法， 是： 以location为起始点， 该路线有J个元素， 向两侧搜索至边缘结束， 步数左+步数右＝ (I‑1)， 即每个途径 点， 向两侧分别求解坡度， 给定该地形摩 擦因数下的临界坡度 “ω”， 先向 左侧搜索， 当横向坡度小于 “ω”， 则width＝width+1； 当左侧大于 “ω”， 则左侧停止搜索， 存 入当前搜索宽度width； 再向右侧搜索， 当横向坡度小于 “ω”， 重复width＝width+1； 当右侧 大于“ω”， 则停止搜索， 存入当前搜索步数 “width”； 两侧搜索结束获得最终width， 储存数 据； 继续迭代循环则j＝j+1， 重复以上操作， 直到获得该路径所有步长的全部两侧宽度， 比 较得出最小横向高度差最小width， 记为横向最小容纳通行宽度x(min)， 代价权重记为b； width记为后续遗传算法的构型宽度约束。 6.根据权利要求1所述的面向野外地形的多车组合体构型迭代优化方法， 其特征是， 所 述步骤(2)中跨越障碍最终代价为 其中a为对应地形下的纵向代价 权重， b为横向代价权重， y(max)为所有可通过路线中最大纵向高度差， x(min)为横向最小 容纳通行宽度。 7.根据权利要求1所述的面向野外地形的多车组合体构型迭代优化方法， 其特征是， 所 述步骤(3)中关联矩阵编码规则如下： 初始化M*M零方阵， 第一行至第M行与车序号对应， 第一列至第M列 为被连接车序号； 当i 车左侧边连接j右侧边， 该关联矩阵对应位置(i， j)置2， (j， i)仍为0； 当i车上侧边连接j下 侧边， 该关联矩阵对应位置(i， j)置1， (j， i)仍为0； 以此类推， 最后得到对应车序号和连接 方式的关联矩阵， 按照规 律其和构型一 一对应。 8.根据权利要求1所述的面向野外地形的多车组合体构型迭代优化方法， 其特征是， 所 述步骤(4)中遗传算法的流 程包括： ①设计目标函数y＝h*(x(1)+L) ‑k*x(2)； 其中x(1)是构型长度， x(2)是构型宽度， y是 通过障碍所需时间的正相关， 三者构型遗传算法的输出结果； 函数权重系数h、 k根据不同地 形实际情况进行改变， L 为障碍物路程总长度； ②约束条件合集； 用步骤(2)中获得不同地形下的参数height、 width、 COST， 取并集作权　利　要　求　书 2/3 页 3 CN 115422659 A 3