[发明专利]导航方法和装置

说明书

本发明公开了一种导航方法和装置。其中，该方法包括：获取起点信息和终点信息；根据起点信息和终点信息，在导航数据库中查找起点的网格编码和终点的网格编码，其中，导航数据库至少包括：多点的编码信息和网格尺寸；分别根据起点的网格编码、终点的网格编码和网格尺寸确定终点的位置信息，其中，终点的位置信息包括：终点相对于起点的方向、终点相对于起点的距离和终点的高度。本发明解决了现有技术中的导航不能进行三维空间导航，导致导航效率低的技术问题。

技术领域

本发明涉及导航领域，具体而言，涉及一种导航方法和装置。

背景技术

导航一直是机器人学、虚拟场景以及地理信息科学等领域的研究热点。它是指在给定环境中，寻找一条符合一定评判标准的从起始位置到目标位置的路径的过程。关于导航方法的研究由来已久，近几年来国内外学者还在不断提出针对经典导航算法的改进。传统的导航算法主要分为基于矢量的导航，例如Dijkstra算法和Floyd算法，以及基于栅格的导航，例如A*算法。下面简单介绍一下这三种算法。

1、Dijkstra算法

Dijkstra算法属于遍历搜索，是最经典的路径搜索算法。对于图中给定的一个源结点，传统的Dijkstra算法将计算出从该结点到其他所有结点的最短路径，并生成最短路径树。Dijkstra算法的基本思想是：将图G＝(V，E)中的结点分为两个子集合S和U。集合S为已求解出最短路径的结点集合，即已标记结点集。该集合在初始状态只含有源点v。集合U为未求解出最短路径的结点集合，即未标记结点集。从集合U中按照到源点v路径长度递增的顺序依次选取结点加入至集合S，每加入一次，比较并更新源点v到未标记结点集U中剩余结点的最短路径长度。不断进行迭代，直至所有结点都已标记，即完成搜索。

2、Floyd算法

Floyd算法是一种用于寻找给定加权路径拓扑网络中顶点间最短路径的算法。算法的基本思想是：对于每一对顶点U和V，看看是否存在一个顶点W，使得从U到W再到V比已知的路径更短。如果存在则更新U到V的距离。如此下去即可找到从起始点到目标点的最短路径。

3、A*算法

A*算法是一种启发式搜索算法，它采用启发函数来估计地图上任意点到目标点的代价，从而更好地选择搜索方向，缩小搜索范围，提高搜索效率。对于节点i，A*算法引入估价函数f*(i)＝g(i)+h*(i).其中g(i)是从起点到节点i的实际代价，h*(i)是从节点i到目标点的最小代价估值。特别地，当没有全局信息可以用，即h*(i)＝0时，A*算法就变成了普通的Dijkstra算法。A*算法的关键就在于启发式搜索函数h*(i)的设计，它要满足相容性条件：h*(i)不大于节点i到目标节点的实际最小代价。如果估价函数满足相容性条件，且原问题存在最优解，则A*算法可以求出最优路径。

从以上介绍可以看出，现有的基于矢量的导航大多只适用于主体的移动被限制于线性网络的情况，例如城市中的道路交通网。而实际情况远比这复杂，主体除了在建立道路网络数据集的环境中移动，还可能在诸如草原、室内、海洋等路网欠缺的环境中移动。并且，基于矢量的导航在表示空间区域时采用多个坐标对序列，虽然对空间位置的表达精度高，但其拓扑关系的建立与拓扑运算大大增加了初始化时的工作量以及算法的处理复杂度，使得其应用于大型复杂拓扑网络时，效率比较低。

基于栅格的导航算法虽然计算效率较高，但由于常常需要根据不同的研究环境进行局部建模，使得这种方法不具有全球统一性。

除此之外，传统的导航方法都是基于平面地图进行导航，无法在高度维上进行扩展。然而对于室内等三维空间，各楼层具有不同的高程信息，室内空间中交通也比较复杂。这种情况下利用传统的导航方法就无法解决跨楼层的导航问题。

针对现有技术中的导航不能进行三维空间导航，导致导航效率低的问题，目前尚未提出有效的解决方案。

发明内容