虚拟场景下自动路径选择研究.pdfVIP

虚拟场景下自动路径选择的研究 施斌 河海大学计算机及信息工程学院，南京 (210098) E-mail：sbtemp@ 摘 要：本文将机器人学中的路径规划算法应用到虚拟现实中，实现虚拟场景的三维路径规 划。用户无需手动控制漫游视角和位置，只需给出起点和终点，系统能够搜索并找到一条合 理的路径。并实现自动漫游，整个过程视点不会与障碍物发生碰撞。该算法基于场景的八叉 树分解，充分利用线性八叉树编码特性查找邻域，并利用A*算法进行路径搜索。算法的时 间和空间效率较好，有一定的实用性。 关键词：虚拟场景；虚拟漫游；线性八叉树；路径规划 中图分类号：TP391 1．引言 路径规划一直是机器人学中一个传统而重要的研究领域，广泛应用于移动机器人的避 碰、导航，机械臂运动以及机器人足球等热点领域。传统意义上的路径规划研究主要集中在 二维空间领域。随着虚拟现实研究的兴起，人工智能与虚拟现实结合使得三维虚拟场景下的 路径规划问题逐渐成为一个热门研究方向，其有着重要的理论和实际应用价值。三维虚拟场 景的路径规划有着广泛的应用，如虚拟战场系统、火星探测器导航以及水下机器人系统等。 目前，路径规划领域有很多典型的方法。Roadmap法是路径规划的常用方法之一，其主 要思想是将自由空间之间的连接关系转化为线性曲线网Roadmap ，路径规划就简化为寻找 Roadmap 中起始点和终点之间的路线问题。North Carolina 大学的Salomon等[1]提出了基于 Roadmap原理的PRM （probabilistic roadmap ）算法，可以进行交互或自动路径规划，使虚拟 替身在超大型场景中漫游。但是，该类方法的效率很容易受采样粒度影响。 神经网络法是一种新型的智能路径规划方法，具有并行处理、理想记忆、容错性和知识 分布存储等优点。其主要思想是使用碰撞惩罚函数对路径与障碍物之间的碰撞性质加以量 化，通过移动每个路径点，使其朝着能量减少的方向运动，使其朝着能量减少的方向运动， 最终得到总能量最小的路径即为所求路径。Monash 大学的Yongmin Zhong 和Bijan Shirinzadeh提出了一种基于改进细胞神经网络（Cellular Neural network ）的算法，能够在动 态场景中实时产生避碰路径，无需场景信息和学习过程，效率很高，能够扩展到三维空间路 径规划。 单元分解法，也称为栅格法，也是路径规划的经典方法之一。栅格法的主要特征是将状 态空间分解为一系列单元格的不相互重叠的区域，建立基于单元格之间的邻接关系的连通 图，然后对连通图进行搜索得到最短路径。单元分解法分为精确的单元分解法和非精确的单 元分解法。精确单元分解法将空间均匀分割为相同尺寸的单元格；非精确单元分解法将空间 按照障碍物的疏密程度自适应分割，一般有四叉树和八叉树分割法。由于单元分解法直观、 简单，一直以来都是一种重要的路径规划方法。英国Bradford大学的Srikanth Bandi和Daniel Thalmann[2]提出了一种基于精确栅格法的Simple bushfire路径规划算法，能扩展应用到多目 标以及动态场景的复杂3D环境下；Slovak 技术大学的J Vörös[3]提出了通过构造基于非精确 栅格的树型结构（四叉树或八叉树）的distance map来搜索获取合理的路径的算法，能够较 好地完成简单场景的路径规划；浙江大学的史红兵、张毅彬等[4]尝试了将机器人的运动路径 规划算法和摄像机控制的美学标准结合起来，采用基于八叉树的环境模型层次分解建立连接 图，然后利用IDA*算法搜索最优路径，最后对运动轨迹进行了优化，耗时短，总体效果好。 -1- 其他还有人工势场法、遗传算法、蚁群算法等规划算法，但总的来说，国内外在三维路 径规划方面的研究并不成熟。目前，三维虚拟场景