基于OPRA m的三维相对方位关系模型
欧阳继红1, 祝东红1,2, 富倩2, 杨帅2, 陈思2
1.吉林大学 计算机科学与技术学院,长春 130012
2.吉林大学 符号计算与知识工程教育部重点实验室,长春 130012

作者简介:欧阳继红(1964-),女,教授,博士生导师.研究方向:空间推理,不确定性推理,GIS应用.E-mail:ouyj@jlu.edu.cn

摘要

OPRA m是研究二维相对方位关系的经典模型之一,但解决实际问题通常需要考虑多维空间中的方位关系,为了表达三维空间中点对象间相对方位关系,将 xoy平面相对方位和 z轴相对方位相结合;通过定义与之相对应的能表达相对方位信息的两个相对角得到3DOPRA m模型,并给出其在多粒度下的形式化定义及逆关系。给出了3DOPRA m模型的概念邻域。最后用其基于动作的邻域关系描述汽车导航问题。结果表明,本文提出的模型能够细致、合理地表达三维空间中点对象间的相对方位关系,在实际中有广泛的应用前景。

关键词: 人工智能; 空间推理; 相对方位关系; OPRA m; 3DOPRA m
中图分类号:TP18 文献标志码:A 文章编号:1671-5497(2015)05-1535-06
Model for three-directional relative directions based on OPRA m
OUYANG Ji-hong1, ZHU Dong-hong1,2, FU Qian2, YANG Shuai2, CHEN Si2
1.College of Computer Science and Technology,Jilin University,Changchun 130012, China
2.Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012,China
Abstract

OPRA m is the classical model in the study of two-dimensional direction relationship. However, to solve practical problems, the multi-directional space relationship should be considered. In order to express the relative direction in three-dimensional space, the relative direction of the xoy plane is combined with the relative direction of the z-axis. A three-dimensional relative direction model, 3DOPRA m, is proposed by extending the model OPRA m for two-dimensional direction relationship, and two new relative angles are defined. Moreover, the formal definition of 3DOPRA m multi-granularity, its reverse relationship and the conceptual neighborhood of 3DOPRA m are given. Finally, the conceptual neighborhood based on the action of 3DOPRA m model is applied to describe the car navigation problems. Results show that, compared with existing two-dimensional model, the proposed model is more expressive and can describe more relative directions in three-dimensional space, which has great potential for practical applications.

Keyword: artificial intelligence; spatial reasoning; relative direction; OPRA m; 3DOPRA m
0 引 言

空间推理是人工智能、地理信息系统、机器人、计算视觉、图像检索、自然语言处理等领域的重要内容[1]。空间推理主要研究拓扑和方位关系, 王生生等[2]给出了有向线对象细节拓扑关系模型; Moratz[3]提出了具有可扩展粒度方位点关系代数OPRAm模型, 用于描述方位点的相对方位关系。Dylla等[4]给出OPRAm模型的概念邻域图。Moratz等[5]给出了其复合算法。

近年来, 随着空间推理应用研究的不断深入, 三维空间的应用研究越来越多, 因此需要研究适用于三维空间的方位关系表达和推理模型[6]。关于三维空间方位关系的研究主要分为两方面:点对象间相对方位关系和区域对象间的方位关系, 如Pacheco等[7]提出的三维点对象间的相对方位关系模型和Chen等[6]提出的基于MBR的三维区域对象间的主方位模型。然而Pacheco提出的模型是基于双十字模型的, 对空间关系划分不够细致, 表达相对方位关系较弱。Chen等提出的模型是针对区域的, 区域对象间的方向关系比点对象之间的方向关系较为复杂。然而在实际应用中当对象间距离比较大时, 通常将对象抽象为点更为合适, 同时也降低了方位关系的复杂度。因此, 需要研究适用于三维空间点对象间的相对方位关系表达和推理模型。

本文基于二维OPRAm模型, 通过引入新的三维空间的两个相对角来表达三维相对方位信息, 得到三维点对象间的相对方位关系模型3DOPRAm。在此基础上, 给出了3DOPRAm模型的概念邻域及导航问题的形式化表示。最后, 采用新模型基于动作的邻域关系描述了汽车导航问题。

1 相关理论
1.1 方位点关系代数OPRAm

Moratz[3]在直线段模型的基础上提出了一种具有可扩展粒度的相对方位关系模型OPRAm, 使用一个方位点(有方向的点)表示空间对象。粒度参数m> 0∈ n决定方位点的区分粒度, m条线将二维平面划分为2m个线性区域和2m个平面区域。区域按逆时针方向从0到(4m-1)进行编号, 区域0和方位点的本质方向重合。图1给出了m=2(见图1(a))和m=4(见图1(b))时, 平面上不同位置方位点AB的相对方位关系; 图1(c)给出了平面上两个相同位置方位点的相对方位关系。

图1 两个方位点之间的相对方位关系Fig.1 Relative directions between two oriented point

1.2 邻域划分图

Freksa[8]首次定义了概念邻域图(Conceptual neighborhoods graph, CNG), 并将概念邻域结构用于处理时间区间代数中时间区间连续变化的问题。宋小华等[9]指出概念邻域图只给出了空间关系变化的结果, 没有给出空间关系变化的原因, 不知道是什么引起空间关系发生变化。宋小华在概念邻域图的基础上, 引入“ 动作” 的概念, 他认为空间关系的变化是因为在对象上施加了动作。

如果有动作关系集合A, 能够使互斥完备的基本关系集合B概念邻域图CNG(B)中的邻域关系相互转换, 则称集合A为完备动作关系集合。由完备动作关系集合A、基本关系集合BB通过A转变的邻域关系集合» , 构造一个能表示基本关系随动作变化的图, 则称此图为邻域划分图(Neighborhood partition graph, NPG), 其形式表示如下:

NPG(B)={B, A, » }

对任意原子关系bB, 其基于动作的邻域关系表示为np(b), 其形式表示如下:

np(b)={y|(x, y, a)∈ » , x, yB, aA}

2 三维相对方位关系3DOPRAm
2.1 三维空间中粗粒度方位点模型

三维空间中, 以点为空间变量, 方位点使用有序对S=(PS, δ S)表示, 其中PS是方位点S的笛卡尔坐标PS=(xS, yS, zS); δ S表示方位点的本质方向。δ S平行于地面, 它所在的平面为xoy面, 垂直于xoy面的方向为z轴, 图2为3DOPRAm模型参照系。

使用xoy面的相对方位和z轴的相对方位组合表示三维空间的相对方位关系。其中xoy面的方位划分如图3所示, 使用字母f、b、l、r、lf、rf、lb、rb代表front、back、left、right、leftfront、rightfront、leftback、rightback; z轴方位划分如图4所示, 使用字母U(up)、D(down)分别表示位于xoy面的上方和下方; E(equal)表示恰好在xoy平面上; 前两个“ * ” 表示xoy面上的方位关系, 第3个字母表示z轴方位关系。

图2 3DOPRAm模型参照系Fig.2 Reference system of the 3DOPRAm model

图3 xoy面方位划分Fig.3 Directions in the xoy plane

图4 z轴方位划分Fig.4 Directions of the z-axis

为了区分三维空间中的两个方位点AB, 令A=(PA, δ A), 其中PA=(xA, yA, zA), 令B=(PB, δ B), 其中PB=(xB, yB, zB)。对二维OPRAm模型相对角进行扩展, 引入两个相对角φ ABθ AB, 如图5所示, 其定义如下:

φAB=arctan[2(yB-yA, xB-xA)]φAB[0, 2π], φBA=φAB+π

式中:φ AB为方位点B在方位点A所确定的xoy面投影后, 两个方位点之间的反正切值。

θAB=arctan[2(zB-zA, (xB-xA)2+(yB-yA)2)]θAB[-π/2, π/2]

式中:θ AB为方位点B和方位点A之间连线与xoy面所成的角。

图5 三维空间中方位点AB之间的相对角φ ABθ ABFig.5 Relative angles φ AB and θ AB of two oriented points in the three dimensions

在三维空间中, φ ABA表示方位点B在方位点A所确定的xoy面方位; φ BAB表示方位点A在方位点B所确定的xoy面的方位。相对角θ AB表示方位点B在方位点Az轴方位。其中φ ABAθ AB对应角度的变化构成方位点A所在的欧几里得空间的完备划分, 其所对应的方位和角度变化如表1所示, 方位点B所在欧几里得空间的划分和方位点A类似。

2.2 三维空间中粗粒度方位点相对方位关系

三维空间中, 使用三元组(QABQBAZAB)表示空间中的两个方位点之间的方位关系。QAB表示xoy面上方位点A相对于方位点B的方位关系; QBA表示xoy面上方位点B相对于方位点A的方位关系; ZAB表示方位点B相对于方位点Az轴方位关系。

xoy面上, 两个方位点在不同位置时, 总共有8× 8=64种基本关系。当两个方位点在同一位置时, 有8种方位关系; 故xoy平面上共有72种原子方位关系。z轴有以下5种方位关系ZAB={U1U2D1D2E}。可得出三维空间中总共有360种方位关系。

表1 方位点A所在三维欧几里得空间划分 Table 1 A partition of oriented point A on the Euclidean plane
2.3 可扩展粒度3DOPRAm模型

空间演算的粒度和空间结果的数学特性是解决定性空间任务的主要问题[10]。在实际应用中(如复杂导航任务), 依据所处的环境、机器人的处理能力、任务的要求, 需要不同粒度下的方位关系, 因此引入了可扩展粒度。选择合适的粒度参数可以忽略一些不能引起变化的推理步骤, 加快计算速度。

将上述粗粒度相对方位关系的设计准则扩展到多粒度的情况, 得到3DOPRAm, 其中m为粒度参数, m> 0∈ n将二维平面划分为2m个线性区域和2m个平面区域。区域按逆时针方向从0到(4m-1)编号, 区域0和方位点的本质方向重合。m条线将z轴正半轴划分成m个方位, 从xoy面按逆时针编号; 将z轴负半轴划分成m个方位, 从xoy面按顺时针编号。

xoy面上, 可扩展粒度方位关系中每一个方向片i满足如下角度范围:

[i]m=]2πi-14m, 2πi+14m[, i为奇数时{2πi4m}, i为偶数时

方向片j的角度范围和方向片i相同。当PAPB时, 使用关系A jiB表示如下含义:给定粒度m, 以B为参照对象, A相对于B的位置用j描述, 以A为参照对象, B相对于A的位置用i描述。其中方向片i, j满足如下几何结构:

φAB-δA[i]m, φBA-δB[j]m

PA=PB时, 使用关系AiB表示如下含义:给定粒度m, 以A为参照对象, B位于A的方位。方向片i满足如下几何结构:

δB-δA[i]m

z轴上的方位, 可扩展粒度方位关系中方向片h满足如下角度范围:

[h]m=[h-12m, h2m], h> 00, h=0[h2m, h+12m], h< 0

AhB表示以A为参照对象, B相对于A的高度范围。方向片h满足如下几何结构:

θAB[h]m

三维空间中的相对方位关系用xoy面和z轴相对方位关系组合表示, 对三维空间中的方位点AB, 当AB的位置不同时, 使用A jihB表示, 含义为:xoy面上, 对于B而言, BA的方位用i表示。对于A而言, AB的方位用j表示; z轴上, h表示以A为参照对象, B相对于A的高度。当AB的位置相同时, 使用AihB表示, 含义为:对于B而言, BAxoy面的方位用i表示, z轴的方位用h表示。图6图7为粒度m=2的三维空间中方位点的相对方位关系:A2 622B表示角度范围为:φ ABA=/2, φ BAB=π /4, θ AB∈ (π /4, π /2]。A2∠40B表示角度范围为δ BA=π , θ AB=0。

图6 不同位置两个方位点的相对方位关系A2 622BFig.6 Two o-point in relation relation A2 622B at different position

2.4 3DOPRAm相对方位关系的逆

方向关系取逆操作是方向关系的基本运算之一, 对于空间中的两个点对象AB, 已知它们的关系为R=(A, B), 通过求逆操作可以得到R=(B, A)。在3DOPRAm模型中, 通过简单的符号操作, 即可求得3DOPRAm模型的逆操作。

当三维空间中方位点AB在不同位置时, 方位点的逆为:

(mijhB)-1=(mji-hB)

当方位点AB在相同位置时, 方位点的逆为:

(mihB)-1=(m(4m-i)hB)

图7 相同位置方位点的相对方位关系A2∠40BFig.7 Two o-point in A2∠40B at the same position

3 3DOPRAm概念邻域及定性空间导航问题

为了将3DOPRAm模型用于描述定性空间导航问题, 本文给出了基于3DOPRAm模型的概念邻域及导航问题形式化的表示。通过设定规则, 将动作引起邻域关系变化用于求解导航问题。

3.1 3DOPRAm概念邻域

基于二维空间中OPRAm模型的概念邻域, 给出了3DOPRAm模型的概念邻域。由于在实际应用中, 不同空间对象所施加的动作是不同的, 或者是在研究空间关系时, 因为参照对象是较少发生变化或基本不发生变化, 只需要研究目标对象的动作即可, 因此针对3DOPRAm模型, 需要根据实际应用场景和特定相对方位关系, 给出其引起关系变化的动作。

当三维空间中相对方位关系为Am ijhB时, 对AB施加任意动作可得到如下概念邻域:

cns(m ijh)={m i-1j-1h, m i-1jh, m i-1jh, m ij-1h, m ij+1h, m i+1j-1h, m i+1jh, m i+1j+1h, m∠(i-1)h, m∠(i+1)h, m∠(-j)h, m∠(2m-j)h, mih, m∠(2m-i)h, m ij(h-1), m ij(h+1)}

当三维空间中相对方位关系为AmshB时, 对AB施加任意动作可得到如下概念邻域:

cns(msh)={m∠(s+1)h, m∠(s-1)h, m * Sh, m * 2m-Sh, m S* h, m 2m+S* h, ms(h-1), ms(h+1)}

3.2 定性空间导航问题

宋小华等[9]提出了定性空间关系自动规划的形式化表示和推理算法, 并证明此算法的可靠性, 同时指出其方法在处理单方面空间关系规划中具有通用性。基于此思想, 本文给出了定性空间导航问题的形式化表示和基本求解思路。

定性空间导航问题描述:直观上, 定性空间关系的导航就是给定初始状态对象间的空间关系和目标状态对象间的空间关系的表示, 求解从初始状态到目标状态的动作序列。

定义1 定性空间关系导航是一个动作序列π =< a1, a2, …, ak> , 其中k≥ 0, 导航的长度是|π |=k, 即动作数目。

定义2 称N=(s, g)是一个定性空间关系导航问题, 其中s为定性空间关系初始状态; g为定性空间关系目标状态, 从s经过动作序列π 到达目标状态g, 则π N的一个解。

定性空间关系导航问题求解:

求解定性空间关系导航问题, 就是以N=(s, g)作为输入, 求解动作序列π 的过程。

使用递归回溯方法求解此类问题, 其基本思路为:对初始邻域状态分别按顺序施加动作, 到达下一个动作邻域状态。删除掉规则不允许和产生循环的动作邻域状态后, 对产生的动作邻域状态进行递归求解, 直至转换到目标状态。如果找不到目标状态, 返回失败。

4 应用举例

基于3DOPRAm动作邻域关系对立交桥上的汽车进行导航。以粒度m=2为例, 粒度m=2将xoy面的方位分为0、1、2、3、4、5、6共七个方向片, 将z轴方位分为0, 1, 2, -1, -2共五个方向片。

图8所示, 立交桥的入口处有个汽车, 其运动状态如方位点A所示。分别设置如图8所示的3个目标状态, 如方位点BCD所示, 3个方位点的方向为箭头的方向。汽车可操作的动作分别为向前、向后(倒车操作)、向左(即车头转向左行驶)、向右(即车头转向右行驶)、向上(沿坡道向上行驶)、向下(沿坡道向下行驶)共6个动作, 在立交桥一些位置制定一些交通规则, 对汽车进行导航, 求解出汽车从方位点A所示状态变化到方位点BCD所示状态的动作序列。

图8 立交桥汽车导航场景Fig.8 Spatial scenario about Car Navigation on the flyover

以汽车从方位点A所示状态变化到方位点C所示状态为例说明基于动作邻域关系变化的导航问题的求解过程。

方位点A和方位点C的初始相对方位关系为:A2 13-2C

方位点A和方位点C的最终相对方位关系为:A2∠00C

对汽车施加如下动作序列:向前、向前、向右、向右、向右、向下、向前、向右、向右、向下、向右、向前, 得到状态变化如下:

A2 -2B A2 -2C A2 -2C A2 -2C A2 -2C A2 -2C A2 -1C A2 -1C A2 -1C A2 -1C A2 0C A2 0C A2∠00C

同样, 得到方位点A到达方位点BD的动作序列分别为:向右、向上、向前、向前, 它们的状态变化如下:A2 1B A2 1B A2 0B A2∠00CA2 0D A2∠00C

5 结束语

在OPRAm模型的基础上, 提出了点对象间的相对方位模型3DOPRAm, 此模型不仅能够表示平面上的前后左右等方位关系, 而且能够表示高度的上中下等方位关系, 具有更强的表达能力。与已有三维点对象间相对方位模型— — 双十字模型相比, 此模型具有可扩展粒度m, 能表达更细致的方位关系。在此基础上, 给出了3DOPRAm

型的概念邻域。最后基于其动作的邻域关系, 将新模型应用于描述基于约束规则的汽车导航空间场景中。

The authors have declared that no competing interests exist.

参考文献
[1] Cohn A G. Qualiative spatial representation and reasoning techniques[J]. LNCS, 1997, 1303: 1-30. [本文引用:1]
[2] 王生生, 王兆丹, 刘大有, . 有向线对象细节拓扑关系模型[J]. 吉林大学学报: 工学版, 2009, 39(5): 1292-1296.
Wang Sheng-sheng, Wang Zhao-dan, Liu Da-you, et al. Detailed topological relation model of directed line objects[J]. Journal of Jilin University(Engineering and Technology Edition), 2009, 39(5): 1292-1296. [本文引用:1]
[3] Moratz R. Qualiative spatial reasoning about oriented points[R]. SFB/TR8 Spatial Cognition, 2004. [本文引用:2]
[4] Dylla F, Wallgrün J O. Qualitative spatial reasoning with conceptual neighborhoods for agent control[J]. Journal of Intelligent and Robotic Systems, 2007, 48(1): 55-78. [本文引用:1]
[5] Mossakowski T, Moratz R. Qualitative reasoning about relative direction of oriented points[J]. Artificial Intelligence, 2012, 180-181(2): 34-45. [本文引用:1]
[6] Chen J, Liu D, Jia H, et al. Cardinal Direction Relations in 3D Space[M]. Berlin Heidelber: Springer, 2007: 623-629. [本文引用:2]
[7] Pacheco J, Escrig M T, Toledo F. Integrating 3D orientation models[C]∥5th Catalonian Conference on Artificial Intelligence, Lecture Notes in Artificial Intelligence, Springer Berlin Heidelberg, 2002, 2504: 88-100. [本文引用:1]
[8] Freksa C. Temporal reasoning based on semi-intervals[J]. Artificial Intelligence, 1992, 54(1-2): 199-227. [本文引用:1]
[9] 宋小华, 欧阳丹彤. 一种动态定性空间关系自动规划方法[J]. 软件学报, 2012, 23(10): 2564-2571.
Song Xiao-hua, Ouyang Dan-tong. Automated planning method for dealing with dynamic qualitative spatial relations[J]. Journal of Software, 2012, 23(10): 2564-2571. [本文引用:2]
[10] Moratz R, Dylla F, Frommberger L. A relative orientation algebra with adjustable granularity[C]∥Proceedings of the Workshop on Agents in Real-time and Dynamic Environments, 2005: 61-70. [本文引用:1]