CN110728398B - 一种基于支持向量机的铰接工程车辆路径规划方法 - Google Patents

一种基于支持向量机的铰接工程车辆路径规划方法 Download PDF

Info

Publication number
CN110728398B
CN110728398B CN201910923854.XA CN201910923854A CN110728398B CN 110728398 B CN110728398 B CN 110728398B CN 201910923854 A CN201910923854 A CN 201910923854A CN 110728398 B CN110728398 B CN 110728398B
Authority
CN
China
Prior art keywords
path
zero potential
support vector
vector machine
potential curve
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910923854.XA
Other languages
English (en)
Other versions
CN110728398A (zh
Inventor
王东
许曈
陈思维
吴媞
徐扬
张为公
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201910923854.XA priority Critical patent/CN110728398B/zh
Publication of CN110728398A publication Critical patent/CN110728398A/zh
Application granted granted Critical
Publication of CN110728398B publication Critical patent/CN110728398B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Manipulator (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于支持向量机的铰接工程车辆路径规划方法，包括以下步骤：1、使用目标导向型快速搜索随机树算法在实验场景搜索出一条合适的路径，将路径两侧真实障碍物分别标记为两种不同的分类标签；2、在车辆起点和终点位置附近分别增添一组虚拟障碍物并标记为两种不同的分类标签，将已标记的真实障碍物和虚拟障碍物通过支持向量机理论得到二维最优零势曲线及最大间隔；3、利用“最远可达距离法”在二维最优零势曲线上获得若干“关键拐点”；4、获得规划路径。本发明考虑到现实中障碍物的干扰以及铰接工程车辆特殊的转向特性，设计了一种能够让铰接工程车辆直接跟踪的路径。

Description

一种基于支持向量机的铰接工程车辆路径规划方法
技术领域
本发明属于车辆路径规划领域，特别涉及一种基于支持向量机的铰接工程车辆路径规划方法。
背景技术
目前已有部分文献对车辆路径规划算法进行研究，如基于遗传算法的路径规划，基于人工势场法的路径规划，基于蚁群算法的路径规划，基于快速搜索随机树的路径规划等，这些算法只考虑了车辆前进时的路径规划需求；其他的一些路径规划算法，如泊车路径规划等，同时考虑了前进和后退时的路径规划需求，但是这些文献并不考虑除了车位外的其他静态障碍物。
铰接工程车辆具有特殊的转向机构和行驶特性，工程上常用于非结构地形作业，如铲运车的运料过程，压路机施工前的进场过程等。以压路机施工前的进场过程为例，其施工前首先被拖车放置到接近工作区域的任一位置，然后规划一条从该位置到第一条预压实路径的延长线上的可行路径，考虑到施工现场的各类障碍物以及铰接工程车辆特殊的转向特性，压路机可能要进行多次前后航向调整才能到达终点位置。
发明内容
发明目的：针对上述缺陷，本发明提供一种基于支持向量机的铰接工程车辆路径规划方法，能够让铰接工程车辆直接跟踪的路径。
技术方案：本发明提出一种基于支持向量机的铰接工程车辆路径规划方法，包括如下步骤：
(1)使用目标导向型快速搜索随机树算法在实验场景搜索出一条合适的路径，将路径两侧真实障碍物分别标记为两种不同的分类标签；
(2)在车辆起点和终点位置附近分别增添一组虚拟障碍物并标记为两种不同的分类标签，将已标记的真实障碍物和虚拟障碍物通过支持向量机理论得到二维最优零势曲线及最大间隔；
(3)利用“最远可达距离法”在二维最优零势曲线上获得若干“关键拐点”；
(4)获得规划路径。
进一步的，所述步骤(2)中得到二维最优零势曲线及最大间隔的具体步骤如下：利用十折交叉验证方法选取最佳核函数参数和误差惩罚因子，在两最优参数下绘制出在海拔为零的曲线，该曲线即为二维最优零势曲线；找寻真实障碍物在支持向量机理论下对应所在海拔最低的正值及海拔最高的负值，这两条等高线之间的距离即为最大间隔。
进一步的，所述步骤(2)中利用支持向量机得到二维最优零势曲线及其最大间隔，其获得最优零势超平面f(p)＝wTΦ(p)+b＝0的模型可转化为凸优化问题：
Figure BDA0002218345670000021
s.t.yi(wTφ(pi)+b)≥1-ξi
ξi≥0,i＝1,2,...,n
其中，w＝(w1；w2；...；wd)为决定超平面方向的法向量，b为决定超平面与原点之间距离的偏移量，n为支持向量的个数，ξi为松弛变量，c为误差惩罚因子，
进一步的，使用拉格朗日乘子法得到其对偶问题：
Figure BDA0002218345670000022
Figure BDA0002218345670000023
其中，αi为拉格朗日乘子，核函数k(pi,pj)＝φ(pi)Tφ(pj)满足Mercer定理，选用RBF核作为核函数，表达式为：
k(p,pi)＝exp(-γ||p-pi||2)
其中，γ为RBF的核参数。于是超平面f(p)表达为：
Figure BDA0002218345670000024
Figure BDA0002218345670000025
进一步的，所述步骤(2)中二维最优零势曲线通过控制车辆始末位置附近的一组虚拟障碍物位置，全局优化二维最优零势曲线的整体走势。
进一步的，所述步骤(3)中利用“最远可达距离法”在二维最优零势曲线上获得若干“关键拐点”的具体步骤如下：首先将起点位置作为“关键拐点”，从该位置开始依次尝试连接后续最优零势曲线上的位置点，只要两路径点间连线都在支持向量机的最大间隔内，那么它们之间的路径点就可以删去，直接用一条线段连接两点，依次类推，直至不满足要求；此时以满足要求时获得线段最长的位置作为“关键拐点”，把该“关键拐点”作为新起点再次执行上述操作，直至到达终点坐标位置。
进一步的，所述步骤(4)中获得规划路径的具体步骤如下：用线段依次连接关键拐点，在关键拐点处多次使用前进——后退操作调整车辆航向，一次操作完成后前轮位置不变。
本发明采用上述技术方案，具有以下有益效果：
本发明设计了一种能够让铰接工程车辆直接跟踪的路径，与现有技术中车辆仅采用前进时的路径规划策略相比，对于某些特定的场景地图，车辆无法只前进而获取一条全局规划路径，同时考虑前进和后退时的路径规划能在这种情况下获取一条能够让车辆能直接跟踪的路径；与现有技术中直接将虚拟障碍物设计为车辆起点和终点的航向约束，然后利用支持向量机理论进行路径规划的方法相比，本发明通过设计虚拟障碍物不同的起点和终点航向，能够选择一组最优的全局规划路径。
附图说明
图1为本发明的流程图；
图2为具体实施例中实验场景图；
图3为具体实施例中目标导向型快速搜索随机树算法搜索出的路径图；
图4为具体实施例中起点和终点九种不同虚拟障碍物位置摆布下的路径规划效果图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
下面结合附图对本发明实施方法做更详细的描述
准备工作：在图1中，环境地图100×100，设置压路机起点位置坐标(80，20)，初始航向与x轴正半轴夹角45°，压路机终点位置坐标(10，90)，初始航向与x轴正半轴夹角90°，其前后轮位置分别由黑*和黑圈表示。
步骤一：对图2的实验场景使用目标导向型快速搜索随机树算法搜索出一条如图3的路径，将路径两侧障碍物分别标记为不同的分类标签，圆形为-1类，菱形为+1类；
步骤二：利用已知障碍物标签，在车辆起点和终点位置附近分别增添一组虚拟障碍物以满足路径规划时车辆始末位置需求，通过控制车辆始末位置附近的一组虚拟障碍物位置，全局优化二维最优零势曲线的整体走势，再利用支持向量机理论分别得到其二维最优零势曲线及最大间隔。图4利用两组不同的虚拟障碍物控制起点和终点航向，使其航向与x轴正半轴夹角分别为45°、90°和135°。
步骤三：利用“最远可达距离法”在二维最优零势曲线上获得若干“关键拐点”；进行多次前后调整航向的位置即为“关键拐点”，两相邻“关键拐点”间采用直线段连接。
步骤四：获得规划路径。针对本例中的九种情况，从下表可知所需“关键拐点”数量，仿真时间以及压路机所需前后调整的次数均在虚拟障碍物起点航向135°，终点航向90°时达最少和最优。
Figure BDA0002218345670000041

Claims (1)

1.一种基于支持向量机的铰接工程车辆路径规划方法，其特征在于，包括如下步骤：
(1)使用目标导向型快速搜索随机树算法在实验场景搜索出一条合适的路径，将路径两侧真实障碍物分别标记为两种不同的分类标签；
(2)在车辆起点和终点位置附近分别增添一组虚拟障碍物并标记为两种不同的分类标签，将已标记的真实障碍物和虚拟障碍物通过支持向量机理论得到二维最优零势曲线及最大间隔；
得到二维最优零势曲线及最大间隔的具体步骤如下：利用十折交叉验证方法选取最佳核函数参数和误差惩罚因子，在两最优参数下绘制出在海拔为零的曲线，该曲线即为二维最优零势曲线；找寻真实障碍物在支持向量机理论下对应所在海拔最低的正值及海拔最高的负值，这两条等高线之间的距离即为最大间隔；
利用支持向量机得到二维最优零势曲线及其最大间隔，其获得最优零势超平面f(p)＝wTΦ(p)+b＝0的模型可转化为凸优化问题：
Figure FDA0004125531550000011
s.t.yi(wTφ(pi)+b)≥1-ξi
ξi≥0,i＝1,2,...,n
其中，w＝(w1；w2；...；wd)为决定超平面方向的法向量，b为决定超平面与原点之间距离的偏移量，n为支持向量的个数，ξi为松弛变量，c为误差惩罚因子，
进一步的，使用拉格朗日乘子法得到其对偶问题：
Figure FDA0004125531550000012
Figure FDA0004125531550000013
其中，αi为拉格朗日乘子，核函数k(pi,pj)＝φ(pi)Tφ(pj)满足Mercer定理，选用RBF核作为核函数，表达式为：
k(p,pi)＝exp(-γ||p-pi||2)
其中，γ为RBF的核参数，于是超平面f(p)表达为：
Figure FDA0004125531550000021
二维最优零势曲线通过控制车辆始末位置附近的一组虚拟障碍物位置，全局优化二维最优零势曲线的整体走势；
(3)利用“最远可达距离法”在二维最优零势曲线上获得若干“关键拐点”；
具体步骤如下：首先将起点位置作为“关键拐点”，从该位置开始依次尝试连接后续最优零势曲线上的位置点，只要两路径点间连线都在支持向量机的最大间隔内，那么它们之间的路径点就可以删去，直接用一条线段连接两点，依次类推，直至不满足要求；此时以满足要求时获得线段最长的位置作为“关键拐点”，把该“关键拐点”作为新起点再次执行上述操作，直至到达终点坐标位置；
(4)获得规划路径；
具体步骤如下：用线段依次连接关键拐点，在关键拐点处多次使用前进——后退操作调整车辆航向，一次操作完成后前轮位置不变。
CN201910923854.XA 2019-09-27 2019-09-27 一种基于支持向量机的铰接工程车辆路径规划方法 Active CN110728398B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910923854.XA CN110728398B (zh) 2019-09-27 2019-09-27 一种基于支持向量机的铰接工程车辆路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910923854.XA CN110728398B (zh) 2019-09-27 2019-09-27 一种基于支持向量机的铰接工程车辆路径规划方法

Publications (2)

Publication Number Publication Date
CN110728398A CN110728398A (zh) 2020-01-24
CN110728398B true CN110728398B (zh) 2023-05-16

Family

ID=69218468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910923854.XA Active CN110728398B (zh) 2019-09-27 2019-09-27 一种基于支持向量机的铰接工程车辆路径规划方法

Country Status (1)

Country Link
CN (1) CN110728398B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523719B (zh) * 2020-04-16 2024-03-15 东南大学 一种基于铰接车辆运动学约束的混合路径规划方法
CN111311957A (zh) * 2020-05-15 2020-06-19 南京邮电大学 一种基于rfid和无人机的停车引导系统及工作方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108073176A (zh) * 2018-02-10 2018-05-25 西安交通大学 一种改进型D*Lite车辆动态路径规划方法
CN109945873A (zh) * 2019-04-04 2019-06-28 东南大学 一种用于室内移动机器人运动控制的混合路径规划方法
CN109976329A (zh) * 2017-12-28 2019-07-05 郑州宇通客车股份有限公司 一种车辆避障换道路径的规划方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI632790B (zh) * 2016-12-06 2018-08-11 財團法人工業技術研究院 通訊路徑管理方法及通訊路徑管理系統

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109976329A (zh) * 2017-12-28 2019-07-05 郑州宇通客车股份有限公司 一种车辆避障换道路径的规划方法
CN108073176A (zh) * 2018-02-10 2018-05-25 西安交通大学 一种改进型D*Lite车辆动态路径规划方法
CN109945873A (zh) * 2019-04-04 2019-06-28 东南大学 一种用于室内移动机器人运动控制的混合路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨帆 ; 徐彪.多障碍物环境下智能车辆局部路径规划方法.控制与信息技术.2019,(第005期),全文. *
诸葛程晨 ; 许劲松 ; 唐振民.基于支持向量机的局部路径规划算法.哈尔滨工程大学学报.2019,(第002期),全文. *

Also Published As

Publication number Publication date
CN110728398A (zh) 2020-01-24

Similar Documents

Publication Publication Date Title
CN110728398B (zh) 一种基于支持向量机的铰接工程车辆路径规划方法
CN109764886A (zh) 一种路径规划方法
CN106569496A (zh) 一种运动路径的规划方法
CN109933057B (zh) 拖拉机自动驾驶系统的局部引导轨迹规划方法及装置
CN109501799A (zh) 一种车联网条件下的动态路径规划方法
CN111026133A (zh) 路径规划方法及车辆、计算机可读介质
CN107807644A (zh) 一种农用机械最低油耗运动路径规划方法
CN114945959B (zh) 行驶轨迹确定方法、装置、计算机设备和存储介质
CN114020009B (zh) 一种小型固定翼无人机地形突防规划方法
CN115330055A (zh) 针对各种任务的自主机械的分层规划
CN116501056A (zh) 车辆轨迹跟踪控制方法和装置、无人车和存储介质
CN114906128A (zh) 一种基于mcts算法的自动泊车运动规划方法
Fan et al. An Improved JPS Algorithm for Global Path Planning of the Seabed Mining Vehicle
CN109556623A (zh) 融合触须算法与切线图法的迭代式路径规划算法
CN116399364B (zh) 车辆行驶路网生成方法、装置、芯片、终端、设备和介质
CN105302156B (zh) 一种地面验证系统及追踪航天器的轨迹规划方法
CN117433532A (zh) 基于强化学习的智能车辆环岛决策快速落地方法及系统
Hong et al. Path optimization for a wheel loader considering construction site terrain
CN116520855A (zh) 一种履带式移动工程机械及其移动控制方法、装置和介质
CN104217078A (zh) 一种不规则曲面优化下料的方法
CN117109574A (zh) 一种农用运输机械覆盖路径规划方法
Zeng et al. A steerable curvature approach for efficient executable path planning for on-road autonomous vehicle
Wang et al. An Enabling Decision-Making Scheme by Considering Trajectory Prediction and Motion Uncertainty
CN114708568B (zh) 基于改进RTFNet的纯视觉自动驾驶控制系统、方法、介质
CN114537435B (zh) 一种自动驾驶中的实时整车轨迹规划方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant