CN110954123A - 一种基于阿克曼约束的路径规划方法 - Google Patents

一种基于阿克曼约束的路径规划方法 Download PDF

Info

Publication number
CN110954123A
CN110954123A CN201911257251.7A CN201911257251A CN110954123A CN 110954123 A CN110954123 A CN 110954123A CN 201911257251 A CN201911257251 A CN 201911257251A CN 110954123 A CN110954123 A CN 110954123A
Authority
CN
China
Prior art keywords
node
vehicle
cost
child node
acquiring
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.)
Granted
Application number
CN201911257251.7A
Other languages
English (en)
Other versions
CN110954123B (zh
Inventor
郭宏亮
师睿
陈启明
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201911257251.7A priority Critical patent/CN110954123B/zh
Publication of CN110954123A publication Critical patent/CN110954123A/zh
Application granted granted Critical
Publication of CN110954123B publication Critical patent/CN110954123B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种基于阿克曼约束的路径规划方法，其包括以下步骤：S1、建立栅格地图；S2、将当前车辆所在栅格作为父节点；S3、将该父节点周围相邻的栅格作为其子节点；S4、获取已经过路径代价和预计路径代价；S5、获取车辆从父节点移动到与其对应的各个子节点时姿态发生变化产生的转向代价；S6、计算已经过路径代价、预计路径代价和转向代价之和；S7、将和值最小的子节点作为下一个父节点，并判断该节点是否为终点，若是则按时间顺序输出每个父节点，得到规划的路径；否则返回步骤S3。本发明可以避免阿克曼结构无人车在伺服规划出的路径时因无法转向、转向过急而发生的控制紊乱问题。

Description

一种基于阿克曼约束的路径规划方法
技术领域
本发明涉及导航领域，具体涉及一种基于阿克曼约束的路径规划方法。
背景技术
无人驾驶汽车路径规划是指在一定的环境模型基础上，给定无人驾驶汽车起始点和目标点后，按照性能指标规划出一条无碰撞、能安全到达目标点的有效路径。路径规划主要包含两个步骤：建立包含障碍区域与自由区域的环境地图，以及在环境地图中选择合适的路径搜索算法，快速实时地搜索可行驶路径。路径规划结果对车辆行驶起着导航作用。它引导车辆从当前位置行驶到达目标位置。
常用的四轮车辆依转向方式分为差速转向、阿克曼转向两种类型。差速车辆四轮驱动，利用各轮转速不同进行转向，此种转向方式具有原地转向的优势，即无须转弯半径即可完成车辆方向的调转，但对轮胎磨损极大。阿克曼车辆也是常见的汽车模型，采用前轮转向，双轮(或四轮)驱动的模式，这种方式会使车辆转向需要一定的转向半径，但对车轮磨损小，长用于室外、长距离车辆。
阿克曼结构车辆在转向时，受车身长度和前轮最大转向角的约束，将至少需要半径为R的圆弧型区域供车体完成转向。也就是说，最小转弯半径对应的圆弧以内区域，是车辆本次转向无法直接到达的。
目前常用的路径规划算法大多以最短路径、最大效率等条件为先，将车辆考虑成一个没有姿态信息的质点，导致直接计算出的路径常有急转、左右摇摆甚至突然反向等诟病，对差速车辆较为适用，但并不完全适用于转向不方便的阿克曼类型车辆。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于阿克曼约束的路径规划方法解决了阿克曼类型车辆自动导航路径存在无法转向或转向过急的问题。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种基于阿克曼约束的路径规划方法，其包括以下步骤：
S1、将实际场景中的每一个位置映射到地图中对应的栅格得到栅格地图；
S2、在栅格地图中从起点所在栅格开始搜索，获取车辆的初始朝向，将当前车辆所在栅格作为父节点；
S3、将该父节点周围相邻的栅格作为其子节点，并将父节点标记为不可再选取节点；
S4、获取车辆在到达与该父节点对应的各个子节点时的朝向，获取车辆从起点经过该父节点并到与其对应的各个子节点的已经过路径代价，获取与该父节点对应的各个子节点到导航目标点的预计路径代价；
S5、根据车辆在该父节点的朝向和在车辆到达与该父节点对应的各个子节点时的朝向获取车辆从父节点移动到与其对应的各个子节点时姿态发生变化产生的转向代价；
S6、计算当前父节点对应的每个子节点对应的已经过路径代价、预计路径代价和转向代价之和；
S7、将和值最小的子节点作为下一个父节点，并判断该节点是否为终点，若是则按时间顺序输出每个父节点，得到规划的路径；否则返回步骤S3。
进一步地，步骤S4中已经过路径代价的获取方法为：
依次连接每个已到达过的栅格中心点，以栅格的边长获取整个连线的长度，并将该长度作为已经过路径代价。
进一步地，步骤S4中预计路径代价的获取方法为：
将每个栅格中心点为转向点，获取该父节点对应的每个子节点到导航目标点的所有连线方案，以栅格的边长获取每个子节点对应的每个连线方案的长度，选取每个子节点对应的最短长度作为其对应的预计路径代价。
进一步地，步骤S4中获取车辆在到达与该父节点对应的各个子节点时的朝向的具体方法为：
将父节点的中心A到与该父节点对应的第i个子节点的中心Bi进行连线，将方向
Figure BDA0002310619320000031
作为车辆到达与该父节点对应的第i个子节点时的朝向。
进一步地，步骤S5的具体方法包括以下子步骤：
S5-1、根据公式
Δθ＝hout-hin
获取车辆从父节点移动到与其对应的各个子节点时的转向角Δθ；其中hout为车辆到达与该父节点对应的各个子节点时的朝向；hin为车辆在该父节点的朝向；
S5-2、根据公式
P＝eΔθ-1
获取车辆从父节点移动到与其对应的各个子节点时姿态发生变化产生的转向代价P；其中e为自然常数。
本发明的有益效果为：本发明可以避免阿克曼结构无人车在伺服规划出的路径时因无法转向、转向过急而发生的控制紊乱问题。将可行性纳入阿克曼结构无人车的路径规划中，可以解决在巡检、农耕、运输等无人车应用领域中因全局路径规划可行性差而导致的伺服混乱等问题。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，该基于阿克曼约束的路径规划方法包括以下步骤：
S1、将实际场景中的每一个位置映射到地图中对应的栅格得到栅格地图；
S2、在栅格地图中从起点所在栅格开始搜索，获取车辆的初始朝向，将当前车辆所在栅格作为父节点；
S3、将该父节点周围相邻的栅格作为其子节点，并将父节点标记为不可再选取节点；
S4、获取车辆在到达与该父节点对应的各个子节点时的朝向，获取车辆从起点经过该父节点并到与其对应的各个子节点的已经过路径代价，获取与该父节点对应的各个子节点到导航目标点的预计路径代价；
S5、根据车辆在该父节点的朝向和在车辆到达与该父节点对应的各个子节点时的朝向获取车辆从父节点移动到与其对应的各个子节点时姿态发生变化产生的转向代价；
S6、计算当前父节点对应的每个子节点对应的已经过路径代价、预计路径代价和转向代价之和；
S7、将和值最小的子节点作为下一个父节点，并判断该节点是否为终点，若是则按时间顺序输出每个父节点，得到规划的路径；否则返回步骤S3。
步骤S4中已经过路径代价的获取方法为：依次连接每个已到达过的栅格中心点，以栅格的边长获取整个连线的长度，并将该长度作为已经过路径代价。
步骤S4中预计路径代价的获取方法为：将每个栅格中心点为转向点，获取该父节点对应的每个子节点到导航目标点的所有连线方案，以栅格的边长获取每个子节点对应的每个连线方案的长度，选取每个子节点对应的最短长度作为其对应的预计路径代价。
步骤S4中获取车辆在到达与该父节点对应的各个子节点时的朝向的具体方法为：将父节点的中心A到与该父节点对应的第i个子节点的中心Bi进行连线，将方向
Figure BDA0002310619320000051
作为车辆到达与该父节点对应的第i个子节点时的朝向。
步骤S5的具体方法包括以下子步骤：
S5-1、根据公式
Δθ＝hout-hin
获取车辆从父节点移动到与其对应的各个子节点时的转向角Δθ；其中hout为车辆到达与该父节点对应的各个子节点时的朝向；hin为车辆在该父节点的朝向；
S5-2、根据公式
P＝eΔθ-1
获取车辆从父节点移动到与其对应的各个子节点时姿态发生变化产生的转向代价P；其中e为自然常数。
综上所述，本发明可以避免阿克曼结构无人车在伺服规划出的路径时因无法转向、转向过急而发生的控制紊乱问题。将可行性纳入阿克曼结构无人车的路径规划中，可以解决在巡检、农耕、运输等无人车应用领域中因全局路径规划可行性差而导致的伺服混乱等问题。

Claims (5)

1.一种基于阿克曼约束的路径规划方法，其特征在于，包括以下步骤：
S1、将实际场景中的每一个位置映射到地图中对应的栅格得到栅格地图；
S2、在栅格地图中从起点所在栅格开始搜索，获取车辆的初始朝向，将当前车辆所在栅格作为父节点；
S3、将该父节点周围相邻的栅格作为其子节点，并将父节点标记为不可再选取节点；
S4、获取车辆在到达与该父节点对应的各个子节点时的朝向，获取车辆从起点经过该父节点并到与其对应的各个子节点的已经过路径代价，获取与该父节点对应的各个子节点到导航目标点的预计路径代价；
S5、根据车辆在该父节点的朝向和在车辆到达与该父节点对应的各个子节点时的朝向获取车辆从父节点移动到与其对应的各个子节点时姿态发生变化产生的转向代价；
S6、计算当前父节点对应的每个子节点对应的已经过路径代价、预计路径代价和转向代价之和；
S7、将和值最小的子节点作为下一个父节点，并判断该节点是否为终点，若是则按时间顺序输出每个父节点，得到规划的路径；否则返回步骤S3。
2.根据权利要求1所述的基于阿克曼约束的路径规划方法，其特征在于，所述步骤S4中已经过路径代价的获取方法为：
依次连接每个已到达过的栅格中心点，以栅格的边长获取整个连线的长度，并将该长度作为已经过路径代价。
3.根据权利要求1所述的基于阿克曼约束的路径规划方法，其特征在于，所述步骤S4中预计路径代价的获取方法为：
将每个栅格中心点为转向点，获取该父节点对应的每个子节点到导航目标点的所有连线方案，以栅格的边长获取每个子节点对应的每个连线方案的长度，选取每个子节点对应的最短长度作为其对应的预计路径代价。
4.根据权利要求1所述的基于阿克曼约束的路径规划方法，其特征在于，所述步骤S4中获取车辆在到达与该父节点对应的各个子节点时的朝向的具体方法为：
将父节点的中心A到与该父节点对应的第i个子节点的中心Bi进行连线，将方向
Figure FDA0002310619310000021
作为车辆到达与该父节点对应的第i个子节点时的朝向。
5.根据权利要求1所述的基于阿克曼约束的路径规划方法，其特征在于，所述步骤S5的具体方法包括以下子步骤：
S5-1、根据公式
Δθ＝hout-hin
获取车辆从父节点移动到与其对应的各个子节点时的转向角Δθ；其中hout为车辆到达与该父节点对应的各个子节点时的朝向；hin为车辆在该父节点的朝向；
S5-2、根据公式
P＝e|Δθ|-1
获取车辆从父节点移动到与其对应的各个子节点时姿态发生变化产生的转向代价P；其中e为自然常数。
CN201911257251.7A 2019-12-10 2019-12-10 一种基于阿克曼约束的路径规划方法 Active CN110954123B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911257251.7A CN110954123B (zh) 2019-12-10 2019-12-10 一种基于阿克曼约束的路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911257251.7A CN110954123B (zh) 2019-12-10 2019-12-10 一种基于阿克曼约束的路径规划方法

Publications (2)

Publication Number Publication Date
CN110954123A true CN110954123A (zh) 2020-04-03
CN110954123B CN110954123B (zh) 2021-05-04

Family

ID=69980613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911257251.7A Active CN110954123B (zh) 2019-12-10 2019-12-10 一种基于阿克曼约束的路径规划方法

Country Status (1)

Country Link
CN (1) CN110954123B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113022553A (zh) * 2020-11-20 2021-06-25 安徽海博智能科技有限责任公司 一种矿区无人驾驶车辆的泊车方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6259988B1 (en) * 1998-07-20 2001-07-10 Lockheed Martin Corporation Real-time mission adaptable route planner
CN109163722A (zh) * 2018-06-29 2019-01-08 北京建筑大学 一种仿人机器人路径规划方法及装置
CN109724612A (zh) * 2019-01-14 2019-05-07 浙江大华技术股份有限公司 一种基于拓扑地图的agv路径规划方法及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6259988B1 (en) * 1998-07-20 2001-07-10 Lockheed Martin Corporation Real-time mission adaptable route planner
CN109163722A (zh) * 2018-06-29 2019-01-08 北京建筑大学 一种仿人机器人路径规划方法及装置
CN109724612A (zh) * 2019-01-14 2019-05-07 浙江大华技术股份有限公司 一种基于拓扑地图的agv路径规划方法及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIANI WANG: ""Jump Point Search Plus Algorithm Based on Radar Simulation Target Path Planning"", 《2017 INTERNATIONAL CONFERENCE ON COMPUTER TECHNOLOGY, ELECTRONICS AND COMMUNICATION (ICCTEC)》 *
林丹: ""一种室内清洁机器人返回路径规划算法"", 《重庆科技学院学报（自然科学版）》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113022553A (zh) * 2020-11-20 2021-06-25 安徽海博智能科技有限责任公司 一种矿区无人驾驶车辆的泊车方法及系统
CN113022553B (zh) * 2020-11-20 2022-07-12 安徽海博智能科技有限责任公司 一种矿区无人驾驶车辆的泊车方法及系统

Also Published As

Publication number Publication date
CN110954123B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
EP3932761A1 (en) Vehicle abnormal lane change control method, device and system
CN108073176B (zh) 一种改进型D*Lite车辆动态路径规划方法
CN111717204B (zh) 自动驾驶车辆的横向控制方法及系统
Lamiraux et al. Motion planning and control for Hilare pulling a trailer
Feraco et al. A local trajectory planning and control method for autonomous vehicles based on the RRT algorithm
CN111307152B (zh) 一种自主泊车路径反向生成规划方法
WO2018176593A1 (zh) 一种面向无人自行车的局部避障路径规划方法
CN110928297B (zh) 基于多目标动态粒子群优化的智能公交车辆路径规划方法
CN110869266B (zh) 用于计算车辆的运动轨迹的方法和设备
CN112078594B (zh) 一种智能泊车系统的曲率连续泊车路径规划装置和方法
Fuji et al. Trajectory planning for automated parking using multi-resolution state roadmap considering non-holonomic constraints
Fraichard et al. Smooth path planning for cars
CN111060108A (zh) 路径规划方法和装置、工程车辆
US11505191B2 (en) Vehicle traveling control device
CN110954123B (zh) 一种基于阿克曼约束的路径规划方法
CN112706760B (zh) 一种用于特殊道路场景的无人驾驶泊车路径规划方法
EP3971047B1 (en) Automatic parking method and vehicle
CN113515127A (zh) 一种移动机器人路径规划方法及系统
KR20170070488A (ko) 주행경로 자동생성방법 및 장치
CN111169470B (zh) 一种自动泊车方法、装置及电子设备
CN110362088B (zh) 一种适用于无人驾驶跨运车的循迹控制系统和方法
Tan et al. Design and development of a novel autonomous scaled multiwheeled vehicle
Zeng et al. A unified optimal planner for autonomous parking vehicle
CN114872782B (zh) 四轮全向底盘控制方法及系统
CN115903828A (zh) 一种基于车辆四轮转向的自动泊车路径规划方法

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