CN111380526A - 一种路径确定的系统和方法 - Google Patents

一种路径确定的系统和方法 Download PDF

Info

Publication number
CN111380526A
CN111380526A CN201811615760.8A CN201811615760A CN111380526A CN 111380526 A CN111380526 A CN 111380526A CN 201811615760 A CN201811615760 A CN 201811615760A CN 111380526 A CN111380526 A CN 111380526A
Authority
CN
China
Prior art keywords
obstacle
grids
grid
spatiotemporal
determining
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
CN201811615760.8A
Other languages
English (en)
Other versions
CN111380526B (zh
Inventor
王彦龙
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.)
Beijing Voyager Technology Co Ltd
Original Assignee
Beijing Voyager Technology Co Ltd
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
Priority to CN201811615760.8A priority Critical patent/CN111380526B/zh
Application filed by Beijing Voyager Technology Co Ltd filed Critical Beijing Voyager Technology Co Ltd
Priority to PCT/CN2018/124540 priority patent/WO2020133118A1/en
Priority to CA3028703A priority patent/CA3028703C/en
Priority to TW107147870A priority patent/TWI703309B/zh
Priority to AU2018286612A priority patent/AU2018286612B2/en
Priority to EP18826172.1A priority patent/EP3692338A1/en
Priority to SG11201811762RA priority patent/SG11201811762RA/en
Priority to JP2018569055A priority patent/JP2021513124A/ja
Priority to US16/236,527 priority patent/US10948300B2/en
Publication of CN111380526A publication Critical patent/CN111380526A/zh
Application granted granted Critical
Publication of CN111380526B publication Critical patent/CN111380526B/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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01C21/203—Specially adapted for sailing ships
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请实施例公开了一种路径确定系统和方法。所述路径确定方法包括确定包括多个时空网格的时空图，其中时空网格包括时空信息和与时空网格对应的地理信息；获取障碍物的障碍物信息；基于所述多个时空网格中的障碍物信息确定多个可到达网格和多个不可达网格；基于多个可到达网格确定交通工具的路径。

Description

一种路径确定的系统和方法
技术领域
本公开涉及用于自动导航技术的系统和方法，更具体地，涉及用于自动导航系统中的路径确定的系统和方法
背景技术
随着微电子技术和机器人技术的发展，无人驾驶载具的探索现已迅速发展。现有的无人驾驶局部避障方法主要集中在单一障碍物上，例如速度障碍算法、人工势场算法。然而，在复杂和不规则的动态环境中，因为缺乏对多个障碍的状态和多个约束的考虑，例如国际海上避碰规则(COLREGs)和无人驾驶载具的操纵性能，无人驾驶载具的自动导航系统可能难以通过使用这些方法实时规划路径。因此，需要提供一种用于确定自动导航系统中的无人驾驶载具的最佳路径的方法和系统。
发明内容
本申请实施例之一提供一种交通工具在开放空间的路径的确定方法，包括：确定包括多个时空网格的与第一区域对应的时空图，其中时空网格包括时间信息和与时空网格对应的地理信息；获取障碍物的与第一时间段对应的障碍物信息；基于所述多个时空网格中的障碍物信息确定多个可到达网格和多个不可达网格；和基于多个可到达网格确定所述交通工具的路径。
本申请实施例之一提供一种确定交通工具在开放空间的路径系统，所述系统包括地图确定模块、障碍物确定模块、网格确定模块和路径确定模块。所述地图确定模块用于确定包括多个时空网格的与第一区域对应的时空图，其中时空网格包括时间信息和与时空网格对应的地理信息。所述障碍物确定模块用于获取障碍物的与第一时间段对应的障碍物信息。所述网格确定模块用于基于所述多个时空网格中的障碍物信息确定多个可到达网格和多个不可达网格。所述路径确定模块用于基于多个可到达网格确定交通工具的路径。
本申请实施例之一提供一种路径确定的装置，包括至少一个存储介质以及至少一个处理器；所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现路径确定方法。
本申请实施例之一提供一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述计算机指令被处理器执行时，实现所述的路径确定方法。
本申请实施例之一提供一种确定交通工具在开放空间的路径系统，所述系统可以包括存储一组指令的至少一个存储介质和与该至少一个存储介质通信的至少一个处理器。当执行存储的一组指令时，至少一个处理器可以使系统：确定包括多个时空网格的与第一区域对应的时空图，其中时空网格包括时间信息和与时空网格对应的地理信息；获取障碍物的与第一时间段对应的障碍物信息；基于所述多个时空网格中的障碍物信息确定多个可到达网格和多个不可达网格；和基于多个可到达网格确定所述交通工具的路径。
在一些实施例中，至少一个处理器还可以使系统：基于障碍物信息确定多个时空网格中的障碍物体积；和基于障碍物体积确定多个可到达网格和多个不可到达网格。
在一些实施例中，至少一个处理器还可以使系统：基于与第一时间段对应的障碍物体积确定障碍物轨迹投影；和基于障碍物轨迹投影确定多个可到达网格和多个不可到达网格。
在一些实施例中，至少一个处理器还可以使系统：基于所述障碍物的轮廓确定所述障碍物体积。
在一些实施例中，至少一个处理器还可以使系统：基于障碍物信息确定与障碍物相关的模糊集合；和基于模糊集确定多个可到达网格和多个不可到达网格。
在一些实施例中，至少一个处理器还可以使系统确定模糊集，至少一个处理器还可以使系统：基于第一标准确定与障碍物相关的不可到达区域；和基于不可达区域确定模糊集。
在一些实施例中，至少一个处理器还可以使系统：确定多个时空网格中的交通工具的目标网格；对于多个可到达网格中的至少一部分，确定两个相邻可到达网格之间的成本函数；确定交通工具的当前网格与交通工具的目标网格之间的启发函数；和基于交通工具的目的地网格，多个成本函数和启发函数确定交通工具的路径。
在一些实施例中，可以基于所述两个相邻可到达网格的时间信息和地理信息来确定所述成本函数。
在一些实施例中，可以基于所述交通工具的当前网格和所述交通工具的目的地网格的时间信息和地理信息来确定所述启发函数。
本申请实施例之一提供一种交通工具在开放空间的路径的确定方法，所述方法可以在计算设备上执行，所述计算设备包括内存和至少两个处理器，所述方法包括：确定包括多个时空网格的与第一区域对应的时空图，其中时空网格包括时间信息和与时空网格对应的地理信息；获取障碍物的与第一时间段对应的障碍物信息；基于所述多个时空网格中的障碍物信息确定多个可到达网格和多个不可达网格；和基于多个可到达网格确定所述交通工具的路径。
在一些实施例中，确定所述多个可到达网格和多个不可到达网格，包括：基于障碍物信息确定多个时空网格中的障碍物体积；和基于障碍物体积确定多个可到达网格和多个不可到达网格。
在一些实施例中，所述方法包括基于与第一时间段对应的障碍物体积确定障碍物轨迹投影；和基于障碍物轨迹投影确定多个可到达网格和多个不可到达网格。
在一些实施例中，所述方法包括基于所述障碍物的轮廓确定所述障碍物体积。
在一些实施例中，确定所述多个可到达网格和多个不可到达网格，包括：基于障碍物信息确定与障碍物相关的模糊集合；和基于模糊集确定多个可到达网格和多个不可到达网格。
在一些实施例中，确定模糊集包括：基于第一标准确定与障碍物相关的不可到达区域；和基于不可达区域确定模糊集。
在一些实施例中，所述方法包括：确定多个时空网格中的交通工具的目标网格；对于多个可到达网格中的至少一部分，确定两个相邻可到达网格之间的成本函数；确定交通工具的当前网格与交通工具的目标网格之间的启发函数；和基于交通工具的目的地网格，多个成本函数和启发函数确定交通工具的路径。
在一些实施例中，可以基于所述两个相邻可到达网格的时间信息和地理信息来确定所述成本函数。
在一些实施例中，可以基于所述交通工具的当前网格和所述交通工具的目的地网格的时间信息和地理信息来确定所述启发函数。
本申请实施例之一提供一种非暂时性计算机可读介质，包括用于定位的至少一组指令，当由计算设备的一个或以上处理器执行所述至少一组指令时，所述至少一组指令可以使所述计算设备执行一种方法，所述方法包括：确定包括多个时空网格的与第一区域对应的时空图，其中时空网格包括时间信息和与时空网格对应的地理信息；获取障碍物的与第一时间段对应的障碍物信息；基于所述多个时空网格中的障碍物信息确定多个可到达网格和多个不可达网格；和基于多个可到达网格确定所述交通工具的路径。
在一些实施例中，确定所述多个可到达网格和多个不可到达网格，包括：基于障碍物信息确定多个时空网格中的障碍物体积；和基于障碍物体积确定多个可到达网格和多个不可到达网格。
申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是显而易见的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。附图不是按比例绘制的。这些实施例并非限制性的，在这些实施例中，相同的符号表示相同的部件，其中：
图1是根据本申请的一些实施例所示的示例性自动导航系统的示意图；
图2是根据本申请的一些实施例所示的示例性计算设备的示例性硬件和/或软件组件的示意图；
图3是根据本申请的一些实施例所示的示例性处理引擎112的框图；
图4是根据本申请的一些实施例所示的示例性时空映射的示意图；
图5A是根据本申请的一些实施例所示的用于对三维空间进行网格化的示例性过程的示意图；
图5B是根据本申请的一些实施例所示的X-Y平面上的障碍物的示例性边界框的示意图；
图6A是根据本申请的一些实施例所示与障碍物的运动区域相关联的示例性隶属函数的示意图；
图6B是根据本申请的一些实施例所示的与障碍物的运动区域相关联的隶属函数的示例性轮廓线的示意图；和
图7是根据本申请的一些实施例所示的基于时空图确定交通工具路径的示例性过程的流程图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请，并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲，显然可以对所公开的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请并不限于所描述的实施例，而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例，并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本申请中，术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
根据以下对附图的描述，本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是，流程图中的操作可以不按顺序执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
此外，尽管本申请中公开的系统和方法主要涉及海洋和陆地中的运输系统，但应该理解，这仅是一个示例性实施例。本申请的系统和方法可以应用于任何其他类型的运输系统。例如，本申请的系统和方法可以应用于不同环境的运输系统，包括海洋、航空航天等或其任意组合。运输系统的交通工具可包括汽车、公共汽车、火车、地铁、船只、飞机、宇宙飞船、热气球等或其任意组合。
本申请中使用的定位技术可以包括全球定位系统(GPS)、全球卫星导航系统(GLONASS)、北斗导航系统(COMPASS)、伽利略定位系统、准天顶卫星系统(QZSS)、无线保真(Wi-Fi)定位技术等或其任意组合。上述定位技术中的一种或以上可以在本申请中互换使用。
图1是根据本申请的一些实施例所示的示例性自动导航系统的示意图。在一些实施例中，自动导航系统100可包括服务器110、网络120、交通工具130和存储器140。
在一些实施例中，服务器110可以是单个服务器，也可以是服务器组。服务器组可以是集中式的或分布式的(例如，服务器110可以是一分布式系统)。在一些实施例中，服务器110可以是本地的，也可以是远程的。例如，服务器110可以经由网络120访问存储在交通工具130和/或存储器140中的信息和/或数据。又例如，服务器110可以直接连接到交通工具130和/或存储器140以访问存储信息和/或数据。在一些实施例中，服务器110可以在云平台或车载计算机上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，服务器110可以在计算设备200上实现，该计算设备200包括本申请中的图2中所示的一个或以上组件。
在一些实施例中，服务器110可以包括处理引擎112。处理引擎112可以处理与驾驶信息和/或交通工具130的状态相关的信息和/或数据，以执行本申请中描述的一个或以上功能。在一些实施例中，处理引擎112可包括一个或以上处理引擎(例如，单芯片处理引擎或多芯片处理引擎)。仅作为示例，处理引擎112可以包括中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
在一些实施例中，服务器110可以连接到网络120以与自动导航系统100的一个或以上组件(例如，交通工具130、存储器140)通信。在一些实施例中，服务器110可以直接连接到自动导航系统100的一个或以上组件(例如，交通工具130、存储器140)或与之通信。在一些实施例中，服务器110可以集成在交通工具130中。例如，服务器110可以是安装在交通工具130中的计算设备(例如，车载计算机)。
网络120可以促进信息和/或数据的交换。在一些实施例中，自动导航系统100的一个或以上组件(例如，服务器110、交通工具130或存储器140)可以经由网络120将信息和/或数据发送至自动导航系统100的其他组件。例如，服务器110可以经由网络120获取与交通工具130相关的驾驶信息和/或交通工具130的状态。在一些实施例中，网络120可以为任意形式的有线或无线网络，或其任意组合。仅作为示例，网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通讯(NFC)网络等或其任意组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点，通过该接入点，自动导航系统100的一个或以上组件可以连接到网络120以交换数据和/或信息。
交通工具130可以是任何类型的无人载具，例如水面无人船(USV)。水面无人船能够在没有人类操纵的情况下感测环境信息和导航。交通工具130可包括常规船的结构，例如船体(例如，船首、龙骨、船尾)、推进系统(例如，马达或发动机转向螺旋桨、叶轮或波推进翅片)、转向系统(例如，方向舵)等。推进系统可以控制交通工具130的移动速度。转向系统可以调整交通工具130的前进方向和/或方向。推进系统和/或转向系统可以包括任何机构组合实现其功能。
交通工具130还可以包括多个检测单元，其被配置为检测与交通工具130相关联的航行信息。多个检测单元可以包括相机、全球定位系统(GPS)模块、加速度传感器(例如，压电传感器)、速度传感器(例如，霍尔传感器)、距离传感器(例如，雷达、激光雷达、红外传感器)等。
例如，距离传感器(例如，雷达，LiDAR，红外传感器)可以确定交通工具130与其他物体之间的距离(例如，静态障碍物、运动障碍物、其它交通工具)。速度传感器(例如，霍尔效应传感器)可以确定交通工具130的速度(例如，瞬时速度、平均速度)。加速度传感器(例如，加速度计)可以确定加速度(例如，瞬时加速度、平均加速度)。
在一些实施例中，多个检测单元可以感测交通工具130周围的环境。例如，一个或多个检测单元可以检测交通工具130周围的障碍物(例如，静态障碍物、运动障碍物)。静态障碍物可包括岛屿、礁石等，或其任何组合。运动障碍物可包括移动的船、动物等，或其任何组合。
存储器140可以储存数据和/或指令。在一些实施例中，存储器140可以存储从交通工具130获取的数据，例如由至少两个探测单元获取的驾驶信息和/或交通工具130的状态。在一些实施例中，存储器140可以储存服务器110用来执行或使用以完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中，存储器140可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，存储器140可在云平台上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中，存储器140可以连接到网络120以与自动导航系统100的一个或以上组件(例如，服务器110、交通工具130)通信。自动导航系统100的一个或以上组件可以经由网络120访问存储在存储器140中的数据或指令。在一些实施例中，存储器140可以直接连接到自动导航系统100的一个或以上组件(例如，服务器110和交通工具130)或与之通信。在一些实施例中，存储器140可以是服务器110的一部分。在一些实施例中，存储器140可以集成在交通工具130中。
应当注意自动导航系统100仅仅是为了说明的目的而提供，并不意图限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出多种修改或变化。例如，自动导航系统100还可以包括数据库、信息源等。又例如，自动导航系统100可以在其他设备上实现以实现类似或不同的功能。然而，变化和修改不会背离本申请的范围。
图2是根据本申请的一些实施例所示的示例性计算设备的示例性硬件和/或软件组件的示意图。在一些实施例中，服务器110可以在计算设备200上实现。例如，处理引擎112可以在计算设备200上实施并执行本申请所披露的处理引擎112的功能。
计算设备200可用于实现本申请的自动导航系统100的任何组件。例如，自动导航系统100的处理引擎112可以通过其硬件、软件程序、固件或其组合在计算设备200上实现。尽管为了方便仅示出了一个这样的计算机，但是与这里描述的自动导航系统100相关的计算机功能可以以分布式方式在多个类似平台上实现以分散处理负荷。
例如，计算设备200可以包括通信端口250，连接到与其连接的网络(例如，网络120)，以促进数据通信。计算设备200还可以包括处理器(例如，处理器220)，其形式为一个或以上处理器(例如，逻辑电路)，用于执行程序指令。例如，处理器包括其中的接口电路和处理电路。接口电路可以被配置为从总线210接收电信号，其中电信号编码结构化数据和/或指令，用于处理电路的处理。处理电路可以进行逻辑计算，然后将结论、结果和/或指令编码确定为电信号。然后，接口电路可以经由总线210从处理电路发出电信号。
计算设备200还可以包括不同形式的程序存储和数据存储，例如磁盘270、只读存储器(ROM)230或随机存取存储器(RAM)240，用于存储由计算设备200处理和/或传输的各种数据文件。计算设备200还可以包括由处理器220执行的存储在ROM 230、RAM 240和/或其他类型的非暂时性存储介质中的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。计算设备200还包括I/O组件260，其支持计算设备200与其中的其他组件之间的输入/输出。计算设备200也可以通过网络通信接收编程和数据。
仅仅为了说明，在计算设备200中仅描述了一个处理器。然而，应该注意的是，本申请中的计算设备200还可以包括多个处理器，因此由本申请中描述的一个处理器执行的操作也可以由多个处理器联合或单独执行。例如，计算设备200的处理器执行操作A和操作B。如在另一示例中，操作A和操作B也可以在计算设备200中由两个不同的处理器联合或分开执行(例如，第一处理器执行操作A，第二处理器执行操作B，或者第一和第二处理器共同执行操作A和B)。
图3是根据本申请的一些实施例所示的示例性处理引擎112的框图。处理引擎112可以包括地图确定模块310、障碍物确定模块320、网格确定模块330和路径确定模块340。模块可以是处理引擎112的至少一部分硬件电路。这些模块也可以作为一个应用程序或一组由处理引擎112读取和执行的指令实现。此外，模块可以是硬件电路和应用/指令的任意组合。例如，当处理引擎执行应用程序/一组指令时，模块可以是处理引擎112的一部分。
地图确定模块310可以确定包括多个时空网格的时空图。地图确定模块310可以确定地图上的搜索区域。在一些实施例中，地图确定模块310可以从存储设备(例如，存储器140)获得地图。搜索区域可以包括交通工具的起点和终点。地图确定模块310可以被配置为搜索交通工具从搜索区域中的起点到达目的地点的最佳路径。搜索区域可以是动态搜索区域或静态搜索区域。如果搜索区域中的障碍物未知或处于运动中，则搜索区域可以是动态搜索区域。如果搜索区域中的障碍物是已知的或者是静止的，则搜索区域可以是静态搜索。在一些实施例中，搜索区域可以是二维平面或三维空间。例如，如果交通工具是汽车或船舶，则搜索区域可以是二维区域。如果交通工具是飞机或潜水艇，则搜索区域可以是三维空间。
为了简化寻路任务，地图确定模块310可以将搜索区域划分为多个空间网格。最佳路径可以基于多个空间。在一些实施例中，空间网格的形状可包括但不限于正方形、矩形、六边形、三角形等，或其任何组合。空间网格可以包括节点。在一些实施例中，节点可以是空间网格的中心。空间网格可以包括与网格对应的地理信息。在一些实施例中，地理信息可以是搜索区域中的中心的坐标。寻路任务可以被认为是移动交通工具穿越多个空间网格的中心。
空间网格可以包括可达状态或不可达状态。可达状态可以表示交通工具可以移动到空间网格中。不可达状态可以表示交通工具不能进入空间网格。例如，如果空间网格A被障碍物占据，则交通工具不能移动到空间网格A中，因此空间网格A处于不可达状态。
地图确定模块310还可以确定包括与搜索区域相对应的包含多个时空网格的时空图。在一些实施例中，地图确定模块310可以确定如图4或图5A所示的时空地图。与时空地图和时空网格相关的详细描述可以在本公开的其他地方找到，例如图4、图5A、图5B及其相关描述。
地图确定模块310可以添加空间网格的时间信息以生成多个时空网格。如图5所示，x-y平面可以表示搜索区域，z轴可以表示时间维度。时空网格可以表示空间网格在一段时间内的状态变化。例如，处理引擎112可以将时间信息T添加到空间网格A(A1，A2)中并确定时空网格(A1，A2，T)。时空网格(A1，A2，T)可以表示空间网格A(A1，A2)的状态(可达状态或不可达状态)。例如，时空网格(A1，A2，T1)可以表示网格A(A1，A2)在时间点T1是否可达。
在一些实施例中，当搜索区域是三维空间时，处理引擎112可以添加空间网格的时间信息以生成多个时空网格。如果搜索区域是三维空间，则时空地图和时空网格可以是四维的(图中未示出)。例如，处理引擎112可以将时间信息T添加到三维空间网格A(A1，A2，A3)并确定时空网格(A1，A2，A3，T)。时空网格(A1，A2，A3，T)可以表示空间网格A(A1，A2，A3)的状态(可达状态或不可达状态)。例如，时空网格(A1，A2，A3，T1)可以被配置为表示网格A(A1，A2，A3)在时间点T1是否可到达。
障碍物确定模块320可以确定障碍物的障碍物信息。障碍物信息可包括障碍物的类型(例如，交通工具、船舶、岛屿、行人、动物、建筑物、树木、路障)、障碍物的位置、障碍物的大小、障碍物的速度、交通工具的当前位置与障碍物的位置等之间的距离等，或其任何组合。在一些实施例中，障碍物可以是静态障碍物。例如，障碍物可以是建筑物、树木、路障、海上岩石、岛屿等或任何组合。如果静态障碍物是已知的，则处理引擎112可以从存储设备(例如，存储器140)获得静态障碍物信息，例如如本公开中其他地方所述。在一些实施例中，障碍物可以是运动障碍物或未知障碍物。例如，障碍物可以是移动的交通工具、行人、动物、未知的岩石、未知的岛屿。处理引擎112可以从交通工具的检测单元(例如，相机、雷达)获得运动中的障碍物或未知障碍物的障碍物信息。
网格确定模块330可以基于多个时空网格中的障碍物信息确定多个可到达网格和多个不可到达网格。处理引擎112可基于障碍物信息确定在时间点处障碍物是否占用时空网格。例如，如果障碍物是位于(A1，A2)中的静态障碍物，则处理引擎112可以确定与位置(A1，A2)对应的多个时空网格(例如，(A1，A2，T1)、(A1，A2，T2)、(A1，A2，T3)，其中T1，T2和T3代表不同的时间)的状态为不可到达。
如果障碍物为运动障碍物，则网格确定模块330可以基于障碍物信息确定时空图中的障碍物的移动轨迹。然后，网格确定模块330可以基于时空图中的障碍物的移动轨迹来确定多个可到达网格和多个不可到达网格。可以基于地理区域的时空网格与对应于障碍物的移动轨迹之间的空间关系来确定时间段中的地理区域的可达性。例如，网格确定模块330可以确定地理区域相对应的时空网格是否与对应于障碍物的移动轨迹重叠。如果对应于时间段中的地理区域的时空网格与对应于障碍物的立方体移动轨迹重叠，网格确定模块330可以确定由时空网格表示的地理区域在该时间段内不可到达。如果对应于时间段中的地理区域的时空网格不与对应于障碍物的立方体移动轨迹重叠，网格确定模块330可以确定由时空网格表示的地理区域是时间段内可以到达。在一些实施例中，网格确定模块330可以通过执行碰撞检测来确定与地理区域相对应的时空网格是否与对应于障碍物的移动轨迹重叠。网格确定模块330基于障碍物信息确定多个时空网格中的障碍物体积，并基于障碍物体积确定多个可到达网格和多个不可到达网格。在一些实施例中，网格确定模块330可以基于一个或多个碰撞检测算法在对应于地理区域的时空网格与对应于障碍物的移动轨迹之间执行碰撞检测。碰撞检测算法可以包括轴向对齐的边界框(AABB)算法、定向边界框(OBB)算法等。例如，处理引擎112可以完全包裹具有边界体积的对象(例如，障碍物)。边界体积可以是边界框(例如，长方体，立方体)、边界胶囊、边界圆柱体、边界球体等。在AABB算法中，边界框与坐标系的轴对齐。网格确定模块330可以进一步基于对象的边界体积的大小和位置来确定包裹对象的边界体积与X-Y-Z空间中的多个时空网格中的每一个之间是否发生碰撞。例如，网格确定模块330可以通过将包括障碍物的边界体积与多个时间中的每一个进行比较来确定在包括对象的边界体积与XYZ空间中的多个时空网格中的每一个之间是否发生碰撞。如果包裹对象的边界体积与XYZ空间中的多个时空网格中的一个之间发生碰撞，网格确定模块330可以确定包括对象的边界体积与时间重叠。因此，网格确定模块330可以确定该时空网格在该时间段中不可达。.
在一些实施例中，网格确定模块330可以基于障碍物在X-Y平面上的投影来执行多个时空网格中的每一个与障碍物之间的碰撞检测。如图5B所示，假设障碍物是立方体，并且障碍物的移动的开始时间点和结束时间点分别是t1和t2，网格确定模块330可根据公式(1)确定障碍物的中点坐标在时间点t1和时间点t2处的分别是(xt1，yt1)和(xt2，yt2)。如图5A所示，处理引擎112可以确定在时间点t1和时间点t2，障碍物在X-Y平面上的投影位置。处理引擎112可以通过根据障碍物的移动方向连接障碍物的顶点在XY平面上生成2D边界框(例如，边界框ABCDE)，其指示障碍物从时间点t1到时间点t2移动的区域。如图5B中所示。
在一些实施例中，网格确定模块330可以将XY平面划分为多个2D网格，其长度为ΔL，宽度为ΔW，其与XYZ中的时空网格在XY平面上的投影相同。因此，处理引擎112可以通过比较时间段中的移动障碍物的2D边界框和X-Y平面中的每个2D网格来确定与时间段中的地理区域相对应的时空网格是否可达。例如，处理引擎112可以确定时间段中的移动障碍物的2D边界框是否与X-Y平面中的多个2D网格中的每一个重叠。如果时间段中的移动障碍物的2D边界框与XY平面中的2D网格重叠，网格确定模块330可以确定XYZ空间中的对应时空网格在时间上不可达。如果时间段中的移动障碍物的2D边界框不与XY平面中的2D网格重叠，处理引擎112可以确定XYZ空间中的对应的时空网是可达的。
如上所述，在AABB算法中，网格确定模块330需要将包围障碍物的边界框与XYZ空间中的所有时空网格进行比较，以确定边界框是否与每个时空网格重叠，这可能会导致计算效率低下。另外，在AABB算法中，包围障碍物的边界框需要与坐标轴对齐，对障碍物的方向敏感。在一些场景中，包围障碍物的边界框可能会包含不与障碍物重叠的一个或多个时空网格，这可能导致碰撞检测的精度下降。本发明所揭示的方法将三维结构碰撞问题转化为二维平面重叠问题，可大大提高计算效率和碰撞检测的准确性。
路径确定模块340可以基于多个可到达网格确定交通工具的路径。在确定可到达网格之后，路径确定模块340可以搜索可到达网格并找到交通工具从搜索区域中的起始点到目的地点的最佳路径。
路径确定模块340可以确定交通工具从搜索区域中的起点到目的地点的最佳路径。对于路径寻找任务，时空网格可以包括总成本值和启发式值。时空网格A的总成本值可以与从起始网格，沿着检索到时空网格A生成的路径，移动到时空网格A的移动成本相关。启发式值可以与从起始网格移动到时空网格A的估计移动成本相关。路径确定模块340可以搜索起始网格的多个相邻网格，并且将具有成本值和启发值的最小和的网格确定为父网格。然后，路径确定模块340可以搜索父网格的多个相邻网格，并且将具有最小成本值和启发值的总和的网格确定为新的父网格。路径确定模块340可以迭代地搜索新的父网格，直到路径到达目的地网格。
需要注意的是，以上对处理引擎112的描述仅是具体的示例，不应被视为是唯一可行的实施方案。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种修正和改变。例如，处理引擎112还可以包括促进数据存储的存储模块。然而，这些修正和改变不会背离本申请的范围。
图4是根据本申请的一些实施例所示的的示例性时空映射的示意图。如图4所示，OA、OB和OC可以对应于第一地理方向(例如，地理东方向，表示为X轴)、第二地理方向(例如，地理北方向，表示为Y轴)以及时间维度(表示为Z轴)。假设在时间点T，障碍物以移动速度v(t)从点M(x1，y1)延移动方向h(t)移动。在时间段Δt之后，障碍物可以到达点N，XYZ坐标系中的点N的坐标可以表示为(x(T+Δt)，y(T+Δt)，T+Δt)，可以根据等式(1)确定点N的坐标：
Figure BDA0001925794700000171
其中：x1可以指M点垂直投影到X轴的位置；y1可以指M点垂直投影到Y轴的位置；T可以指障碍物位于M点的时间点；Δt可以指障碍物从M点移动到N点的时间段；x(T+Δt)可以指N点在X轴上的垂直投影的位置；y(T+Δt)可以指N点在Y轴上的垂直投影的位置；v(t)可以指障碍物的移动速度；h(t)可以指障碍物的移动方向。
如图4所示，障碍物可以被认为是质点。因此，图4中所示的轨迹为线，表示障碍物的质量中心或几何中心相对于时间的移动轨迹。在一些实施例中，障碍物可具有轮廓。因此，特定时间段内障碍物的移动轨迹可以表示为X-Y-Z空间中的3D形状，如图5A所示。
图5A是根据本申请的一些实施例所示的用于对三维空间进行网格化的示例性过程的示意图。在图5A中，图4中所示的X-Y-Z空间(例如，时空图)可以被划分为多个时空网格。时空网格可以由时空网格的中心点的坐标表示。时空网格的长度ΔL和宽度ΔW可以对应于X-Y平面的特定区域。时空网格的高度ΔT可以对应于特定时间段。时空网格可以用作交通工具的路径寻找任务的基本单元。在一些实施例中，可以基于交通工具的一个或多个特征来确定时空网格的大小。交通工具的一个或多个特征可包括交通工具类型、交通工具重量、交通工具模型、发动机动力、制动效率等，或其任何组合。
每个时空网格可以对应于时间点中的地理区域的可达性。如本披露中所使用的，特定地理区域的可达性可指示交通工具可在特定地理区域中行进而不会碰撞障碍物。例如，时空网格(x，y，T)可以对应于时间段T中的地理区域(x，y)的可达性。如果时空网格(x，y，T)被障碍物的移动轨迹占据，例如，图5A中所示的网格510，表示在时间T时交通工具不能到达位置(x，y)。如果时空网格(x，y，T)没有被障碍物的移动轨迹占据，例如，图5A中所示的网格520，表示在时间T时交通工具能够到达位置(x，y)。
在一些实施例中，可以基于地理区域的时空网格与对应于障碍物的移动轨迹之间的空间关系来确定时间段中的地理区域的可达性。例如，处理引擎112可以确定地理区域相对应的时空网格是否与对应于障碍物的移动轨迹重叠。如果对应于时间段中的地理区域的时空网格与对应于障碍物的立方体移动轨迹重叠，处理引擎112可以确定由时空网格表示的地理区域在该时间段内不可到达。如果对应于时间段中的地理区域的时空网格不与对应于障碍物的立方体移动轨迹重叠，处理引擎112可以确定由时空网格表示的地理区域是时间段内可以到达。
在一些实施例中，处理引擎112可以通过执行碰撞检测来确定与地理区域相对应的时空网格是否与对应于障碍物的移动轨迹重叠。在一些实施例中，处理引擎112可以基于一个或多个碰撞检测算法在对应于地理区域的时空网格与对应于障碍物的移动轨迹之间执行碰撞检测。碰撞检测算法可以包括轴向对齐的边界框(AABB)算法、定向边界框(OBB)算法等。例如，处理引擎112可以完全包裹具有边界体积的对象(例如，障碍物)。边界体积可以是边界框(例如，长方体、立方体)、边界胶囊、边界圆柱体、边界球体等。在AABB算法中，边界框与坐标系的轴对齐。处理引擎112可以进一步基于对象的边界体积的大小和位置来确定包裹对象的边界体积与X-Y-Z空间中的多个时空网格中的每一个之间是否发生碰撞。例如，处理引擎112可以通过将包括障碍物的边界体积与多个时间中的每一个进行比较来确定在包括对象的边界体积与XYZ空间中的多个时空网格中的每一个之间是否发生碰撞。如果包裹对象的边界体积与XYZ空间中的多个时空网格中的一个之间发生碰撞，处理引擎112可以确定包括对象的边界体积与时间重叠。因此，处理引擎112可以确定该时空网格在该时间段中不可达。
在一些实施例中，处理引擎112可以基于障碍物在X-Y平面上的投影来执行多个时空网格中的每一个与障碍物之间的碰撞检测。如图5B所示，假设障碍物是立方体，并且障碍物的移动的开始时间点和结束时间点分别是t1和t2，处理引擎112可根据公式(1)确认障碍物的中点坐标在时间点t1和时间点t2处的分别是(xt1，yt1)和(xt2，yt2)。如图5A所示，处理引擎112可以确定在时间点t1和时间点t2，障碍物在X-Y平面上的投影位置。处理引擎112可以通过根据障碍物的移动方向连接障碍物的顶点，在XY平面上生成2D边界框(例如，边界框ABCDE)，其指示障碍物从时间点t1到时间点t2移动的区域，如图5B中所示。图5B是是根据本申请的一些实施例所示的X-Y平面上的障碍物的示例性边界框的示意图。
在一些实施例中，处理引擎112可以将XY平面划分为多个2D网格，其长度为ΔL，宽度为ΔW，其与XYZ中的时空网格在XY平面上的投影相同。因此，处理引擎112可以通过比较时间段中的移动障碍物的2D边界框和X-Y平面中的每个2D网格来确定与时间段中的地理区域相对应的时空网格是否可达。例如，处理引擎112可以确定时间段中的移动障碍物的2D边界框是否与X-Y平面中的多个2D网格中的每一个重叠。如果时间段中的移动障碍物的2D边界框与XY平面中的2D网格重叠，处理引擎112可以确定XYZ空间中的对应时空网格在时间上不可达。如果时间段中的移动障碍物的2D边界框不与XY平面中的2D网格重叠，处理引擎112可以确定XYZ空间中的对应的时空网是可达的。
如上所述，在AABB算法中，处理引擎112需要将包围障碍物的边界框与XYZ空间中的所有时空网格进行比较，以确定边界框是否与每个时空网格重叠，这可能导致计算效率低下。另外，在AABB算法中，包围障碍物的边界框需要与轴对齐，对障碍物的方向敏感。在一些场景中，包围障碍物的边界框可能会包含不与障碍物重叠的一个或多个时空网格，这可能导致碰撞检测的精度下降。本发明所揭示的方法将三维结构碰撞问题转化为二维平面重叠问题，可大大提高计算效率和碰撞检测的准确性。
图6A是根据本申请的一些实施例所示与障碍物的运动区域相关联的示例性隶属函数的示意图。图6B是根据本申请的一些实施例所示的与障碍物的运动区域相关联的隶属函数的示例性轮廓线的示意图。
在一些实施例中，可以将交通工具视为一个点，并且可以基于交通工具的大小、交通工具的安全导航距离以及一个或多个规则(例如，国际海上避碰规则(COLREGs))来确定障碍物的大小。如本文所使用的，交通工具的安全导航距离可以指为避免交通工具与障碍物之间的碰撞，交通工具与障碍物之间的最小距离。在一些实施例中，处理引擎112基于第一标准(例如，COLREGs规则)确定与障碍物相关的不可到达区域，并且基于不可达区域确定模糊集。
在一些实施例中，处理引擎112可根据COLREGs确定障碍物周围的不可航行区域。不可航行区域可以指的是交通工具在执行路径规划时不能进入的区域。例如，根据COLREGs规则第十四条，“当两艘机动船在相反的或接近相反的航向上相遇致有构成碰撞危险时，各应向右转向，从而各从他船的左舷驶过。”因此，处理引擎112可以确定障碍物船只的右侧为不可导航区域，这样SUV可以向右转以避开障碍物船只。另一个例子是，根据COLREGs规则第十五条，“当两艘机动船交叉相遇致有构成碰撞危险时，有他船在本船右舷的船舶应给他船让路，如当时环境许可，还应避免横越他船的前方。”因此，处理引擎112可以确定障碍船前方为不可航行区域，这样交通工具可以在障碍船的船尾后面行进以避开障碍船。
在一些实施例中，障碍物可以根据其自身的运动定律在水上移动，并且障碍物的运动状态可以由于其他障碍物的运动而改变。因此，障碍物的位置和移动状态可以随时间改变。通常，与障碍物相关联的运动信息越全面，对准确地预测障碍物的运动状态就越有利，这可以减少无效操作，并且提高路径规划的效率。在一些实施例中，处理引擎112可以根据模糊集理论，基于与障碍物相关联的运动信息(例如，障碍物的位置、障碍物的移动速度、障碍物的移动方向)、交通工具的大小、交通工具的安全导航距离以及一个或多个规则(例如，国际海上避碰规则(COLREGs))，来确定障碍物的运动区域模型。模糊集可以指其元素具有隶属度的集合。处理引擎112可以基于障碍物的运动区域模型确定障碍物的运动区域。在交通工具的路径规划中，可能不允许交通工具进入障碍物的运动区域。
在一些实施例中，处理引擎112可以基于模糊集理论，根据等式(2)确定与障碍物的运动区域相关联的隶属函数，如图6A中所示：
Figure BDA0001925794700000211
其中：
Figure BDA0001925794700000212
表示从点(xc,yc)到点(x,y)的方向向量；
Figure BDA0001925794700000213
表示速度向量；
Figure BDA0001925794700000214
表示方向因子，表示
Figure BDA0001925794700000215
和
Figure BDA0001925794700000216
矢量的关系。在一些实施例中，
Figure BDA0001925794700000217
可以根据公式(3)确定：
Figure BDA0001925794700000218
其中，λ表示常数且0<λ<1；参数A表示
Figure BDA0001925794700000219
与
Figure BDA00019257947000002110
的夹角。隶属函数可以基于作为指定集合的成员的可能性将输入数据重新分类或变换为0到1的比例。例如，可以将0分配给那些绝对不是指定集合的成员的位置，并且可以将1分配给那些肯定是指定集合的成员的值，并且0和1之间的整个可能性范围是0分配给某种程度的可能成员资格(例如，数字越大，可能性越大)。与障碍物的运动区域相关联的隶属函数可以指示与障碍物相关联的移动状态(例如，障碍物的位置、障碍物的移动速度、障碍物的移动方向)、障碍物的移动趋势以及障碍物的移动范围。具有较高隶属函数值的位置可以对应于该位置处较高的碰撞风险。
如图6B中所示，610和620分别表示交通工具和障碍物。630表示交通工具610的运动轨迹，640表示障碍物620的移动方向。区域1表示障碍物的不可导航区域。区域2表示障碍物620的运动区域。线650-1、650-2….和650-n指的是与障碍物620的运动区域(例如，区域2)相关联的隶属函数的轮廓线。在障碍物的移动方向上的隶属函数的衰减可能比在其他方向上慢。障碍物的移动方向上的位置的隶属函数的值可以大于其他位置的值。
图7是根据本申请的一些实施例所示的基于时空图确定交通工具路径的示例性过程的流程图。在一些实施例中，过程700可以在自动导航系统100中实现。例如，过程700可以作为指令的形式存储在ROM 230、RAM 240中，并且由服务器110调用和/或执行。需要说明的是，以下步骤仅是示意。在一些实施例中，过程700可以包括其它步骤或省略一些步骤。在一些实施例中，图7中所示的过程700中的步骤的顺序可以改变。
在701中，处理引擎112(例如，地图确定模块310)可以确定包括多个时空网格的与第一区域对应的时空图。
处理引擎112(例如，地图确定模块310)可以确定地图上的搜索区域。在一些实施例中，处理引擎112可以从存储设备(例如，存储器140)获得地图。搜索区域可以包括交通工具的起点和终点。处理引擎112可以被配置为搜索交通工具从搜索区域中的起点到达目的地点的最佳路径。搜索区域可以是动态搜索区域或静态搜索区域。如果搜索区域中的障碍物未知或处于运动中，则搜索区域可以是动态搜索区域。如果搜索区域中的障碍物是已知的或者是静止的，则搜索区域可以是静态搜索。在一些实施例中，搜索区域可以是二维平面或三维空间。例如，如果交通工具是汽车或船舶，则搜索区域可以是二维区域。如果交通工具是飞机或潜水艇，则搜索区域可以是三维空间。
为了简化寻路任务，处理引擎112(例如，地图确定模块310)可以将搜索区域划分为多个空间网格。最佳路径可以基于多个空间。在一些实施例中，空间网格的形状可包括但不限于正方形、矩形、六边形、三角形等，或其任何组合。空间网格可以包括节点。在一些实施例中，节点可以是空间网格的中心。空间网格可以包括与网格对应的地理信息。在一些实施例中，地理信息可以是搜索区域中的中心的坐标。寻路任务可以被认为是移动交通工具穿越多个空间网格的中心。
空间网格可以包括可达状态或不可达状态。可达状态可以表示交通工具可以移动到空间网格中。不可达状态可以表示交通工具不能进入空间网格。例如，如果空间网格A被障碍物占据，则交通工具不能移动到空间网格A中，因此空间网格A处于不可达状态。
处理引擎112(例如，地图确定模块310)还可以确定包括与搜索区域相对应的包含多个时空网格的时空图。在一些实施例中，处理引擎112可以确定如图4或图5A所示的时空地图。与时空地图和时空网格相关的详细描述可以在本公开的其他地方找到，例如图4、图5A、图5B及其相关描述。
处理引擎112(例如，地图确定模块310)可以添加空间网格的时间信息以生成多个时空网格。如图5所示，x-y平面可以表示搜索区域，z轴可以表示时间维度。时空网格可以表示空间网格在一段时间内的状态变化。例如，处理引擎112可以将时间信息T添加到空间网格A(A1，A2)中并确定时空网格(A1，A2，T)。时空网格(A1，A2，T)可以表示空间网格A(A1，A2)的状态(可达状态或不可达状态)。例如，时空网格(A1，A2，T1)可以表示网格A(A1，A2)在时间点T1是否可达。
在一些实施例中，当搜索区域是三维空间时，处理引擎112(例如，地图确定模块310)可以添加空间网格的时间信息以生成多个时空网格。如果搜索区域是三维空间，则时空地图和时空网格可以是四维的(图中未示出)。例如，处理引擎112可以将时间信息T添加到三维空间网格A(A1，A2，A3)并确定时空网格(A1，A2，A3，T)。时空网格(A1，A2，A3，T)可以表示空间网格A(A1，A2，A3)的状态(可达状态或不可达状态)。例如，时空网格(A1，A2，A3，T1)可以被配置为表示网格A(A1，A2，A3)在时间点T1是否可到达。
在702中，处理引擎112(例如，障碍物确定模块320)可以确定障碍物的与第一时间段对应的障碍物信息。如操作701中所述，时空网格的状态(例如，可到达或不可到达)与时空网格是否在特定时间段或时间点被占用有关。时空网格的状态可以基于障碍物信息根据后面提到的操作确定(例如，操作703)。
障碍物信息可包括障碍物的类型(例如，其他交通工具、船舶、岛屿、行人、动物、建筑物、树木、路障)、障碍物的位置、障碍物的大小、障碍物的速度、交通工具的当前位置与障碍物的位置等之间的距离等，或其任何组合。
在一些实施例中，障碍物可以是静态障碍物。例如，障碍物可以是建筑物、树木、路障、海上岩石、岛屿等或任何组合。如果静态障碍物是已知的，则处理引擎112(例如，障碍物确定模块320)可以从存储设备(例如，存储器140)获得静态障碍物信息，例如如本公开中其他地方所述。
在一些实施例中，障碍物可以是运动障碍物或未知障碍物。例如，障碍物可以是移动的交通工具、行人、动物、未知的岩石、未知的岛屿。处理引擎112可以从交通工具的检测单元(例如，相机、雷达)获得运动中的障碍物或未知障碍物的障碍物信息。
在703中，处理引擎112(例如，网格确定模块330)可以基于多个时空网格中的障碍物信息确定多个可到达网格和多个不可到达网格。处理引擎112可基于障碍物信息确定在时间点处障碍物是否占用时空网格。
例如，如果障碍物是位于(A1，A2)中的静态障碍物，则处理引擎112可以确定与位置(A1，A2)对应的多个时空网格(例如，(A1，A2，T1)、(A1，A2，T2)、(A1，A2，T3)，其中T1，T2和T3代表不同的时间)的状态为不可到达。
如果障碍物为运动障碍物，则处理引擎112可以基于障碍物信息确定时空图中的障碍物的移动轨迹。然后，处理引擎112(例如，网格确定模块330)可以基于时空图中的障碍物的移动轨迹来确定多个可到达网格和多个不可到达网格。
可以基于地理区域的时空网格与对应于障碍物的移动轨迹之间的空间关系来确定时间段中的地理区域的可达性。例如，处理引擎112(例如，网格确定模块330)可以确定地理区域相对应的时空网格是否与对应于障碍物的移动轨迹重叠。如果对应于时间段中的地理区域的时空网格与对应于障碍物的立方体移动轨迹重叠，处理引擎112可以确定由时空网格表示的地理区域在该时间段内不可到达。如果对应于时间段中的地理区域的时空网格不与对应于障碍物的立方体移动轨迹重叠，处理引擎112可以确定由时空网格表示的地理区域是时间段内可以到达。
在一些实施例中，处理引擎112(例如，网格确定模块330)可以通过执行碰撞检测来确定与地理区域相对应的时空网格是否与对应于障碍物的移动轨迹重叠。网格确定模块330基于障碍物信息确定多个时空网格中的障碍物体积，并基于障碍物体积确定多个可到达网格和多个不可到达网格。在一些实施例中，处理引擎112可以基于一个或多个碰撞检测算法在对应于地理区域的时空网格与对应于障碍物的移动轨迹之间执行碰撞检测。碰撞检测算法可以包括轴向对齐的边界框(AABB)算法、定向边界框(OBB)算法等。例如，处理引擎112可以完全包裹具有边界体积的对象(例如，障碍物)。边界体积可以是边界框(例如，长方体，立方体)、边界胶囊、边界圆柱体、边界球体等。在AABB算法中，边界框与坐标系的轴对齐。处理引擎112可以进一步基于对象的边界体积的大小和位置来确定包裹对象的边界体积与X-Y-Z空间中的多个时空网格中的每一个之间是否发生碰撞。例如，处理引擎112可以通过将包括障碍物的边界体积与多个时间中的每一个进行比较来确定在包括对象的边界体积与XYZ空间中的多个时空网格中的每一个之间是否发生碰撞。如果包裹对象的边界体积与XYZ空间中的多个时空网格中的一个之间发生碰撞，处理引擎112可以确定包括对象的边界体积与时间重叠。因此，处理引擎112可以确定该时空网格在该时间段中不可达。.
在一些实施例中，处理引擎112(例如，网格确定模块330)可以基于障碍物在X-Y平面上的投影来执行多个时空网格中的每一个与障碍物之间的碰撞检测。如图5B所示，假设障碍物是立方体，并且障碍物的移动的开始时间点和结束时间点分别是t1和t2，处理引擎112可根据公式(1)确定障碍物的中点坐标在时间点t1和时间点t2处的分别是(xt1，yt1)和(xt2，yt2)。如图5A所示，处理引擎112可以确定在时间点t1和时间点t2，障碍物在X-Y平面上的投影位置。处理引擎112可以通过根据障碍物的移动方向连接障碍物的顶点在XY平面上生成2D边界框(例如，边界框ABCDE)，其指示障碍物从时间点t1到时间点t2移动的区域。如图5B中所示。
在一些实施例中，处理引擎112(例如，网格确定模块330)可以将XY平面划分为多个2D网格，其长度为ΔL，宽度为ΔW，其与XYZ中的时空网格在XY平面上的投影相同。因此，处理引擎112可以通过比较时间段中的移动障碍物的2D边界框和X-Y平面中的每个2D网格来确定与时间段中的地理区域相对应的时空网格是否可达。例如，处理引擎112可以确定时间段中的移动障碍物的2D边界框是否与X-Y平面中的多个2D网格中的每一个重叠。如果时间段中的移动障碍物的2D边界框与XY平面中的2D网格重叠，处理引擎112可以确定XYZ空间中的对应时空网格在时间上不可达。如果时间段中的移动障碍物的2D边界框不与XY平面中的2D网格重叠，处理引擎112可以确定XYZ空间中的对应的时空网是可达的。
如上所述，在AABB算法中，处理引擎112(例如，网格确定模块330)需要将包围障碍物的边界框与XYZ空间中的所有时空网格进行比较，以确定边界框是否与每个时空网格重叠，这可能会导致计算效率低下。另外，在AABB算法中，包围障碍物的边界框需要与坐标轴对齐，对障碍物的方向敏感。在一些场景中，包围障碍物的边界框可能会包含不与障碍物重叠的一个或多个时空网格，这可能导致碰撞检测的精度下降。本发明所揭示的方法将三维结构碰撞问题转化为二维平面重叠问题，可大大提高计算效率和碰撞检测的准确性。
在一些实施例中，如果障碍物处于运动中，则处理引擎112可以基于障碍物信息确定隶属函数。然后，处理引擎112可以基于障碍物的隶属函数来确定多个可到达网格和多个不可到达网格。
如图5A和图5B所示，处理引擎112(例如，网格确定模块330)可以基于根据等式(2)的模糊集理论确定与障碍物的运动区域相关联的隶属函数。在一些实施例中，处理引擎112基于第一标准确定与障碍物相关的不可到达区域，并且基于不可达区域确定模糊集。
隶属函数是基于作为指定集合的成员的可能性将输入数据重新分类或变换为0到1的比例。例如，可以将0分配给那些绝对不是指定集合的成员的位置，并且可以将1分配给那些肯定是指定集合的成员的值，并且0和1之间的整个可能性范围是0分配给某种程度的可能成员资格(例如，数字越大，可能性越大)。与障碍物的运动区域相关联的隶属函数可以指示与障碍物相关联的移动状态(例如，障碍物的位置、障碍物的移动速度、障碍物的移动方向)、障碍物的移动趋势以及障碍物的移动范围。具有较高隶属函数值的位置可以对应于该位置处较高的碰撞风险。如果对应于位置(x1，y1)的隶属函数高于阈值(例如，0.2)，则处理引擎112可以确定对应于位置(x1，y1)的时空网格(例如，(x1，y1，T1)、(x2，y2，T2)，其中T1，T2表示不同的时间点)是不可达的。
在704中，处理引擎112(例如，路径确定模块340)可以基于多个可到达网格确定交通工具的路径。在确定可到达网格之后，处理引擎112可以搜索可到达网格并找到交通工具从搜索区域中的起始点到目的地点的最佳路径。
处理引擎112(例如，路径确定模块340)可以确定交通工具从搜索区域中的起点到目的地点的最佳路径。对于路径寻找任务，每个时空网格可以包括总成本值和启发值。时空网格A的总成本值可以与从起始网格，沿着检索到时空网格A生成的路径，移动到时空网格A的移动成本相关。处理引擎112(例如，路径确定模块340)可以基于所述两个相邻可到达网格的时间信息和地理信息来确定所述成本函数，并根据时空网格的总成本值。例如，一条路径经过起始网格，网格A，网格B的路径，其中，起始网格与网格A相邻，网格A和网格B相邻，则网格B的总成本值为从起始网格移动到网格A的成本值与从网格A移动到网格B的成本值的和。启发值可以与从起始网格移动到时空网格A的估计移动成本相关。处理引擎112可根据启发函数确定所搜寻网格的启发值。
处理引擎112(例如，路径确定模块340)可以确定多个时空网格中的交通工具的目的地网格；对于多个可到达网格中的至少一部分，确定两个相邻可到达网格之间的成本函数；确定交通工具的当前网格与交通工具的目的地网格之间的启发函数；基于交通工具的目的地网格、多个成本函数和启发函数确定交通工具的路径。
处理引擎112(例如，路径确定模块340)可以搜索起始网格的多个相邻网格，对每一个并且将具有总成本值和启发值的最小和的网格确定为父网格。然后，处理引擎112可以搜索父网格的多个相邻网格，并且将具有成本值和启发值的总和最小的网格确定为新的父网格。处理引擎112(例如，路径确定模块340)可以迭代地搜索新的父网格，直到路径到达目的地网格。在一些实施例中，处理引擎112(例如，路径确定模块340)可以确定多个时空网格中的交通工具的目标网格(目的地网格或者起始地网格)。处理引擎112也可以从目的地网格反向搜索，即搜索目的地网格的多个相邻网格，对每一个并且将具有总成本值和启发值的最小和的网格确定为父网格。然后，处理引擎112可以搜索父网格的多个相邻网格，并且将具有成本值和启发值的总和最小的网格确定为新的父网格。处理引擎112(例如，路径确定模块340)可以迭代地搜索新的父网格，直到路径到达当前位置网格。
对于多个可到达网格中的至少一部分，处理引擎112(例如，路径确定模块340)可以确定两个相邻可到达网格之间的成本函数。处理引擎112可根据启发函数确定所搜寻网格的启发值。处理引擎112可根据成本函数确定两个相邻可到达网格的成本值，并根据路径上的网格确定当前网格的总成本值。处理引擎112可以确定交通工具的当前网格与交通工具的目标网格之间的启发函数，并基于交通工具的目的地网格或者起始网格，多个成本函数和启发函数确定交通工具的路径。处理引擎112(例如，路径确定模块340)可以基于所述两个相邻可到达网格的时间信息和地理信息来确定所述成本函数。处理引擎112可以基于所述交通工具的当前网格和所述交通工具的目标网格(例如，目的地网格或起始地网格)的时间信息和地理信息来确定所述启发函数。
启发函数h(s,s″)可以表示从位置s移动到另一个位置s”的估计成本(例如，从起始网格到当前网格)。启发式函数可以是非负的和前向-后向一致的，即根据等式(4)：
h(s,s″)≤h(s,s′)+h(s′,s″) (4)，
其中：h(s,s″)表示启发函数；s、s′、和s″表示障碍物的位置。启发函数需要满足公式(5)的条件：
h(s,s′)≤c*(s,s′) (5)，
其中：s、s′、和s″表示障碍物的位置；h(s,s′)表示启发函数；c*(s,s′)表示从s移动到s′的成本。
在一些实施例中，在X-Y-Z空间中，可以基于两个位置之间的距离成本和两个位置之间的时间成本来确定与从位置到另一个位置的最低成本路径相关联的成本。可以基于两个位置之间的曼哈顿距离来确定两个位置之间的距离成本和/或时间成本。如这里所使用的，两点之间的曼哈顿距离可以指沿着直角轴测量的两个点之间的距离。在一些实施例中，从位置p(xi,yi,zi)移动到位置q(xi+1,yi+1,zi+1)的成本可以根据公式(6)获取：
c(p,q)＝|xi+1-xi|+|yi+1-yi|+α|zi+1-zi| (6)，
其中：c(p，q)表示与从位置p到位置q的最低成本路径相关的成本；xi、yi、zi分别表示位置p的X轴坐标、Y轴坐标和Z轴坐标；xi+1、yi+1、zi+1表示位置q的X轴坐标、Y轴坐标和Z轴坐标；α表示权重，α>0。权重α可以表示在确定成本c(p，q)时距离成本和/或时间成本的重要性。例如，假设α＝1，它可以指示距离成本和时间成本具有相同的重要性。假设α>1，可以表示在确定成本c(p，q)时时间成本可能比距离成本更重要。假设0<α<1，可以表示距离成本可能比确定成本c(p，q)的时间成本更重要。权重α可以是自动导航系统100的默认设置，或者可以在不同情况下调节的。
在一些实施例中，假设在X-Y-Z空间中，一个时空网格中心点位置A的坐标和另一个时空网格中心点位置B的坐标分别为(xj,yj,Tj)和(xk,yk,Tk)，启发函数h(j,k)可以根据公式(7)确定：
Figure BDA0001925794700000301
其中：h(j,k)表示启发函数；xj、yj,、Tj分别表示位置A的X轴坐标、Y轴坐标和Z轴坐标；xk、yk、Tk分别表示位置B的X轴坐标、Y轴坐标和Z轴坐标；Δx表示X-Y-Z空间中的时空网格的长度；Δy表示X-Y-Z空间中的时空网格的宽度；ΔT表示X-Y-Z空间中的时空网格的高度；k表示与时间相关联的因子，0＜k＜1。因子k可以影响时间维度中的启发函数。例如，如果在交通工具的起始位置和目标位置之间存在多个路径，则处理引擎112可以基于相对小的因子确定从多个路径花费相对短的时间的最佳路径，交通工具可能会尽快达到目标位置。因子k可以是自动导航系统100的默认设置，或者可以在不同情况下是可调节的。
在一些实施例中，首先，处理引擎112(例如，路径确定模块340)可以将开始网格A添加到打开列表。接下来，处理引擎112(例如，路径确定模块340)可以搜索与起始网格A相邻的所有可到达网格，并将它们添加到打开列表。对于与起始网格A相邻的所有可到达网格中的每一个，处理引擎112可以将起始网格A保存为其父网格。然后，处理引擎112(例如，路径确定模块340)可以从打开列表中删除起始网格A并将其添加到关闭列表。接下来，处理引擎112可以迭代地继续以下操作：
(1)在打开列表中，处理引擎112可以检索到打开列表中的成本值和启发值的和最小网格B，然后将网格B确定为当前网格。
(2)然后，处理引擎112可以从打开列表中删除网格B并将其添加到关闭列表。
(3)接下来，处理引擎112可以搜索与当前网格(即网格B)相邻的所有可到达网格。对于与当前网格(即网格B)相邻的每个可到达网格，如果它不在打开列表中，则处理引擎112可以将其添加到打开列表，并且使得当前网格(即，网格B)此网格的父网格。
当目标网格被添加到关闭列表时，处理引擎112可以中止迭代过程。处理引擎112可以从目标网格向后检索，并且将所有父网格保存为最佳路径。
申请实施例可能带来的有益效果包括但不限于：(1)引入时间维度，建立针对障碍物的三维碰撞风险模型，综合考虑障碍物的位置、速度、航向等运动信息，融合无人驾驶载具的尺寸、安全距离和避障规则约束，以模糊概念为基础，建立起物体的运动区域模型，其他船只在航行中不可进入这些区域。(2)基于无人驾驶载具的位置、速度、航向和姿态信息，以及各个障碍物的相对距离、方位、速度、航向和无人驾驶载具的轮廓等信息，在二维动态环境中引入时间维度，以时间为单位不断迭代预测障碍物的局部运动趋势和范围，通过网格化处理得到可航网格和不可航网格。(2)针对三维模型的局部路径搜索。因为环境信息是动态变化的，对应的三维模型也是动态变化的，本申请利用改进的D*Lite算法在三维模型中搜索局部避障路径。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种修正和改变。然而，这些修正和改变不会背离本申请的范围。
上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本申请的限制。虽然此处并没有明确说明，本领域普通技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。例如，“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应当强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特性可以进行适当的组合。
此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的制程、机器、产品或物质的组合，或对其任何新的和有用的改良。相应地，本申请的各个方面可以完全由硬件实施、可以完全由软件(包括韧体、常驻软件、微代码等)实施、也可以由硬件和软件组合实施，上述硬件或软件均可以被称为“模块”、“单元”、“组件”、“装置”或“系统”。此外，本申请的各方面可能表现为位于一个或以上计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。此类传播讯号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质、或任何上述介质的组合。
本申请各方面操作所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向的编程语言，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python或类似的常规程序编程语言，如“C”编程语言、Visual Basic、Fortran2003、Perl、COBOL 2002、PHP、ABAP、动态编程语言如Python、Ruby和Groovy或其它编程语言。程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机上运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算器可以通过任何网络形式与用户计算器连接，例如，局域网络(LAN)或广域网(WAN)，或连接至外部计算器(例如通过互联网)，或在云端计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解，此类细节仅起说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例精神和范围的修正和等价组合。例如，虽然以上描述的系统组件可以通过安装于硬件装置中实施，但也可以只通过软件的解决方案实施，例如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请揭示的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (20)

1.一种交通工具在开放空间的路径的确定方法，其特征在于，包括：
确定包括多个时空网格的与第一区域对应的时空图，其中时空网格包括时间信息和与时空网格对应的地理信息；
获取障碍物的与第一时间段对应的障碍物信息；
基于所述多个时空网格中的障碍物信息确定多个可到达网格和多个不可达网格；和
基于多个可到达网格确定所述交通工具的路径。
2.如权利要求1所述的方法，其特征在于，确定所述多个可到达网格和多个不可到达网格，包括：
基于障碍物信息确定多个时空网格中的障碍物体积；和
基于障碍物体积确定多个可到达网格和多个不可到达网格。
3.如权利要求2所述的方法，其特征在于，包括：
基于与第一时间段对应的障碍物体积确定障碍物轨迹投影；和
基于障碍物轨迹投影确定多个可到达网格和多个不可到达网格。
4.根据权利要求2或3所述的方法，其特征在于，基于所述障碍物的轮廓确定所述障碍物体积。
5.如权利要求1中所述的方法，其特征在于，确定所述多个可到达网格和多个不可到达网格，包括：
基于障碍物信息确定与障碍物相关的模糊集合；和
基于模糊集确定多个可到达网格和多个不可到达网格。
6.如权利要求5所述的方法，其特征在于，确定模糊集包括：
基于第一标准确定与障碍物相关的不可到达区域；和
基于不可达区域确定模糊集。
7.如权利要求1中所述的方法，其特征在于，包括：
确定多个时空网格中的交通工具的目的地网格；
对于多个可到达网格中的至少一部分，确定两个相邻可到达网格之间的成本函数；
确定交通工具的当前网格与交通工具的目的地网格之间的启发函数；和
基于交通工具的目的地网格，多个成本函数和启发函数确定交通工具的路径。
8.根据权利要求7所述的方法，其特征在于，基于所述两个相邻可到达网格的时间信息和地理信息来确定所述成本函数。
9.根据权利要求7所述的方法，其特征在于，基于所述交通工具的当前网格和所述交通工具的目的地网格的时间信息和地理信息来确定所述启发函数。
10.一种确定交通工具在开放空间的路径系统，其特征在于，包括地图确定模块、障碍物确定模块、网格确定模块和路径确定模块；
所述地图确定模块用于确定包括多个时空网格的与第一区域对应的时空图，其中时空网格包括时间信息和与时空网格对应的地理信息；
所述障碍物确定模块用于获取障碍物的与第一时间段对应的障碍物信息；
所述网格确定模块用于基于所述多个时空网格中的障碍物信息确定多个可到达网格和多个不可达网格；和
所述路径确定模块用于基于多个可到达网格确定交通工具的路径。
11.如权利要求10所述的系统，其特征在于，所述网格确定模块进一步用于：
基于障碍物信息确定多个时空网格中的障碍物体积；和
基于障碍物体积确定多个可到达网格和多个不可到达网格。
12.如权利要求11所述的系统，其特征在于，所述网格确定模块进一步用于：
基于与该时间段对应的障碍物体积确定障碍物轨迹投影；和
基于障碍物轨迹投影确定多个可到达网格和多个不可到达网格。
13.根据权利要求11或12所述的系统，其特征在于，基于所述障碍物的轮廓确定所述障碍物体积。
14.如权利要求10中所述的系统，其特征在于，所述网格确定模块进一步用于：
基于障碍物信息确定与障碍物相关的模糊集合；和
基于模糊集确定多个可到达网格和多个不可到达网格。
15.如权利要求14所述的系统，其特征在于，所述网格确定模块进一步用于：
基于第一标准确定与障碍物相关的不可到达区域；和
基于不可达区域确定模糊集。
16.如权利要求10中所述的系统，其特征在于，所述路径确定模块进一步用于：
确定多个时空网格中的交通工具的目的地网格；
对于多个可到达网格中的至少一部分，确定两个相邻可到达网格之间的成本函数；
确定交通工具的当前网格与交通工具的目的地网格之间的启发函数；和
基于交通工具的目的地网格、多个成本函数和启发函数确定交通工具的路径。
17.根据权利要求16所述的系统，其特征在于，基于所述两个相邻可到达网格的时间信息和地理信息来确定所述成本函数。
18.根据权利要求16所述的系统，其特征在于，基于所述交通工具的当前网格和所述交通工具的目的地网格的时间信息和地理信息来确定所述启发函数。
19.一种路径确定的装置，其特征在于，包括至少一个存储介质以及至少一个处理器；
所述至少一个存储介质用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令以实现权利要求1～9中任一项所述的路径确定方法。
20.一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述计算机指令被处理器执行时，实现如权利要求1～9任一项所述的路径确定方法。
CN201811615760.8A 2018-12-27 2018-12-27 一种路径确定的系统和方法 Active CN111380526B (zh)

Priority Applications (9)

Application Number Priority Date Filing Date Title
CN201811615760.8A CN111380526B (zh) 2018-12-27 2018-12-27 一种路径确定的系统和方法
CA3028703A CA3028703C (en) 2018-12-27 2018-12-28 Systems and methods for path determination
TW107147870A TWI703309B (zh) 2018-12-27 2018-12-28 基於時空圖的用於交通工具的開放表面導航的方法和系統及相關的非暫時性電腦可讀取媒體
AU2018286612A AU2018286612B2 (en) 2018-12-27 2018-12-28 Systems and methods for path determination
PCT/CN2018/124540 WO2020133118A1 (en) 2018-12-27 2018-12-28 Systems and methods for path determination
EP18826172.1A EP3692338A1 (en) 2018-12-27 2018-12-28 Systems and methods for path determination
SG11201811762RA SG11201811762RA (en) 2018-12-27 2018-12-28 Systems and methods for path determination
JP2018569055A JP2021513124A (ja) 2018-12-27 2018-12-28 経路決定のためのシステムおよび方法
US16/236,527 US10948300B2 (en) 2018-12-27 2018-12-30 Systems and methods for path determination

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811615760.8A CN111380526B (zh) 2018-12-27 2018-12-27 一种路径确定的系统和方法

Publications (2)

Publication Number Publication Date
CN111380526A true CN111380526A (zh) 2020-07-07
CN111380526B CN111380526B (zh) 2022-04-05

Family

ID=67437008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811615760.8A Active CN111380526B (zh) 2018-12-27 2018-12-27 一种路径确定的系统和方法

Country Status (8)

Country Link
EP (1) EP3692338A1 (zh)
JP (1) JP2021513124A (zh)
CN (1) CN111380526B (zh)
AU (1) AU2018286612B2 (zh)
CA (1) CA3028703C (zh)
SG (1) SG11201811762RA (zh)
TW (1) TWI703309B (zh)
WO (1) WO2020133118A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111928867A (zh) * 2020-08-20 2020-11-13 上海西井信息科技有限公司 基于时间扩展的路径规划方法、系统、设备及存储介质
CN112883132A (zh) * 2021-01-15 2021-06-01 北京小米移动软件有限公司 语义地图生成方法、语义地图生成装置、以及电子设备
CN113077643A (zh) * 2021-03-23 2021-07-06 上海振华重工(集团)股份有限公司 一种交通控制方法、交通控制系统及存储介质
CN113741453A (zh) * 2021-08-31 2021-12-03 广州文远知行科技有限公司 一种非结构化环境的路径规划方法、装置、设备和介质
CN114595880A (zh) * 2022-03-03 2022-06-07 捻果科技(深圳)有限公司 一种飞行区行为路线的智能预设方法及系统
CN114924575A (zh) * 2022-07-21 2022-08-19 北京建筑大学 移动机器人路径规划方法、装置、电子设备及存储介质
CN115116272A (zh) * 2021-03-19 2022-09-27 沃科波特有限公司 用于规划飞行器运行的方法、飞行器及其控制单元
US11506505B2 (en) * 2019-02-13 2022-11-22 The Boeing Company Methods and apparatus for determining a vehicle path
CN115935767A (zh) * 2022-11-08 2023-04-07 大连海事大学 基于统计力学的三维船舶交通复杂度识别感知方法及装置

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112630799B (zh) * 2019-09-24 2022-11-29 阿波罗智能技术(北京)有限公司 用于输出信息的方法和装置
CN112099501B (zh) * 2020-09-15 2022-10-28 哈尔滨工程大学 一种基于势场参数优化的无人艇路径规划方法
US11960009B2 (en) 2020-12-30 2024-04-16 Zoox, Inc. Object contour determination
US20220204029A1 (en) * 2020-12-30 2022-06-30 Zoox, Inc. Collision avoidance using an object contour
CN113299117B (zh) * 2021-04-27 2022-07-12 上海海事大学 基于船舶运动轨迹预测的水上建筑物防撞气囊触发装置
CN114234979B (zh) * 2021-12-16 2024-04-26 上海擎朗智能科技有限公司 机器人室内定位方法、装置、介质及电子设备
CN116337103B (zh) * 2023-05-17 2023-08-29 中国地质大学（武汉） 基于区域分类的分层泛在导航方法、装置及计算机设备
CN116764225A (zh) * 2023-06-09 2023-09-19 广州三七极梦网络技术有限公司 一种高效寻路的处理方法、装置、设备及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103162700A (zh) * 2011-12-13 2013-06-19 通用汽车环球科技运作有限责任公司 多种能量路径选择系统
CN104142156A (zh) * 2014-08-26 2014-11-12 天津市普迅电力信息技术有限公司 一种路径导航方法
CN105258704A (zh) * 2014-06-16 2016-01-20 中国科学院沈阳自动化研究所 基于快速路网建模的多尺度时空热点路径探测方法
CN106767860A (zh) * 2016-11-21 2017-05-31 江苏大学 一种基于启发式搜索算法来缩短智能汽车路径规划搜索时间的方法
US20170176191A1 (en) * 2015-12-21 2017-06-22 InvenSense, Incorporated Method and system for using offline map information aided enhanced portable navigation
CN108088455A (zh) * 2017-12-14 2018-05-29 山东中图软件技术有限公司 一种导航方法
CN108267154A (zh) * 2018-02-09 2018-07-10 城市生活（北京）资讯有限公司 一种地图显示方法及装置
US20180345958A1 (en) * 2017-06-01 2018-12-06 Waymo Llc Collision prediction system
CN109085820A (zh) * 2017-06-13 2018-12-25 通用汽车环球科技运作有限责任公司 临界条件的自主车辆驾驶系统和方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5968109A (en) * 1996-10-25 1999-10-19 Navigation Technologies Corporation System and method for use and storage of geographic data on physical media
AU2011239328B2 (en) * 2005-10-21 2014-07-10 Deere & Company Systems and methods for obstacle avoidance
KR101053922B1 (ko) * 2010-02-10 2011-08-04 한국과학기술원 해상 이동체에 대한 자율 운항 장치 및 방법
US8972171B1 (en) * 2010-04-09 2015-03-03 Google Inc. Collective vehicle traffic routing
TW201202667A (en) * 2010-07-01 2012-01-16 Tele Atlas Bv Detecting location, timetable and travel time estimations for barrier crossings in a digital map
KR101778028B1 (ko) * 2010-12-20 2017-09-13 삼성전자주식회사 로봇 및 로봇의 경로 생성 방법
US9472109B2 (en) * 2014-01-07 2016-10-18 Honeywell International Inc. Obstacle detection system providing context awareness
US9354296B2 (en) * 2014-05-20 2016-05-31 Verizon Patent And Licensing Inc. Dynamic selection of unmanned aerial vehicles
CN104002747B (zh) * 2014-06-10 2016-01-06 北京联合大学 一种基于无人驾驶汽车的多激光雷达栅格地图融合系统
JP6539125B2 (ja) * 2015-06-22 2019-07-03 株式会社日立製作所 移動ロボットシステム及び移動ロボットの制御方法
CN106931970A (zh) * 2015-12-30 2017-07-07 北京雷动云合智能技术有限公司 一种动态环境中机器人安全自主规划导航方法
JP6673293B2 (ja) * 2017-05-24 2020-03-25 トヨタ自動車株式会社 車両システム
CN108444482B (zh) * 2018-06-15 2021-10-22 东北大学 一种无人机自主寻路避障方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103162700A (zh) * 2011-12-13 2013-06-19 通用汽车环球科技运作有限责任公司 多种能量路径选择系统
CN105258704A (zh) * 2014-06-16 2016-01-20 中国科学院沈阳自动化研究所 基于快速路网建模的多尺度时空热点路径探测方法
CN104142156A (zh) * 2014-08-26 2014-11-12 天津市普迅电力信息技术有限公司 一种路径导航方法
US20170176191A1 (en) * 2015-12-21 2017-06-22 InvenSense, Incorporated Method and system for using offline map information aided enhanced portable navigation
CN106767860A (zh) * 2016-11-21 2017-05-31 江苏大学 一种基于启发式搜索算法来缩短智能汽车路径规划搜索时间的方法
US20180345958A1 (en) * 2017-06-01 2018-12-06 Waymo Llc Collision prediction system
CN109085820A (zh) * 2017-06-13 2018-12-25 通用汽车环球科技运作有限责任公司 临界条件的自主车辆驾驶系统和方法
CN108088455A (zh) * 2017-12-14 2018-05-29 山东中图软件技术有限公司 一种导航方法
CN108267154A (zh) * 2018-02-09 2018-07-10 城市生活（北京）资讯有限公司 一种地图显示方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BAIFAN CHEN 等: "Real-time Detection of Dynamic Obstacle Using Laser Radar", 《YOUNG COMPUTE SCIENTISTS 2008》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11506505B2 (en) * 2019-02-13 2022-11-22 The Boeing Company Methods and apparatus for determining a vehicle path
CN111928867B (zh) * 2020-08-20 2021-04-30 上海西井信息科技有限公司 基于时间扩展的路径规划方法、系统、设备及存储介质
CN111928867A (zh) * 2020-08-20 2020-11-13 上海西井信息科技有限公司 基于时间扩展的路径规划方法、系统、设备及存储介质
CN112883132A (zh) * 2021-01-15 2021-06-01 北京小米移动软件有限公司 语义地图生成方法、语义地图生成装置、以及电子设备
CN112883132B (zh) * 2021-01-15 2024-04-30 北京小米移动软件有限公司 语义地图生成方法、语义地图生成装置、以及电子设备
CN115116272B (zh) * 2021-03-19 2023-12-15 沃科波特有限公司 用于规划飞行器运行的方法、飞行器及其控制单元
CN115116272A (zh) * 2021-03-19 2022-09-27 沃科波特有限公司 用于规划飞行器运行的方法、飞行器及其控制单元
CN113077643A (zh) * 2021-03-23 2021-07-06 上海振华重工(集团)股份有限公司 一种交通控制方法、交通控制系统及存储介质
CN113077643B (zh) * 2021-03-23 2022-05-03 上海振华重工(集团)股份有限公司 一种交通控制方法、交通控制系统及存储介质
CN113741453A (zh) * 2021-08-31 2021-12-03 广州文远知行科技有限公司 一种非结构化环境的路径规划方法、装置、设备和介质
CN114595880A (zh) * 2022-03-03 2022-06-07 捻果科技(深圳)有限公司 一种飞行区行为路线的智能预设方法及系统
CN114595880B (zh) * 2022-03-03 2022-11-25 捻果科技(深圳)有限公司 一种飞行区行为路线的智能预设方法及系统
CN114924575B (zh) * 2022-07-21 2022-09-23 北京建筑大学 移动机器人路径规划方法、装置、电子设备及存储介质
CN114924575A (zh) * 2022-07-21 2022-08-19 北京建筑大学 移动机器人路径规划方法、装置、电子设备及存储介质
CN115935767B (zh) * 2022-11-08 2023-11-17 大连海事大学 基于统计力学的三维船舶交通复杂度识别感知方法及装置
CN115935767A (zh) * 2022-11-08 2023-04-07 大连海事大学 基于统计力学的三维船舶交通复杂度识别感知方法及装置

Also Published As

Publication number Publication date
CA3028703A1 (en) 2020-06-27
JP2021513124A (ja) 2021-05-20
EP3692338A4 (en) 2020-08-12
SG11201811762RA (en) 2020-08-28
WO2020133118A1 (en) 2020-07-02
TWI703309B (zh) 2020-09-01
EP3692338A1 (en) 2020-08-12
TW202024568A (zh) 2020-07-01
AU2018286612A1 (en) 2020-07-16
CN111380526B (zh) 2022-04-05
AU2018286612B2 (en) 2020-10-08
CA3028703C (en) 2022-02-15

Similar Documents

Publication Publication Date Title
CN111380526B (zh) 一种路径确定的系统和方法
US10948300B2 (en) Systems and methods for path determination
EP3629119B1 (en) Method of generating a collision free path of travel and computing system
CN108225358B (zh) 交通工具导航
Niu et al. Efficient path planning algorithms for unmanned surface vehicle
EP3809231B1 (en) Controlling movement of a device
Thompson et al. Efficient lidar-based object segmentation and mapping for maritime environments
Lan et al. Improved RRT algorithms to solve path planning of multi-glider in time-varying ocean currents
KR20220122942A (ko) 무인항공기의 비행경로 생성장치
WO2021077313A1 (en) Systems and methods for autonomous driving
Zhou et al. A guidance and maneuvering control system design with anti-collision using stream functions with vortex flows for autonomous marine vessels
Sauze et al. A raycast approach to collision avoidance in sailing robots
Blaich et al. Mission integrated collision avoidance for USVs using laser range finder
CN112105956A (zh) 用于自动驾驶的系统和方法
WO2021212297A1 (en) Systems and methods for distance measurement
Peti et al. A Search Strategy and Vessel Detection in Maritime Environment Using Fixed-Wing UAVs
Choi et al. Validation of acoustic and geophysics based underwater localization with an autonomous surface vehicle
KR102524995B1 (ko) 전자 장치의 지도 생성 방법
Bjerkeng et al. Absolute localization of an ROV in a Fish Pen using Laser Triangulation
Blaich et al. Trajectory generation for vessels using a reachability graph
Mosleh et al. An Alternative Method to Simulate Three-Dimensional Point Scan Sensors Aboard Moving Vehicle
Kjelsaas Making an AI powered ASV
Song et al. FHT-Map: Feature-based Hierarchical Topological Map for Relocalization and Path Planning
Niu Energy efficient path planning and model checking for long endurance unmanned surface vehicles.
Chen Temporally Deconflicted Path Planning for Multiple Marine Vehicles

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