CN111426326B - 一种导航方法、装置、设备、系统及存储介质 - Google Patents
一种导航方法、装置、设备、系统及存储介质 Download PDFInfo
- Publication number
- CN111426326B CN111426326B CN202010052062.2A CN202010052062A CN111426326B CN 111426326 B CN111426326 B CN 111426326B CN 202010052062 A CN202010052062 A CN 202010052062A CN 111426326 B CN111426326 B CN 111426326B
- Authority
- CN
- China
- Prior art keywords
- self
- navigation
- path
- global
- map
- 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
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
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请实施例公开了一种导航方法、装置、设备、系统及存储介质。该方法包括:获取自移动设备在行驶环境的全局静态地图,以及设置于行驶环境的各激光雷达采集的行驶环境中各动态障碍物的动态点云数据;根据动态点云数据和全局静态地图,生成全局代价地图;根据全局代价地图,确定自移动设备从起始地到目的地之间的导航路径。本申请实施例基于行驶环境中的激光雷达采集的数据所确定的全局代价地图规划导航路径,避免了由于未及时获知行驶环境中的障碍物导致自移动设备无法正常通行的情况,提高了自移动设备在行驶环境中的行驶效率和通行率,减少了对自移动设备的条件限制,并为多个自移动设备的同时导航提供了可能。
Description
技术领域
本申请实施例涉及自主导航领域,尤其涉及一种导航方法、装置、设备、系统及存储介质。
背景技术
在自动驾驶车辆或机器人等自移动设备从起始点移动到目的地时,通常需要对起始点和目的地之间的行驶路径进行规划,以为车辆或机器人选择最优路径行驶。
现有技术中,通常在自移动设备上设置激光雷达等环境感知装置,来实时获取自移动设备所在区域的环境情况,并根据该环境情况进行最优路径的选取。
然而,采用上述技术方案进行导航路径选取时,可能存在无法及时获知行驶环境中的障碍物,使得当自移动设备移动到障碍物附近时,由于无法正常通行而不得不停止前进或掉头的情况,降低了自移动设备的行驶效率和通行率。同时,上述方案无法针对未设置有激光雷达的自移动设备进行最优路径规划,具备一定局限性。
发明内容
本申请提供一种导航方法、装置、设备、系统及存储介质,以提高自移动设备的行驶效率、通行率,同时减少适于进行导航路线规划的自移动设备的门槛。
第一方面,本申请实施例提供了一种导航方法,包括:
获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内;
根据所述动态点云数据和所述全局静态地图,生成全局代价地图;
根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶。
第二方面,本申请实施例还提供了一种导航装置,包括:
数据获取模块,用于获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内;
全局代价地图生成模块,用于根据所述动态点云数据和所述全局静态地图,生成全局代价地图;
导航路径确定模块,用于根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶。
第三方面,本申请实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面实施例所提供的一种导航方法。
第四方面,本申请实施例还提供了一种导航系统,包括:
至少一个激光雷达,设置于自移动设备的行驶环境中;以及,第三方面实施例所提供的电子设备。
第五方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面实施例所提供的一种导航方法。
本申请实施例通过获取自移动设备在行驶环境中的全局静态地图,以及设置于行驶环境中的各激光雷达采集的行驶环境中各动态障碍物的动态点云数据;根据动态点云数据和全局静态地图,生成全局代价地图;根据全局代价地图,确定自移动设备从起始地到目的地之间的导航路径,用于指示自移动设备基于导航路径在行驶环境中行驶。上述技术方案通过在自移动设备的行驶环境中设置多个激光雷达,便于自移动设备行驶环境的全局信息的获取,并通过引入全局代价地图替代局部环境情况进行导航路径规划,能够及时获知行驶环境中的障碍物,避免了由于未及时获知行驶环境中的障碍物导致自移动设备无法正常通行的情况,从而提高了自移动设备在行驶环境中的行驶效率和通行率。另外,通过在行驶环境中设置激光雷达,能够针对行驶环境中的所有自移动设备进行路径规划,减少了对自移动设备的条件限制,同时为多个自移动设备的同时导航提供了可能。
附图说明
图1A是本申请实施例一中的一种导航方法的流程图;
图1B是本申请实施例一中的一种全局静态地图的示意图;
图1C是本申请实施例一中的一种导航结果示意图;
图2A是本申请实施例二中的一种导航方法的流程图;
图2B是本申请实施例二中的一种未行驶路径调整过程示意图;
图3A是本申请实施例三中的一种导航方法的流程图;
图3B是本申请实施例三中的一种未行驶路径调整过程示意图;
图3C是本申请实施例三中的另一种未行驶路径调整过程示意图;
图4是本申请实施例四中的一种导航装置的结构图;
图5是本申请实施例五中的一种电子设备的结构图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
实施例一
图1A是本申请实施例一中的一种导航方法的流程图,本申请实施例适用于对行驶环境中的自移动设备进行路径导航的情况,该方法由导航装置执行,该装置通过软件和/或硬件实现,并具体配置于电子设备中,该电子设备可以是具备一定运算能力的计算机设备或服务器等。
如图1A所示的一种导航方法,包括:
S110、获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内。
其中,自移动设备可以是具有自主驾驶模式的车辆或机器人。当自移动设备为车辆时,典型为无人驾驶车辆。驾驶环境是指自移动设备需要行驶的区域的环境,该环境可以是室内环境也可以是室外环境。比如,当自移动设备是车间内的无人运输小车,需要将货物从A处移动到B处,此时其所在的车间即为驾驶环境。又比如,自移动设备为具有自动驾驶模式的汽车,需要在固定区域内行驶,则该固定区域作为驾驶环境。
其中,激光雷达可以为任意结构下的激光雷达,比如机械式、混合固态或者固态激光雷达,只要其能够对相应区域进行扫描探测得到相应区域内的点云数据即可。比如,在本案中,驾驶环境中的激光雷达均为单线或者多线机械式的激光雷达。在本实施例中,用于采集动态点云数据的激光雷达是指固定在驾驶环境中的各激光雷达,例如图1B以及图1C中固定在车间内的多个激光雷达。在其他的实施例中,用于采集动态点云数据的激光雷达还可以包括其他能够与当前驾驶环境中的激光雷达进行组网的激光雷达,比如行驶在该驾驶环境中的汽车上安装的激光雷达,前提是该激光雷达已经授权且能够自动采集到的实时点云数据进行上传。
其中,全局静态地图可以理解为包含有自移动设备所行驶的行驶环境中的静态障碍物的全局地图。静态障碍物可以根据驾驶环境的不同而不同。比如,在室外环境下,静态障碍物可以是道路、道路旁边的建筑物、灯杆、交通标识、护栏等等;在室内环境下,静态障碍物则可以是固定的物品,比如生产线、施工设备、办公桌等。
可选的,获取自移动设备在行驶环境中的全局静态地图,可以是在自移动设备需要进行自主导航前,实时获取各激光雷达采集的行驶环境内各静态障碍物的静态点云数据,并根据静态点云数据,生成全局静态地图。
参见图1B所示的全局静态地图,各激光雷达设置于自移动设备(小车)所行驶的行驶环境中,并通过各激光雷达采集的行驶环境内各静态障碍物的静态点云数据,确定行驶环境中的静态障碍物,从而进行全局静态地图的生成。
或者可选的,获取自移动设备在行驶环境将中的全局静态地图,还可以是:直接获取前次导航过程中预先保存的全局静态地图或者直接调用系统预存的全局静态地图,该静态地图可以是其他设备导航过程中保存的。
可选的,获取各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据,可以是从激光雷达中实时获取采集的行驶环境中各动态障碍物的动态点云数据,还可以从电子设备本地、与电子设备关联的其他存储设备或云端中进行行驶环境中各动态障碍物的动态点云数据的获取。
需要说明的是,当从各激光雷达实时获取点云数据时,由于激光雷达设置于自移动设备的行驶环境中,与各自移动设备分离设置,因此激光雷达能够为自移动设备提供行驶环境内全局的点云数据,从而提供更加丰富的环境信息。另外,由于现有技术中将激光雷达设置于自移动设备中,各激光雷达仅能为所设置的自移动设备的导航提供动态点云数据;而本申请将激光雷达设置于行驶环境中,因此各激光雷达能够为行驶环境中的多个自移动设备的并行导航提供动态点云数据。再者,将激光雷达独立于自移动设备设置于行驶环境中,打破了激光雷达数量与自移动设备数量之间的绑定关系,为未设置有激光雷达的自移动设备的导航提供了可能。同时,当行驶环境中行驶的自移动设备数量较多时,还可以减少激光雷达的设置数量,从而节约硬件成本。
S120、根据所述动态点云数据和所述全局静态地图,生成全局代价地图。
在本申请实施例的一个可选实施方式中,根据所述动态点云数据和所述全局静态地图,生成全局代价地图,可以是:根据所述全局静态地图确定各驾驶道路,并对各所述驾驶道路进行栅格划分,得到各参考栅格;根据所述动态点云数据,确定动态障碍物所在的障碍物栅格;根据所述参考栅格与所述障碍物栅格之间的距离,确定各参考栅格的代价值;基于所述全局静态地图和各参考栅格的代价值,生成所述全局代价地图。
其中,当全局静态地图为三维地图时,可以将全局静态地图的高度轴映射至二维,得到二维的全局静态地图。
其中,在对各驾驶道进行栅格划分时,可以由技术人员根据需要或经验值,自定义栅格大小,并根据各驾驶道路根据栅格大小进行等间隔划分,得到各参考栅格。为了对各参考栅格加以区分,可以针对每一参考栅格设置相应的栅格标识,例如统一编号。例如,栅格大小可以是10cm×10cm。
其中,参考栅格与障碍物栅格之间的距离可以是欧式距离或马氏距离等。典型地,采用的距离为欧氏距离。
示例性地,根据所述参考栅格与所述障碍物栅格之间的距离,确定各参考栅格的代价值,可以采用如下公式加以实现:
F(p)=Q(d(p));
其中,p为栅格标识,F(p)参考栅格p的代价值;d(p)为参考栅格与障碍物栅格之间的距离。其中Q()为预设的递减函数。
可以理解的是,由于Q()为递减函数,因此当参考栅格与障碍物栅格之间的距离越小,则代价值越大。为了避免自移动设备行驶过程中与障碍物相撞,同时还会针对各自移动设备设定相应的膨胀系数,用于定义障碍物的安全距离R。典型的,安全距离R为可移动设备的底盘半径。
为了对自移动设备移动至参考栅格时的危险程度加以区分,还可以根据安全距离R对各参考栅格的危险类型加以区分。示例性地,可以通过在全局代价地图中,将不同危险类型的参考栅格通过颜色加以区分。
以d(p)为欧氏距离为例,当参考栅格与障碍物栅格之间的距离d(p)=0时,表明当自移动设备行驶至该参考栅格时,必然会与障碍物相撞,因此将此类参考栅格定义为危险栅格,相应的三维行驶空间定义为危险空间;当参考栅格与障碍物栅格之间的距离d(p)≤R时,表明当自移动设备行驶至该参考栅格时,可能会与障碍物相撞,因此将此类参考栅格定义为部分占据栅格,相应的三维行驶空间定义为部分占据空间;当参考栅格与障碍物栅格之间的距离d(p)>R时,表明当自移动设备行驶至该参考栅格时,必然不会与障碍物相撞,因此将此类参考栅格定义为安全栅格,相应的三维行驶空间定义为安全空间。
S130、根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶。
示例性地,根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,可以是:根据所述全局代价地图中各所述参考栅格的代价值,选择从所述起始地到目的地之间的至少一个候选路径作为导航路径。
具体的,可以根据全局代价地图或全局静态地图,确定起始地与目的地之间的可通行路径作为候选路径;确定每个候选路径所包含的参考栅格的代价值的总和作为该候选路径对应的代价得分;选取代价得分最小时所对应的至少一个候选路径作为导航路径。一般的,代价得分越小,相应的候选路径的距离也相对较小,行驶时间也较短。
参见图1C所示的一种导航结果示意图,小车需要从A口移动至B口,图示虚线即为根据全局代价地图确定出来的导航路径。
本申请实施例通过获取自移动设备在行驶环境中的全局静态地图,以及设置于行驶环境中的各激光雷达采集的行驶环境中各动态障碍物的动态点云数据;根据动态点云数据和全局静态地图,生成全局代价地图;根据全局代价地图,确定自移动设备从起始地到目的地之间的导航路径,用于指示自移动设备基于导航路径在行驶环境中行驶。上述技术方案通过在自移动设备的行驶环境中设置多个激光雷达,便于自移动设备行驶环境的全局信息的获取,并通过引入全局代价地图替代局部环境情况进行导航路径规划,能够及时获知行驶环境中的障碍物,避免了由于未及时获知行驶环境中的障碍物导致自移动设备无法正常通行的情况,从而提高了自移动设备在行驶环境中的行驶效率和通行率。另外,通过在行驶环境中设置激光雷达,能够针对行驶环境中的所有自移动设备进行路径规划,减少了对自移动设备的条件限制,同时为多个自移动设备的同时导航提供了可能。
在一实施例中,上述方法还包括存储该自移动设备的导航路径的步骤。具体地,将导航路径与自移动设备形成映射关系进行存储,从而可以作为规划其他自移动设备的导航路径时的参考,也即在确定另一个自移动设备的导航路径时,如果识别出来存在另一台自移动设备也在该环境中且同样处于自主导航模式时,则可以获取其导航路径仍然结合当前规划的路径去判断二者是否会相遇是否需要进行路线规避,从而为多台自移动设备的调度提供数据支撑。
示例性地,若在所述行驶环境中识别到其他自移动设备,则确定当前自移动设备的导航路径与其他自移动设备的导航路径是否存在交叉;若存在交叉,则根据当前自移动设备的运动信息和其他自移动设备的运动信息,确定所述当前自移动设备与所述其他自移动设备是否相遇;根据预测结果,对所述当前自移动设备的导航路径进行调整。
可选的,可以根据激光雷达所采集的动态点云数据,确定动态障碍物的类型;根据动态障碍物类型,确定运行环境中的其他自动移动设备。
可选的,在进行其他自移动设备的导航路径获取时,可以根据识别到的其他自移动设备的当前位置,确定其他自移动设备的设备标识;根据该确定的设备标识,按照导航路径与自移动设备的映射关系,确定与该设备标识对应的导航路径。
在当前自移动设备与其他自移动设备的导航路径存在局部位置点交叉时,在本申请实施例的一种可选实施方式中,根据当前自移动设备的运动信息和其他自移动设备的运动信息,确定所述当前自移动设备与所述其他自移动设备是否相遇,可以是:根据当前自移动设备的当前位置和速度,预测当前自移动设备移动到交叉位置点的时间;根据其他自移动设备的当前位置和速度,预测其他自移动设备移动到交叉位置点的时间;若预测的当前自移动设备与其他自移动设备移动到交叉位置点的时间相同,则表明当前自移动设备会与其他自移动设备相遇;若预测的当前自移动设备与其他自移动设备移动到交叉位置点的时间不同,则表明当前自移动设备不会与其他自移动设备相遇。
相应的,根据预测结果,对所述当前自移动设备的导航路径进行调整,可以是:在确定当前自移动设备与其他自移动设备会在位置交叉点相遇时,根据当前自移动设备和其他自移动设备的安全距离,确定当前自移动设备是否能够安全通过该位置交叉点;若不能安全通过,则需要根据全局代价地图重新确定从起始地到目的地之间的导航路径;若能够安全通过,无需对已确定导航路径进行调整。
在当前自移动设备与其他自移动设备的导航路径存在局部路径重叠时,在本申请实施例的一种可选实施方式中,根据当前自移动设备的运动信息和其他自移动设备的运动信息,确定所述当前自移动设备与所述其他自移动设备是否相遇,可以是:根据当前自移动设备的当前位置和速度,预测当前自移动设备在交叠路径的行驶时间;根据其他自移动设备的当前位置和速度,预测其他自动设备在交叠路径的行驶时间;确定两行驶时间的重合时间,并确定重合时间对应的路段是否存在行驶交叉点;若存在,则确定当前自移动设备会与其他自移动设备相遇;否则,确定当前自移动设备不会与其他自移动设备相遇。
相应的,根据预测结果,对所述当前自移动设备的导航路径进行调整,可以是:在重合时间对应的路段存在行驶交叉点时,根据当前自移动设备和其他自移动设备的安全距离,确定当前自移动设备是否能够安全通过该行驶交叉点;若不能安全通过,则需要根据全局代价地图重新确定从起始地到目的地之间的导航路径;若能够安全通过,无需对已确定导航路径进行调整。
实施例二
图2A是本申请实施例二中的一种导航方法的流程图,本申请实施例在上述各实施例的技术方案的基础上,进行了优化改进。
进一步地,在进行导航过程中,追加“在所述自移动设备基于所述导航路径在所述行驶环境中行驶时,根据预测激光雷达所对应的局部代价地图,对所述导航路径中的未行驶路径进行调整;其中,预测激光雷达为位于自移动设备当前所属区域设定范围内,且位于所述导航路径的未行驶路径中的激光雷达”,以对导航路径的未行驶路径进行优化。
进一步地,将操作“根据预测激光雷达所对应的局部代价地图,对所述导航路径中的未行驶路径进行调整”细化为“根据所述自移动设备的当前位置,确定位于所述行驶环境中的预测激光雷达;根据所述预测激光雷达采集的所述行驶环境中各局部动态障碍物的动态点云数据和所述全局静态地图,生成局部代价地图;根据所述局部代价地图,对所述导航路径中的未行驶路径进行调整”,以对未行驶路径进行优化调整。
如图2A所示的一种导航方法,包括:
S210、获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内。
S220、根据所述动态点云数据和所述全局静态地图,生成全局代价地图。
S230、根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶。
S240、在所述自移动设备基于所述导航路径在所述行驶环境中行驶时,根据所述自移动设备的当前位置,确定位于所述行驶环境中的预测激光雷达。
将导航路径根据自移动设备的行驶情况划分为已行驶路径和未行驶路径。根据自移动设备的当前位置,确定位于当前位置所在的设定区域范围内的激光雷达,且设置于导航路径的未行驶路径中的激光雷达作为预测激光雷达。其中,设定区域范围可以由技术人员根据需要或经验值设定为固定值;还可以根据自移动设备的移动情况,设置为可变值。示例性地,当预设区域范围为可变值时,预测激光雷达可以是自移动设备的当前位置最近,且设置于导航路径的未行驶路径中的激光雷达。
S250、根据所述预测激光雷达采集的所述行驶环境中各局部动态障碍物的动态点云数据和所述全局静态地图,生成局部代价地图。
在本申请实施例的一个可选实施方式中,根据所述预测激光雷达采集的所述行驶环境中各局部动态障碍物的动态点云数据和所述全局静态地图,生成局部代价地图,可以是:将预测激光雷达的扫描范围对应的全局静态地图作为局部静态地图;确定局部静态地图中从自移动设备的当前位置到目的地之间的各局部驾驶道路,并对局部驾驶道路进行栅格划分,得到局部参考栅格;根据预测激光雷达采集的行驶环境中各局部动态障碍物的动态点云数据,确定动态障碍物所在的局部障碍物栅格;根据局部参考栅格与局部障碍物栅格之间的距离,确定各局部参考栅格的代价值;基于局部静态地图和各局部参考栅格的代价值,生成局部代价地图。
其中,在对各局部驾驶道进行栅格划分时,可以由技术人员根据需要或经验值,自定义栅格大小,并根据各局部驾驶道路根据栅格大小进行等间隔划分,得到各局部参考栅格。为了对各局部参考栅格加以区分,可以针对每一局部参考栅格设置相应的局部栅格标识,例如统一编号。例如,栅格大小可以是10cm×10cm。
其中,为了提高后续对未行驶路径进行调整时的精度,一般的,局部参考栅格的栅格大小需不大于形成全局代价地图时的栅格大小,并关联设置栅格标识。典型的,设置全局代价地图中的栅格大小与局部代价地图的栅格大小相等,并统一设置栅格标识,例如统一编号。
其中,局部参考栅格与局部障碍物栅格之间的距离可以是欧式距离或马氏距离等。典型为欧氏距离。
示例性地,根据局部参考栅格与局部障碍物栅格之间的距离,确定各局部参考栅格的代价值,可以采用如下公式加以实现:
F'(p)=Q(d'(p));
其中,p为局部栅格标识,F'(p)局部参考栅格p的代价值;d'(p)为局部参考栅格与局部障碍物栅格之间的距离。其中Q()为预设的递减函数。
可以理解的是,由于Q()为递减函数,因此当局部参考栅格与局部障碍物栅格之间的距离越小,则代价值越大。为了避免自移动设备行驶过程中与障碍物相撞,同时还会针对各自移动设备设定相应的膨胀系数,用于定义局部障碍物的安全距离R'。其中,局部代价地图确定过程中的膨胀系数与全局代价地图确定过程中的膨胀系数相同。典型的,安全距离R'为自移动设备的底盘半径。
为了对自移动设备移动至局部参考栅格时的危险程度加以区分,还可以根据安全距离R'对各局部参考栅格的危险类型加以区分。示例性地,可以通过在局部代价地图中,将不同危险类型的局部参考栅格通过颜色加以区分。
以d'(p)为欧氏距离为例,当局部参考栅格与局部障碍物栅格之间的距离d'(p)=0时,表明当自移动设备行驶至该局部参考栅格时,必然会与障碍物相撞,因此将此类局部参考栅格定义为危险栅格,相应的三维行驶空间定义为危险空间;当局部参考栅格与局部障碍物栅格之间的距离d'(p)≤R'时,表明当自移动设备行驶至该局部参考栅格时,可能会与障碍物相撞,因此将此类局部参考栅格定义为部分占据栅格,相应的三维行驶空间定义为部分占据空间;当局部参考栅格与局部障碍物栅格之间的距离d'(p)>R'时,表明当自移动设备行驶至该局部参考栅格时,必然不会与障碍物相撞,因此将此类局部参考栅格定义为安全栅格,相应的三维行驶空间定义为安全空间。
S260、根据所述局部代价地图,对所述导航路径中的未行驶路径进行调整。
示例性地,根据所述局部代价地图,对所述导航路径中的未行驶路径进行调整,可以是根据局部代价地图中各局部参考栅格的代价值,选择从当前位置到目的地之间的至少一个局部候选路径替换导航路径中的未行驶路径。
具体的,可以根据局部代价地图或局部静态地图,确定自移动设备当前位置与目的地之间的可通行路径作为局部候选路径;分别计算局部候选路径对应的代价值的总和,作为该局部候选路径对应的局部代价得分;选取局部代价得分最小时所对应的至少一个局部候选路径替换导航路径中的未行驶路径。
可以理解的是,由于全局代价地图根据自移动设备行驶前各激光雷达采集的动态点云数据进行确定,因此基于全局代价地图所确定的导航路径,在遇到突发情况(例如人员闯入)时,将不再适宜引导自移动设备通行,因此,需要根据自移动设备的所在位置,确定自移动设备所在区域的局部代价地图,并根据局部代价地图,对导航路径中的未行驶路径进行灵活调整。
参见图2B,当小车沿着根据全局代价地图所确定的由A口到B口的导航路径L1行驶到C点时,确定位于C点附近的2号激光雷达为预测激光雷达,并根据2号激光雷达对应的局部代价地图,重新确定C点到B口之间局部代价得分最小的路径L2,采用路径L2替换导航路径L1中的未行驶路径。在一实施例中,会将更新后的路径进行保存,以便于在做其他自移动设备的自主导航规划时作为参考。
本申请实施例通过在自移动设备基于导航路径在行驶环境中行驶过程中,追加根据所述自移动设备所属区域的预测激光雷达所对应的局部代价地图,对导航路径中的未行驶路径进行调整,从而避免了导航路径固定单一,导致无法应对突发状况的情况,提升了导航路径确定的灵活性,进而提升了对行驶环境内道路的通行率。
本申请实施例还通过将对未行驶路径的调整过程,细化为根据所述自移动设备的当前位置,确定位于所述行驶环境中的预测激光雷达;根据所述预测激光雷达采集的所述行驶环境中各局部动态障碍物的动态点云数据和所述全局静态地图,生成局部代价地图;根据所述局部代价地图,对所述导航路径中的未行驶路径进行调整,完善了局部代价地图的生成方式以及未行驶路径的调整方式,从而进一步完善了对自移动设备的导航机制。
实施例三
图3A是本申请实施例三中的一种导航方法的流程图,本申请实施例在上述各实施例的技术方案的基础上,进行了优化改进。
进一步地,将操作“根据预测激光雷达所对应的局部代价地图,对所述导航路径中的未行驶路径进行调整”,细化为“根据预测激光雷达的所述局部代价地图中,各局部动态障碍物的运动信息和所述自移动设备的运动信息,预测所述动态障碍物和所述自移动设备是否相遇;根据预测结果,对所述导航路径中的未行驶路径进行调整”,以完善对未行驶路径进行优化的优化机制。
如图3A所示的一种导航方法,包括:
S310、获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内。
S320、根据所述动态点云数据和所述全局静态地图,生成全局代价地图。
S330、根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶。
S340、在所述自移动设备基于所述导航路径在所述行驶环境中行驶时,根据预测激光雷达的所述局部代价地图中,各局部动态障碍物的运动信息和所述自移动设备的运动信息,预测所述动态障碍物和所述自移动设备是否相遇。
其中,预测激光雷达为位于自移动设备当前所属区域设定范围内,且位于所述导航路径的未行驶路径中的激光雷达。
其中,运动信息包括尺寸信息、实时坐标以及速度信息。其中,速度信息包括方向和速率。运动信息可以根据各激光雷达采集到的连续多帧点云数据进行确定。在其他的实施例中,运动信息还可以包括自主导航路径信息。具体地,可以根据点云数据识别出来动态障碍物的类型,若根据类型确定其同样为自移动设备时,则会进一步的调用该自移动设备的自主导航路径。
具体的,获取当前时刻局部动态障碍物和自移动设备的实时坐标并根据两者实时坐标的差值,确定初始绝对距离;确定初始距离与局部动态障碍物和自移动设备的尺寸信息的差值,确定目标绝对距离;根据局部动态障碍物和自移动设备的速度信息,确定两者的相对速度;根据目标绝对距离和相对速度,预测局部动态障碍物和自移动设备是否相遇。若获取了自移动设备的自主导航路径,则还需要根据目标绝对距离和相对速度以及自主导航路径来确定二者是否会相遇,从而在确定会相遇时判断能否正常通过,如果不能则提前进行路径优化,从而极大的提高了驾驶环境内多台自移动设备的调度效率,也使得驾驶环境内的整体效率得到极大的提升。
S350、根据预测结果,对所述导航路径中的未行驶路径进行调整。
在本申请实施例的一种可选实施方式中,当预测局部动态障碍物和自移动设备不会相遇,因此在当前时刻无需对未行驶路径进行调整。
在本申请实施例的另一可选实施方式中,当预测的局部动态障碍物和自移动设备会相遇时,由于局部动态障碍物尺寸、自移动设备尺寸以及相遇位置道路宽度等的影响,自移动设备在相遇位置可能存在可以通过或无法通过两种情况,因此,需要根据所述动态障碍物的尺寸信息和所述自移动设备的膨胀系数,确定所述自移动设备是否能通过预测的相遇位置;根据所述自移动设备在所述相遇位置的通过情况,对所述导航路径中的未行驶路径进行调整。
示例性地,根据所述自移动设备在所述相遇位置的通过情况,对所述导航路径中的未行驶路径进行调整,可以是:若所述自移动设备不能通过所述相遇位置,则根据所述局部代价地图,重新确定从所述自移动设备的所在位置到所述目的地之间的导航路径;若所述自移动设备能够通过所述相遇位置,则根据所述动态障碍物的尺寸信息和所述膨胀系数,确定所述相遇位置的可通行区域,并根据所述可通行区域,对所述导航路径中的未行驶路径进行调整。
可选的,根据所述局部代价地图,重新确定从所述自移动设备的所在位置到所述目的地之间的导航路径,可以是:根据局部代价地图中各栅格的代价值,选择从当前位置到目的地之间的至少一个候选路径作为导航路径。
具体的,可以根据局部代价地图,确定当前位置与目的地之间的可通行路径作为候选路径;计算每个候选路径所包含的栅格的代价值的总和作为该候选路径对应的代价得分;重新选取代价得分最小时所对应的至少一个候选路径作为导航路径,用于指示自移动设备基于该重新选取导航路径在行驶环境中行驶。
参见图3B所示的对小车从A口移动到B口所确定的导航路径中的未行驶路径的调整过程示意图。当小车移动至C点位置时,根据C点附近的2号激光雷达的局部代价地图中,障碍物1和障碍物2的运动信息和小车的运动信息,分别预测障碍物1与小车是否相遇,以及障碍物2与小车是否相遇。
根据预测,确定障碍物1与小车会在D点相遇,并且根据障碍物1的尺寸以及安全距离R,确定小车能够通过D点,此时根据障碍物1的尺寸、安全距离R和道路宽度,确定可通行区域的中心线,并根据该可通行区域的中心线,确定从当前位置到目的地之间的新的路径L2,并将将导航路径中的未行驶路径L1初步调整为路径L2。
根据预测,确定障碍物2与小车不会相遇,因此最终确定采用路径L2替换未行驶路径L1,以实现对导航路径的调整。
参见图3C所示的对小车从A口移动到B口所确定的导航路径中的未行驶路径的调整结果示意图。当小车移动到C点时,采用C点附近的2号激光雷达的局部代价地图中,障碍物的运动信息和小车的运动信息,预测障碍物与小车会是否相遇。
根据预测,确定障碍物与小车会在D点相遇,并且,根据障碍物的尺寸以及膨胀系数,确定小车无法通过D点,此时需要根据2号激光雷达的局部代价地图重新规划C点到B口的路径L1。
针对2号激光雷达的局部代价地图中C点到B口的每个可行驶路径,计算该可行驶路径所包含栅格的代价值的和,并将计算的和值作为该可行驶路径的代价得分;选取代价得分最小的可行驶路径L2替换路径L1,从而采用可行驶路径L2引导小车行驶至B口。
本申请实施例通过将对未行使路径的调整过程,细化为根据所述自移动设备所属区域的预测激光雷达的所述局部代价地图中,各局部动态障碍物的运动信息和所述自移动设备的运动信息,预测所述动态障碍物和所述自移动设备是否相遇;根据预测结果,对所述导航路径中的未行驶路径进行调整。上述技术方案将自移动设备行驶过程中的局部代价地图作为实时先验信息,对移动终端与障碍物的相遇情况进行预判,并通过不同预判情况采用不同的调整方式,实现对导航路径中未行驶路径的调整,极大提高了路径规划的灵活性和环境的适应性,从而减少了起始地和目的地之间的行驶时间,提高了行驶效率,同时提高了行驶环境中整体道路的通行率。
实施例四
图4是本申请实施例四中的一种导航装置的结构图,本申请实施例适用于对行驶环境中的自移动设备进行路径导航的情况,该装置通过软件和/或硬件实现,并具体配置于电子设备中,该电子设备可以是具备一定运算能力的计算机设备或服务器等。
如图4所示的一种导航装置,包括:数据获取模块410、全局代价地图生成模块420和导航路径确定模块430。其中,
数据获取模块410,用于获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内;
全局代价地图生成模块420,用于根据所述动态点云数据和所述全局静态地图,生成全局代价地图;
导航路径确定模块430,用于根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶。
本申请实施例通过数据获取模块获取自移动设备在行驶环境中的全局静态地图,以及设置于行驶环境中的各激光雷达采集的行驶环境中各动态障碍物的动态点云数据;通过全局代价地图生成模块根据动态点云数据和全局静态地图,生成全局代价地图;通过导航路径确定模块根据全局代价地图,确定自移动设备从起始地到目的地之间的导航路径,用于指示自移动设备基于导航路径在行驶环境中行驶。上述技术方案通过在自移动设备的行驶环境中设置多个激光雷达,便于自移动设备行驶环境的全局信息的获取,并通过引入全局代价地图替代局部环境情况进行导航路径规划,能够及时获知行驶环境中的障碍物,避免了由于未及时获知行驶环境中的障碍物导致自移动设备无法正常通行的情况,从而提高了自移动设备在行驶环境中的行驶效率和通行率。另外,通过在行驶环境中设置激光雷达,能够针对行驶环境中的所有自移动设备进行路径规划,减少了对自移动设备的条件限制,同时为多个自移动设备的同时导航提供了可能。
进一步地,该装置还包括,导航路径调整模块,用于:
在所述自移动设备基于所述导航路径在所述行驶环境中行驶时,根据预测激光雷达所对应的局部代价地图,对所述导航路径中的未行驶路径进行调整;
其中,预测激光雷达为位于自移动设备当前所属区域设定范围内,且位于所述导航路径的未行驶路径中的激光雷达。
进一步地,导航路径调整模块,在执行根据预测激光雷达所对应的局部代价地图,对所述导航路径中的未行驶路径进行调整时,具体用于:
根据预测激光雷达的所述局部代价地图中,各局部动态障碍物的运动信息和所述自移动设备的运动信息,预测所述动态障碍物和所述自移动设备是否相遇;
根据预测结果,对所述导航路径中的未行驶路径进行调整。
进一步地,导航路径调整模块,在执行根据预测结果,对所述导航路径中的未行驶路径进行调整时,具体用于:
若所述预测结果为相遇,则根据所述动态障碍物的尺寸信息和所述自移动设备的膨胀系数,确定所述自移动设备是否能通过预测的相遇位置;
若所述自移动设备不能通过所述相遇位置,则根据所述局部代价地图,重新确定从所述自移动设备的所在位置到所述目的地之间的导航路径;
若所述自移动设备能够通过所述相遇位置,则根据所述动态障碍物的尺寸信息和所述膨胀系数,确定所述相遇位置的可通行区域,并根据所述可通行区域,对所述导航路径中的未行驶路径进行调整。
进一步地,若在所述行驶环境中识别到其他自移动设备时,导航路径调整模块,还用于:
确定当前自移动设备的导航路径与其他自移动设备的导航路径是否存在交叉;
若存在交叉,则根据当前自移动设备的运动信息和其他自移动设备的运动信息,确定所述当前自移动设备与所述其他自移动设备是否相遇;
根据预测结果,对所述当前自移动设备的导航路径进行调整。进一步地,全局代价地图生成模块420,具体用于:
根据所述全局静态地图确定各驾驶道路,并对各所述驾驶道路进行栅格划分,得到各参考栅格;
根据所述动态点云数据,确定动态障碍物所在的障碍物栅格;
根据所述参考栅格与所述障碍物栅格之间的距离,确定各参考栅格的代价值;
基于所述全局静态地图和各参考栅格的代价值,生成所述全局代价地图。
相应的,导航路径确定模块430,在执行根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径时,具体用于:
根据所述全局代价地图中各所述参考栅格的代价值,选择从所述起始地到目的地之间的至少一个候选路径作为导航路径。
上述导航装置可执行本申请任意实施例所提供的导航方法,具备执行导航方法相应的功能模块和有益效果。
实施例五
图5是本申请实施例五中的一种电子设备的结构图,该设备包括:输入装置510、输出装置520、处理器530以及存储装置540。
其中,输入装置510,用于获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;
输出装置520,用于向自移动设备发送导航路径;
一个或多个处理器530;
存储装置540,用于存储一个或多个程序。
图5中以一个处理器530为例,该电子设备中的输入装置510可以通过总线或其他方式与输出装置520、处理器530以及存储装置540相连,且处理器530和存储装置540也通过总线或其他方式连接,图5中以通过总线连接为例。
在本实施例中,电子设备中的处理器530可以控制输入装置510获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内;还可以根据所述动态点云数据和所述全局静态地图,生成全局代价地图;还可以根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径;还可以控制输出装置520将导航路径发送至自移动设备,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶。
该电子设备中的存储装置540作为一种计算机可读存储介质,可用于存储一个或多个程序,所述程序可以是软件程序、计算机可执行程序以及模块,如本申请实施例中的导航方法对应的程序指令/模块(例如,附图4所示的数据获取模块410、全局代价地图生成模块420和导航路径确定模块430)。处理器530通过运行存储在存储装置540中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例中的导航方法。
存储装置540可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储数据等(如上述实施例中的全局静态地图、动态点云数据、全局代价地图以及导航路径等)。此外,存储装置540可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置540可进一步包括相对于处理器530远程设置的存储器,这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例六
本申请实施例还提供了一种导航系统,包括:至少一个激光雷达,设置于自移动设备的行驶环境中,用于采集的所述行驶环境中各动态障碍物的动态点云数据;还包括如图5所示的电子设备。
实施例七
本申请实施例七还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被导航装置执行时,实现本申请实施提供的导航方法,该方法包括:获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内;根据所述动态点云数据和所述全局静态地图,生成全局代价地图;根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本申请可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (9)
1.一种导航方法,其特征在于,包括:
获取自移动设备的行驶环境的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内;
根据所述动态点云数据和所述全局静态地图,生成全局代价地图;
根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶;所述根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,包括:根据所述全局代价地图中各参考栅格的代价值,选择从所述起始地到目的地之间的至少一个候选路径作为导航路径;
在所述自移动设备基于所述导航路径在所述行驶环境中行驶时,根据预测激光雷达所对应的局部代价地图,对所述导航路径中的未行驶路径进行调整;
其中,预测激光雷达为位于自移动设备当前所属区域设定范围内,且位于所述导航路径的未行驶路径中的激光雷达。
2.根据权利要求1所述的方法,其特征在于,根据预测激光雷达所对应的局部代价地图,对所述导航路径中的未行驶路径进行调整,包括:
根据所述预测激光雷达的所述局部代价地图中,各局部动态障碍物的运动信息和所述自移动设备的运动信息,预测所述动态障碍物和所述自移动设备是否相遇;
根据预测结果,对所述导航路径中的未行驶路径进行调整。
3.根据权利要求2所述的方法,其特征在于,根据预测结果,对所述导航路径中的未行驶路径进行调整,包括:
若所述预测结果为相遇,则根据所述动态障碍物的尺寸信息和所述自移动设备的膨胀系数,确定所述自移动设备是否能通过预测的相遇位置;
若所述自移动设备不能通过所述相遇位置,则根据所述局部代价地图,重新确定从所述自移动设备的所在位置到所述目的地之间的导航路径;
若所述自移动设备能够通过所述相遇位置,则根据所述动态障碍物的尺寸信息和所述膨胀系数,确定所述相遇位置的可通行区域,并根据所述可通行区域,对所述导航路径中的未行驶路径进行调整。
4.根据权利要求1所述的方法,其特征在于,若在所述行驶环境中识别到其他自移动设备,所述方法还包括:
确定当前自移动设备的导航路径与其他自移动设备的导航路径是否存在交叉;
若存在交叉,则根据当前自移动设备的运动信息和其他自移动设备的运动信息,确定所述当前自移动设备与所述其他自移动设备是否相遇;
根据预测结果,对所述当前自移动设备的导航路径进行调整。
5.根据权利要求1-4任一项所述的方法,其特征在于,根据所述动态点云数据和所述全局静态地图,生成全局代价地图,包括:
根据所述全局静态地图确定各驾驶道路,并对各所述驾驶道路进行栅格划分,得到各参考栅格;
根据所述动态点云数据,确定动态障碍物所在的障碍物栅格;
根据所述参考栅格与所述障碍物栅格之间的距离,确定各参考栅格的代价值;
基于所述全局静态地图和各参考栅格的代价值,生成所述全局代价地图;
相应的,根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,包括:
根据所述全局代价地图中各所述参考栅格的代价值,选择从所述起始地到目的地之间的至少一个候选路径作为导航路径。
6.一种导航装置,其特征在于,包括:
数据获取模块,用于获取自移动设备在行驶环境中的全局静态地图,以及各激光雷达采集的所述行驶环境中各动态障碍物的动态点云数据;其中,所述激光雷达设置于所述行驶环境内;
全局代价地图生成模块,用于根据所述动态点云数据和所述全局静态地图,生成全局代价地图;
导航路径确定模块,用于根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,用于指示所述自移动设备基于所述导航路径在所述行驶环境中行驶;所述根据所述全局代价地图,确定所述自移动设备从起始地到目的地之间的导航路径,包括:根据所述全局代价地图中各参考栅格的代价值,选择从所述起始地到目的地之间的至少一个候选路径作为导航路径;
导航路径调整模块,用于在所述自移动设备基于所述导航路径在所述行驶环境中行驶时,根据预测激光雷达所对应的局部代价地图,对所述导航路径中的未行驶路径进行调整;其中,预测激光雷达为位于自移动设备当前所属区域设定范围内,且位于所述导航路径的未行驶路径中的激光雷达。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5任一项所述的一种导航方法。
8.一种导航系统,其特征在于,包括:
至少一个激光雷达,设置于自移动设备的行驶环境中;以及,
如权利要求7所述的电子设备。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5任一项所述的一种导航方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010052062.2A CN111426326B (zh) | 2020-01-17 | 2020-01-17 | 一种导航方法、装置、设备、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010052062.2A CN111426326B (zh) | 2020-01-17 | 2020-01-17 | 一种导航方法、装置、设备、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111426326A CN111426326A (zh) | 2020-07-17 |
CN111426326B true CN111426326B (zh) | 2022-03-08 |
Family
ID=71547629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010052062.2A Active CN111426326B (zh) | 2020-01-17 | 2020-01-17 | 一种导航方法、装置、设备、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111426326B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114136318A (zh) * | 2020-08-13 | 2022-03-04 | 科沃斯商用机器人有限公司 | 一种机器智能导航方法和装置 |
CN112099504A (zh) * | 2020-09-16 | 2020-12-18 | 深圳优地科技有限公司 | 机器人移动方法、装置、设备及存储介质 |
CN111829545B (zh) * | 2020-09-16 | 2021-01-08 | 深圳裹动智驾科技有限公司 | 自动驾驶车辆及其运动轨迹的动态规划方法及系统 |
US11725950B2 (en) * | 2020-10-24 | 2023-08-15 | International Business Machines Corporation | Substitute autonomous vehicle data |
CN112327851B (zh) * | 2020-11-09 | 2023-08-22 | 达闼机器人股份有限公司 | 基于点云的地图校准方法、系统、机器人及云端平台 |
CN112529254B (zh) * | 2020-11-19 | 2022-11-25 | 歌尔股份有限公司 | 一种路径规划方法、装置和电子设备 |
CN112612273B (zh) * | 2020-12-21 | 2021-08-24 | 南方电网电力科技股份有限公司 | 一种巡检机器人避障路径规划方法、系统、设备和介质 |
CN113219988B (zh) * | 2021-06-01 | 2022-04-22 | 苏州天准科技股份有限公司 | 避障路径智能规划方法、存储介质和无人巡检车 |
CN113341970A (zh) * | 2021-06-01 | 2021-09-03 | 苏州天准科技股份有限公司 | 智能巡检导航避障系统、方法、存储介质和巡检车 |
CN113495281B (zh) * | 2021-06-21 | 2023-08-22 | 杭州飞步科技有限公司 | 可移动平台的实时定位方法及装置 |
CN114690783A (zh) * | 2022-04-18 | 2022-07-01 | 松灵机器人(深圳)有限公司 | 割草机的路径规划方法及相关装置 |
CN114967701B (zh) * | 2022-06-14 | 2023-06-09 | 中国矿业大学 | 一种动态环境下移动机器人自主导航方法 |
CN115493600A (zh) * | 2022-10-12 | 2022-12-20 | 江苏盛海智能科技有限公司 | 一种基于激光雷达的无人驾驶遇障路径规划方法与终端 |
CN115711624A (zh) * | 2022-10-18 | 2023-02-24 | 中国科学院半导体研究所 | 运动代价地图构建方法、装置、无人设备及存储介质 |
CN116300861A (zh) * | 2022-12-20 | 2023-06-23 | 上海木蚁机器人科技有限公司 | 路径规划方法以及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术(中国)有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
WO2018080932A1 (en) * | 2016-10-25 | 2018-05-03 | Cainiao Smart Logistics Holding Limited Fourth Floor, One Capital Place | System and method for obstacle detection |
CN108469827A (zh) * | 2018-05-16 | 2018-08-31 | 江苏华章物流科技股份有限公司 | 一种适用于物流仓储系统的自动导引车全局路径规划方法 |
CN109709945A (zh) * | 2017-10-26 | 2019-05-03 | 深圳市优必选科技有限公司 | 一种基于障碍物分类的路径规划方法、装置及机器人 |
CN109911139A (zh) * | 2019-03-20 | 2019-06-21 | 上海大学 | 一种无人艇号灯与声号自动控制系统及其控制方法 |
CN110174111A (zh) * | 2019-05-31 | 2019-08-27 | 山东华锐智能技术有限公司 | 基于时间窗的任务分段式的多agv路径规划算法 |
CN110412595A (zh) * | 2019-06-04 | 2019-11-05 | 深圳市速腾聚创科技有限公司 | 路基感知方法、系统、车辆、设备和存储介质 |
CN110588510A (zh) * | 2019-08-26 | 2019-12-20 | 华为技术有限公司 | 一种对本车的预警方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103558856A (zh) * | 2013-11-21 | 2014-02-05 | 东南大学 | 动态环境下服务动机器人导航方法 |
CN107328418B (zh) * | 2017-06-21 | 2020-02-14 | 南华大学 | 移动机器人在陌生室内场景下的核辐射探测路径自主规划方法 |
CN108375373A (zh) * | 2018-01-30 | 2018-08-07 | 深圳市同川科技有限公司 | 机器人及其导航方法、导航装置 |
CN109900298B (zh) * | 2019-03-01 | 2023-06-30 | 武汉光庭科技有限公司 | 一种车辆定位校准方法及系统 |
CN110109134B (zh) * | 2019-05-05 | 2022-11-25 | 桂林电子科技大学 | 一种基于2d激光雷达测距的折线提取极大似然估计的方法 |
CN110147106A (zh) * | 2019-05-29 | 2019-08-20 | 福建(泉州)哈工大工程技术研究院 | 具激光和视觉融合避障系统的智能移动服务机器人 |
CN110262546B (zh) * | 2019-06-18 | 2021-07-20 | 武汉大学 | 一种隧道智能无人机巡检方法 |
CN110542908B (zh) * | 2019-09-09 | 2023-04-25 | 深圳市海梁科技有限公司 | 应用于智能驾驶车辆上的激光雷达动态物体感知方法 |
-
2020
- 2020-01-17 CN CN202010052062.2A patent/CN111426326B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018080932A1 (en) * | 2016-10-25 | 2018-05-03 | Cainiao Smart Logistics Holding Limited Fourth Floor, One Capital Place | System and method for obstacle detection |
CN106774347A (zh) * | 2017-02-24 | 2017-05-31 | 安科智慧城市技术(中国)有限公司 | 室内动态环境下的机器人路径规划方法、装置和机器人 |
CN109709945A (zh) * | 2017-10-26 | 2019-05-03 | 深圳市优必选科技有限公司 | 一种基于障碍物分类的路径规划方法、装置及机器人 |
CN108469827A (zh) * | 2018-05-16 | 2018-08-31 | 江苏华章物流科技股份有限公司 | 一种适用于物流仓储系统的自动导引车全局路径规划方法 |
CN109911139A (zh) * | 2019-03-20 | 2019-06-21 | 上海大学 | 一种无人艇号灯与声号自动控制系统及其控制方法 |
CN110174111A (zh) * | 2019-05-31 | 2019-08-27 | 山东华锐智能技术有限公司 | 基于时间窗的任务分段式的多agv路径规划算法 |
CN110412595A (zh) * | 2019-06-04 | 2019-11-05 | 深圳市速腾聚创科技有限公司 | 路基感知方法、系统、车辆、设备和存储介质 |
CN110588510A (zh) * | 2019-08-26 | 2019-12-20 | 华为技术有限公司 | 一种对本车的预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111426326A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111426326B (zh) | 一种导航方法、装置、设备、系统及存储介质 | |
US11231286B2 (en) | Dynamic routing for self-driving vehicles | |
US20230041319A1 (en) | Data processing method and apparatus, device, and storage medium | |
US20200180615A1 (en) | Method, apparatus, device and readable storage medium for preventing vehicle collision | |
US20180281815A1 (en) | Predictive teleassistance system for autonomous vehicles | |
CN110834631A (zh) | 一种行人避让方法、装置、车辆及存储介质 | |
JP7330142B2 (ja) | 車両のuターン経路を決定する方法、装置、デバイスおよび媒体 | |
US11586209B2 (en) | Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles | |
CN112710317A (zh) | 自动驾驶地图的生成方法、自动驾驶方法及相关产品 | |
JP2022513929A (ja) | 自動車車両を制御する方法およびシステム | |
JP2019144691A (ja) | 車両制御装置 | |
JP2020194309A (ja) | 電子制御装置 | |
CN112394725A (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
CN114543815A (zh) | 基于基因调控网络的多智能体导航控制方法、设备及介质 | |
CN110008891A (zh) | 一种行人检测定位方法、装置、车载计算设备及存储介质 | |
CN112829769A (zh) | 自动驾驶车辆的混合规划系统 | |
US11567506B2 (en) | Speed planning guidance line for mild slow down | |
US11878712B2 (en) | Trajectory planning with obstacle avoidance for autonomous driving vehicles | |
US20230077852A1 (en) | Routing apparatus, routing method, and non-transitory computer-readable storage medium storing routing program | |
CN113788028B (zh) | 车辆控制方法、装置及计算机程序产品 | |
CN114347019B (zh) | 机器人控制方法、机器人及控制系统 | |
US20240001962A1 (en) | Electronic control device | |
EP3838697A1 (en) | Speed planning using a speed planning guideline for idle speed of autonomous driving vehicles | |
CN111738528A (zh) | 机器人调度方法及第一机器人 | |
US20230044920A1 (en) | Routing apparatus, routing method, and non-transitory computer-readable storage medium storing routing program |
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 |