CN111694356A - 一种行驶控制方法、装置、电子设备及存储介质 - Google Patents

一种行驶控制方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111694356A
CN111694356A CN202010524227.1A CN202010524227A CN111694356A CN 111694356 A CN111694356 A CN 111694356A CN 202010524227 A CN202010524227 A CN 202010524227A CN 111694356 A CN111694356 A CN 111694356A
Authority
CN
China
Prior art keywords
path
sampling
obstacle
electronic equipment
collision detection
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
CN202010524227.1A
Other languages
English (en)
Other versions
CN111694356B (zh
Inventor
卜大鹏
徐聪
陈侃
霍峰
秦宝星
程昊天
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.)
Shanghai Gaussian Automation Technology Development Co Ltd
Original Assignee
Shanghai Gaussian Automation Technology Development 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
Application filed by Shanghai Gaussian Automation Technology Development Co Ltd filed Critical Shanghai Gaussian Automation Technology Development Co Ltd
Priority to CN202010524227.1A priority Critical patent/CN111694356B/zh
Publication of CN111694356A publication Critical patent/CN111694356A/zh
Application granted granted Critical
Publication of CN111694356B publication Critical patent/CN111694356B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
    • 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
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • 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
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • 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
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • 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
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

Abstract

本发明公开了一种行驶控制方法、装置、电子设备及存储介质。该方法包括：获取障碍物信息，基于障碍物信息进行碰撞检测；根据碰撞检测的结果匹配行驶控制策略，其中，行驶控制策略用于指示电子设备跟踪全局路径或者候选路径来控制行驶，候选路径基于全局路径对应的采样路径的评分实时确定和/或更新；基于该行驶控制策略指示的路径调整在结构化场景中的行驶路径。通过本发明实施例的技术方案，提升电子设备在结构化场景中行驶的安全性，解决目前电子设备的应用场景单一的问题，实现将电子设备的作业范围由室内拓展到包含结构化道路的室外场景，达到丰富电子设备的应用场景的效果。

Description

一种行驶控制方法、装置、电子设备及存储介质
技术领域
本发明实施例涉及定位和导航技术，尤其涉及一种行驶控制方法、装置、电子设备及存储介质。
背景技术
随着机器人技术以及激光传感器的发展，基于激光传感器的同步定位与地图构建技术的机器人得到越来越广泛的应用。尤其是在安防、清洁和快递等领域，具有自主建图和定位功能的无人驾驶机器人，给人们的生活带来了极大的方便。
然而，当前市场上存在的机器人大多在家庭或商超等室内环境中进行相关作业。对于存在结构化道路的场景，由于道路内障碍物的不可预见性，导致目前市场上的机器人在通过道路时存在各种不可预知的风险。因此，目前市场上的机器人并不能适配存在结构化道路的场景，存在机器人的应用场景单一的问题。
发明内容
本发明实施例提供一种行驶控制方法、装置、电子设备及存储介质，可以丰富无人驾驶电子设备的应用场景。
第一方面，本发明实施例提供了一种行驶控制方法，包括：
获取障碍物信息，基于所述障碍物信息进行碰撞检测；
根据碰撞检测的结果匹配行驶控制策略，其中，所述行驶控制策略用于指示电子设备跟踪全局路径或者候选路径来控制行驶，所述候选路径基于所述全局路径对应的采样路径的评分实时确定和/或更新；
基于所述行驶控制策略指示的路径，调整在结构化场景中的行驶路径。
可选地，获取障碍物信息包括：
获取所述电子设备的定位信息，将所述定位信息与预先确定的地图进行匹配；
如果匹配结果是所述电子设备进入结构化场景，则获取障碍物列表，其中，所述障碍物列表是存储障碍物信息的数据结构。
电子设备在检测到进入结构化场景后，才会获取由传感器实时感知的周边环境中的障碍物信息，减少了电子设备需处理的数据量。
可选地，本方法还包括：
在获取障碍物信息之后，根据所述障碍物信息判断障碍物是否在预设的碰撞检测区域内，其中，所述碰撞检测区域基于结构化道路的左右边界和/或所述定位信息确定；
若是，则执行基于所述障碍物信息进行碰撞检测步骤。
电子设备检测到障碍物之后，还会判断该障碍物是否位于碰撞检测区域。只有障碍物位于碰撞检测区域，才进行碰撞检测，避免出现检测到根本不会发生碰撞的障碍物就进行碰撞检测而浪费电子设备的处理资源的情况。
可选地，所述基于所述障碍物信息进行碰撞检测，包括：
根据所述障碍物信息中障碍物的几何包络点集合生成搜索树，其中，所述搜索树用于以树形结构表示所述障碍物的几何包络点；
计算所述电子设备的设定位置与所述搜索树中目标节点的距离；
比较所述距离和预设的碰撞阈值，根据比较结果确定所述电子设备与障碍物是否发生碰撞。
采用搜索树的形式表示障碍物的几何包络点，可以减少确定目标节点过程中参与计算的数据量。此外，采用电子设备的设定位置代替电子设备确定目标节点，进一步减少了参与计算的数据量，实现在保证计算精度的基础上提高处理速度的效果。
可选地，所述根据所述障碍物信息中障碍物的几何包络点集合生成搜索树，包括：
确定所述几何包络点集合的划分维度；
按照所述划分维度对待划分几何包络点集合中几何包络点进行排序，根据排序结果确定所述待划分几何包络点集合的中值，其中，所述待划分几何包络点集合包括所述几何包络点集合和所述几何包络点集合的子集；
基于每个所述待划分几何包络点集合对应的所述中值生成搜索树。
基于预先确定的划分维度确定待划分几何包络点集合的中值，根据中值划分待划分几何包络点集合，迭代执行上述操作，实现快速构建搜索树的效果。
可选地，所述根据碰撞检测结果匹配行驶控制策略，包括：
如果所述碰撞检测结果是与障碍物发生碰撞，则与所述碰撞结果匹配的行驶控制策略是指示电子设备跟踪候选路径行驶；
以及，基于所述行驶控制策略指示的路径调整在结构化场景中的行驶路径，包括：
按照设定周期对全局路径进行局部采样，得到采样路径；
对所述采样路径进行评分，得到各条所述采样路径的分数，根据所述分数确定所述采样路径中的候选路径；
根据所述候选路径调整在结构化场景中的行驶路径。
在检测到电子设备和障碍物发生碰撞的情况下，基于全局路径实时确定可以避开障碍物的候选路径，参考候选路径行驶以安全平稳的避开障碍物行驶。
可选地，所述对所述采样路径进行评分，得到各条所述采样路径的分数，包括：
对所述采样路径进行平滑处理，对平滑处理后的采样路径进行评分，得到各条所述采样路径的分数。
通过对采样路径进行平滑处理，可以保证所生成的采样路径是电子设备可以安全平稳行驶的路径。
可选地，所述根据所述分数确定所述采样路径中的候选路径，包括：
对所述分数进行归一化处理，得到各条所述采样路径的归一化分数；
根据所述归一化分数从所述采样路径的路径集合中确定目标路径；
判断所述目标路径是否是安全路径；
若是，则将所述目标路径作为下一时刻的候选路径；
否则，将所述目标路径标记为失效，删除所述路径集合中失效的采样路径，返回执行根据所述归一化分数从所述采样路径的路径集合中确定目标路径步骤；
如果所述路径集合为空集，则输出停止行驶的控制指令。
通过采样路径的归一化分数确定不会发生碰撞的安全路径，并将不安全的采样路径标记为失效，可以保证所确定的候选路径是调整代价较小且安全无碰撞的路径，如果所有采样路径均失效，则控制电子设备停止行驶，进一步保证了行驶安全。
可选地，所述根据所述归一化分数从所述采样路径中确定目标路径，包括：
对于路径集合中的任意一条采样路径，计算设定代价函数对应的归一化分数的加法运算结果；
确定所述加法运算结果最小的采样路径，作为目标路径。
采用同一采样路径的不同代价函数的归一化分数之和代表该采样路径的路径调整代价，可以确定未失效的采样路径中路径调整代价最小的采样路径，将路径调整代价最小的采样路径作为目标路径，可以减小路径的调整代价。
第二方面，本发明实施例还提供了一种行驶控制装置，该装置包括：
碰撞检测模块，用于获取障碍物信息，基于所述障碍物信息进行碰撞检测；
策略确定模块，用于根据碰撞检测的结果匹配行驶控制策略，其中，所述行驶控制策略用于指示电子设备跟踪全局路径或者候选路径来控制行驶，所述候选路径基于所述全局路径对应的采样路径的评分实时确定和/或更新；
行驶控制模块，用于基于所述行驶控制策略指示的路径调整在结构化场景中的行驶路径。
可选地，碰撞检测模块具体用于：
获取所述电子设备的定位信息，将所述定位信息与预先确定的地图进行匹配；
如果匹配结果是所述电子设备进入结构化场景，则获取障碍物列表，其中，所述障碍物列表是存储障碍物信息的数据结构。
可选地，该装置还包括：
位置判断模块，用于在获取障碍物信息之后，根据所述障碍物信息判断障碍物是否在预设的碰撞检测区域内，其中，所述碰撞检测区域基于结构化道路的左右边界和/或所述定位信息确定；
若是，则执行基于所述障碍物信息进行碰撞检测步骤。
可选地，碰撞检测模块包括：
搜索树构建子模块，用于根据所述障碍物信息中障碍物的几何包络点集合生成搜索树，其中，所述搜索树用于以树形结构表示所述障碍物的几何包络点；
距离计算子模块，用于计算所述电子设备的设定位置与所述搜索树中目标节点的距离；
距离比较子模块，用于比较所述距离和预设的碰撞阈值，根据比较结果确定所述电子设备与障碍物是否发生碰撞。
可选地，搜索树构建子模块具体用于：
确定所述几何包络点集合的划分维度；
按照所述划分维度对待划分几何包络点集合中几何包络点进行排序，根据排序结果确定所述待划分几何包络点集合的中值，其中，所述待划分几何包络点集合包括所述几何包络点集合和所述几何包络点集合的子集；
基于每个所述待划分几何包络点集合对应的所述中值生成搜索树。
可选地，所述策略确定模块具体用于：
如果所述碰撞检测结果是与障碍物发生碰撞，则与所述碰撞结果匹配的行驶控制策略是指示电子设备跟踪候选路径行驶；
以及，行驶控制模块包括：
路径采样子模块，用于按照设定周期对全局路径进行局部采样，得到采样路径；
路径评分子模块，用于对所述采样路径进行评分，得到各条所述采样路径的分数，根据所述分数确定所述采样路径中的候选路径；
路径调整子模块，用于基于所述候选路径调整在结构化场景中的行驶路径。
可选地，路径评分子模块具体用于：对所述采样路径进行平滑处理，对平滑处理后的采样路径进行评分，得到各条所述采样路径的分数。
可选地，路径评分子模块具体还用于：
对所述分数进行归一化处理，得到各条所述采样路径的归一化分数；
根据所述归一化分数从各条所述采样路径中确定目标路径；
判断所述目标路径是否是安全路径；
若是，则将所述目标路径作为下一时刻的候选路径；
否则，将所述目标路径标记为失效，删除所述路径集合中失效的采样路径，返回执行根据所述归一化分数从所述采样路径的路径集合中确定目标路径步骤；
如果所述路径集合为空集，则输出停止行驶的控制指令。
可选地，路径评分子模块具体还用于：
对于路径集合中的任意一条采样路径，计算设定代价函数对应的归一化分数的加法运算结果；
确定所述加法运算结果最小的采样路径，作为目标路径。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，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本发明任意实施例所述的行驶控制方法。
第四方法，本发明实施例还提供了一种计算机刻度存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的行驶控制方法。
本发明实施例提供一种行驶控制方法，基于障碍物信息进行碰撞检测，根据碰撞检测的结果来匹配行驶控制策略，并基于行驶控制策略的指示，在结构化场景内跟踪全局路径进行行驶控制，或者跟踪基于全局路径对应的采样路径的评分实时确定和/或更新的候选路径进行行驶控制，使电子设备能够安全平稳的避开结构化场景内的障碍物，提升电子设备在结构化场景中行驶的安全性，解决目前电子设备的应用场景单一的问题，实现将电子设备的作业范围由室内拓展到包含结构化道路的室外场景，达到丰富电子设备的应用场景的效果。
附图说明
图1为本发明实施例提供的一种行驶控制方法的流程图；
图2为本发明实施例提供的一种对电子设备进行几何包络后的电子设备示意图；
图3为本发明实施例提供的另一种行驶控制方法的流程图；
图4为本发明实施例提供的一种行驶控制方法控制下的机器人的工作流程示意图；
图5为本发明实施例提供的一种行驶控制装置的结构框图；
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
为了便于理解，下面对本发明实施例中可能出现的技术术语进行说明。
障碍物：激光、摄像头等传感器识别到的高于地面一定距离的所有物体。
障碍物列表：表述障碍物包络以及位姿，类别信息的信息体。
碰撞检测：障碍物与机器人之间的碰撞关系检测。
局部规划：机器人依据当前感知环境进行的实时避障行为。
KD Tree：kd-tree(k-dimensional树的简称)，是一种分割k维数据空间的数据结构，主要应用于多维空间关键数据的搜索。
结构化场景：可以提供有效的路沿或者道路边界约束信息的无人驾驶场景。
中值:是指将统计总体当中的各个变量值按大小顺序排列起来，形成一个数列，处于变量数列中间位置的变量值就称为中位数，即中值。
图1为本发明实施例提供的一种行驶控制方法的流程图，本实施例可适用于电子设备在包含结构化道路的场景中行驶的情况，该方法可以由行驶控制装置来执行，该装置可以由软件和/或硬件实现，并通常集成于电子设备中。如图 1所示，该方法包括：
步骤110、获取障碍物信息，基于所述障碍物信息进行碰撞检测。
其中，从系统架构层面来说，电子设备至少包括感知层、规划层和控制层。感知层，用于感知电子设备周围的环境信息，包括3D激光扫描仪、轮速计、全球定位系统(GlobalPositioning System，GPS)、惯性测量单元(Inertial measurement unit，IMU)和实时动态定位(Real-TimeKinematic，RTK)构成的定位系统。感知层将感知到的环境信息发送给规划层。规划层基于感知层上报的环境信息构建先验地图，并基于先验地图规划行驶路径，以及基于3D激光扫描仪采集的雷达信号和先验地图进行定位操作。规划层将规划好的行驶路径下发给控制层，控制层根据行驶路径实时进行路径调整。
其中，障碍物信息是描述由传感器实时感知的电子设备周边环境中障碍物的特征的信息。例如，激光雷达、毫米波雷达和/或摄像头等传感器实时感知电子设备周边环境中的障碍物信息，将障碍物信息以障碍物列表的形式发布给电子设备的规划层。其中，障碍物列表包含每个障碍物的中心点位置、朝向信息、障碍物的标识信息、障碍物的速度、对障碍物的跟踪时间、障碍物的几何包络点集合以及类别信息等。
表1是一种障碍物列表的数据结构表
Figure BDA0002533143130000101
需要说明的是，电子设备是具有自主建图和定位功能的无人驾驶的智能终端。例如，电子设备可以是清洁机器人、安防巡检机器人和快递机器人等终端。
示例性的，获取传感器上报的障碍物信息，根据障碍物信息中障碍物的几何包络点集合生成搜索树。计算电子设备的设定位置与搜索树中目标节点的距离。比较距离和预设的碰撞阈值，根据比较结果确定电子设备与障碍物是否发生碰撞。
需要说明的是，搜索树用于以树形结构表示所述障碍物的几何包络点。构建搜索树的方式有很多种，本公开实施例并不作具体限定。示例性地，确定几何包络点集合的划分维度；按照划分维度对待划分几何包络点集合中几何包络点进行排序，根据排序结果确定待划分几何包络点集合的中值，其中，待划分几何包络点集合包括所述几何包络点集合和所述几何包络点集合的子集；基于每个待划分几何包络点集合对应的中值生成搜索树。
例如，可以基于几何包络点集合中的几何包络点的坐标维度确定待划分几何包络点的划分维度。按照所述划分维度对待划分几何包络点集合中几何包络点进行排序，根据排序结果确定待划分几何包络点集合的中值，根据中值将待划分几何包络点集合划分为至少两个子集合，迭代执行上述排序和划分步骤直至子集合是空集。其中，待划分几何包络点集合包括几何包络点集合和子集合。基于每个划分维度对应的所述中值生成搜索树。例如，搜索树可以是KD Tree 等。
具体地，利用j＝(i mod k)+1确定每次划分操作对应的划分维度。其中， j表示当前划分操作所选择的划分维度，i表示上一次划分操作所选择的划分维度， k表示数据划分的总维度。例如，对于二维坐标系下的几何包络点来说，k＝2，而对于三维坐标系下的几何包络点来说k＝3。假设对几何包络点集合的划分是依照x维度、y维度、x维度、y维度、x维度、y维度……的规律进行的，那么，根据x的取值对几何包络点集合中的几何包络点进行排序，确定几何包络点集合的中值，以中值作为搜索树的根节点，几何包络点的x坐标小于中值的几何包络点构成左子树，几何包络点的x坐标大于中值的几何包络点构成右子树。如果左子树和右子树均为非空集合，则分别将左子树和右子树作为新的待划分几何包络点集合。然而，根据y的取值分别对左子树和右子树对应的几何包络点集合中的几何包络点进行排序，分别确定左子树和右子树的中值，再分别以中值为左子树和右子树的父节点，几何包络点的y坐标小于中值的几何包络点构成新的左子树，几何包络点的y坐标大于中值的几何包络点构成新的右子树。如果左子树和右子树均为非空集合，则分别将左子树和右子树作为新的待划分几何包络点集合。迭代执行上述步骤，直至划分后的左子树和右子树为空集，得到搜索树。
可选地，还可以基于几何包络点集合中的几何包络点的方差确定待划分几何包络点的划分维度。
需要说明的是，目标节点是搜索树中与电子设备的设定位置距离最近的节点。可以采用若干几何图形对电子设备进行几何包络，以多个几何图形的几何中心代表电子设备，可以将上述几何图形的几何中心作为电子设备的设定位置。图2为本发明实施例提供的一种对电子设备进行几何包络后的电子设备示意图。如图2所述，采用3个圆形210覆盖电子设备220的轮廓边界，将3个圆形210 的圆心230作为电子设备220上的设定位置。以L表示电子设备的长度、W表示电子设备的宽度，n表示覆盖车辆所需的圆形的数量，d表示相邻两个圆心之间的距离，r表示单个圆形的半径，则圆心距d和圆形半径r可以采用下述公式计算。
Figure BDA0002533143130000131
Figure BDA0002533143130000132
在已知电子设备的实时定位信息时，可以根据电子设备的尺寸以及上述公式推算出对应的三个圆形的圆心位置，即确定电子设备的设定位置。对于每个设定位置，确定设定位置与搜索树的根节点的第一距离。分别确定设定位置与搜索树的根节点的左子节点的第二距离。对于第二距离小于第二距离的设定位置，确定该设定位置与左子树中节点的距离，确定上述距离中的最小距离对应的节点作为目标节点。对于第二距离大于第一距离的设定位置，确定该设定位置与右子树中节点的距离，确定上述距离中的最小距离对应的节点作为目标节点，实现在半棵搜索树中确定目标节点，减少了电子设备的计算量。
如果至少一个设定位置与目标节点的距离小于或等于预设碰撞阈值，则确定电子设备与障碍物发生碰撞。如果所有设定位置与目标节点的距离均大于预设碰撞阈值，则确定电子设备与障碍物不发生碰撞。
可选地，预设碰撞阈值可以基于电子设备的中心到碰撞检测区域的边界的距离中的最小距离确定。其中，碰撞检测区域可以是以车道的左右边界为左右约束，以电子设备的坐标位置的前后设定长度为前后约束的矩形区域。
步骤120、根据碰撞检测的结果匹配行驶控制策略。
需要说明的是，行驶控制策略用于指示电子设备跟踪全局路径或者候选路径来控制行驶，其中，候选路径基于所述全局路径对应的采样路径的评分实时确定和/或更新。
预先设定不同行驶模型对应的行驶控制策略。例如，在碰撞检测结果是发生碰撞时，控制电子设备进入局部路径规划模式。在碰撞检测结果是不发生碰撞时，电子设备保持在全局路径规划模式下行驶。在全局路径规划模式下，电子设备跟踪全局路径行驶。在局部路径规划模式下，电子设备对全局路径进行局部采样得到采样路径，根据采样路径的评分实时确定候选路径，电子设备根据候选路径行驶。
步骤130、基于所述行驶控制策略指示的路径调整在结构化场景中的行驶路径。
示例性的，如果碰撞检测结果是电子设备和障碍物发生碰撞，则与该碰撞结果匹配的行驶控制策略是指示电子设备跟踪候选路径来控制行驶。按照设定周期对全局路径进行局部采样，得到采样路径；对采样路径进行评分，得到各条采样路径的分数，根据分数确定采样路径中的候选路径，基于候选路径调整在结构化场景中的行驶路径，实现参考候选路径在结构化场景中行驶直至安全避开障碍物，返回原路径行驶。
如果碰撞检测结果是电子设备和障碍物不发生碰撞，则与该碰撞结果匹配的行驶控制策略是指示电子设备跟踪全局路径来控制行驶。
本实施例的技术方案，基于障碍物信息进行碰撞检测，根据碰撞检测的结果来匹配行驶控制策略，并基于行驶控制策略的指示，在结构化道路内跟踪全局路径进行行驶控制，或者跟踪基于全局路径对应的采样路径的评分实时确定和/或更新的候选路径进行行驶控制，使电子设备能够安全平稳的避开结构化场景内的障碍物，提升电子设备在结构化场景中行驶的安全性，解决目前电子设备的应用场景单一的问题，实现将电子设备的作业范围由室内拓展到包含结构化道路的室外场景，达到丰富电子设备的应用场景的效果。
在上述技术方案的基础上，在获取障碍物信息之前，还包括获取电子设备的定位信息，将定位信息与预先确定的地图进行匹配；如果匹配结果是电子设备进入结构化场景，则启动碰撞检测功能，获取障碍物列表。其中，障碍物列表是存储障碍物信息的数据结构。将电子设备的坐标(例如GPS坐标)与预先构建的地图(包括对马路的相关信息的标注)进行匹配，根据匹配结果确定电子设备是否进入结构化场景。在电子设备进入结构化场景时，触发碰撞检测功能开启。这样设计的好处在于，电子设备在检测到进入结构化场景后，才会启动碰撞检测功能，以指示电子设备获取由传感器实时感知的周边环境中的障碍物信息，减少了电子设备需处理的数据量。
在上述技术方案的基础上，在获取障碍物信息之后，可选地还可以包括：根据障碍物信息判断障碍物是否在预设的碰撞检测区域内，其中，碰撞检测区域基于结构化道路的左右边界和/或所述定位信息确定；若是，则执行基于障碍物信息进行碰撞检测步骤。可选地，可以采用障碍物的几何包络点是否落在上述碰撞检测区域的方式，确定障碍物是否在预设的碰撞检测区域内。如果障碍物在预设的碰撞检测区域内，则基于障碍物信息进行碰撞检测，否则，不进行碰撞检测。这样设计的好处在于，只有障碍物位于碰撞检测区域，才进行碰撞检测，避免出现检测到根本不会发生碰撞的障碍物就进行碰撞检测而浪费电子设备的处理资源的情况。
在上述技术方案的基础上，对采样路径进行评分，得到各条采样路径的分数具体包括：对采样路径进行平滑处理，对平滑处理后的采样路径进行评分，得到各条采样路径的分数。例如，在对全局路径进行采样之前，可以采用分段插值的方法对全局路径的路径密度path density进行均一化。然后，基于x与y 方向线性独立的假设，利用梯度下降(Coordinate Decent)或坐标下降(Gradient Decent)的方法对采样路径进行平滑，原理如下：
Figure BDA0002533143130000161
其中，pi标识当前路径上的第i个点，p′i标识平滑后的当前路径上的第i 个点，α*(p′i-pi)表示平滑后的曲线要尽可能的与原路径相近，β* (p′i-p′i-1)2+(p′i-p′i+1)2表示曲线应该尽可能的平滑，依次原理迭代执行，直至所有采样路径的平滑前后的误差小于预设值。假设有5条采样路径，则在 (p′1-p1)+(p′2-p2)+(p′3-p3)+(p′4-p4)+(p′5-5)小于预设值时，迭代操作结束。其中，该预设值根据实际工作场景人为设置。
采用预设代价函数对平滑后的采样路径进行评分，得到各条所述采样路径的分数。需要说明的是，本发明实施例并不限定采用何种代价函数对采样路径进行评分。例如，可以采用距离道路中心线代价priority cost、换道代价transition cost和与障碍物横纵向距离代价collision cost对采样路径进行评分，其中 collision cost又可以分为与障碍物纵向距离代价longitudinal cost和与障碍物横向距离代价lateral cost。这样设计的好处在于通过对采样路径进行平滑处理，可以保证所生成的采样路径是电子设备可以安全平稳行驶的路径。
图3为本发明实施例提供的另一种行驶控制方法的流程图，如图3所示，该方法包括：
步骤301、检测到碰撞检测功能启动，获取障碍物信息。
需要说明的是，如果检测到机器人进入结构化场景，则启动碰撞检测功能，实时获取障碍物信息。在检测到机器人离开结构化道路时，关闭碰撞检测功能。
步骤302、根据障碍物信息判断障碍物是否在预设的碰撞检测区域内，若是，则执行步骤303，否则执行步骤315。
步骤303、根据障碍物信息中障碍物的几何包络点集合生成搜索树。
步骤304、计算机器人的设定位置与搜索树中目标节点的距离。
步骤305、判断所述距离是否小于预设的碰撞阈值，若是，则执行步骤306，否则执行步骤314。
步骤306、确定机器人与障碍物发生碰撞。
步骤307、按照设定周期对全局路径进行局部采样，得到采样路径。
需要说明的是，采样路径主要分为三个区域，分别是car tip区域，roll in 区域，roll out区域。
Car tip是距离车辆最近的部分，它是从车辆后轴中心到横向采样起点的距离，其长度决定了在轨迹之间切换时转向的平稳性。
Roll in部分从car tip的终点到平行采样起点，这部分的长度和车辆速度密切相关，车辆速度越快，roll in部分应越长，使得轨迹更加平滑。
Roll out部分从平行采样起点到最大规划距离，这部分里每一条采样路径都是平行的，且每一条采样路径的相隔距离可根据实际工况来确定。
步骤308、对采样路径进行平滑处理，对平滑处理后的采样路径进行评分，得到各条采样路径的分数。
步骤309、对分数进行归一化处理，得到各条采样路径的归一化分数。
示例性的，对任意一条采样路径，可以根据上述代价函数确定多个分数。可以分别计算所有采样路径的各个代价函数下的总分数，对每条采样路径的分数进行归一化处理可以是：每个代价函数确定的每条采样路径的分数与相应代价函数下所有采样路径的总分数的除法运算结果。可以采用如下公式表示对分数进行归一化处理：
Figure BDA0002533143130000181
cos t′i表示对于每个代价函数，第i条采样路径对应的归一化后的归一化分数；
cos ti表示对于每个代价函数，第i条采样路径的分数；
Figure BDA0002533143130000182
表示对于每个代价函数，n条路径的总分数。
步骤310、根据归一化分数从所述采样路径的路径集合中确定目标路径。
示例性地，确定路径集合中每条采样路径的所有代价函数对应的归一化分数的加法运算结果，作为各条采样路径的评价总分数。基于评价总分数对采样路径进行排序，选择路径集合中评价总分数最小的采样路径作为目标路径。其中，采样路径集合是所有未失效的采样路径的集合。
步骤311、判断目标路径是否是安全路径，若是，则执行步骤312，否则，将所述目标路径标记为失效，删除所述路径集合中失效的采样路径，返回执行步骤310。
机器人在目标路径的情况下，计算机器人位置坐标与障碍物的lateral cost，以及计算机器人位置坐标与障碍物的longitudinal cost。如果lateral cost和longitudinal cost中的至少一个小于预先设置的阈值，则确定目标路径是安全路径，否则确定目标路径是非安全路径。如果确定目标路径是非安全路径，则将其对应的采样路径标记为失效。如果所有采样路径均失效，则输出停止行驶的控制指令。
步骤312、将目标路径作为下一时刻的候选路径。
由于机器人会实时进行局部采样，并由采样的路径中确定下一时刻的候选路径，可以保证机器人安全平稳的绕过障碍物，并且在绕过障碍物后，基于采样路径的分数使机器人回到全局路径(即道路中心线对应的路径)继续行驶。
步骤313、跟踪候选路径在结构化场景中行驶。
步骤314、确定机器人与障碍物不发生碰撞，跟踪全局路径在结构化场景中行驶。
步骤315、确定障碍物未在预设的碰撞检测区域内，放弃进行碰撞检测。
本实施例的技术方案，本实施例的技术方案除可以实现上述各实施例的技术效果之外，还通过对采样路径的分数进行归一化处理，得到各条采样路径的归一化分数；根据归一化分数从各条采样路径中确定目标路径；如果目标路径是安全路径，则将该目标路径作为候选路径，跟踪候选路径在结构化场景中行驶。如果目标路径是非安全路径，则重新由剩余采样路径中选择目标路径，直至选择出安全路径或者所有采样路径均失效并停止行驶。通过本方案可以保证局部规划出的路径是一条兼顾换道代价和安全避障的最优路径。
本发明实施例提供的行驶控制方法可以保证机器人在商圈或者园区中安全行驶。在一个具体的实施例中，以园区内的马路为例，说明采用本发明实施例提供的方法控制的机器人的工作流程。首先，清洁机器人在园区场景内运动，通过传感器实时采集园区内的环境信息，基于环境信息构建园区的全局地图，也可以称为是先验地图。获取人工标注的马路相关信息，生成路网地图，该路网地图中标注有马路的相关信息。获取用户在客户端的触控操作信息，该触控操作信息包括针对自动清洁的功能按键的触控操作、以及在先验地图中标注的作业起点和作业终点等，基于触控操作信息进行自动清洁作业。本实施例中，选择位于园区的两侧，中间由马路隔开的两个位置作为作业起点和作业终点。
图4为本发明实施例提供的一种行驶控制方法控制下的机器人的工作流程示意图，如图4所示，该工作流程包括：
步骤401、获取先验地图。
步骤402、生成路网信息。
例如，获取在先验地图上关于公路相关信息的标注信息，生成路网信息。
步骤403、获取作业起点和作业终点。
例如，获取客户端发送的作业起点的位置坐标和作业终点的位置坐标。一种可能的应用场景是用户打开智能终端上的用于管理清洁机器人的客户端，客户端对应的界面中会现实自动清洁的功能按键。用户选中该功能按键，则提示用户选择作业起点和作业终点。客户端获取用户在先验地图中标记的作业起点和作业终点，将功能按键的触控操作、作业起点的位置信息和作业终点的位置信息发送给机器人。
步骤404、正常跟线行驶。
机器人根据先验地图、路网信息、作业起点和作业终点规划出全局路径，并参考全局路径行驶。如果当前行驶路径不安全，则参考局部采样生成的路径行驶。
步骤405、判断是否在马路上(结构化场景)，若是，则执行步骤406，否则执行步骤404。
示例性的，根据机器人的定位信息和路网信息判断机器人是否在马路上。或者，当机器人行驶到先验地图的路口位置时，根据机器人的定位信息和路网信息判断机器人是否在马路上。
步骤406、进行碰撞检测，基于碰撞检测结果判断路径是否安全，若否，则执行步骤407，否则执行步骤404。
当机器人离开办公区上马路时，遇到障碍物则基于上述实施例中提供的行驶控制方法进行碰撞检测。若碰撞检测结果为碰撞，则切入局部规划避障功能。
步骤407、局部采样生成路径。
示例性的，机器人规划层局部规划出安全平稳的避障路径，同时将避障路径下发给控制层。控制层控制机器人跟踪实时生成的路径行驶。在避障完成后，机器人规划层继续规划，将机器人平稳规划回全局路径(通常是道路中心线)。
重复执行上述步骤404-407，直至机器人离开马路区域。
本发明实施例的技术方案，将清洁机器人的作业范围从室内场景拓展到园区，商圈等室内外综合场景，同时利用本发明实施例的技术方案可以提升机器人在结构化场景中行驶的安全性，提高了机器人的智能性。
图5为本发明实施例提供的一种行驶控制装置的结构框图。该装置可以由软件和/或硬件实现，并通常被配置于电子设备中。如图5所示，该装置包括：
碰撞检测模块510，用于获取障碍物信息，基于所述障碍物信息进行碰撞检测；
策略确定模块520，用于根据碰撞检测的结果匹配行驶控制策略，其中，所述行驶控制策略用于指示电子设备跟踪全局路径或者候选路径来控制行驶，所述候选路径基于所述全局路径对应的采样路径的评分实时确定和/或更新；
行驶控制模块530，用于基于所述行驶控制策略指示的路径调整在结构化场景中的行驶路径。
可选地，碰撞检测模块510具体用于：
获取所述电子设备的定位信息，将所述定位信息与预先确定的地图进行匹配；
如果匹配结果是所述电子设备进入结构化场景，则获取障碍物列表，其中，所述障碍物列表是存储障碍物信息的数据结构。
可选地，该装置还包括：
位置判断模块540，用于在获取障碍物信息之后，根据所述障碍物信息判断障碍物是否在预设的碰撞检测区域内，其中，所述碰撞检测区域基于结构化道路的左右边界和/或所述定位信息确定；
若是，则执行基于所述障碍物信息进行碰撞检测步骤。
可选地，碰撞检测模块510包括：
搜索树构建子模块511，用于根据所述障碍物信息中障碍物的几何包络点集合生成搜索树，其中，所述搜索树用于以树形结构表示所述障碍物的几何包络点；
距离计算子模块512，用于计算所述电子设备的设定位置与所述搜索树中目标节点的距离；
距离比较子模块513，用于比较所述距离和预设的碰撞阈值，根据比较结果确定所述电子设备与障碍物是否发生碰撞。
可选地，搜索树构建子模块511具体用于：
确定所述几何包络点集合的划分维度；
按照所述划分维度对待划分几何包络点集合中几何包络点进行排序，根据排序结果确定所述待划分几何包络点集合的中值，其中，所述待划分几何包络点集合包括所述几何包络点集合和所述几何包络点集合的子集；
基于每个所述待划分几何包络点集合对应的所述中值生成搜索树。
可选地，所述策略确定模块520具体用于：
如果所述碰撞检测结果是与障碍物发生碰撞，则与所述碰撞结果匹配的行驶控制策略是指示电子设备跟踪候选路径行驶；
以及，行驶控制模块530包括：
路径采样子模块531，用于按照设定周期对全局路径进行局部采样，得到采样路径；
路径评分子模块532，用于对所述采样路径进行评分，得到各条所述采样路径的分数，根据所述分数确定所述采样路径中的候选路径；
路径调整子模块533，用于基于所述候选路径调整在结构化场景中的行驶路径。
可选地，路径评分子模块532具体用于：对所述采样路径进行平滑处理，对平滑处理后的采样路径进行评分，得到各条所述采样路径的分数。
可选地，路径评分子模块532具体还用于：
对所述分数进行归一化处理，得到各条所述采样路径的归一化分数；
根据所述归一化分数从各条所述采样路径中确定目标路径；
判断所述目标路径是否是安全路径；
若是，则将所述目标路径作为下一时刻的候选路径；
否则，将所述目标路径标记为失效，删除所述路径集合中失效的采样路径，返回执行根据所述归一化分数从所述采样路径的路径集合中确定目标路径步骤；
如果所述路径集合为空集，则输出停止行驶的控制指令。
可选地，路径评分子模块532具体还用于：
对于路径集合中的任意一条采样路径，计算设定代价函数对应的归一化分数的加法运算结果；
确定所述加法运算结果最小的采样路径，作为目标路径。
本发明实施例所提供的行驶控制装置可执行本发明任意实施例所提供的行驶控制方法，具备执行方法相应的功能模块和有益效果。
图6为本发明实施例提供的一种电子设备的结构示意图，如图6所示，该电子设备包括处理器610、存储装置620和输入装置630。可选地，还可以包括输出装置640。电子设备中处理器610的数量可以是一个或多个，图6中以一个处理器610为例；电子设备中的处理器610、存储装置620、输入装置630和输出装置640可以通过总线或其他方式连接，图6中以通过总线连接为例。
存储装置620作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的检测方法对应的程序指令/模块 (例如，本发明实施例的行驶控制装置中的碰撞检测模块510、策略确定模块 520和行驶控制模块530)。处理器610通过运行存储在存储装置620中的软件程序、指令以及模块，从而执行电子设备各种功能应用以及数据处理，即实现上述的行驶控制方法。
存储器620可主要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；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置620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620可进一步包括相对于处理器 610远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。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。
输入装置630可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种行驶方法，该方法包括：
获取障碍物信息，基于所述障碍物信息进行碰撞检测；
根据碰撞检测的结果匹配行驶控制策略，其中，所述行驶控制策略用于指示电子设备跟踪全局路径或者候选路径来控制行驶，所述候选路径基于所述全局路径对应的采样路径的评分实时确定和/或更新；
基于所述行驶控制策略指示的路径调整在结构化场景中的行驶路径。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的行驶控制方法中的相关操作.
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，本发明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，本发明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)执行本发明各个实施例所述的方法。
值得注意的是，上述行驶控制装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明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发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种行驶控制方法，其特征在于，包括：
获取障碍物信息，基于所述障碍物信息进行碰撞检测；
根据碰撞检测的结果匹配行驶控制策略，其中，所述行驶控制策略用于指示电子设备跟踪全局路径或者候选路径来控制行驶，所述候选路径基于所述全局路径对应的采样路径的评分实时确定和/或更新；
基于所述行驶控制策略指示的路径调整在结构化场景中的行驶路径。
2.根据权利要求1所述的方法，其特征在于，获取障碍物信息包括：
获取所述电子设备的定位信息，将所述定位信息与预先确定的地图进行匹配；
如果匹配结果是所述电子设备进入结构化场景，则获取障碍物列表，其中，所述障碍物列表是存储障碍物信息的数据结构。
3.根据权利要求2所述的方法，其特征在于，在获取障碍物信息之后，还包括：
根据所述障碍物信息判断障碍物是否在预设的碰撞检测区域内，其中，所述碰撞检测区域基于结构化道路的左右边界和/或所述定位信息确定；
若是，则执行基于所述障碍物信息进行碰撞检测步骤。
4.根据权利要求1-3中任一所述的方法，其特征在于，所述基于所述障碍物信息进行碰撞检测，包括：
根据所述障碍物信息中障碍物的几何包络点集合生成搜索树，其中，所述搜索树用于以树形结构表示所述障碍物的几何包络点；
计算所述电子设备的设定位置与所述搜索树中目标节点的距离；
比较所述距离和预设的碰撞阈值，根据比较结果确定所述电子设备与障碍物是否发生碰撞。
5.根据权利要求4所述的方法，其特征在于，所述根据所述障碍物信息中障碍物的几何包络点集合生成搜索树，包括：
确定所述几何包络点集合的划分维度；
按照所述划分维度对待划分几何包络点集合中几何包络点进行排序，根据排序结果确定所述待划分几何包络点集合的中值，其中，所述待划分几何包络点集合包括所述几何包络点集合和所述几何包络点集合的子集；
基于每个所述待划分几何包络点集合对应的所述中值生成搜索树。
6.根据权利要求1所述的方法，其特征在于，所述根据碰撞检测结果匹配行驶控制策略，包括：
如果所述碰撞检测结果是与障碍物发生碰撞，则与所述碰撞结果匹配的行驶控制策略是指示电子设备跟踪候选路径行驶；
以及，基于所述行驶控制策略指示的路径调整在结构化场景中的行驶路径，包括：
按照设定周期对全局路径进行局部采样，得到采样路径；
对所述采样路径进行评分，得到各条所述采样路径的分数，根据所述分数确定所述采样路径中的候选路径；
基于所述候选路径调整在结构化场景中的行驶路径。
7.根据权利要求6所述的方法，其特征在于，所述对所述采样路径进行评分，得到各条所述采样路径的分数，包括：
对所述采样路径进行平滑处理，对平滑处理后的采样路径进行评分，得到各条所述采样路径的分数。
8.根据权利要求6或7所述的方法，其特征在于，所述根据所述分数确定所述采样路径中的候选路径，包括：
对所述分数进行归一化处理，得到各条所述采样路径的归一化分数；
根据所述归一化分数从所述采样路径的路径集合中确定目标路径；
判断所述目标路径是否是安全路径；
若是，则将所述目标路径作为下一时刻的候选路径；
否则，将所述目标路径标记为失效，删除所述路径集合中失效的采样路径，返回执行根据所述归一化分数从所述采样路径的路径集合中确定目标路径步骤；
如果所述路径集合为空集，则输出停止行驶的控制指令。
9.根据权利要求8所述的方法，其特征在于，所述根据所述归一化分数从所述采样路径的路径集合中确定目标路径，包括：
对于路径集合中的任意一条采样路径，计算设定代价函数对应的归一化分数的加法运算结果；
确定所述加法运算结果最小的采样路径，作为目标路径。
10.一种行驶控制装置，其特征在于，包括：
碰撞检测模块，用于获取障碍物信息，基于所述障碍物信息进行碰撞检测；
策略确定模块，用于根据碰撞检测的结果匹配行驶控制策略，其中，所述行驶控制策略用于指示电子设备跟踪全局路径或者候选路径来控制行驶，所述候选路径基于所述全局路径对应的采样路径的评分实时确定和/或更新；
行驶控制模块，用于基于所述行驶控制策略指示的路径调整在结构化场景中的行驶路径。
11.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，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1-9中任一所述的行驶控制方法。
12.一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1-9中任一所述的行驶控制方法。
CN202010524227.1A 2020-06-10 2020-06-10 一种行驶控制方法、装置、电子设备及存储介质 Active CN111694356B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010524227.1A CN111694356B (zh) 2020-06-10 2020-06-10 一种行驶控制方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010524227.1A CN111694356B (zh) 2020-06-10 2020-06-10 一种行驶控制方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111694356A true CN111694356A (zh) 2020-09-22
CN111694356B CN111694356B (zh) 2023-06-27

Family

ID=72480162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010524227.1A Active CN111694356B (zh) 2020-06-10 2020-06-10 一种行驶控制方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111694356B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631304A (zh) * 2020-12-24 2021-04-09 的卢技术有限公司 车辆轨迹规划方法、系统、电子设备和计算机可读存储介质
CN112644487A (zh) * 2021-01-07 2021-04-13 广州小鹏自动驾驶科技有限公司 一种自动驾驶的方法和装置
CN112907757A (zh) * 2021-04-08 2021-06-04 深圳市慧鲤科技有限公司 一种导航提示方法、装置、电子设备及存储介质
CN112964267A (zh) * 2021-02-07 2021-06-15 舜宇光学（浙江）研究院有限公司 自主避障导航方法及其系统和设备
CN113204236A (zh) * 2021-04-14 2021-08-03 华中科技大学 一种智能体路径跟踪控制方法
CN113359796A (zh) * 2021-06-08 2021-09-07 同济大学 一种地下多分支洞穴的无人机探寻方法
CN114822078A (zh) * 2021-01-28 2022-07-29 武汉智行者科技有限公司 一种目标参考线切换控制方法、装置及存储介质
CN115421509A (zh) * 2022-08-05 2022-12-02 北京微视威信息科技有限公司 一种无人机飞行拍摄规划方法、装置及存储介质
WO2023178910A1 (zh) * 2022-03-21 2023-09-28 江苏集萃清联智控科技有限公司 一种具备多型避障方式的车辆局部轨迹规划方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107702716A (zh) * 2017-08-31 2018-02-16 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、系统和装置
US20190129433A1 (en) * 2016-12-29 2019-05-02 Amicro Semiconductor Corporation A path planning method of intelligent robot
CN109782763A (zh) * 2019-01-18 2019-05-21 中国电子科技集团公司信息科学研究院 一种动态环境下的移动机器人路径规划方法
CN109807886A (zh) * 2019-01-15 2019-05-28 西北工业大学 一种基于预测的空间非合作目标抓捕策略
CN109933068A (zh) * 2019-03-15 2019-06-25 文远知行有限公司 驾驶路径规划方法、装置、设备和存储介质
CN109960261A (zh) * 2019-03-22 2019-07-02 北京理工大学 一种基于碰撞检测的动态障碍物避让方法
CN110147105A (zh) * 2019-05-27 2019-08-20 安徽江淮汽车集团股份有限公司 无人驾驶车辆的路径控制方法、设备、存储介质及装置
CN110228069A (zh) * 2019-07-17 2019-09-13 东北大学 一种机械臂在线避障运动规划方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190129433A1 (en) * 2016-12-29 2019-05-02 Amicro Semiconductor Corporation A path planning method of intelligent robot
CN107702716A (zh) * 2017-08-31 2018-02-16 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、系统和装置
CN109807886A (zh) * 2019-01-15 2019-05-28 西北工业大学 一种基于预测的空间非合作目标抓捕策略
CN109782763A (zh) * 2019-01-18 2019-05-21 中国电子科技集团公司信息科学研究院 一种动态环境下的移动机器人路径规划方法
CN109933068A (zh) * 2019-03-15 2019-06-25 文远知行有限公司 驾驶路径规划方法、装置、设备和存储介质
CN109960261A (zh) * 2019-03-22 2019-07-02 北京理工大学 一种基于碰撞检测的动态障碍物避让方法
CN110147105A (zh) * 2019-05-27 2019-08-20 安徽江淮汽车集团股份有限公司 无人驾驶车辆的路径控制方法、设备、存储介质及装置
CN110228069A (zh) * 2019-07-17 2019-09-13 东北大学 一种机械臂在线避障运动规划方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112631304A (zh) * 2020-12-24 2021-04-09 的卢技术有限公司 车辆轨迹规划方法、系统、电子设备和计算机可读存储介质
CN112644487A (zh) * 2021-01-07 2021-04-13 广州小鹏自动驾驶科技有限公司 一种自动驾驶的方法和装置
CN114822078A (zh) * 2021-01-28 2022-07-29 武汉智行者科技有限公司 一种目标参考线切换控制方法、装置及存储介质
CN112964267A (zh) * 2021-02-07 2021-06-15 舜宇光学（浙江）研究院有限公司 自主避障导航方法及其系统和设备
CN112907757A (zh) * 2021-04-08 2021-06-04 深圳市慧鲤科技有限公司 一种导航提示方法、装置、电子设备及存储介质
CN113204236A (zh) * 2021-04-14 2021-08-03 华中科技大学 一种智能体路径跟踪控制方法
CN113204236B (zh) * 2021-04-14 2022-05-20 华中科技大学 一种智能体路径跟踪控制方法
CN113359796A (zh) * 2021-06-08 2021-09-07 同济大学 一种地下多分支洞穴的无人机探寻方法
CN113359796B (zh) * 2021-06-08 2022-09-06 同济大学 一种地下多分支洞穴的无人机探寻方法
WO2023178910A1 (zh) * 2022-03-21 2023-09-28 江苏集萃清联智控科技有限公司 一种具备多型避障方式的车辆局部轨迹规划方法及系统
CN115421509A (zh) * 2022-08-05 2022-12-02 北京微视威信息科技有限公司 一种无人机飞行拍摄规划方法、装置及存储介质

Also Published As

Publication number Publication date
CN111694356B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN111694356B (zh) 一种行驶控制方法、装置、电子设备及存储介质
Rhinehart et al. Deep imitative models for flexible inference, planning, and control
Von Hundelshausen et al. Driving with tentacles: Integral structures for sensing and motion
US10705528B2 (en) Autonomous visual navigation
US20210103286A1 (en) Systems and methods for adaptive path planning
Emmi et al. A hybrid representation of the environment to improve autonomous navigation of mobile robots in agriculture
CN112985445A (zh) 基于高精地图的车道级精度实时性运动规划方法
CN111609848B (zh) 一种用于多机器人协作建图的智能优化方法及系统
JP2023523350A (ja) 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム
CN115639823A (zh) 崎岖起伏地形下机器人地形感知与移动控制方法及系统
Sundarraj et al. Route Planning for an Autonomous Robotic Vehicle Employing a Weight-Controlled Particle Swarm-Optimized Dijkstra Algorithm
CN112925313A (zh) 机器人的避让处理方法、装置、电子设备和介质
Short et al. Abio-inspiredalgorithminimage-based pathplanning and localization using visual features and maps
WO2023135271A1 (en) Motion prediction and trajectory generation for mobile agents
Gottlieb et al. Multi-target motion planning amidst obstacles for autonomous aerial and ground vehicles
Dhiman et al. A review of path planning and mapping technologies for autonomous mobile robot systems
Guan et al. TNES: terrain traversability mapping, navigation and excavation system for autonomous excavators on worksite
CN111912411B (zh) 一种机器人导航定位方法、系统及存储介质
CN109901589B (zh) 移动机器人控制方法和装置
Oksanen et al. Path planning algorithm for field traffic
CN117232531B (zh) 机器人导航规划方法及存储介质和终端设备
US20230320263A1 (en) Method for determining information, remote terminal, and mower
KR102529332B1 (ko) 컨텍스트 맵을 활용한 로봇 기반 최적 실내 배송경로 탐색 방법
Azevedo et al. A Planning Pipeline for Software Systems of Autonomous Vehicles
Steinbrink Sampling-Based Exploration Strategies for Mobile Robot Autonomy

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