CN111879319A - 用于地面无人平台的室内测试方法、系统及计算机设备 - Google Patents

用于地面无人平台的室内测试方法、系统及计算机设备 Download PDF

Info

Publication number
CN111879319A
CN111879319A CN202010605692.8A CN202010605692A CN111879319A CN 111879319 A CN111879319 A CN 111879319A CN 202010605692 A CN202010605692 A CN 202010605692A CN 111879319 A CN111879319 A CN 111879319A
Authority
CN
China
Prior art keywords
track
planning
simulation platform
score
actual
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
CN202010605692.8A
Other languages
English (en)
Other versions
CN111879319B (zh
Inventor
余彪
陈志磊
梁华为
王少平
李碧春
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.)
Hefei Institutes of Physical Science of CAS
Original Assignee
Hefei Institutes of Physical Science of CAS
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 Hefei Institutes of Physical Science of CAS filed Critical Hefei Institutes of Physical Science of CAS
Priority to CN202010605692.8A priority Critical patent/CN111879319B/zh
Publication of CN111879319A publication Critical patent/CN111879319A/zh
Application granted granted Critical
Publication of CN111879319B publication Critical patent/CN111879319B/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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种用于地面无人平台的室内测试方法、系统及计算机设备，其利用模拟平台在室内的测试结果判断地面无人平台的规划控制能力，所述室内测试方法包括以下步骤：构建包含障碍物的室内测试场景，所述障碍物包括静态障碍物；将室内测试场景内的障碍物信息和终点位置发送至模拟平台，模拟平台生成包含规划轨迹的运行规划，且在室内测试场景中躲避障碍物并沿规划轨迹从初始位置运动至终点位置；在模拟平台从初始位置运动至终点位置的过程中，实时采集模拟平台的实际轨迹；根据模拟平台运行过程中的轨迹风险、模拟平台实际运行情况与运行规划的偏差，以及轨迹规划用时、规划轨迹长度计算地面无人平台的规划控制能力得分。

Description

用于地面无人平台的室内测试方法、系统及计算机设备
技术领域
本发明涉及地面无人平台领域，具体涉及一种用于地面无人平台的室内测试方法、系统及计算机设备。
背景技术
地面无人平台不仅可以协助士兵、消防员进行侦察、灭火、物资运输和医疗服务等工作，还可以替代人类执行单调、枯燥、肮脏的任务。
现有技术中为了提高地面无人平台的自主性，需要花费大量成本对地面无人平台的自主性进行实车测试；自主性中较为重要的一项内容即为地面无人平台的规划控制能力。
在室内模拟环境中利用地面无人系统室内平台测试方法对真实平台的规划控制能力进行测试评价，具有低成本和高效率的优势，对地面无人平台自主能力的测试和提升具有重要的意义。
发明内容
为解决上述技术问题，本发明提供一种用于地面无人平台的室内测试方法、系统及计算机设备。
为解决上述技术问题，本发明采用如下技术方案：
一种用于地面无人平台的室内测试方法，其利用模拟平台在室内的测试结果判断地面无人平台的规划控制能力，包括以下步骤：
步骤一：构建包含障碍物的室内测试场景，所述障碍物包括静态障碍物；
步骤二：将室内测试场景内的障碍物信息和终点位置发送至模拟平台，模拟平台生成包含规划轨迹的运行规划，且在室内测试场景中躲避障碍物并沿规划轨迹从初始位置运动至终点位置；
步骤三：在模拟平台从初始位置运动至终点位置的过程中，实时采集模拟平台的实际轨迹；根据模拟平台运行过程中的轨迹风险、模拟平台实际运行情况与运行规划的偏差，以及轨迹规划用时、规划轨迹长度计算地面无人平台的规划控制能力得分。
具体地，所述轨迹规划用时是模拟平台从接收到障碍物信息和终点位置到生成规划轨迹的用时，根据轨迹规划用时的长短确定轨迹规划用时得分St；每隔固定周期采集一次模拟平台的实际坐标点，在模拟平台的运动过程中，其实际坐标点依次为A1(x1,y1)，A2(x2,y2)，…，AN(xN,yN)，将上述坐标点按顺序以直线段连接形成所述的实际轨迹，对于每个实际坐标点Ai(xi,yi)，在规划轨迹上寻找与Ai对应的点A′i(x′i,y′i)；所述规划轨迹长度
Figure BDA0002561007530000021
则轨迹长度得分
Figure BDA0002561007530000022
其中Lmax为所述室内测试场景下的最大轨迹长度设定值；所述轨迹风险用于衡量模拟平台与障碍物的碰撞风险，计算各障碍物到实际轨迹的最小距离，并选取上述最小距离中的最小值dmin，则轨迹风险得分
Figure BDA0002561007530000023
其中D为安全距离；步骤三中，模拟平台实际运行情况与运行规划的偏差包括横向横向偏差和纵向偏差，所述横向偏差是模拟平台的实际运行情况与运行规划的距离偏差，计算每个实际坐标点与规划轨迹之间的最短距离di，并计算所有最短距离的平均值：
Figure BDA0002561007530000024
所述纵向偏差是模拟平台的实际运行情况与运行规划的速度偏差，采集模拟平台在每个实际坐标点的实际速度vi，计算速度差值
Figure BDA0002561007530000025
并计算所有速度差值的平均值
Figure BDA0002561007530000026
其中
Figure BDA0002561007530000027
为A′i点的规划速度，
Figure BDA0002561007530000028
为Ai点的实际速度vi在
Figure BDA0002561007530000029
方向上的速度分量；则横向偏差得分
Figure BDA00025610075300000210
纵向偏差得分
Figure BDA00025610075300000211
其中dmax为距离偏差阈值，vmax为速度偏差阈值；则地面无人平台的规划控制能力得分S＝wtSt+wLSL+wRSR+wlatSlat+wlngSlng，其中wt、wL、wR、wlat、wlng分别为轨迹规划用时得分的权值、轨迹长度得分的权值、轨迹风险度得分的权值、横向偏差得分的权值和纵向偏差得分的权值。
具体地，步骤一中，所述障碍物还包括在模拟平台运动过程中其位置会发生变动的动态障碍物。
具体地，所述轨迹规划用时是模拟平台从接收到障碍物信息和终点位置到生成运行规划的用时，根据轨迹规划用时的长短确定轨迹规划用时得分St；每隔固定周期采集一次模拟平台的实际坐标点，在模拟平台的运动过程中，其实际坐标点依次为A1(x1,y1)，A2(x2,y2)，…，AN(xN,yN)，将上述坐标点按顺序以直线段连接形成所述的实际轨迹，对于每个实际坐标点Ai(xi,yi)，在规划轨迹上寻找与Ai对应的点A′i(x′i,y′i)；所述规划轨迹长度
Figure BDA0002561007530000031
则轨迹长度得分
Figure BDA0002561007530000032
其中Lmax为所述室内测试场景下的最大轨迹长度设定值；所述轨迹风险用于衡量模拟平台与障碍物的碰撞风险，计算各障碍物到实际轨迹的最小距离，并选取上述最小距离中的最小值dmin，则轨迹风险得分
Figure BDA0002561007530000033
其中D为安全距离；步骤三中，模拟平台实际运行情况与运行规划的偏差包括纵向偏差和动态规划响应，所述纵向偏差是模拟平台的实际运行情况与运行规划的速度偏差，采集模拟平台在每个实际坐标点的实际速度vi，计算速度差值
Figure BDA0002561007530000034
并计算所有速度差值的平均值
Figure BDA0002561007530000035
其中
Figure BDA0002561007530000036
为A′i点的规划速度，
Figure BDA0002561007530000037
为Ai点的实际速度vi在
Figure BDA0002561007530000038
方向上的速度分量；则纵向偏差得分
Figure BDA0002561007530000039
其中dmax为距离偏差阈值，vmax为速度偏差阈值；所述动态规划响应是模拟平台检测到动态障碍物时，在初始的规划轨迹的基础上进行调整并生成新的规划轨迹的过程，则根据各动态障碍物距离新的规划轨迹的最小距离之和
Figure BDA0002561007530000041
确定动态规划响应得分Sdl；则地面无人平台的规划控制能力得分S＝wtSt+wLSL+wRSR+wdlSdl+wlngSlng，其中wt、wl、wR、wdl、wlng分别为轨迹规划用时得分的权值、轨迹长度得分的权值、轨迹风险度得分的权值、动态规划响应能力得分的权值和纵向偏差得分的权值。
具体地，计算规划轨迹长度之前，需先进行轨迹有效性验证；如果对于任意i∈[2,N]，存在yi>yi-1，则认为规划轨迹有效；否则规划轨迹无效，停止测试。
具体地，步骤一中，所述静态障碍物包括低于参考平面的负静态障碍物以及高于参考平面的正静态障碍物；构建室内测试场景时，需要构建地面坐标系统以及基本地形系统，所述地面坐标系统为采用等距栅格形式建立的UWB室内定位系统，所述基本地形系统包括多个基本单元模块，所述基本单元模块在室内测试场景中进行平铺，并根据需要去除个别基本单元模块形成负静态障碍物，在个别基本单元模块上堆叠其他基本单元模块形成正静态障碍物。
一种用于地面无人平台的室内测试系统，包括：
场景构建模块，其构建包含障碍物的室内测试场景，所述障碍物包括静态障碍物；
轨迹生成模块，其将室内测试场景内的障碍物信息和终点位置发送至模拟平台，模拟平台生成包含规划轨迹的运行规划，且在室内测试场景中躲避障碍物并沿规划轨迹从初始位置运动至终点位置；
评估模块：在模拟平台从初始位置运动至终点位置的过程中，实时采集模拟平台的实际轨迹；根据模拟平台运行过程中的轨迹风险、模拟平台实际运行情况与运行规划的偏差，以及轨迹规划用时、规划轨迹长度计算地面无人平台的规划控制能力得分。
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，所述处理器执行所述室内测试方法的步骤。
与现有技术相比，本发明的有益技术效果是：
1.本发明根据等效测试原理，在室内仿真环境中利用模拟平台对地面无人平台进行测试，能够反映地面无人平台进行真实作业时的规划控制能力，规划控制能力包括规划能力和控制能力，规划能力在于其知悉周围环境后，能够对自身的运行路线进行初步规划，控制能力在于无人平台能够控制自身按照规划路线的运行能力；由于模拟平台能够快速生产和迭代，室内环境能够快速改变，本发明能够加速地面无人平台的研发，成本低，效率高。
附图说明
图1为本发明测试方法的流程示意图。
具体实施方式
下面结合附图对本发明的一种优选实施方式作详细的说明。
地面无人平台在室外进行试验能够全面反映其综合性能，但符合条件的室外场地很难进行搭建，且地面无人平台属于批量生产产品，集成度较高，迭代较慢，所以地面无人平台的室外试验进度慢、周期长、成本高，拉长了地面无人平台的研发周期。
地面无人平台的等效测试是通过简单搭建的模拟平台在室内场景下进行试验，并通过室内试验结果反映地面无人平台真实作业能力的测试方法。
模拟平台是地面无人平台的简化模型，其与地面无人平台具有大致相同的结构、重量，具有相同的功能，但无需考虑产品化，能够进行快速迭代。
如图1所示，一种用于地面无人平台的室内测试方法，其利用模拟平台在室内的测试结果判断地面无人平台的规划控制能力，包括以下步骤：
S1：构建包含障碍物的室内测试场景，所述障碍物包括静态障碍物。
地面无人平台的规划控制能力包括规划能力和控制能力，其中规划能力是地面无人平台知悉周围环境后，能够对自身的运行路线进行初步规划的能力；控制能力是地面无人平台能够控制自身按照规划路线的运行能力。
具体地，所述静态障碍物包括低于参考平面的负静态障碍物以及高于参考平面的正静态障碍物；构建室内测试场景时，需要构建地面坐标系统以及基本地形系统，所述地面坐标系统为采用等距栅格形式建立的UWB室内定位系统，所述基本地形系统包括多个基本单元模块，所述基本单元模块在室内测试场景中进行平铺，并根据需要去除个别基本单元模块形成负静态障碍物，在个别基本单元模块上堆叠其他基本单元模块形成正静态障碍物。
在室内难以接收到GPS信号，而测试过程中，需要定位信息支持模拟平台生成规划轨迹，并采集模拟平台的实际轨迹，本发明采用等间距格栅形式构建UWB室内定位系统，UWB室内定位是一种高精度室内定位技术。
室内构建基本地形系统较为方便，基本单元模块的长、宽均为600mm，其高度有三种规格，分别为200mm、350mm以及600mm，每个基本单元模块的底部固设有定位销且顶部开设有定位孔，定位销能够插入定位孔内进行组合安装，根据需要铺设多层、不同规格的基本单元模块，将个别的基本单元模块挖出，则在挖出处形成了负静态障碍物，在各位基本单元模块上堆叠基本单元模块，则在堆叠处形成了正静态障碍物，其中参考平面代表了室外的地面，负静态障碍物代表地面上的坑洼，正静态障碍物代表地面上的凸起。
具体地，步骤一中，所述障碍物还包括在模拟平台运动过程中其位置会发生变动的动态障碍物。
动态障碍物代表了室外可以移动的物体，例如动物、人体等，地面无人平台需要绕过这些动态障碍物去执行实际任务。
S2：将室内测试场景内的障碍物信息和终点位置发送至模拟平台，模拟平台生成包含规划轨迹的运行规划，且在室内测试场景中躲避障碍物并沿规划轨迹从初始位置运动至终点位置。
模拟平台生成整体的运行规划，并计划沿着规划轨迹运动到终点位置，由于规划与实际的偏差、障碍物的干扰，实际运行情况与运行规划会出现偏差，例如速度偏差、距离偏差、进行动态规划响应后新的规划轨迹的偏差等。
S3：在模拟平台从初始位置运动至终点位置的过程中，实时采集模拟平台的实际轨迹；根据模拟平台运行过程中的轨迹风险、模拟平台实际运行情况与运行规划的偏差，以及轨迹规划用时、规划轨迹长度计算地面无人平台的规划控制能力得分。
具体地，所述轨迹规划用时是模拟平台从接收到障碍物信息和终点位置到生成规划轨迹的用时，根据轨迹规划用时的长短确定轨迹规划用时得分St；每隔固定周期采集一次模拟平台的实际坐标点，在模拟平台的运动过程中，其实际坐标点依次为A1(x1,y1)，A2(x2,y2)，…，AN(xN,yN)，将上述坐标点按顺序以直线段连接形成所述的实际轨迹，对于每个实际坐标点Ai(xi,yi)，在规划轨迹上寻找与Ai对应的点A′i(x′i,y′i)；所述规划轨迹长度
Figure BDA0002561007530000061
则轨迹长度得分
Figure BDA0002561007530000071
其中Lmax为所述室内测试场景下的最大轨迹长度设定值；所述轨迹风险用于衡量模拟平台与障碍物的碰撞风险，计算各障碍物到实际轨迹的最小距离，并选取上述最小距离中的最小值dmin，则轨迹风险得分
Figure BDA0002561007530000072
其中D为安全距离；步骤三中，模拟平台实际运行情况与运行规划的偏差包括横向横向偏差和纵向偏差，所述横向偏差是模拟平台的实际运行情况与运行规划的距离偏差，计算每个实际坐标点与规划轨迹之间的最短距离di，并计算所有最短距离的平均值：
Figure BDA0002561007530000073
所述纵向偏差是模拟平台的实际运行情况与运行规划的速度偏差，采集模拟平台在每个实际坐标点的实际速度vi，计算速度差值
Figure BDA0002561007530000074
并计算所有速度差值的平均值
Figure BDA0002561007530000075
其中
Figure BDA0002561007530000076
为A′i点的规划速度，
Figure BDA0002561007530000077
为Ai点的实际速度vi在
Figure BDA0002561007530000078
方向上的速度分量；则横向偏差得分
Figure BDA0002561007530000079
纵向偏差得分
Figure BDA00025610075300000710
其中dmax为距离偏差阈值，vmax为速度偏差阈值；则地面无人平台的规划控制能力得分S＝wtSt+wLSL+wRSR+wlatSlat+wlngSlng，其中wt、wL、wR、wlat、wlng分别为轨迹规划用时得分的权值、轨迹长度得分的权值、轨迹风险度得分的权值、横向偏差得分的权值和纵向偏差得分的权值；上述规划控制能力得分综合了模拟平台的规划能力以及控制模拟平台按照规划运行的控制能力，能够全面反应地面无人平台的规划控制能力。
具体地，如果室内测试场景中包含动态障碍物时，则计算规划控制能力得分时需要不同的方法；所述轨迹规划用时是模拟平台从接收到障碍物信息和终点位置到生成运行规划的用时，根据轨迹规划用时的长短确定轨迹规划用时得分St；每隔固定周期采集一次模拟平台的实际坐标点，在模拟平台的运动过程中，其实际坐标点依次为A1(x1,y1)，A2(x2,y2)，…，AN(xN,yN)，将上述坐标点按顺序以直线段连接形成所述的实际轨迹，对于每个实际坐标点Ai(xi,yi)，在规划轨迹上寻找与Ai对应的点A′i(x′i,y′i)；所述规划轨迹长度
Figure BDA0002561007530000081
则轨迹长度得分
Figure BDA0002561007530000082
其中Lmax为所述室内测试场景下的最大轨迹长度设定值；所述轨迹风险用于衡量模拟平台与障碍物的碰撞风险，计算各障碍物到实际轨迹的最小距离，并选取上述最小距离中的最小值dmin，则轨迹风险得分
Figure BDA0002561007530000083
其中D为安全距离；步骤三中，模拟平台实际运行情况与运行规划的偏差包括纵向偏差和动态规划响应，所述纵向偏差是模拟平台的实际运行情况与运行规划的速度偏差，采集模拟平台在每个实际坐标点的实际速度vi，计算速度差值
Figure BDA0002561007530000084
并计算所有速度差值的平均值
Figure BDA0002561007530000085
其中
Figure BDA0002561007530000086
为A′i点的规划速度，
Figure BDA0002561007530000087
为Ai点的实际速度vi在
Figure BDA0002561007530000088
方向上的速度分量；则纵向偏差得分
Figure BDA0002561007530000089
其中dmax为距离偏差阈值，vmax为速度偏差阈值；所述动态规划响应是模拟平台检测到动态障碍物时，在初始的规划轨迹的基础上进行调整并生成新的规划轨迹的过程，则根据各动态障碍物距离新的规划轨迹的最小距离之和
Figure BDA00025610075300000810
确定动态规划响应得分Sdl；则地面无人平台的规划控制能力得分S＝wtSt+wLSL+wRSR+wdlSdl+wlngSlng，其中wt、wL、wR、wdl、wlng分别为轨迹规划用时得分的权值、轨迹长度得分的权值、轨迹风险度得分的权值、动态规划响应能力得分的权值和纵向偏差得分的权值；上述规划控制能力得分综合了模拟平台的规划能力以及控制模拟平台按照规划运行的控制能力，能够全面反应地面无人平台的规划控制能力。
模拟平台遭遇障碍物时会生成新的规划轨迹，其横向偏差难以计算，即使能够计算，横向偏差得分的数值会使整体得分失真，故该种情况下不再计算横向偏差得分。
其中障碍物信息包括障碍物的尺寸、位置、是否为静态障碍物、高于参考平面还是低于参考平面。
根据轨迹规划用时的长短确定轨迹规划用时得分St，轨迹规划用时越短，则St的数值越高；各动态障碍物距离新的规划轨迹的最小距离之和
Figure BDA0002561007530000091
越小，则动态规划响应得分Sdl越大。
实际坐标点的采集周期可根据需要设置，本实施例中采用毫秒级采集周期；每个实际坐标点Ai(xi,yi)在规划轨迹上都存在与之对应的点A′i(x′i,y′i)，这里的映射规则并非“A′i是规划轨迹上与Ai距离最近的点”，而是“规划轨迹上第i个点”，事实上，生成规划轨迹的同时，就在规划轨迹上生成了规划轨迹点A′i以及规划速度v″i，以规划速度从上一个规划轨迹点A′i-1经过一个采集周期后恰好运行至A′i点；如果遭遇动态障碍物，模拟平台生成新的规划轨迹，新的规划轨迹一般与原来的规划轨迹具有部分重合之处、部分不重合之处，如果原有轨迹上不重合部分具有M个点，则将新的规划轨迹上不重合之处等间距取M个点，用新规划轨迹上的M点代替原有规划轨迹上的M个点，以便计算纵向偏差时能够计算各点的速度差值。
具体地，计算规划轨迹长度之前，需先进行轨迹有效性验证；如果对于任意i∈[2,N]，存在yi>yi-1，则认为规划轨迹有效；否则规划轨迹无效，停止测试。
一种用于地面无人平台的室内测试系统，包括：
场景构建模块，其构建包含障碍物的室内测试场景，所述障碍物包括静态障碍物；
轨迹生成模块，其将室内测试场景内的障碍物信息和终点位置发送至模拟平台，模拟平台生成包含规划轨迹的运行规划，且在室内测试场景中躲避障碍物并沿规划轨迹从初始位置运动至终点位置；
评估模块：在模拟平台从初始位置运动至终点位置的过程中，实时采集模拟平台的实际轨迹；根据模拟平台运行过程中的轨迹风险、模拟平台实际运行情况与运行规划的偏差，以及轨迹规划用时、规划轨迹长度计算地面无人平台的规划控制能力得分。
评估模块可以集成到模拟平台中，也可以独立运行在服务器中。
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，所述处理器执行所述室内测试方法的步骤。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立技术方案，说明书的这种叙述方式仅仅是为了清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种用于地面无人平台的室内测试方法，其利用模拟平台在室内的测试结果判断地面无人平台的规划控制能力，包括以下步骤：
步骤一：构建包含障碍物的室内测试场景，所述障碍物包括静态障碍物；
步骤二：将室内测试场景内的障碍物信息和终点位置发送至模拟平台，模拟平台生成包含规划轨迹的运行规划，且在室内测试场景中躲避障碍物并沿规划轨迹从初始位置运动至终点位置；
步骤三：在模拟平台从初始位置运动至终点位置的过程中，实时采集模拟平台的实际轨迹；根据模拟平台运行过程中的轨迹风险、模拟平台实际运行情况与运行规划的偏差，以及轨迹规划用时、规划轨迹长度计算地面无人平台的规划控制能力得分。
2.根据权利要求1所述的用于地面无人平台的室内测试方法，其特征在于，所述轨迹规划用时是模拟平台从接收到障碍物信息和终点位置到生成规划轨迹的用时，根据轨迹规划用时的长短确定轨迹规划用时得分St；每隔固定周期采集一次模拟平台的实际坐标点，在模拟平台的运动过程中，其实际坐标点依次为A1(x1，y1)，A2(x2，y2)，...，AN(xN，yN)，将上述坐标点按顺序以直线段连接形成所述的实际轨迹，对于每个实际坐标点Ai(xi，yi)，在规划轨迹上寻找与Ai对应的点A′i(x′i，y′i)；所述规划轨迹长度
Figure FDA0002561007520000011
则轨迹长度得分
Figure FDA0002561007520000012
其中Lmax为所述室内测试场景下的最大轨迹长度设定值；所述轨迹风险用于衡量模拟平台与障碍物的碰撞风险，计算各障碍物到实际轨迹的最小距离，并选取上述最小距离中的最小值dmin，则轨迹风险得分
Figure FDA0002561007520000013
其中D为安全距离；步骤三中，模拟平台实际运行情况与运行规划的偏差包括横向横向偏差和纵向偏差，所述横向偏差是模拟平台的实际运行情况与运行规划的距离偏差，计算每个实际坐标点与规划轨迹之间的最短距离di，并计算所有最短距离的平均值：
Figure FDA0002561007520000021
所述纵向偏差是模拟平台的实际运行情况与运行规划的速度偏差，采集模拟平台在每个实际坐标点的实际速度vi，计算速度差值
Figure FDA0002561007520000022
并计算所有速度差值的平均值
Figure FDA0002561007520000023
其中
Figure FDA0002561007520000024
为A′i点的规划速度，
Figure FDA0002561007520000025
为Ai点的实际速度vi在
Figure FDA0002561007520000026
方向上的速度分量；则横向偏差得分
Figure FDA0002561007520000027
纵向偏差得分
Figure FDA0002561007520000028
其中dmax为距离偏差闽值，vmax为速度偏差闽值；则地面无人平台的规划控制能力得分S＝wtSt+wLSL+wRSR+wlatSlat+wlngSlng，其中wt、wL、wR、wlat、wlng分别为轨迹规划用时得分的权值、轨迹长度得分的权值、轨迹风险度得分的权值、横向偏差得分的权值和纵向偏差得分的权值。
3.根据权利要求1所述的用于地面无人平台的室内测试方法，其特征在于，步骤一中，所述障碍物还包括在模拟平台运动过程中其位置会发生变动的动态障碍物。
4.根据权利要求3所述的用于地面无人平台的室内测试方法，其特征在于，所述轨迹规划用时是模拟平台从接收到障碍物信息和终点位置到生成运行规划的用时，根据轨迹规划用时的长短确定轨迹规划用时得分St；每隔固定周期采集一次模拟平台的实际坐标点，在模拟平台的运动过程中，其实际坐标点依次为A1(x1，y1)，A2(x2，y2)，...，AN(xN，yN)，将上述坐标点按顺序以直线段连接形成所述的实际轨迹，对于每个实际坐标点Ai(xi，yi)，在规划轨迹上寻找与Ai对应的点A′i(x′i，y′i)；所述规划轨迹长度
Figure FDA0002561007520000029
则轨迹长度得分
Figure FDA00025610075200000210
其中Lmax为所述室内测试场景下的最大轨迹长度设定值；所述轨迹风险用于衡量模拟平台与障碍物的碰撞风险，计算各障碍物到实际轨迹的最小距离，并选取上述最小距离中的最小值dmin，则轨迹风险得分
Figure FDA0002561007520000031
其中D为安全距离；步骤三中，模拟平台实际运行情况与运行规划的偏差包括纵向偏差和动态规划响应，所述纵向偏差是模拟平台的实际运行情况与运行规划的速度偏差，采集模拟平台在每个实际坐标点的实际速度vi，计算速度差值
Figure FDA0002561007520000032
并计算所有速度差值的平均值
Figure FDA0002561007520000033
其中
Figure FDA0002561007520000034
为A′i点的规划速度，
Figure FDA0002561007520000035
为Ai点的实际速度vi在
Figure FDA0002561007520000036
方向上的速度分量；则纵向偏差得分
Figure FDA0002561007520000037
其中dmax为距离偏差闽值，vmax为速度偏差闽值；所述动态规划响应是模拟平台检测到动态障碍物时，在初始的规划轨迹的基础上进行调整并生成新的规划轨迹的过程，则根据各动态障碍物距离新的规划轨迹的最小距离之和
Figure FDA0002561007520000038
确定动态规划响应得分Sdl；则地面无人平台的规划控制能力得分S＝wtSt+wLSL+wRSR+wdlSdl+wlngSlng，其中wt、wL、wR、wdl、wlng分别为轨迹规划用时得分的权值、轨迹长度得分的权值、轨迹风险度得分的权值、动态规划响应能力得分的权值和纵向偏差得分的权值。
5.根据权利要求2或4所述的用于地面无人平台的室内测试方法，其特征在于，计算规划轨迹长度之前，需先进行轨迹有效性验证；如果对于任意i∈[2，N]，存在yi＞yi-1，则认为规划轨迹有效；否则规划轨迹无效，停止测试。
6.根据权利要求1所述的用于地面无人平台的室内测试方法，其特征在于，步骤一中，所述静态障碍物包括低于参考平面的负静态障碍物以及高于参考平面的正静态障碍物；构建室内测试场景时，需要构建地面坐标系统以及基本地形系统，所述地面坐标系统为采用等距栅格形式建立的UWB室内定位系统，所述基本地形系统包括多个基本单元模块，所述基本单元模块在室内测试场景中进行平铺，并根据需要去除个别基本单元模块形成负静态障碍物，在个别基本单元模块上堆叠其他基本单元模块形成正静态障碍物。
7.一种用于地面无人平台的室内测试系统，其特征在于：包括：
场景构建模块，其构建包含障碍物的室内测试场景，所述障碍物包括静态障碍物；
轨迹生成模块，其将室内测试场景内的障碍物信息和终点位置发送至模拟平台，模拟平台生成包含规划轨迹的运行规划，且在室内测试场景中躲避障碍物并沿规划轨迹从初始位置运动至终点位置；
评估模块：在模拟平台从初始位置运动至终点位置的过程中，实时采集模拟平台的实际轨迹；根据模拟平台运行过程中的轨迹风险、模拟平台实际运行情况与运行规划的偏差，以及轨迹规划用时、规划轨迹长度计算地面无人平台的规划控制能力得分。
8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，所述处理器执行如权利要求1-6中任一项所述室内测试方法的步骤。
CN202010605692.8A 2020-06-29 2020-06-29 用于地面无人平台的室内测试方法、系统及计算机设备 Active CN111879319B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010605692.8A CN111879319B (zh) 2020-06-29 2020-06-29 用于地面无人平台的室内测试方法、系统及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010605692.8A CN111879319B (zh) 2020-06-29 2020-06-29 用于地面无人平台的室内测试方法、系统及计算机设备

Publications (2)

Publication Number Publication Date
CN111879319A true CN111879319A (zh) 2020-11-03
CN111879319B CN111879319B (zh) 2023-10-20

Family

ID=73157316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010605692.8A Active CN111879319B (zh) 2020-06-29 2020-06-29 用于地面无人平台的室内测试方法、系统及计算机设备

Country Status (1)

Country Link
CN (1) CN111879319B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051765A (zh) * 2021-03-31 2021-06-29 中国科学院合肥物质科学研究院 一种基于虚拟场景变换的智能驾驶车辆车路在环测试方法
CN113703459A (zh) * 2021-08-31 2021-11-26 疯壳(深圳)科技有限公司 一种模拟室内无人驾驶系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101539270B1 (ko) * 2015-02-27 2015-07-24 군산대학교산학협력단 충돌회피 및 자율주행을 위한 센서융합 기반 하이브리드 반응 경로 계획 방법, 이를 수행하기 위한 기록 매체 및 이동로봇
CN106644503A (zh) * 2016-10-24 2017-05-10 中国科学院合肥物质科学研究院 一种智能车辆规划能力测试平台
CN108549366A (zh) * 2018-05-04 2018-09-18 同济大学 智能汽车道路行驶与虚拟测试平行映射实验方法
US20190278272A1 (en) * 2016-11-30 2019-09-12 SZ DJI Technology Co., Ltd. Method, device, and system for object testing
US20190317511A1 (en) * 2018-04-17 2019-10-17 Baidu Usa Llc Method for generating prediction trajectories of obstacles for autonomous driving vehicles
CN110462543A (zh) * 2018-03-08 2019-11-15 百度时代网络技术（北京）有限公司 用于评估自动驾驶车辆的感知要求的基于仿真的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101539270B1 (ko) * 2015-02-27 2015-07-24 군산대학교산학협력단 충돌회피 및 자율주행을 위한 센서융합 기반 하이브리드 반응 경로 계획 방법, 이를 수행하기 위한 기록 매체 및 이동로봇
CN106644503A (zh) * 2016-10-24 2017-05-10 中国科学院合肥物质科学研究院 一种智能车辆规划能力测试平台
US20190278272A1 (en) * 2016-11-30 2019-09-12 SZ DJI Technology Co., Ltd. Method, device, and system for object testing
CN110462543A (zh) * 2018-03-08 2019-11-15 百度时代网络技术（北京）有限公司 用于评估自动驾驶车辆的感知要求的基于仿真的方法
US20190317511A1 (en) * 2018-04-17 2019-10-17 Baidu Usa Llc Method for generating prediction trajectories of obstacles for autonomous driving vehicles
CN108549366A (zh) * 2018-05-04 2018-09-18 同济大学 智能汽车道路行驶与虚拟测试平行映射实验方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周妍 等: "基于CUDA并行的智能车辆MPC轨迹规划算法", 仪表技术, no. 10, pages 20 - 24 *
李彩虹;李贻斌;范晨;: "移动机器人动态避障算法", 山东大学学报(工学版), vol. 37, no. 05, pages 60 - 64 *
陈慧岩 等: "智能汽车横向控制方法研究综述", 兵工学报, vol. 38, no. 6, pages 1203 - 1214 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051765A (zh) * 2021-03-31 2021-06-29 中国科学院合肥物质科学研究院 一种基于虚拟场景变换的智能驾驶车辆车路在环测试方法
CN113051765B (zh) * 2021-03-31 2024-01-05 中国科学院合肥物质科学研究院 一种基于虚拟场景变换的智能驾驶车辆车路在环测试方法
CN113703459A (zh) * 2021-08-31 2021-11-26 疯壳(深圳)科技有限公司 一种模拟室内无人驾驶系统

Also Published As

Publication number Publication date
CN111879319B (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
Balakirsky et al. USARSim: providing a framework for multi-robot performance evaluation
CN102915465B (zh) 一种基于移动生物刺激神经网络的多机器人联合编队方法
Faigl et al. On benchmarking of frontier-based multi-robot exploration strategies
Frey et al. Locomotion policy guided traversability learning using volumetric representations of complex environments
CN105955262A (zh) 一种基于栅格地图的移动机器人实时分层路径规划方法
CN112684807A (zh) 无人机集群三维编队方法
CN111879319A (zh) 用于地面无人平台的室内测试方法、系统及计算机设备
KR102303432B1 (ko) 장애물의 특성을 고려한 dqn 및 slam 기반의 맵리스 내비게이션 시스템 및 그 처리 방법
CN113532461B (zh) 一种机器人自主避障导航的方法、设备及存储介质
CN114104139B (zh) 一种仿生足式机器人步足平台融合越障及自主跟随系统
Choi et al. Improved CNN-based path planning for stairs climbing in autonomous UAV with LiDAR sensor
Cook et al. Intelligent cooperative control for urban tracking
Miller et al. A mixture‐model based algorithm for real‐time terrain estimation
CN114200920A (zh) 路径规划方法、装置及控制系统
CN116225029A (zh) 一种机器人路径规划方法
CN113778119B (zh) 一种无人机控制路径优化方法
CN109397294A (zh) 一种基于ba-abc融合通信算法的机器人协作定位方法
Lv et al. A deep safe reinforcement learning approach for mapless navigation
CN113848750A (zh) 一种双轮机器人仿真系统及机器人系统
Clark et al. A navigation and obstacle avoidance algorithm for mobile robots operating in unknown, maze-type environments
Balakirsky et al. Usarsim: a robocup virtual urban search and rescue competition
Pfaff et al. Navigation in combined outdoor and indoor environments using multi-level surface maps
Hellstrom et al. Real-time path planning using a simulator-in-the-loop
Bayer et al. Autonomous Multi-robot Exploration with Ground Vehicles in DARPA Subterranean Challenge Finals.
CN114012727B (zh) 一种机械臂运动规划方法及系统

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