CN112327887A - 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统 - Google Patents

基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统 Download PDF

Info

Publication number
CN112327887A
CN112327887A CN202110006196.5A CN202110006196A CN112327887A CN 112327887 A CN112327887 A CN 112327887A CN 202110006196 A CN202110006196 A CN 202110006196A CN 112327887 A CN112327887 A CN 112327887A
Authority
CN
China
Prior art keywords
cell
cells
point
obstacle
end point
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
CN202110006196.5A
Other languages
English (en)
Other versions
CN112327887B (zh
Inventor
唐聃
何瑞
曾琼
高燕
岳希
王亚强
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.)
Dragon Totem Technology Hefei Co ltd
Original Assignee
Chengdu University of Information Technology
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 Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN202110006196.5A priority Critical patent/CN112327887B/zh
Publication of CN112327887A publication Critical patent/CN112327887A/zh
Application granted granted Critical
Publication of CN112327887B publication Critical patent/CN112327887B/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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process

Landscapes

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

Abstract

本发明提供一种基于迭代改进APF的无人驾驶汽车避碰路径规划方法与系统，方法包括：S1：建立二维工作空间，标记起始点、终点和障碍物；S2：在工作空间离散多个单元格，获取单元格对应的势值；S3：对势值排序，设定阈值，标记大于阈值的单元格；S4：对单元格进行遍历，获得两个标记簇，降低阈值，重复S3，直到两个标记簇有交叉点；S5：记录使两个标记簇有交叉点的阈值及阈值对应的单元格，找到满足只有一个单元格连接两个标记簇的单元格，设为第一中点；S6：重复S4‑S5，获得满足要求的中点，所有中点和起点、终点相连形成一条无障碍的路径。本方法能在短时间内规划出避开障碍物的路径，且路径距离极短。

Description

基于迭代改进APF的无人驾驶汽车避碰路径规划方法与系统
技术领域
本发明属于无人驾驶技术领域，具体涉及一种基于迭代改进APF的无人驾驶汽车避碰路径规划方法与系统。
背景技术
汽车出行中，常常由于疲劳驾驶，酒醉驾驶，接打电话以及走神，注意力不集中等原因造成的交通事故，同时由于司机不遵守道路的交规或者不文明驾驶给道路和交通环境带来了巨大的压力，导致出行效率降低。
在无人驾驶研究领域，传统的避障方法包括将雷达和传感器进行结合，该结合后的设备的好处是精确度高且反应很快，但是它也存在成本过高的缺点，且雷达和传感器等设备极易损坏，后期维护费用也极其高。随后有学者结合人工智能算法提出了APF（人工势场）避障法，该方法的基本思想是把车辆在周围环境中的运动视为车辆在人工建立的虚拟场中运动，目标点产生引力，引导车辆向目标点运动；障碍物产生斥力，避免车辆与障碍物发生碰撞，斥力、引力构造一个虚拟势场，车辆在二者的合力下沿着这个势场的“势峰”间的“势谷”前进运动，利用该方法规划出来的路径一般比较平滑且安全，方法简明，实时性良好；但是该方法在使用时，有可能陷入局部最优解，从而导致计算机难以对规划处的路径进行车辆动力学约束，最终陷入计算陷阱；而且密集的障碍物之间没有通道，当障碍物存在时还会受到振荡影响，存在势场作用域相对固定、不灵活、以及避障角度过大等缺点。
发明内容
本发明的目的之一在于提供一种基于迭代改进APF的无人驾驶汽车避碰路径规划方法，该方法能规划出避开障碍物的极短路径。
为实现上述目的，本发明的技术方案为：一种基于迭代改进APF的无人驾驶汽车避碰路径规划方法，包括以下步骤：
S1：建立自动驾驶汽车所处环境的二维工作空间，并标记起始点、终点和障碍物；
S2：在所述二维工作空间离散多个单元格，为每一个单元格分配随机值，获取所有单元格对应的势值；
S3：根据每个单元格的所述势值进行排序，然后设定一个阈值，标记所有势值大于所述阈值的对应单元格；
S4：使用广度优先算法对工作区间的每个单元格进行遍历，获得两个不同的标记簇，然后降低所述阈值，重复步骤S3，直到两个标记簇有交叉点；
S5：记录使两个标记簇有交叉点的所有阈值为目标阈值以及目标阈值对应的单元格，在这些单元格中找到满足有且仅有一个单元格连接两个标记簇的单元格，并将该单元格设置为第一中点；
S6：重复步骤S4-S5，获得所述二维工作空间所有满足要求的中点，直到所有中点能和标记的起点与终点相连形成一条无障碍的路径为止。
进一步地，还包括步骤：
当步骤S5中的目标阈值存在多个对应单元格时，通过以下方法改变单元格的势值：
单元格S1和S2的势值相同都为x，且S1的下一个单元格的值为y，则令S1的势值为x，S2的势值为（y+x）/2。
进一步地，所述步骤S2中的所有单元格对应的势值通过以下步骤获得：
S21：根据标记的所述起始点、终点和障碍物获得所述自动驾驶汽车当前所处单元格与起点、终点和最近障碍物的距离；
S22：根据所述自动驾驶汽车当前所处单元格与起点、终点和最近障碍物的距离获得起始点、终点和当前障碍物所在单元格的势值以及所述自动驾驶汽车当前所处单元格的势值；
Figure 986523DEST_PATH_IMAGE001
；
其中，表示当前所处单元格的标记，为常量，表示生成路径的行为变化，s表示起 点，e表示终点，o表示最近障碍物，
Figure 921353DEST_PATH_IMAGE006
、
Figure 204566DEST_PATH_IMAGE007
、
Figure 495870DEST_PATH_IMAGE008
分别为自动驾驶汽车当 前所处单元格与起点、终点和最近障碍物的距离，
Figure 231745DEST_PATH_IMAGE009
、
Figure 165066DEST_PATH_IMAGE010
、
Figure 302787DEST_PATH_IMAGE011
分别表 示起始点、终点和当前障碍物的势值，
Figure 30571DEST_PATH_IMAGE012
表示自动驾驶汽车当前所处单元格的势值；
S23：循环步骤S22获得所有单元格对应的势值。
进一步地，所述两个标记簇分别位于预测路径的起始点和终点周围，位于预测路径起始点的标记簇为起始点簇，位于预测路径终点的标记簇为终点簇。
进一步地，所述步骤S2中分配的单元格面积大小大于等于所述自动驾驶汽车正向投影面积大小。
本发明的目的之二在于提供一种基于迭代改进APF的无人驾驶汽车避碰路径规划系统，该系统用于自动驾驶汽车的路径防碰撞规划。
为实现上述目的，本发明的技术方案为：一种基于迭代改进APF的无人驾驶汽车避碰路径规划系统，包括：
工作空间生成模块，用于建立一个自动驾驶汽车所处环境的二维工作空间模型，并在所述二维工作空间模型标记起始点、终点和障碍物，同时所述二维工作空间模型离散有多个单元格，每个单元格获取对应势值；
路径规划模块，与所述工作空间生成模块相连，用于对所有单元格对应的势值进行排序，并选择阈值，标记所有势值大于所述阈值的对应单元格，并使用广度优先算法对工作区间的每个单元格进行遍历，获得两个不同的标记簇，然后多次降低所述阈值，记录所有使两个标记簇有交叉点的所有阈值为目标阈值以及目标阈值对应的单元格，在这些单元格中找到满足有且仅有一个单元格连接两个标记簇的单元格，并将该单元格设置中点，直到所有中点能和标记的起点与终点相连形成一条无障碍的路径为止。
进一步地，还包括势值修正模块，与所述工作空间生成模块、路径规划模块均相连，用于当所述目标阈值存在多个对应单元格时，改变对应单元格的势值。
进一步地，所述工作空间生成模块包括势值获取单元，用于根据所述起始点、终点和障碍物获得任一单元格与起点、终点和最近障碍物的距离，然后根据任一单元格与起点、终点和最近障碍物的距离获得起始点、终点和当前障碍物所在单元格的势值以及任一单元格的势值。
进一步地，所述路径规划模块获得所述两个标记簇分别位于预测路径的起始点和终点周围，位于预测路径起始点的标记簇为起始点簇，位于预测路径终点的标记簇为终点簇。
进一步地，所述工作空间生成模块将二维工作空间模型离散为50×50的单元格。
与现有技术相比，本发明具有如下优点：
本发明提供一种基于迭代改进APF的无人驾驶汽车避碰路径规划方法与系统，本方法在保持传统APF方法简单性的同时，建立新的基于距离障碍物，终点和起点的潜在关系，迭代的使用潜在域值来寻找工作空间的最优点，从而形成路径起始点到终点的最优避障路径，从而让自动驾驶汽车安全到达终点且行驶路径尽可能小；
同时，本发明利用人工势场的建立，找出自动驾驶汽车工作区间最优点，使得本发明可以在很短时间内规划出避开障碍物的路径，而且路径距离极短。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍。显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明一种基于迭代改进APF的无人驾驶汽车避碰路径规划系统的一实施例结构示意图；
图2为本发明一种基于迭代改进APF的无人驾驶汽车避碰路径规划方法的一实施例流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
所举实施例是为了更好地对本发明进行说明，但并不是本发明的内容仅局限于所举实施例。所以熟悉本领域的技术人员根据上述发明内容对实施方案进行非本质的改进和调整，仍属于本发明的保护范围。
实施例1
参考图1，为本发明一种基于迭代改进APF的无人驾驶汽车避碰路径规划系统的结构示意图，具体地，该系统包括：
工作空间生成模块1，用于建立一个自动驾驶汽车所处环境的二维工作空间模型，并在二维工作空间模型标记起始点、终点和障碍物，同时二维工作空间模型离散有多个单元格，每个单元格获取对应势值；
工作空间生成模块包括模型建立单元11与势值获取单元12，模型建立单元11用于建立一个自动驾驶汽车所处环境的二维工作空间模型，并在二维工作空间模型离散多个单元格、标记起始点、终点和障碍物；
模型建立单元11将二维工作空间模型离散为50×50的单元格，当然在其他实施例中，也可根据规划需求，离散为其他数值的单元格；但单元格面积大小需要大于等于自动驾驶汽车正向投影面积大小；
势值获取单元12与模型建立单元11相连，用于根据起始点、终点和障碍物获得任一单元格与起点、终点和最近障碍物的距离，然后根据任一单元格与起点、终点和最近障碍物的距离获得起始点、终点和当前障碍物所在单元格的势值以及任一单元格的势值。
路径规划模块2，与势值获取单元12相连，用于对所有单元格对应的势值进行排序，并选择阈值，标记所有势值大于阈值的对应单元格，并使用广度优先算法对工作区间的每个单元格进行遍历，获得两个不同的标记簇，然后多次降低阈值，记录所有使两个标记簇有交叉点的所有阈值为目标阈值以及目标阈值对应的单元格，在这些单元格中找到满足有且仅有一个单元格连接两个标记簇的单元格，并将该单元格设置中点，直到所有中点能和标记的起点与终点相连形成一条无障碍的路径为止；
本实施例中，路径规划模块2获得两个标记簇分别位于预测路径的起始点和终点周围。
势值修正模块3，与势值获取单元12、路径规划模块2均相连，用于当目标阈值存在多个对应单元格时，改变对应单元格的势值。
实施例2
基于实施例1中的系统，本实施例中提供一种基于迭代改进APF的无人驾驶汽车避碰路径规划方法，流程图参考图2，方法包括以下步骤：
S1：建立自动驾驶汽车所处环境的二维工作空间，并标记起始点、终点和障碍物；
S2：在二维工作空间离散多个单元格，为每一个单元格分配随机值，获取所有单元格对应的势值；
在一具体实施例中，可以将工作空间离散为50×50的单元格给每个单元格分配随机值，每个单元格要么是空的，要么是有障碍物，且单元格面积大小大于等于自动驾驶汽车正向投影面积大小，如假设每个单元格长度和宽度均为1，用坐标W（x，y）表示每个单元格，其中x，y表示当前单元格的坐标值，且满足0≤x≤50，0≤y≤50，当然也可以离散为其他数值的单元格；
进一步地，本步骤S2中的所有单元格对应的势值通过以下步骤获得：
S21：根据标记的起始点、终点和障碍物获得自动驾驶汽车当前所处单元格与起点、终点和最近障碍物的距离；
S22：根据自动驾驶汽车当前所处单元格与起点、终点和最近障碍物的距离获得起始点、终点和当前障碍物所在单元格的势值以及自动驾驶汽车当前所处单元格的势值；
Figure 253742DEST_PATH_IMAGE013
；
其中，表示当前所处单元格的标记，为常量，表示生成路径的行为变化，s表示起 点，e表示终点，o表示最近障碍物，
Figure 114622DEST_PATH_IMAGE014
、
Figure 90669DEST_PATH_IMAGE015
、
Figure 834634DEST_PATH_IMAGE016
分别为自动驾驶汽车当前 所处单元格与起点、终点和最近障碍物的距离，
Figure 946946DEST_PATH_IMAGE017
、
Figure 16533DEST_PATH_IMAGE018
、
Figure 214297DEST_PATH_IMAGE019
分别表示 起始点、终点和当前障碍物的势值，
Figure 761953DEST_PATH_IMAGE012
表示自动驾驶汽车当前所处单元格的势值；
S23：循环步骤S22获得所有单元格对应的势值。
S3：根据每个单元格的势值进行排序，然后设定一个阈值，标记所有势值大于阈值的对应单元格；
本步骤中，假设路径起点和终点附近单元格的势值较高，而靠近障碍物的单元格的势值较低，从排序的列表中选取一个大的势值，并将这个势值标记为阈值，将大于阈值的势值对应的单元格进行标记；
S4：使用广度优先算法对工作区间的每个单元格进行遍历，获得两个不同的标记簇，然后降低阈值，重复步骤S3，直到两个标记簇有交叉点；
本实施例中，用广度优先算法对工作区间的每个单元格进行遍历，结合步骤S3中的标记，在预测路径起始点和终点周围会获得两个不同的标记簇；然后逐渐降低该阈值，重复步骤S3，使预测路径起点和终点的标记簇范围扩大，直到两个标记簇有交叉点为止；
优选地，两个标记簇分别位于预测路径的起始点和终点周围，位于预测路径起始点的标记簇为起始点簇，位于预测路径终点的标记簇为终点簇；
S5：记录使两个标记簇有交叉点的所有阈值为目标阈值以及目标阈值对应的单元格，在这些单元格中找到满足有且仅有一个单元格连接两个标记簇的单元格，并将该单元格设置为第一中点；
本步骤中，记录满足步骤S4中使两个标记簇有交叉点的所有阈值，并将这些阈值记为目标阈值、以及目标阈值对应的单元格，找出所有单元格中满足有且仅有一个单元格连接预测路径起始点簇和终点簇的单元格；
在一具体实施例中，当步骤S5中的目标阈值存在多个对应单元格时，通过以下方法改变单元格的势值：单元格S1和S2的势值相同都为x，且S1的下一个单元格的值为y，则令S1的势值为x，S2的势值为（y+x）/2，重复以上步骤，对阈值相同的单元格进行处理，直到没有相同的阈值为止。
S6：重复步骤S4至S5，获得二维工作空间所有满足要求的中点，直到所有中点能和标记的起点与终点相连形成一条无障碍的路径为止。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种基于迭代改进APF的无人驾驶汽车避碰路径规划方法，其特征在于，包括以下步骤：
S1：建立自动驾驶汽车所处环境的二维工作空间，并标记起始点、终点和障碍物；
S2：在所述二维工作空间离散多个单元格，为每一个单元格分配随机值，获取所有单元格对应的势值；
S3：根据每个单元格的所述势值进行排序，然后设定一个阈值，标记所有势值大于所述阈值的对应单元格；
S4：使用广度优先算法对工作区间的每个单元格进行遍历，获得两个不同的标记簇，然后降低所述阈值，重复步骤S3，直到两个标记簇有交叉点；
S5：记录使两个标记簇有交叉点的所有阈值为目标阈值以及目标阈值对应的单元格，在这些单元格中找到满足有且仅有一个单元格连接两个标记簇的单元格，并将该单元格设置为第一中点；
S6：重复步骤S4-S5，获得所述二维工作空间所有满足要求的中点，直到所有中点能和标记的起点与终点相连形成一条无障碍的路径为止。
2.根据权利要求1所述的方法，其特征在于，还包括步骤：
当步骤S5中的目标阈值存在多个对应单元格时，通过以下方法改变单元格的势值：
单元格S1和S2的势值相同都为x，且S1的下一个单元格的值为y，则令S1的势值为x，S2的势值为（y+x）/2。
3.根据权利要求1所述的方法，其特征在于，所述步骤S2中的所有单元格对应的势值通过以下步骤获得：
S21：根据标记的所述起始点、终点和障碍物获得所述自动驾驶汽车当前所处单元格与起点、终点和最近障碍物的距离；
S22：根据所述自动驾驶汽车当前所处单元格与起点、终点和最近障碍物的距离获得起始点、终点和当前障碍物所在单元格的势值以及所述自动驾驶汽车当前所处单元格的势值；
Figure DEST_PATH_IMAGE001
；
其中，
Figure 175915DEST_PATH_IMAGE002
表示当前所处单元格的标记，
Figure DEST_PATH_IMAGE003
为常量，s表示起点，e表示终点，o表示最近障 碍物，
Figure 624214DEST_PATH_IMAGE004
、
Figure DEST_PATH_IMAGE005
、
Figure 466268DEST_PATH_IMAGE006
分别为自动驾驶汽车当前所处单元格与起点、终点 和最近障碍物的距离，
Figure DEST_PATH_IMAGE007
、
Figure 189373DEST_PATH_IMAGE008
、
Figure DEST_PATH_IMAGE009
分别表示起始点、终点和当前障碍 物的势值，
Figure 269325DEST_PATH_IMAGE010
表示自动驾驶汽车当前所处单元格的势值；
S23：循环步骤S22获得所有单元格对应的势值。
4.根据权利要求1所述的方法，其特征在于，所述两个标记簇分别位于预测路径的起始点和终点周围，位于预测路径起始点的标记簇为起始点簇，位于预测路径终点的标记簇为终点簇。
5.根据权利要求1所述的方法，其特征在于，所述步骤S2中分配的单元格面积大小大于等于所述自动驾驶汽车正向投影面积大小。
6.一种基于迭代改进APF的无人驾驶汽车避碰路径规划系统，其特征在于，包括：
工作空间生成模块，用于建立一个自动驾驶汽车所处环境的二维工作空间模型，并在所述二维工作空间模型标记起始点、终点和障碍物，同时所述二维工作空间模型离散有多个单元格，每个单元格获取对应势值；
路径规划模块，与所述工作空间生成模块相连，用于对所有单元格对应的势值进行排序，并选择阈值，标记所有势值大于所述阈值的对应单元格，并使用广度优先算法对工作区间的每个单元格进行遍历，获得两个不同的标记簇，然后多次降低所述阈值，记录所有使两个标记簇有交叉点的所有阈值为目标阈值以及目标阈值对应的单元格，在这些单元格中找到满足有且仅有一个单元格连接两个标记簇的单元格，并将该单元格设置中点，直到所有中点能和标记的起点与终点相连形成一条无障碍的路径为止。
7.根据权利要求6所述的系统，其特征在于，还包括势值修正模块，与所述工作空间生成模块、路径规划模块均相连，用于当所述目标阈值存在多个对应单元格时，改变对应单元格的势值。
8.根据权利要求6所述的系统，其特征在于，所述工作空间生成模块包括势值获取单元，用于根据所述起始点、终点和障碍物获得任一单元格与起点、终点和最近障碍物的距离，然后根据任一单元格与起点、终点和最近障碍物的距离获得起始点、终点和当前障碍物所在单元格的势值以及任一单元格的势值。
9.根据权利要求6所述的系统，其特征在于，所述路径规划模块获得所述两个标记簇分别位于预测路径的起始点和终点周围，两个标记簇分别位于预测路径的起始点和终点周围，位于预测路径起始点的标记簇为起始点簇，位于预测路径终点的标记簇为终点簇。
10.根据权利要求6所述的系统，其特征在于，所述工作空间生成模块将二维工作空间模型离散为50×50的单元格。
CN202110006196.5A 2021-01-05 2021-01-05 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统 Active CN112327887B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110006196.5A CN112327887B (zh) 2021-01-05 2021-01-05 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110006196.5A CN112327887B (zh) 2021-01-05 2021-01-05 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统

Publications (2)

Publication Number Publication Date
CN112327887A true CN112327887A (zh) 2021-02-05
CN112327887B CN112327887B (zh) 2021-04-30

Family

ID=74302225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110006196.5A Active CN112327887B (zh) 2021-01-05 2021-01-05 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统

Country Status (1)

Country Link
CN (1) CN112327887B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113085850A (zh) * 2021-06-08 2021-07-09 新石器慧通（北京）科技有限公司 车辆避障方法、装置、电子设备及存储介质
CN115456249A (zh) * 2022-08-16 2022-12-09 上海聚水潭网络科技有限公司 一种分拣行走路径优化方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942419A (zh) * 2014-04-04 2014-07-23 南京邮电大学 一种混合智能优化方法
US20150120138A1 (en) * 2013-10-28 2015-04-30 GM Global Technology Operations LLC Path planning for evasive steering manuever employing a virtual potential field technique
CN105716613A (zh) * 2016-04-07 2016-06-29 北京进化者机器人科技有限公司 一种机器人避障中的最短路径规划方法
CN109460065A (zh) * 2019-01-12 2019-03-12 中国人民解放军国防科技大学 基于势函数的无人机集群队形特征辨识方法及系统
CN110471408A (zh) * 2019-07-03 2019-11-19 天津大学 基于决策过程的无人驾驶车辆路径规划方法
CN111481933A (zh) * 2020-05-18 2020-08-04 浙江工业大学 一种基于改进势场栅格法的游戏路径规划方法
CN111693061A (zh) * 2020-06-18 2020-09-22 成都信息工程大学 一种动态路径规划中路径选择的方法
CN111982125A (zh) * 2020-08-31 2020-11-24 长春工业大学 一种基于改进蚁群算法的路径规划方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150120138A1 (en) * 2013-10-28 2015-04-30 GM Global Technology Operations LLC Path planning for evasive steering manuever employing a virtual potential field technique
CN103942419A (zh) * 2014-04-04 2014-07-23 南京邮电大学 一种混合智能优化方法
CN105716613A (zh) * 2016-04-07 2016-06-29 北京进化者机器人科技有限公司 一种机器人避障中的最短路径规划方法
CN109460065A (zh) * 2019-01-12 2019-03-12 中国人民解放军国防科技大学 基于势函数的无人机集群队形特征辨识方法及系统
CN110471408A (zh) * 2019-07-03 2019-11-19 天津大学 基于决策过程的无人驾驶车辆路径规划方法
CN111481933A (zh) * 2020-05-18 2020-08-04 浙江工业大学 一种基于改进势场栅格法的游戏路径规划方法
CN111693061A (zh) * 2020-06-18 2020-09-22 成都信息工程大学 一种动态路径规划中路径选择的方法
CN111982125A (zh) * 2020-08-31 2020-11-24 长春工业大学 一种基于改进蚁群算法的路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王凯等: "利用改进人工势场法的智能车避障路径规划", 《辽宁工程技术大学学报(自然科学版)》 *
范县成等: "迷宫机器人走迷宫算法仿真设计", 《安徽工程大学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113085850A (zh) * 2021-06-08 2021-07-09 新石器慧通（北京）科技有限公司 车辆避障方法、装置、电子设备及存储介质
CN113085850B (zh) * 2021-06-08 2021-09-21 新石器慧通（北京）科技有限公司 车辆避障方法、装置、电子设备及存储介质
CN115456249A (zh) * 2022-08-16 2022-12-09 上海聚水潭网络科技有限公司 一种分拣行走路径优化方法及系统
CN115456249B (zh) * 2022-08-16 2024-03-22 上海聚水潭网络科技有限公司 一种分拣行走路径优化方法及系统

Also Published As

Publication number Publication date
CN112327887B (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN112327887B (zh) 基于迭代改进apf的无人驾驶汽车避碰路径规划方法与系统
CN112068548B (zh) 5g环境下面向特殊场景的无人驾驶车辆路径规划方法
CN107168305B (zh) 路口场景下基于Bezier和VFH的无人车轨迹规划方法
US10564647B2 (en) Method and apparatus for determining a desired trajectory for a vehicle
CN109808709B (zh) 车辆行驶保障方法、装置、设备及可读存储介质
CN110908373A (zh) 一种基于改进人工势场的智能车辆轨迹规划方法
US11927952B2 (en) Adaptive multi-network vehicle architecture
CN108898866B (zh) 一种智能车辆控制系统
EP3533040A1 (en) Driving assistance method and system
CN109318899B (zh) 自动驾驶车辆的弯道行驶方法、装置、设备和存储介质
EP3794573B1 (en) Navigating congested environments with risk level sets
CN110553660A (zh) 一种基于a*算法和人工势场的无人车轨迹规划方法
US20230084578A1 (en) Systems, methods, and media for occlusion-aware motion planning
US20220203971A1 (en) Vehicle control method
US20230415762A1 (en) Peer-to-peer occupancy estimation
CN112906542A (zh) 一种基于强化学习的无人车避障方法及装置
Ozbilgin et al. Evaluating the requirements of communicating vehicles in collaborative automated driving
CN114644016A (zh) 车辆自动驾驶决策方法、装置、车载终端和存储介质
CN109729164B (zh) 智能网联汽车计算平台车端与云端运算等级分配方法
CN113375672B (zh) 一种无人飞行器的高实时航迹避让方法及系统
Park et al. Occlusion-aware risk assessment and driving strategy for autonomous vehicles using simplified reachability quantification
CN113485378B (zh) 基于交通规则的移动机器人路径规划方法、系统及存储介质
CN114815853A (zh) 一种考虑路面障碍特征的路径规划方法和系统
CN113682300A (zh) 避让障碍物的决策方法、装置、设备及介质
Saxena et al. Simulated Basic Safety Message: Concept & Application

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
TR01 Transfer of patent right

Effective date of registration: 20240116

Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Dragon totem Technology (Hefei) Co.,Ltd.

Address before: 610225, No. 24, Section 1, Xuefu Road, Southwest Economic Development Zone, Chengdu, Sichuan

Patentee before: CHENGDU University OF INFORMATION TECHNOLOGY

TR01 Transfer of patent right