CN112419779A - 无人车停靠点的选取方法及装置、存储介质及电子设备 - Google Patents
无人车停靠点的选取方法及装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112419779A CN112419779A CN202011241664.9A CN202011241664A CN112419779A CN 112419779 A CN112419779 A CN 112419779A CN 202011241664 A CN202011241664 A CN 202011241664A CN 112419779 A CN112419779 A CN 112419779A
- Authority
- CN
- China
- Prior art keywords
- node
- effective
- stop point
- parking
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
Abstract
本公开提供一种无人车停靠点的选取方法及装置、电子设备、计算机可读存储介质,涉及人工智能技术领域。所述无人车停靠点的选取方法包括:以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点;基于所述当前位置节点、各所述有效节点及原始目标停靠点得到各所述有效节点的多个停靠参数,并根据所述停靠参数计算得到停靠至各所述有效节点的代价参数;基于所述代价参数在各所述有效节点中进行至少一次选择,得到最终目标停靠点。本公开可以在无需人为介入的情况下,为无人车选择合适的停靠点,解决了在原始目标停靠点不可达时,无人车长时间占据不合理区域影响交通安全等问题。
Description
技术领域
本公开涉及人工智能技术领域,具体而言,涉及一种无人车停靠点的选取方法、无人车停靠点的选取装置、电子设备以及计算机可读存储介质。
背景技术
随着社会信息化的不断发展,人工智能和自动控制已经渗透到了人类社会生产及生活的方方面面,极大了提高了生产生活的便捷性,节约了人力成本。例如,基于自动驾驶技术控制无人配送车进行物流运输。
现有的自动驾驶技术通常通过设置目标停靠点来令车辆到达目标位置。然而,在实际场景中,可能会出现车辆到达时,所选位置已被占据等情况,导致车辆无法顺利到达。若长时间在道路中间、人流量较大的通行道等不合理区域等待,还会影响到交通安全。
因此,为了解决上述问题,需要提供一种无人车停靠点的选取方法,可以实现在原始目标停靠点被占据时,及时地为无人车选取新的停靠点。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例的目的在于提供一种无人车停靠点的选取方法、无人车停靠点的选取装置、电子设备以及计算机可读存储介质,从而在原始目标停靠点被占据时,及时地为无人车选取新的停靠点,解决了在原始目标停靠点不可达时,无人车长时间占据不合理区域影响交通安全等问题。
根据本公开的第一方面,提供一种无人车停靠点的选取方法,包括:
以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点;
基于所述当前位置节点、各所述有效节点及原始目标停靠点的位置信息得到各所述有效节点的多个停靠参数,并根据所述停靠参数计算得到停靠至各所述有效节点的代价参数;
基于所述代价参数在各所述有效节点中进行至少一次选择,得到最终目标停靠点。
在本公开的一种示例性实施例中,所述以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点,包括:
将所述当前位置节点作为初始父节点,并以所述初始父节点为中心,以预设距离搜索所述初始父节点的多个邻居节点;
判断所述邻居节点是否满足所述停靠条件,当所述邻居节点满足所述停靠条件时,将所述邻居节点加入有效节点列表;
以所述邻居节点为新的父节点,并以所述新的父节点为中心,以所述预设距离搜索所述新的父节点的多个邻居节点,并在所述邻居节点满足所述停靠条件时,将所述邻居节点加入所述有效节点列表,重复该步骤,直至所述预设搜索范围中没有未被搜索的节点。
在本公开的一种示例性实施例中,所述判断所述邻居节点是否满足所述停靠条件,当所述邻居节点满足所述停靠条件时,将所述邻居节点加入有效节点列表,包括:
获取所述邻居节点的当前状态,依据所述当前状态判断所述邻居节点是否满足所述停靠条件,并在满足所述停靠条件时,将所述邻居节点加入所述有效节点列表;
其中,所述满足所述停靠条件,包括:所述邻居节点位于所述预设搜索范围、不与不可跨越区域碰撞且未被搜索过。
在本公开的一种示例性实施例中,所述基于所述当前位置节点、各所述有效节点及原始目标停靠点的位置信息得到各所述有效节点的多个停靠参数,并根据所述停靠参数计算得到停靠至各所述有效节点的代价参数,包括:
获取所述当前位置节点、各所述有效节点及原始目标停靠点的位置信息,基于所述位置信息得到各所述有效节点的多个停靠参数;
基于预设的权重策略对多个所述停靠参数进行加权运算,得到各所述有效节点对应的所述代价参数。
在本公开的一种示例性实施例中,所述基于所述位置信息得到各所述有效节点的多个停靠参数,包括:
依据所述原始目标停靠点及各所述有效节点的所述位置信息计算得到所述原始目标停靠点及各所述有效节点之间的欧式距离,作为第一停靠参数;
以所述原始目标停靠点为中心搜索对应的停靠边界,并计算各所述有效节点与搜索到的对应所述停靠边界之间的欧式距离,作为第二停靠参数;
依据所述当前位置节点及各所述有效节点的所述位置信息计算得到所述当前位置节点及各所述有效节点之间的欧式距离,作为第三停靠参数;
依据所述当前位置节点及各所述有效节点的所述位置信息计算得到所述当前位置节点及各所述有效节点之间的方向差,作为第四停靠参数。
在本公开的一种示例性实施例中,所述基于所述代价参数在各所述有效节点中进行至少一次选择,得到最终目标停靠点,包括:
在所述原始目标停靠点不可达时,从各所述有效节点构成的有效节点集合中选择所述代价参数最小的所述有效节点作为当前目标停靠点;
从有效节点集合中删除所述当前目标停靠点,检测所述当前目标停靠点是否可达,并在不可达时,在所述有效节点集合中选择所述代价参数最小的所述有效节点作为新的当前目标停靠点,重复该步骤,直至所选的所述当前目标停靠点可达;
将所选的所述当前目标停靠点作为所述最终目标停靠点。
在本公开的一种示例性实施例中,所述基于所述代价参数在各所述有效节点中进行至少一次选择,得到最终目标停靠点时,所述方法还包括:
更新所述有效节点。
根据本公开的第二方面,提供一种无人车停靠点的选取装置,包括:
有效节点搜索模块,用于以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点;
代价参数计算模块,用于基于所述当前位置节点、各所述有效节点及原始目标停靠点的位置信息得到各所述有效节点的多个停靠参数,并根据所述停靠参数计算得到停靠至各所述有效节点的代价参数;
停靠点选择模块,用于基于所述代价参数在各所述有效节点中进行至少一次选择,得到最终目标停靠点。
根据本公开的第三方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的方法。
本公开示例性实施例可以具有以下部分或全部有益效果:
在本公开示例实施方式所提供的无人车停靠点的选取方法中,以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点;基于上述当前位置节点、各有效节点及原始目标停靠点得到各有效节点的多个停靠参数,并根据得到的停靠参数计算停靠至各有效节点的代价参数;基于代价参数在各有效节点中进行至少一次选择,得到最终目标停靠点。一方面,本示例实施方式所提供的无人车停靠点的选取方法可以搜索到预设搜索范围内的全部有效节点,并实时地在搜索到的有效节点中为无人车选取停靠点。也即,在上述原始目标停靠点不可达时,可以在上述有效节点中为无人车选择新的停靠点,从而可以避免无人车长时间地占用不合理区域,提高自动驾驶的安全性。另一方面,本示例实施方式依据当前位置节点、各有效节点及原始目标停靠点得到了各有效节点的多个停靠参数,基于各节点的停靠参数计算得到停靠至对应节点的代价参数,结合得到的代价参数,可以选择停靠代价最小的有效节点作为最终的目标停靠点,从而可以降低停靠难度,缩短停靠时间。同时,由于上述过程无需人为参与,因此还可以节约人力成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了可以应用本公开实施例的一种无人车停靠点的选取方法及装置的示例性系统架构的示意图;
图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图;
图3示意性示出了根据本公开的一个实施例的无人车停靠点的选取方法的流程示意图;
图4示意性示出了根据本公开的一个实施例的无人车停靠点的选取方法的有效节点选取的流程示意图;
图5示意性示出了根据本公开的一个实施例的无人车停靠点的选取方法构建的节点示意图;
图6示意性示出了根据本公开的一个实施例的无人车停靠点的选取方法的停靠边界选取示意图;
图7示意性示出了根据本公开的一个实施例的无人车停靠点的选取方法的最终目标停靠点选取的流程示意图;
图8示意性示出了根据本公开的一个实施例的无人车停靠点的选取方法的有效节点构建及最终目标点选定的示意图;
图9示意性示出了根据本公开的一个实施例的无人车停靠点的选取装置的框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本公开实施例的一种无人车停靠点的选取方法及装置的示例性应用环境的系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103中的一个或多个,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103可以是设置或连接于上述无人车的各种电子设备,包括但不限于各类传感器、定位系统、台式计算机、便携式计算机、智能手机和平板电脑等等。应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
本公开实施例所提供的无人车停靠点的选取方法可以由终端设备101、102、103执行,相应的,无人车停靠点的选取装置也可以设置于终端设备101、102、103中。本公开实施例所提供的无人车停靠点的选取方法也可以由终端设备101、102、103与服务器105共同执行,相应地,无人车停靠点的选取装置可以设置于终端设备101、102、103与服务器105中。此外,本公开实施例所提供的无人车停靠点的选取方法还可以由服务器105执行,相应的,无人车停靠点的选取装置可以设置于服务器105中,本示例性实施例中对此不做特殊限定。
例如,在本示例实施方式中,上述无人车停靠点的选取方法可以由终端设备101、102、103与服务器105共同执行。首先,可以通过设置或连接于上述无人车的终端设备获取无人车的位置信息,并实时上传至上述服务器,服务器在得到无人车的位置信息后,以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点;之后,基于各有效节点、当前位置节点及原始目标停靠点的位置信息得到各有效节点的多个停靠参数,并根据停靠参数计算得到停靠至各所述有效节点的代价参数;最后,基于上述计算出的代价参数在各有效节点中进行至少一次选择,得到最终目标停靠点,以使上述无人车停靠至所选的最终目标停靠点。
图2示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图2示出的电子设备的计算机系统200仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图2所示,计算机系统200包括中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中,还存储有系统操作所需的各种程序和数据。CPU201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205:包括键盘、鼠标等的输入部分206;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207;包括硬盘等的存储部分208;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器210上,以便于从其上读出的计算机程序根据需要被安装入存储部分208。
随着社会信息化的不断发展,人工智能和自动控制已经渗透到了人类社会生产及生活的方方面面,极大了提高了生产生活的便捷性,节约了人力成本。例如,基于自动驾驶技术控制无人配送车进行物流运输。
在现有自动驾驶技术中,通过设置目标点令车辆到达指定目标位置,但所选位置可能已被占据或较难驶入,例如,无人配送车在物流配送过程中需要在小区、商场门口、医院等较为复杂的场景下停靠,常出现停靠点被占据导致无法顺利到达,进而无法顺利切换配送任务的问题。
现有技术中,解决这一问题的常用方案为人为重新选择最佳备选目标点或人为接管,从而实现自动驾驶车辆的顺利到达。但人为介入自动驾驶过程不符合自动驾驶需求。同时,在无人配送车配送过程中,由于停靠区域周围环境较为复杂,停靠位置存在不确定性,若长时间在道路中间、人流量较大的通行道等不合理区域等待,还会影响到交通安全。
为了解决上述方法中存在的问题,本示例实施方式提出了一种技术方案,在原始目标停靠点被占据时,及时地为无人车动态选取新的停靠点。以下对本公开实施例的技术方案进行详细阐述:
本示例实施方式首先提供了一种无人车停靠点的选取方法。参考图3所示,该无人车停靠点的选取方法具体包括以下步骤:
步骤S310:以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点;
步骤S320:基于上述当前位置节点、各有效节点及原始目标停靠点的位置信息得到各有效节点的多个停靠参数,并根据停靠参数计算得到停靠至各有效节点的代价参数;
步骤S330:基于上述代价参数在各有效节点中进行至少一次选择,得到最终目标停靠点。
在本公开示例实施方式所提供的无人车停靠点的选取方法中,一方面,本示例实施方式所提供的无人车停靠点的选取方法可以搜索到预设搜索范围内的全部有效节点,并实时地在搜索到的有效节点中为无人车选取停靠点。也即,在上述原始目标停靠点不可达时,可以在上述有效节点中为无人车选择新的停靠点,从而可以避免无人车长时间地占用不合理区域,提高自动驾驶的安全性。另一方面,本示例实施方式依据当前位置节点、各有效节点及原始目标停靠点得到了各有效节点的多个停靠参数,基于各节点的停靠参数计算得到停靠至对应节点的代价参数,结合得到的代价参数,可以选择停靠代价最小的有效节点作为最终的目标停靠点,从而可以降低停靠难度,缩短停靠时间。同时,由于上述过程无需人为参与,因此还可以节约人力成本。
下面,在另一实施例中,对上述步骤进行更加详细的说明。
在步骤S310中,以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点。
本示例实施方式所提供的无人车停靠点的选取方法用于在指定的目标位置不可到达时,为无人车选取新的停靠点,以使无人车顺利到达目标位置,改善交通安全等问题。例如,实时检测无人车运行状态的相关信息,依据检测到的信息判断是否进入停车状态;在满足停车状态时,判断原始目标停靠点是否可达,并在原始目标停靠点不可达时,执行本示例实施方式的方法为无人车选取合适的停靠点。
上述原始目标停靠点为依据实际场景的需求所指定的目标位置。例如,上述无人车可以为用于物流配送的无人配送车,该无人配送车,举例而言,可以用于将快递派送至某小区,此时,上述原始目标停靠点可以为该小区的门口。上述原始目标停靠点可以依据目的地由人为预先设置。需要说明的是,上述场景只是一种示例性说明,并不对本示例实施方式起限定作用,其他符合上述原始目标停靠点定义的情景也属于本示例实施方式的保护范畴。
上述运行状态的相关信息可以为位置信息,上述实时检测无人车运行状态的相关信息,并依据检测到的信息判断是否进入停车状态的过程,举例而言,可以如下:为无人车设定停车场景,该停车场景的触发条件为无人车与上述原始目标停靠点之间的距离小于预设阈值,该预设阈值可以依据实际情况灵活设定。实时检测无人车的位置信息,并依据获取到的位置信息计算无人车与原始目标停靠点之间的实时距离,当计算得到的实时距离小于上述预设阈值时,触发该无人车的停车场景,进入停车模式。上述检测无人车的位置信息可以通过在无人车上安装定位系统实现。需要说明的是,上述场景只是一种示例性说明,本示例实施方式的保护范畴并不以此为限。
在满足停车状态,例如,触发停车场景后,首先判断上述原始目标停靠点是否可达,当上述原始目标停靠点不可到达时,以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点。其中,上述当前位置节点为无人车的实时位置,该实时位置可以通过上述定位系统获得。
举例而言,上述搜索过程可以通过广度优先搜索实现如下:将当前位置节点作为初始父节点,并以该初始父节点为中心,以预设距离搜索初始父节点的多个邻居节点;判断搜索到的邻居节点是否满足停靠条件,当满足所述停靠条件时,将邻居节点加入有效节点列表;以邻居节点为新的父节点,并以新的父节点为中心,以预设距离搜索新的父节点的多个邻居节点,并在邻居节点满足上述停靠条件时,将邻居节点加入有效节点列表,重复该过程,直至预设搜索范围中没有未被搜索的节点。
上述预设搜索范围为以无人车的当前位置节点为起点,搜索节点的范围。该预设搜索范围可以依据场景及经验认为设定。例如,该预设搜索范围可以设置为当前位置节点的周围20米。在实际搜索过程中,在当前位置节点与原始目标停靠点的距离小于20米时,无需对该预设搜索范围进行调整。当当前位置节点与原始目标停靠点的距离超过20米时,获取当前位置节点与原始目标停靠点之间的实际距离,并基于实际距离重新调整上述预设搜索范围。
其中,上述邻居节点为与父节点相邻的节点,例如,当以四边形向父节点周围扩展节点时,上述邻居节点可以为与父节点相邻的前后左右四个节点。上述预设距离为以父节点为起点扩展上述邻居节点的步长,以上述场景为例,上述过程可以为:沿各父节点的前后左右方向以上述预设距离为搜索步长在上述预设搜索范围内搜索节点,搜索到的节点即为邻居节点。该预设距离可以依据实际情景灵活设置,例如,可以设置为5米等。需要说明的是,上述场景只是一种示例性说明,本示例实施方式的保护范畴并不以此为限,例如,上述扩展节点也可以以父节点为圆心,以上述预设距离为半径进行扩展等方式进行,符合上述定义的情景都属于本示例试试方式的保护范畴。
在上述过程中,以上述预设距离搜索到上述邻居节点后,还要判断搜索到的邻居节点是否为有效节点,举例而言,该过程可以如下:获取邻居节点的当前状态,依据获取到的当前状态判断该邻居节点是否满足停靠条件,并在满足停靠条件时,将邻居节点加入有效节点列表。
其中,上述邻居节点的当前状态可以包括位置信息及周围的障碍物等信息。上述停靠条件可以依据实际情景灵活设置,一般而言,该停靠条件可以包括以下三点:位于上述预设搜索范围、不与不可跨越区域碰撞且未被搜索过。满足上述停靠节点的邻居节点即为有效节点,上述有效节点列表用于存储有效节点,举例而言,该有效节点列表可以为先进先出的队列。需要说明的是,上述场景只是一种示例性说明,不对本示例实施方式起限定作用,任何符合上述定义的情景都属于本示例实施方式的保护范畴,例如,上述邻居节点的当前状态也可以包含其他信息,对应地,上述停靠条件也可以依据实际情况调整,且上述有效节点列表也可以为数组等其他形式。
下面,结合图4与图5对上述以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点的过程进行进一步地说明,如图4所示,该过程可以包括以下步骤:
在步骤S410中,初始化原始目标停靠点及当前位置节点,将上述当前位置节点为初始父节点。
在该步骤中,获取无人车的当前位置节点及原始目标停靠点,并得到预设搜索范围。
在步骤S420中,以父节点为中心搜索邻居节点。
在该步骤中,以初始父节点或更新后的父节点为中心,以预设距离向四周搜索邻居节点。
在步骤S430中,判断邻居节点是否为有效节点。
在该步骤中,判断步骤S420中搜索到的邻居节点是否满足停靠条件,若满足停靠条件,则为有效节点,跳转至步骤S440;若不满足停靠条件,则跳转至步骤S450。其中,上述停靠条件为位于上述预设搜索范围、不与不可跨越区域碰撞且未被搜索过。
在步骤S440中,将有效节点加入有效节点队列。
在步骤S450中,判断搜索是否完成。
在该步骤中,判断搜索是否完成,例如,可以判断预设搜索范围中的全部节点是否都被搜索到。若搜索完成,跳转至步骤S470;若未完成,跳转至步骤S460。
在步骤S460中,更新父节点。
在该步骤中,将搜索到的邻居节点更新为父节点,并跳转至步骤S420。
在步骤S470中,输出有效节点队列。
经过图4所示的流程可以构建出多个备用的目标停靠点,如图5所示,包含在预设搜索范围中搜索到的全部节点、不可跨越边界及障碍物。其中,虚线边框代表预设搜素范围的搜索边界,超出预设搜索范围、与障碍物或不可跨越边界产生碰撞的节点都为无效节点(图中以颜色较深的节点表示),其余满足停靠条件的节点为有效节点(图中以颜色较浅的节点表示)。
此外,在本示例实施方式中,随着无人车的行进过程,上述当前位置节点发生变化,上述各节点也会随着当前位置节点的变化而更新。例如,可以设置一个更新距离,当无人车行进的距离得到该更新距离时,进行上述搜索过程以更新节点,例如,可以确定预设搜索范围是否发生变化,是否有新增节点,节点的状态是否发生变化,如有效节点变为无效节点,或无效节点变为有效等。需要说明的是,上述场景只是一种示例性说明,本示例实施方式的保护范畴并不以此为限。
在步骤S320中,基于当前位置节点、各有效节点及原始目标停靠点的位置信息得到各有效节点的多个停靠参数,并根据停靠参数计算得到停靠至各有效节点的代价参数。
在本示例实施方式中,为了使无人车停靠着最合理的有效节点,在得到上述有效节点后,还需要计算将无人车停靠至各有效节点的代价参数。计算该代价参数的过程,举例而言,可以为:获取当前位置节点、各有效节点及原始目标停靠点的位置信息,基于位置信息得到各有效节点的多个停靠参数;基于预设的权重策略对多个停靠参数进行加权运算,得到各有效节点对应的代价参数。
其中,上述停靠参数为衡量将无人车停靠至各有效节点所需代价的参数,如停靠难度、距离等。该停靠参数可以依据当前位置节点、各有效节点及原始目标停靠点的位置信息计算得到。上述代价参数为通过多个上述停靠参数得到用于表示无人车停靠至各有效节点所需代价的综合参数。
在本示例实施方式中,举例而言,上述停靠参数可以包括表示与原始目标停靠点之间距离约束的第一停靠参数、表示各有效节点与最佳停靠点距离的第二停靠参数、表示当前位置节点与各有效节点之间的距离的第三停靠参数、以及表示当前位置节点朝向与各有效节点朝向差的第四停靠参数。
以上述停靠参数为例,基于位置信息得到各有效节点的多个停靠参数的过程可以为:依据原始目标停靠点及各有效节点的位置信息计算得到原始目标停靠点及各有效节点之间的欧式距离,作为第一停靠参数;以原始目标停靠点为中心搜索对应的停靠边界,并计算各有效节点与搜索到的对应停靠边界之间的欧式距离,作为第二停靠参数;依据当前位置节点及各有效节点的位置信息计算得到当前位置节点及各有效节点之间的欧式距离,作为第三停靠参数;依据当前位置节点及各有效节点的位置信息计算得到当前位置节点及各有效节点之间的方向差,作为第四停靠参数。
下面以一个有效节点为例,对上述各停靠参数的计算过程进行详细说明:
上述原始目标停靠点是人为选择的,在实际环境中较为合理的停靠点,上述第一停靠参数为该有效节点域原始目标停靠点之间的欧式距离。计算第一停靠参数的过程,举例而言,可以为:获取原始目标停靠点及该有效节点的位置坐标,通过位置坐标计算得到上述第一停靠参数。
在实际停靠过程中,无人车往往需要停靠在道路边界,而不能停在路中间或人流量大的区域,表示选取的停靠点(有效节点)与可停靠边界距离的第二停靠参数也是一项重要的衡量标准。计算第二停靠参数的过程,举例而言,可以为:搜索原始目标停靠点附近的停靠边界,以上述有效节点为圆心搜索该有效节点对应的最佳停靠边界,并计算有效节点对搜索到的最佳停靠边界的最短欧式距离,也即垂直距离。此外,为了提升停靠的合理性,还可以同时保存最佳停靠边界中距离有效节点的最近线段朝向,作为该有效节点角度的朝向。当该朝向与最佳停靠边界的朝向一致时,停靠的合理性较高。
在一实施例中,图6为最佳停靠边界选择示意图,在如图6所示的三类情况中,以各原始目标停靠点为圆心,以一定距离为半径形成搜索圆,搜索可用停靠边界,其中,边界1、3、4、5、6、9为可停靠边界,但边界2、7及8不能作为停靠边界(虽然有实体高度,但不是实际可停靠边界,如道路中的花坛等)。计算与自圆心到搜索到的可停靠边界的最短距离,得到最佳停靠边界。如图6所示,原始目标停靠点1对应边界3,原始目标停靠点2对应边界5,原始目标停靠点3对应边界9。箭头代表最佳停靠边界附近的有效节点,计算有效节点到边界的最短欧式距离作为第二停靠参数保存。同时,保存上述节点角度朝向。图6中所选有效节点的朝向与最佳可停靠边界一致,提升停靠的合理性。
为保证效率与安全性,需要尽可能降低规划距离,可以将该距离作为第三停靠参数。上述第三停靠参数的计算过程可以如下:获取当前位置节点及该有效节点的位置坐标,通过位置坐标计算得到两个节点之间的欧式距离,作为上述第三停靠参数。
为保证安全性,自动驾驶过程应尽量减少倒车,因此选择的停靠点(有效节点)最好在当前位置节点的前方,该朝向对比可作为上述第四停靠参数,计算过程可以如下:获取当前位置节点及各有效节点的位置坐标,基于位置坐标计算得到当前位置节点及各有效节点之间的角度差,作为上述第四停靠参数。
需要说明的是,上述场景只是一种示例性说明,本示例实施方式的保护范畴并不依次为限。例如,依据实际需要,还可以增添或减少上述停靠参数。除加权运算外,也可以采用其他方式获取上述代价参数,这都属于本示例实施方式的保护范畴。
在步骤S330中,基于代价参数在各有效节点中进行至少一次选择,得到最终目标停靠点。
在本示例性实施方式中,在计算得到上述各有效节点对应的代价参数后,可以依据代价参数在各有效节点中为无人车选取最终目标停靠点。举例而言,该过程可以如下:在原始目标停靠点不可达时,从各有效节点构成的有效节点集合中选择代价参数最小的有效节点作为当前目标停靠点;从有效节点集合中删除上述当前目标停靠点,检测该当前目标停靠点是否可达,并在不可达时,在有效节点集合中选择代价参数最小的有效节点作为新的当前目标停靠点,重复该步骤,直至所选的当前目标停靠点可达,将所选的当前目标停靠点作为最终目标停靠点。
下面以上述有效节点集合为先进先出的队列为例,结合图7,对上述选择最终目标停靠点的过程进行进一步的说明,其中,上述有效节点按照代价参数从小到大的顺序依次存储至该队列中,初始的当前目标停靠点为原始目标停靠点,如图7所示,包括以下步骤:
在步骤S710中,获取当前目标停靠点。
在步骤S720中,判断当前目标停靠点是否可到达。
在该步骤中,当判断得到当前目标停靠点可到达时,跳转至步骤S750;当判断得到当前目标停靠点不可到达时,跳转至步骤S730。
在步骤S730中,取队列头节点并从队列中删除该头节点。
在步骤S740中,将取出的队列头节点设定为当前目标停靠点。
在步骤S750中,输出当前目标停靠点。
需要说明的是,上述场景只是一种示例性说明,本示例实施方式的保护范畴并不以此为限。
在本示例实施方式中,在上述基于代价参数在各有效节点中进行至少一次选择,得到最终目标停靠点的过程中,还可以动态更新各有效节点。如是否有新增节点,节点的状态是否发生变化等,具体地,可以在运动过程中不断循环检测目标点状态及规划状态,实时更新节点的代价参数值,直至到达目标。
例如,如图8所示,为有效节点构建及最终目标点选定的示意图。当选取的当前目标停靠点1被占据时,无人车可以通过感知模块感知到当前目标停靠点1被占据,无法规划路径,此时重新在多个备选的有效节点中选择代价参数值最小的当前目标停靠点2作为新停靠点,无人配送车沿新的路径前进到达新目标点。其中,图左及图需要说明的是,上述场景只是一种示例性说明,本示例实施方式的保护范畴并不以此为限。
应当注意,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
进一步的,本示例实施方式中,还提供了一种无人车停靠点的选取装置,参考图9所示,该无人车停靠点的选取装置900可以包括有效节点搜索模块910、代价参数计算模块920和停靠点选择模块930。其中:
有效节点搜索模块910可以用于以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点;
代价参数计算模块920可以用于基于当前位置节点、各有效节点及原始目标停靠点的位置信息得到各有效节点的多个停靠参数,并根据停靠参数计算得到停靠至各有效节点的代价参数;
停靠点选择模块930可以用于基于代价参数在各有效节点中进行至少一次选择,得到最终目标停靠点。
在本示例实施方式中,上述有效节点搜索模块可以包括搜素单元及判断单元。上述搜索单元可以用于以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中的全部节点;上述判断单元用于在搜索过程中,判断搜索到的的节点是否满足上述停靠条件,并将满足上述停靠条件的节点保存为有效节点。
在本示例实施方式中,上述代价参数计算模块包括停靠参数获取单元及代价参数获取单元。上述停靠参数获取单元可以用于基于当前位置节点、各有效节点及原始目标停靠点的位置信息得到各有效节点的多个停靠参数;上述代价参数获取单元可以用于根据上述得到的停靠参数计算得到停靠至各有效节点的代价参数。
在本示例实施方式中,上述停靠点选择模块还可以包括选择单元及判断单元。上述选择单元可以用于经过至少一次选择得到最终目标停靠点,上述判断单元用于在选择过程中判断所选的当前目标停靠点是否可达。
上述无人车停靠点的选取装置中各模块或单元的具体细节已经在对应的无人车停靠点的选取方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图3、图4及图7所示的各个步骤等。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种无人车停靠点的选取方法,其特征在于,包括:
以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点;
基于所述当前位置节点、各所述有效节点及原始目标停靠点的位置信息得到各所述有效节点的多个停靠参数,并根据所述停靠参数计算得到停靠至各所述有效节点的代价参数;
基于所述代价参数在各所述有效节点中进行至少一次选择,得到最终目标停靠点。
2.根据权利要求1所述的无人车停靠点的选取方法,其特征在于,所述以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点,包括:
将所述当前位置节点作为初始父节点,并以所述初始父节点为中心,以预设距离搜索所述初始父节点的多个邻居节点;
判断所述邻居节点是否满足所述停靠条件,当所述邻居节点满足所述停靠条件时,将所述邻居节点加入有效节点列表;
以所述邻居节点为新的父节点,并以所述新的父节点为中心,以所述预设距离搜索所述新的父节点的多个邻居节点,并在所述邻居节点满足所述停靠条件时,将所述邻居节点加入所述有效节点列表,重复该步骤,直至所述预设搜索范围中没有未被搜索的节点。
3.根据权利要求2所述的无人车停靠点的选取方法,其特征在于,所述判断所述邻居节点是否满足所述停靠条件,当所述邻居节点满足所述停靠条件时,将所述邻居节点加入有效节点列表,包括:
获取所述邻居节点的当前状态,依据所述当前状态判断所述邻居节点是否满足所述停靠条件,并在满足所述停靠条件时,将所述邻居节点加入所述有效节点列表;
其中,所述满足所述停靠条件,包括:所述邻居节点位于所述预设搜索范围、不与不可跨越区域碰撞且未被搜索过。
4.根据权利要求1所述的无人车停靠点的选取方法,其特征在于,所述基于所述当前位置节点、各所述有效节点及原始目标停靠点的位置信息得到各所述有效节点的多个停靠参数,并根据所述停靠参数计算得到停靠至各所述有效节点的代价参数,包括:
获取所述当前位置节点、各所述有效节点及原始目标停靠点的位置信息,基于所述位置信息得到各所述有效节点的多个停靠参数;
基于预设的权重策略对多个所述停靠参数进行加权运算,得到各所述有效节点对应的所述代价参数。
5.根据权利要求4所述的无人车停靠点的选取方法,其特征在于,所述基于所述位置信息得到各所述有效节点的多个停靠参数,包括:
依据所述原始目标停靠点及各所述有效节点的所述位置信息计算得到所述原始目标停靠点及各所述有效节点之间的欧式距离,作为第一停靠参数;
以所述原始目标停靠点为中心搜索对应的停靠边界,并计算各所述有效节点与搜索到的对应所述停靠边界之间的欧式距离,作为第二停靠参数;
依据所述当前位置节点及各所述有效节点的所述位置信息计算得到所述当前位置节点及各所述有效节点之间的欧式距离,作为第三停靠参数;
依据所述当前位置节点及各所述有效节点的所述位置信息计算得到所述当前位置节点及各所述有效节点之间的方向差,作为第四停靠参数。
6.根据权利要求1所述的无人车停靠点的选取方法,其特征在于,所述基于所述代价参数在各所述有效节点中进行至少一次选择,得到最终目标停靠点,包括:
在所述原始目标停靠点不可达时,从各所述有效节点构成的有效节点集合中选择所述代价参数最小的所述有效节点作为当前目标停靠点;
从有效节点集合中删除所述当前目标停靠点,检测所述当前目标停靠点是否可达,并在不可达时,在所述有效节点集合中选择所述代价参数最小的所述有效节点作为新的当前目标停靠点,重复该步骤,直至所选的所述当前目标停靠点可达;
将所选的所述当前目标停靠点作为所述最终目标停靠点。
7.根据权利要求1所述的无人车停靠点的选取方法,其特征在于,所述基于所述代价参数在各所述有效节点中进行至少一次选择,得到最终目标停靠点时,所述方法还包括:
更新所述有效节点。
8.一种无人车停靠点的选取装置,其特征在于,包括:
有效节点搜索模块,用于以当前位置节点为初始父节点,经过至少一次搜索得到预设搜索范围中满足停靠条件的全部有效节点;
代价参数计算模块,用于基于所述当前位置节点、各所述有效节点及原始目标停靠点的位置信息得到各所述有效节点的多个停靠参数,并根据所述停靠参数计算得到停靠至各所述有效节点的代价参数;
停靠点选择模块,用于基于所述代价参数在各所述有效节点中进行至少一次选择,得到最终目标停靠点。
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,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的无人车停靠点的选取方法。
10.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的无人车停靠点的选取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011241664.9A CN112419779B (zh) | 2020-11-09 | 2020-11-09 | 无人车停靠点的选取方法及装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011241664.9A CN112419779B (zh) | 2020-11-09 | 2020-11-09 | 无人车停靠点的选取方法及装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419779A true CN112419779A (zh) | 2021-02-26 |
CN112419779B CN112419779B (zh) | 2022-04-12 |
Family
ID=74782214
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011241664.9A Active CN112419779B (zh) | 2020-11-09 | 2020-11-09 | 无人车停靠点的选取方法及装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419779B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325853A (zh) * | 2021-06-11 | 2021-08-31 | 郑州时空隧道信息技术有限公司 | 一种无人驾驶投递车辆的投递方法及系统 |
CN113379350A (zh) * | 2021-06-11 | 2021-09-10 | 郑州时空隧道信息技术有限公司 | 一种无人驾驶投递车辆的停靠位置规划方法及系统 |
CN114454185A (zh) * | 2022-01-11 | 2022-05-10 | 上海擎朗智能科技有限公司 | 一种机器人控制方法、装置、机器人及存储介质 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150043736A (ko) * | 2013-10-15 | 2015-04-23 | 현대모비스 주식회사 | 차량 센서 이상 검출 장치 및 방법 |
CN106843219A (zh) * | 2017-02-20 | 2017-06-13 | 北京百度网讯科技有限公司 | 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质 |
WO2018043906A1 (ko) * | 2016-09-05 | 2018-03-08 | 엘지전자 주식회사 | 주차 방지 장치, 이동 단말기, 및 이를 구비하는 주차 방지 시스템 |
CN108182800A (zh) * | 2017-12-08 | 2018-06-19 | 北京中交兴路信息科技有限公司 | 一种货运交通信息处理方法及设备 |
CN108595603A (zh) * | 2018-04-20 | 2018-09-28 | 北京费马科技有限公司 | 图数据库中查询无权图中两点间最短路径的方法及应用 |
CN108897324A (zh) * | 2018-07-25 | 2018-11-27 | 吉林大学 | 一种无人车停靠的控制方法、装置、设备及存储介质 |
CN109163722A (zh) * | 2018-06-29 | 2019-01-08 | 北京建筑大学 | 一种仿人机器人路径规划方法及装置 |
CN109345026A (zh) * | 2018-10-24 | 2019-02-15 | 北京计算机技术及应用研究所 | 一种解决交通出行路线规划问题的方法 |
CN109658725A (zh) * | 2017-10-10 | 2019-04-19 | 杭州海康威视系统技术有限公司 | 停车场寻车方法、装置及系统、计算机设备、存储介质 |
CN109709944A (zh) * | 2017-10-26 | 2019-05-03 | 郑州宇通客车股份有限公司 | 一种自动驾驶公交车的进站方法及其进站路径的生成方法 |
CN109709943A (zh) * | 2017-10-26 | 2019-05-03 | 郑州宇通客车股份有限公司 | 一种自动驾驶公交车进站停靠点的选取方法 |
CN109808682A (zh) * | 2019-02-20 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 无人车停靠方法、装置和终端 |
CN110006429A (zh) * | 2019-03-20 | 2019-07-12 | 智慧航海(青岛)科技有限公司 | 一种基于深度优化的无人船航迹规划方法 |
CN110599790A (zh) * | 2019-09-30 | 2019-12-20 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆进站停靠的方法、车载设备和存储介质 |
CN110645991A (zh) * | 2019-10-30 | 2020-01-03 | 深圳市银星智能科技股份有限公司 | 一种基于节点调节的路径规划方法、装置及服务器 |
US20200011671A1 (en) * | 2018-07-06 | 2020-01-09 | Inrix Inc. | Probabilistic parking routes |
CN110956327A (zh) * | 2019-11-29 | 2020-04-03 | 上海有个机器人有限公司 | 一种多机器人自动停靠方法、介质、终端和装置 |
CN111210651A (zh) * | 2018-11-21 | 2020-05-29 | 北京嘀嘀无限科技发展有限公司 | 一种确定停车位置的方法、系统、装置及存储介质 |
CN111326015A (zh) * | 2020-03-27 | 2020-06-23 | 北京骑胜科技有限公司 | 一种停车点推荐方法及装置 |
CN111862577A (zh) * | 2019-05-21 | 2020-10-30 | 北京骑胜科技有限公司 | 一种确定停车区域状态的方法、系统、装置及存储介质 |
CN111899551A (zh) * | 2020-06-16 | 2020-11-06 | 广州文远知行科技有限公司 | 确定停车点的方法、装置、计算机设备和存储介质 |
CN111897341A (zh) * | 2020-08-05 | 2020-11-06 | 三一专用汽车有限责任公司 | 泊车路径规划方法、装置和计算机可读存储介质 |
-
2020
- 2020-11-09 CN CN202011241664.9A patent/CN112419779B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150043736A (ko) * | 2013-10-15 | 2015-04-23 | 현대모비스 주식회사 | 차량 센서 이상 검출 장치 및 방법 |
WO2018043906A1 (ko) * | 2016-09-05 | 2018-03-08 | 엘지전자 주식회사 | 주차 방지 장치, 이동 단말기, 및 이를 구비하는 주차 방지 시스템 |
CN106843219A (zh) * | 2017-02-20 | 2017-06-13 | 北京百度网讯科技有限公司 | 无人驾驶车辆选择接泊点的方法、装置、设备及存储介质 |
CN109658725A (zh) * | 2017-10-10 | 2019-04-19 | 杭州海康威视系统技术有限公司 | 停车场寻车方法、装置及系统、计算机设备、存储介质 |
CN109709944A (zh) * | 2017-10-26 | 2019-05-03 | 郑州宇通客车股份有限公司 | 一种自动驾驶公交车的进站方法及其进站路径的生成方法 |
CN109709943A (zh) * | 2017-10-26 | 2019-05-03 | 郑州宇通客车股份有限公司 | 一种自动驾驶公交车进站停靠点的选取方法 |
CN108182800A (zh) * | 2017-12-08 | 2018-06-19 | 北京中交兴路信息科技有限公司 | 一种货运交通信息处理方法及设备 |
CN108595603A (zh) * | 2018-04-20 | 2018-09-28 | 北京费马科技有限公司 | 图数据库中查询无权图中两点间最短路径的方法及应用 |
CN109163722A (zh) * | 2018-06-29 | 2019-01-08 | 北京建筑大学 | 一种仿人机器人路径规划方法及装置 |
US20200011671A1 (en) * | 2018-07-06 | 2020-01-09 | Inrix Inc. | Probabilistic parking routes |
CN108897324A (zh) * | 2018-07-25 | 2018-11-27 | 吉林大学 | 一种无人车停靠的控制方法、装置、设备及存储介质 |
CN109345026A (zh) * | 2018-10-24 | 2019-02-15 | 北京计算机技术及应用研究所 | 一种解决交通出行路线规划问题的方法 |
CN111210651A (zh) * | 2018-11-21 | 2020-05-29 | 北京嘀嘀无限科技发展有限公司 | 一种确定停车位置的方法、系统、装置及存储介质 |
CN109808682A (zh) * | 2019-02-20 | 2019-05-28 | 百度在线网络技术(北京)有限公司 | 无人车停靠方法、装置和终端 |
CN110006429A (zh) * | 2019-03-20 | 2019-07-12 | 智慧航海(青岛)科技有限公司 | 一种基于深度优化的无人船航迹规划方法 |
CN111862577A (zh) * | 2019-05-21 | 2020-10-30 | 北京骑胜科技有限公司 | 一种确定停车区域状态的方法、系统、装置及存储介质 |
CN110599790A (zh) * | 2019-09-30 | 2019-12-20 | 驭势科技(北京)有限公司 | 一种智能驾驶车辆进站停靠的方法、车载设备和存储介质 |
CN110645991A (zh) * | 2019-10-30 | 2020-01-03 | 深圳市银星智能科技股份有限公司 | 一种基于节点调节的路径规划方法、装置及服务器 |
CN110956327A (zh) * | 2019-11-29 | 2020-04-03 | 上海有个机器人有限公司 | 一种多机器人自动停靠方法、介质、终端和装置 |
CN111326015A (zh) * | 2020-03-27 | 2020-06-23 | 北京骑胜科技有限公司 | 一种停车点推荐方法及装置 |
CN111899551A (zh) * | 2020-06-16 | 2020-11-06 | 广州文远知行科技有限公司 | 确定停车点的方法、装置、计算机设备和存储介质 |
CN111897341A (zh) * | 2020-08-05 | 2020-11-06 | 三一专用汽车有限责任公司 | 泊车路径规划方法、装置和计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
李志明: "公路旅客最少换乘次数乘车方案选择算法", 《交通工程》 * |
胡霍真: "公交车网络的最短路径算法及实现", 《微机发展》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325853A (zh) * | 2021-06-11 | 2021-08-31 | 郑州时空隧道信息技术有限公司 | 一种无人驾驶投递车辆的投递方法及系统 |
CN113379350A (zh) * | 2021-06-11 | 2021-09-10 | 郑州时空隧道信息技术有限公司 | 一种无人驾驶投递车辆的停靠位置规划方法及系统 |
CN113325853B (zh) * | 2021-06-11 | 2023-06-23 | 郑州时空隧道信息技术有限公司 | 一种无人驾驶投递车辆的投递方法及系统 |
CN113379350B (zh) * | 2021-06-11 | 2024-01-23 | 郑州时空隧道信息技术有限公司 | 一种无人驾驶投递车辆的停靠位置规划方法及系统 |
CN114454185A (zh) * | 2022-01-11 | 2022-05-10 | 上海擎朗智能科技有限公司 | 一种机器人控制方法、装置、机器人及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112419779B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112419779B (zh) | 无人车停靠点的选取方法及装置、存储介质及电子设备 | |
CN106964156B (zh) | 一种寻路方法以及装置 | |
US11183071B2 (en) | Drone flight optimization using drone-to-drone permissioning | |
US11480967B2 (en) | Pass route planning method and apparatus, device and readable storage medium | |
EP2526729B1 (en) | Methods and apparatuses for determining if access to a region is feasible or infeasible for a user of a mobile device | |
EP4098976A1 (en) | Navigation method and apparatus | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
WO2014146233A1 (en) | A mobile device positioning system | |
CN109062948B (zh) | 目标点确定、目标路径确定方法和系统 | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN112393732B (zh) | 无人机避障方法、装置、可读存储介质及电子设备 | |
CN110967019A (zh) | 一种规划机器人局部路径的方法及机器人 | |
CN115079701A (zh) | 一种无人车与无人机协同的路径规划方法 | |
CN112415997A (zh) | 一种用于多机器人协作的路径规划方法及系统 | |
CN113899381B (zh) | 用于生成路线信息的方法、装置、设备、介质和产品 | |
CN114670823A (zh) | 一种行驶轨迹的修正方法、装置、设备以及自动驾驶车辆 | |
CN112382118B (zh) | 车位智能预约管理系统、方法、存储介质、计算机设备 | |
CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
CN109446437B (zh) | 信息挖掘方法、装置、服务器及存储介质 | |
US11432164B2 (en) | Computer system for providing service consumption plan for efficient service migration in mobile edge computing environments, and method thereof | |
CN114942639A (zh) | 一种移动机器人自适应路径规划方法及装置 | |
CN112333626B (zh) | 位置确定方法与装置、计算机可读存储介质、电子设备 | |
CN114655254A (zh) | 自动驾驶车辆控制方法、装置及电子设备 | |
CN114330807A (zh) | 路线的确定方法、装置和电子设备 | |
CN115716483A (zh) | 自动驾驶车辆的障碍物轨迹预测方法、装置和电子设备 |
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 |