CN112445207A - 位移的确定方法、装置、存储介质及电子装置 - Google Patents
位移的确定方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN112445207A CN112445207A CN201910755227.XA CN201910755227A CN112445207A CN 112445207 A CN112445207 A CN 112445207A CN 201910755227 A CN201910755227 A CN 201910755227A CN 112445207 A CN112445207 A CN 112445207A
- Authority
- CN
- China
- Prior art keywords
- displacement
- coordinate system
- determining
- target device
- trajectory
- 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
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明提供了一种位移的确定方法、装置、存储介质及电子装置,其中,该方法包括:确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移;确定上述目标设备的运动轨迹在由所述第一坐标系转换到第二坐标系时,与所述第一纵向位移对应的位移增量;将所述第一纵向位移和所述位移增量的和确定为所述目标设备在所述控制周期内在所述第二坐标系下的第二纵向位移。通过本发明,解决了相关技术中存在的在对设备进行多个坐标系之间的轨迹变换时,可能会由于轨迹的形变问题导致设备的速度控制不稳定的问题。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种位移的确定方法、装置、存储介质及电子装置。
背景技术
自主移动机器人、无人驾驶等设备自主移动技术中,路径规划的方法有:采样搜索法、图搜索法、代价函数优化法、机器学习法等。其中采样搜索法由于易于实现、易于调试、性能稳定,是最常被采用的局部避障算法。然而,此类算法的效率,和采样策略的设计有很大关系。所有采样方式均可以分为动作空间采样和状态空间采样两大类。
在动作空间,即所有可行的变速、转向动作中采样,一般称为动态窗口法(DWA)。DWA的实现比较简单,缺点是控制不够平滑,且前瞻量不足,一般无法规划长度超过3m、时间超过2s的轨迹,限制了其在速度2~6m/s的中速移动机器人中的应用。
在状态空间,即机器人的未来轨迹中采样,则可以生成前瞻量较大、且非常平滑的轨迹,这些轨迹可以使设备,例如,机器人、无人车等在中高速,例如2m/s以上的速度行驶时,以平滑的操作方式完成避障、巡航、变道等任务,而不会因不平滑的操作造成安全隐患。
但是,在相关技术中,在对设备进行多个坐标系之间的轨迹变换时,可能会由于轨迹的形变问题导致设备的速度控制不稳定。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种位移的确定方法、装置、存储介质及电子装置,以至少解决相关技术中存在的在对设备进行多个坐标系之间的轨迹变换时,可能会由于轨迹的形变问题导致设备的速度控制不稳定。
根据本发明的一个实施例,提供了一种位移的确定方法,包括:确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移;确定上述目标设备的运动轨迹在由所述第一坐标系转换到第二坐标系时,与所述第一纵向位移对应的位移增量;将所述第一纵向位移和所述位移增量的和确定为所述目标设备在所述控制周期内在所述第二坐标系下的第二纵向位移。
根据本发明的一个实施例,提供了一种位移的确定装置,包括:第一确定模块,用于确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移;第二确定模块,用于确定上述目标设备的运动轨迹在由所述第一坐标系转换到第二坐标系时,与所述第一纵向位移对应的位移增量;第三确定模块,用于将所述第一纵向位移和所述位移增量的和确定为所述目标设备在所述控制周期内在所述第二坐标系下的第二纵向位移。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述方法实施例中的步骤。
通过本发明,由于在对设备的轨迹进行坐标系间的转换时,考虑了设备的位移增量,实现了路径补偿,从而使得设备在曲率较大的路径下仍然可以稳定的纵向控制的目的,有效解决了相关技术中存在的在对设备进行多个坐标系之间的轨迹变换时,可能会由于轨迹的形变问题导致设备的速度控制不稳定的问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种位移的确定方法的移动终端的硬件结构框图;
图2根据本发明实施例的位移的确定方法的流程图;
图3是根据本发明实施例的Frenet坐标系相关示意图;
图4是根据本发明实施例道路弯曲示意图;
图5是根据本发明实施例的路径变形模型示意图;
图6是根据本发明实施例的位移的确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
在相关技术中,一般在采样时会沿着设备的参考轨迹坐标系生成多条平滑的轨迹,并选择无碰撞且最优的路径。但是需要说明的是,在对设备进行多个坐标系之间的轨迹变换时,可能会由于轨迹的形变问题导致设备的速度控制不稳定,为了解决上述问题,在本发明实施例中提出了位移的确定方案,下面结合实施例对本发明进行说明:
本申请所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种位移的确定方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个处理器102和用于存储数据的存储器104,其中,图1中仅示例性地示出一个处理器102和一个存储器104,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。可选地,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的位移的确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种位移的确定方法,图2根据本发明实施例的位移的确定方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移;
步骤S204,确定上述目标设备的运动轨迹在由所述第一坐标系转换到第二坐标系时,与所述第一纵向位移对应的位移增量;
步骤S206,将所述第一纵向位移和所述位移增量的和确定为所述目标设备在所述控制周期内在所述第二坐标系下的第二纵向位移。
其中,执行上述操作的可以是上述的目标设备,例如,可以是机器人或无人机等。
可选地,在上述实施例中,第一坐标系可以是Frenet坐标系,第二坐标系可以是笛卡尔坐标系,如图3所示,Frenet坐标系被定义为由沿着参考轨迹的s轴和垂直于参考轨迹的偏移量t轴构成,其中,s轴为纵向位移,t轴为横向位移。目前相关技术中,Frenet坐标系下的轨迹生成,均未考虑Frenet坐标系下轨迹变换回笛卡尔坐标系时的形变问题。这是因为一般基于Frenet坐标系的避障的使用场景都是在接近平直、曲率很小的公路,此时Frenet坐标系和笛卡尔坐标系之间是一一对应的关系,所以并未考虑形变问题。
然而,随着机器人物流配送行业的兴起,对机器人/无人驾驶车辆等设备在产业园区、居民小区等内部道路,以及非机动车道、路口等开放道路进行安全快速的自主避障导航的需求日益显现。在这种场景下,因为道路曲率较大,故而坐标转换时的形变问题比较明显,如图4所示,沿着中心参考轨迹也就是中间的曲线等间距地构建Frenet坐标系下的网格,很明显,在右弯中,左侧的轨迹比中心线的距离偏长,右侧轨迹则比中心线距离偏短。这样造成的主要影响是,在Frenet坐标系下车辆纵向控制生成的速度指令,在变换到笛卡尔坐标系后会受弯曲路径影响,使车辆的速度控制不能够稳定,例如,在图4右弯中,车辆如果靠左行驶,纵向控制会使车减速,反之,会使车加速。而在上述实施例中,考虑了坐标变换中路径形变的问题,提出了一种算法补偿路径形变,使设备在大曲率路径下仍然可以进行稳定的纵向控制。
在上述实施例中,由于在对设备的轨迹进行坐标系间的转换时,考虑了设备的位移增量,实现了路径补偿,从而使得设备在曲率较大的路径下仍然可以稳定的纵向控制的目的,有效解决了相关技术中存在的在对设备进行多个坐标系之间的轨迹变换时,可能会由于轨迹的形变问题导致设备的速度控制不稳定的问题。
在一个可选的实施例中,确定上述目标设备的运动轨迹在由所述第一坐标系转换到第二坐标系时,与所述第一纵向位移对应的位移增量包括:基于预先确定的所述目标设备在所述第一坐标系下的轨迹确定所述目标设备在所述预定控制周期内的期望位移增量,以及所述目标设备在所述第一纵向位移下的参考曲率半径;基于所述期望位移增量和所述参考曲率半径确定所述位移增量。
在一个可选的实施例中,基于所述期望位移增量和所述参考曲率半径确定与所述第一纵向位移对应的所述位移增量包括:利用如下公式确定所述位移增量ds:ds=ds’×R/(t(k)+R),其中,ds’为所述期望位移增量且ds’=s(k+1)-s(k),s(k)为所述轨迹中所包括的所述目标设备在所述预定控制周期开始时的纵向位移,s(k+1)为所述轨迹中所包括的所述目标设备在所述预定控制周期结束时的纵向位移,R为所述参考曲率半径,t(k)为所述轨迹中所包括的所述目标设备在所述预定控制周期开始时的横向位移。
在一个可选的实施例中,在确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移之前,所述方法还包括:分别确定所述目标设备在所述第一坐标系下的纵向位移序列和横向位移序列;确定包括所述纵向位移序列和所述横向位移序列的所述轨迹。
在一个可选的实施例中,所述第一坐标系为Frenet坐标系,所述第二坐标系为笛卡尔坐标系。
下面结合一个具体实施例,对本发明进行说明:
首先对本实施例中涉及到的路径变形模型进行说明:
从定性角度理解,路径纵向变形量受两个因素影响:路径曲率和横向偏移。路径曲率越大,横向偏移越大,纵向变形就越多。从定量的角度理解,可以参见附图5,其中,ds’为期望的纵向位移,t_k,t_k+1为已知横向位移,ds为在参考轨迹上的纵向位移。当ds较小时,有如下近似关系:
ds=ds’×R/(t_k+R)….公式(1)
下面对补偿路径变形进行具体说明:
状态空间采样的轨迹生成,会分别生成Frenet坐标系下的纵向位移的序列s(k)和横向位移的序列t(k)(k代表控制周期),即,形成了一条Frenet坐标系下的轨迹tf=[[s(1),t(1)],[s(2),t(2)],…,[s(N),t(N)]]。把Frenet坐标下的轨迹变换到笛卡尔坐标系时,可以通过执行以下步骤来实现路径补偿:
S1,初始化参考路径上的纵向位移s=s(0);
S2,对于每一个控制周期k=1…N-1,其中,N为大于1的整数,执行如下操作:
S21,计算当前s下的参考路径曲率半径R;
S22,计算期望位移增量ds’=s(k+1)-s(k);
S23,采用公式(1)计算参考路径上位移增量ds=ds’×R/(t(k)+R)
S24,更新参考路径上的纵向位移s=s+ds。
通过上述实施例可以确定出设备在笛卡尔坐标上的更为准确的位移,进而可以实现稳定控制设备的移动速度的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,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,该计算机软件产品存储在一个存储介质,例如ROM/RAM、磁碟、光盘中,包括若干指令用以使得一台终端设备,例如,可以是手机,计算机,服务器,或者网络设备等来执行本发明各个实施例所述的方法。
在本实施例中还提供了一种位移的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6是根据本发明实施例的位移的确定装置的结构框图,如图6所示,该装置包括:
第一确定模块62,用于确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移;第二确定模块64,用于确定上述目标设备的运动轨迹在由所述第一坐标系转换到第二坐标系时,与所述第一纵向位移对应的位移增量;第三确定模块66,用于将所述第一纵向位移和所述位移增量的和确定为所述目标设备在所述控制周期内在所述第二坐标系下的第二纵向位移。
在一个可选的实施例中,所述第二确定模块64包括:第一确定单元,用于基于预先确定的所述目标设备在所述第一坐标系下的轨迹确定所述目标设备在所述预定控制周期内的期望位移增量,以及所述目标设备在所述第一纵向位移下的参考曲率半径;第二确定单元,用于基于所述期望位移增量和所述参考曲率半径确定所述位移增量。
在一个可选的实施例中,所述第二确定单元用于通过如下方式确定所述位移增量:利用如下公式确定所述位移增量ds:ds=ds’×R/(t(k)+R),其中,ds’为所述期望位移增量且ds’=s(k+1)-s(k),s(k)为所述轨迹中所包括的所述目标设备在所述预定控制周期开始时的纵向位移,s(k+1)为所述轨迹中所包括的所述目标设备在所述预定控制周期结束时的纵向位移,R为所述参考曲率半径,t(k)为所述轨迹中所包括的所述目标设备在所述预定控制周期开始时的横向位移。
在一个可选的实施例中,所述装置还用于在确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移之前,分别确定所述目标设备在所述第一坐标系下的纵向位移序列和横向位移序列;确定包括所述纵向位移序列和所述横向位移序列的所述轨迹。
在一个可选的实施例中,所述第一坐标系为Frenet坐标系,所述第二坐标系为笛卡尔坐标系。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种位移的确定方法,其特征在于,包括:
确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移;
确定上述目标设备的运动轨迹在由所述第一坐标系转换到第二坐标系时,与所述第一纵向位移对应的位移增量;
将所述第一纵向位移和所述位移增量的和确定为所述目标设备在所述控制周期内在所述第二坐标系下的第二纵向位移。
2.根据权利要求1所述的方法,其特征在于,确定上述目标设备的运动轨迹在由所述第一坐标系转换到第二坐标系时,与所述第一纵向位移对应的位移增量包括:
基于预先确定的所述目标设备在所述第一坐标系下的轨迹确定所述目标设备在所述预定控制周期内的期望位移增量,以及所述目标设备在所述第一纵向位移下的参考曲率半径;
基于所述期望位移增量和所述参考曲率半径确定所述位移增量。
3.根据权利要求2所述的方法,其特征在于,基于所述期望位移增量和所述参考曲率半径确定与所述第一纵向位移对应的所述位移增量包括:
利用如下公式确定所述位移增量ds:
ds=ds’×R/(t(k)+R)
其中,ds’为所述期望位移增量且ds’=s(k+1)-s(k),s(k)为所述轨迹中所包括的所述目标设备在所述预定控制周期开始时的纵向位移,s(k+1)为所述轨迹中所包括的所述目标设备在所述预定控制周期结束时的纵向位移,R为所述参考曲率半径,t(k)为所述轨迹中所包括的所述目标设备在所述预定控制周期开始时的横向位移。
4.根据权利要求2所述的方法,其特征在于,在确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移之前,所述方法还包括:
分别确定所述目标设备在所述第一坐标系下的纵向位移序列和横向位移序列;
确定包括所述纵向位移序列和所述横向位移序列的所述轨迹。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述第一坐标系为Frenet坐标系,所述第二坐标系为笛卡尔坐标系。
6.一种位移的确定装置,其特征在于,包括:
第一确定模块,用于确定目标设备在预定控制周期内在第一坐标系下的第一纵向位移;
第二确定模块,用于确定上述目标设备的运动轨迹在由所述第一坐标系转换到第二坐标系时,与所述第一纵向位移对应的位移增量;
第三确定模块,用于将所述第一纵向位移和所述位移增量的和确定为所述目标设备在所述控制周期内在所述第二坐标系下的第二纵向位移。
7.根据权利要求6所述的装置,其特征在于,所述第二确定模块包括:
第一确定单元,用于基于预先确定的所述目标设备在所述第一坐标系下的轨迹确定所述目标设备在所述预定控制周期内的期望位移增量,以及所述目标设备在所述第一纵向位移下的参考曲率半径;
第二确定单元,用于基于所述期望位移增量和所述参考曲率半径确定所述位移增量。
8.根据权利要求7所述的装置,其特征在于,所述第二确定单元用于通过如下方式确定所述位移增量:
利用如下公式确定所述位移增量ds:
ds=ds’×R/(t(k)+R)
其中,ds’为所述期望位移增量且ds’=s(k+1)-s(k),s(k)为所述轨迹中所包括的所述目标设备在所述预定控制周期开始时的纵向位移,s(k+1)为所述轨迹中所包括的所述目标设备在所述预定控制周期结束时的纵向位移,R为所述参考曲率半径,t(k)为所述轨迹中所包括的所述目标设备在所述预定控制周期开始时的横向位移。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910755227.XA CN112445207B (zh) | 2019-08-15 | 2019-08-15 | 位移的确定方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910755227.XA CN112445207B (zh) | 2019-08-15 | 2019-08-15 | 位移的确定方法、装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112445207A true CN112445207A (zh) | 2021-03-05 |
CN112445207B CN112445207B (zh) | 2023-07-11 |
Family
ID=74741416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910755227.XA Active CN112445207B (zh) | 2019-08-15 | 2019-08-15 | 位移的确定方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112445207B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002215239A (ja) * | 2001-01-16 | 2002-07-31 | Kawasaki Heavy Ind Ltd | 車両系の走行制御方法及び装置 |
CN103760816A (zh) * | 2013-12-30 | 2014-04-30 | 哈尔滨工业大学深圳研究生院 | 基于任务极坐标系的伺服系统轮廓控制方法 |
CN106407506A (zh) * | 2016-08-24 | 2017-02-15 | 中南大学 | 一种道路三维线形建模方法及系统 |
CN109324620A (zh) * | 2018-09-25 | 2019-02-12 | 北京主线科技有限公司 | 基于车道线平行偏移进行避障及超车的动态轨迹规划方法 |
CN110081894A (zh) * | 2019-04-25 | 2019-08-02 | 同济大学 | 一种基于道路结构权值融合的无人车轨迹实时规划方法 |
-
2019
- 2019-08-15 CN CN201910755227.XA patent/CN112445207B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002215239A (ja) * | 2001-01-16 | 2002-07-31 | Kawasaki Heavy Ind Ltd | 車両系の走行制御方法及び装置 |
CN103760816A (zh) * | 2013-12-30 | 2014-04-30 | 哈尔滨工业大学深圳研究生院 | 基于任务极坐标系的伺服系统轮廓控制方法 |
CN106407506A (zh) * | 2016-08-24 | 2017-02-15 | 中南大学 | 一种道路三维线形建模方法及系统 |
CN109324620A (zh) * | 2018-09-25 | 2019-02-12 | 北京主线科技有限公司 | 基于车道线平行偏移进行避障及超车的动态轨迹规划方法 |
CN110081894A (zh) * | 2019-04-25 | 2019-08-02 | 同济大学 | 一种基于道路结构权值融合的无人车轨迹实时规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112445207B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108762268B (zh) | 多agv无碰撞路径规划算法 | |
CN109947100B (zh) | 路径规划方法、系统及终端设备 | |
Zhang et al. | Trajectory planning and tracking for autonomous vehicle based on state lattice and model predictive control | |
CN110955242B (zh) | 机器人导航方法、系统、机器人及存储介质 | |
Bellingham et al. | Receding horizon control of autonomous aerial vehicles | |
JP2023546810A (ja) | 車両軌跡計画方法、車両軌跡計画装置、電子機器、及びコンピュータプログラム | |
CN113085850B (zh) | 车辆避障方法、装置、电子设备及存储介质 | |
Li et al. | Simultaneous versus joint computing: A case study of multi-vehicle parking motion planning | |
CN111596658A (zh) | 一种多agv无碰撞运行的路径规划方法及调度系统 | |
EP4129581A1 (en) | Robot motion planning for avoiding collision with moving obstacles | |
Van Parys et al. | Online distributed motion planning for multi-vehicle systems | |
CN106840169B (zh) | 用于机器人路径规划的改进方法 | |
Franco et al. | Short-term path planning with multiple moving obstacle avoidance based on adaptive MPC | |
CN111123947A (zh) | 机器人行进的控制方法、装置、电子设备、介质和机器人 | |
Vasquez et al. | High-speed autonomous navigation with motion prediction for unknown moving obstacles | |
Ouyang et al. | Fast and optimal trajectory planning for multiple vehicles in a nonconvex and cluttered environment: Benchmarks, methodology, and experiments | |
US20230230475A1 (en) | Method and apparatus for coordinating multiple cooperative vehicle trajectories on shared road networks | |
Wang et al. | A universal trajectory planning method for automated lane-changing and overtaking maneuvers | |
Zhang et al. | Decentralized motion planning for multi quadrotor with obstacle and collision avoidance | |
KR20200126537A (ko) | 두 대의 이기종 로봇의 과업 분배 방법 및 과업 분배 시스템 | |
Zennir et al. | Comparison of PID and fuzzy controller for path tracking control of autonomous electrical vehicles | |
CN112445207B (zh) | 位移的确定方法、装置、存储介质及电子装置 | |
Zhang et al. | An efficient planning method based on deep reinforcement learning with hybrid actions for autonomous driving on highway | |
Tang et al. | A reference path guided rrt* method for the local path planning of UGVS | |
US20220300002A1 (en) | Methods and systems for path planning in a known environment |
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 |