CN112783144B - 路径生成方法和路径规划方法及其系统和设备 - Google Patents

路径生成方法和路径规划方法及其系统和设备 Download PDF

Info

Publication number
CN112783144B
CN112783144B CN201911006759.XA CN201911006759A CN112783144B CN 112783144 B CN112783144 B CN 112783144B CN 201911006759 A CN201911006759 A CN 201911006759A CN 112783144 B CN112783144 B CN 112783144B
Authority
CN
China
Prior art keywords
path
global
mobile platform
alternative
road section
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.)
Active
Application number
CN201911006759.XA
Other languages
English (en)
Other versions
CN112783144A (zh
Inventor
李超
高洋波
蔡俊杰
田文军
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.)
Sunny Optical Zhejiang Research Institute Co Ltd
Original Assignee
Sunny Optical Zhejiang Research Institute 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 Sunny Optical Zhejiang Research Institute Co Ltd filed Critical Sunny Optical Zhejiang Research Institute Co Ltd
Priority to CN201911006759.XA priority Critical patent/CN112783144B/zh
Publication of CN112783144A publication Critical patent/CN112783144A/zh
Application granted granted Critical
Publication of CN112783144B publication Critical patent/CN112783144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0238—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
    • G05D1/0212—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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • 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
    • 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
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • 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

一路径生成方法和路径规划方法及其系统和设备。该路径生成方法包括步骤：基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置；基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置；藉由一样条曲线模型，分别在该移动平台的该当前位置和该采样点的位置之间拟合出一组拟合路径线；以及分别沿着平行于该全局路径的全局路径线的方向延伸该拟合路径线，以得到具有预定路径长度的一组备选路径。

Description

路径生成方法和路径规划方法及其系统和设备
技术领域
本发明涉及导航技术领域，更具体地涉及一路径生成方法和路径规划方法及其系统和设备。
背景技术
目前，随着人工智能技术的发展，越来越多的公司及高校团队专注于智能移动平台的研究。智能移动平台，是指搭载了诸多传感器的车辆，可以实现自主导航和避障，再通过所搭载的任务模块完成相应的工作，如油田巡检车等等。路径规划方法作为该智能移动平台实现自主导航的核心技术，也受到越来越多的研发团队的关注。
传统的机器人避障导航算法因需要实时地搜寻复杂空间而缺乏效率，并且通过该传统的机器人避障导航算法规划的路径一般不符合正常的车辆驾驶行为。而近期兴起的无人驾驶技术虽然考虑了无人车辆在结构化道路的行驶问题，但往往计算较为复杂，硬件成本较高。例如，如图1所示，现有的一种适用于无人驾驶汽车的路径规划方法的步骤如下：首先，对全局路径建立sl坐标系，根据组合惯导信息，确定车辆的sl坐标(记为s0、l0)；其次，在全局路径上，以s0为起点，以一定间隔做垂直辅助线，进行撒点，形成如图1所示的采样点；接着，连接车辆以及不同组的采样点，用样条曲线进行平滑处理，得到多组曲率连续的备选路径，并对每条备选路径进行采样，获得离散路径点；最后，计算每条备选路径的价值函数Cost，考虑了避障、偏离中心路径距离、路径曲率等，进而筛选出最佳局部路径。
然而，这种路径规划方法主要适用于无人驾驶汽车的应用场景，主要是因为这种方法所需构造的备选路径的数量因指数增大而导致过多，具体地，如图1所示的四组采样点共可以构造出24167条备选路径，在备选路径生成以及价值函数计算过程中，计算量较大，耗时较长，无法满足导航的实时性要求。例如，对于低成本的智能计算平台，仅一次完整的备选路径生成，就需要耗时8.956秒。
此外，针对具备原地转向功能的园区自动巡检车而言，通常要求巡检车在无障碍物的场景中严格按照全局路径进行行驶，以确保巡检车能够驶过在全局路径上设置的所有巡检点，例如，折角路径的角点。但这种适用于无人驾驶汽车的路径规划方法因主要考虑普通车辆的驾驶行为而要求车辆在行驶过程中转向平顺(曲率连续)，因此通过这种适用于无人驾驶汽车的路径规划方法构造出的路径均不能穿过折角路径的角点，无法直接适用于园区自动巡检车的工作场景。
发明内容
本发明的一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其能够合理地减少备选路径的数量，降低计算量，有助于提高路径规划速度。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，通过所述路径生成方法生成的每个备选路径只包括一个采样点，即采用一个采样点来确定一条路径，有助于大幅缩减所述备选路径的数量。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径生成方法采用“两段式”的备选路径，其中所述备选路径在移动平台的当前位置到采样点之间采用样条曲线拟合，并从采样点继续延伸(如直线延伸)，以便获得更贴合自动巡检场景需要的备选路径。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径生成方法采用幂函数与平行线的交点作为采样点，有助于解决因采样点坐标固定而引起的备选路径不均匀(如外围曲线曲率过大或曲线密集等)的问题。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径生成方法能够通过改变幂函数的系数、路径长度、起点斜率约束来获得多组备选路径，以便使得备选路径覆盖尽可能多的通行区域。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径生成方法中的起点斜率约束没有采用车辆朝向，而是采用多组固定值，以便充分利用智能移动平台的原地转向功能，保证生成的备选路径能够覆盖更多的通行区域，获得更大的避障空间。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径规划方法引入了“路段”的概念，并对超出当前路段的路径进行重构，实现对折角路径的寻迹行驶，以便保证在实际场景中对折角路径的跟踪要求。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径规划方法能够只采用一组采样点来构造备选路径，就足以满足行驶速度不高的移动平台对跟踪的要求，有助于最大限度地降低计算复杂度。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径规划方法能够提高备选路径的完备性，提高复杂场景下的路径规划性能，以便在备选路径数量有限的条件下，尽可能多的覆盖规划区域，构造出多样的驾驶行为。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径规划方法能够保证对全局路径寻迹形式的精度，以便满足诸如园区巡检等特定场景的需求。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径规划方法完成一次完整的路径规划所需的时间极短，以便实现高效、可靠、低成本的导航。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径规划方法能够完全贴合对诸如园区巡检车等智能移动平台实现寻迹+避障的应用场景。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，在本发明的一实施例中，所述路径规划方法充分考虑了路径属性、与障碍物的距离以及路径偏离全局路径的距离，以便筛选出最佳路径，满足应用场景的要求。
本发明的另一目的在于提供一路径生成方法和路径规划方法及其系统和设备，其中，为了达到上述目的，在本发明中不需要采用复杂的结构或算法。因此，本发明成功和有效地提供一解决方案，不只提供一简单的路径生成方法和路径规划方法及其系统和设备，同时还增加了所述路径生成方法和路径规划方法及其系统和设备的实用性和可靠性。
为了实现上述至少一发明目的或其他目的和优点，本发明提供了一路径生成方法，包括步骤：
基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置；
基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置；
藉由一样条曲线模型，分别在该移动平台的该当前位置和该采样点的位置之间拟合出一组拟合路径线；以及
分别沿着平行于该全局路径的全局路径线的方向延伸该拟合路径线，以得到具有预定路径长度的一组备选路径。
在本发明的一实施例中，所述基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置的步骤，包括步骤：
基于该全局路径数据，建立全局坐标系，其中该全局坐标系的s轴平行于该全局路径线，并且该全局坐标系的l轴垂直于该全局路径线；和
基于该移动平台的位姿数据，求解出该移动平台在该全局坐标系中的当前位置坐标。
在本发明的一实施例中，在所述基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置的步骤中：
基于该移动平台在该全局路径中的该当前位置，利用幂函数曲线生成该采样点，以获得该采样点在该全局坐标系中的位置坐标。
在本发明的一实施例中，所述基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置的步骤，包括步骤：
生成一组平行线，其中每该平行线平行于该全局坐标系的该s轴；和
计算该幂函数曲线与每该平行线的交点，以作为该采样点。
在本发明的一实施例中，该幂函数曲线为一函数模型：其中，s和l分别为该幂函数曲线上各点在该全局坐标系中的坐标值；s0和l0分别为该移动平台在该全局坐标系中的当前位置坐标值；slope为该幂函数曲线的系数。
在本发明的一实施例中，所述基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置的步骤，包括步骤：
基于该全局路径数据，生成一组路段的路段信息，其中该路段的起点和终点均为该全局路径线上的全局路径点；
基于该移动平台的该位姿数据和该路段的该路段信息，计算该移动平台与每该路段之间的最小距离，以确定该移动平台所处的当前路段；
基于该当前全局路径路段的路段信息，建立一当前路段坐标系，其中该当前路段坐标系的x轴和y轴分别平行和垂直于该当前路段的起点和终点之间的连线；以及
基于该移动平台的该位姿数据，求解出该移动平台在该当前路段坐标系中的当前位置坐标。
在本发明的一实施例中，在所述基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置的步骤中：
基于该移动平台在该全局路径中的该当前位置，利用幂函数曲线生成该采样点，以获得该采样点在该当前路段坐标系中的位置坐标。
在本发明的一实施例中，该当前路径坐标系的原点位于该当前路段的起点，并且该当前路径坐标系的该x轴指向该当前路段的终点。
在本发明的一实施例中，所述基于该全局路径数据，生成一组路段的路段信息，其中该路段的起点和终点均为该全局路径线上的全局路径点的步骤，包括步骤：
基于该全局路径数据中该全局路径线上的该全局路径点，获得每该路段在该当前路段坐标系中的起点坐标和终点坐标；和
分别基于该当前路段的左右路宽和下一相邻的路段的左右路宽，求解出该当前路段在该当前路段坐标系中的左右边界点坐标，以获得该当前路段的通行区域。
在本发明的一实施例中，所述的路径生成方法，进一步包括步骤：
判断每该备选路径是否超出该当前路段的该通行区域，如果是，则将该备选路径的超出部分重构至该下一相邻的路段的通行区域，以得到重构的备选路径；如果否，则保持该备选路径不变。
在本发明的一实施例中，所述判断每该备选路径是否超出该当前全局路径路段的该通行区域的步骤，包括步骤：
对每该备选路径进行采样，以得到该备选路径上的备选路径点；
求解每该备选路径与该当前路段的该通行区域的终端边界线之间的交点，作为该备选路径上的路段截止点；
比较该备选路径上所有的该备选路径点的x轴坐标与该备选路径上的该路段截止点的x轴坐标之间的大小；以及
当该备选路径点的x轴坐标大于该路段截止点的x轴坐标时，藉由一映射模型，将该备选路径点映射至该下一相邻的路段的通行区域，以获得重构路径点。
在本发明的一实施例中，所述映射模型为：
其中：(x2,y2)为该重构路径点在下一路段坐标系中的坐标；(x1,y1)为该备选路径点在该当前路段坐标系中的坐标；(xe,ye)和(xb,yb)分别为该路段截止点在该当前路段坐标系和该下一路段坐标系上的坐标；W1和W2分别为该当前路段和该下一相邻的路段的同侧路宽。
在本发明的一实施例中，所述的路径生成方法，进一步包括步骤：
改变该样条曲线模型的约束条件，拟合出不同组的该拟合路径线，以通过延伸该不同组的拟合路径线，获得不同组的该备选路径。
在本发明的一实施例中，该样条曲线模型的该约束条件包括幂函数曲线的系数和幂函数曲线的起点斜率。
在本发明的一实施例中，该样条曲线模型为五次样条曲线或三次样条曲线。
根据本发明的另一方面，本发明还提供了一路径规划方法，包括步骤：
A：获取通过路径生成方法生成的一组或多组备选路径；和
B：基于所获得的障碍物的信息，从所述备选路径中筛选出最优路径；
其中所述路径生成方法包括步骤：
基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置；
基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置；
藉由一样条曲线模型，分别在该移动平台的该当前位置和该采样点的位置之间拟合出一组拟合路径线；以及
分别沿着平行于该全局路径的全局路径线的方向延伸该拟合路径线，以得到具有预定路径长度的一组备选路径。
在本发明的一实施例中，在所述步骤B中：
藉由一路径筛选模型，获得每该备选路径的通行系数，以将具有最大通行系数的该备选路径作为该最优路径。
在本发明的一实施例中，所述路径筛选模型为：prob(i)＝center_prob(i)×distance_prob(i)；其中：prob(i)为编号为i的备选路径的通行系数；center_prob(i)为该编号为i的备选路径的中心系数；distance_prob(i)为该编号为i的备选路径的避障系数。
在本发明的一实施例中，所述路径筛选模型为：prob(i)＝center_prob(i)×distance_prob(i)×length_prob(i)；其中：prob(i)为编号为i的备选路径的通行系数；center_prob(i)为该编号为i的备选路径的中心系数；distance_prob(i)为该编号为i的备选路径的避障系数；length_prob(i)为该编号为i的备选路径的长度系数。
在本发明的一实施例中，该备选路径的中心系数的大小与该备选路径上的采样点和该全局路径线之间距离成反比。
在本发明的一实施例中，该备选路径的避障系数的大小与该备选路径和该障碍物之间的最小距离成正比。
在本发明的一实施例中，该备选路径的长度系数与该备选路径的长度大小成正比。
在本发明的一实施例中，所述的路径规划方法，进一步包括步骤：
C：响应于更新条件的触发，更新通过所述步骤A获取的一组或多组备选路径，以通过所述步骤B从更新后的备选路径中筛选出新的最优路径。
根据本发明的另一方面，本发明还提供了一路径生成系统，包括依次可通信的：
一确定模块，其中所述确定模块用于基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置；
一采样点生成模块，其中所述采样点生成模块用于基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置；
一拟合模块，其中所述拟合模块用于藉由一样条曲线模型，分别在该移动平台的该当前位置和该采样点的位置之间拟合出一组拟合路径线；以及
一延伸模块，其中所述延伸模块用于分别沿着平行于该全局路径的全局路径线的方向延伸该拟合路径线，以得到具有预定路径长度的一组备选路径。
在本发明的一实施例中，所述确定模块包括相互可通信地连接的一坐标系建立模块和一求解模块，其中所述坐标系建立模块用于基于该全局路径数据，建立全局坐标系，其中该全局坐标系的s轴平行于该全局路径线，并且该全局坐标系的l轴垂直于该全局路径线；其中所述求解模块用于基于该移动平台的位姿数据，求解出该移动平台在该全局坐标系中的当前位置坐标。
在本发明的一实施例中，所述确定模块包括依次可通信地连接的一路段生成模块、一距离计算模块、一坐标系建立模块以及一求解模块，其中所述路段生成模块用于基于该全局路径数据，生成一组路段的路段信息，其中该路段的起点和终点均为该全局路径线上的全局路径点；其中所述距离计算模块用于基于该移动平台的该位姿数据和该路段的该路段信息，计算该移动平台与每该路段之间的最小距离，以确定该移动平台所处的当前路段；其中所述坐标系建立模块用于基于该当前路段的路段信息，建立一当前路段坐标系，其中该当前路段坐标系的x轴和y轴分别平行和垂直于该当前路段的起点和终点之间的连线；其中所述求解模块用于基于该移动平台的该位姿数据，求解出该移动平台在该当前路段坐标系中的当前位置坐标。
在本发明的一实施例中，所述的路径生成系统，进一步包括一路径重构模块，其中所述路径重构模块用于判断每该备选路径是否超出该当前路段的该通行区域，如果是，则将该备选路径的超出部分重构至该下一相邻的路段的通行区域，以得到重构的备选路径；如果否，则保持该备选路径不变。
在本发明的一实施例中，所述的路径生成系统，进一步包括一约束条件改变模块，其中所述约束条件改变模块与所述拟合模块和所述延伸模块可通信地连接，用于改变所述样条曲线模型的约束条件，通过所述拟合模块拟合出不同组的拟合路径线，并通过所述延伸模块延伸该不同组的拟合路径线，以获得不同组的备选路径。
根据本发明的另一方面，本发明还提供了一路径规划系统，包括相互可通信地连接的：
一路径生成系统，用于生成一组或多组备选路径；和
一路径决策系统，其中所述路径决策系统包括相互可通信地连接的：
一路径获取模块，其中所述路径获取模块用于获取通过路径生成方法生成的该一组或多组备选路径；和
一路径筛选模块，其中所述路径筛选模块用于基于所获得的障碍物的信息，从该备选路径中筛选出最优路径。
在本发明的一实施例中，所述的路径规划系统，进一步包括一路径更新模块，其中所述路径更新模块与所述路径获取模块和所述路径筛选模块可通信地连接，用于响应于更新条件的触发，更新通过所述路径获取模块获取的备选路径，以通过所述路径筛选模块从更新后的备选路径中筛选出新的最优路径。
根据本发明的另一方面，本发明还提供了一移动平台设备，包括：
一移动平台本体；和
一路径规划系统，其中所述路径规划系统被搭载于所述移动平台本体，用于为所述移动平台本体规划处最优路径，其中所述路径规划系统内包括相互可通信地连接的：
一路径生成系统，用于生成一组或多组备选路径；和
一路径决策系统，其中所述路径决策系统包括相互可通信地连接的：
一路径获取模块，其中所述路径获取模块用于获取通过路径生成方法生成的该一组或多组备选路径；和
一路径筛选模块，其中所述路径筛选模块用于基于所获得的障碍物的信息，从该备选路径中筛选出该最优路径。
根据本发明的另一方面，本发明还提供了一电子设备，包括：
一处理器，用于执行程序指令；和
一存储器，其中所述存储机被配置用于保存可由所述处理器执行以实现一路径生成方法的程序指令，其中所述路径生成方法包括步骤：
基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置；
基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置；
藉由一样条曲线模型，分别在该移动平台的该当前位置和该采样点的位置之间拟合出一组拟合路径线；以及
分别沿着平行于该全局路径的全局路径线的方向延伸该拟合路径线，以得到具有预定路径长度的一组备选路径。
通过对随后的描述和附图的理解，本发明进一步的目的和优势将得以充分体现。
本发明的这些和其它目的、特点和优势，通过下述的详细说明，附图和权利要求得以充分体现。
附图说明
图1示出了现有的路径规划方法的原理示意图。
图2是根据本发明的一实施例的一路径生成方法的流程示意图。
图3示出了根据本发明的上述实施例的所述路径生成方法的步骤之一的流程示意图。
图4示出了根据本发明的上述实施例的所述路径生成方法的步骤之二的流程示意图。
图5A示出了根据本发明的上述实施例的所述路径生成方法的原理示意图。
图5B示出了根据本发明的上述实施例的所述路径生成方法的一个示例。
图6示出了根据本发明的上述实施例的所述路径生成方法的一个变形实施方式。
图7示出了根据本发明的上述变形实施方式的所述路径生成方法的重构步骤的流程示意图。
图8A示出了根据本发明的上述变形实施方式的所述路径生成方法中所述重构步骤的原理示意图。
图8B示出了根据本发明的上述实施例的所述路径生成方法中所述重构步骤的一个示例。
图9是根据本发明的一实施例的一路径规划方法的流程示意图。
图10示出了根据本发明的上述实施例的所述路径规划方法的一个示例。
图11是根据本发明的一实施例的一路径规划系统的框图示意图。
图12示出了根据本发明的上述实施例的所述路径规划系统的一个变形实施方式。
图13示出了根据本发明的一实施例的一移动平台设备的结构示意图。
图14示出了根据本发明的一实施例的一电子设备的框图示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
在本发明中，权利要求和说明书中术语“一”应理解为“一个或多个”，即在一个实施例，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个。除非在本发明的揭露中明确示意该元件的数量只有一个，否则术语“一”并不能理解为唯一或单一，术语“一”不能理解为对数量的限制。
在本发明的描述中，需要理解的是，属于“第一”、“第二”等仅用于描述目的，而不能理解为指示或者暗示相对重要性。本发明的描述中，需要说明的是，除非另有明确的规定和限定，属于“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接或者一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以是通过媒介间接连结。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
目前，针对无人驾驶汽车的路径规划方法/算法基本上都采用采样点法(SampleLattice)来生成备选路径，但却存在诸如备选路径过多、计算量大等问题。例如，如图1所示，这种路径规划方法仅设置四组采样点，所需构造的备选路径数量就多达24167条，这就导致计算量急剧变大、路径规划耗时较长，容易造成避障空间不充分，降低了无人驾驶的高效性能和安全性能。因为，为了解决上述问题，本发明创造性地提出了一路径生成方法，其能够合理地减少备选路径的数量，降低计算量，有助于提高路径规划方法的高效性和安全性。
示意性方法
参考说明书附图之图2至图4所示，根据本发明的一实施例的一路径生成方法被阐明。具体地，如图2所示，所述路径生成方法，包括步骤：
S100：基于全局路径数据和移动平台的位姿数据，确定所述移动平台在全局路径中的当前位置；
S200：基于所述移动平台在全局路径中的所述当前位置，生成一组采样点，以获得所述采样点在所述全局路径中的位置；
S300：藉由样条曲线模型，分别在所述移动平台的该当前位置和所述采样点的位置之间拟合出拟合路径线；以及
S400：分别沿着平行于所述全局路径的全局路径线的方向延伸所述拟合路径线，以得到具有预定路径长度的一组备选路径。
值得注意的是，在本发明的上述实施例中，如图3所示，所述路径生成方法的所述步骤S100，包括步骤：
S110：基于所述全局路径数据，建立全局坐标系，其中所述全局坐标系的s轴平行于所述全局路径线，并且所述全局坐标系的l轴垂直于所述全局路径线；和
S120：基于所述移动平台的位姿数据，求解出所述移动平台在所述全局坐标系中的当前位置坐标。
优选地，所述全局坐标系可以但不限于被实施为根据所述全局路径数据建立的sl坐标系，其中所述全局坐标系中的s轴重合于所述全局路径数据中的全局路径线，并且所述全局坐标系中的l轴垂直于所述全局路径数据中的所述全局路径线。可以理解的是，本发明中的所述移动平台可以但不限于被实施为诸如无人巡检车、园区自动巡检车等等之类的智能移动平台。
值得一提的是，在本发明的一示例中，所述路径生成方法，在所述步骤S100之前进一步包括步骤：
藉由所述移动平台的传感器模块，获取所述移动平台的所述位姿数据；和
藉由所述移动平台的通讯模块，接收通过上位机发送的全局路径数据。
可以理解的是，本发明的所述传感器模块可以但不限于被实施为组合惯导传感器，以便通过差分GPS原理，来精确地获知所述移动平台的定位信息(即位姿数据)。此外，所述全局路径数据包括全局路径线上的路径点、边界线上的边界点、路宽以及边界线的夹角等信息。
进一步地，在本发明的上述实施例中，所述路径生成方法的所述步骤S200优选地被实施为：基于所述移动平台在所述全局路径中的所述当前位置，利用幂函数曲线生成所述采样点，以获得所述采样点在所述全局坐标系中的位置坐标。
可以理解的是，在本发明的其他示例中，所述步骤S200也可以在垂直于s轴的直线上选取所述采样点。但由于利用幂函数曲线所生成的采样点分布于所述幂函数曲线上，因此这种采样点生成方式能够解决在垂直于s轴上选取的采样点因s轴坐标太小而引起的外围曲线曲率过大，或者因s轴坐标太大而引起的曲线过于密集等问题。当然，在本发明的其他示例中，所述路径生成方法还可以利用诸如对数函数曲线或指数函数曲线等等其他类型的函数曲线来生成所述采样点，本发明在此不再赘述。
示例性地，如图4所示，所述路径生成方法的所述步骤S200，包括步骤：
S210：生成一组平行线，其中每所述平行线平行于所述全局坐标系的所述s轴；和
S220：计算所述幂函数曲线与每所述平行线的交点，以作为所述采样点。
优选地，相邻的所述平行线之间的距离等于一预定间隔距离，也就是说，所述平行线被等间距地分布。可以理解的是，所述平行线的数量由所述全局路径数据中的路宽决定。当然，在本发明的其他示例中，所述平行线的数量可以事前设定好，以根据路宽来调整所述预定间隔距离的大小。
值得一提的是，在本发明中，所述幂函数曲线优选地被实施为函数模型如下：
其中：s和l分别为所述幂函数曲线上点在所述全局坐标系中的坐标值；s0和l0分别为所述移动平台在所述全局坐标系中的当前位置坐标值；slope为所述幂函数曲线的系数。当然，在本发明的其他示例中，所述幂函数曲线也可以被实施为具有诸如3或4等等其他幂指数的函数模型。
值得注意的是，本发明的所述样条曲线优选地被实施为五次样条曲线，以保证所述拟合路径线的平顺。当然，在本发明的其他示例中，所述样条曲线也可以被实施为诸如三次样条曲线或七次样条曲线等等之类的样条曲线。
更优选地，所述五次样条曲线在所述采样点处的斜率约束为零，也就是说，所述拟合路径线在所述采样点处的斜率为零，使得所述拟合路径线能够沿着所述全局坐标系的s轴平顺地延伸，从而确保所述备选路径在所述采样点处平顺地过渡，有助于使所述移动平台能够沿着所述备选路径进行平顺地行驶。
示例性地，在所述步骤S300中，通过所述五次样条曲线拟合出的所述拟合路径线被实施为如下的样条曲线模型：l＝as5+bs4+cs3+ds2+es+f，其中a、b、c、d、e、f为所述样条曲线模型的六个参数。可以理解的是，在拟合所述移动平台所在的点和相应的所述采样点时，可以通过所述移动平台和所述采样点的位置(坐标)、朝向(一阶导)、曲率(二阶导)这六个约束方程，来求解出所述样条曲线模型的六个参数，进而获得所述拟合路径线的方程。
值得一提的是，在利用所述样条曲线模型进行拟合之前，需要明确所述样条曲线模型在拟合时的约束条件，当所述约束条件改变时，所获得的所述拟合路径线也将随之改变。因此为了使备选路径覆盖尽可能多的通行区域，以便后续从备选路径中选择最佳的局部路径，在本发明的上述实施例中，如图2所示，所述路径生成方法进一步包括步骤：
S500：改变所述样条曲线模型的约束条件，拟合出不同组的拟合路径线，以通过延神所述拟合路径线，获得不同组的备选路径。
值得注意的是，所述样条曲线的约束条件可以但不限于包括所述幂函数曲线的系数slope和所述幂函数曲线的起点斜率。可以理解的是，所述幂函数曲线的起点斜率为所述幂函数曲线在所述移动平台的坐标处的斜率。特别地，对于具有原地转向功能的移动平台，所述移动平台的起点方向并不必被局限在所述移动平台的起点朝向，而是可以是任何方向，使得所述幂函数曲线的所述起点斜率可以是任意的，因此本发明能够通过改变所述起点斜率这个约束条件来获得不同组的备选路径，以便保证生成的不选路径能够覆盖更多的通行区域，为后续最优路径的选择奠定良好的基础。
换言之，对于具备原地转向功能的移动平台，如果仍以所述移动平台的起点朝向作为约束条件是不合理的，例如，当移动平台的起点朝向与全局路径夹角较大(如60°以上)时，所有的所述备选路径将过于集中，一旦在备选路径上出现障碍物，则所有的备选路径都将无法规避障碍物，甚至存在部分备选路径超出所述全局路径的边界线，这将导致后续无法选择出最优的局部路径，进而造成路径规划失败。
当然，在本发明的其他示例中，所述路径生成方法的所述步骤400也可以被实施为：分别沿着平行于所述全局坐标系的s轴方向延伸所述拟合路径线至不同的距离，以得到具有不同预定路径长度的多组备选路径。可以理解的是，所述备选路径的所述预定路径长度可以但不限于被实施为所述备选路径在所述全局坐标系的所述s轴上的投影长度。
示例性地，如图5A所示，以所述全局路径数据中的全局路径线为s轴并以垂直于所述全局路径线的直线为l轴建立所述全局坐标系s-l，其中所述汽车平台所在位置的坐标为(s0,l0)，并且s0＝0,l0＝1；所述采样点所在位置的坐标为(si,li)，并且所述备选路径的所述预定路径长度为S＝4米；相邻的所述平行线之间的所述预定间隔距离被实施为0.1米。因此，通过本发明的所述路径生成方法的所述步骤S300拟合出的所述拟合路径线所对应当曲线方程被实施为：f(s)＝as5+bs4+cs3+ds2+es+f，其中f(0)＝l0；f'(0)＝k；f”(0)＝0；f(si)＝li；f'(si)＝0；f”(si)＝0；进而通过所述路径生成方法所生成的备选路径如图5A所示的曲线。
示例性地，如图5B所示，在根据本发明的上述实施例的所述路径生成方法中：先生成平行线；再计算平行线与幂函数的交点，以作为采样点；之后，基于样条曲线拟合模型和预设路径长度，生成一组或多组备选路径；最后，对每所述备选路径进行采样，生成一组备选路径点，便于降低存储量和后续应用。可以理解的是，所述备选路径可以被实施为通过连接备选路径起点和备选路径终点的一组曲线或一组备选路径点的形式被存储和应用。
值得注意的是，大多数道路不都是平直的，通常也会存在弯曲或折转的道路，也就是说，所述全局路径数据中的全局路径线不都是直线，还可能是具有一定夹角的弯折线(如折角路径)。特别地，所述全局路径数据中的所述全局路径线通常是通过所述全局路径线上的一系列全局路径点来表示，使得所述全局路径线由一系列的直线线段来组成，这就导致所述全局坐标系的s轴仅能重合于所述全局路径线中坐标系原点所在的直线线段。
因此，为了适应具有折角路径的应用场景，本发明进一步提供了所述路径生成方法的一个变形实施方式。具体地，相比于根据本发明的上述实施例，根据本发明的这个变形实施方式的不同之处在于：如图6所示，所述路径生成方法的所述步骤S100，可以包括步骤：
S110’：基于所述全局路径数据，生成一组路段的路段信息，其中所述路段的起点和终点均为所述全局路径线上的全局路径点；
S120’：基于所述移动平台的所述位姿数据和所述路段的所述路段信息，计算所述移动平台与每所述路段之间的最小距离，以确定所述移动平台所处的当前路段；
S130’：基于所述当前路段的路段信息，建立当前路段坐标系，其中所述当前路段坐标系的x轴和y轴分别平行和垂直于所述当前路段的起点和终点之间的连线；以及
S140’：基于所述移动平台的位姿数据，求解出所述移动平台在所述当前路段坐标系中的当前位置坐标。
优选地，在本发明的一示例中，所述当前路段坐标系被实施为基于所述移动平台当下所处的路段的路段信息建立的xy坐标系，其中所述当前路段坐标系的原点位于所述当下所处的路段的起点，其中所述当前路段坐标系的x轴指向所述当下所处的路段的终点，其中所述当前路段坐标系的y轴垂直于所述全局坐标系的所述x轴。可以理解的是，所述路段的起点和终点之间的连线可以被定义为所述路段的路径线，使得所述当前路段坐标系的x轴重合于所述当下所处的路段的路径线，并且所述当前路段坐标系的y轴垂直于所述当下所处的路段的路径线。
值得注意的是，在本发明的这个变形实施方式的所述步骤S110’中，每所述路段的路段信息可以但不限于包括所述路段的起点、终点以及左右边界点在全局坐标系下的坐标，便于通过所述全局坐标系和所述当前路段坐标系之间的关系，获得所述路段的起点、终点以及左右边界点在所述当前路段坐标系下的坐标。特别地，在本发明的一示例中，所述全局坐标系与一个所述当前路段坐标系一致。
具体地，所述步骤S110’可以包括步骤：
基于所述全局路径数据中所述全局路径线上的全局路径点，获得每所述路段在所述当前路段坐标系中的起点坐标和终点坐标；和
分别基于所述当前路段的左右路宽和下一相邻的路段的左右路宽，求解出所述当前路段在所述当前路段坐标系中的左右边界点坐标，以获得所述当前路段的通行区域。
更具体地，所述全局路径数据中所述全局路径线上任意相邻的所述全局路径点之间定义一个所述路段，也就是说，所述路段的数量是根据所述全局路径数据中所述全局路径线上的全局路径点的数量来确定的。例如，当所述全局路径数据中所述全局路径线上的所述全局路径点的数量为N，则所生成的所述路段的数量为N-1，使得所述路段的起点和终点分别为相邻的所述全局路径点，进而基于相邻路段的左右路宽准确地求解出所述路段的左右边界点，以获得所述当前路段的通行区域。
可以理解的是，所述当前路段的通行区域由所述当前路段的起点、终点以及左右边界点共同界定而出，也就是说，所述当前路段的通行区域由依次连接起点、位于起端和终端的左边界点、终点、位于终端和起端的右边界点以及起点的线段围成。
值得注意的是，由于所述当前路段的路径线为所述当前路段的起点和终点之间的连线，使得所述当前路段的路径线必然为直线线段，进而所述当前路段坐标系的所述x轴亦为直线，因此根据本发明的所述路径生成方法的所述步骤S400生成的每所述备选路径均由样条曲线和直线构成，也就是说，本发明先将所述移动平台所在的位置点和所述采样点拟合成具有样条曲线形状的拟合路径线；再沿着所述当前路段坐标系的x轴方向直线地延伸所述拟合路径线，以得到所述备选路径。
值得一提的是，一旦所述备选路径超出所述当前路段的通行区域，则所述移动平台在沿着所述备选路径行驶时将不可避免地行驶到所述下一个相邻的路段。然而，对于所述全局路径中折角路径(即相邻的所述路段的路径线存在夹角)而言，所述备选路径将有可能从所述下一相邻的路段中延伸出去，以使所述备选路径的一部分位于所有的所述路段的通行区域之外，这对于移动平台的安全行驶带来极大的隐患。因此，本发明将通过所述步骤S400和所述步骤S500生成的备选路径作为原始备选路径，以对所述原始备选路径进行重构，使得重构后的备选路径不超过所述下一相邻的路段的通行区域。
具体地，在本发明的上述变形实施方式的一示例中，如图7所示，所述路径生成方法进一步包括步骤：
S600’：判断每所述备选路径是否超出所述当前路段的通行区域，如果是，则将所述备选路径的超出部分重构至所述下一相邻的路段的通行区域，以得到重构的备选路径；如果否，则保持所述备选路径不变。
更具体地，如图7所示，所述路径生成方法的所述步骤S600’包括步骤：
S610’：对每所述备选路径进行采样，以得到所述备选路径上的备选路径点；
S620’：求解每所述备选路径与所述当前路段的所述通行区域的终端边界线之间的交点，作为所述备选路径上的路段截止点；
S630’：比较所述备选路径上所有的所述备选路径点的x轴坐标与所述备选路径上的所述路段截止点的x轴坐标之间的大小；以及
S640’：当所述备选路径点的x轴坐标大于所述路段截止点的x轴坐标时，藉由一映射模型，将所述备选路径点映射至所述下一相邻的路段的通行区域，以获得重构路径点。
值得注意的是，本发明的所述步骤S610’可以但不限于每间隔一预定距离(如0.3米等等)对所述备选路径进行采样，以得到间隔所述预定距离的所述备选路径点。当然，在本发明的其他示例中，所述备选路径点也可以通过其他采样方式来获得，本发明对此不再赘述。
示例性地，如图8A所示，在所述当前路段的当前路段坐标系x1y1中，所述备选路径的路段截止点E的坐标为(xe,ye)，所述备选路径上的备选路径点P1的坐标(x1,y1)；在所述下一相邻的路段的下一路段坐标系x2y2中，所述备选路径的路段截止点E的坐标为(xb,yb)。因此，当x1＞xe时，表明所述备选路径点P1位于所述当前路段的通行区域之外，需要根据所述映射模型，将所述备选路径点P1映射至所述下一相邻的路段，以得到重构路径点P2，其中所述重构路径点P2在所述下一路段坐标系x2y2中的坐标为(x2,y2)，以实现所述备选路径的重构；当x1≤xe时，则表明所述备选路径点P1位于所述当前路段的通行区域之内，保持所述备选路径点P1的位置(坐标)不变。
优选地，所述映射模型可以但不不限于被实施为：
其中：(x2,y2)为所述重构路径点在所述下一路段坐标系x2y2中的坐标；(x1,y1)为所述备选路径点在所述当前路段坐标系x1y1中的坐标；(xe,ye)和(xb,yb)分别为所述备选路径的路段截止点在所述当前路段坐标系x1y1和所述下一路段坐标系x2y2上的坐标；W1和W2分别为所述当前路段和所述下一相邻的路段的同侧路宽。
值得注意的是，由于通过所述映射模型可以将所述备选路径点等比例地映射至下一相邻的路段，使得所述重构的备选路径在所述路段截止点处发生折角连续，这样所述移动平台沿着所述重构的备选路径行驶至所述当前路段的终端(即所述路段截止点)时，所述移动平台将进行原地转向，以在所述下一相邻的路段的通行区域内继续沿着所述重构的备选路径行驶，从而在避免所述移动平台驶离通行区域而产生安全隐患的同时，又能够实现折角路径的跟踪功能，以便保证所述移动平台能够较好地完成诸如定点巡检等相应的工作任务。当然，在本发明的其他示例中，所述映射模型也可以被实施为其他的映射函数关系，只要确保所述重构路径点处于所述下一相邻的路段的通行区域即可。
示例性地，如图8B所示，在获得每所述备选路径上的备选路径点之后，线判断所述备选路径上至少一个所述备选路径点是否超过当前的路段，如果是，则对超过的所述备选路径点进行映射，以在得到重构的备选路径，再将重构的备选路径输出；如果否，则直接将所述备选路径输出。
根据本发明的另一方面，如图9所示，本发明的一实施例进一步提供了一路径规划方法，包括步骤：
A：获取通过上述路径生成方法生成的一组或多组备选路径；和
B：基于所获得的障碍物信息，从所述多组备选路径中筛选出最优路径。
更具体地，在本发明的所述路径规划方法的所述步骤B中，藉由一路径筛选模型，获得每所述备选路径的通行系数，以将具有最大通行系数的备选路径作为所述最优路径。
进一步地，本发明的所述路径筛选模型可以但不限于被实施为：
prob(i)＝center_prob(i)×distance_prob(i)
其中，prob(i)为编号为i的备选路径的通行系数；center_prob(i)为编号为i的备选路径的中心系数；distance_prob(i)为编号为i的备选路径的避障系数。
值得注意的是，所述备选路径的中心系数用来表示所述备选路径靠近所述当前的路段的路段线的程度，其中所述备选路径的中心系数的大小与所述备选路径上的采样点和所述当前的路段的路段线之间的距离成反比，也就是说，所述备选路径上的采样点与所述当前的路段的路段线之间的距离越小(或越大)，则所述备选路径的中心系数就越大(或越小)。可以理解的是，在避障系数相同的情况下，所述备选路径的中心系数越大，则所述备选路径的通行系数就越大，被选定为最优路径的概率就越高，因此在无障碍物或不受障碍物影响的情况下，所述移动平台优先沿着所述当前的路段的路段线行驶，即所述移动平台优先选择沿着所述全局路径线行驶，便于实现所述移动平台的寻迹功能。
示例性地，所述备选路径的所述中心系数可以但不限于通过中心系数模型来获得，其中所述中心系数模型如下：center_prob(i)＝1/(abs(i)/25+1)，其中abs(i)为编号i的绝对值。可以理解的是，所述备选路径的编号随着其上采样点在所述当前路段坐标系上的y轴坐标的增大而变大，并且其上采样点在所述当前路段坐标系上的y轴坐标最接近零的备选路径的编号为0，也就是说，其上采样点在所述当前路段坐标系上的y轴坐标大于零的备选路径的编号为正；其上采样点在所述当前路段坐标系上的y轴坐标小于零的备选路径的编号为负。
此外，所述备选路径的避障系数用来表示所述备选路径远离所述障碍物的程度，其中所述备选路径的避障系数的大小与所述备选路径和所述障碍物之间的最小距离成正比，也就是说，所述备选路径和所述障碍物之间的最小距离越大(或越小)，则所述备选路径的避障系数就越大(或越小)。可以理解的是，在中心系数相同的情况下，所述备选路径的避障系数越大，则所述备选路径的通行系数就越大，被选定为最优路径的概率就越高。
特别地，所述备选路径的所述避障系数优选地通过避障系数模型来获得，其中所述避障系数模型如下：
其中：obj_dis(i)为编号为i的所述备选路径与所述障碍物之间的最小距离；ε为所述障碍物的膨胀半径。可以理解的是，所述障碍物的膨胀半径可以被实施为所述汽车平台与所述障碍物之间的安全距离，其能够根据所述移动平台的外形尺寸、行驶速度，以及障碍物的大小来进行设定和调整，以保证所述移动平台的安全行驶即可。
值得注意的是，所述障碍物信息可以但不限于通过所述移动平台上的激光雷达采集的点云数据来获取，通常可以得到所述障碍物在基于所述移动平台建立的坐标系下的位置坐标和尺寸，之后则可以通过所述基于所述移动平台建立的坐标系与所述当前路段坐标系(或所述全局坐标系)之间的映射关系，求出所述障碍物在所述当前路段坐标系(或所述全局坐标系)下的坐标和尺寸，以便后续获得所述备选路径的避障系数。此外，通过所述激光雷达采集的所述点云数据中存在大量的干扰信息，因此本发明还需要对所述点云数据进行滤波处理。
示例性地，在藉由激光雷达采集到点云数据之后，先滤除感兴趣区域以外(如所述路段的通行区域中该移动平台的后侧区域)的点云；再滤除车体点云和地面点云等非障碍物点云；接着，对剩余点云进行聚类，用BOX表示每个障碍物的大小、朝向和运动速度，从而获得所述障碍物信息。
值得一提的是，在本发明的一变形实施方式中，所述路径规划方法的所述步骤B中的所述路径筛选模型也可以被实施为：
prob(i)＝center_prob(i)×distance_prob(i)×length_prob(i)
其中，prob(i)为编号为i的备选路径的通行系数；center_prob(i)为编号为i的备选路径的中心系数；distance_prob(i)为编号为i的备选路径的避障系数；length_prob(i)为该编号为i的备选路径的长度系数。
更具体地，所述备选路径的长度系数的大小用来表示所述备选路径的长短程度，也就是说，所述备选路径的路径越长(即所述预定路径长度越大)，则所述备选路径的长度系数就越大。换言之，所述备选路径的长度系数的大小与所述备选路径的路径长度成正比。
优选地，所述备选路径的所述长度系数优选地通过长度系数模型来获得，其中所述长度系数模型如下：
其中：Δs为所述备选路径的所述预定路径长度。
可以理解的是，由于预定路径长度大于4的所述备选路径的长度系数小于预定路径长度小于4的所述备选路径的长度系数，因此在中心系数和避障系数均相同的情况下，所述备选路径的长度系数越大，则所述备选路径的通行系数就越大，被选定为最优路径的概率就越高，这样所述最优路径能够具有相对长的路径长度，使得所述移动平台能够沿着所述局部路径行驶较远的距离，有助于降低路径规划的频率，进而降低路径规划所需的计算量。
值得一提的是，由于所述最优路径为所述路段中的局部路径，因此需要不断地获得新的最优路径，才能确保所述移动平台的正常安全行驶，从而为所述移动平台提供自动导航服务。示例性地，如图9所示，本发明的所述路径规划方法，进一步包括步骤：
C：响应于更新条件的触发，更新通过所述步骤A获取的一组或多组备选路径，以通过所述步骤B从所述更新后的备选路径中筛选出新的最优路径。
值得注意的是，本发明的所述路径规划方法中的所述步骤A可以被实时执行，也就是说，实时获取通过上述路径生成方法生成的多组备选路径，以便使用最新生成的多组备选路径来更新路径。示例性地，本发明的所述更新条件可以但不限于包括所述移动平台处于初始化状态、当前无备选路径、检测到障碍物、移动平台行驶一段距离等等，以便通过设定合理的更新条件，来智能地控制路径规划进程，以在确保安全行驶的同时，尽可能降低计算量，减少能耗。
当然，在本发明的其他示例中，本发明的所述路径规划方法中的所述步骤A也可以被有条件地执行，也就是说，当所述更新条件被触发时，获取通过上述路径生成方法最新生成的多组备选路径，这样仍可以获得最新的备选路径。
示例性地，在本发明的一示例中，如图10所示，所述路径规划方法包括如下步骤：接收通过诸如组合惯导等传感器获取的移动平台的位姿数据(位置和姿态数据)，并通过诸如激光雷达等传感器检测所述移动平台周围的障碍物，以获得所述障碍物的信息；接收上位机发送的全局路径数据，并生成路段信息；确定所述移动平台所处的路段；计算所述移动平台在所处路段中的坐标；生成多组备选路径点；对超出所处路段的备选路径点进行映射，以重构备选路径；判断更新条件是否被触发，如果是则更新备选路径，如果否则不更新备选路径；最后从所述备选路径中筛选出最优路径，以完成路径规划。
示意性系统
参考说明书附图之图11所示，根据本发明的一实施例的路径规划系统被阐明。具体地，如图11所示，所述路径规划系统1可以包括相互可通信地连接的一路径生成系统10和一路径决策系统20，其中所述路径生成系统10用于生成一组或多组备选路径；其中所述路径决策系统20包括相互可通信地连接的一路径获取模块21和一路径筛选模块22，其中所述路径获取模块21用于获取通过所述路径生成系统10生成的多组备选路径；其中所述路径筛选模块22用于基于所获得的障碍物的信息，从所述多组备选路径中筛选出最优路径。
进一步地，如图11所示，所述路径生成系统10包括依次可通信地连接的一确定模块11、一采样点生成模块12、一拟合模块13以及一延伸模块14，其中所述确定模块11用于基于全局路径数据和移动平台的位姿数据，确定所述移动平台在全局路径中的当前位置；其中所述采样点生成模块12用于基于所述移动平台在全局路径中的所述当前位置，生成一组采样点，以获得所述采样点在所述全局路径中的位置；其中所述拟合模块13用于藉由样条曲线模型，分别在所述移动平台的该当前位置和所述采样点的位置之间拟合出拟合路径线；其中所述延伸模块14用于分别沿着平行于所述全局路径的全局路径线的方向延伸所述拟合路径线，以得到具有预定路径长度的一组备选路径。
在本发明的一示例中，如图11所示，所述确定模块11包括相互可通信地连接的一坐标系建立模块111和一求解模块112，其中所述坐标系建立模块111用于基于所述全局路径数据，建立全局坐标系，其中所述全局坐标系的s轴平行于所述全局路径线，并且所述全局坐标系的l轴垂直于所述全局路径线；其中所述求解模块112用于基于所述移动平台的位姿数据，求解出所述移动平台在所述全局坐标系中的当前位置坐标。
此外，在本发明的一示例中，如图11所示，所述采样点生成模块12包括相互可通信地连接的一平行线生成模块121和一交点计算模块122，其中所述平行线生成模块121用于生成一组平行线，其中每所述平行线平行于所述全局坐标系的所述s轴；其中所述交点计算模块122用于计算所述幂函数曲线与每所述平行线的交点，以作为所述采样点。
值得注意的是，在本发明的上述实施例中，如图11所示，所述路径规划系统1的所述路径生成系统10进一步包括一约束条件改变模块15，其中所述约束条件改变模块15可通信地连接所述拟合模块13和所述延伸模块14，用于改变所述样条曲线模型的约束条件，通过所述拟合模块13拟合出不同组的拟合路径线，并通过所述延伸模块14延神所述不同组的拟合路径线，以获得不同组的备选路径。
值得一提的是，根据本发明的上述实施例，本发明的所述路径规划系统1的所述路径决策系统20的所述路径筛选模块22进一步地用于藉由一路径筛选模型，获得每所述备选路径的通行系数，以将通行系数最大的备选路径作为所述最优路径。
此外，如图11所示，所述路径决策系统20进一步包括一路径更新模块23，其中所述路径更新模块23可通信地连接于所述路径获取模块21和所述路径筛选模块22，用于响应于更新条件的触发，更新通过所述路径获取模块21获取的所述多组备选路径，以通过所述路径筛选模块22从所述更新后的多组备选路径中筛选出新的最优路径。
值得一提的是，如图12所示，根据本发明的所述路径规划系统1的所述路径生成系统10的一个变形实施方式被阐明。相比于根据本发明的上述实施例，根据本发明的这个变形实施方式的所述路径生成系统10’不同之处在于：所述确定模块11’包括依次可通信地连接的一路段生成模块111’、一距离计算模块112’、一坐标系建立模块113’以及一求解模块114’，其中所述路段生成模块111’用于基于所述全局路径数据，生成一组路段的路段信息，其中所述路段的起点和终点均为所述全局路径线上的全局路径点；其中所述距离计算模块112’用于基于所述移动平台的所述位姿数据和所述路段的所述路段信息，计算所述移动平台与每所述路段之间的最小距离，以确定所述移动平台所处的当前路段；其中所述坐标系建立模块113’用于基于所述当前路段的路段信息，建立当前路段坐标系，其中所述当前路段坐标系的x轴和y轴分别平行和垂直于所述当前路段的起点和终点之间的连线；其中所述求解模块114’用于基于所述移动平台的位姿数据，求解出所述移动平台在所述当前路段坐标系中的当前位置坐标。
进一步地，在本发明的一示例中，所述路段生成模块111’可以用于基于所述全局路径数据中所述全局路径线上的全局路径点，获得每所述路段在所述当前路段坐标系中的起点坐标和终点坐标；和分别基于所述当前路段的左右路宽和下一相邻的路段的左右路宽，求解出所述当前路段在所述当前路段坐标系中的左右边界点坐标，以获得所述当前路段的通行区域。
值得注意的是，在本发明的这个变形实施方式中，如图12所示，所述路径生成系统10’进一步包括一路径重构模块16’，其中所述路径重构模块16’用于判断每所述备选路径是否超出所述当前路段的通行区域，如果是，则将所述备选路径的超出部分重构至所述下一相邻的路段的通行区域，以得到重构的备选路径；如果否，则保持所述备选路径不变。
示例性地，如图12所示，所述路径重构模块16’包括依次可通信地连接的一路径点采样模块161’、一截止点求解模块162’、一比较模块163’以及一映射模块164’，其中所述路径点采样模块161’用于对每所述备选路径进行采样，以得到所述备选路径上的备选路径点；其中所述截止点求解模块162’用于求解每所述备选路径与所述当前路段的所述通行区域的终端边界线之间的交点，作为所述备选路径上的路段截止点；其中所述比较模块163’用于比较所述备选路径上所有的所述备选路径点的x轴坐标与所述备选路径上的所述路段截止点的x轴坐标之间的大小；其中所述映射模块164’用于当所述备选路径点的x轴坐标大于所述路段截止点的x轴坐标时，藉由一映射模型，将所述备选路径点映射至所述下一相邻的路段的通行区域，以获得重构路径点。
示意性设备
参考说明书附图至图13所示，根据本发明的一实施例的一移动平台设备被阐明。具体地，如图13所示，所述移动平台设备包括一移动平台本体2和上述路径规划系统1，其中所述路径规划系统1被搭载于所述移动平台本体2，以通过所述路径规划系统1为所述移动平台本体2规划处最优路径，以便实现所述移动平台本体2的自主导航效果。
值得注意的是，在本发明的一示例中，所述移动平台设备可以但不限于进一步包括被搭载于所述移动平台本体2的车体通讯模块、传感器模块、车体控制模块以及任务模块等等各种模块(图中未示出)。所述车体通讯模块用于负责所述路径规划系统与上位机进行交互，以接收通过所述上位机发送的全局路径数据。所述传感器模块可以包括组合惯导、激光雷达以及执行相应任务所需的传感器更构成，其中所述组合惯导能够通过差分GPS的原理，精确获知所述移动平台本体2的定位信息；其中所述激光雷达用于感知周围的环境、障碍物检测、可通行区域的检测等。所述车体控制模块用于基于所述最优路径来控制所述移动平台本体2的定位信息(即位姿数据)。所述任务模块用于执行相应的工作，如油田巡检车的巡检工作等等。
示意性电子设备
下面，参考图14来描述根据本发明实施例的电子设备(图14示出了根据本发明实施例的电子设备的框图)。如图14所示，电子设备50包括一个或多个处理器51和存储器52。
所述处理器51可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备50中的其他组件以执行期望的功能。
所述存储器52可以包括一个或多个计算程序产品，所述计算程序产品可以包括各种形式的计算可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算可读存储介质上可以存储一个或多个计算程序指令，所述处理器51可以运行所述程序指令，以实现上文所述的本发明的各个实施例的方法以及/或者其他期望的功能。
在一个示例中，如图14所示，电子设备50还可以包括：输入装置53和输出装置54，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如，该输入装置53可以是例如用于采集图像数据或视频数据的摄像模组等等。
该输出装置54可以向外部输出各种信息，包括分类结果等。该输出设备54可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图14中仅示出了该电子设备50中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备50还可以包括任何其他适当的组件。
示意性计算程序产品
除了上述方法和设备以外，本发明的实施例还可以是计算程序产品，其包括计算程序指令，所述计算程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本发明的实施例还可以是计算可读存储介质，其上存储有计算程序指令，所述计算程序指令在被处理器运行时使得所述处理器执行本说明书上述方法中的步骤。
所述计算可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
以上结合具体实施例描述了本发明的基本原理，但是，需要指出的是，在本发明中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本发明为必须采用上述具体的细节来实现。
本发明中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
还需要指出的是，在本发明的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此，本发明不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

Claims (30)

1.一路径生成方法，其特征在于，包括步骤：
基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置；
基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置；
藉由一样条曲线模型，分别在该移动平台的该当前位置和该采样点的位置之间拟合出一组拟合路径线；以及
分别沿着平行于该全局路径的全局路径线的方向延伸该拟合路径线，以得到具有预定路径长度的一组备选路径；
其中，在所述基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置的步骤中：
基于该移动平台在该全局路径中的该当前位置，利用幂函数曲线生成该采样点，以获得该采样点在全局坐标系中的位置坐标；
其中，该幂函数曲线为一函数模型：其中，s和l分别为该幂函数曲线上各点在该全局坐标系中的坐标值；s0和l0分别为该移动平台在该全局坐标系中的当前位置坐标值；slope为该幂函数曲线的系数。
2.如权利要求1所述的路径生成方法，其中，所述基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置的步骤，包括步骤：
基于该全局路径数据，建立全局坐标系，其中该全局坐标系的s轴平行于该全局路径线，并且该全局坐标系的l轴垂直于该全局路径线；和
基于该移动平台的位姿数据，求解出该移动平台在该全局坐标系中的当前位置坐标。
3.如权利要求2所述的路径生成方法，其中，所述基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置的步骤，包括步骤：
生成一组平行线，其中每该平行线平行于该全局坐标系的该s轴；和
计算该幂函数曲线与每该平行线的交点，以作为该采样点。
4.如权利要求1所述的路径生成方法，其中，所述基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置的步骤，包括步骤：
基于该全局路径数据，生成一组路段的路段信息，其中该路段的起点和终点均为该全局路径线上的全局路径点；
基于该移动平台的该位姿数据和该路段的该路段信息，计算该移动平台与每该路段之间的最小距离，以确定该移动平台所处的当前路段；
基于该当前路段的路段信息，建立一当前路段坐标系，其中该当前路段坐标系的x轴和y轴分别平行和垂直于该当前路段的起点和终点之间的连线；以及
基于该移动平台的该位姿数据，求解出该移动平台在该当前路段坐标系中的当前位置坐标。
5.如权利要求4所述的路径生成方法，其中，在所述基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置的步骤中：
基于该移动平台在该全局路径中的该当前位置，利用幂函数曲线生成该采样点，以获得该采样点在该当前路段坐标系中的位置坐标。
6.如权利要求4所述的路径生成方法，其中，该当前路段坐标系的原点位于该当前路段的起点，并且该当前路段坐标系的该x轴指向该当前路段的终点。
7.如权利要求6所述的路径生成方法，其中，所述基于该全局路径数据，生成一组路段的路段信息，其中该路段的起点和终点均为该全局路径线上的全局路径点的步骤，包括步骤：
基于该全局路径数据中该全局路径线上的该全局路径点，获得每该路段在该当前路段坐标系中的起点坐标和终点坐标；和
分别基于该当前路段的左右路宽和下一相邻的路段的左右路宽，求解出该当前路段在该当前路段坐标系中的左右边界点坐标，以获得该当前路段的通行区域。
8.如权利要求7所述的路径生成方法，进一步包括步骤：
判断每该备选路径是否超出该当前路段的该通行区域，如果是，则将该备选路径的超出部分重构至该下一相邻的路段的通行区域，以得到重构的备选路径；如果否，则保持该备选路径不变。
9.如权利要求8所述的路径生成方法，其中，所述判断每该备选路径是否超出该当前路段的该通行区域的步骤，包括步骤：
对每该备选路径进行采样，以得到该备选路径上的备选路径点；
求解每该备选路径与该当前路段的该通行区域的终端边界线之间的交点，作为该备选路径上的路段截止点；
比较该备选路径上所有的该备选路径点的x轴坐标与该备选路径上的该路段截止点的x轴坐标之间的大小；以及
当该备选路径点的x轴坐标大于该路段截止点的x轴坐标时，藉由一映射模型，将该备选路径点映射至该下一相邻的路段的通行区域，以获得重构路径点。
10.如权利要求9所述的路径生成方法，其中，所述映射模型为：
其中：(x2,y2)为该重构路径点在下一路段坐标系中的坐标；(x1,y1)为该备选路径点在该当前路段坐标系中的坐标；(xe,ye)和(xb,yb)分别为该路段截止点在该当前路段坐标系和该下一路段坐标系上的坐标；W1和W2分别为该当前路段和该下一相邻的路段的同侧路宽。
11.如权利要求1至10中任一所述的路径生成方法，进一步包括步骤：
改变该样条曲线模型的约束条件，拟合出不同组的该拟合路径线，以通过延伸该不同组的拟合路径线，获得不同组的该备选路径。
12.如权利要求11所述的路径生成方法，其中，该样条曲线模型的该约束条件包括幂函数曲线的系数和幂函数曲线的起点斜率。
13.如权利要求11所述的路径生成方法，其中，该样条曲线模型为五次样条曲线或三次样条曲线。
14.一路径规划方法，其特征在于，包括步骤：
A：获取通过路径生成方法生成的一组或多组备选路径；和
B：基于所获得的障碍物的信息，从所述备选路径中筛选出最优路径；
其中所述路径生成方法包括步骤：
基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置；
基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置；
藉由一样条曲线模型，分别在该移动平台的该当前位置和该采样点的位置之间拟合出一组拟合路径线；以及
分别沿着平行于该全局路径的全局路径线的方向延伸该拟合路径线，以得到具有预定路径长度的一组备选路径；
其中，在所述基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置的步骤中：
基于该移动平台在该全局路径中的该当前位置，利用幂函数曲线生成该采样点，以获得该采样点在全局坐标系中的位置坐标；
其中，该幂函数曲线为一函数模型：其中，s和l分别为该幂函数曲线上各点在该全局坐标系中的坐标值；s0和l0分别为该移动平台在该全局坐标系中的当前位置坐标值；slope为该幂函数曲线的系数。
15.如权利要求14所述的路径规划方法，其中，在所述步骤B中：
藉由一路径筛选模型，获得每该备选路径的通行系数，以将具有最大通行系数的该备选路径作为该最优路径。
16.如权利要求15所述的路径规划方法，其中，所述路径筛选模型为：prob(i)＝center_prob(i)×distance_prob(i)；其中：prob(i)为编号为i的备选路径的通行系数；center_prob(i)为该编号为i的备选路径的中心系数；
distance_prob(i)为该编号为i的备选路径的避障系数。
17.如权利要求15所述的路径规划方法，其中，所述路径筛选模型为：prob(i)＝center_prob(i)×distance_prob(i)×length_prob(i)；其中：prob(i)为编号为i的备选路径的通行系数；center_prob(i)为该编号为i的备选路径的中心系数；distance_prob(i)为该编号为i的备选路径的避障系数；length_prob(i)为该编号为i的备选路径的长度系数。
18.如权利要求16或17所述的路径规划方法，其中，该备选路径的中心系数的大小与该备选路径上的采样点和该全局路径线之间距离成反比。
19.如权利要求16或17所述的路径规划方法，其中，该备选路径的避障系数的大小与该备选路径和该障碍物之间的最小距离成正比。
20.如权利要求17所述的路径规划方法，其中，该备选路径的长度系数与该备选路径的长度大小成正比。
21.如权利要求14至17中任一所述的路径规划方法，进一步包括步骤：
C：响应于更新条件的触发，更新通过所述步骤A获取的一组或多组备选路径，以通过所述步骤B从更新后的备选路径中筛选出新的最优路径。
22.一路径生成系统，其特征在于，包括依次可通信的：
一确定模块，其中所述确定模块用于基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置；
一采样点生成模块，其中所述采样点生成模块用于基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置；
一拟合模块，其中所述拟合模块用于藉由一样条曲线模型，分别在该移动平台的该当前位置和该采样点的位置之间拟合出一组拟合路径线；以及
一延伸模块，其中所述延伸模块用于分别沿着平行于该全局路径的全局路径线的方向延伸该拟合路径线，以得到具有预定路径长度的一组备选路径；
其中，所述采样点生成模块用于基于该移动平台在该全局路径中的该当前位置，利用幂函数曲线生成该采样点，以获得该采样点在全局坐标系中的位置坐标；
其中，该幂函数曲线为一函数模型：其中，s和l分别为该幂函数曲线上各点在该全局坐标系中的坐标值；s0和l0分别为该移动平台在该全局坐标系中的当前位置坐标值；slope为该幂函数曲线的系数。
23.如权利要求22所述的路径生成系统，其中，所述确定模块包括相互可通信地连接的一坐标系建立模块和一求解模块，其中所述坐标系建立模块用于基于该全局路径数据，建立全局坐标系，其中该全局坐标系的s轴平行于该全局路径线，并且该全局坐标系的l轴垂直于该全局路径线；其中所述求解模块用于基于该移动平台的位姿数据，求解出该移动平台在该全局坐标系中的当前位置坐标。
24.如权利要求22所述的路径生成系统，其中，所述确定模块包括依次可通信地连接的一路段生成模块、一距离计算模块、一坐标系建立模块以及一求解模块，其中所述路段生成模块用于基于该全局路径数据，生成一组路段的路段信息，其中该路段的起点和终点均为该全局路径线上的全局路径点；其中所述距离计算模块用于基于该移动平台的该位姿数据和该路段的该路段信息，计算该移动平台与每该路段之间的最小距离，以确定该移动平台所处的当前路段；其中所述坐标系建立模块用于基于该当前路段的路段信息，建立一当前路段坐标系，其中该当前路段坐标系的x轴和y轴分别平行和垂直于该当前路段的起点和终点之间的连线；其中所述求解模块用于基于该移动平台的该位姿数据，求解出该移动平台在该当前路段坐标系中的当前位置坐标。
25.如权利要求24所述的路径生成系统，进一步包括一路径重构模块，其中所述路径重构模块用于判断每该备选路径是否超出该当前路段的通行区域，如果是，则将该备选路径的超出部分重构至下一相邻的路段的通行区域，以得到重构的备选路径；如果否，则保持该备选路径不变。
26.如权利要求22至25中任一所述的路径生成系统，进一步包括一约束条件改变模块，其中所述约束条件改变模块与所述拟合模块和所述延伸模块可通信地连接，用于改变所述样条曲线模型的约束条件，通过所述拟合模块拟合出不同组的拟合路径线，并通过所述延伸模块延伸该不同组的拟合路径线，以获得不同组的备选路径。
27.一路径规划系统，其特征在于，包括相互可通信地连接的：
如权利要求22至26中任一所述的路径生成系统，用于生成一组或多组备选路径；和
一路径决策系统，其中所述路径决策系统包括相互可通信地连接的：
一路径获取模块，其中所述路径获取模块用于获取通过路径生成方法生成的该一组或多组备选路径；和
一路径筛选模块，其中所述路径筛选模块用于基于所获得的障碍物的信息，从该备选路径中筛选出最优路径。
28.如权利要求27所述的路径规划系统，进一步包括一路径更新模块，其中所述路径更新模块与所述路径获取模块和所述路径筛选模块可通信地连接，用于响应于更新条件的触发，更新通过所述路径获取模块获取的备选路径，以通过所述路径筛选模块从更新后的备选路径中筛选出新的最优路径。
29.一移动平台设备，其特征在于，包括：
一移动平台本体；和
一路径规划系统，其中所述路径规划系统被搭载于所述移动平台本体，用于为所述移动平台本体规划处最优路径，其中所述路径规划系统内包括相互可通信地连接的：
如权利要求22至26中任一所述的路径生成系统，用于生成一组或多组备选路径；和
一路径决策系统，其中所述路径决策系统包括相互可通信地连接的：
一路径获取模块，其中所述路径获取模块用于获取通过路径生成方法生成的该一组或多组备选路径；和
一路径筛选模块，其中所述路径筛选模块用于基于所获得的障碍物的信息，从该备选路径中筛选出该最优路径。
30.一电子设备，其特征在于，包括：
一处理器，用于执行程序指令；和
一存储器，其中所述存储器被配置用于保存可由所述处理器执行以实现一路径生成方法的程序指令，其中所述路径生成方法包括步骤：
基于全局路径数据和一移动平台的位姿数据，确定该移动平台在全局路径中的当前位置；
基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置；
藉由一样条曲线模型，分别在该移动平台的该当前位置和该采样点的位置之间拟合出一组拟合路径线；以及
分别沿着平行于该全局路径的全局路径线的方向延伸该拟合路径线，以得到具有预定路径长度的一组备选路径；
其中，在所述基于该移动平台在该全局路径中的该当前位置，生成一组采样点，以获得该采样点在该全局路径中的位置的步骤中：
基于该移动平台在该全局路径中的该当前位置，利用幂函数曲线生成该采样点，以获得该采样点在全局坐标系中的位置坐标；
其中，该幂函数曲线为一函数模型：其中，s和l分别为该幂函数曲线上各点在该全局坐标系中的坐标值；s0和l0分别为该移动平台在该全局坐标系中的当前位置坐标值；slope为该幂函数曲线的系数。
CN201911006759.XA 2019-10-22 2019-10-22 路径生成方法和路径规划方法及其系统和设备 Active CN112783144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911006759.XA CN112783144B (zh) 2019-10-22 2019-10-22 路径生成方法和路径规划方法及其系统和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911006759.XA CN112783144B (zh) 2019-10-22 2019-10-22 路径生成方法和路径规划方法及其系统和设备

Publications (2)

Publication Number Publication Date
CN112783144A CN112783144A (zh) 2021-05-11
CN112783144B true CN112783144B (zh) 2023-09-29

Family

ID=75748616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911006759.XA Active CN112783144B (zh) 2019-10-22 2019-10-22 路径生成方法和路径规划方法及其系统和设备

Country Status (1)

Country Link
CN (1) CN112783144B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113341999A (zh) * 2021-06-29 2021-09-03 河南科技大学 一种基于优化d*算法的叉车路径规划方法及装置
CN113721608A (zh) * 2021-08-16 2021-11-30 河南牧原智能科技有限公司 机器人局部路径规划方法、系统和可读存储介质
CN113932827A (zh) * 2021-11-09 2022-01-14 启迪云控(上海)汽车科技有限公司 道路曲线的生成方法、装置、存储介质及车辆
CN114419877B (zh) * 2021-12-15 2022-11-15 中国科学院深圳先进技术研究院 基于道路特征的车辆轨迹预测数据处理方法和装置
CN114310941B (zh) * 2021-12-21 2023-10-20 长三角哈特机器人产业技术研究院 用于轮毂轮孔去毛刺加工的机器人路径生成方法
CN114355925B (zh) * 2021-12-29 2024-03-19 杭州海康机器人股份有限公司 路径规划方法、装置、设备及计算机可读存储介质
CN114995398A (zh) * 2022-05-16 2022-09-02 中国第一汽车股份有限公司 路径生成方法、装置、存储介质、处理器及电子装置
CN117519212B (zh) * 2024-01-03 2024-04-12 杭州华橙软件技术有限公司 路径跟踪控制方法、装置、终端及计算机可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101063302B1 (ko) * 2010-10-05 2011-09-07 국방과학연구소 무인차량의 자율주행 제어 장치 및 방법
JP2014142235A (ja) * 2013-01-23 2014-08-07 Denso It Laboratory Inc カーブ形状モデル化装置、方法及び車載用ナビゲーション装置
CN105765399A (zh) * 2013-12-03 2016-07-13 波音公司 用于发送器位置检测的系统和方法
CN106873600A (zh) * 2017-03-31 2017-06-20 深圳市靖洲科技有限公司 一种面向无人自行车的局部避障路径规划方法
CN107289938A (zh) * 2017-05-27 2017-10-24 中国北方车辆研究所 一种地面无人平台局部路径规划方法
CN108088456A (zh) * 2017-12-21 2018-05-29 北京工业大学 一种具有时间一致性的无人驾驶车辆局部路径规划方法
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
CN109781126A (zh) * 2018-12-30 2019-05-21 芜湖哈特机器人产业技术研究院有限公司 一种基于矢量法的全局静态路径规划方法
CN109799822A (zh) * 2019-01-30 2019-05-24 中国石油大学(华东) 移动机器人全局平滑路径规划方法
CN110262488A (zh) * 2019-06-18 2019-09-20 重庆长安汽车股份有限公司 自动驾驶的局部路径规划方法、系统及计算机可读存储介质
CN110333714A (zh) * 2019-04-09 2019-10-15 武汉理工大学 一种无人驾驶汽车路径规划方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101877553B1 (ko) * 2014-11-14 2018-07-11 한국전자통신연구원 차량 자율주행 시스템 및 이를 이용한 차량 주행 방법
CA3032812A1 (en) * 2016-08-04 2018-02-08 Reification Inc. Methods for simultaneous localization and mapping (slam) and related apparatus and systems

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101063302B1 (ko) * 2010-10-05 2011-09-07 국방과학연구소 무인차량의 자율주행 제어 장치 및 방법
JP2014142235A (ja) * 2013-01-23 2014-08-07 Denso It Laboratory Inc カーブ形状モデル化装置、方法及び車載用ナビゲーション装置
CN105765399A (zh) * 2013-12-03 2016-07-13 波音公司 用于发送器位置检测的系统和方法
CN106873600A (zh) * 2017-03-31 2017-06-20 深圳市靖洲科技有限公司 一种面向无人自行车的局部避障路径规划方法
CN107289938A (zh) * 2017-05-27 2017-10-24 中国北方车辆研究所 一种地面无人平台局部路径规划方法
CN108088456A (zh) * 2017-12-21 2018-05-29 北京工业大学 一种具有时间一致性的无人驾驶车辆局部路径规划方法
CN109781126A (zh) * 2018-12-30 2019-05-21 芜湖哈特机器人产业技术研究院有限公司 一种基于矢量法的全局静态路径规划方法
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
CN109799822A (zh) * 2019-01-30 2019-05-24 中国石油大学(华东) 移动机器人全局平滑路径规划方法
CN110333714A (zh) * 2019-04-09 2019-10-15 武汉理工大学 一种无人驾驶汽车路径规划方法和装置
CN110262488A (zh) * 2019-06-18 2019-09-20 重庆长安汽车股份有限公司 自动驾驶的局部路径规划方法、系统及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种移动机器人路径规划方法;黄素平,何清华;机床与液压(第05期);第45-46页 *
利用最小二乘法实现2004规范徐变系数的指数函数拟合;李学文;姚康宁;颜东煌;;长沙交通学院学报(第03期);第20-24页 *

Also Published As

Publication number Publication date
CN112783144A (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
CN112783144B (zh) 路径生成方法和路径规划方法及其系统和设备
JP6644742B2 (ja) 頑健で効率的な車両測位用のアルゴリズム及びインフラ
JP7003087B2 (ja) 移動障害物を回避する自動運転のための運転経路の決定
US10816977B2 (en) Path and speed optimization fallback mechanism for autonomous vehicles
JP6637088B2 (ja) ウォルシュ・カーネル・投影技術に基づく自動運転車両の位置決め
KR102335389B1 (ko) 자율 주행 차량의 lidar 위치 추정을 위한 심층 학습 기반 특징 추출
US11531110B2 (en) LiDAR localization using 3D CNN network for solution inference in autonomous driving vehicles
KR102350181B1 (ko) 자율 주행 차량에서 rnn 및 lstm을 사용하여 시간적 평활화를 수행하는 lidar 위치 추정
JP6667686B2 (ja) 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体
CN113879295B (zh) 轨迹预测方法及装置
JP7108583B2 (ja) 自動運転車両のための曲率補正経路サンプリングシステム
JP6890639B2 (ja) 自動運転のための交差検証に基づく自動ｌｉｄａｒキャリブレーション
JP2020083308A (ja) オブジェクト挙動のリアルタイム予測
CN112146680B (zh) 基于特征图确定消失点
CN112232104A (zh) 使用相对距离表示消失点
CN112149484A (zh) 基于车道线确定消失点
CN112819864A (zh) 一种行驶状态检测方法、装置及存储介质
WO2022178858A1 (zh) 一种车辆行驶意图预测方法、装置、终端及存储介质
CN112183157A (zh) 道路几何识别方法及装置
CN111857113B (zh) 可移动设备的定位方法及定位装置

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