CN112783161A - 一种基于贝塞尔曲线的agv避障方法 - Google Patents

一种基于贝塞尔曲线的agv避障方法 Download PDF

Info

Publication number
CN112783161A
CN112783161A CN202011597427.6A CN202011597427A CN112783161A CN 112783161 A CN112783161 A CN 112783161A CN 202011597427 A CN202011597427 A CN 202011597427A CN 112783161 A CN112783161 A CN 112783161A
Authority
CN
China
Prior art keywords
cost
agv
obstacle avoidance
curve
sample curve
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
CN202011597427.6A
Other languages
English (en)
Other versions
CN112783161B (zh
Inventor
曹杰华
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.)
Guangdong Jaten Robot and Automation Co Ltd
Original Assignee
Guangdong Jaten Robot and Automation 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 Guangdong Jaten Robot and Automation Co Ltd filed Critical Guangdong Jaten Robot and Automation Co Ltd
Priority to CN202011597427.6A priority Critical patent/CN112783161B/zh
Publication of CN112783161A publication Critical patent/CN112783161A/zh
Application granted granted Critical
Publication of CN112783161B publication Critical patent/CN112783161B/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
    • G05D1/0223—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, 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

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)
  • Train Traffic Observation, Control, And Security (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明属于AGV轨迹控制技术领域，具体属于一种基于贝塞尔曲线的AGV避障方法，通过贝塞尔曲线方程生成多条轨迹样本曲线，并对生成的轨迹样本曲线进行成本分析以获知各轨迹样本曲线的优先级，由于优先级越高，避障所产生的成本越低，因此按照优先级从高到低的顺序对轨迹样本曲线进行碰撞检测，可避免对所有轨迹样本曲线都进行碰撞检测，从而节省资源，降低避障的成本，以确定出既可避开障碍物且成本最低的避障路线，有利于提高AGV工作的效率。

Description

一种基于贝塞尔曲线的AGV避障方法
技术领域
本发明属于AGV轨迹控制技术领域，具体属于一种基于贝塞尔曲线的AGV避障方法。
背景技术
AGV是(Automated Guided Vehicle)的缩写，是指自动导引运输车，即装备有电磁或光学等自动导引装置以充电电池为动力的运输车，它能够沿规定的导引路径实现无人驾驶的自动化车辆，现有激光AGV的行走轨迹规划是通过读取地图绘制软件预先绘制好的贝塞尔曲线中的起始点、终止点和控制点并计算从而复现设定的路径。
但AGV在指定路径行走过程中可能会遇到临时摆放的障碍物、人为地翻越防护栏进入AGV行进路径、AGV与AGV之间的路径冲突等情况。以往此类情况出现时，通常采取的解决办法是通过AGV的避障传感器检测到障碍物后原地停止，待障碍物离开避障传感器的检测区域后继续行驶。但是如果障碍物不能及时移开，AGV则一直停靠在原地不能通过此路径，甚至会影响整个工序的节拍，破坏自动化生产的流畅性。
鉴于此，如果在场地空间充足的条件下，有必要提出动态地修改贝塞尔曲线控制点从而临时更新行驶路径，使AGV绕开障碍物后重新回到原设定路径上的避障方法。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于贝塞尔曲线的AGV避障方法。
为了解决上述技术问题，本发明采用以下技术方案：
一种基于贝塞尔曲线的AGV避障方法，包括以下步骤：
根据贝塞尔曲线方程生成多条轨迹样本曲线；
分别对多条轨迹样本曲线进行成本分析，以获得各条轨迹样本曲线的优先级；
按照轨迹样本曲线优先级由高到低的顺序依次对轨迹样本曲线进行碰撞检测：
若当前测试的轨迹样本曲线不符合预设规定时，对下一优先级的轨迹样本曲线进行碰撞检测；
若当前测试的轨迹样本曲线符合预设规定时，停止碰撞检测，并选取当前的轨迹样本曲线作为避障路线。
进一步的，生成所述多条轨迹样本曲线的步骤包括：
设定最大时间预测值为MAXT，最小时间预测值为MINT，最大道路宽度为MaxWidth，起始点、两个控制点和终止点的坐标分别为(0,0)，
Figure BDA0002866939950000011
(Ti，Di)；以道路宽度采样频率为D_RoadWidth、时间采样频率为DT，在区间Ti∈[MINT,MAXT],Di∈
Figure BDA0002866939950000021
内，根据起始点、两个控制点和终止点的状态进行采样，根据贝塞尔曲线方程生成
Figure BDA0002866939950000022
条轨迹样本曲线。
其中，MAXT-MINT为总预测时间，即AGV以恒定行驶速度通过避障路线的时间，总预测时间越长，生成的避障路线约平顺光滑，通过性越好，对障碍物的敏感程度越高，但相应地AGV预测行走距离则会延长，计算量也相应增大。
进一步的，上述成本分析的步骤包括：
获取每条轨迹样本曲线的成本加权和Ctotal，并按照成本加权和Ctotal值越小优先级越高、值越大优先级越低设定每条轨迹样本曲线的优先级。
作为一种具体的实施方式，对轨迹样本曲线进行离散化处理以获取若干个离散点i，每一离散点i均包括多种成本函数元素，包括有基于车辆运动学的安全性提出与横向偏移、横向速度相关的横向偏移成本|dl(i)|2和横向速度成本|vla(i)|2，基于AGV车身的晃动程度提出与横向加速度、轨迹曲率相关的横向加速度成本|ala(i)|2和轨迹曲率成本|ki(i)|2，以及基于对障碍物的敏感程度和曲线平顺度提出与预测距离相关的预测行走距离成本|S(i)|2；
所有离散点的横向偏移成本总和
Figure BDA0002866939950000023
横向速度成本总和
Figure BDA0002866939950000024
Figure BDA0002866939950000025
横向加速度成本总和
Figure BDA0002866939950000026
轨迹曲率成本总和
Figure BDA0002866939950000027
Figure BDA0002866939950000028
预测行走距离成本总和
Figure BDA0002866939950000029
上述成本加权和
Figure BDA00028669399500000210
Figure BDA00028669399500000211
其中A，B，C，D，E为权重系数，权重系数的选取需要保证各种成本函数元素的总成本乘以对应权重系数后都保持在同一数值量级，其次，变化率也要保持在一个合理的区间而不能发生突变。
作为一种具体的实施方式，dl(i)为AGV沿轨迹样本曲线活动至对应离散点i的位置时，其后轮轴中点与该离散点i的距离；vla(i)为dl(i)的一阶导数，ala(i)为dl(i)的二阶导数；
Figure BDA00028669399500000212
Figure BDA00028669399500000213
为轨迹样本曲线位于对应离散点i的一阶导数，
Figure BDA00028669399500000214
为轨迹样本曲线位于对应离散点i的二阶导数。
作为一种具体的实施方式，上述碰撞检测的步骤包括：
根据障碍物的轮廓建立模型，所述模型包括一个长边长度为l、短边长度为w的矩形、以及在所述矩形上规则排列的n个圆，所述圆的半径
Figure BDA00028669399500000215
相邻两个圆的圆心距
Figure BDA00028669399500000216
每个与所述矩形长边相交的圆的两个交点之间的距离均为
Figure BDA00028669399500000217
分别获取当前轨迹样本曲线上，各离散点i和与其最近的圆心之间的安全距离M(i)；
若各离散点i对应的安全距离M(i)均大于预设阈值时，则判断当前轨迹样本曲线符合预设规定，选取当前的轨迹样本曲线作为避障路线，否则判断当前轨迹样本曲线不符合预设规定，并对下一优先级的轨迹样本曲线进行碰撞测试，以此类推，直至符合碰撞测试的预设规定为止。
执行选择的避障路线，使AGV避开障碍物后重新回到原设的路径上。
与现有技术相比，本发明可在AGV沿原设路径行走并检测到障碍物时，可根据贝塞尔曲线生成多条轨迹样本曲线，并对生成的轨迹样本曲线进行成本分析以获知各轨迹样本曲线的优先级，由于优先级越高，避障所产生的成本越低，因此按照优先级从高到低的顺序对轨迹样本曲线进行碰撞检测，可避免对所有轨迹样本曲线都进行碰撞检测，从而节省资源，降低避障的成本，以确定出既可避开障碍物且成本最低的避障路线，有利于提高AGV工作的效率。
附图说明
图1为避障方法的流程示意图；
图2为多条轨迹样本曲线的示意图；
图3为AGV横向偏移的示意图；
图4为根据障碍物轮廓所建模型的示意图；
图5为从多条轨迹样本曲线中筛选出的最优避障路线；
图6为AGV原设路线和避障路线的示意图。
具体实施方式
以下结合附图说明本发明的具体实施方式。在本发明的描述中，需要说明的是，术语“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
参见图1，本实施例提供一种基于贝塞尔曲线的AGV避障方法，所述所述贝塞尔曲线的方程为：
Figure BDA0002866939950000031
Figure BDA0002866939950000032
其中，其起始点坐标为
Figure BDA0002866939950000033
两个控制点的坐标为
Figure BDA0002866939950000034
终止点坐标为
Figure BDA0002866939950000035
由此可见，一段由贝塞尔曲线生成的轨迹样本曲线是由起始点，两个控制点和终止点组成，本发明的避障方法包括以下步骤：
当AGV的避障传感器检测到障碍物时，返回障碍物的轮廓，同时AGV的控制系统启动贝塞尔曲线避障模块，并进行以下操作。
s1.根据贝塞尔曲线方程生成多条轨迹样本曲线：
设定最大时间预测值为MAXT，最小时间预测值为MINT，最大道路宽度为MaxWidth，起始点、两个控制点和终止点的坐标分别为(0,0)，
Figure BDA0002866939950000036
(Ti，Di)；
假设AGV行驶在道路中间及行驶速度不变，以道路宽度采样频率为D_RoadWidth、时间采样频率为DT，在区间
Figure BDA0002866939950000041
内，根据起始点、两个控制点和终止点的状态进行采样，如图2所示，根据贝塞尔曲线方程生成
Figure BDA0002866939950000042
条轨迹样本曲线。
其中，MAXT-MINT为总预测时间，即AGV以恒定行驶速度通过避障路线的时间，总预测时间越长，生成的避障路线约平顺光滑，通过性越好，对障碍物的敏感程度越高，但相应地预测行走距离则会延长，计算量也相应增大。
参见图2，作为一种具体的例子，设定最大道路宽度为MaxWidth为8，采样时间为30/v(v为AGV行驶速度)，因此生成的多条向左侧避开障碍物的轨迹样本曲线如图2所示；若需要往右侧方向避开障碍物，则对称于图2横坐标进行采样即可生成往右侧避开障碍物的轨迹样本曲线。
s2.分别对多条轨迹样本曲线进行成本分析：
根据采样频率对每条轨迹样本曲线进行离散化处理，以获取若干个离散点i，其中，每一离散点i均包括多种成本函数元素，所述多种成本函数元素包括有基于车辆运动学的安全性提出的与横向偏移、横向速度相关的横向偏移成本|dl(i)|2和横向速度成本|vla(i)|2，基于AGV车身的晃动程度提出的与横向加速度、轨迹曲率相关的横向加速度成本|ala(i)|2和轨迹曲率成本|ki(i)|2，以及基于对障碍物的敏感程度和曲线平顺度提出的与预测距离相关的预测行走距离成本|S(i)|2。
获取每个轨迹样本曲线上所有离散点i的横向偏移成本总和
Figure BDA0002866939950000043
横向速度成本总和
Figure BDA0002866939950000044
横向加速度成本总和
Figure BDA0002866939950000045
轨迹曲率成本总和
Figure BDA0002866939950000046
预测行走距离成本总和
Figure BDA0002866939950000047
其中，如图3所示，上述dl(i)为AGV沿轨迹样本曲线活动至对应离散点i的位置时，其后轮轴中点与该离散点i的距离；vla(i)为dl(i)的一阶导数，ala(i)为dl(i)的二阶导数；
Figure BDA0002866939950000048
Figure BDA0002866939950000049
为轨迹样本曲线位于对应离散点i的一阶导数，
Figure BDA00028669399500000410
为轨迹样本曲线位于对应离散点i的二阶导数。
计算每条轨迹样本曲线的成本加权和
Figure BDA00028669399500000411
Figure BDA00028669399500000412
其中A，B，C，D，E为权重系数，权重系数的选取需要保证各种成本函数元素的总成本乘以对应权重系数后都保持在同一数值量级，其次，变化率也要保持在一个合理的区间而不能发生突变。
按照成本加权和Ctotal由小到大的顺序设定每条轨迹样本曲线的优先级，即成本加权和值越小，优先级越高，成本加权和值越大，优先级越低，以此类推。
s3.按照轨迹样本曲线优先级由高到低的顺序依次对上述多条轨迹样本曲线进行碰撞检测：
如图4所示，根据障碍物的轮廓建立模型，所述模型包括一个长边长度为l、短边长度为w的矩形、以及在所述矩形上规则排列的n个圆，所述圆的半径
Figure BDA0002866939950000051
相邻两个圆的圆心距
Figure BDA0002866939950000052
每个与所述矩形长边相交的圆的两个交点之间的距离均为
Figure BDA0002866939950000053
分别获取当前轨迹样本曲线上，各离散点i和与其最近的圆心之间的安全距离M(i)；
若各离散点i对应的安全距离M(i)均大于预设阈值时，则判断当前优先级的轨迹样本曲线符合预设规定，AGV不会与障碍物发生碰撞，停止碰撞检测并选取当前的轨迹样本曲线作为避障路线；否则判断当前轨迹样本曲线不符合预设规定，AGV与障碍物发生碰撞，并对下一优先级的轨迹样本曲线进行碰撞测试，以此类推，直至当前轨迹样本曲线符合预设规定为止，如图5所示，从而在多条轨迹样条曲线中筛选出最优的避障路线。上述模型中建立的圆越多，碰撞检测结果越精准，但检测耗时越长。
s4.执行选择的避障路线，如图6的虚线所示，以规划新的路线以避开障碍物；如图6的实线所示，当AGV避开障碍物后重新回到原设定的路径上。
与现有技术相比，本发明可在AGV沿原设路径行走并检测到障碍物时，可根据贝塞尔曲线生成多条轨迹样本曲线，并对生成的轨迹样本曲线进行成本分析以获知各轨迹样本曲线的优先级，由于优先级越高，避障所产生的成本越低，因此按照优先级从高到低的顺序对轨迹样本曲线进行碰撞检测，可避免对所有轨迹样本曲线都进行碰撞检测，从而节省资源，降低避障的成本，以确定出既可避开障碍物且成本最低的避障路线，有利于提高AGV工作的效率。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。

Claims (9)

1.一种基于贝塞尔曲线的AGV避障方法，其特征在于，包括以下步骤：
根据贝塞尔曲线方程生成多条轨迹样本曲线；
分别对所述多条轨迹样本曲线进行成本分析，以获得各条轨迹样本曲线的优先级；
按照轨迹样本曲线优先级由高到低的顺序依次对所述多条轨迹样本曲线进行碰撞检测：
若当前测试的轨迹样本曲线不符合预设规定时，对下一优先级的轨迹样本曲线进行碰撞检测；
若当前测试的轨迹样本曲线符合预设规定时，停止碰撞检测，并选取当前优先级的轨迹样本曲线作为避障路线。
2.根据权利要求1所述的AGV避障方法，其特征在于，生成所述多条轨迹样本曲线的步骤包括：
设定最大时间预测值为MAXT，最小时间预测值为MINT，最大道路宽度为MaxWidth，起始点、两个控制点和终止点的坐标分别为(0，0)，
Figure FDA0002866939940000011
(Ti，Di)；
以道路宽度采样频率为D_RoadWidth、时间采样频率为DT，在区间Ti∈[MINT，MAXT]，
Figure FDA0002866939940000012
内，根据起始点、两个控制点和终止点的状态进行采样，根据贝塞尔曲线方程生成
Figure FDA0002866939940000013
条轨迹样本曲线。
3.根据权利要求1所述的AGV避障方法，其特征在于，所述成本分析的步骤包括：
获取每条轨迹样本曲线的成本加权和Ctotal，并按照成本加权和Ctotal值越小优先级越高、值越大优先级越低设定每条轨迹样本曲线的优先级。
4.根据权利要求3所述的AGV避障方法，其特征在于，对轨迹样本曲线进行离散化处理以获取若干个离散点i，每一离散点i的成本函数元素包括横向偏移成本|dl(i)|2、横向速度成本|vla(i)|2、横向加速度成本|ala(i)|2、轨迹曲率成本|ki(i)|2、预测行走距离成本|S(i)|2；
所有离散点的横向偏移成本总和
Figure FDA0002866939940000014
横向速度成本总和
Figure FDA0002866939940000015
Figure FDA0002866939940000016
横向加速度成本总和
Figure FDA0002866939940000017
轨迹曲率成本总和
Figure FDA0002866939940000018
Figure FDA0002866939940000019
预测行走距离成本总和
Figure FDA00028669399400000110
所述成本加权和
Figure FDA00028669399400000111
Figure FDA00028669399400000112
其中A，B，C，D，E为权重系数。
5.根据权利要求4所述的AGV避障方法，其特征在于，dl(i)为AGV沿轨迹样本曲线活动至对应离散点i的位置时，其后轮轴中点与该离散点i的距离。
6.根据权利要求4所述的AGV避障方法，其特征在于，vla(i)为dl(i)的一阶导数，ala(i)为dl(i)的二阶导数。
7.根据权利要求4所述的AGV避障方法，其特征在于，
Figure FDA00028669399400000113
Figure FDA00028669399400000114
为轨迹样本曲线位于对应离散点i的一阶导数，
Figure FDA00028669399400000115
为轨迹样本曲线位于对应离散点i的二阶导数。
8.根据权利要求3所述的AGV避障方法，其特征在于，所述碰撞检测的步骤包括：
根据障碍物的轮廓建立模型，所述模型包括一个长边长度为l、短边长度为w的矩形、以及在所述矩形上规则排列的n个圆，所述圆的半径
Figure FDA0002866939940000021
相邻两个圆的圆心距
Figure FDA0002866939940000022
每个与所述矩形长边相交的圆的两个交点之间的距离均为
Figure FDA0002866939940000023
分别获取当前轨迹样本曲线上，各离散点i和与其最近的圆心之间的安全距离M(i)；
若各离散点i对应的安全距离M(i)均大于预设阈值时，则判断当前轨迹样本曲线符合预设规定，否则判断当前轨迹样本曲线不符合预设规定。
9.根据权利要求1所述的AGV避障方法，其特征在于，执行选择的避障路线，使AGV避开障碍物后重新回到原设的路径上。
CN202011597427.6A 2020-12-29 2020-12-29 一种基于贝塞尔曲线的agv避障方法 Active CN112783161B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011597427.6A CN112783161B (zh) 2020-12-29 2020-12-29 一种基于贝塞尔曲线的agv避障方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011597427.6A CN112783161B (zh) 2020-12-29 2020-12-29 一种基于贝塞尔曲线的agv避障方法

Publications (2)

Publication Number Publication Date
CN112783161A true CN112783161A (zh) 2021-05-11
CN112783161B CN112783161B (zh) 2023-04-25

Family

ID=75751459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011597427.6A Active CN112783161B (zh) 2020-12-29 2020-12-29 一种基于贝塞尔曲线的agv避障方法

Country Status (1)

Country Link
CN (1) CN112783161B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115179326A (zh) * 2022-08-24 2022-10-14 广东工业大学 一种面向关节型机器人的连续碰撞检测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060015247A1 (en) * 2004-07-07 2006-01-19 The Boeing Company Bezier curve flightpath guidance using moving waypoints
CN106646518A (zh) * 2016-11-18 2017-05-10 北京创业公社征信服务有限公司 基于三阶贝塞尔曲线及插值的gps轨迹数据补全方法
US20170213466A1 (en) * 2016-01-26 2017-07-27 Northrop Grumman Systems Corporation Maneuver planning with higher order rational bezier curves
CN109725650A (zh) * 2019-03-08 2019-05-07 哈尔滨工程大学 一种密集障碍物环境下的auv避障方法
CN110362096A (zh) * 2019-08-13 2019-10-22 东北大学 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN110949374A (zh) * 2019-11-14 2020-04-03 江苏大学 基于两段二阶贝塞尔曲线的自动平行泊车路径规划方法
CN111338349A (zh) * 2020-03-09 2020-06-26 兰剑智能科技股份有限公司 Agv的贝塞尔曲线控制方法及系统
CN111679678A (zh) * 2020-06-30 2020-09-18 安徽海博智能科技有限责任公司 一种横纵向分离的轨迹规划方法、系统及计算机设备
CN111880550A (zh) * 2020-09-17 2020-11-03 广东铁甲软件系统有限公司 一种agv小车的平滑路径规划方法
CN112099493A (zh) * 2020-08-31 2020-12-18 西安交通大学 一种自主移动机器人轨迹规划方法、系统及设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060015247A1 (en) * 2004-07-07 2006-01-19 The Boeing Company Bezier curve flightpath guidance using moving waypoints
US20170213466A1 (en) * 2016-01-26 2017-07-27 Northrop Grumman Systems Corporation Maneuver planning with higher order rational bezier curves
CN106646518A (zh) * 2016-11-18 2017-05-10 北京创业公社征信服务有限公司 基于三阶贝塞尔曲线及插值的gps轨迹数据补全方法
CN109725650A (zh) * 2019-03-08 2019-05-07 哈尔滨工程大学 一种密集障碍物环境下的auv避障方法
CN110362096A (zh) * 2019-08-13 2019-10-22 东北大学 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN110949374A (zh) * 2019-11-14 2020-04-03 江苏大学 基于两段二阶贝塞尔曲线的自动平行泊车路径规划方法
CN111338349A (zh) * 2020-03-09 2020-06-26 兰剑智能科技股份有限公司 Agv的贝塞尔曲线控制方法及系统
CN111679678A (zh) * 2020-06-30 2020-09-18 安徽海博智能科技有限责任公司 一种横纵向分离的轨迹规划方法、系统及计算机设备
CN112099493A (zh) * 2020-08-31 2020-12-18 西安交通大学 一种自主移动机器人轨迹规划方法、系统及设备
CN111880550A (zh) * 2020-09-17 2020-11-03 广东铁甲软件系统有限公司 一种agv小车的平滑路径规划方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115179326A (zh) * 2022-08-24 2022-10-14 广东工业大学 一种面向关节型机器人的连续碰撞检测方法
CN115179326B (zh) * 2022-08-24 2023-03-14 广东工业大学 一种面向关节型机器人的连续碰撞检测方法

Also Published As

Publication number Publication date
CN112783161B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN112362074A (zh) 一种结构化环境下的智能车辆局部路径规划方法
EP2495713B1 (en) Driving support device
CN108693878A (zh) 前进路线设定装置以及前进路线设定方法
US6173222B1 (en) Steering control system and method for autonomous intelligent vehicles
CN111469847B (zh) 一种变道路径规划的方法及系统
CN109606368B (zh) 一种智能汽车可拓车速自适应变化轨迹跟踪控制方法
CN110406532A (zh) 一种识别目标车辆可能变道的方法、系统及汽车
KR101874186B1 (ko) 기계 학습을 통한 주변 차량의 주행 경로 예측 방법 및 이를 이용하는 차량 제어 방법
CN112965476B (zh) 一种基于多窗口模型的高速无人车轨迹规划系统及方法
US20210325197A1 (en) Vehicle control apparatus
JPH07104062A (ja) 衝突防止装置
JP2023009531A (ja) 走行軌道生成方法、走行支援方法、走行軌道生成装置および走行支援装置
CN112572443B (zh) 一种高速公路车辆换道实时避撞轨迹规划方法及系统
KR19980079664A (ko) 경로 탐색 장치
CN113720346B (zh) 基于势能场和隐马尔可夫模型的车辆路径规划方法及系统
CN112829747A (zh) 一种驾驶行为决策方法、装置及存储介质
CN112687121A (zh) 行驶轨迹的预测方法、装置及自动驾驶车辆
CN114371707A (zh) 考虑人车交互的行人轨迹预测及主动避撞方法及系统
CN114735018A (zh) 一种基于单雷达的前方最危险目标车辆的筛选判断方法
CN111402614A (zh) 一种车辆行驶决策调整方法、装置及车载终端
CN112783161A (zh) 一种基于贝塞尔曲线的agv避障方法
CN114475664A (zh) 一种拥堵路段自动驾驶车辆变道协调控制方法
CN115520218A (zh) 自动驾驶车辆四点转弯轨迹规划方法
CN114987539A (zh) 一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法及系统
CN111610785A (zh) 无人驾驶车辆的运动规划方法和运动规划装置

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