CN112964267A - 自主避障导航方法及其系统和设备 - Google Patents
自主避障导航方法及其系统和设备 Download PDFInfo
- Publication number
- CN112964267A CN112964267A CN202110176841.8A CN202110176841A CN112964267A CN 112964267 A CN112964267 A CN 112964267A CN 202110176841 A CN202110176841 A CN 202110176841A CN 112964267 A CN112964267 A CN 112964267A
- Authority
- CN
- China
- Prior art keywords
- path
- alternative
- mobile platform
- obstacle avoidance
- area
- 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
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
一种自主避障导航方法及其系统和设备。该自主避障导航方法包括步骤:根据获取的全局路径数据和移动平台的位姿数据,规划出至少一组备选路径;根据获取的障碍物信息,对所有的备选路径进行评分;根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动。
Description
技术领域
本发明涉及导航技术领域,更具体地涉及自主避障导航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。自主移动平台通常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自主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。
对于诸如在园区内沿固定道路行驶的移动平台,传统的机器人避障导航方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,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,根据车辆的位置,沿着全局路径在一定距离处进行撒点,生成一组备选路径;其次,根据激光雷达或相机等传感器采集的数据,生成障碍物信息,其中该障碍物信息可以用包络框或障碍物栅格地图(如cosmap)等来表示;之后,对备选路径进行打分,以选出得分最高的备选路径作为当前局部路径;最后,当车辆在当前局部路径上走完二分之一时,触发路径更新,再一次进行路径规划。
然而,这种适用于无人驾驶汽车的路径规划方法虽然采用了基于采样法的无人驾驶规划算法的常规思路,并且针对园区自动巡检车的实际应用场景,基于无人驾驶汽车进行设计,但是其任然存在一些缺陷:
1)就近原则与归中原则相冲突,即路径优先级的问题。具体地,就近原则是指车辆在选择路径时,会选择就近的一条安全路径作为最佳路径,而归中原则是指车辆会优选选择离全局路径近的安全路径,这是因为最终目标是眼全局路径行驶。上述适用于无人驾驶汽车的路径规划方法同时考虑了备选路径与中心路径以及当前位置的偏离距离,虽然兼顾的两种原则,但现实是缓慢地回归全局路径,而对于诸如巡检车而言,需要执行特定的任务,及时回归全局路径是非常重要的性能。
2)路径跳动的问题。举例地,假设障碍物出现在全局路径上,则各个备选路径与障碍物之间的距离是固定的。但实际上,由于传感器测量误差,比如Velodyne激光雷达有2cm的测量误差,因此备选路径与障碍物的距离是在波动的,进而导致评分的波动,使得最佳路径会在左右间频繁切换。特别地,由于局部路径触发更新频率较快,就会出现车辆忽左忽右的奇怪运动,因此为了解决这一问题,上述适用于无人驾驶汽车的路径规划方法设定局部路径一旦更新后,车辆必须走完当前局部路径的二分之一才会触发下一次更新,但这样的处理会出现在障碍物清空后无法及时回归全局路径,或在复杂障碍物环境下无法很好地避开障碍物等问题。
发明内容
本发明的一优势在于提供自主避障导航方法及其系统和设备,其能够具备较好的绕障性能,有助于使移动平台及时地回归全局路径。
本发明的另一优势在于提供自主避障导航方法及其系统和设备,其中,在本发明的一实施例中,所述自主避障导航方法提供了一种模拟驾驶员行驶思维的行驶区域划分方法,以便解决路径跳动的问题。
本发明的另一优势在于提供自主避障导航方法及其系统和设备,其中,在本发明的一实施例中,所述自主避障导航方法能够通过划分行驶区域,并引入区域安全等级来解决路径跳动的问题。
本发明的另一优势在于提供自主避障导航方法及其系统和设备,其中,在本发明的一实施例中,所述自主避障导航方法能够根据区域内路径最高评分来确定各行驶区域的安全等级,进而选择安全等级最高的行驶区域内的最高评分路径作为最佳路径,以便避免出现路径跳动。
本发明的另一优势在于提供自主避障导航方法及其系统和设备,其中,在本发明的一实施例中,所述自主避障导航方法能够通过等级跳变阈值的设定,避免出现安全等级的跳变,使得自动避障导航行为更符合正常的驾驶逻辑。
本发明的另一优势在于提供自主避障导航方法及其系统和设备,其中,在本发明的一实施例中,所述自主避障导航方法是将在安全等级最高的行驶区域内评分最高的路径作为最佳路径,而不是直接将在所有行驶区域内评分最高的路径作为最佳路径,不仅能够避免因评分相近而导致在行驶过程中路径反复跳动,而且还更加符合正常的驾驶行为。
本发明的另一优势在于提供自主避障导航方法及其系统和设备,其中,在本发明的一实施例中,所述自主避障导航方法能够通过设定移动平台的若干行驶状态和设计状态机的管理逻辑,来实现寻迹和避障的功能。
本发明的另一优势在于提供自主避障导航方法及其系统和设备,其中,在本发明的一实施例中,所述自主避障导航方法能够实现路径规划的高效性。例如,所述自主避障导航方法在NVIDIA Xavier平台运行时,完成一次完整的路径规划时间不多于0.01s。
本发明的另一优势在于提供自主避障导航方法及其系统和设备,其中,在本发明的一实施例中,所述自主避障导航方法不仅能够解决局部路径触发更新的问题,而且还能够解决异常状态退出与恢复、障碍物清空等复杂情况的处理,以便保证在实际项目中的运行要求。
本发明的另一目的在于提供自主避障导航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,不只提供一简单的自主避障导航方法及其系统和设备,同时还增加了所述自主避障导航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,本发明提供了自主避障导航方法,包括步骤:
根据获取的全局路径数据和移动平台的位姿数据,规划出至少一组备选路径;
根据获取的障碍物信息,对所有的备选路径进行评分;
根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及
响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动。
根据本申请的一实施例,所述根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径的步骤,包括步骤:
根据该移动平台在上一最佳局部路径中的当前位置,将可通行区域划分成不同的行驶区域;
根据区域安全等级模型,分别计算各个行驶区域的安全等级,以确定安全等级最高的行驶区域作为最佳行驶区域;以及
从该最佳行驶区域内选取评分最高的备选路径,以作为该最佳备选路径。
根据本申请的一实施例,在所述根据该移动平台在上一最佳局部路径中的当前位置,将可通行区域划分成不同的行驶区域的步骤中:
该可通行区域被划分成第一行驶区域、第二行驶区域以及第三行驶区域,其中该第一行驶区域位于该第二行驶区域和该第三行驶区域之间,并且该第一行驶区域内的路径包括与全局路径部分地重合的备选路径。
根据本申请的一实施例,当该移动平台与该全局路径之间的距离不大于一预设距离阈值时,该第一行驶区域的左右边界与该全局路径之间的距离等于该预定距离阈值,其中当该移动平台与该全局路径之间的距离大于该预设距离阈值时,该第一行驶区域的左右边界中的一个与该全局路径之间的距离等于该预设距离阈值,并且该第一行驶区域的左右边界中的另一个与该全局路径重合。
根据本申请的一实施例,该移动平台与该第二行驶区域之间的最小距离小于该移动平台与该第三行驶区域之间的最小距离。
根据本申请的一实施例,该区域安全等级模型被实施为:
其中,Area_safe为每个行驶区域的安全等级;prob_max为每个行驶区域内所含的备选路径的最高评分;t0为等级跳变阈值;imax为每个行驶区域内评分最高的备选路径的序号;center_index为与全局路径部分地重合的备选路径的序号。
根据本申请的一实施例,当该行驶区域的安全等级从大到小时,该等级跳变阈值取值为正值;当该行驶区域的安全等级从小到大时,该等级跳变阈值取值为负值。
根据本申请的一实施例,当不同的行驶区域的安全等级相同时,选择区域序号更低的行驶区域作为该最佳行驶区域。
根据本申请的一实施例,所述根据获取的障碍物信息,对所有的备选路径进行评分的步骤,包括步骤:
确定备选路径的评分项,其中该备选路径的评分项包括避障系数和中心系数;
根据每条备选路径和所有障碍物之间的最小距离,确定每条备选路径的避障系数;
根据每条备选路径的路径序号和与全局路径部分地重合的备选路径的路径序号,确定每条备选路径的中心系数;以及
通过路径评分模型,对每条备选路径进行评分,以获得每条备选路径的评分。
根据本申请的一实施例,该路径评分模型被实施为:Score(i)=Pobstacle(i)×Pcenter(i),其中i为备选路径的路径序号;Score(i)为第i条备选路径的评分;Pobstacle(i)为第i条备选路径的避障系数;Pcenter(i)为第i条备选路径的中心系数。
根据本申请的一实施例,所述根据获取的障碍物信息,对所有的备选路径进行评分的步骤,进一步包括步骤:
根据每条备选路径的长度,确定每条备选路径的长度系数,其中该路径评分模型被实施为Score(i)=Pobstacle(i)×Pcenter(i)×Plength(i),其中i为备选路径的路径序号;Score(i)为第i条备选路径的评分;Pobstacle(i)为第i条备选路径的避障系数;Pcenter(i)为第i条备选路径的中心系数;Plength(i)为第i条备选路径的长度系数。
根据本申请的一实施例,所述响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动的步骤,包括步骤:
确定该移动平台的状态,其中该移动平台的状态包括初始化状态、正常行驶状态、暂停状态、到达终点状态以及异常状态;和
当收到该至少一组备选路径时,判断该更新条件是否被触发,以触发该更新条件时将该最佳备选路径作为该当前最佳局部路径。
根据本申请的一实施例,所述当收到该至少一组备选路径时,判断该更新条件是否被触发,以触发该更新条件时将该最佳备选路径作为该当前最佳局部路径的步骤,包括步骤:
当收到该至少一组备选路径时,判断该移动平台是否到达全局路径的终点;
响应于该移动平台已到达终点,切换该移动平台的状态为该到达终点状态;
响应于该移动平台未到达终点,判断是否存在该最佳备选路径;
响应于该最佳备选路径不存在,切换该移动平台的状态为该暂停状态;
响应于该最佳备选路径存在,触发更新以将该最佳备选路径作为该当前最佳局部路径;以及
响应于该移动平台处于该异常状态,检测该至少一组备选路径的有效性。
根据本申请的一实施例,所述响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动的步骤,进一步包括步骤:
当收到该移动平台的定位信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径;
当收到该障碍物信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径;以及
当收到计时器信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径。
根据本申请的一实施例,所述当收到该移动平台的定位信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径的步骤,包括步骤:
当收到该移动平台的定位信息时,响应于该移动平台处于该正常行驶状态,判断该移动平台在上一最佳局部路径中的位置是否超过预设路径阈值;
响应于超过该预设路径阈值,触发更新以将该最佳备选路径作为该当前最佳局部路径;以及
响应于该移动平台处于该异常状态,检查该移动平台的定位信息的有效性。
根据本申请的一实施例,所述当收到该障碍物信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径的步骤,包括步骤:
当收到该障碍物信息时,响应于该移动平台处于该正常行驶状态,判断该最佳备选路径所处区域的安全等级是否大于上一最佳局部路径所处区域的安全等级;和
响应于该最佳备选路径所处全区域的安全等级大于该上一最佳局部路径所处区域的安全等级,触发更新以将该最佳备选路径作为该当前最佳局部路径。
根据本申请的一实施例,所述当收到计时器信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径的步骤,包括步骤:
当收到该计时器信息时,响应于该移动平台未处于该异常状态,检测传感器数据是否存在异常,以在该传感器数据存在异常时,切换该移动平台的状态为该异常状态;
响应于该移动平台处于该暂停状态,判断障碍物是否清空,以在清空后触发更新以将该最佳备选路径作为该当前最佳局部路径;以及
响应于该移动平台处于该异常状态,检查该至少一组备选路径、该障碍物信息以及该定位信息在一定时间内是否均正常,以在正常时触发更新并退出该异常状态。
根据本申请的另一方面,本申请进一步提供了自主避障导航系统,包括相互可通信地连接的:
一路径规划模块,用于根据获取的全局路径数据和移动平台的位姿数据,规划出至少一组备选路径;
一路径评分模块,用于根据获取的障碍物信息,对所有的备选路径进行评分;
一安全等级确定模块,用于根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及
一路径更新模块,用于响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动。
根据本申请的一实施例,所述安全等级确定模块包括相互可通信地连接的一区域划分模块、一等级计算模块以及一路径选取模块,其中所述区域划分模块用于根据该移动平台在上一最佳局部路径中的当前位置,将可通行区域划分成不同的行驶区域;其中所述等级计算模块用于根据区域安全等级模型,分别计算各个行驶区域的安全等级,以确定安全等级最高的行驶区域作为最佳行驶区域;其中所述路径选取模块用于从该最佳行驶区域内选取评分最高的备选路径,以作为该最佳备选路径。
根据本申请的一实施例,所述路径评分模块包括相互可通信地连接的一评分项确定模块、一避障系数确定模块、一中心系数确定模块以及一评分计算模块,其中所述评分项确定模块用于确定备选路径的评分项,其中该备选路径的评分项包括避障系数和中心系数;其中所述避障系数确定模块用于根据每条备选路径和所有障碍物之间的最小距离,确定每条备选路径的避障系数;其中所述中心系数确定模块用于根据每条备选路径的路径序号和与全局路径部分地重合的备选路径的路径序号,确定每条备选路径的中心系数;其中所述评分计算模块用于通过路径评分模型,对每条备选路径进行评分,以获得每条备选路径的评分。
根据本申请的一实施例,所述路径评分模块进一步包括一长度系数确定模块,用于根据每条备选路径的长度,确定每条备选路径的长度系数。
根据本申请的一实施例,所述路径更新模块包括相互可通信地连接的一状态确定模块和一触发更新模块,其中所述状态确定模块用于确定该移动平台的状态,其中该移动平台的状态包括初始化状态、正常行驶状态、暂停状态、到达终点状态以及异常状态;其中所述触发更新模块用于当收到该至少一组备选路径时,判断该更新条件是否被触发,以触发该更新条件时将该最佳备选路径作为该当前最佳局部路径。
根据本申请的另一方面,本申请进一步提供了移动平台设备,包括:
至少一移动平台;和
至少一自主避障导航系统,其中所述自主避障导航系统被搭载于所述移动平台,用于为所述移动平台提供当前最佳局部路径,其中所述自主避障导航系统内包括相互可通信地连接的:
一路径规划模块,用于根据获取的全局路径数据和所述移动平台的位姿数据,规划出至少一组备选路径;
一路径评分模块,用于根据获取的障碍物信息,对所有的备选路径进行评分;
一安全等级确定模块,用于根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及
一路径更新模块,用于响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得所述移动平台按照该当前最佳局部路径进行运动。
根据本申请的另一方面,本申请进一步提供了电子设备,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自主避障导航方法的程序指令,其中所述自主避障导航方法包括步骤:
根据获取的全局路径数据和移动平台的位姿数据,规划出至少一组备选路径;
根据获取的障碍物信息,对所有的备选路径进行评分;
根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及
响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动。
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是根据本发明的一实施例的自主避障导航方法的流程示意图。
图2示出了根据本发明的上述实施例的所述自主避障导航方法中安全等级确定步骤的流程示意图。
图3A至图3D分别示出了根据本申请上述实施例的所述安全等级确定步骤中在不同场景下的路径划分示意图。
图4示出了根据本发明的上述实施例的所述自主避障导航方法中路径评分步骤的流程示意图。
图5至图9分别示出了根据本发明的上述实施例的所述自主避障导航方法中路径更新步骤的流程示意图。
图10示出了根据本发明的上述实施例的所述自主避障导航方法的一个示例。
图11是根据本发明的一实施例的自主避障导航系统的框图示意图。
图12是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13示出了根据本发明的上述实施例的所述移动平台设备实现自主避障导航的流程简图。
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,现有的适用于无人驾驶汽车的路径规划方法虽然采用了基于采样法的无人驾驶规划算法的常规思路,并且针对园区自动巡检车的实际应用场景,基于无人驾驶汽车进行设计,但是其任然存在一些缺陷:1)就近原则与归中原则相冲突,即路径优先级的问题。2)路径跳动的问题。特别地,因为局部路径触发更新频率较快时,就会出现车辆忽左忽右的奇怪运动,所以上述适用于无人驾驶汽车的路径规划方法设定局部路径一旦更新后,车辆必须走完当前局部路径的二分之一才会触发下一次更新,但这样的处理会出现在障碍物清空后无法及时回归全局路径,或在复杂障碍物环境下无法很好地避开障碍物等问题。因此,为了解决这一问题,本申请提出了一种自主避障导航方法及其系统和设备,其能够具备较好的绕障性能,有助于使移动平台及时地回归全局路径,这对于移动平台而言具有极其重要的意义。
示意性方法
参考说明书附图之图1至图10所示,根据本发明的一实施例的一自主避障导航方法被阐明。具体地,如图1所示,所述自主避障导航方法,可以包括步骤:
S100:根据获取的全局路径数据和移动平台的位姿数据,规划出至少一组备选路径;
S200:根据获取的障碍物信息,对所有的所述备选路径进行评分;
S300:根据划分的至少二行驶区域,基于各个所述行驶区域内所述备选路径的评分确定所述行驶区域的安全等级,以将安全等级最高的所述行驶区域内评分最高的备选路径作为最佳备选路径;以及
S400:响应于更新条件被触发,基于所述最佳备选路径更新最佳局部路径,以作为当前最佳局部路径,使得该移动平台按照所述当前最佳局部路径进行运动。
值得注意的是,由于本申请的所述自主避障导航方法将可通行区域划分成所述至少二行驶区域,并确定各个所述行驶区域的安全等级,因此本申请的所述自主避障导航方法并没有直接将评分最高的路径作为最佳备选路径,而是将安全等级最高的所述行驶区域内评分最高的备选路径作为最佳备选路径,能够很好地解决路径跳动的问题,是有着重要的现实意义的。换言之,本申请的所述自主避障导航方法一方面避免了因路径评分相近而导致在行驶过程中频繁地左右反复切换,另一方面也更符合正常的驾驶行为。
更具体地,如图2所示,本申请的上述实施例的所述自主避障导航方法的所述步骤S300,可以包括步骤:
S310:根据该移动平台在上一最佳局部路径中的当前位置,将可通行区域划分成不同的行驶区域;
S320:根据区域安全等级模型,分别计算各个所述行驶区域的安全等级,以确定安全等级最高的行驶区域作为最佳行驶区域;以及
S330:从所述最佳行驶区域内选取评分最高的备选路径,以作为所述最佳备选路径。
优选地,在本申请的上述实施例的所述自主避障导航方法的所述步骤S310中,所述可通行区域可以被划分成三个所述行驶区域,例如,第一行驶区域Area1、第二行驶区域Area2以及第三行驶区域Area3,其中所述第一行驶区域Area1位于所述第二行驶区域Area2和所述第三行驶区域Area3之间,并且所述第一行驶区域Area1内的路径包括与全局路径部分地重合的备选路径。可以理解的是,本申请的所述可通行区域指的是沿着全局路径延伸的道路上左右边界之间的区域。
值得注意的是,由于本申请的所述自主避障导航方法划分可通行区域的目的在于模拟真实驾驶员的行为,因此当该移动平台在所述上一最佳局部路径中的当前位置处于不同的行驶区域时,所述可通行区域的划分会有所不同,也就是说,所述第一行驶区域Area1、所述第二行驶区域Area2以及所述第三行驶区域Area3是根据具体的场景进行划分而成的。
示例性地,以图3A和图3B所示的场景为例,当该移动平台M的当前位置邻近所述全局路径,如该移动平台M与所述全局路径之间的距离不大于一预设距离阈值(即该移动平台在道路的中部区域行驶)时,所述第一行驶区域Area1的左右边界与所述全局路径之间的距离等于所述预设距离阈值;此时,邻近该移动平台M的行驶区域为所述第二行驶区域Area2,并且远离该移动平台M的行驶区域为所述第三行驶区域Area3。换言之,如图3A所示,当该移动平台M在道路的左侧邻近所述全局路径行驶时,所述第二行驶区域Area2处于所述道路的左侧,且所述第三行驶区域Area3处于所述道路的右侧;如图3B所示,当该移动平台M在道路的右侧邻近所述全局路径行驶时,所述第二行驶区域Area2处于所述道路的右侧,且所述第三行驶区域Area3处于所述道路的左侧。
而以图3C和图3D所示的场景为例,当该移动平台M的当前位置远离所述全局路径,如该移动平台M与所述全局路径之间的距离大于所述预设距离阈值(即该移动平台在道路的边缘区域行驶)时,所述第一行驶区域Area1的左右边界中的一个与所述全局路径之间的距离等于所述预设距离阈值,并且所述第一行驶区域Area1的左右边界中的另一个与所述全局路径重合;此时,该移动平台M所处的行驶区域为所述第二行驶区域Area2,并且远离该移动平台M的行驶区域为所述第三行驶区域Area3。换言之,如图3C所示,当该移动平台M在道路的左侧邻近道路边界行驶时,所述第二行驶区域Area2处于所述道路的左侧,且所述第三行驶区域Area3为所述道路的整个右侧区域;如图3D所示,当该移动平台M在道路的右侧邻近道路边界行驶时,所述第二行驶区域Area2处于所述道路的右侧,且所述第三行驶区域Area3处于所述道路的整个左侧区域。
值得一提的是,所述预设距离阈值可以但不限于被实施为0.3米至1.0米。优选地,所述预设距离阈值被实施为0.5米。
这样,先以图3A所示的场景为例,所述上一最佳局部路径属于0至0.5米之间的范围内,属于第一行驶区域Area1,说明虚拟驾驶员会期望走道路的左侧。如果此时道路上存在障碍物,则虚拟驾驶员会优先判断当前行驶区域(即第一行驶区域Area1)是否安全:若安全,则选择当前行驶区域继续行驶;否则,考虑左侧的行驶区域(即第二行驶区域Area2);最后才考虑右侧的行驶区域(即第三行驶区域Area3)。之所以优先考虑第二行驶区域Area2而不是第三行驶区域Area3,是因为该移动平台距离所述第二行驶区域Area2更近,更符合正常的驾驶逻辑。
再以图3C所示的场景为例,所述上一最佳局部路径属于0.5米之外的范围内,属于第二行驶区域Area2,说明该时刻处于绕障状态,无法继续沿全局路径安全行驶。在绕障行驶过程中,虚拟驾驶员会优先判断全局路径上(或其附近)是否安全:若安全,则回归所述第一行驶区域Area1;否则,考虑当前所处的区域(即所述第二行驶区域Area2)。可以理解的是,正是考虑到就近原则,因此在图3A和图3C的场景中,所述第一行驶区域Area1的范围是不一样的。
综上,所述移动平台M与所述第二行驶区域之间的最小距离小于该移动平台M与所述第三行驶区域之间的最小距离。可以理解的是,当所述移动平台M处于所述第二行驶区域时,所述移动平台M与所述第二行驶区域之间的最小距离为零。
值得注意的是,在行驶区域划分完之后,需要确定每个行驶区域的安全等级,而引入“区域安全等级”的概念同样是基于正常的驾驶逻辑。例如,如图3A所示的场景,如果所述第一行驶区域Area1内有障碍物阻挡,则因移动平台在道路左侧行驶,而虚拟驾驶员按照正常逻辑会优先选择考虑所述第二行驶区域Area2的安全性,比如路宽、车宽等因素;如果所述第二行驶区域Area2通过有难度,则会考虑所述第三行驶区域Area3的通行情况。基于此,本申请的所述区域安全等级模型可以但不限于被实施为:
其中Area_safe为每个行驶区域的安全等级;prob_max为每个行驶区域内所含的备选路径的最高评分;t0为等级跳变阈值;imax为每个行驶区域内评分最高的备选路径的序号;center_index为与全局路径部分地重合的备选路径的序号。
与此同时,当行驶区域的安全等级Area_safe=0时,表明该行驶区域不可通行;当行驶区域的安全等级Area_safe=1时,表明该行驶区域通道狭窄;当行驶区域的安全等级Area_safe=2时,表明该行驶区域较安全;当行驶区域的安全等级Area_safe=3时,表明该行驶区域安全;当行驶区域的安全等级Area_safe=4时,表明该行驶区域安全,且最优。
优选地,所述等级跳变阈值t0的大小与当前安全等级和上一安全等级之间的变化有关,即所述等级跳变阈值t0的大小取决于前后等级的变化,以在解决路径跳动的同时,能够很好地解决区域安全等级的跳变,更符合正常的驾驶逻辑。
更优选地,当所述行驶区域的安全等级从大变小时,所述等级跳变阈值t0取值为正值;当所述行驶区域的安全等级从小变大时,所述等级跳变阈值t0取值为负值。例如,所述等级跳变阈值t0可以但不限于被取值为±0.05。这样,当行驶区域的安全等级从等级1变为等级2时,t0=0.05,即需要满足prob_max>0.25;而当行驶区域的安全等级从等级2变为等级1时,t0=-0.05,即需要满足prob_max≤0.15。
特别地,在行驶区域内所含的备选路径的最高评分大于0.5+t0的基础上,当行驶区域内评分最高的备选路径与所述全局路径不重合,即imax≠center_index时,所述行驶区域的安全等级为3;而当该行驶区域内评分最高的备选路径与所述全局路径部分地重合,即imax=center_index时,所述行驶区域的安全等级提高为4,以便保证包含全局路径的行驶区域都是我们优先考虑的区域,从而能够很好地在绕障结束或障碍物被清空时保证快速地回归全局路径。
最优选地,当不同的行驶区域的安全等级相同时,选择区域序号更低的行驶区域作为该最佳行驶区域。例如,当所述第一行驶区域Area1的安全等级与所述第三行驶区域Area3的安全等级相同时,选择所述第一行驶区域Area1作为所述最佳行驶区域;当所述第二行驶区域Area2的安全等级与所述第三行驶区域Area3的安全等级相同时,选择所述第二行驶区域Area2作为所述最佳行驶区域。
值得注意的是,为了确定每个行驶区域的安全等级,需要先规划出至少一组备选路径,再获得各个行驶区域内备选路径的评分,以确定各个行驶区域内备选路径的最高评分。由于备选路径的规划方法已经在申请号为201911006759.X,标题为《路径生成方法和路径规划方法及其系统和设备》的中国发明专利中记载,本申请对此不再赘述。因此,本申请在此着重描述如何计算各个行驶区域内备选路径的评分。具体地,如图4所示,本申请的上述实施例的所述自主避障导航方法的所述步骤S200,可以包括步骤:
S210:确定备选路径的评分项,其中所述备选路径的评分项包括避障系数和中心系数;
S220:根据每条所述备选路径和所有障碍物之间的最小距离,确定每条所述备选路径的避障系数;
S230:根据每条所述备选路径的路径序号和与全局路径部分地重合的备选路径的路径序号,确定每条所述备选路径的中心系数;以及
S240:通过一路径评分模型,对每条所述备选路径进行评分,以获得每条所述备选路径的评分。
示例性地,第i条备选路径的所述避障系数Pobstacle(i)=min{dis(i),1.0},其中dis(i)为路径序号为i的备选路径和所有障碍物之间的最小距离,min为取dis(i)和1.0中的最小值。
第i条备选路径的所述中心系数其中i为备选路径的路径序号;center_index为与全局路径部分地重合的备选路径的路径序号;max_index为所有的备选路径中最大的路径序号。可以理解的是,exp指的是以自然常数e为底的指数函数。
更具体地,在本申请的一示例中,所述路径评分模型可以但不限于被实施为:
Score(i)=Pobstacle(i)×Pcenter(i)
其中,Score(i)为第i条备选路径的评分;Pobstacle(i)为第i条备选路径的避障系数;Pcenter(i)为第i条备选路径的中心系数;i为备选路径的路径序号。
可以理解的是,所述备选路径的避障系数是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)。换言之,在中心系数相同的情况下,所述备选路径的避障系数越大,则所述备选路径的评分就越大。
此外,所述备选路径的中心系数是用来表示所述备选路径靠近所述全局路径的程度,其中所述备选路径的中心系数的大小与所述备选路径和所述全局路径之间的距离成反比,也就是说,所述备选路径与所述全局路径之间的距离越小(或越大),则所述备选路径的中心系数就越大(或越小)。换言之,在避障系数相同的情况下,所述备选路径的中心系数越大,则所述备选路径的评分就越大,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全局路径行驶,便于实现所述移动平台的寻迹功能。
值得一提的是,在本申请的另一示例中,所述备选路径的评分项可以进一步包括长度系数;此时所述路径评分模型也可以被实施为:
Score(i)=Pobstacle(i)×Pcenter(i)×Plength(i)
其中,Score(i)为第i条备选路径的评分;Pobstacle(i)为第i条备选路径的避障系数;Pcenter(i)为第i条备选路径的中心系数;Plength(i)为第i条备选路径的长度系数;i为备选路径的路径序号。
此时,如图4所示,本申请的上述实施例的所述自主避障导航方法的所述步骤S200,可以进一步包括步骤:
S250:根据每条所述备选路径的长度,确定每条所述备选路径的长度系数。
示例性地,当第i条备选路径的长度为长路径时,第i条备选路径的所述长度系数Plength(i)为1.0;而当第i条备选路径的长度为短路径时,第i条备选路径的所述长度系数Plength(i)为0.5。可以理解的是,所述备选路径的长度是属于长路径,还是属于短路径,是由备选路径的规划方法所决定的,其中短路径主要是用来在环境复杂时搜索可通行路径。此外,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。例如,所述备选路径的长度小于4米时为短路径,所述备选路径的长度大于等于4米时为长路径。
这样,由于长度大于等于4米的所述备选路径的长度系数小于长度小于4米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,被选定为最佳局部路径的概率就越高,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最佳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,本申请的所述自主避障导航方法中的所述步骤S100至S300可以被实时执行,也就是说,实时获取最佳备选路径,以便在触发更新条件后,及时使用最佳备选路径来更新最佳局部路径。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以及收到计时器信息等等,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。可以理解的是,在本发明的其他示例中,本发明的所述自主避障导航方法中的所述步骤S100至S300也可以被有条件地执行,例如当所述更新条件被触发时,才执行所述步骤S100至S300以获得所述最佳备选路径。
具体地,如图5所示,本申请的所述自主避障导航方法的所述步骤S400,可以包括步骤:
S410:确定所述移动平台的状态,其中所述移动平台的状态包括初始化状态,正常行驶状态,暂停状态,到达终点状态以及异常状态;和
S420:当收到所述至少一组备选路径时,判断所述更新条件是否被触发,以在触发所述更新条件时将所述最佳备选路径作为所述当前最佳局部路径。
更具体地,如图6所示,本申请的所述自主避障导航方法的所述步骤S420,可以包括步骤:
S421:当收到所述至少一组备选路径时,判断所述移动平台是否到达所述全局路径的终点;
S422:响应于所述移动平台已到达终点,切换所述移动平台的状态为到达终点状态;
S423:响应于所述移动平台未到达终点,判断是否存在所述最佳备选路径;
S424:响应于所述最佳备选路径不存在,切换所述移动平台的状态为暂停状态;以及
S425:响应于所述最佳备选路径存在,触发更新以将所述最佳备选路径作为所述当前最佳局部路径。
优选地,如图6所示,本申请的所述自主避障导航方法的所述步骤S420,可以进一步包括步骤:
S426:响应于所述移动平台处于异常状态,检查所述至少一组备选路径的有效性。
示例性地,设计状态机以对所述移动平台的状态进行管理,只要满足任一触发条件,就会更新所述移动平台的最佳局部路径。本申请将移动平台的行驶状态分为五种:初始化状态Initial,正常行驶状态Normal,暂停状态Paused,到达终点状态Finish以及异常状态Error。当收到所述至少一组备选路径时,判断更新条件是否被触发:先进行终点判断,若到达终点,则切换移动平台的状态为Finish;否则计算最佳备选路径,如果最佳备选路径不存在,则切换所述移动平台的状态为Paused,否则切换为Normal,并更新最佳局部路径。而当移动平台的状态为Error时,对所述至少一组备选路径的有效性进行检查。
值得一提的是,如图5所示,根据本申请的上述实施例,所述自主避障导航方法的所述步骤S400,可以进一步包括步骤:
S430:当收到所述移动平台的定位信息时,判断所述更新条件是否被触发,以在触发所述更新条件时将所述最佳备选路径作为所述当前最佳局部路径。
具体地,如图7所示,所述自主避障导航方法的所述步骤S430,可以包括步骤:
S431:当收到所述移动平台的定位信息时,响应于所述移动平台处于正常行驶状态,判断所述移动平台在上一最佳局部路径中的位置是否超过预设路径阈值;和
S432:响应于超过所述预设路径阈值,触发更新以将所述最佳备选路径作为所述当前最佳局部路径。
更具体地,如图7所示,所述自主避障导航方法的所述步骤S430,可以进一步包括步骤:
S433:响应于所述移动平台处于异常状态,检查所述移动平台的定位信息的有效性。
优选地,本申请的所述预设路径阈值可以被实施为所述上一最佳局部路径的三分之一。
示例性地,当所述移动平台的状态为Normal时,计算所述移动平台在上一最佳局部路径上的位置,如果超过所述上一最佳局部路径的三分之一,则触发更新。而当所述移动平台的状态为Error时,对所述移动平台的定位信息进行有效性检查。可以理解的是,所述移动平台的定位信息可以来自所述移动平台的位姿数据。
根据本申请的上述实施例,如图5所示,所述自主避障导航方法的所述步骤S400,还可以进一步包括步骤:
S440:当收到所述障碍物信息时,判断所述更新条件是否被触发,以在触发所述更新条件时将所述最佳备选路径作为所述当前最佳局部路径。
具体地,如图8所示,所述自主避障导航方法的所述步骤S440,可以包括步骤:
S441:当收到所述障碍物信息时,响应于所述移动平台处于正常行驶状态,判断所述最佳备选路径所处区域的安全等级是否大于上一最佳局部路径所处区域的安全等级;和
S442:响应于所述最佳备选路径所处区域的安全等级大于上一最佳局部路径所处区域的安全等级,触发更新以将所述最佳备选路径作为所述当前最佳局部路径。
示例性地,当所述移动平台的状态为Normal时,计算所述最佳备选路径所处区域的安全等级和所述上一最佳局部路径所处区域的安全等级,如果所述最佳备选路径所处区域的安全等级大于上一最佳局部路径所处区域的安全等级,则触发更新,以将所述最佳备选路径更新为当前最佳局部路径。
根据本申请的上述实施例,如图5所示,所述自主避障导航方法的所述步骤S400,还可以进一步包括步骤:
S450:当收到计时器信息时,判断所述更新条件是否被触发,以在触发所述更新条件时将所述最佳备选路径作为所述当前最佳局部路径。
具体地,如图9所示,所述自主避障导航方法的所述步骤S450,可以包括步骤:
S451:当收到所述计时器信息时,响应于所述移动平台未处于异常状态,检查传感器数据是否存在异常,以在所述传感器数据存在异常时,切换所述移动平台的状态为异常状态;
S452:响应于所述移动平台处于暂停状态,判断障碍物是否清空,以在清空后,触发更新以将所述最佳备选路径作为所述当前最佳局部路径;以及
S453:响应于所述移动平台处于异常状态,检查所述至少一组备选路径、所述障碍物信息以及所述定位信息在一定时间内是否均正常,以在正常时触发更新并退出异常状态。
综上所述,本申请提供了一种自主避障导航方法,其能够根据获取的位姿信息和障碍物信息进行路径规划与跟踪,以实现自主导航。路径规划可以分为备选路径生成与行为决策两部分,并且在行为决策中,涉及到如何筛选最佳备选路径和何时将最佳备选路径更新为最佳局部路径两个问题:关于如何筛选最佳备选路径,由于如果仅通过设立路径评分项,选取评分最高的路径作为最佳备选路径,则会在行驶过程中出现左右跳动的问题,因此本申请通过划分行驶区域,并根据区域内路径最高评分计算区域安全等级,之后先选择安全等级最高的区域,再选择区域内评分最高的路径作为最佳路径,以解决左右跳动的问题;关于合适将最佳备选路径更新为最佳局部路径,本申请通过设定状态量,设计状态机管理逻辑,不仅仅解决了局部路径触发更新的问题,而且还解决了异常状态退出与恢复,障碍物遮挡,障碍物清空等复杂情况的处理,以保证实际项目运行的要求。
示例性地,在本发明的一示例中,如图10所示,所述自主避障导航方法包括如下步骤:根据组合惯导等传感器获取移动平台的位姿数据(包括位置和姿态数据);接收上位机发送的全局路径数据,并根据定位信息规划一组备选路径;通过诸如激光雷达等传感器采集的点云数据,获取障碍物的位置和轮廓信息;对所有备选路径进行评分,并把可通行区域划分为三个区域,进而根据区域内备选路径的评分,确定区域的安全等级,从而确定最佳行驶区域,并将最佳行驶区域内评分最高的路径作为最佳备选路径;根据更新条件是否被触发,决定是否将最佳备选路径作为当前的最佳局部路径,并发布给车控模块;车控模块根据移动平台的行驶速度和所述最佳局部路径来控制运动。
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自主避障导航系统被阐明。具体地,如图11所示,所述自主避障导航系统1包括相互可通信地连接的:一路径规划模块10,用于根据获取的全局路径数据和移动平台的位姿数据,规划出至少一组备选路径;一路径评分模块20,用于根据获取的障碍物信息,对所有的备选路径进行评分;一安全等级确定模块30,用于根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及一路径更新模块40,用于响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动。
更具体地,如图11所示,所述安全等级确定模块30包括相互可通信地连接的一区域划分模块31、一等级计算模块32以及一路径选取模块33,其中所述区域划分模块31用于根据该移动平台在上一最佳局部路径中的当前位置,将可通行区域划分成不同的行驶区域;其中所述等级计算模块32用于根据区域安全等级模型,分别计算各个行驶区域的安全等级,以确定安全等级最高的行驶区域作为最佳行驶区域;其中所述路径选取模块33用于从该最佳行驶区域内选取评分最高的备选路径,以作为该最佳备选路径。
在本申请的一示例中,如图11所示,所述路径评分模块20包括相互可通信地连接的一评分项确定模块21、一避障系数确定模块22、一中心系数确定模块23以及一评分计算模块24,其中所述评分项确定模块21用于确定备选路径的评分项,其中该备选路径的评分项包括避障系数和中心系数;其中所述避障系数确定模块22用于根据每条备选路径和所有障碍物之间的最小距离,确定每条备选路径的避障系数;其中所述中心系数确定模块23用于根据每条备选路径的路径序号和与全局路径部分地重合的备选路径的路径序号,确定每条备选路径的中心系数;其中所述评分计算模块24用于通过路径评分模型,对每条备选路径进行评分,以获得每条备选路径的评分。
优选地,如图11所示,所述路径评分模块20进一步包括一长度系数确定模块25,用于根据每条备选路径的长度,确定每条备选路径的长度系数。
根据本申请的上述实施例,如图11所示,所述路径更新模块40包括相互可通信地连接的一状态确定模块41和一触发更新模块42,其中所述状态确定模块41用于确定该移动平台的状态,其中该移动平台的状态包括初始化状态、正常行驶状态、暂停状态、到达终点状态以及异常状态;其中所述触发更新模块42用于当收到该至少一组备选路径时,判断该更新条件是否被触发,以触发该更新条件时将该最佳备选路径作为该当前最佳局部路径。
在本申请的一示例中,所述触发更新模块42还用于:当收到该至少一组备选路径时,判断该移动平台是否到达全局路径的终点;响应于该移动平台已到达终点,切换该移动平台的状态为该到达终点状态;响应于该移动平台未到达终点,判断是否存在该最佳备选路径;响应于该最佳备选路径不存在,切换该移动平台的状态为该暂停状态;响应于该最佳备选路径存在,触发更新以将该最佳备选路径作为该当前最佳局部路径;以及响应于该移动平台处于该异常状态,检测该至少一组备选路径的有效性。
在本申请的一示例中,所述触发更新模块42进一步用于:当收到该移动平台的定位信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径;当收到该障碍物信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径;以及当收到计时器信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径。
在本申请的一示例中,所述触发更新模块42还用于:当收到该移动平台的定位信息时,响应于该移动平台处于该正常行驶状态,判断该移动平台在上一最佳局部路径中的位置是否超过预设路径阈值;响应于超过该预设路径阈值,触发更新以将该最佳备选路径作为该当前最佳局部路径;以及响应于该移动平台处于该异常状态,检查该移动平台的定位信息的有效性。
在本申请的一示例中,所述触发更新模块42还用于:当收到该障碍物信息时,响应于该移动平台处于该正常行驶状态,判断该最佳备选路径所处区域的安全等级是否大于上一最佳局部路径所处区域的安全等级;和响应于该最佳备选路径所处全区域的安全等级大于该上一最佳局部路径所处区域的安全等级,触发更新以将该最佳备选路径作为该当前最佳局部路径。
在本申请的一示例中,所述触发更新模块42还用于:当收到该计时器信息时,响应于该移动平台未处于该异常状态,检测传感器数据是否存在异常,以在该传感器数据存在异常时,切换该移动平台的状态为该异常状态;响应于该移动平台处于该暂停状态,判断障碍物是否清空,以在清空后触发更新以将该最佳备选路径作为该当前最佳局部路径;以及响应于该移动平台处于该异常状态,检查该至少一组备选路径、该障碍物信息以及该定位信息在一定时间内是否均正常,以在正常时触发更新并退出该异常状态。
示意性设备
参考说明书附图至图12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12所示,所述移动平台设备包括至少一移动平台M和上述至少一自主避障导航系统1,其中所述自主避障导航系统1被搭载于所述移动平台M,以通过所述自主避障导航系统1为所述移动平台M提供当前最佳局部路径,以便实现所述移动平台M的自主避障导航效果。
值得注意的是,在本发明的一示例中,所述移动平台设备的所述移动平台M可以但不限于进一步包括车体通讯模块、传感器模块、主控单元、底盘以及任务模块等等模块(图中未示出)。所述车体通讯模块用于负责所述自主避障导航系统1与上位机进行交互,其中所述上位机上的调度系统会根据任务情况规划一条全局路径,并且所述车体通讯模块用于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等构成,其中所述组合惯导用于提供定位信息;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。所述主控单元可以采用NVIDIA Xavier作为计算平台。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。
示例性地,图13示出了所述移动平台设备实现自主避障导航的流程简图,其具体实现步骤如下:所述移动平台设备开始工作后,先根据上位机的调度系统规划的全局路径生成至少一组备选路径,再对行驶区域进行划分,以根据所检测到的障碍物信息对备选路径进行评分;之后,对划分而成的各个行驶区域进行区域安全等级的计算,以输出最佳备选路径;响应于触发更新条件,根据最佳备选路径来更新最佳局部路径,以对移动平台(如车辆)进行控制;判断该移动平台是否到达终点,如果是,则结束自主避障导航任务;如果否,则返回备选路径的生成,以重复上述操作,直至该移动平台到达终点为止。
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 (24)
1.自主避障导航方法,其特征在于,包括步骤:
根据获取的全局路径数据和移动平台的位姿数据,规划出至少一组备选路径;
根据获取的障碍物信息,对所有的备选路径进行评分;
根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及
响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动。
2.如权利要求1所述的自主避障导航方法,其中,所述根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径的步骤,包括步骤:
根据该移动平台在上一最佳局部路径中的当前位置,将可通行区域划分成不同的行驶区域;
根据区域安全等级模型,分别计算各个行驶区域的安全等级,以确定安全等级最高的行驶区域作为最佳行驶区域;以及
从该最佳行驶区域内选取评分最高的备选路径,以作为该最佳备选路径。
3.如权利要求2所述的自主避障导航方法,其中,在所述根据该移动平台在上一最佳局部路径中的当前位置,将可通行区域划分成不同的行驶区域的步骤中:
该可通行区域被划分成第一行驶区域、第二行驶区域以及第三行驶区域,其中该第一行驶区域位于该第二行驶区域和该第三行驶区域之间,并且该第一行驶区域内的路径包括与全局路径部分地重合的备选路径。
4.如权利要求3所述的自主避障导航方法,其中,当该移动平台与该全局路径之间的距离不大于一预设距离阈值时,该第一行驶区域的左右边界与该全局路径之间的距离等于该预定距离阈值,其中当该移动平台与该全局路径之间的距离大于该预设距离阈值时,该第一行驶区域的左右边界中的一个与该全局路径之间的距离等于该预设距离阈值,并且该第一行驶区域的左右边界中的另一个与该全局路径重合。
5.如权利要求4所述的自主避障导航方法,其中,该移动平台与该第二行驶区域之间的最小距离小于该移动平台与该第三行驶区域之间的最小距离。
7.如权利要求6所述的自主避障导航方法,其中,当该行驶区域的安全等级从大到小时,该等级跳变阈值取值为正值;当该行驶区域的安全等级从小到大时,该等级跳变阈值取值为负值。
8.如权利要求7所述的自主避障导航方法,其中,当不同的行驶区域的安全等级相同时,选择区域序号更低的行驶区域作为该最佳行驶区域。
9.如权利要求1至8中任一项所述的自主避障导航方法,其中,所述根据获取的障碍物信息,对所有的备选路径进行评分的步骤,包括步骤:
确定备选路径的评分项,其中该备选路径的评分项包括避障系数和中心系数;
根据每条备选路径和所有障碍物之间的最小距离,确定每条备选路径的避障系数;
根据每条备选路径的路径序号和与全局路径部分地重合的备选路径的路径序号,确定每条备选路径的中心系数;以及
通过路径评分模型,对每条备选路径进行评分,以获得每条备选路径的评分。
10.如权利要求9所述的自主避障导航方法,其中,该路径评分模型被实施为:Score(i)=Pobstacle(i)×Pcenter(i),其中i为备选路径的路径序号;Score(i)为第i条备选路径的评分;Pobstacle(i)为第i条备选路径的避障系数;Pcenter(i)为第i条备选路径的中心系数。
11.如权利要求9所述的自主避障导航方法,其中,所述根据获取的障碍物信息,对所有的备选路径进行评分的步骤,进一步包括步骤:
根据每条备选路径的长度,确定每条备选路径的长度系数,其中该路径评分模型被实施为Score(i)=Pobstacle(i)×Pcenter(i)×Plength(i),其中i为备选路径的路径序号;Score(i)为第i条备选路径的评分;Pobstacle(i)为第i条备选路径的避障系数;Pcenter(i)为第i条备选路径的中心系数;Plength(i)为第i条备选路径的长度系数。
12.如权利要求1至8中任一项所述的自主避障导航方法,其中,所述响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动的步骤,包括步骤:
确定该移动平台的状态,其中该移动平台的状态包括初始化状态、正常行驶状态、暂停状态、到达终点状态以及异常状态;和
当收到该至少一组备选路径时,判断该更新条件是否被触发,以触发该更新条件时将该最佳备选路径作为该当前最佳局部路径。
13.如权利要求12所述的自主避障导航方法,其中,所述当收到该至少一组备选路径时,判断该更新条件是否被触发,以触发该更新条件时将该最佳备选路径作为该当前最佳局部路径的步骤,包括步骤:
当收到该至少一组备选路径时,判断该移动平台是否到达全局路径的终点;
响应于该移动平台已到达终点,切换该移动平台的状态为该到达终点状态;
响应于该移动平台未到达终点,判断是否存在该最佳备选路径;
响应于该最佳备选路径不存在,切换该移动平台的状态为该暂停状态;
响应于该最佳备选路径存在,触发更新以将该最佳备选路径作为该当前最佳局部路径;以及
响应于该移动平台处于该异常状态,检测该至少一组备选路径的有效性。
14.如权利要求12所述的自主避障导航方法,其中,所述响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动的步骤,进一步包括步骤:
当收到该移动平台的定位信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径;
当收到该障碍物信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径;以及
当收到计时器信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径。
15.如权利要求14所述的自主避障导航方法,其中,所述当收到该移动平台的定位信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径的步骤,包括步骤:
当收到该移动平台的定位信息时,响应于该移动平台处于该正常行驶状态,判断该移动平台在上一最佳局部路径中的位置是否超过预设路径阈值;
响应于超过该预设路径阈值,触发更新以将该最佳备选路径作为该当前最佳局部路径;以及
响应于该移动平台处于该异常状态,检查该移动平台的定位信息的有效性。
16.如权利要求14所述的自主避障导航方法,其中,所述当收到该障碍物信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径的步骤,包括步骤:
当收到该障碍物信息时,响应于该移动平台处于该正常行驶状态,判断该最佳备选路径所处区域的安全等级是否大于上一最佳局部路径所处区域的安全等级;和
响应于该最佳备选路径所处全区域的安全等级大于该上一最佳局部路径所处区域的安全等级,触发更新以将该最佳备选路径作为该当前最佳局部路径。
17.如权利要求14所述的自主避障导航方法,其中,所述当收到计时器信息时,判断该更新条件是否被触发,以在触发该更新条件时将该最佳备选路径作为该当前最佳局部路径的步骤,包括步骤:
当收到该计时器信息时,响应于该移动平台未处于该异常状态,检测传感器数据是否存在异常,以在该传感器数据存在异常时,切换该移动平台的状态为该异常状态;
响应于该移动平台处于该暂停状态,判断障碍物是否清空,以在清空后触发更新以将该最佳备选路径作为该当前最佳局部路径;以及
响应于该移动平台处于该异常状态,检查该至少一组备选路径、该障碍物信息以及该定位信息在一定时间内是否均正常,以在正常时触发更新并退出该异常状态。
18.自主避障导航系统,其特征在于,包括相互可通信地连接的:
一路径规划模块,用于根据获取的全局路径数据和移动平台的位姿数据,规划出至少一组备选路径;
一路径评分模块,用于根据获取的障碍物信息,对所有的备选路径进行评分;
一安全等级确定模块,用于根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及
一路径更新模块,用于响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动。
19.如权利要求18所述的自主避障导航系统,其中,所述安全等级确定模块包括相互可通信地连接的一区域划分模块、一等级计算模块以及一路径选取模块,其中所述区域划分模块用于根据该移动平台在上一最佳局部路径中的当前位置,将可通行区域划分成不同的行驶区域;其中所述等级计算模块用于根据区域安全等级模型,分别计算各个行驶区域的安全等级,以确定安全等级最高的行驶区域作为最佳行驶区域;其中所述路径选取模块用于从该最佳行驶区域内选取评分最高的备选路径,以作为该最佳备选路径。
20.如权利要求18或19所述的自主避障导航系统,其中,所述路径评分模块包括相互可通信地连接的一评分项确定模块、一避障系数确定模块、一中心系数确定模块以及一评分计算模块,其中所述评分项确定模块用于确定备选路径的评分项,其中该备选路径的评分项包括避障系数和中心系数;其中所述避障系数确定模块用于根据每条备选路径和所有障碍物之间的最小距离,确定每条备选路径的避障系数;其中所述中心系数确定模块用于根据每条备选路径的路径序号和与全局路径部分地重合的备选路径的路径序号,确定每条备选路径的中心系数;其中所述评分计算模块用于通过路径评分模型,对每条备选路径进行评分,以获得每条备选路径的评分。
21.如权利要求20所述的自主避障导航系统,其中,所述路径评分模块进一步包括一长度系数确定模块,用于根据每条备选路径的长度,确定每条备选路径的长度系数。
22.如权利要求18或19所述的自主避障导航系统,其中,所述路径更新模块包括相互可通信地连接的一状态确定模块和一触发更新模块,其中所述状态确定模块用于确定该移动平台的状态,其中该移动平台的状态包括初始化状态、正常行驶状态、暂停状态、到达终点状态以及异常状态;其中所述触发更新模块用于当收到该至少一组备选路径时,判断该更新条件是否被触发,以触发该更新条件时将该最佳备选路径作为该当前最佳局部路径。
23.移动平台设备,其特征在于,包括:
至少一移动平台;和
至少一自主避障导航系统,其中所述自主避障导航系统被搭载于所述移动平台,用于为所述移动平台提供当前最佳局部路径,其中所述自主避障导航系统内包括相互可通信地连接的:
一路径规划模块,用于根据获取的全局路径数据和所述移动平台的位姿数据,规划出至少一组备选路径;
一路径评分模块,用于根据获取的障碍物信息,对所有的备选路径进行评分;
一安全等级确定模块,用于根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及
一路径更新模块,用于响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得所述移动平台按照该当前最佳局部路径进行运动。
24.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,其中所述存储机被配置用于保存可由所述处理器执行以实现自主避障导航方法的程序指令,其中所述自主避障导航方法包括步骤:
根据获取的全局路径数据和移动平台的位姿数据,规划出至少一组备选路径;
根据获取的障碍物信息,对所有的备选路径进行评分;
根据划分的至少二行驶区域,基于各个行驶区域内备选路径的评分确定各个行驶区域的安全等级,以将安全等级最高的行驶区域内评分最高的备选路径作为最佳备选路径;以及
响应于更新条件被触发,基于该最佳备选路径更新最佳局部路径以作为当前最佳局部路径,使得该移动平台按照该当前最佳局部路径进行运动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110176841.8A CN112964267B (zh) | 2021-02-07 | 2021-02-07 | 自主避障导航方法及其系统和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110176841.8A CN112964267B (zh) | 2021-02-07 | 2021-02-07 | 自主避障导航方法及其系统和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112964267A true CN112964267A (zh) | 2021-06-15 |
CN112964267B CN112964267B (zh) | 2022-12-27 |
Family
ID=76284449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110176841.8A Active CN112964267B (zh) | 2021-02-07 | 2021-02-07 | 自主避障导航方法及其系统和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112964267B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114212106A (zh) * | 2021-12-17 | 2022-03-22 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆的可行驶区域内安全概率的确定方法及装置 |
CN114264312A (zh) * | 2021-11-30 | 2022-04-01 | 阿波罗智联(北京)科技有限公司 | 自动驾驶车辆的路径规划方法、装置和自动驾驶车辆 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012243029A (ja) * | 2011-05-18 | 2012-12-10 | Toyota Central R&D Labs Inc | 経路探索機能付き移動体 |
CN107702716A (zh) * | 2017-08-31 | 2018-02-16 | 广州小鹏汽车科技有限公司 | 一种无人驾驶路径规划方法、系统和装置 |
CN110967019A (zh) * | 2019-11-28 | 2020-04-07 | 深圳优地科技有限公司 | 一种规划机器人局部路径的方法及机器人 |
US20200166352A1 (en) * | 2018-11-27 | 2020-05-28 | Electronics And Telecommunications Research Institute | Apparatus and method for establishing dual path plan and determining road determination area for autonomous driving |
CN111289008A (zh) * | 2020-04-28 | 2020-06-16 | 南京维思科汽车科技有限公司 | 一种用于无人驾驶车辆的局部路径规划算法 |
CN111552284A (zh) * | 2020-04-20 | 2020-08-18 | 宁波吉利汽车研究开发有限公司 | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 |
CN111694356A (zh) * | 2020-06-10 | 2020-09-22 | 上海高仙自动化科技发展有限公司 | 一种行驶控制方法、装置、电子设备及存储介质 |
CN111998864A (zh) * | 2020-08-11 | 2020-11-27 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
-
2021
- 2021-02-07 CN CN202110176841.8A patent/CN112964267B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012243029A (ja) * | 2011-05-18 | 2012-12-10 | Toyota Central R&D Labs Inc | 経路探索機能付き移動体 |
CN107702716A (zh) * | 2017-08-31 | 2018-02-16 | 广州小鹏汽车科技有限公司 | 一种无人驾驶路径规划方法、系统和装置 |
US20200166352A1 (en) * | 2018-11-27 | 2020-05-28 | Electronics And Telecommunications Research Institute | Apparatus and method for establishing dual path plan and determining road determination area for autonomous driving |
CN110967019A (zh) * | 2019-11-28 | 2020-04-07 | 深圳优地科技有限公司 | 一种规划机器人局部路径的方法及机器人 |
CN111552284A (zh) * | 2020-04-20 | 2020-08-18 | 宁波吉利汽车研究开发有限公司 | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 |
CN111289008A (zh) * | 2020-04-28 | 2020-06-16 | 南京维思科汽车科技有限公司 | 一种用于无人驾驶车辆的局部路径规划算法 |
CN111694356A (zh) * | 2020-06-10 | 2020-09-22 | 上海高仙自动化科技发展有限公司 | 一种行驶控制方法、装置、电子设备及存储介质 |
CN111998864A (zh) * | 2020-08-11 | 2020-11-27 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
ARNAY RAFAEL ET AL.: "Safe and Reliable Path Planning for the Autonomous Vehicle Verdino", 《IEEE INTELLIGENT TRANSPORTATION SYSTEMS MAGAZINE》 * |
李静: "基于ROS平台的导航机器人路径规划研究", 《现代信息科技》 * |
杨国元等: "基于ROS的铁路客站自主移动机器人关键技术研究", 《铁路计算机应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114264312A (zh) * | 2021-11-30 | 2022-04-01 | 阿波罗智联(北京)科技有限公司 | 自动驾驶车辆的路径规划方法、装置和自动驾驶车辆 |
CN114212106A (zh) * | 2021-12-17 | 2022-03-22 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆的可行驶区域内安全概率的确定方法及装置 |
CN114212106B (zh) * | 2021-12-17 | 2023-10-10 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆的可行驶区域内安全概率的确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112964267B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11727497B2 (en) | Safe state to safe state navigation | |
US11815904B2 (en) | Trajectory selection for an autonomous vehicle | |
JP7455851B2 (ja) | 自律型車両の計画および予測 | |
US20200262448A1 (en) | Decision method, device, equipment in a lane changing process and storage medium | |
CN111133485B (zh) | 自主交通工具的对象预测优先级排序系统和方法 | |
US20190286157A1 (en) | Constraint augmentation in a navigational system | |
CN112964267B (zh) | 自主避障导航方法及其系统和设备 | |
CN111380555A (zh) | 车辆行为预测方法及装置、电子设备、存储介质 | |
CN113296541B (zh) | 一种基于未来碰撞风险的无人设备控制方法及装置 | |
CN111912423B (zh) | 一种预测障碍物轨迹以及模型训练的方法及装置 | |
CN114312836A (zh) | 自动驾驶车辆礼让行人的方法、装置、设备及存储介质 | |
CN112947495B (zh) | 模型训练的方法、无人驾驶设备的控制方法以及装置 | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
CN112649012A (zh) | 一种轨迹规划方法、设备、介质及无人设备 | |
WO2018070015A1 (ja) | 車両はみ出し判断方法及び車両はみ出し判断装置 | |
CN112734810B (zh) | 一种障碍物追踪方法及装置 | |
CN114633765A (zh) | 基于概率栅格图的速度决策方法及其装置、相关产品 | |
CN114280960A (zh) | 一种自动驾驶仿真方法、装置、存储介质及电子设备 | |
US20230418291A1 (en) | Testing reuse across protolane families | |
US20230415773A1 (en) | Validating protolanes with actor behavior flowcharts | |
US20230415767A1 (en) | Protolanes for testing autonomous vehicle intent | |
EP4156143A1 (en) | Method for predicting traffic light information by using lidar and server using the same | |
CN116654009A (zh) | 自动驾驶车辆的路口行为决策方法及装置 | |
CN113110479A (zh) | 一种控制移动载具的方法及装置 |
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 |