CN113075921B - 无人驾驶设备的局部路径规划方法和装置 - Google Patents
无人驾驶设备的局部路径规划方法和装置 Download PDFInfo
- Publication number
- CN113075921B CN113075921B CN201911302999.4A CN201911302999A CN113075921B CN 113075921 B CN113075921 B CN 113075921B CN 201911302999 A CN201911302999 A CN 201911302999A CN 113075921 B CN113075921 B CN 113075921B
- Authority
- CN
- China
- Prior art keywords
- path
- initial
- planning
- current local
- local
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims description 47
- 238000005457 optimization Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05D1/0259—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, 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
- G05D1/0221—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, 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
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了无人驾驶设备的局部路径规划方法和装置,涉及路径规划技术领域。该方法的一具体实施方式包括:根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径;根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径。该实施方式减少始终向一个方向优化的情况,减少延迟情况的发生,减少规划对正常行驶的影响。
Description
技术领域
本发明涉及路径规划技术领域,尤其涉及一种无人驾驶设备的局部路径规划方法和装置。
背景技术
无人驾驶设备按照局部路径规划方法得到目标路径,而得到目标路径很大程度上依赖初始路径,现有确定初始路径的方法有两种,第一种是通过全局路径确定初始路径,第二种是根据局部路径规划的起点和局部路径规划的终点,随机生成数条初始路径。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
对于第一种,始终向一个方向优化,得到的目标路径准确性不高;对于第二种,优化数条初始路径,计算量非常庞大,无人驾驶设备不具备强大的计算能力,导致规划过程中延迟严重,影响正常行驶。
发明内容
有鉴于此,本发明实施例提供一种无人驾驶设备的局部路径规划方法和装置,减少始终向一个方向优化的情况,减少延迟情况的发生,减少规划对正常行驶的影响。
为实现上述目的,根据本发明实施例的一个方面,提供了一种无人驾驶设备的局部路径规划方法。
本发明实施例的无人驾驶设备的局部路径规划方法,包括:
根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径;
根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径。
在一个实施例中,根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径,包括:
从所述全局路径截取与所述当前局部路径规划的起点和所述当前局部路径规划的终点均匹配的路径,作为所述第一初始路径;
将从所述当前局部路径规划的起点到所述当前局部路径规划的终点的线段,作为所述第二初始路径;
根据所述上一局部路径规划的目标路径,得到所述第三初始路径。
在一个实施例中,根据所述上一局部路径规划的目标路径,得到所述第三初始路径,包括:
从所述上一局部路径规划的目标路径截取,与所述当前局部路径规划的起点和上一局部路径规划的终点均匹配的路径,作为首段路径;
将从所述上一局部路径规划的终点到所述当前局部路径规划的终点的线段,作为末段路径;
根据所述首段路径和所述末段路径,生成所述第三初始路径。
在一个实施例中,根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径,包括:
对所述第一初始路径进行路径优化,得到第一路径和第一路径的评价值;
对所述第二初始路径进行路径优化,得到第二路径和第二路径的评价值;
对所述第三初始路径进行路径优化,得到第三路径和第三路径的评价值;
基于所述评价值,从所述第一路径、所述第二路径和所述第三路径中选择一条路径作为所述当前局部路径规划的目标路径。
在一个实施例中,所述第一路径的评价值的获取方法,包括:
按照局部路径规划精确度将所述第一路径分为多个子路径;
对于每个子路径,将第一预设权重与无人驾驶设备在所述子路径的行驶时间相乘,得到第一数值;将第二预设权重与在所述子路径上无人驾驶设备的运动学方程的约束条件相乘,得到第二数值;将第三预设权重与在所述子路径上无人驾驶设备的运动向量相乘,得到第三数值;将第四预设权重与在所述子路径上无人驾驶设备与障碍物的距离相乘,得到第四数值;将所述第一数值、所述第二数值、所述第三数值和所述第四数值的和,作为所述子路径的评价值;
将每个子路径的评价值的和,作为所述第一路径的评价值。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种无人驾驶设备的局部路径规划装置。
本发明实施例的无人驾驶设备的局部路径规划装置,包括:
第一处理单元,用于根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径;
第二处理单元,用于根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径。
在一个实施例中,第一处理单元用于:
从所述全局路径截取与所述当前局部路径规划的起点和所述当前局部路径规划的终点均匹配的路径,作为所述第一初始路径;
将从所述当前局部路径规划的起点到所述当前局部路径规划的终点的线段,作为所述第二初始路径;
根据所述上一局部路径规划的目标路径,得到所述第三初始路径。
在一个实施例中,第一处理单元用于:
从所述上一局部路径规划的目标路径截取,与所述当前局部路径规划的起点和上一局部路径规划的终点均匹配的路径,作为首段路径;
将从所述上一局部路径规划的终点到所述当前局部路径规划的终点的线段,作为末段路径;
根据所述首段路径和所述末段路径,生成所述第三初始路径。
在一个实施例中,第二处理单元用于:
对所述第一初始路径进行路径优化,得到第一路径和第一路径的评价值;
对所述第二初始路径进行路径优化,得到第二路径和第二路径的评价值;
对所述第三初始路径进行路径优化,得到第三路径和第三路径的评价值;
基于所述评价值,从所述第一路径、所述第二路径和所述第三路径中选择一条路径作为所述当前局部路径规划的目标路径。
在一个实施例中,第二处理单元用于:
按照局部路径规划精确度将所述第一路径分为多个子路径;
对于每个子路径,将第一预设权重与无人驾驶设备在所述子路径的行驶时间相乘,得到第一数值;将第二预设权重与在所述子路径上无人驾驶设备的运动学方程的约束条件相乘,得到第二数值;将第三预设权重与在所述子路径上无人驾驶设备的运动向量相乘,得到第三数值;将第四预设权重与在所述子路径上无人驾驶设备与障碍物的距离相乘,得到第四数值;将所述第一数值、所述第二数值、所述第三数值和所述第四数值的和,作为所述子路径的评价值;
将每个子路径的评价值的和,作为所述第一路径的评价值。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种电子设备。
本发明实施例的一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例提供的无人驾驶设备的局部路径规划方法。
为实现上述目的,根据本发明实施例的又一个方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例提供的无人驾驶设备的局部路径规划方法。
上述发明中的一个实施例具有如下优点或有益效果:根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径;根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径。得到三条初始路径,三条初始路径不全根据全局路径确定,减少始终向一个方向优化的情况,提高目标路径的准确性;优化三条初始路径,优化路径涉及的计算量减少;根据上一局部路径规划的目标路径得到初始路径,计算量继续减少,从而减少了延迟情况的发生,减少规划对正常行驶的影响。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的无人驾驶设备的局部路径规划方法的主要流程的示意图;
图2是根据本发明实施例的无人驾驶设备的局部路径规划方法中的一个应用场景;
图3是根据本发明实施例的无人驾驶设备的局部路径规划装置的主要单元的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明中的实施例以及实施例中的特征可以互相组合。
现有技术中第二种确定初始路径,包括:根据局部路径规划的起点和局部路径规划的终点,并进行撒点,基于Voronio图或者PRM随机生成数条路径,数条路径中每条路径均作为初始路径。无论是撒点连线,还是多路径优化,都大大增加了计算量,占用大量的计算资源,然而无人驾驶设备的工控机不能满足这样的计算量,导致延迟严重。
现有技术中第一种确定初始路径,由于只有一条路径,在优化过程中,容易陷入局部最优(陷入局部最优是在一些比较复杂的路段,通过全局路径确定的初始路径是一条最近的路径,但需要无人车经过狭窄的地方,而无人车并不应该经过狭窄的地方,这种情况即为陷入局部最优),导致始终向一个方向优化,得到的目标路径不准确(希望的目标路径的每个点距离障碍物的距离均小于1米,而根据全局路径确定的初始路径,再进行优化,得到的目标路径并不能满足这个要求,因而,目标路径不准确)。
为了解决现有技术存在的问题,本发明实施例提供了一种无人驾驶设备的局部路径规划方法,如图1所示,该方法包括:
步骤S101、根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径。
需说明的是,该步骤的具体实施方式在下文中进行了详细地介绍,在此不再赘述。
步骤S102、根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径。
需说明的是,该步骤的具体实施方式在下文中进行了详细地介绍,在此不再赘述。
需说明的是,本发明实施例可以应用在无人驾驶设备上,无人驾驶设备可以是无人车。无人车的控制系统按照上述描述得到当前局部路径规划的目标路径,控制无人车按照当前局部路径规划的目标路径行驶。
应理解的是,本发明实施例不仅可以应用在无人车上,还可以应用在计算能力不高的机器人。机器人按照上述描述得到当前局部路径规划的目标路径,机器人按照当前局部路径规划的目标路径行驶。
在该实施例中,得到三条初始路径,三条初始路径不全根据全局路径确定,减少始终向一个方向优化的情况,提高目标路径的准确性;优化三条初始路径,优化路径涉及的计算量减少;根据上一局部路径规划的目标路径得到初始路径,计算量继续减少,从而减少了延迟情况的发生,减少规划对正常行驶的影响。
在本发明实施例中,步骤S101,可以包括:
从所述全局路径截取与所述当前局部路径规划的起点和所述当前局部路径规划的终点均匹配的路径,作为所述第一初始路径;
将从所述当前局部路径规划的起点到所述当前局部路径规划的终点的线段,作为所述第二初始路径;
根据所述上一局部路径规划的目标路径,得到所述第三初始路径。
在该实施例中,具体实施时,采用A*方法(全称Summary of the A*Method)、D*方法或Focused D*方法进行全局路径规划,得到全局路径。A*方法、D*方法或Focused D*方法是一种启发式搜索算法。
需说明的是,全局路径规划是在已知环境下,规划一条路径,路径规划的精度取决于环境获取的准确度,当环境变化时,全局路径规划将无能为力。全局路径规划是一种事前规划,对设备的计算能力要求不高。
当前局部路径规划的起点,也是无人车的当前位置。
另外,根据当前局部路径规划的起点、全局路径和预设的局部路径规划范围,确定当前局部路径规划的终点。预设的局部路径规划范围可以是10米或20米等。
具体地,第一初始路径的获取过程:从全局路径截取一段路径,作为第一初始路径,这段路径的一个端点是当前局部路径规划的起点,这段路径的另一个端点是当前局部路径规划的终点。
下面以一具体例子说明第一初始路径的获取过程:全局路径是100米,预设的局部路径规划范围是10米,从100米截取,无人车的当前位置到前方10米的路径,作为第一初始路径。
需说明的是,若不能获取上一局部路径规划的目标路径,则只得到第一初始路径和第二初始路径;若能够获取上一局部路径规划的目标路径,则可以得到第一初始路径、第二初始路径和第三初始路径。
下面以一具体例子说明不能获取上一局部路径规划的目标路径的情况:对于一条全局路径,第一次局部路径规划不能获取上一局部路径规划的目标路径。之所以如此,是因为在第一次局部路径规划之前,并不存在上一局部路径规划。
下面以一具体例子说明全局路径、上一局部路径规划的目标路径、当前局部路径规划的起点和当前局部路径规划的终点:全局路径是从M点到D点的路径。无人车按照上一局部路径规划的目标路径行驶(即从A点到B点的目标路径,A点到B点的距离为10米,10米是预设的局部路径规划范围),从A点行驶到E点,由于A点与E点的距离是1米,而局部路径规划精度是1米,因而,无人车再次进行局部路径规划,即当前局部路径规划,当前局部路径规划的起点就是E点(也就是无人车的当前位置),而预设的局部路径规划范围是10米,因而,当前局部路径规划的终点是F点。在此基础上,说明第二初始路径,第二初始路径包括从E点到F点的线段。
在该实施例中,第一初始路径是最基本最直接的路径。第二初始路径是最短路径。第三初始路径是根据上一次优化后的路径,即目标路径得到,因而,得到初始路径涉及的计算量减少,路径优化涉及的计算量减少,进一步减少了延迟情况的发生,减少规划对正常行驶的影响。
在本发明实施例中,根据所述上一局部路径规划的目标路径,得到所述第三初始路径,包括:
从所述上一局部路径规划的目标路径截取,与所述当前局部路径规划的起点和上一局部路径规划的终点均匹配的路径,作为首段路径;
将从所述上一局部路径规划的终点到所述当前局部路径规划的终点的线段,作为末段路径;
根据所述首段路径和所述末段路径,生成所述第三初始路径。
在该实施例中,具体实施时,根据上一局部路径规划的起点和当前局部路径规划的起点,对上一局部路径规划的目标路径进行截取,得到剩余的所述目标路径,将剩余的所述目标路径作为首段路径。
另外,将包含首段路径和末段路径的路径,作为第三初始路径。
需说明的是,在外界环境变化不大时,上一局部路径规划的目标路径与当前局部路径规划的目标路径差不多。对第三初始路径进行路径优化时,计算量很少,因为上一局部路径规划的目标路径是上一最优路径,而第三初始路径是根据上一最优路径得到,在对第三初始路径进行路径优化时,优化过程中迭代很少的次数就可以得到当前局部路径规划的目标路径,即当前最优路径。
在该实施例中,截取上一局部路径规划的目标路径的部分,从而第三初始路径,得到初始路径涉及的计算量减少,路径优化涉及的计算量减少,进一步减少了延迟情况的发生,减少规划对正常行驶的影响。
在本发明实施例中,步骤S102,可以包括:
对所述第一初始路径进行路径优化,得到第一路径和第一路径的评价值;
对所述第二初始路径进行路径优化,得到第二路径和第二路径的评价值;
对所述第三初始路径进行路径优化,得到第三路径和第三路径的评价值;
基于所述评价值,从所述第一路径、所述第二路径和所述第三路径中选择一条路径作为所述当前局部路径规划的目标路径。
在该实施例中,具体实施时,根据第一初始路径,在局部路径规划优化求解器中求解,得到第一路径和第一路径的评价值;根据第二初始路径,在局部路径规划优化求解器中求解,得到第二路径和第二路径的评价值;根据第三初始路径,在局部路径规划优化求解器中求解,得到第三路径和第三路径的评价值。从第一路径、第二路径和第三路径中,选择评价值(即cost)最小的一条路径,作为当前局部路径规划的目标路径。
局部路径规划方法(Timed Elastic Bands,简称TEB)广泛应用于无人车,该方法将无人车在运动过程中需要满足的约束条件(如距离障碍物的最小距离)和无人车的运动学约束转化为一个优化问题进行求解。局部路径规划优化求解器所采用的方法即为局部路径规划方法。
当前局部路径规划的目标路径进行保存,以便快速得到下一局部路径规划的第三初始路径。
在该实施例中,选择评价值最小的路径,作为当前局部路径规划的目标路径,目标路径更准确。
在本发明实施例中,所述第一路径的评价值的获取方法,包括:
按照局部路径规划精确度将所述第一路径分为多个子路径;
对于每个子路径,将第一预设权重与无人驾驶设备在所述子路径的行驶时间相乘,得到第一数值;将第二预设权重与在所述子路径上无人驾驶设备的运动学方程的约束条件相乘,得到第二数值;将第三预设权重与在所述子路径上无人驾驶设备的运动向量相乘,得到第三数值;将第四预设权重与在所述子路径上无人驾驶设备与障碍物的距离相乘,得到第四值;将所述第一数值、所述第二数值、所述第三数值和所述第四数值的和,作为所述子路径的评价值;
将每个子路径的评价值的和,作为所述第一路径的评价值。
在该实施例中,第一路径的评价值(cost)的表达式:
其中,n表示第一路径中的所有子路径,k表示n中任意一个子路径,ω0表示第一预设权重,ω1表示第二预设权重,ω2表示第三预设权重,ω3表示第四预设权重,表示无人驾驶设备在所述子路径的行驶时间,/>表示在所述子路径上无人驾驶设备的运动学方程的约束条件,u(k)表示在所述子路径上无人驾驶设备的运动向量,O(k)表示在所述子路径上无人驾驶设备与障碍物的距离。
具体地,是根据无人车的物理模型和运动参数采用现有公式计算得到;u(k)是根据无人车行驶数据(行驶数据可以是无人车行驶过程中采集的传感器数据)采用现有公式计算得到;O(k)也是根据无人车行驶数据采用现有公式计算得到。
应理解的是,第一预设权重、第二预设权重、第三预设权重和第四预设权重可以根据自身需求设置。另外,运动向量包括无人驾驶设备的加速度和无人驾驶设备的速度。
下面以一具体例子说明按照局部路径规划精确度将所述第一路径分为多个子路径:局部路径规划精确度为1米,第一路径是5米,将第一路径按照1米分为5段,每一段作为一个子路径。
另外,局部路径规划精确度可以自行设置,例如,1米或5米等。
需说明的是,第二路径的评价值的获取方法和第三路径的评价值的获取方法,分别与第一路径的评价值的获取方法相似,仅是将第一路径分别替换为第二路径和第三路径,在此不再赘述。
本发明实施例的思路:得到三条初始路径,三条初始路径的确定方式,从而减少陷入局部最优的情况,从而保证规划准确性、快速性的同时降低计算量,提高计算效率,满足无人驾驶设备的工程化需求。
为了解决现有技术存在的问题,本发明实施例提供了一种无人驾驶设备的局部路径规划装置,如图3所示,该装置包括:
第一处理单元301,用于根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径。
第二处理单元302,用于根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径。
在本发明实施例中,第一处理单元301用于:
从所述全局路径截取与所述当前局部路径规划的起点和所述当前局部路径规划的终点均匹配的路径,作为所述第一初始路径;
将从所述当前局部路径规划的起点到所述当前局部路径规划的终点的线段,作为所述第二初始路径;
根据所述上一局部路径规划的目标路径,得到所述第三初始路径。
在本发明实施例中,第一处理单元301用于:
从所述上一局部路径规划的目标路径截取,与所述当前局部路径规划的起点和上一局部路径规划的终点均匹配的路径,作为首段路径;
将从所述上一局部路径规划的终点到所述当前局部路径规划的终点的线段,作为末段路径;
根据所述首段路径和所述末段路径,生成所述第三初始路径。
在本发明实施例中,第二处理单元302用于:
对所述第一初始路径进行路径优化,得到第一路径和第一路径的评价值;
对所述第二初始路径进行路径优化,得到第二路径和第二路径的评价值;
对所述第三初始路径进行路径优化,得到第三路径和第三路径的评价值;
基于所述评价值,从所述第一路径、所述第二路径和所述第三路径中选择一条路径作为所述当前局部路径规划的目标路径。
在本发明实施例中,第二处理单元302用于:
按照局部路径规划精确度将所述第一路径分为多个子路径;
对于每个子路径,将第一预设权重与无人驾驶设备在所述子路径的行驶时间相乘,得到第一数值;将第二预设权重与在所述子路径上无人驾驶设备的运动学方程的约束条件相乘,得到第二数值;将第三预设权重与在所述子路径上无人驾驶设备的运动向量相乘,得到第三数值;将第四预设权重与在所述子路径上无人驾驶设备与障碍物的距离相乘,得到第四数值;将所述第一数值、所述第二数值、所述第三数值和所述第四数值的和,作为所述子路径的评价值;
将每个子路径的评价值的和,作为所述第一路径的评价值。
应理解的是,本发明实施例提供的无人驾驶设备的局部路径规划装置的各部件所执行的功能已经在上述实施例一种无人驾驶设备的局部路径规划方法中做了详细的介绍,这里不再赘述。
图4示出了可以应用本发明实施例的无人驾驶设备的局部路径规划方法或无人驾驶设备的局部路径规划装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的无人驾驶设备的局部路径规划方法一般由服务器405执行,相应地,无人驾驶设备的局部路径规划装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分,上述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一处理单元和第二处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第二处理单元还可以被描述为“根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径的单元”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径;根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径。
根据本发明实施例的技术方案,根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径;根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径。得到三条初始路径,三条初始路径不全根据全局路径确定,减少始终向一个方向优化的情况,提高目标路径的准确性;优化三条初始路径,优化路径涉及的计算量减少;根据上一局部路径规划的目标路径得到初始路径,计算量继续减少,从而减少了延迟情况的发生,减少规划对正常行驶的影响。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种无人驾驶设备的局部路径规划方法,其特征在于,包括:
根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径;
根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径;
其中,得到所述第三初始路径的具体步骤包括:
从所述上一局部路径规划的目标路径截取,与所述当前局部路径规划的起点和上一局部路径规划的终点均匹配的路径,作为首段路径;将从所述上一局部路径规划的终点到所述当前局部路径规划的终点的线段,作为末段路径;根据所述首段路径和所述末段路径,生成所述第三初始路径。
2.根据权利要求1所述的方法,其特征在于,根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径,包括:
从所述全局路径截取与所述当前局部路径规划的起点和所述当前局部路径规划的终点均匹配的路径,作为所述第一初始路径;
将从所述当前局部路径规划的起点到所述当前局部路径规划的终点的线段,作为所述第二初始路径。
3.根据权利要求2所述的方法,其特征在于,根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径,包括:
对所述第一初始路径进行路径优化,得到第一路径和第一路径的评价值;
对所述第二初始路径进行路径优化,得到第二路径和第二路径的评价值;
对所述第三初始路径进行路径优化,得到第三路径和第三路径的评价值;
基于所述评价值,从所述第一路径、所述第二路径和所述第三路径中选择一条路径作为所述当前局部路径规划的目标路径。
4.根据权利要求3所述的方法,其特征在于,所述第一路径的评价值的获取方法,包括:
按照局部路径规划精确度将所述第一路径分为多个子路径;
对于每个子路径,将第一预设权重与无人驾驶设备在所述子路径的行驶时间相乘,得到第一数值;将第二预设权重与在所述子路径上无人驾驶设备的运动学方程的约束条件相乘,得到第二数值;将第三预设权重与在所述子路径上无人驾驶设备的运动向量相乘,得到第三数值;将第四预设权重与在所述子路径上无人驾驶设备与障碍物的距离相乘,得到第四数值;将所述第一数值、所述第二数值、所述第三数值和所述第四数值的和,作为所述子路径的评价值;
将每个子路径的评价值的和,作为所述第一路径的评价值。
5.一种无人驾驶设备的局部路径规划装置,其特征在于,包括:
第一处理单元,用于根据全局路径、当前局部路径规划的起点、当前局部路径规划的终点和上一局部路径规划的目标路径,得到第一初始路径、第二初始路径和第三初始路径;具体用于从所述上一局部路径规划的目标路径截取,与所述当前局部路径规划的起点和上一局部路径规划的终点均匹配的路径,作为首段路径;将从所述上一局部路径规划的终点到所述当前局部路径规划的终点的线段,作为末段路径;根据所述首段路径和所述末段路径,生成所述第三初始路径;
第二处理单元,用于根据所述第一初始路径、所述第二初始路径和所述第三初始路径进行计算,得到当前局部路径规划的目标路径。
6.根据权利要求5所述的装置,其特征在于,第一处理单元用于:
从所述全局路径截取与所述当前局部路径规划的起点和所述当前局部路径规划的终点均匹配的路径,作为所述第一初始路径;
将从所述当前局部路径规划的起点到所述当前局部路径规划的终点的线段,作为所述第二初始路径。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911302999.4A CN113075921B (zh) | 2019-12-17 | 2019-12-17 | 无人驾驶设备的局部路径规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911302999.4A CN113075921B (zh) | 2019-12-17 | 2019-12-17 | 无人驾驶设备的局部路径规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113075921A CN113075921A (zh) | 2021-07-06 |
CN113075921B true CN113075921B (zh) | 2024-02-09 |
Family
ID=76608287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911302999.4A Active CN113075921B (zh) | 2019-12-17 | 2019-12-17 | 无人驾驶设备的局部路径规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113075921B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160088638A (ko) * | 2015-01-16 | 2016-07-26 | 한국과학기술원 | 모션 플래닝 장치 및 방법 |
CN106767866A (zh) * | 2016-12-02 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 局部路径规划和基于其的测试方法和装置 |
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
CN107402018A (zh) * | 2017-09-21 | 2017-11-28 | 北京航空航天大学 | 一种基于连续帧的导盲仪组合路径规划方法 |
CN109708656A (zh) * | 2019-01-24 | 2019-05-03 | 爱驰汽车有限公司 | 基于实时路况的路线规划方法、系统、设备及存储介质 |
CN109828564A (zh) * | 2019-01-28 | 2019-05-31 | 广州杰赛科技股份有限公司 | 一种无人驾驶汽车路径规划的优化方法、装置及终端设备 |
CN110231040A (zh) * | 2018-03-05 | 2019-09-13 | 北京京东尚科信息技术有限公司 | 一种路径规划的方法和装置 |
US10481605B1 (en) * | 2018-09-21 | 2019-11-19 | Luminar Technologies, Inc. | Autonomous vehicle technology for facilitating safe stopping according to separate paths |
CN110568862A (zh) * | 2019-09-29 | 2019-12-13 | 苏州浪潮智能科技有限公司 | 一种无人机飞行路径规划方法、装置及相关设备 |
-
2019
- 2019-12-17 CN CN201911302999.4A patent/CN113075921B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160088638A (ko) * | 2015-01-16 | 2016-07-26 | 한국과학기술원 | 모션 플래닝 장치 및 방법 |
CN106767866A (zh) * | 2016-12-02 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 局部路径规划和基于其的测试方法和装置 |
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
CN107402018A (zh) * | 2017-09-21 | 2017-11-28 | 北京航空航天大学 | 一种基于连续帧的导盲仪组合路径规划方法 |
CN110231040A (zh) * | 2018-03-05 | 2019-09-13 | 北京京东尚科信息技术有限公司 | 一种路径规划的方法和装置 |
US10481605B1 (en) * | 2018-09-21 | 2019-11-19 | Luminar Technologies, Inc. | Autonomous vehicle technology for facilitating safe stopping according to separate paths |
CN109708656A (zh) * | 2019-01-24 | 2019-05-03 | 爱驰汽车有限公司 | 基于实时路况的路线规划方法、系统、设备及存储介质 |
CN109828564A (zh) * | 2019-01-28 | 2019-05-31 | 广州杰赛科技股份有限公司 | 一种无人驾驶汽车路径规划的优化方法、装置及终端设备 |
CN110568862A (zh) * | 2019-09-29 | 2019-12-13 | 苏州浪潮智能科技有限公司 | 一种无人机飞行路径规划方法、装置及相关设备 |
Non-Patent Citations (1)
Title |
---|
无人驾驶车辆局部路径规划的时间一致性与鲁棒性研究;姜岩 等;自动化学报(03);518-527 * |
Also Published As
Publication number | Publication date |
---|---|
CN113075921A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110703758A (zh) | 一种路径规划方法和装置 | |
CN112650790A (zh) | 目标点云平面确定方法,装置,电子设备及存储介质 | |
CN107291835B (zh) | 一种搜索词的推荐方法和装置 | |
CN111062572B (zh) | 任务分配的方法和装置 | |
KR20230008005A (ko) | 정보를 확정하기 위한 방법 및 장치 | |
US9412267B2 (en) | Auto-calibration for road traffic prediction | |
US20150120383A1 (en) | Optimizing a business performance forecast | |
CN113793128A (zh) | 业务故障原因信息生成方法、装置、设备和计算机可读介质 | |
CN111896020B (zh) | 用于信息处理的方法、电子设备和存储介质 | |
CN113075921B (zh) | 无人驾驶设备的局部路径规划方法和装置 | |
CN117406725A (zh) | 路径规划方法、装置、设备及存储介质 | |
CN108763374A (zh) | 一种行驶路径展示方法、装置及设备 | |
CN110370267B (zh) | 用于生成模型的方法和装置 | |
CN111385150A (zh) | 用于获取信息的方法及装置 | |
CN114257521B (zh) | 流量预测方法、装置、电子设备和存储介质 | |
CN113780703B (zh) | 一种指标调整方法和装置 | |
CN113743849B (zh) | 一种物流任务运输方法和装置 | |
CN112414391B (zh) | 一种机器人的重定位方法及装置 | |
CN114048863A (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
CN113970754A (zh) | 一种自主可行驶设备的定位方法和装置 | |
CN110033088B (zh) | 估计gps数据的方法和装置 | |
CN111582543A (zh) | 预测模型的生成方法、估计到达时间确定方法及装置 | |
CN115829053B (zh) | 模型运行策略确定方法、装置、电子设备以及存储介质 | |
CN111976703A (zh) | 一种无人驾驶控制方法和装置 | |
CN113479198B (zh) | 一种无人车控制方法和装置 |
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 |