CN113095537A - 路径规划的方法和装置 - Google Patents
路径规划的方法和装置 Download PDFInfo
- Publication number
- CN113095537A CN113095537A CN202010022456.3A CN202010022456A CN113095537A CN 113095537 A CN113095537 A CN 113095537A CN 202010022456 A CN202010022456 A CN 202010022456A CN 113095537 A CN113095537 A CN 113095537A
- Authority
- CN
- China
- Prior art keywords
- planning model
- planning
- solution
- solving
- result
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 16
- 230000009191 jumping Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006073 displacement reaction Methods 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
- 238000013459 approach Methods 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002620 method output Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了路径规划的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:确定路径规划的第一规划模型;求解第一规划模型;若求解成功,则输出求解结果;否则,确定备选结果并输出;所述求解结果和所述备选结果用于指示规划的路径。该实施方式能够在规划模型求解失败后输出备选结果,从而使得整体路径规划方法在每一次触发时都输出规划的路径。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种路径规划的方法和装置。
背景技术
现有的路径规划方法在规划模型求解失败后无法输出合理的“尽量完成规划任务”的备选解。这种一旦求解失败就不返回任何信息的做法,导致浪费了求解所消耗的时间成本,却没有达到相应的任何求解目的。
发明内容
有鉴于此,本发明实施例提供一种路径规划的方法和装置,能够在规划模型求解失败后输出备选结果,从而使得整体路径规划方法在每一次触发时都输出规划的路径。
为实现上述目的,根据本发明实施例的一个方面,提供了一种路径规划的方法,包括:
确定路径规划的第一规划模型;
求解第一规划模型;
若求解成功,则输出求解结果;否则,确定备选结果并输出;所述求解结果和所述备选结果用于指示规划的路径。
可选地,第一规划模型包括:目标函数和第一约束条件;第一约束条件包括:运动学约束、起点边值条件约束以及碰撞躲避约束。
可选地,确定备选结果包括:
将第一规划模型中的目标表函数置为常数,得到第二规划模型;对第二规划模型求解;
若求解成功,则在第二规划模型中添加第二约束条件,得到第三规划模型,对第三规划模型求解得到所述备选结果;
若求解失败,则修改第二规划模型中的碰撞躲避约束,得到第四规划模型,对第四规划模型求解得到所述备选结果。
可选地,采用单纯形法对第二规划模型、第三规划模型和第四规划模型求解。
可选地,在第一规划模型中,
目标表函数为:
运动学约束为:
l″′(s)=dddlk
l″(s)=l″((k-1)·Δs)+dddlk·Δs
s∈[(k-1)·Δs,k·Δs],k=1,2,…,Nfe
起点边值条件约束为:
l(0)=l0
l′(0)=dl0
l″(0)=ddl0
碰撞躲避约束为:
式中,Δs代表每段里程在Frenet坐标系中横坐标S轴上的长度,l(k·Δs)代表横坐标为(k·Δs)时的纵坐标,l((k-1)·Δs)代表横坐标为((k-1)·Δs)时的纵坐标,l0代表路径轨迹的起始点的纵坐标,l(s)代表横坐标为s时的纵坐标,Nfe代表路径轨迹被划分成的里程的段数,代表第k段里程中道路两侧宽度的最小值,代表第k段里程中道路两侧宽度的最大值。
可选地,第二约束条件为:
|l″′(k.Δs)|≤a
|l″(k·Δs)|≤α
|l′(k·Δs)|≤α
式中,α为常数;
采用单纯形法对第三规划模型求解,包括:设定α的取值为第一初始值,对第三规划模型求解;求解成功后,等步长减小α的取值,对第三规划模型迭代求解,直至求解失败;将求解失败前最后一次求解成功的求解结果作为所述备选结果。
可选地,第四规划模型中的碰撞躲避约束为:
式中,β为常数;
采用单纯形法对第四规划模型求解,包括:
设定β的取值为第二初始值,对第四规划模型求解;求解失败后,等步长增大β的取值,对第四规划模型迭代求解,直至求解成功;将首次求解成功的求解结果作为所述备选结果。
根据本发明实施例的第二方面,提供一种路径规划的装置,包括:
规划模块,用于:确定路径规划的第一规划模型,求解第一规划模型;若求解成功,则输出求解结果;
备选模块,用于:在第一规划模型求解失败时,确定备选结果并输出;
所述求解结果和所述备选结果用于指示规划的路径。
可选地,第一规划模型包括:目标函数和第一约束条件;第一约束条件包括:运动学约束、起点边值条件约束以及碰撞躲避约束。
可选地,所述备选模块包括:判断模块、第一备选模块和第二备选模块;
所述备选模块确定备选结果包括:
所述判断模块将第一规划模型中的目标表函数置为常数,得到第二规划模型;对第二规划模型求解;
若求解成功,第一备选模块在第二规划模型中添加第二约束条件,得到第三规划模型,对第三规划模型求解得到所述备选结果;
若求解失败,第二备选模块修改第二规划模型中的碰撞躲避约束,得到第四规划模型,对第四规划模型求解得到所述备选结果。
可选地,所述备选模块采用单纯形法对第二规划模型、第三规划模型和第四规划模型求解。
可选地,在第一规划模型中,
目标表函数为:
运动学约束为:
l″′(s)=dddlk
l″(s)=l″((k-1)·Δs)+dddlk·Δs
s∈[(k-1)·Δs,k·Δs],k=1,2,…,Nfe
起点边值条件约束为:
l(0)=l0
l′(0)=dl0
l″(0)=ddl0
碰撞躲避约束为:
式中,Δs代表每段里程在Frenet坐标系中横坐标S轴上的长度,l(k·Δs)代表横坐标为(k·Δs)时的纵坐标,l((k-1)·Δs)代表横坐标为((k-1)·Δs)时的纵坐标,l0代表路径轨迹的起始点的纵坐标,l(s)代表横坐标为s时的纵坐标,Nfe代表路径轨迹被划分成的里程的段数,代表第k段里程中道路两侧宽度的最小值,代表第k段里程中道路两侧宽度的最大值。
可选地,第二约束条件为:
|l″′(k·Δs)|≤α
|l″(k·Δs)|≤α
|l′(k·Δs)|≤α
式中,α为常数;
第一备选模块采用单纯形法对第三规划模型求解,包括:设定α的取值为第一初始值,对第三规划模型求解;求解成功后,等步长减小α的取值,对第三规划模型迭代求解,直至求解失败;将求解失败前最后一次求解成功的求解结果作为所述备选结果。
可选地,第四规划模型中的碰撞躲避约束为:
式中,β为常数;
第二备选模型采用单纯形法对第四规划模型求解,包括:
设定β的取值为第二初始值,对第四规划模型求解;求解失败后,等步长增大β的取值,对第四规划模型迭代求解,直至求解成功;将首次求解成功的求解结果作为所述备选结果。
根据本发明实施例的第三方面,提供一种路径规划的电子设备,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第一方面提供的方法。
根据本发明实施例的第四方面,提供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第一方面提供的方法。
上述发明中的一个实施例具有如下优点或有益效果:本发明在路径规划模型求解成功时输出求解结果、求解失败时确定备选结果,能够在规划模型求解失败后输出备选结果,从而使得整体路径规划方法在每一次触发时都输出规划的路径。
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是本发明实施例的路径规划的方法的主要流程的示意图;
图2是本发明实施例在Frenet坐标系中进行路径规划的示意图;
图3是本发明一些实施例中确定备选结果的主要流程的示意图;
图4是本发明另一些实施例中确定备选结果的主要流程的示意图;
图5是本发明可选实施例中路径规划的方法的主要流程的示意图;
图6是根据本发明实施例的路径规划的装置的主要模块的示意图;
图7是本发明实施例可以应用于其中的示例性系统架构图;
图8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。
根据本发明实施例的一个方面,提供了一种路径规划的方法。
图1是本发明实施例的路径规划的方法的主要流程的示意图,如图1所示,路径规划的方法,包括:
步骤S101、确定路径规划的第一规划模型;
步骤S102、求解第一规划模型;若求解成功,则跳转至步骤S103;否则,跳转至步骤S104;
步骤S103、输出求解结果;
步骤S104、确定备选结果并输出。
第一规划模型是指用于进行路径规划的模型。求解结果和备选结果用于指示规划的路径。现有技术中,在采用模型进行路径规划时,若模型求解不成功,则不返回任何信息。本发明中,在第一规划模型求解成功时输出求解结果、求解失败时确定备选结果,能够在第一规划模型求解失败后输出备选结果,从而使得整体路径规划方法在每一次触发时都输出规划的路径。
本发明采用二次规划(Quadratic Programming,QP)模型描述自动驾驶车辆的路径规划任务。可选地,第一规划模型包括:目标函数和第一约束条件。第一约束条件是指第一规划模型的约束条件。第一约束条件包括:运动学约束、起点边值条件约束以及碰撞躲避约束。约束条件的具体建立方式如下:
在Frenet坐标系中进行路径规划,Frenet坐标系的两条坐标轴分别是S轴与L轴。S轴上的坐标表示沿道路的距离,也称为纵向位移,通常情况下一道路中心线作为S轴。L轴上的坐标表示道路上的左右位置,也称为横向位移。路径规划的任务可以描述为:针对特定的一段S轴里程进行等间距划分得到各个分界点,在L轴上选取对应与各个分界点的一系列坐标值构成节点,将这些节点逐一衔接,则构成一条完整的路径。参见图2,图中最左侧的圆圈是路径的起点,余下各个圆圈是节点,节点连同起点顺次衔接,就可以得到一条路径。本发明通过对第一规划模型进行求解,确定各个节点在Frenet坐标系中的位置,即优化一系列在L轴上的l(s)取值。
实际应用过程中可以通过要求l(s)充分平滑来反映车辆在道路上的运动学属性。l(s)须满足三阶可导条件,l″′(s)是一个分段常值函数,l″(s)是分段线性的连续函数,l′(s)是分段二次的连续函数,l(s)是分段三次的连续函数。在可选的实施例中,假设l″′(s)被均匀分割为Nfe段、每段里程长度为Δs,在给定l″(0)、l′(0)以及l(0)的前提下,根据Newton-Leibniz公式逐段积分来直接确定各状态变量的闭合形式,得到运动学约束为:
l″′(s)=dddlk
l″(s)=l″((k-1)·Δs)+dddlk·Δs
s∈[(k-1)·Δs,k·Δs],k=1,2,…,Nfe
此外,建立在起始里程s=0之处的边值条件起点边值条件约束为:
l(0)=l0
l′(0)=dl0
l″(0)=ddl0
为了使目标与边界不相撞,对于l(s)具有一定上下边界限制,这些限制对应着当前车道或者当前道路两侧的宽度情况,具体碰撞躲避约束为:
二次规划命题中的目标函数中主要应该反映路径的平滑性需求,目标表函数为:
式中,Δs代表每段里程在Frenet坐标系中横坐标S轴上的长度,l(k·Δs)代表横坐标为(k·Δs)时的纵坐标,l((k-1)·Δs)代表横坐标为((k-1)·Δs)时的纵坐标,l0代表路径轨迹的起始点的纵坐标,l(s)代表横坐标为s时的纵坐标,Nfe代表路径轨迹被划分成的里程的段数,代表第k段里程中道路两侧宽度的最小值,代表第k段里程中道路两侧宽度的最大值。此处提及的道路两侧宽度,是指从道路中心线到道路两侧的距离。
第一规划模型可采用诸如OSQP(一阶通用QP求解器)、qpOASES(一个可结构开发的有效集QP求解器)、SQP(Sequential Quadratic Programming,序列二次规划算法)、IPM(Inverse Perspective Mapping,逆透视变换)等求解器进行数值求解。求解成功后的求解结果输出,记得到规划的路径。
当第一规划模型求解识别,触发失败恢复机制,通过求解一系列约束条件逐渐放宽(难度逐渐降低)的简单问题,直到得到一个最接近第一规划模型的可行解的备选结果为止。
第一规划模型求解失败的情况归结为两种情形:第一种情形是,第一规划模型有解,但是求解器能力不足,导致求解失败;第二种情形是,第一规划模型无解。可选地,确定备选结果包括:将第一规划模型中的目标表函数置为常数,得到第二规划模型;对第二规划模型求解;若求解成功,则在第二规划模型中添加第二约束条件,得到第三规划模型,对第三规划模型求解得到所述备选结果;若求解失败,则修改第二规划模型中的碰撞躲避约束,得到第四规划模型,对第四规划模型求解得到所述备选结果。
将目标函数置为常数,意味着目标函数中没有任何变量可以优化,相当于不设置目标函数。由于第二规划模型的约束条件是线性的,不包含任何的二次项,因此第二规划模型求解问题可以简化为一个线性规划问题。当第二规划模型求解成功,表明第一规划模型中的约束条件可以得到满足,意味着第一规划模型有解。当第二规划模型求解失败,表明第一规划模型中的约束条件过于苛刻,无法得到满足,第一规划模型无解。本发明根据导致第一规划模型失败的具体情况选择对应的确定备选结果的方案,针对性好,从而可以快速地确定出备选结果。
单纯形法是求解线性规划问题的算法,只要问题有解就能求出,只要求不出就代表问题无解。基于这样的性质,本发明可以使用单纯形法求解第二规划模型。
图3是本发明一些实施例中确定备选结果的主要流程的示意图。在图3示出的可选实施例中,第二约束条件为:
|l″′(k.Δs)|≤a
|l″(k·Δs)|≤α
|l′(k·Δs)|≤α
式中,α为常数;
本例中,对第三规划模型求解,确定备选结果。主要流程包括:
步骤S301、设定α的取值为第一初始值。通常情况下,第一初始值为一个较大的数值;
步骤S302、对第三规划模型求解;
步骤S303、判断求解是否成功;若成功,则跳转至步骤S304;否则,跳转至步骤S305;
步骤S304、等步长减小α的取值,即α=α-step,step为步长参数;跳转至步骤S302;
步骤S305、将求解失败前最后一次求解成功的求解结果作为所述备选结果。
单纯形法是求解线性规划问题的算法,只要问题有解就能求出,只要求不出就代表问题无解。基于这样的性质,本发明可以使用单纯形法求解第三规划模型。本发明能够在第一规划模型有解但求解失败时,快速通过第三规划模型确定出备选结果。
图4是本发明另一些实施例中确定备选结果的主要流程的示意图。当第二规划模型求解失败,表明第一规划模型中的约束条件过于苛刻,无法得到满足,第一规划模型无解。本例中,通过修改第一规划模型中的碰撞约束条件放宽第一规划模型中的碰撞约束,在图4示出的可选实施例中,第四规划模型中的碰撞躲避约束为:
式中,β为常数;
本例中,对第四规划模型求解,确定备选结果。主要流程包括:
步骤S401、设定β的取值为第二初始值。通常情况下,第二初始值为一个较小的数值;
步骤S402、对第四规划模型求解;
步骤S403、判断求解是否成功;若成功,则跳转至步骤S405;否则,跳转至步骤S404;
步骤S404、等步长增大β的取值,即β=β+step,step为步长参数;跳转至步骤S402;
步骤S405、将首次求解成功的求解结果作为所述备选结果。
单纯形法是求解线性规划问题的算法,只要问题有解就能求出,只要求不出就代表问题无解。基于这样的性质,本发明可以使用单纯形法求解第四规划模型。本发明能够在第一规划模型有解但求解失败时,快速通过第四规划模型确定出备选结果。
图5是本发明可选实施例中路径规划的方法的主要流程的示意图。如图5所示,路径规划的方法的主要流程包括:
步骤S501、确定路径规划的第一规划模型;
步骤S502、求解第一规划模型;
步骤S503、判断求解是否成功;若求解成功,则跳转至步骤S504;否则,跳转至步骤S505;
步骤S504、输出求解结果;
步骤S505、求解第二规划模型;
步骤S506、判断求解是否成功;若求解成功,则跳转至步骤S507;否则,跳转至步骤S508;
步骤S507、求解第三规划模型,得到备选结果;
步骤S508、求解第四规划模型,得到备选结果。
第一至第四规划模型的相关介绍参见前文,此处不再赘述。本发明能够在正常基于二次规划求解失败后,继续迅速得到备选解,从而使得整体规划方法在每一次触发时都输出规划的路径。
本发明实施例的路径规划的方法可以应用于无人车、无人机、自动驾驶车等。
根据本发明实施例的第二方面,提供一种实现上述方法的装置。
图6是根据本发明实施例的路径规划的装置的主要模块的示意图,如图6所示,路径规划的装置600包括:
规划模块601,用于:确定路径规划的第一规划模型,求解第一规划模型;若求解成功,则输出求解结果;
备选模块602,用于:在第一规划模型求解失败时,确定备选结果并输出;
所述求解结果和所述备选结果用于指示规划的路径。
可选地,第一规划模型包括:目标函数和第一约束条件;第一约束条件包括:运动学约束、起点边值条件约束以及碰撞躲避约束。
可选地,所述备选模块602包括:判断模块6021、第一备选模块6022和第二备选模块6023;
所述备选模块602确定备选结果包括:
所述判断模块6021将第一规划模型中的目标表函数置为常数,得到第二规划模型;对第二规划模型求解;
若求解成功,第一备选模块6022在第二规划模型中添加第二约束条件,得到第三规划模型,对第三规划模型求解得到所述备选结果;
若求解失败,第二备选模块6023修改第二规划模型中的碰撞躲避约束,得到第四规划模型,对第四规划模型求解得到所述备选结果。
可选地,所述备选模块602采用单纯形法对第二规划模型、第三规划模型和第四规划模型求解。
可选地,在第一规划模型中,
目标表函数为:
运动学约束为:
l″′(s)=dddlk
l″(s)=l″((k-1)·Δs)+dddlk·Δs
s∈[(k-1)·Δs,k·Δs],k=1,2,…,Nfe
起点边值条件约束为:
l(0)=l0
l′(0)=dl0
l″(0)=ddl0
碰撞躲避约束为:
式中,Δs代表每段里程在Frenet坐标系中横坐标S轴上的长度,l(k·Δs)代表横坐标为(k·Δs)时的纵坐标,l((k-1)·Δs)代表横坐标为((k-1)·Δs)时的纵坐标,l0代表路径轨迹的起始点的纵坐标,l(s)代表横坐标为s时的纵坐标,Nfe代表路径轨迹被划分成的里程的段数,代表第k段里程中道路两侧宽度的最小值,代表第k段里程中道路两侧宽度的最大值。
可选地,第二约束条件为:
|l″′(k·Δs)|≤α
|l″(k·Δs)|≤α
|l′(k·Δs)|≤α
式中,α为常数;
第一备选模块6022采用单纯形法对第三规划模型求解,包括:设定α的取值为第一初始值,对第三规划模型求解;求解成功后,等步长减小α的取值,对第三规划模型迭代求解,直至求解失败;将求解失败前最后一次求解成功的求解结果作为所述备选结果。
可选地,第四规划模型中的碰撞躲避约束为:
式中,β为常数;
第二备选模型6023采用单纯形法对第四规划模型求解,包括:
设定β的取值为第二初始值,对第四规划模型求解;求解失败后,等步长增大β的取值,对第四规划模型迭代求解,直至求解成功;将首次求解成功的求解结果作为所述备选结果。
根据本发明实施例的第三方面,提供一种路径规划的电子设备,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第一方面提供的方法。
根据本发明实施例的第四方面,提供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第一方面提供的方法。
图7示出了可以应用本发明实施例的路径规划的方法或路径规划的装置的示例性系统架构700。
如图7所示,系统架构700可以包括终端设备701、702、703,网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704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701、702、703通过网络704与服务器705交互,以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用,例如导航类应用、自动驾驶类应用、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701、702、703可以是无人车、无人机、可以实现自动驾驶的车辆等,也可以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705可以是提供各种服务的服务器,例如对用户利用终端设备701、702、703所访问的导航类应用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导航请求等数据进行分析等处理,并将处理结果(例如规划的路径信息--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路径规划的方法一般由服务器705执行,相应地,路径规划的装置一般设置于服务器705中。
应该理解,图7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8,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800的结构示意图。图8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8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;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807;包括硬盘等的存储部分808;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809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,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810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808。
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809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801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模块、程序段、或代码的一部分,上述模块、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模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括:规划模块,用于:确定路径规划的第一规划模型,求解第一规划模型;若求解成功,则输出求解结果;备选模块,用于:在第一规划模型求解失败时,确定备选结果并输出。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,规划模块还可以被描述为“确定备选结果并输出的模块”。
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:确定路径规划的第一规划模型;求解第一规划模型;若求解成功,则输出求解结果;否则,确定备选结果并输出;所述求解结果和所述备选结果用于指示规划的路径。
根据本发明实施例的技术方案,在路径规划模型求解成功时输出求解结果、求解失败时确定备选结果,能够在规划模型求解失败后输出备选结果,从而使得整体路径规划方法在每一次触发时都输出规划的路径。
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 (10)
1.一种路径规划的方法,其特征在于,包括:
确定路径规划的第一规划模型;
求解第一规划模型;
若求解成功,则输出求解结果;否则,确定备选结果并输出;所述求解结果和所述备选结果用于指示规划的路径。
2.如权利要求1所述的方法,其特征在于,第一规划模型包括:目标函数和第一约束条件;第一约束条件包括:运动学约束、起点边值条件约束以及碰撞躲避约束。
3.如权利要求2所述的方法,其特征在于,确定备选结果包括:
将第一规划模型中的目标表函数置为常数,得到第二规划模型;对第二规划模型求解;
若求解成功,则在第二规划模型中添加第二约束条件,得到第三规划模型,对第三规划模型求解得到所述备选结果;
若求解失败,则修改第二规划模型中的碰撞躲避约束,得到第四规划模型,对第四规划模型求解得到所述备选结果。
4.如权利要求3所述的方法,其特征在于,采用单纯形法对第二规划模型、第三规划模型和第四规划模型求解。
5.如权利要求4所述的方法,其特征在于,在第一规划模型中,
目标表函数为:
运动学约束为:
l″′(s)=dddlk
l″(s)=l″((k-1)·Δs)+dddlk·Δs
s∈[(k-1)·Δs,k·Δs],k=1,2,…,Nfe
起点边值条件约束为:
l(0)=l0
l′(0)=dl0
l″(0)=ddl0
碰撞躲避约束为:
6.如权利要求5所述的方法,其特征在于,第二约束条件为:
|l″′(k·Δs)|≤α
|l″(k·Δs)|≤α
|l′(k·Δs)|≤α
式中,α为常数;
采用单纯形法对第三规划模型求解,包括:设定α的取值为第一初始值,对第三规划模型求解;求解成功后,等步长减小α的取值,对第三规划模型迭代求解,直至求解失败;将求解失败前最后一次求解成功的求解结果作为所述备选结果。
8.一种路径规划的装置,其特征在于,包括:
规划模块,用于:确定路径规划的第一规划模型,求解第一规划模型;若求解成功,则输出求解结果;
备选模块,用于:在第一规划模型求解失败时,确定备选结果并输出;
所述求解结果和所述备选结果用于指示规划的路径。
9.一种路径规划的电子设备,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1-7中任一所述的方法。
10.一种计算机可读介质,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1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010022456.3A CN113095537A (zh) | 2020-01-09 | 2020-01-09 | 路径规划的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010022456.3A CN113095537A (zh) | 2020-01-09 | 2020-01-09 | 路径规划的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113095537A true CN113095537A (zh) | 2021-07-09 |
Family
ID=76663676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010022456.3A Pending CN113095537A (zh) | 2020-01-09 | 2020-01-09 | 路径规划的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095537A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110301723A1 (en) * | 2010-06-02 | 2011-12-08 | Honeywell International Inc. | Using model predictive control to optimize variable trajectories and system control |
CN107065556A (zh) * | 2017-05-03 | 2017-08-18 | 大亚湾核电运营管理有限责任公司 | 一种堆芯机组变功率运行策略优化方案的自动搜索方法 |
CN108121205A (zh) * | 2017-12-13 | 2018-06-05 | 深圳市航盛电子股份有限公司 | 一种用于多种泊车场景的路径规划方法、系统及介质 |
CN108875998A (zh) * | 2018-04-20 | 2018-11-23 | 北京智行者科技有限公司 | 一种自动驾驶车辆规划方法和系统 |
US20190086932A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Usa Llc | Smooth road reference line for autonomous driving vehicles based on 2d constrained smoothing spline |
US20190086925A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Usa Llc | Path optimization based on constrained smoothing spline for autonomous driving vehicles |
CN109668573A (zh) * | 2019-01-04 | 2019-04-23 | 广东工业大学 | 一种改进rrt算法的车辆路径规划方法 |
CN109737961A (zh) * | 2018-05-23 | 2019-05-10 | 哈尔滨理工大学 | 一种具有概率完备性的机器人最优化点到区路径规划方法 |
CN109873826A (zh) * | 2019-02-28 | 2019-06-11 | 中国人民解放军战略支援部队信息工程大学 | 一种基于动态反馈的渗透路径规划算法及系统 |
CN110466516A (zh) * | 2019-07-11 | 2019-11-19 | 北京交通大学 | 一种基于非线性规划的曲线道路自动车换道轨迹规划方法 |
CN110555640A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东振世信息技术有限公司 | 路由规划的方法和装置 |
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
-
2020
- 2020-01-09 CN CN202010022456.3A patent/CN113095537A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110301723A1 (en) * | 2010-06-02 | 2011-12-08 | Honeywell International Inc. | Using model predictive control to optimize variable trajectories and system control |
CN107065556A (zh) * | 2017-05-03 | 2017-08-18 | 大亚湾核电运营管理有限责任公司 | 一种堆芯机组变功率运行策略优化方案的自动搜索方法 |
US20190086932A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Usa Llc | Smooth road reference line for autonomous driving vehicles based on 2d constrained smoothing spline |
US20190086925A1 (en) * | 2017-09-18 | 2019-03-21 | Baidu Usa Llc | Path optimization based on constrained smoothing spline for autonomous driving vehicles |
CN108121205A (zh) * | 2017-12-13 | 2018-06-05 | 深圳市航盛电子股份有限公司 | 一种用于多种泊车场景的路径规划方法、系统及介质 |
CN108875998A (zh) * | 2018-04-20 | 2018-11-23 | 北京智行者科技有限公司 | 一种自动驾驶车辆规划方法和系统 |
CN109737961A (zh) * | 2018-05-23 | 2019-05-10 | 哈尔滨理工大学 | 一种具有概率完备性的机器人最优化点到区路径规划方法 |
CN110555640A (zh) * | 2018-05-31 | 2019-12-10 | 北京京东振世信息技术有限公司 | 路由规划的方法和装置 |
CN109668573A (zh) * | 2019-01-04 | 2019-04-23 | 广东工业大学 | 一种改进rrt算法的车辆路径规划方法 |
CN109873826A (zh) * | 2019-02-28 | 2019-06-11 | 中国人民解放军战略支援部队信息工程大学 | 一种基于动态反馈的渗透路径规划算法及系统 |
CN110466516A (zh) * | 2019-07-11 | 2019-11-19 | 北京交通大学 | 一种基于非线性规划的曲线道路自动车换道轨迹规划方法 |
CN110597245A (zh) * | 2019-08-12 | 2019-12-20 | 北京交通大学 | 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110781658B (zh) | 简历解析方法、装置、电子设备和存储介质 | |
CN113656501B (zh) | 一种数据读取方法、装置、设备以及存储介质 | |
CN110703758A (zh) | 一种路径规划方法和装置 | |
EP4145298A1 (en) | Method and apparatus for snapshotting metadata | |
CN113223113A (zh) | 车道线处理方法、装置、电子设备和云控平台 | |
CN114003613A (zh) | 高精地图车道线更新方法、装置、电子设备以及存储介质 | |
CN112597126A (zh) | 一种数据迁移方法和装置 | |
CN114091589B (zh) | 模型训练方法、装置、电子设备及介质 | |
CN111044062B (zh) | 路径规划、推荐方法和装置 | |
US9460243B2 (en) | Selective importance sampling | |
US20220103564A1 (en) | Method, device and computer program product for processing access management rights | |
CN113095537A (zh) | 路径规划的方法和装置 | |
EP4020327A2 (en) | Method and apparatus for training data processing model, electronic device and storage medium | |
US11941327B2 (en) | Customizable reinforcement learning of column placement in structural design | |
CN114330807A (zh) | 路线的确定方法、装置和电子设备 | |
CN112559547B (zh) | 确定多存储对象副本之间一致性的方法及装置 | |
CN111767351B (zh) | 确定搬运机器人停车点的方法和装置 | |
CN113626472A (zh) | 一种处理订单数据的方法和装置 | |
EP4131017A2 (en) | Distributed data storage | |
CN111030856B (zh) | 一种基于云的数据接入方法、电子设备及计算机可读介质 | |
US20210286680A1 (en) | Method, electronic device and computer program product for storage management | |
CN112580803B (zh) | 模型获取方法、装置、电子设备、存储介质和程序产品 | |
US11947958B2 (en) | Method, device, and program product for managing object in software development project | |
CN112966849B (zh) | 件量预测模型的建立方法、装置以及设备 | |
CN114880411B (zh) | 车辆轨迹集合优化方法、装置、电子设备及存储介质 |
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 |