CN113124891A - 一种行驶路径规划方法及相关装置 - Google Patents

一种行驶路径规划方法及相关装置 Download PDF

Info

Publication number
CN113124891A
CN113124891A CN202110424412.8A CN202110424412A CN113124891A CN 113124891 A CN113124891 A CN 113124891A CN 202110424412 A CN202110424412 A CN 202110424412A CN 113124891 A CN113124891 A CN 113124891A
Authority
CN
China
Prior art keywords
path
obstacle
vector
driving
obstacles
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
CN202110424412.8A
Other languages
English (en)
Other versions
CN113124891B (zh
Inventor
刘申
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.)
Neusoft Reach Automotive Technology Shenyang Co Ltd
Original Assignee
Neusoft Reach Automotive Technology Shenyang 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 Neusoft Reach Automotive Technology Shenyang Co Ltd filed Critical Neusoft Reach Automotive Technology Shenyang Co Ltd
Priority to CN202110424412.8A priority Critical patent/CN113124891B/zh
Publication of CN113124891A publication Critical patent/CN113124891A/zh
Application granted granted Critical
Publication of CN113124891B publication Critical patent/CN113124891B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种行驶路径规划方法及相关装置，该方法包括：获得起点S、终点E和障碍物集合；障碍物集合中包含有效通行区域内所有的障碍物；连接起点S和终点E，生成向量SE；当障碍物集合中的任意障碍物到向量SE的距离小于通行宽度时，在障碍物集合中的每个障碍物的两侧垂直于向量SE方向分别生成两个路径点；根据障碍物集合中每个障碍物对应的两个路径点、起点S和终点E，按照向量SE的方向获得行驶路径。在本申请提供的方法中，当任意障碍物到向量SE的距离小于通行宽度的一半时，表明当障碍物到从起点到终点直线行驶路径不可行。如此，通过每个障碍物对应的两个路径点，可以避开障碍物生成从起点到终点的合理行驶路径。

Description

一种行驶路径规划方法及相关装置
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种行驶路径规划方法及相关装置。
背景技术
目前，自动驾驶的车辆很难从障碍物空间布局比较复杂的环境中，寻找到有效的行驶路径。传统的行驶路径规划方法，通常不适应于障碍物布局较为复杂，且不存在明确路径的环境中。因此，如何在障碍物空间布局比较复杂的环境中寻找到有效的行驶路径是本领域急需要解决的技术问题。
发明内容
为了解决上述技术问题，本申请提供了一种行驶路径规划方法及相关装置，用于在障碍物布局的空间中，寻找到有效的行驶路径。
为了实现上述目的，本申请实施例提供的技术方案如下：
本申请实施例提供一种行驶路径规划方法，包括：
获得起点S、终点E和障碍物集合；所述障碍物集合中包含有效通行区域内所有的障碍物；
连接所述起点S和所述终点E，生成向量SE；
当所述障碍物集合中的任意障碍物到所述向量SE的距离小于通行宽度的一半时，在所述障碍物集合中的每个障碍物的两侧垂直于所述向量SE方向分别生成两个路径点；
根据所述障碍物集合中每个障碍物对应的两个路径点、所述起点S和所述终点E，按照所述向量SE的方向获得行驶路径。
可选地，所述方法还包括：
获得所述有效通行区域内所有的障碍物；
将所述所有障碍物中障碍物之间的距离小于所述通行宽度的障碍物合并，根据合并后的所述所有障碍物生成所述障碍物集合。
可选地，所述方法还包括：
获得所述有效通行区域内所有的障碍物；
根据所述所有障碍物中障碍物到所述向量SE的距离，获得最短的N个所述距离对应的目标障碍物，组成所述障碍物集合；所述N为正整数。
可选地，所述根据所述障碍物集合中每个障碍物对应的两个路径点、所述起点S和所述终点E，按照所述向量SE的方向获得行驶路径，具体包括：
选择所述障碍物集合中每个障碍物对应的两个路径点之一，组成多个路径集合；
分别按照所述向量SE的方向依次连接所述起点S、所述多个路径集合中的路径点和所述终点E，获得多条行驶路径；根据路径长度、路径通行宽度和路径穿越所述向量SE的次数中的至少一个，从所述多条行驶路径中选择目标行驶路径。
可选地，，所述方法还包括：
对所述多条行驶路径进行曲线拟合，获得拟合后的多条行驶路径；
所述从所述多条行驶路径中选择目标行驶路径，包括：
从拟合后的所述多条行驶路径中选择目标行驶路径。
可选地，所述根据路径长度、路径通行宽度和路径穿越所述向量SE的次数中的至少一个，从所述多条行驶路径中选择目标行驶路径，包括：
根据路径长度、路径通行宽度和路径穿越所述向量SE的次数中的至少一个，获得所述多条行驶路径中每条行驶路径的路径代价；所述路径长度和所述路径穿越所述向量SE的次数正相关于所述路径代价，所述路径通行宽度与所述路径代价负相关；
选择所述路径代价最小的行驶路径作为目标行驶路径。
本申请实施例提供了一种行驶路径规划装置，包括：
获得模块，用于获得起点S、终点E和障碍物集合；所述障碍物集合中包含有效通行区域内所有的障碍物；
向量生成模块，用于连接所述起点S和所述终点E，生成向量SE；
路径点生成模块，用于当所述障碍物集合中的任意障碍物到所述向量SE的距离小于通行宽度的一半时，在所述障碍物集合中的每个障碍物的两侧垂直于所述向量SE方向分别生成两个路径点；
行驶路径获得模块，用于根据所述障碍物集合中每个障碍物对应的两个路径点、所述起点S和所述终点E，按照所述向量SE的方向获得行驶路径。
本申请实施例还提供了一种计算机设备，包括处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于根据所述计算机程序执行如上述的行驶路径规划方法。
本申请实施例还提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器运行时执行如上述的行驶路径规划方法。
本申请实施例还提供了一种车辆，所述车辆包括如上述的行驶路径规划装置，所述行驶路径规划装置用于规划所述车辆的行驶路径。
通过上述技术方案可知，本申请具有以下有益效果：
本申请实施例提供了一种行驶路径规划方法及相关装置，该方法包括：获得起点S、终点E和障碍物集合；障碍物集合中包含有效通行区域内所有的障碍物；连接起点S和终点E，生成向量SE；当障碍物集合中的任意障碍物到向量SE的距离小于通行宽度时，在障碍物集合中的每个障碍物的两侧垂直于向量SE方向分别生成两个路径点；根据障碍物集合中每个障碍物对应的两个路径点、起点S和终点E，按照向量SE的方向获得行驶路径。
由此可知，本申请实施例提供的方法，当所述障碍物集合中的任意障碍物到所述向量SE的距离小于通行宽度的一半时，表明当障碍物到从起点到终点直线行驶路径不可行。如此，本申请实施例所提供的方法，通过每个障碍物对应的两个路径点，可以避开障碍物生成从起点到终点的合理行驶路径。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种行驶路径规划方法流程图；
图2为本申请实施例提供的一种车辆的行驶路线示意图；
图3为本申请实施例提供的一种行驶路径规划装置结构示意图。
具体实施方式
为了帮助更好地理解本申请实施例提供的方案，在介绍本申请实施例提供的方法之前，先介绍本申请实施例方案的应用的场景。
目前，自动驾驶的车辆很难从障碍物空间布局比较复杂的环境中，寻找到有效的行驶路径。传统的行驶路径规划方法，通常不适应于障碍物布局较为复杂，且不存在明确路径的环境中。因此，如何在障碍物空间布局比较复杂的环境中寻找到有效的行驶路径是本领域急需要解决的技术问题。
为了解决上述的技术问题，本申请实施例提供了一种行驶路径规划方法，包括：获得起点S、终点E和障碍物集合；障碍物集合中包含有效通行区域内所有的障碍物；连接起点S和终点E，生成向量SE；当障碍物集合中的任意障碍物到向量SE的距离小于通行宽度时，在障碍物集合中的每个障碍物的两侧垂直于向量SE方向分别生成两个路径点；根据障碍物集合中每个障碍物对应的两个路径点、起点S和终点E，按照向量SE的方向获得行驶路径。
由此可知，本申请实施例提供的方法，当所述障碍物集合中的任意障碍物到所述向量SE的距离小于通行宽度时，表明当障碍物到从起点到终点直线行驶路径不可行。如此，本申请实施例所提供的方法，通过每个障碍物对应的两个路径点，可以避开障碍物生成从起点到终点的合理行驶路径。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。
参见图1，该图为本申请实施例提供的一种行驶路径规划方法流程图。如图1所示，本申请实施例提供的行驶路径规划方法，包括：
S101：获得起点S、终点E和障碍物集合；障碍物集合中包含有效通行区域内所有的障碍物。
S102：连接起点S和终点E，生成向量SE。
S103：当障碍物集合中的任意障碍物到向量SE的距离小于通行宽度的一半时，在障碍物集合中的每个障碍物的两侧垂直于向量SE方向分别生成两个路径点。
S104：根据障碍物集合中每个障碍物对应的两个路径点、起点S和终点E，按照向量SE的方向获得行驶路径。
在本申请实施例中，寻找从起点S到终点E的路径时，首先考虑从S到E的直线路径是否能够通行。当障碍物集合中的任意障碍物到向量SE的距离小于通行宽度的一半时，表明从S到E的直线路径会被障碍物所阻碍，无法通行，从而需要寻找能够绕过障碍物的通行途径。
可以理解的是，在本申请实施例中，为了绕过障碍物，寻找到从起点S到终点E的有效路径，先获得每个障碍物两侧吃值与向量SE方向的两个路径点，根据这两个路径点可以避开行驶区域内所有的障碍物，从而得到从起点到终点的有效路径。
在本申请实施例中，考虑到两个障碍物间距离可能会小于车辆通行的宽度，作为一种可能的实施方式，本申请所提供的行驶路径规划方法还包括：获得有效通行区域内所有的障碍物；将所有障碍物中障碍物之间的距离小于通行宽度的障碍物合并，根据合并后的所有障碍物生成障碍物集合。
可以理解的是，在本申请实施例中，两个障碍物之间的距离可能会小于车辆的通行宽度，车辆无法从两个障碍物之间通过。如此，根据这两个障碍物中间的路径点形成的路径，车辆无法通过。例如，障碍物A和障碍物B之间的距离小于通行宽度，在路径点生成时，障碍物A的两侧会分别生成路径点A1和路径点A2，障碍物B的两侧会分别生成路径点B1和路径点B2。根据A1、A2、B1和B2所形成的路径，可能会使得车辆需要从A和B之间通过，从而使得该路径车辆无法通过。
因此，本申请将所有障碍物中障碍物之间的距离小于通行宽度的障碍物合并，使得两个距离较近的障碍物在路径规划中变为同一个障碍物，从而使得路径规划中不会出现因为障碍物之间的距离太近，而导致的规划路径无法通过的情况。
在本申请实施例中，为了减少计算资源的消耗，本申请实施例所提供的行驶路径规划方法，还可以包括：获得有效通行区域内所有的障碍物；根据所有障碍物中障碍物到向量SE的距离，获得最短的N个距离对应的目标障碍物，组成障碍物集合；N为正整数。可以理解的是，在本申请实施例中，进行路径规划的计算机的计算能力是有限的，而绕过距离向量SE越远的障碍物，会使得行驶路径偏离理想路径SE越远，因此这条路径的优先级可能越低。因此，在计算资源有限的情况下，本申请所提供的行驶路径的规划方法，优先考虑离向量SE较近的障碍物。
下面将通过实施例具体介绍本申请实施例中通过路径点生成行驶路径的方法。
作为一种可能的实施方式，在本申请实施例中，根据障碍物集合中每个障碍物对应的两个路径点、起点S和终点E，按照向量SE的方向获得行驶路径，具体包括：选择障碍物集合中每个障碍物对应的两个路径点之一，组成多个路径集合；分别按照向量SE的方向依次连接起点S、多个路径集合中的路径点和终点E，获得多条行驶路径；根据路径长度、路径通行宽度和路径穿越向量SE的次数，从多条行驶路径中选择目标行驶路径。
可以理解的是，在本申请实施例中，选择障碍物集合中每个障碍物对应的两个路径点之一从而组成的路径集合所形成的路径，可以穷举有效通行区域内绕过障碍物通行的所有有效的方式，即从起点到终点所有有效通行方式。本申请可以多个维度评价这些行驶路径，从而寻找到从起点到终点的最佳行驶路径。
在本申请实施例中，本申请提供了路径长度、路径通行宽度和路径穿越向量SE的次数中的至少一个，来评价行驶路径的相对得分。本申请实施例中路径长度可以为行驶路径的路程。本申请实施例汇总的路径通行宽度可以为行驶路程的最小通行宽度。当然，本申请实施例所提供的方案也可以通过其他类似的方式评价行驶路径的相对得分，本申请实施例在此不做限定。
作为一种可能的实施方式，为了更精准地评价每一条行驶路径的得分，本申请实施例中的根据路径长度、路径通行宽度和路径穿越向量SE的次数，从多条行驶路径中选择目标行驶路径，具体包括：根据路径长度、路径通行宽度和路径穿越向量SE的次数，获得多条行驶路径中每条行驶路径的路径代价；路径长度和路径穿越向量SE的次数正相关于路径代价，路径通行宽度与路径代价负相关；选择路径代价最小的行驶路径作为目标行驶路径。
在本申请实施例中，作为一种可能的实施方式，考虑到车辆的行驶路线的最大曲率为定值，本申请实施例所提供的行驶路径规划方法还包括：对多条行驶路径进行曲线拟合，获得拟合后的多条行驶路径；从多条行驶路径中选择目标行驶路径，包括：从拟合后的多条行驶路径中选择目标行驶路径。可以理解的是，考虑到连接起点、路径点和终点组成的行驶路径的曲率可能大于汽车所能达到的转弯极限，因此，本申请实施例对连接得到的行驶路线进行曲线拟合，得到拟合后的行驶路线，从而能较为精准地得到汽车在按照这条行驶路线行进的时候的实际行驶路线，进而使得对行驶路线的评估更为准确。
参见图2，该图为本申请实施例提供的一种车辆的行驶路线示意图。如图2所示，障碍物1由两个障碍物合并而成，P1L和P1R分别为障碍物1所对应的两路径点；障碍物2对应的两个路径点分别为P2L和P2R；障碍物3所对应的两个路径点分别为P3L和P3R。图中存在8条从起点S到终点N的虚线，表示从起点S到终点N的8条有效行驶路径。可以理解的是，在本申请实施例中选择障碍物集合中每个障碍物对应的两个路径点之一，组成路径点结合；再根据路径点集合生成行驶路径。因此，对于n个障碍物可以生成2n个路径点集合，从而可以生成2n条行驶路径。如图2所示，该图中一共参考了3个障碍物，生成了8条待选的行驶路径。
综上所述，本申请实施例提供的方法，当所述障碍物集合中的任意障碍物到所述向量SE的距离小于通行宽度时，表明当障碍物到从起点到终点直线行驶路径不可行。本申请实施例所提供的方法，通过每个障碍物对应的两个路径点，可以避开障碍物生成从起点到终点的合理行驶路径。进一步地，本申请实施例所提供的方法还可以对多条生成的行驶路线进行评估，从而得到最佳行驶路线。
根据上述实施例提供的行驶路径规划方法，本申请实施例还提供的一种行驶路径规划装置结构示意图。参见图3，本申请实施例提供的行驶路径规划装置，包括：
获得模块100，用于获得起点S、终点E和障碍物集合；障碍物集合中包含有效通行区域内所有的障碍物。
向量生成模块200，用于连接起点S和终点E，生成向量SE。
路径点生成模块300，用于当障碍物集合中的任意障碍物到向量SE的距离小于通行宽度的一半时，在障碍物集合中的每个障碍物的两侧垂直于向量SE方向分别生成两个路径点。
行驶路径获得模块400，用于根据障碍物集合中每个障碍物对应的两个路径点、起点S和终点E，按照向量SE的方向获得行驶路径。
在本申请实施例中，作为一种可能的实施方式，行驶路径规划装置还包括：障碍物获得模块，用于获得有效通行区域内所有的障碍物；合并模块，用于将所有障碍物中障碍物之间的距离小于通行宽度的障碍物合并，根据合并后的所有障碍物生成障碍物集合。
在本申请实施例中，作为一种可能的实施方式，行驶路径规划装置还包括：障碍物获得模块，用于获得有效通行区域内所有的障碍物；障碍物选择模块，用于根据所有障碍物中障碍物到向量SE的距离，获得最短的N个距离对应的目标障碍物，组成障碍物集合；N为正整数。
在本申请实施例中，作为一种可能的实施方式，本申请实施例中的行驶路径获得模块，具体用于：选择障碍物集合中每个障碍物对应的两个路径点之一，组成多个路径集合；分别按照向量SE的方向依次连接起点S、多个路径集合中的路径点和终点E，获得多条行驶路径；根据路径长度、路径通行宽度和路径穿越向量SE的次数中的至少一个，从多条行驶路径中选择目标行驶路径。
在本申请实施例中，作为一种可能的实施方式，本申请所提供的行驶路径规划装置还包括：拟合模块，用于对所述多条行驶路径进行曲线拟合，获得拟合后的多条行驶路径；所述从所述多条行驶路径中选择目标行驶路径，包括：从拟合后的多条行驶路径中选择目标行驶路径。
在本申请实施例中，作为一种可能的实施方式，本申请实施例中的行驶路径获得模块，具体用于：根据路径长度、路径通行宽度和路径穿越所述向量SE的次数中的至少一个，获得所述多条行驶路径中每条行驶路径的路径代价；所述路径长度和所述路径穿越所述向量SE的次数正相关于所述路径代价，所述路径通行宽度与所述路径代价负相关；选择所述路径代价最小的行驶路径作为目标行驶路径。
综上所述，本申请实施例提供的装置，当所述障碍物集合中的任意障碍物到所述向量SE的距离小于通行宽度时，表明当障碍物到从起点到终点直线行驶路径不可行。本申请实施例所提供的方法，通过每个障碍物对应的两个路径点，可以避开障碍物生成从起点到终点的合理行驶路径。进一步地，本申请实施例所提供的方法还可以对多条生成的行驶路线进行评估，从而得到最佳行驶路线。
根据上述实施例提供的行驶路径规划方法和行驶路径规划装置，本申请实施例还提供了一种计算机设备，该计算机设备包括处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于根据所述计算机程序执行如上述实施例提供的行驶路径规划方法。
根据上述实施例提供的行驶路径规划方法和行驶路径规划装置，本申请实施例还提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器运行时执行如上述实施例提供的行驶路径规划方法。
根据上述实施例提供的行驶路径规划方法和行驶路径规划装置，本申请实施例还提供了一种车辆，所述车辆包括如上述实施例提供的行驶路径规划装置，所述行驶路径规划装置用于规划所述车辆的行驶路径。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如媒体网关等网络通信设备，等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的方法而言，由于其与实施例公开的系统相对应，所以描述的比较简单，相关之处参见系统部分说明即可。
还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种行驶路径规划方法，其特征在于，包括：
获得起点S、终点E和障碍物集合；所述障碍物集合中包含有效通行区域内所有的障碍物；
连接所述起点S和所述终点E，生成向量SE；
当所述障碍物集合中的任意障碍物到所述向量SE的距离小于通行宽度的一半时，在所述障碍物集合中的每个障碍物的两侧垂直于所述向量SE方向分别生成两个路径点；
根据所述障碍物集合中每个障碍物对应的两个路径点、所述起点S和所述终点E，按照所述向量SE的方向获得行驶路径。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获得所述有效通行区域内所有的障碍物；
将所述所有障碍物中障碍物之间的距离小于所述通行宽度的障碍物合并，根据合并后的所述所有障碍物生成所述障碍物集合。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获得所述有效通行区域内所有的障碍物；
根据所述所有障碍物中障碍物到所述向量SE的距离，获得最短的N个所述距离对应的目标障碍物，组成所述障碍物集合；所述N为正整数。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述障碍物集合中每个障碍物对应的两个路径点、所述起点S和所述终点E，按照所述向量SE的方向获得行驶路径，具体包括：
选择所述障碍物集合中每个障碍物对应的两个路径点之一，组成多个路径集合；
分别按照所述向量SE的方向依次连接所述起点S、所述多个路径集合中的路径点和所述终点E，获得多条行驶路径；根据路径长度、路径通行宽度和路径穿越所述向量SE的次数中的至少一个，从所述多条行驶路径中选择目标行驶路径。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
对所述多条行驶路径进行曲线拟合，获得拟合后的多条行驶路径；
所述从所述多条行驶路径中选择目标行驶路径，包括：
从拟合后的所述多条行驶路径中选择目标行驶路径。
6.根据权利要求4所述的方法，其特征在于，所述根据路径长度、路径通行宽度和路径穿越所述向量SE的次数中的至少一个，从所述多条行驶路径中选择目标行驶路径，包括：
根据路径长度、路径通行宽度和路径穿越所述向量SE的次数中的至少一个，获得所述多条行驶路径中每条行驶路径的路径代价；所述路径长度和所述路径穿越所述向量SE的次数正相关于所述路径代价，所述路径通行宽度与所述路径代价负相关；
选择所述路径代价最小的行驶路径作为目标行驶路径。
7.一种行驶路径规划装置，其特征在于，包括：
获得模块，用于获得起点S、终点E和障碍物集合；所述障碍物集合中包含有效通行区域内所有的障碍物；
向量生成模块，用于连接所述起点S和所述终点E，生成向量SE；
路径点生成模块，用于当所述障碍物集合中的任意障碍物到所述向量SE的距离小于通行宽度的一半时，在所述障碍物集合中的每个障碍物的两侧垂直于所述向量SE方向分别生成两个路径点；
行驶路径获得模块，用于根据所述障碍物集合中每个障碍物对应的两个路径点、所述起点S和所述终点E，按照所述向量SE的方向获得行驶路径。
8.一种计算机设备，其特征在于，包括处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于根据所述计算机程序执行如权利要求1-6任一项所述的行驶路径规划方法。
9.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序被处理器运行时执行如权利要求1-6任一项所述的行驶路径规划方法。
10.一种车辆，其特征在于，所述车辆包括如权利要求7所述的行驶路径规划装置，所述行驶路径规划装置用于规划所述车辆的行驶路径。
CN202110424412.8A 2021-04-20 2021-04-20 一种行驶路径规划方法及相关装置 Active CN113124891B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110424412.8A CN113124891B (zh) 2021-04-20 2021-04-20 一种行驶路径规划方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110424412.8A CN113124891B (zh) 2021-04-20 2021-04-20 一种行驶路径规划方法及相关装置

Publications (2)

Publication Number Publication Date
CN113124891A true CN113124891A (zh) 2021-07-16
CN113124891B CN113124891B (zh) 2023-05-16

Family

ID=76777920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110424412.8A Active CN113124891B (zh) 2021-04-20 2021-04-20 一种行驶路径规划方法及相关装置

Country Status (1)

Country Link
CN (1) CN113124891B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114312305A (zh) * 2021-12-22 2022-04-12 东软睿驰汽车技术（沈阳）有限公司 行驶提示方法、车辆、计算机可读存储介质
CN115534939A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 车辆控制方法、装置、电子设备和计算机可读介质
WO2023185419A1 (zh) * 2022-03-29 2023-10-05 宁波路特斯机器人有限公司 一种路径规划方法、装置、电子设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184294A1 (en) * 2005-02-17 2006-08-17 Northrop Grumman Corporation Mixed integer linear programming trajectory generation for autonomous nap-of-the-earth flight in a threat environment
CN103017757A (zh) * 2012-12-06 2013-04-03 中联重科股份有限公司 工程机械入场路径规划方法和路径规划装置
CN104035438A (zh) * 2013-11-14 2014-09-10 扬州西岐自动化科技有限公司 一种基于种群多样性的自适应多目标机器人避障算法
CN109343528A (zh) * 2018-10-30 2019-02-15 杭州电子科技大学 一种节能的无人机路径规划避障方法
CN109459031A (zh) * 2018-12-05 2019-03-12 智灵飞（北京）科技有限公司 一种基于贪心算法的无人机rrt路径优化方法
CN109739219A (zh) * 2018-12-05 2019-05-10 北京百度网讯科技有限公司 通行路径的规划方法、装置、设备及可读存储介质
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
CN110296704A (zh) * 2019-06-25 2019-10-01 智慧航海（青岛）科技有限公司 一种基于可视图建模的航迹规划方法
CN110470299A (zh) * 2019-07-30 2019-11-19 南京理工大学 一种基于圆形路障规避的海上航路规划算法
CN111238521A (zh) * 2020-02-11 2020-06-05 北京理工大学 一种无人驾驶车辆的路径规划方法及系统
CN112650256A (zh) * 2020-12-30 2021-04-13 河南大学 一种基于改进双向rrt机器人路径规划方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109990782A (zh) * 2017-12-29 2019-07-09 北京欣奕华科技有限公司 一种避开障碍物的方法及设备
CN111060103B (zh) * 2019-12-11 2021-12-10 安徽工程大学 一种局部动态寻优避障的路径规划方法
CN112639849A (zh) * 2020-01-17 2021-04-09 华为技术有限公司 路径选择方法和路径选择装置
CN111428919B (zh) * 2020-03-17 2022-07-19 深圳先进技术研究院 路径规划方法、装置、电子设备及存储介质
CN111895999B (zh) * 2020-06-29 2022-03-15 福建（泉州）哈工大工程技术研究院 一种基于结构化数据的路径规划方法
CN112033426B (zh) * 2020-08-05 2022-06-28 东软睿驰汽车技术（沈阳）有限公司 行驶路径规划方法、装置及电子设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184294A1 (en) * 2005-02-17 2006-08-17 Northrop Grumman Corporation Mixed integer linear programming trajectory generation for autonomous nap-of-the-earth flight in a threat environment
CN103017757A (zh) * 2012-12-06 2013-04-03 中联重科股份有限公司 工程机械入场路径规划方法和路径规划装置
CN104035438A (zh) * 2013-11-14 2014-09-10 扬州西岐自动化科技有限公司 一种基于种群多样性的自适应多目标机器人避障算法
CN109343528A (zh) * 2018-10-30 2019-02-15 杭州电子科技大学 一种节能的无人机路径规划避障方法
CN109459031A (zh) * 2018-12-05 2019-03-12 智灵飞（北京）科技有限公司 一种基于贪心算法的无人机rrt路径优化方法
CN109739219A (zh) * 2018-12-05 2019-05-10 北京百度网讯科技有限公司 通行路径的规划方法、装置、设备及可读存储介质
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
CN110296704A (zh) * 2019-06-25 2019-10-01 智慧航海（青岛）科技有限公司 一种基于可视图建模的航迹规划方法
CN110470299A (zh) * 2019-07-30 2019-11-19 南京理工大学 一种基于圆形路障规避的海上航路规划算法
CN111238521A (zh) * 2020-02-11 2020-06-05 北京理工大学 一种无人驾驶车辆的路径规划方法及系统
CN112650256A (zh) * 2020-12-30 2021-04-13 河南大学 一种基于改进双向rrt机器人路径规划方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114312305A (zh) * 2021-12-22 2022-04-12 东软睿驰汽车技术（沈阳）有限公司 行驶提示方法、车辆、计算机可读存储介质
WO2023185419A1 (zh) * 2022-03-29 2023-10-05 宁波路特斯机器人有限公司 一种路径规划方法、装置、电子设备及存储介质
CN115534939A (zh) * 2022-12-06 2022-12-30 广汽埃安新能源汽车股份有限公司 车辆控制方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN113124891B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN113124891A (zh) 一种行驶路径规划方法及相关装置
US10576976B2 (en) Drivable area setting device and drivable area setting method
De Nunzio et al. Eco‐driving in urban traffic networks using traffic signals information
CN108151751B (zh) 一种基于高精度地图和传统地图结合的路径规划方法及装置
CN111220157B (zh) 基于区域分割的导航路径规划方法及计算机可读存储介质
CN111301409A (zh) 一种泊车路径规划方法、装置、车辆和存储介质
JP5919950B2 (ja) 経路探索方法、経路探索装置、及びプログラム
CN111338343B (zh) 自动引导车调度方法、装置、电子设备及存储介质
KR101896993B1 (ko) 이동체의 경로 결정 방법 및 장치
CN103344248B (zh) 一种车辆导航系统的最佳路径计算方法
CN101660921A (zh) 路径导航、生成备用路径的方法及系统
CN113147739B (zh) 一种无人车启发式自动泊车方法及装置
Tang et al. Route coverage testing for autonomous vehicles via map modeling
Joshua et al. An optimization framework for routing protocols in VANETs: A multi-objective firefly algorithm approach
CN111400425A (zh) 一种路径自动优化选择的方法和系统
Vaidya et al. Connected autonomous electric vehicles as enablers for low-carbon future
US11585667B2 (en) Systems and methods for simulating edge-computing deployment in diverse terrains
Gambuti et al. Electric vehicle trip planning integrating range constraints and charging facilities
CN105698796A (zh) 一种多机器人调度系统的路径搜索方法
CN112697161A (zh) 一种agv路径规划方法、存储介质和终端
Stan et al. Smart driving methodology for connected cars
KR101634870B1 (ko) 충전기 선택 메카니즘을 갖는 전기 자동차의 투어 스케줄러
CN115014380A (zh) 泊车路径规划方法以及装置、电子设备、存储介质
Stan et al. Segment trees based traffic congestion avoidance in connected cars context
Guanetti et al. Eco-routing of connected plug-in hybrid electric vehicles

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