CN113126618A - 一种越野环境下的无人驾驶全局路径规划及重规划方法 - Google Patents
一种越野环境下的无人驾驶全局路径规划及重规划方法 Download PDFInfo
- Publication number
- CN113126618A CN113126618A CN202110285866.1A CN202110285866A CN113126618A CN 113126618 A CN113126618 A CN 113126618A CN 202110285866 A CN202110285866 A CN 202110285866A CN 113126618 A CN113126618 A CN 113126618A
- Authority
- CN
- China
- Prior art keywords
- latitude
- map
- coordinate system
- longitude
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000000903 blocking effect Effects 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 101150086656 dim1 gene Proteins 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims 1
- 230000001960 triggered effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种越野环境下的无人驾驶全局路径规划及重规划方法,具体步骤包括获取高清卫星地图信息和若干个参考点位置信息,建立局部的坐标系;获取拓扑地图,读取任务点信息并进行编辑修正生成地图文件;根据坐标系变换获取拓扑地图的全局各点位置信息;基于Astar算法实现多任务点路径规划,确定行驶过程中车辆的实时位置并进行道路阻断检测及重规划。本发明能够在自动驾驶车辆行驶过程中会通过实时显示车辆位置以及轨迹信息,并且接受感知模块的阻断信号,对阻断信号过滤处理后若触发阻断,则重置道路拓扑结构,根据当前位置信息重新规划全局路径,完成剩余任务点的全局路径规划任务。
Description
技术领域
本发明涉及自动驾驶路径规划技术领域,特别涉及一种越野环境下的无人驾驶全局路径规划及重规划方法。
背景技术
越野环境下的自动驾驶车辆的全局路径规划具有重要的应用意义。在当前自动驾驶汽车的全局路径规划方法中,主要是在城区结构化道路下进行路径规划,依托于城区的高精度地图。高精度地图也称高分辨率地图,是一种专门为无人驾驶服务的地图。相比传统地图,高精度地图不仅能够提供道路级的导航信息,还能提供车道级的定位与导航信息。
现有技术的不足之处在于,当前的高精度地图制图方案中,需要大量的激光点云转换、拼接、标注及索引等步骤,其过程十分复杂且依赖专业的技术人员。这使得高精度地图成本高昂,专业化程度高,制作效率低下。同时,现有高精度地图的存储方式复杂,同样依赖大量人工,且解析方式繁杂,不利于自动驾驶汽车路径规划的数据解析以及可视化。同时,针对的越野环境的自动驾驶路径规划规划方法很少,相比于传统的城市结构化环境下的全局路径规划方法,越野环境地图无法提供车道级别的定位与导航信息,具有极大的不确定性、路径规划难度更大。
发明内容
本发明的目的克服现有技术存在的不足,为实现以上目的,采用一种越野环境下的无人驾驶全局路径规划及重规划方法,以解决上述背景技术中提出的问题。
一种越野环境下的无人驾驶全局路径规划及重规划方法,包括:
获取卫星地图信息和参考点位置信息,建立坐标系;
获取拓扑地图,读取任务点信息并进行编辑修正生成地图文件;
根据坐标系变换获取拓扑地图的全局各点位置信息,基于Astar算法生成全局路径;
确定行驶过程中车辆的实时位置并进行道路阻断检测及重规划。
作为本发明进一步的技术方案:所述获取卫星地图信息和参考点位置信息,建立坐标系的具体步骤包括:
获取高清卫星地图信息和参考点位置信息进行局部地图建模,同时建立像素坐标系与经纬度真实坐标系,并获取坐标转换关系;
再根据坐标转换关系和弧长公式计算推导坐标原点的经纬度,利用坐标原点的经纬度进而推导卫星地图上任意点像素坐标的经纬度真实坐标。
作为本发明进一步的技术方案:所述坐标转换关系的获取具体步骤包括:
获取两点A和B的经纬度真实坐标分别为:coord(A)=(latA,lngA)、coord(B)=(latB,lngB),以其中一点为基准点,计算两点之间的位置偏移(Δx,Δy):
Δy=R*α;
其中,Δx表示地球东半球由西向东方向的偏移量,Δy表示东半球由南向北方向的偏移量,R为地球的赤道半径,α=latB-latA为A和B两点的纬度方向的夹角;
根据高清卫星地图建立平面直角坐标系,并建立像素坐标系u-v和真实坐标系x-y的纬度关系,选取两点P1和P2,其两点位置偏移为:
其中,(lat,lng)为经纬度坐标,(u,v)为像素坐标;
像素坐标在平面直角坐标系中的偏差为:
Δv=P1.v-P2.v;
Δu=P1.u-P2.u;
最后得到纵、横像素坐标系与真实坐标系的转换关系为:
作为本发明进一步的技术方案:所述根据坐标转换关系和弧长公式计算推导坐标原点的经纬度,进而推导任意点经纬度真实坐标的具体步骤包括:
获取原点的经纬度为(origin.lat,origin.lng),根据转换关系和弧长公式推导:
再根据上述公式,以及任意点的像素坐标(u′,v′)可推导实际坐标为:
x=dim2*u′;
y=dim1*(map.row-v′);
其经纬度为:
作为本发明进一步的技术方案:所述获取拓扑地图,读取任务点信息并进行编辑修正生成地图文件的具体步骤包括:
读取任务点信息,计算像素坐标,所述任务点信息包括任务点序号、经度、纬度、高度、任务点属性;
通过路网编辑并进行检索,构成道路的连接关系存储为地图文件。
作为本发明进一步的技术方案:所述根据拓扑地图进行坐标系转换,得到全局路径的具体步骤包括:
获取路网信息及任务点信息,构建拓扑结构,并完善道路的连接关系;
利用Astar算法获取任务点之间的像素坐标路径,再完成多路径的依次路径拼接,得到像素坐标的全局路径;
根据像素坐标系的全局路径坐标转换为经纬度坐标,采用贝塞尔中点插值,获取较为平滑的全局路径,作为最终全局路径。
作为本发明进一步的技术方案:所述确定行驶过程中车辆的实时位置并进行道路阻断检测及重规划的具体步骤包括:
车辆根据规划的全局路径行驶,实时接收位置信息和阻断信号;
若接收到阻断信号,更新拓扑结构及连接关系,并根据阻断点重规划任务点的全局路径;
同时,接收到阻断信号时,进行信号的触发阻断机制判断,确定阻断信号有效。
与现有技术相比,本发明存在以下技术效果:
通过采用上述的技术方案,采用高清卫星地图和两个或以上参考点的经纬度信息建立局部坐标系,生成道路级别的路网文件且保证精度在米级以内,有效实现获取越野环境下的道路地图数据。通过对路网数据可视化,并且修正更改路网,能够有效针对越野环境的道路不确定性。还采用Astar算法,通过读取路网文件、任务点文件,构建拓扑结构,搜索获取最优全局路径节点序列、拼接路径并采用贝塞尔中点插值得到平滑的全局路径序列点。能给在自动驾驶车辆行驶过程中会实时显示车辆位置以及轨迹信息,并且接受感知模块的阻断信号,对阻断信号过滤处理后若触发阻断,则重置道路拓扑结构,根据当前位置信息重新规划全局路径,完成剩余任务点的全局路径规划任务。
附图说明
下面结合附图,对本发明的具体实施方式进行详细描述:
图1为本申请公开的一些实施例的系统流程的示意图;
图2为本申请公开的一些实施例的全局路径规划算法的示意图;
图3为本申请公开的一些实施例的经纬度坐标示意图;
图4为本申请公开的一些实施例的像素坐标系和真实坐标系的维度关系示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1和图2,本发明实施例中,一种越野环境下的无人驾驶全局路径规划及重规划方法,具体步骤包括:
S1、获取卫星地图信息和参考点位置信息,建立坐标系,具体步骤包括:
获取高清卫星地图信息和参考点位置信息进行局部地图建模,同时建立像素坐标系与经纬度真实坐标系,并获取坐标转换关系;
再根据坐标转换关系和弧长公式计算推导坐标原点的经纬度,利用坐标原点的经纬度进而推导卫星地图上任意点像素坐标的经纬度真实坐标。
S2、获取拓扑地图,读取任务点信息并进行编辑修正生成地图文件;
S3、根据拓扑地图进行坐标系转换,得到全局路径;
S4、确定行驶过程中车辆的实时位置并进行道路阻断检测及重规划。
在一些具体的实施例中,所述坐标转换关系的获取具体步骤包括:
通过一张高清卫星地图图片来建立一个平面直角坐标系。如图3所示,在地球上有两点A和B,然后获取两点A和B的经纬度真实坐标分别为:
coord(A)=(latA,lngA);
coord(B)=(latB,lngB);
再以其中一点为基准点,计算两点之间的位置偏移(Δx,Δy),设定地球为标准球体,则R为地球的赤道半径,地球球心为点O,则Δy等于BC的弧长,根据圆的弧长公式:
Δy=lBC=R*α;
由α=latB-latA为A和B两点的纬度方向的夹角:
Δy=lBC=R*(latB-latA);
其中,Δx表示地球东半球由西向东方向的偏移量,Δy表示东半球由南向北方向的偏移量。
由于A和B两点处在不同的经纬度上,A和B两点在由西向东方向上的偏移不好计算,考虑到自动驾驶车辆车辆局部环境感知范围的限制,相对于地球的体积和半径,局部地图中的两点位移不会过大,因此Δx则近似等于DE的长度,DE所在圆的纬度γ等于A和B两点纬度的中值。
DE所在圆的O′,半径为R′,根据三角公式计算可得:
由β=lngB-lngA为为A和B两点的精度偏差得:
根据上述的坐标转换公式,以及在高清卫星地图建立平面直角坐标系,如图4所示,建立像素坐标系u-v和真实坐标系x-y的纬度关系。
设定选取两点P1和P2,其经纬度坐标为(lat,lng),像素坐标为(u,v),真实坐标为(x,y),则得其两点位置偏移为:
像素坐标(u,v)在平面直角坐标系中的偏差为:
Δv=P1.v-P2.v;
Δu=P1.u-P2.u;
最后得到纵、横像素坐标系与真实坐标系的转换关系为:
在一些具体的实施例中,所述根据坐标转换关系和弧长公式计算推导坐标原点的经纬度,进而推导任意点经纬度真实坐标的具体步骤包括:
获取原点的经纬度为(origin.lat,origin.lng),根据转换关系和弧长公式推导:
其中,map.row为图片纵向像素长度;
再根据上述公式,以及任意点的像素坐标(u′,v′)可推导处地图其余点的实际坐标为:
x=dim2*u′;
y=dim1*(map.row-v′);
其经纬度为:
在一些具体的实施例中,所述获取拓扑地图,读取任务点信息并进行编辑修正生成地图文件的具体步骤包括:
读取任务点信息,计算像素坐标进行显示,所述任务点信息包括任务点序号、经度、纬度、高度、任务点属性;
通过路网编辑界面的addRoad、deleteRoad、splitRoad按钮对路网进行道路添加、道路删减、道路分割等操作,并进行检索,构成道路的连接关系存储为xml格式地图文件。
具体的,所述地图文件主要有3大节点组成,包括地图边界节点,其保存地图界面左下点和右上点的经纬度坐标。道路节点,其保存每条路的路点数目、各路点经纬度坐标、像素点坐标信息。路口节点,其用于保存道路间连接关系。
在一些具体的实施例中,所述根据拓扑地图进行坐标系转换,得到全局路径的具体步骤包括:
获取路网信息及任务点信息,构建拓扑结构,由于路网存储是单向的道路,需要绘制反向道路再补全道路间连接关系,然后将路网数据构造成节点存储起来。
利用Astar算法获取两两任务点之间的像素坐标路径,再完成对多段路径以任务点依次完成路径拼接,得到像素坐标的全局路径;
根据像素坐标系的全局路径坐标转换为经纬度坐标,采用贝塞尔中点插值,获取相邻的路点的间隔小于一米且较为平滑性的全局路径,作为最终全局路径。输出格式为序号、经纬度、高度、属性,从而供给决策规划使用。
在一些具体的实施例中,所述确定行驶过程中车辆的实时位置并进行道路阻断检测及重规划的具体步骤包括:
车辆根据规划的全局路径行驶时,实时接收GPS位置信息和阻断信号,完成坐标转换后进行显示。具体的,激光雷达数据反馈由感知部分处理,当可通行区域小于一定阈值时,发出阻断信号。
若接收到阻断信号,更新拓扑结构,同时打断阻断位置的父节点与子节点的连接关系,并以阻断点位置的上一个路口为起点,重规划剩下任务点的全局路径并保存。
同时,接收到阻断信号时,进行信号的触发阻断机制判断,确定阻断信号有效。具体的,越野环境路况复杂,激光雷达检测可能会因为颠簸在某一帧发送阻断信号,而实际情况并非道路阻断。为降低误检率,通过设置在3s内收到20次阻断信号的触发阻断机制。在未触发阻断时,会以发送频率为10Hz的频率发送信号0,触发阻断后连续发送5次信号1,决策系统实时接收信号,得到阻断信号后,重新读取新的路径点。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定,均应包含在本发明的保护范围之内。
Claims (7)
1.一种越野环境下的无人驾驶全局路径规划及重规划方法,其特征在于,包括:
获取卫星地图信息和参考点位置信息,建立坐标系;
获取拓扑地图,读取任务点信息并进行编辑修正生成地图文件;
根据坐标系变换获取拓扑地图的全局各点位置信息,基于Astar算法生成全局路径;
确定行驶过程中车辆的实时位置并进行道路阻断检测及重规划。
2.根据权利要求1所述一种越野环境下的无人驾驶全局路径规划及重规划方法,其特征在于,所述获取卫星地图信息和参考点位置信息,建立坐标系的具体步骤包括:
获取高清卫星地图信息和参考点位置信息进行局部地图建模,同时建立像素坐标系与经纬度真实坐标系,并获取坐标转换关系;
再根据坐标转换关系和弧长公式计算推导坐标原点的经纬度,利用坐标原点的经纬度进而推导卫星地图上任意点像素坐标的经纬度真实坐标。
3.根据权利要求2所述一种越野环境下的无人驾驶全局路径规划及重规划方法,其特征在于,所述坐标转换关系的获取具体步骤包括:
获取两点A和B的经纬度真实坐标分别为:coord(A)=(latA,lngA)、coord(B)=(latB,lngB),以其中一点为基准点,计算两点之间的位置偏移(Δx,Δy):
Δy=R*α;
其中,Δx表示地球东半球由西向东方向的偏移量,Δy表示东半球由南向北方向的偏移量,R为地球的赤道半径,α=latB-latA为A和B两点的纬度方向的夹角;
根据高清卫星地图建立平面直角坐标系,并建立像素坐标系u-v和真实坐标系x-y的纬度关系,选取两点P1和P2,其两点位置偏移为:
其中,(lat,lng)为经纬度坐标,(u,v)为像素坐标;
像素坐标在平面直角坐标系中的偏差为:
Δv=P1.v-P2.v;
Δu=P1.u-P2.u;
最后得到纵、横像素坐标系与真实坐标系的转换关系为:
5.根据权利要求4所述一种越野环境下的无人驾驶全局路径规划及重规划方法,其特征在于,所述获取拓扑地图,读取任务点信息并进行编辑修正生成地图文件的具体步骤包括:
读取任务点信息,计算像素坐标,所述任务点信息包括任务点序号、经度、纬度、高度、任务点属性;
通过路网编辑并进行检索,构成道路的连接关系存储为地图文件。
6.根据权利要求5所述一种越野环境下的无人驾驶全局路径规划及重规划方法,其特征在于,所述根据拓扑地图进行坐标系转换,得到全局路径的具体步骤包括:
获取路网信息及任务点信息,构建拓扑结构,并完善道路的连接关系;
利用Astar算法获取任务点之间的像素坐标路径,再完成多路径的依次路径拼接,得到像素坐标的全局路径;
根据像素坐标系的全局路径坐标转换为经纬度坐标,采用贝塞尔中点插值,获取较为平滑的全局路径,作为最终全局路径。
7.根据权利要求6所述一种越野环境下的无人驾驶全局路径规划及重规划方法,其特征在于,所述确定行驶过程中车辆的实时位置并进行道路阻断检测及重规划的具体步骤包括:
车辆根据规划的全局路径行驶,实时接收位置信息和阻断信号;
若接收到阻断信号,更新拓扑结构及连接关系,并根据阻断点重规划任务点的全局路径;
同时,接收到阻断信号时,进行信号的触发阻断机制判断,确定阻断信号有效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285866.1A CN113126618B (zh) | 2021-03-17 | 2021-03-17 | 一种越野环境下的无人驾驶全局路径规划及重规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285866.1A CN113126618B (zh) | 2021-03-17 | 2021-03-17 | 一种越野环境下的无人驾驶全局路径规划及重规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113126618A true CN113126618A (zh) | 2021-07-16 |
CN113126618B CN113126618B (zh) | 2022-03-11 |
Family
ID=76773247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110285866.1A Expired - Fee Related CN113126618B (zh) | 2021-03-17 | 2021-03-17 | 一种越野环境下的无人驾驶全局路径规划及重规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113126618B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759938A (zh) * | 2021-11-10 | 2021-12-07 | 北京理工大学 | 一种无人车路径规划质量测评方法和系统 |
CN113777952A (zh) * | 2021-08-19 | 2021-12-10 | 北京航空航天大学 | 一种实车与虚拟车交互映射的自动驾驶仿真测试方法 |
CN114019953A (zh) * | 2021-10-08 | 2022-02-08 | 中移(杭州)信息技术有限公司 | 地图构建方法、装置、设备及存储介质 |
CN114706400A (zh) * | 2022-04-12 | 2022-07-05 | 重庆文理学院 | 一种越野环境下基于改进的a*算法的路径规划方法 |
CN114719881A (zh) * | 2022-06-09 | 2022-07-08 | 环球数科集团有限公司 | 一种应用卫星定位的无路径导航算法与系统 |
CN114740871A (zh) * | 2022-06-13 | 2022-07-12 | 北京理工大学 | 一种面向无人履带混合动力平台的多目标路径重规划方法 |
CN114964292A (zh) * | 2022-05-30 | 2022-08-30 | 国汽智控(北京)科技有限公司 | 全局路径规划方法、装置、电子设备及存储介质 |
CN116663939A (zh) * | 2023-07-31 | 2023-08-29 | 北京理工大学 | 一种无人车路径规划场景及任务的复杂度评价方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
CN107436604A (zh) * | 2017-07-31 | 2017-12-05 | 中南大学 | 一种智能环境下运载机器人路径智能分解控制规划方法 |
CN107479558A (zh) * | 2017-09-22 | 2017-12-15 | 中国人民解放军63983部队 | 基于车辆运动模型的无人车辆野外路径规划方法 |
CN109808509A (zh) * | 2019-02-25 | 2019-05-28 | 武汉理工大学 | 一种无人驾驶越野车跨壕沟的自动识别与控制系统及方法 |
US20190344783A1 (en) * | 2018-05-14 | 2019-11-14 | GM Global Technology Operations LLC | Autonomous ride dynamics comfort controller |
CN110967032A (zh) * | 2019-12-03 | 2020-04-07 | 清华大学 | 一种野外环境下无人车局部行驶路线实时规划方法 |
CN111879328A (zh) * | 2020-07-07 | 2020-11-03 | 清华大学 | 一种越野环境下基于势能场概率图的智能车路径规划方法 |
CN112270306A (zh) * | 2020-11-17 | 2021-01-26 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于拓扑路网的无人车轨迹预测与导航方法 |
-
2021
- 2021-03-17 CN CN202110285866.1A patent/CN113126618B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
CN107436604A (zh) * | 2017-07-31 | 2017-12-05 | 中南大学 | 一种智能环境下运载机器人路径智能分解控制规划方法 |
CN107479558A (zh) * | 2017-09-22 | 2017-12-15 | 中国人民解放军63983部队 | 基于车辆运动模型的无人车辆野外路径规划方法 |
US20190344783A1 (en) * | 2018-05-14 | 2019-11-14 | GM Global Technology Operations LLC | Autonomous ride dynamics comfort controller |
CN109808509A (zh) * | 2019-02-25 | 2019-05-28 | 武汉理工大学 | 一种无人驾驶越野车跨壕沟的自动识别与控制系统及方法 |
CN110967032A (zh) * | 2019-12-03 | 2020-04-07 | 清华大学 | 一种野外环境下无人车局部行驶路线实时规划方法 |
CN111879328A (zh) * | 2020-07-07 | 2020-11-03 | 清华大学 | 一种越野环境下基于势能场概率图的智能车路径规划方法 |
CN112270306A (zh) * | 2020-11-17 | 2021-01-26 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于拓扑路网的无人车轨迹预测与导航方法 |
Non-Patent Citations (1)
Title |
---|
刘忠泽: "无人平台越野环境下同步定位与地图创建", 《兵工学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777952A (zh) * | 2021-08-19 | 2021-12-10 | 北京航空航天大学 | 一种实车与虚拟车交互映射的自动驾驶仿真测试方法 |
CN114019953A (zh) * | 2021-10-08 | 2022-02-08 | 中移(杭州)信息技术有限公司 | 地图构建方法、装置、设备及存储介质 |
CN114019953B (zh) * | 2021-10-08 | 2024-03-19 | 中移(杭州)信息技术有限公司 | 地图构建方法、装置、设备及存储介质 |
CN113759938A (zh) * | 2021-11-10 | 2021-12-07 | 北京理工大学 | 一种无人车路径规划质量测评方法和系统 |
CN114706400A (zh) * | 2022-04-12 | 2022-07-05 | 重庆文理学院 | 一种越野环境下基于改进的a*算法的路径规划方法 |
CN114964292A (zh) * | 2022-05-30 | 2022-08-30 | 国汽智控(北京)科技有限公司 | 全局路径规划方法、装置、电子设备及存储介质 |
CN114964292B (zh) * | 2022-05-30 | 2023-10-20 | 国汽智控(北京)科技有限公司 | 全局路径规划方法、装置、电子设备及存储介质 |
CN114719881B (zh) * | 2022-06-09 | 2022-08-23 | 环球数科集团有限公司 | 一种应用卫星定位的无路径导航算法与系统 |
CN114719881A (zh) * | 2022-06-09 | 2022-07-08 | 环球数科集团有限公司 | 一种应用卫星定位的无路径导航算法与系统 |
CN114740871B (zh) * | 2022-06-13 | 2022-09-06 | 北京理工大学 | 一种面向无人履带混合动力平台的多目标路径重规划方法 |
CN114740871A (zh) * | 2022-06-13 | 2022-07-12 | 北京理工大学 | 一种面向无人履带混合动力平台的多目标路径重规划方法 |
CN116663939A (zh) * | 2023-07-31 | 2023-08-29 | 北京理工大学 | 一种无人车路径规划场景及任务的复杂度评价方法和系统 |
CN116663939B (zh) * | 2023-07-31 | 2023-10-17 | 北京理工大学 | 一种无人车路径规划场景及任务的复杂度评价方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113126618B (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113126618B (zh) | 一种越野环境下的无人驾驶全局路径规划及重规划方法 | |
EP1975563B1 (en) | Feature information collecting apparatus and feature information collecting method | |
Alonso et al. | Accurate global localization using visual odometry and digital maps on urban environments | |
Ochieng et al. | Map-matching in complex urban road networks | |
CN110455300B (zh) | 导航方法、导航显示方法、装置、车辆及机器可读介质 | |
Schroedl et al. | Mining GPS traces for map refinement | |
US20110257885A1 (en) | Method and apparatus for geographically aiding navigation satellite system solution | |
CN108645420B (zh) | 一种基于差分导航的自动驾驶车辆多路径地图的创建方法 | |
US11205079B2 (en) | Determining position data | |
CN111739323B (zh) | 一种路口信息的采集方法及装置 | |
Jung et al. | Monocular visual-inertial-wheel odometry using low-grade IMU in urban areas | |
CN107132563A (zh) | 一种里程计结合双天线差分gnss的组合导航方法 | |
Rabe et al. | Ego-lane estimation for lane-level navigation in urban scenarios | |
CN111380557A (zh) | 一种无人车全局路径规划方法及装置 | |
CN112351384B (zh) | 一种车辆定位数据修正方法、装置及设备 | |
CN116107300A (zh) | 用于越野环境下的基于先验知识适用于无人驾驶的路径规划方法 | |
Bevermeier et al. | Barometric height estimation combined with map-matching in a loosely-coupled Kalman-filter | |
Abboud et al. | Real time GPS navigation system | |
CN101825473A (zh) | 一种导航方法及导航系统 | |
CN113435227A (zh) | 地图生成及车辆定位方法、系统、设备及存储介质 | |
Kauffman et al. | Navigation via H-field signature map correlation and INS integration | |
CN115202383A (zh) | 一种无人机多维航迹表达及生成方法 | |
CN103528589B (zh) | 导航锁路方法及其导航系统 | |
CN114217622A (zh) | 一种基于bim的机器人自主导航方法 | |
Mounier et al. | High-Precision Positioning in GNSS-Challenged Environments: A LiDAR-Based Multi-Sensor Fusion Approach with 3D Digital Maps Registration |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220311 |
|
CF01 | Termination of patent right due to non-payment of annual fee |