CN113137972B - 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
- CN113137972B CN113137972B CN202010048372.7A CN202010048372A CN113137972B CN 113137972 B CN113137972 B CN 113137972B CN 202010048372 A CN202010048372 A CN 202010048372A CN 113137972 B CN113137972 B CN 113137972B
- Authority
- CN
- China
- Prior art keywords
- path
- node path
- node
- planning
- target attribute
- 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 45
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 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
- 238000010276 construction 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
- 230000000903 blocking effect Effects 0.000 description 1
- 230000009194 climbing Effects 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
- 230000009191 jumping Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
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)
Abstract
本发明公开了一种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:对历史行驶路径进行分析以得到每个节点路径的权重值;基于路径规划算法进行路径规划,其中,路径规划算法根据每个节点路径的权重值来计算节点路径的目标属性得分以确定节点路径;将确定的节点路径的集合作为路径规划结果。该实施方式有效的支持了机器人的自主行驶,减少路径不匹配的情况发生,减轻了机器人重新规划路径的压力,提高了预先规划路径的准确性,有效性;同时,还反哺了地图矢量数据,提高了地图矢量数据的质量。
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
现有的通用导航路径规划方法中,通常是考虑道路的基本物理信息,和机器人的自身运动特性,给出一条路径规划结果。
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:
机器人在真正的路上行驶过程中,会根据道路的实际情况,周边传感器的感知结果,局部规划行驶路径,实时避障。甚至在遇到道路情况复杂,行驶缓慢,堵塞,施工封闭等情况时,会偏离预定路径,自行决策,找出一条备选路径,到达目的地。在这个过程中,预先规划的行驶路径,与行驶的实际路径,会出现不一致的情况,而这些不一致的路段,恰恰是需要重点关注的路段,我们在规划路径时,应当考虑进来。
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,能够有效支持机器人的自主行驶,减少路径不匹配的情况发生,减轻了机器人重新规划路径的压力,提高了预先规划路径的准确性,有效性;同时,还反哺了地图矢量数据,提高了地图矢量数据的质量。
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。
一种路径规划的方法,包括:对历史行驶路径进行分析以得到每个节点路径的权重值;基于路径规划算法进行路径规划,其中,所述路径规划算法根据每个节点路径的权重值来计算所述节点路径的目标属性得分以确定节点路径;将确定的节点路径的集合作为路径规划结果。
可选地,对历史行驶路径进行分析以得到每个节点路径的权重值包括:根据历史行驶路径的行驶时间、行驶速度、避障次数和与所述历史行驶路径对应的初始规划路径之间的偏离程度来得到每个节点路径的权重值。
可选地,所述路径规划算法为A星算法,并且,基于路径规划算法进行路径规划包括:依次从开启列表中取出目标属性得分最小的节点路径作为当前节点路径;获取所述当前节点路径的后继节点路径,并将所述当前节点路径作为所述后继节点路径的父节点路径;对于每个后继节点路径,计算所述后继节点路径的目标属性得分,并与所述开启列表中记录的所述后继节点路径的目标属性得分进行比较,以更新所述开启列表中记录的所述后继节点路径的目标属性得分和所述后继节点路径的父节点路径。
可选地,获取所述当前节点路径的后继节点路径之前,还包括:确认所述当前节点路径不是目的节点路径;以及,若所述当前节点路径为目的节点路径,则得到规划路径,结束路径规划。
可选地,获取所述当前节点路径的后继节点路径之后,还包括:将所述当前节点路径从所述开启列表中删除。
可选地,计算所述后继节点路径的目标属性得分之前,还包括:确认所述后继节点路径不在关闭列表中;并且,计算所述后继节点路径的目标属性得分之后,还包括:判断所述后继节点路径是否位于所述开启列表中;若所述后继节点路径不在所述开启列表中,则将所述后继节点路径添加到所述开启列表中,并记录所述后继节点路径的目标属性得分。
可选地,所述方法还包括:在经过障碍物时,先进行碰撞检测,若路径和所述障碍物之间的距离小于机器人的半径,则采用切线圆平滑的方法,重新规划所述障碍物附近的行驶路径。
根据本发明实施例的另一方面,提供了一种路径规划的装置。
一种路径规划的装置,包括:权重分析模块,用于对历史行驶路径进行分析以得到每个节点路径的权重值;路径确定模块,用于基于路径规划算法进行路径规划,其中,所述路径规划算法根据每个节点路径的权重值来计算所述节点路径的目标属性得分以确定节点路径;结果生成模块,用于将确定的节点路径的集合作为路径规划结果。
根据本发明实施例的又一方面,提供了一种路径规划的电子设备。
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所提供的路径规划的方法。
根据本发明实施例的再一方面,提供了一种计算机可读介质。
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所提供的路径规划的方法。
上述发明中的一个实施例具有如下优点或有益效果:通过对历史行驶路径进行分析以得到每个节点路径的权重值;基于路径规划算法进行路径规划,其中,路径规划算法根据每个节点路径的权重值来计算节点路径的目标属性得分以确定节点路径;将确定的节点路径的集合作为路径规划结果,实现了在规划路径时,把机器人历史行驶路径也纳入到了考虑范围内。根据历史行驶路径和历史时间,赋予行驶过的不同路径不同的权重,因此,规划出的路径,可以较好的与机器人实际行驶路径重合,较好的起到了指导机器人路径引导的作用,规划路径可信度高,减少了机器人偏离规划路径的次数。通过不断分析历史行驶路径,不断迭代更新数据,有效的支持了机器人的自主行驶,减少路径不匹配的情况发生,减轻了机器人重新规划路径的压力,提高了预先规划路径的准确性,有效性;同时,还反哺了地图矢量数据,提高了地图矢量数据的质量。
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路径规划的方法的主要步骤示意图;
图2是本发明一个实施例的路径规划算法的实现流程示意图;
图3是本发明一个实施例的障碍物附近路径规划的原理示意图;
图4是根据本发明实施例的路径规划的装置的主要模块示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图;
图6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。
图1是根据本发明实施例的路径规划的方法的主要步骤示意图。如图1所示,本发明实施例的路径规划的方法主要包括如下的步骤S101至步骤S103。
步骤S101:对历史行驶路径进行分析以得到每个节点路径的权重值;
步骤S102:基于路径规划算法进行路径规划,其中,路径规划算法根据每个节点路径的权重值来计算节点路径的目标属性得分以确定节点路径;
步骤S103:将确定的节点路径的集合作为路径规划结果。
通过上述的步骤S101至步骤S103,即可在规划路径时,把机器人历史行驶路径也纳入到了考虑范围内。根据历史行驶路径和历史时间,赋予行驶过的不同路径不同的权重,例如:一个路径历史走过的次数越多,则权重越高;一个路径最近走过,则相对权重越高,等等。因此,规划出的路径,可以较好的与机器人实际行驶路径重合,较好的起到了指导机器人路径引导的作用,规划路径可信度高,减少了机器人偏离规划路径的次数。
根据本发明的一个实施例,在对历史行驶路径进行分析以得到每个节点路径的权重值时,具体可以是:根据历史行驶路径的行驶时间、行驶速度、避障次数和与历史行驶路径对应的初始规划路径之间的偏离程度来得到每个节点路径的权重值。
在具体实现时,首先,读取历史行驶路径数据,解析出机器人实际行驶过的历史行驶路径的ID序列(每个路径的ID在每一份矢量地图中都是唯一的)、行驶时间、行驶速度、避障次数等信息。此处,行驶时间指的是何时行驶了该历史行驶路径,而并非是该历史行驶路径总共行驶的时长。
然后,根据路径ID,匹配地图矢量数据,然后为每个路径赋上对应的权重值,例如:行驶时间越近,权重值越大;行驶速度越快,权重值越大;避障次数越少,权重值越大,等等。
之后,读取历史行驶路径对应的初始规划路径,与对应的历史行驶路径,比对相似性,找出发生了偏离的路径ID。对一次路径规划来说,根据起始点和终点会预先计算出一条路径,然后机器人根据该路径出发,实际行驶,这里预先计算出来的路径就是初始规划路径。初始规划路径一般是一条线,通过给线设置一个偏离阈值(例如左右各2m),如果机器人行走过程中,始终在这条线的2m范围之内,即可认为没有偏离路径,否则就是偏离路径。
最后,根据发生了偏离的路径ID,匹配地图矢量数据,赋上对应的权重值,例如:偏离一次,即降低对应的权重值,偏离次数越多,权重值越小。其中,偏离的次数即可看作是偏离程度的一个具体衡量。
根据前面的介绍,即可实现对历史行驶路径进行分析以得到每个节点路径的权重值。一般情况下,每个路径会由不少于一个节点路径构成,当确定了路径的权重值后,该路径包括的每个节点路径的权重值均与该路径的权重值相同。若一个节点路径在多个路径中出现过,则该节点路径的权重值即为该多个路径的权重值之和。在本发明的实施例中,节点路径即指的是一条路径。起始点对应的起始节点路径即为起始点所在的路径,目的地对应的目的节点路径即为目的地所在的路径。
在接收到机器人的路径规划请求后,将根据该路径规划请求中包括的此次路径规划的起始点、目的地、机器人的当前姿态等信息,请求路径规划服务器通过路径规划算法进行路径规划。
根据本发明的一个实施例,路径规划算法为A星算法,并且,基于路径规划算法进行路径规划包括:
依次从开启列表中取出目标属性得分最小的节点路径作为当前节点路径;
获取当前节点路径的后继节点路径,并将当前节点路径作为后继节点路径的父节点路径;
对于每个后继节点路径,计算后继节点路径的目标属性得分,并与开启列表中记录的后继节点路径的目标属性得分进行比较,以更新开启列表中记录的后继节点路径的目标属性得分和后继节点路径的父节点路径。
A星算法是比较流行的启发式搜索算法之一,被广泛应用于路径优化领域。它的独特之处是检查最短路径中每个可能的节点时引入了全局信息,对当前节点距终点的距离做出估计,并作为评价该节点处于最短路径上的可能性的量度。其中的开启列表Open列表和关闭列表Close列表是约定俗成的说法,一般情况下,未处理的节点存放的集合称为Open列表,已经处理的节点存放的集合称为Close列表。
对于每个节点路径,会设置目标属性得分,该目标属性即为代价,例如,一条路径越长,那么通过的代价越大;一条道路限速越低,通过的代价越大。
对于每个后继节点路径,若计算其目标属性得分(即:代价)小于开启列表中记录的该后继节点路径的目标属性得分,那么,就需要对开启列表中记录的该后继节点路径的目标属性得分和该后继节点路径的父节点路径进行更新。例如:假设对于“后继节点路径A”,其代价是100,父节点路径是B,而在Open列表中,也有一个节点路径A,其代价是120,父节点路径是C。那么,此时比较A(100)和A(120),明显“后继节点路径A”的代价100更小,于是将Open列表中记录的节点路径A的代价更新为100,父节点路径更新为B。
根据本发明的实施例,在获取当前节点路径的后继节点路径之前,还需要确认当前节点路径不是目的节点路径;以及,若当前节点路径为目的节点路径,则得到规划路径,结束路径规划。此时,即无需再获取当前节点路径的后继节点路径。
根据本发明的另一个实施例,在获取当前节点路径的后继节点路径之后,还可以将当前节点路径从开启列表中删除。如此,即可使得开启列表中保存的均为未处理过的节点路径,避免了数据的重复处理。
根据本发明的又一个实施例,在计算后继节点路径的目标属性得分之前,还可以:确认后继节点路径不在关闭列表中。如此,即可避免对数据的重复处理。并且,计算后继节点路径的目标属性得分之后,还可以:判断后继节点路径是否位于开启列表中;若后继节点路径不在开启列表中,则将后继节点路径添加到开启列表中,并记录后继节点路径的目标属性得分。如此,即可避免了对数据的遗漏,可以使得数据处理过程更全面、完整。
下面结合图2介绍本发明的路径规划算法的实现过程。图2是本发明一个实施例的路径规划算法的实现流程示意图。如图2所示,本发明的路径规划算法的流程主要包括如下步骤:
步骤S201:算法初始化,将起始节点路径(即:起始点所在的路径)放入Open列表中;
步骤S202:从Open列表中取出代价最小的节点路径,称之为当前节点路径。若Open列表为空,即Open列表中已无任何节点路径,则说明此次路径规划结束;否则,判断当前节点路径是否等于目的节点路径;若等于,则找到一条路径,此次路径规划结束,否则跳转到步骤S203;
步骤S203:计算当前节点路径的后继节点路径,并且设定当前节点路径为所有后继节点路径的父节点路径;
步骤S204:将当前节点路径从Open列表中删除,并将当前节点路径放入Close列表中;
步骤S205:遍历所有的后继节点路径,对每个后继节点路径分别执行下面的步骤S2051至步骤S2056;
步骤S2051:判断该后继节点路径是否在Close列表中,若是,则抛弃该后继节点路径,否则执行步骤S2052;
步骤S2052:计算当前节点路径到该后继节点路径的代价g:代价与道路通行速度、通过能力、道路材质、爬坡能力、转弯半径、节点路径的权重值对应的代价等相关。一般来说,道路通行速度越大,则代价越小;道路越宽,通过能力越大,则代价越小;坡度越大,代价越高;转弯越急,代价越高;节点路径的权重值对应的代价,通过对历史行驶路径进行分析得到;
步骤S2053:采用几何算法计算该后继节点路径到目的地的估计代价h。例如:通过勾股定理计算该后继节点路径上任一点与目的地之间的直线距离,来计算h,此处,为了更好地对多个后继节点路径进行比较,可以取后继节点路径上距离当前节点路径最远的点,并计算该点与目的地之间的直线距离来计算h;
步骤S2054:计算该后继节点路径的总代价f=g+h;
步骤S2055:之后,判断该后继节点路径是否在Open列表中,若该后继节点路径不在Open列表中,则添加该后继节点路径到Open列表中,然后跳转至步骤S205,否则,执行步骤S2056:
步骤S2056:若该后继节点路径在Open列表中,则比较新计算出来的代价f与Open列表中已记录的该后继节点路径的代价值F的大小,如果f更小,那么更新Open列表中记录的该后继节点路径的父节点路径和该后继节点路径的代价,然后跳转至步骤S205。
根据本发明的再一个实施例,路径规划好后,在机器人的行驶过程中,还可能会遇到路径中有障碍物,而要进行路径的灵活调整。具体地,在经过障碍物时,先进行碰撞检测,若路径和所述障碍物之间的距离小于机器人的半径,则采用切线圆平滑的方法,重新规划障碍物附近的行驶路径。
机器人是立体的,且有长宽高。而在进行路径规划时一般是将机器人当做一个点来考虑的,那么这个点就可以挨着障碍物过去,但是现实中这显然是不合理的,因此,需要把机器人的大小考虑进来,从机器人的中心到障碍物的边缘的距离需要大于机器人的半径,才可使得机器人不会碰到障碍物。故而,碰撞检测即检测机器人与障碍物是否会碰到,根据机器人的中心点坐标以及障碍物的与机器人同侧的边缘位置,即可确定路径与障碍物之间的距离,当该距离小于机器人半径时,说明机器人无法直线通行,此时,即需要重新规划障碍物附近的行驶路径。
图3是本发明一个实施例的障碍物附近路径规划的原理示意图。如图3所示,在本发明的实施例中,可采用切线圆平滑的方法,来重新规划障碍物附近的行驶路径。圆切线,就是过圆外一点,做圆的切线。采用切线圆平滑的方法,可以减少路径的曲折程度,降低路径曲率不断变化的情况。在具体实施过程中,现有的切线圆平滑的方法有多种,可根据需要灵活选择。
图4是根据本发明实施例的路径规划的装置的主要模块示意图。如图4所示,本发明实施例的路径规划的装置400主要包括权重分析模块401、路径确定模块402和结果生成模块403。
权重分析模块401,用于对历史行驶路径进行分析以得到每个节点路径的权重值;
路径确定模块402,用于基于路径规划算法进行路径规划,其中,所述路径规划算法根据每个节点路径的权重值来计算所述节点路径的目标属性得分以确定节点路径;
结果生成模块403,用于将确定的节点路径的集合作为路径规划结果。
根据本发明的一个实施例,权重分析模块401还可以用于:
根据历史行驶路径的行驶时间、行驶速度、避障次数和与所述历史行驶路径对应的初始规划路径之间的偏离程度来得到每个节点路径的权重值。
根据本发明的另一个实施例,所述路径规划算法为A星算法,并且,路径确定模块402还可以用于:
依次从开启列表中取出目标属性得分最小的节点路径作为当前节点路径;
获取所述当前节点路径的后继节点路径,并将所述当前节点路径作为所述后继节点路径的父节点路径;
对于每个后继节点路径,计算所述后继节点路径的目标属性得分,并与所述开启列表中记录的所述后继节点路径的目标属性得分进行比较,以更新所述开启列表中记录的所述后继节点路径的目标属性得分和所述后继节点路径的父节点路径。
根据本发明的又一个实施例,路径确定模块402在获取所述当前节点路径的后继节点路径之前,还可以用于:
确认所述当前节点路径不是目的节点路径;
以及,若所述当前节点路径为目的节点路径,则得到规划路径,结束路径规划。
根据本发明的又一个实施例,路径确定模块402在获取所述当前节点路径的后继节点路径之后,还可以用于:
将所述当前节点路径从所述开启列表中删除。
根据本发明的又一个实施例,路径确定模块402在计算所述后继节点路径的目标属性得分之前,还可以用于:
确认所述后继节点路径不在关闭列表中;
并且,路径确定模块402在计算所述后继节点路径的目标属性得分之后,还可以用于:
判断所述后继节点路径是否位于所述开启列表中;
若所述后继节点路径不在所述开启列表中,则将所述后继节点路径添加到所述开启列表中,并记录所述后继节点路径的目标属性得分。
根据本发明的再一个实施例,路径规划的装置400还可以包括避障规划模块(图中未示出),用于:
在经过障碍物时,先进行碰撞检测,若路径和所述障碍物之间的距离小于机器人的半径,则采用切线圆平滑的方法,重新规划所述障碍物附近的行驶路径。
根据本发明实施例的技术方案,通过对历史行驶路径进行分析以得到每个节点路径的权重值;基于路径规划算法进行路径规划,其中,路径规划算法根据每个节点路径的权重值来计算节点路径的目标属性得分以确定节点路径;将确定的节点路径的集合作为路径规划结果,实现了在规划路径时,把机器人历史行驶路径也纳入到了考虑范围内。根据历史行驶路径和历史时间,赋予行驶过的不同路径不同的权重,因此,规划出的路径,可以较好的与机器人实际行驶路径重合,较好的起到了指导机器人路径引导的作用,规划路径可信度高,减少了机器人偏离规划路径的次数。通过不断分析历史行驶路径,不断迭代更新数据,有效的支持了机器人的自主行驶,减少路径不匹配的情况发生,减轻了机器人重新规划路径的压力,提高了预先规划路径的准确性,有效性;同时,还反哺了地图矢量数据,提高了地图矢量数据的质量。
图5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500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504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501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503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501、502、503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505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503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路径规划的方法一般由服务器505执行,相应地,路径规划的装置一般设置于服务器505中。
应该理解,图5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6,其示出了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600的结构示意图。图6示出的终端设备或服务器仅仅是一个示例,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6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610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608。
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609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601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单元或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。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括权重分析模块、路径确定模块和结果生成模块。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,权重分析模块还可以被描述为“用于对历史行驶路径进行分析以得到每个节点路径的权重值的模块”。
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:对历史行驶路径进行分析以得到每个节点路径的权重值;基于路径规划算法进行路径规划,其中,所述路径规划算法根据每个节点路径的权重值来计算所述节点路径的目标属性得分以确定节点路径;将确定的节点路径的集合作为路径规划结果。
根据本发明实施例的技术方案,通过对历史行驶路径进行分析以得到每个节点路径的权重值;基于路径规划算法进行路径规划,其中,路径规划算法根据每个节点路径的权重值来计算节点路径的目标属性得分以确定节点路径;将确定的节点路径的集合作为路径规划结果,实现了在规划路径时,把机器人历史行驶路径也纳入到了考虑范围内。根据历史行驶路径和历史时间,赋予行驶过的不同路径不同的权重,因此,规划出的路径,可以较好的与机器人实际行驶路径重合,较好的起到了指导机器人路径引导的作用,规划路径可信度高,减少了机器人偏离规划路径的次数。通过不断分析历史行驶路径,不断迭代更新数据,有效的支持了机器人的自主行驶,减少路径不匹配的情况发生,减轻了机器人重新规划路径的压力,提高了预先规划路径的准确性,有效性;同时,还反哺了地图矢量数据,提高了地图矢量数据的质量。
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)
1.一种路径规划的方法,其特征在于,包括:
对历史行驶路径进行分析以得到每个节点路径的权重值;
基于路径规划算法进行路径规划,其中,所述路径规划算法根据每个节点路径的权重值来计算所述节点路径的目标属性得分以确定节点路径;
将确定的节点路径的集合作为路径规划结果;
其中,在经过障碍物时,先进行碰撞检测,若路径和所述障碍物之间的距离小于机器人的半径,则采用切线圆平滑的方法,重新规划所述障碍物附近的行驶路径;
其中,对历史行驶路径进行分析以得到每个节点路径的权重值包括:根据历史行驶路径的行驶时间、行驶速度、避障次数和与所述历史行驶路径对应的初始规划路径之间的偏离程度来得到每个节点路径的权重值。
2.根据权利要求1所述的方法,其特征在于,所述路径规划算法为A星算法,并且,基于路径规划算法进行路径规划包括:
依次从开启列表中取出目标属性得分最小的节点路径作为当前节点路径;
获取所述当前节点路径的后继节点路径,并将所述当前节点路径作为所述后继节点路径的父节点路径;
对于每个后继节点路径,计算所述后继节点路径的目标属性得分,并与所述开启列表中记录的所述后继节点路径的目标属性得分进行比较,以更新所述开启列表中记录的所述后继节点路径的目标属性得分和所述后继节点路径的父节点路径。
3.根据权利要求2所述的方法,其特征在于,获取所述当前节点路径的后继节点路径之前,还包括:
确认所述当前节点路径不是目的节点路径;
以及,若所述当前节点路径为目的节点路径,则得到规划路径,结束路径规划。
4.根据权利要求2所述的方法,其特征在于,获取所述当前节点路径的后继节点路径之后,还包括:
将所述当前节点路径从所述开启列表中删除。
5.根据权利要求2所述的方法,其特征在于,计算所述后继节点路径的目标属性得分之前,还包括:
确认所述后继节点路径不在关闭列表中;
并且,计算所述后继节点路径的目标属性得分之后,还包括:
判断所述后继节点路径是否位于所述开启列表中;
若所述后继节点路径不在所述开启列表中,则将所述后继节点路径添加到所述开启列表中,并记录所述后继节点路径的目标属性得分。
6.一种路径规划的装置,其特征在于,包括:
权重分析模块,用于对历史行驶路径进行分析以得到每个节点路径的权重值;
路径确定模块,用于基于路径规划算法进行路径规划,其中,所述路径规划算法根据每个节点路径的权重值来计算所述节点路径的目标属性得分以确定节点路径;
结果生成模块,用于将确定的节点路径的集合作为路径规划结果;
避障规划模块,用于:在经过障碍物时,先进行碰撞检测,若路径和所述障碍物之间的距离小于机器人的半径,则采用切线圆平滑的方法,重新规划所述障碍物附近的行驶路径;
所述权重分析模块还用于:根据历史行驶路径的行驶时间、行驶速度、避障次数和与所述历史行驶路径对应的初始规划路径之间的偏离程度来得到每个节点路径的权重值。
7.一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1-5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1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048372.7A CN113137972B (zh) | 2020-01-16 | 2020-01-16 | 路径规划的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048372.7A CN113137972B (zh) | 2020-01-16 | 2020-01-16 | 路径规划的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113137972A CN113137972A (zh) | 2021-07-20 |
CN113137972B true CN113137972B (zh) | 2024-05-17 |
Family
ID=76808201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010048372.7A Active CN113137972B (zh) | 2020-01-16 | 2020-01-16 | 路径规划的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113137972B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113633219B (zh) * | 2021-07-23 | 2022-12-20 | 美智纵横科技有限责任公司 | 回充路径确定方法、装置、设备及计算机可读存储介质 |
CN116774686A (zh) * | 2022-03-10 | 2023-09-19 | 苏州科瓴精密机械科技有限公司 | 机器人寻路方法、寻路装置、设备和计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005283575A (ja) * | 2004-03-05 | 2005-10-13 | Matsushita Electric Ind Co Ltd | 移動先予測装置および移動先予測方法 |
JP2010038821A (ja) * | 2008-08-07 | 2010-02-18 | Sharp Corp | 情報処理装置および情報処理方法 |
CN105043400A (zh) * | 2015-06-30 | 2015-11-11 | 百度在线网络技术(北京)有限公司 | 路径规划方法及装置 |
CN106969782A (zh) * | 2017-05-27 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 导航路线的推送方法、装置、设备以及存储介质 |
CN108981739A (zh) * | 2018-06-08 | 2018-12-11 | 南方科技大学 | 一种路径规划方法、装置、服务器及存储介质 |
CN109443364A (zh) * | 2018-11-13 | 2019-03-08 | 国网浙江宁波市鄞州区供电有限公司 | 基于a*算法的路径规划方法 |
CN110207706A (zh) * | 2019-05-30 | 2019-09-06 | 浙江圣奥家具制造有限公司 | 一种基于栅格地图的自动归位椅路径规划算法 |
CN110442125A (zh) * | 2019-07-15 | 2019-11-12 | 电子科技大学 | 一种移动机器人的动态路径规划方法 |
-
2020
- 2020-01-16 CN CN202010048372.7A patent/CN113137972B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005283575A (ja) * | 2004-03-05 | 2005-10-13 | Matsushita Electric Ind Co Ltd | 移動先予測装置および移動先予測方法 |
JP2010038821A (ja) * | 2008-08-07 | 2010-02-18 | Sharp Corp | 情報処理装置および情報処理方法 |
CN105043400A (zh) * | 2015-06-30 | 2015-11-11 | 百度在线网络技术(北京)有限公司 | 路径规划方法及装置 |
CN106969782A (zh) * | 2017-05-27 | 2017-07-21 | 百度在线网络技术(北京)有限公司 | 导航路线的推送方法、装置、设备以及存储介质 |
CN108981739A (zh) * | 2018-06-08 | 2018-12-11 | 南方科技大学 | 一种路径规划方法、装置、服务器及存储介质 |
CN109443364A (zh) * | 2018-11-13 | 2019-03-08 | 国网浙江宁波市鄞州区供电有限公司 | 基于a*算法的路径规划方法 |
CN110207706A (zh) * | 2019-05-30 | 2019-09-06 | 浙江圣奥家具制造有限公司 | 一种基于栅格地图的自动归位椅路径规划算法 |
CN110442125A (zh) * | 2019-07-15 | 2019-11-12 | 电子科技大学 | 一种移动机器人的动态路径规划方法 |
Non-Patent Citations (1)
Title |
---|
基于CATIA的飞机部件自动制孔路径规划;刘艳梅;王鑫;马跃晏;;沈阳航空航天大学学报;20161231(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113137972A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9557182B2 (en) | Computer-implemented systems and methods for planning a route | |
CN106969782B (zh) | 导航路线的推送方法、装置、设备以及存储介质 | |
CN113137972B (zh) | 路径规划的方法和装置 | |
US9869559B2 (en) | Method and system for obtaining trajectory pattern of route | |
CN110647693A (zh) | 路径推荐的方法和装置 | |
CN113033925B (zh) | 用于控制自动驾驶车辆行驶、装置、电子设备和介质 | |
JP2022552480A (ja) | 無人搬送車を制御するための方法および装置 | |
CN115410410B (zh) | 车位推荐方法、装置、设备以及存储介质 | |
CN110542425B (zh) | 导航路径选择方法、导航装置、计算机设备及可读介质 | |
CN114623842A (zh) | 路径规划方法、装置、存储介质与电子设备 | |
CN110657813B (zh) | 优化地图中规划道路的方法和装置 | |
CN110370267B (zh) | 用于生成模型的方法和装置 | |
CN111399489B (zh) | 用于生成信息的方法和装置 | |
CN113739798B (zh) | 路径规划方法和装置 | |
US20220101207A1 (en) | Intelligently selecting and providing designated intersection locations for transportation requests | |
US11386143B2 (en) | Searching for analogue subsurface structures based on topological knowledge representation (TKR) | |
CN113479198B (zh) | 一种无人车控制方法和装置 | |
US20210033417A1 (en) | Cursor location on a navigational map | |
CN109297480B (zh) | 用于管理设备的位置的方法和系统 | |
JP6437815B2 (ja) | 情報処理システム、及び情報処理方法 | |
CN111308997B (zh) | 用于生成行驶路径的方法和装置 | |
US9140575B2 (en) | Navigating to a selected location | |
CN113075921B (zh) | 无人驾驶设备的局部路径规划方法和装置 | |
CN113494919B (zh) | 基于个人局部经验路线的导航规划方法和装置 | |
JP6829604B2 (ja) | 最小コスト演算装置、最小コスト演算方法および最小コスト演算プログラム |
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 |