CN113467455A - 多工况未知复杂环境下智能小车路径规划方法及设备 - Google Patents
多工况未知复杂环境下智能小车路径规划方法及设备 Download PDFInfo
- Publication number
- CN113467455A CN113467455A CN202110765250.4A CN202110765250A CN113467455A CN 113467455 A CN113467455 A CN 113467455A CN 202110765250 A CN202110765250 A CN 202110765250A CN 113467455 A CN113467455 A CN 113467455A
- Authority
- CN
- China
- Prior art keywords
- intersection
- search tree
- parameter
- path
- intelligent vehicle
- 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 54
- 230000007613 environmental effect Effects 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000010586 diagram Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000007787 solid Substances 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing 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
- G05D1/0276—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)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供有一种多工况未知复杂环境下智能小车路径规划方法,包括以下步骤:初始栅格化地图,且赋予智能小车目标线索参数;选择一栅格位置为起始位置并选定一方向前进;实时获取行进中栅格的环境指标参数和环境信息,环境信息包括:交叉口位置;利用交叉口位置搭建搜索树,并比较环境指标参数与目标线索参数是否相同;若环境指标参数与目标线索参数相同,则停止行进;反溯所建的搜索树上行进至当前栅格的可行路径并赋予该可行进路径上的每一栅格移动奖励参数;退回该可行进路径上与当前栅格相邻的交叉口处,选定交叉口处与上述方向垂直且可行进的一方向继续前进;反复执行S2‑S4,至搜索树已无法再扩展,则停止探索并得到构建完成的搜索树。
Description
技术领域
本公开具体公开一种多工况未知复杂环境下智能小车路径规划 方法、设备及介质。
背景技术
路径规划是自主移动智能小车的关键要素之一,一方面移动智 能小车能够尽量快速准确地到达目的地,同时,另一方面也需要移 动智能小车能够安全有效的躲避环境中的障碍物。目前在环境地图 完全已知的情况下安全有效的躲避障碍物并准确地到达目的地已经 有较多较好的解决方案。
但是,当移动智能小车应用于火灾救援、城市地下管道清淤等 无法提前获取环境信息时,基于图搜索的传统路径规划算法在此类 环境下受到限制。虽然现在有动态窗口法等的局部路径规划算法在 未知环境下可以进行路径规划,但是此类局部路径规划算法应用于 大型未知环境下时,会出现搜索效率低的问题,亟待改进。
发明内容
鉴于现有技术中的上述缺陷或不足,本申请旨在提供一种相较于现 有技术而言,能够通过预设的策略驱动智能小车行进,高效地完成路 径规划的多工况未知复杂环境下智能小车路径规划方法、设备及介 质。
一方面,本申请旨在提供一种相较于现有技术而言,能够通过预设 的策略驱动智能小车行进,高效地完成路径规划的多工况未知复杂 环境下智能小车路径规划方法。
一种多工况未知复杂环境下智能小车路径规划方法,其特征在于, 包括以下步骤:S1:初始栅格化地图,且赋予智能小车目标线索参数; 选择一栅格位置为起始位置并选定一方向前进;S2:实时获取行进 中栅格的环境指标参数和环境信息,所述环境信息包括:交叉口位 置;利用交叉口位置搭建搜索树,并比较环境指标参数与目标线索 参数是否相同;S3:若环境指标参数与目标线索参数相同,则停止 行进;反溯所建的搜索树上行进至当前栅格的可行路径并赋予该可 行进路径上的每一栅格移动奖励参数;S4:退回该可行进路径上与 当前栅格相邻的交叉口处,选定交叉口处与上述方向垂直且可行进 的一方向继续前进,执行S2;S5:反复执行S2-S4,直至搜索树已 无法再扩展,则智能小车停止探索并得到构建完成的搜索树。
根据本申请实施例提供的技术方案,步骤S2中还包括:若判断 无法前进时,退回至搜索树上与之相邻的上一交叉口处,并赋予该 交叉口处沿上述方向前进的移动惩罚参数;再次选定该交叉口处与 上述方向垂直且可行进的一方向继续前进。
根据本申请实施例提供的技术方案,步骤S2中还包括:再次选 定交叉口处与上述方向垂直且可行进的一方向继续前进后,若仍判 断无法前进时,退回至搜索树上与该交叉口相邻的上一交叉口处, 并赋予该交叉口处沿上述方向前进的移动惩罚参数;选定该相邻的 上一交叉口处与上述方向相逆且可行进的一方向继续前进。
根据本申请实施例提供的技术方案,步骤S2中还包括:再次选 定该相邻的上一交叉口处与上述方向相逆且可行进的一方向继续前 进后,若仍判断无法前进时,退回至搜索树上与该交叉口相邻的上 一交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数; 选定该相邻的上一交叉口处未被赋予移动惩罚参数的一方向前进。
根据本申请实施例提供的技术方案,步骤S4中选定交叉口处与上 述方向垂直且可行进的一方向继续前进后还包括:若判断无法前进 时,退回至搜索树上与之相邻的上一交叉口处,并赋予该交叉口处 沿上述方向前进的移动惩罚参数;选定该相邻的上一交叉口处与上 述方向相逆且可行进的一方向继续前进。
根据本申请实施例提供的技术方案,步骤S4中还包括:再次选定 该相邻的上一交叉口处与上述方向相逆且可行进的一方向继续前进 后,若仍判断无法前进时,退回至搜索树上与该交叉口相邻的上一 交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;选 定该相邻的上一交叉口处未被赋予移动惩罚参数的一方向前进。
根据本申请实施例提供的技术方案,所述环境信息还包括:障碍 物信息和边界信息;若智能小车前方为障碍物信息或边界信息,则 判断无法前进。
另一方面,本申请还提供有一种计算机设备,所述设备包括:存储 器,用于存储可执行程序代码;一个或多个处理器,用于读取所述存储 器中存储的可执行程序代码以执行如上所述的多工况未知复杂环境下 智能小车路径规划方法。
另一方面,本申请还提供一种计算机可读存储介质,所述计算机可 读存储介质包括指令,当所述指令在计算机上运行时,使得计算机执行 如上所述的多工况未知复杂环境下智能小车路径规划方法。
综上所述,本申请公开有一种多工况未知复杂环境下智能小车路径 规划方法。本技术方案中智能小车在初始栅格化后赋予其需要探索的目 标线索参数,然后驱动智能小车自起始未知起沿着一初始方向行进,在 行进过程中,智能小车实时获取行进中栅格的环境指标参数,并将其与 目标线索参数比较,若二者不相同,则继续行进;若二者相同,则停止 行进。在行进过程中,智能小车还实时获取交叉口的信息,并利用交叉 口信息构建搜索树,当环境指标参数与目标线索参数相同时,反溯所建 的搜索树上行进至当前栅格的可行路径并赋予该可行进路径上的每一栅 格移动奖励参数;该可行路径能够传输至特种智能小车上,并依据该可 行路径上毎一个栅格的奖励参数能够快速引导特种智能小车找到目标。 完成一次探索之后,驱动智能小车退回该可行进路径上与当前栅格相邻 的交叉口处,选定交叉口处与上述方向垂直且可行进的一方向继续前进, 继续比较环境指标参数与目标线索参数,以及构建搜索树,直至搜索树 已无法再扩展,也即:交叉口已经全部遍历,则智能小车停止探索 并得到构建完成的搜索树。基于上述技术方案,相较于现有技术而言,能够通过预设的策略驱动智能小车行进,高效地完成未知环境中的 路径规划,并给予特种智能小车以清晰的路径指引,便于实现快速 的救援。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描 述,本申请的其它特征、目的和优点将会变得更明显:
图1所示的是多工况未知复杂环境下智能小车路径规划方法的流程 示意图;
图2a所示的是栅格地图的一种状态示意图;
图2b所示的是栅格地图的一种状态示意图;
图2c所示的是栅格地图的一种状态示意图;
图2d所示的是栅格地图的一种状态示意图;
图2e所示的是搜索树的示意图;
图3a所示的是栅格地图的一种状态示意图;
图3b所示的是搜索树的示意图;
图4所示的是栅格地图的一种状态示意图;
图5所示的是栅格地图的一种状态示意图;
图6所示的是计算机设备的硬件结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解 的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发 明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与 发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例 中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本 申请。
现有技术中,移动智能小车应用于火灾救援、城市地下管道清 淤等无法提前获取环境信息时,基于图搜索的传统路径规划算法在 此类环境下受到限制。
现针对如上无法预先获取环境信息的场景时,本申请提出有一 种多工况未知复杂环境下智能小车路径规划方法,具体如图1所示。
图1中一种多工况未知复杂环境下智能小车路径规划方法,包括以 下步骤:
S1:初始栅格化地图,且赋予智能小车目标线索参数;选择一 栅格位置为起始位置并选定一方向前进;
S2:实时获取行进中栅格的环境指标参数和环境信息,所述 环境信息包括:交叉口位置;利用交叉口位置搭建搜索树,并比较 环境指标参数与目标线索参数是否相同;
S3:若环境指标参数与目标线索参数相同,则停止行进;反溯 所建的搜索树上行进至当前栅格的可行路径并赋予该可行进路径上 的每一栅格移动奖励参数;
S4:退回该可行进路径上与当前栅格相邻的交叉口处,选定交 叉口处与上述方向垂直且可行进的一方向继续前进,执行S2;
S5:反复执行S2-S4,直至搜索树已无法再扩展,则智能小车 停止探索并得到构建完成的搜索树。
其中:
步骤S1中,将移动智能小车置于未知环境中,初始化栅格地图, 此时,地图中栅格皆为未知状态。在初始化栅格地图之后,在移动智能 小车上设置目标线索参数,在智能小车的行进过程中,获得的相应栅格 位置的环境指标参数,并实时将环境指标参数和目标线索参数进行比 较,以判断该栅格中是否存在我们希望寻找的目标。
设置移动智能小车至未知环境的起始点,该起始点也位于初始化的 栅格地图中,移动智能小车自动更新栅格化地图中该栅格的状态,具体 地,设定为起始位置的栅格位于栅格地图的一角。将智能小车置于具体 环境的起始位置之后,选定车体所对应的方向为行进方向,记为第一方 向。
步骤S2中,在移动智能小车沿着第一方向前进时,在未遇到任何阻 碍其行进的因素(如:障碍物,边界物)之前,其保持持续的行进,在 行进过程中,设于移动智能小车上的获取单元能够实时地获取行进中栅 格的环境指标参数和环境信息,具体地,获取单元可以是摄像头;具体 地,环境指标参数,包括:人体表面温度值;环境信息包括:交叉口信 息,包括但不限于:交叉口的可行进方向。在具体应用中,摄像头能 够实时感知环境指标参数,并摄录环境信息中的交叉口信息,并实时更 新栅格地图。
此外,基于获取的交叉口信息,移动智能小车能够搭建搜索树,一 方面,找到目标之后,能够利用搜索树反溯可行路径;另一方面,在后 续遇到障碍物或边界物之后,利用搜索树搜索与障碍物或边界物相邻的 上一交叉口,便于改变移动智能小车的行进方向,继续探索。
步骤S3中给出了环境指标参数与目标线索参数比较的结果,若环境 指标参数与目标线索参数相同,则停止行进;反溯所建的搜索树上行进 至当前栅格的可行路径并赋予在搜索上该可行进路径上的每一栅格移动 奖励参数;以移动奖励参数在搜索树上标记处具体的可行路径,再将该 可行路径通信传输至外部特征智能小车上,便于特种智能小车利用该可 行路径找到目标。
步骤S4中给出了找到第一个目标之后的移动智能小车的规划方法, 具体地,在找到第一个目标之后,移动智能小车停止行进,在完成可行 路径反溯之后,驱动移动智能小车沿着该可行路径退回至与当前栅格相 邻的交叉口处,具体地,当移动智能小车回到与当前栅格相邻的交 叉口处,在构建搜索树的时候,鉴于移动智能小车已经获得交叉口 信息,包括但不限于:交叉口的可行进方向,在该交叉口处,选定 交叉口处与上述方向垂直且可行进的一方向继续前进,记为:第二 方向,之后执行S2,继续探索目标。
在上述步骤给出的具体策略之下,反复执行S2-S4,在反复执行 的过程中,搜索树随着交叉口的增加得以扩展,当移动智能小车遍 历所有的交叉口的所有可行进方向时,那搜索树就无法再继续扩展, 则搜索完毕,则智能小车停止探索并得到构建完成的搜索树。在搜 索的过程中,移动智能小车也持续比较环境指标参数与目标线索参数, 一旦环境指标参数与目标线索参数相同,则表示探索到具体的目标,也 即,随之将与之对应的搜索树上的可行路径输出。
基于上述技术方案,相较于现有技术而言,能够通过预设的策略驱 动智能小车行进,高效地完成未知环境中的路径规划,并给予特种 智能小车以清晰的路径指引,便于实现快速的救援。
在一优选的实施方式中,步骤S2中还包括:若判断无法前进时, 退回至搜索树上与之相邻的上一交叉口处,并赋予该交叉口处沿上 述方向前进的移动惩罚参数;再次选定该交叉口处与上述方向垂直 且可行进的一方向继续前进。
本实施方式给出了一种具体的应用场景,在该应用场景下,在 沿一方向前进时,若无法前进时,如:遇到障碍物或者边界物时, 驱动移动智能小车退回至搜索树上与该无法前进的栅格相邻的上一 交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;再 次选定该交叉口处与上述方向垂直且可行进的一方向继续前进。此 实施方式中通过给出了移动智能小车在进行中遇到障碍物或者边界 物的处理方式,通过避让、退回以及赋予惩罚值的方式,对此行进 方向进行标记,避免移动智能小车再次行进至此。
在上述应用场景下,在一优选的实施方式中,还给出了后续的 规划策略,具体为:步骤S2中还包括:再次选定交叉口处与上述方 向垂直且可行进的一方向继续前进后,若仍判断无法前进时,退回 至搜索树上与该交叉口相邻的上一交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;选定该相邻的上一交叉口处与上述 方向相逆且可行进的一方向继续前进。
即:延续上一优选实施方式的规划策略,若再次选定交叉口处 与上述方向垂直且可行进的一方向继续前进后,未找到目标时,仍 遇到障碍物或者边界物时,退回至搜索树上与该交叉口相邻的上一 交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;选 定该相邻的上一交叉口处与上述方向相逆且可行进的一方向继续前 进。
在上述应用场景下,在一优选的实施方式中,还给出了后续的 规划策略,具体为:步骤S2中还包括:再次选定该相邻的上一交叉 口处与上述方向相逆且可行进的一方向继续前进后,若仍判断无法 前进时,退回至搜索树上与该交叉口相邻的上一交叉口处,并赋予 该交叉口处沿上述方向前进的移动惩罚参数;选定该相邻的上一交 叉口处未被赋予移动惩罚参数的一方向前进。
即:延续上一优选实施方式的规划策略,若再次选定交叉口处 与上述方向垂直且可行进的一方向继续前进后,未找到目标时,仍 遇到障碍物或者边界物时,退回至搜索树上与该交叉口相邻的上一 交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;然 后选定该相邻的上一交叉口处未被赋予移动惩罚参数的一方向前 进。
相应地,在步骤S4中,若是遇到无法前进的前行时,可按照如 下策略处理,步骤S4中选定交叉口处与上述方向垂直且可行进的一 方向继续前进后还包括:若判断无法前进时,退回至搜索树上与之 相邻的上一交叉口处,并赋予该交叉口处沿上述方向前进的移动惩 罚参数;再次选定交叉口处与上述方向垂直且可行进的一方向继续 前进。
相应地,在步骤S4中,再次选定交叉口处与上述方向垂直且可 行进的一方向继续前进后,若是遇到无法前进的前行时,可按照如 下策略处理,在一优选的实施方式中,步骤S4中还包括:再次选定 交叉口处与上述方向垂直且可行进的一方向继续前进后,若仍行进至死角位置时,退回至与相邻的上一交叉口处,并赋予该交叉口处 沿上述方向前进的移动惩罚参数;选定该相邻的上一交叉口处与上 述方向相逆且可行进的一方向继续前进。
相应地,在步骤S4中,选定该相邻的上一交叉口处与上述方向 相逆且可行进的一方向继续前进后,若仍判断无法前进时,退回至 搜索树上与该交叉口相邻的上一交叉口处,并赋予该交叉口处沿上 述方向前进的移动惩罚参数;选定该相邻的上一交叉口处未被赋予 移动惩罚参数的一方向前进。
在一优选的实施方式中,所述环境信息还包括:障碍物信息和 边界信息;若智能小车前方为障碍物信息或边界信息,则判断无法 前进。
下面将结合具体附图和应用场景对上述规划方法进行具体说明:
在一应用场景下,设定如图2a-2d所示的栅格地图的四种状态变化 图,其中:
♂表示移动智能小车,箭头为移动智能小车车头方向;
×(叉号标识)表示状态未明的栅格;
□(空白栅格)表示可行进的栅格;
空白栅格中设有岔口标识表示具备交叉口栅格;其可能具备三个可 行进方向,或4个行进方向;
目标线索参数为体温数值35-37度;
◎(环形标识)表示栅格的其中一个目标位置。
图中的折线箭头表示的是移动智能小车的找到目标的可行路径;图 2e给出了相应的搜索树的示意图。
在本应用场景下的未知环境中,参照图2a所示的栅格地图以及栅格 地图一侧设置的地图标记;执行S1,自栅格的起始位置开始,移动智能 小车沿着第一方向,如图中向下的方向行进。
执行S2,在沿着第一方向前进的过程中参照图2b,移动智能小车实 时测量行进中栅格的环境指标参数并与目标线索参数相比较,并记录行 进中栅格的交叉口信息,如距离起始位置4个栅格的交叉口栅格和交叉 口栅格的可行进方向。利用交叉口信息构建搜索树。该交叉口栅格左侧 为边界线,无法行进,故其具备三个行进方向。
执行S3,参照图2c实时比较行进中栅格的环境指标参数并与目标线 索参数相比较,若环境指标参数并与目标线索参数相同,则停止行进, 反溯所建的搜索树上行进至当前栅格的可行路径并赋予该可行进路 径上的每一栅格移动奖励参数;如图2e所示的搜索树示意图,并为 可行路径上的相关栅格赋予移动奖励参数。
完成一次探索后,以移动奖励参数在搜索树上标记处具体的可行路 径,再将该可行路径通信传输至外部特征智能小车上,便于特种智能小 车利用该可行路径找到第一个目标。
而移动智能小车执行S4,图2d在找到第一个目标之后,移动智能小 车停止行进,在完成可行路径反溯之后,驱动移动智能小车沿着该可行 路径退回至与当前栅格相邻的交叉口处,具体地,当移动智能小车回 到与当前栅格相邻的交叉口处,在构建搜索树的时候,鉴于移动智 能小车已经获得交叉口信息,包括但不限于:交叉口的可行进方向, 在该交叉口处,选定交叉口处与上述方向垂直且可行进的一方向继 续前进,记为:第二方向,之后执行S2,继续探索下一个目标。
参考图2a-2d所示的栅格地图的四种状态变化图:
图2a所示的是移动智能小车位于起点的位置,其余位置的栅格皆为 状态未明的状态。直线为行进路径。
图2b所示的是移动智能小车位于三岔口的栅格位置,其行进方向中 的栅格更新为可行进栅格的状态,该三岔口栅格可允许移动智能小车沿 第一方向前进和后退,以及沿第二方向前进。直线为行进路径。
图2c所示的是移动智能小车行进至存在目标的栅格位置。直线为行 进路径。
图2d所示的是移动智能小车在寻找到一次目标之后的退回至三岔口 位置,切换为按照第二方向行进。折线为实际行进路径。
参考图2e所示的与图2a-2d对应的栅格地图的搜索树。
其中:图2c中行进路径上各个栅格均被赋予了奖励参数①。
在另一应用场景下,接续上一应用场景的图2d,在移动智能小车在 寻找到一次目标之后的退回至相邻的上一个交叉口位置,切换为按照第 二方向行进之后。
请参考图3a,移动智能小车沿着第二方向行进3个栅格遇到第二交 叉口,继续行进2个栅格遇到障碍物,图3a中为实心栅格来标识。
图3b所示的是与图3a对应的搜索树。
优选地,在另一应用场景下,接续上一应用场景的图3a。
综上所述,在一应用场景下,再次选定交叉口处与上述方向垂直且 可行进的一方向继续前进4个栅格,遇到边界线,判断无法前进时,退 回至搜索树上与之相邻的上一交叉口处,并赋予该交叉口处沿上述方向 前进的移动惩罚参数此时,若判断该交叉口一侧为进入该交叉口 的方向,另一侧为赋予惩罚参数的方向,则不适合再次选择与上述方向垂直的方向,而应选择位于该方向相对的,也即方向上相逆的,一侧作 为行进方向,如图4所示。
当然,如果在选择位于该方向相对一侧作为行进方向后,仍然判断 无法行进时,则在返回该交叉口处后,选择来时的方向退回至上一相邻 的交叉口。
综上所述,在行进策略选择上,在行进至交叉口处时,在一个交叉 口处优先选择与其车头方向同向的行进方向为第一方向,当在该第一方 向时判断无法行进时,退回至该交叉口处时,再次选择的方向是与第一 方向相垂直的第二方向;当在该第二方向时判断无法行进时,退回至该 交叉口处时,再次选择与第二方向相逆设置的第三方向,作为行进方向; 当在该第三方向时判断无法行进时,退回至该交叉口处时,选择与第一 方向相逆的方向行进,也即沿路径从该交叉口处退回至上一相邻的交叉 口。
优选地,在另一应用场景下,接续上一应用场景的图3a。
请参考图5,再次选定交叉口处与上述方向垂直且可行进的一方向继 续前进1个栅格,遇到一交叉口,在前进1个栅格,遇到第二个目标, 移动智能小车停止行进,在完成可行路径反溯时,赋予路径上除了具备 移动惩罚参数的栅格以外的栅格移动奖励参数。
在可行路径上赋予移动奖励参数或者移动惩罚参数,与具体交叉口 的行进方向相关,也即:参考图3a所示,交叉口B处沿第二方向行进的 两个栅格被赋予了移动惩罚参数,但如果移动智能小车自两个栅格的其 他方向行进至该栅格时,是可以行进的,不受交叉口B处沿第二方向的 移动惩罚参数的限制。
优选地,当特种智能小车完成一次救援后,目标所处的栅格自动更 新为可行进状态,可供智能小车行进。
本申请还提供一种计算机设备,所述设备包括:存储器,用于存储 可执行程序代码;一个或多个处理器,用于读取所述存储器中存储的可 执行程序代码以执行如上所述的多工况未知复杂环境下智能小车路径规 划方法。请参考图6给出的计算机设备硬件结构示意图。
计算机系统包括中央处理单元(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RAM503中,还存储有系统操 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;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,根据本发明的实施例,上文中多工况未知复杂环境下智能小 车路径规划方法所描述的过程可以被实现为计算机软件程序。例如,本 发明关于多工况未知复杂环境下智能小车路径规划方法的实施例包括一 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从网络上被下载和安装,和/或从 可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)501执行时, 执行本申请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多工况未知复杂环境 下智能小车路径规划方法、装置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。 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。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 理器包括第一生成模块、获取模块、查找模块、第二生成模块及合并模 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。
作为另一方面,本申请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电子设备中所包含的;也可以是单独 存在,而未装配入该电子设备中。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电子设备执行时,使得该 电子设备实现如上述实施例中所述的多工况未知复杂环境下智能小车路 径规划方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若 干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的 实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一 个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征 和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤, 但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是 必须执行全部所示的步骤才能实现期望的结果。附加的或备选地,可以 省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤 分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描 述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件 的方式来实现。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说 明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限 于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离 所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合 而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于) 具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种多工况未知复杂环境下智能小车路径规划方法,其特征在于,包括以下步骤:
S1:初始栅格化地图,且赋予智能小车目标线索参数;选择一栅格位置为起始位置并选定一方向前进;
S2:实时获取行进中栅格的环境指标参数和环境信息,所述环境信息包括:交叉口位置;利用交叉口位置搭建搜索树,并比较环境指标参数与目标线索参数是否相同;
S3:若环境指标参数与目标线索参数相同,则停止行进;反溯所建的搜索树上行进至当前栅格的可行路径并赋予该可行进路径上的每一栅格移动奖励参数;
S4:退回该可行进路径上与当前栅格相邻的交叉口处,选定交叉口处与上述方向垂直且可行进的一方向继续前进,执行S2;
S5:反复执行S2-S4,直至搜索树已无法再扩展,则智能小车停止探索并得到构建完成的搜索树。
2.根据权利要求1所述的一种多工况未知复杂环境下智能小车路径规划方法,其特征在于:
步骤S2中还包括:若判断无法前进时,退回至搜索树上与之相邻的上一交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;再次选定该交叉口处与上述方向垂直且可行进的一方向继续前进。
3.根据权利要求2所述的一种多工况未知复杂环境下智能小车路径规划方法,其特征在于:
步骤S2中还包括:再次选定交叉口处与上述方向垂直且可行进的一方向继续前进后,若仍判断无法前进时,退回至搜索树上与该交叉口相邻的上一交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;选定该相邻的上一交叉口处与上述方向相逆且可行进的一方向继续前进。
4.根据权利要求3所述的一种多工况未知复杂环境下智能小车路径规划方法,其特征在于:步骤S2中还包括:再次选定该相邻的上一交叉口处与上述方向相逆且可行进的一方向继续前进后,若仍判断无法前进时,退回至搜索树上与该交叉口相邻的上一交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;选定该相邻的上一交叉口处未被赋予移动惩罚参数的一方向前进。
5.根据权利要求1所述的一种多工况未知复杂环境下智能小车路径规划方法,其特征在于:
步骤S4中选定交叉口处与上述方向垂直且可行进的一方向继续前进后还包括:若判断无法前进时,退回至搜索树上与之相邻的上一交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;选定该相邻的上一交叉口处与上述方向相逆且可行进的一方向继续前进。
6.根据权利要求5所述的一种多工况未知复杂环境下智能小车路径规划方法,其特征在于:
步骤S4中还包括:再次选定该相邻的上一交叉口处与上述方向相逆且可行进的一方向继续前进后,若仍判断无法前进时,退回至搜索树上与该交叉口相邻的上一交叉口处,并赋予该交叉口处沿上述方向前进的移动惩罚参数;选定该相邻的上一交叉口处未被赋予移动惩罚参数的一方向前进。
7.根据权利要求1-6任一项所述的一种多工况未知复杂环境下智能小车路径规划方法,其特征在于:
所述环境信息还包括:障碍物信息和边界信息;若智能小车前方为障碍物信息或边界信息,则判断无法前进。
8.一种计算机设备,其特征在于,所述设备包括:存储器,用于存储可执行程序代码;一个或多个处理器,用于读取所述存储器中存储的可执行程序代码以执行权利要求1至7中任一项所述的多工况未知复杂环境下智能小车路径规划方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至7中任一项所述的多工况未知复杂环境下智能小车路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110765250.4A CN113467455A (zh) | 2021-07-06 | 2021-07-06 | 多工况未知复杂环境下智能小车路径规划方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110765250.4A CN113467455A (zh) | 2021-07-06 | 2021-07-06 | 多工况未知复杂环境下智能小车路径规划方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113467455A true CN113467455A (zh) | 2021-10-01 |
Family
ID=77878780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110765250.4A Pending CN113467455A (zh) | 2021-07-06 | 2021-07-06 | 多工况未知复杂环境下智能小车路径规划方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113467455A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278164A (zh) * | 2013-06-13 | 2013-09-04 | 北京大学深圳研究生院 | 一种复杂动态场景下机器人仿生路径规划方法及仿真平台 |
US20170219364A1 (en) * | 2013-03-15 | 2017-08-03 | Volkswagen Aktiengesellschaft | Automatic driving route planning application |
CN107544504A (zh) * | 2017-09-26 | 2018-01-05 | 河南科技学院 | 一种面向复杂环境的灾区救援机器人自主探测系统及方法 |
CN108897330A (zh) * | 2018-10-15 | 2018-11-27 | 河北工业大学 | 一种基于交通拥堵控制的物流中心搬运机器人路径规划方法 |
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索系统中的环境探测方法 |
CN109839110A (zh) * | 2019-01-09 | 2019-06-04 | 浙江大学 | 一种基于快速随机搜索树的多目标点路径规划方法 |
CN109917818A (zh) * | 2019-01-31 | 2019-06-21 | 天津大学 | 基于地面机器人的协同搜索围堵方法 |
CN110083165A (zh) * | 2019-05-21 | 2019-08-02 | 大连大学 | 一种机器人在复杂狭窄环境下路径规划方法 |
WO2019190395A1 (en) * | 2018-03-28 | 2019-10-03 | Agency For Science, Technology And Research | Method and system for returning a displaced autonomous mobile robot to its navigational path |
CN112462785A (zh) * | 2020-12-04 | 2021-03-09 | 厦门大学 | 一种移动机器人路径规划方法、装置及存储介质 |
CN112590775A (zh) * | 2020-12-22 | 2021-04-02 | 中国第一汽车股份有限公司 | 一种自动泊车方法、装置、车辆及存储介质 |
US20210347046A1 (en) * | 2018-09-27 | 2021-11-11 | Brown University | Systems and methods for operating robots using object-oriented partially observable markov decision processes |
-
2021
- 2021-07-06 CN CN202110765250.4A patent/CN113467455A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170219364A1 (en) * | 2013-03-15 | 2017-08-03 | Volkswagen Aktiengesellschaft | Automatic driving route planning application |
CN103278164A (zh) * | 2013-06-13 | 2013-09-04 | 北京大学深圳研究生院 | 一种复杂动态场景下机器人仿生路径规划方法及仿真平台 |
CN107544504A (zh) * | 2017-09-26 | 2018-01-05 | 河南科技学院 | 一种面向复杂环境的灾区救援机器人自主探测系统及方法 |
WO2019190395A1 (en) * | 2018-03-28 | 2019-10-03 | Agency For Science, Technology And Research | Method and system for returning a displaced autonomous mobile robot to its navigational path |
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索系统中的环境探测方法 |
US20210347046A1 (en) * | 2018-09-27 | 2021-11-11 | Brown University | Systems and methods for operating robots using object-oriented partially observable markov decision processes |
CN108897330A (zh) * | 2018-10-15 | 2018-11-27 | 河北工业大学 | 一种基于交通拥堵控制的物流中心搬运机器人路径规划方法 |
CN109839110A (zh) * | 2019-01-09 | 2019-06-04 | 浙江大学 | 一种基于快速随机搜索树的多目标点路径规划方法 |
CN109917818A (zh) * | 2019-01-31 | 2019-06-21 | 天津大学 | 基于地面机器人的协同搜索围堵方法 |
CN110083165A (zh) * | 2019-05-21 | 2019-08-02 | 大连大学 | 一种机器人在复杂狭窄环境下路径规划方法 |
CN112462785A (zh) * | 2020-12-04 | 2021-03-09 | 厦门大学 | 一种移动机器人路径规划方法、装置及存储介质 |
CN112590775A (zh) * | 2020-12-22 | 2021-04-02 | 中国第一汽车股份有限公司 | 一种自动泊车方法、装置、车辆及存储介质 |
Non-Patent Citations (2)
Title |
---|
李淑霞: "《基于栅格搜索树的路径规划》", 《河南科学》, 31 May 2013 (2013-05-31), pages 605 - 607 * |
高环宇 等: "《基于Frontier-Based边界探索和探索树的未知区域探索方法》", 《计算机应用》, 31 December 2017 (2017-12-31), pages 120 - 126 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109059924B (zh) | 基于a*算法的伴随机器人增量路径规划方法及系统 | |
CN112000754B (zh) | 地图构建方法、装置、存储介质及计算机设备 | |
CN113405558B (zh) | 自动驾驶地图的构建方法及相关装置 | |
JP7330142B2 (ja) | 車両のuターン経路を決定する方法、装置、デバイスおよび媒体 | |
CN110926491B (zh) | 一种用于最短路径的规划方法和系统 | |
Chen et al. | An enhanced dynamic Delaunay triangulation-based path planning algorithm for autonomous mobile robot navigation | |
CN113188562B (zh) | 可行驶区域的路径规划方法、装置、电子设备及存储介质 | |
CN114510057A (zh) | 一种室内环境中基于ros的移动机器人自主导航方法 | |
CN112683275A (zh) | 一种栅格地图的路径规划方法 | |
CN114527751A (zh) | 机器人路径规划方法、装置及电子设备 | |
CN113867336A (zh) | 一种适用于复杂场景下移动机器人路径导航及规划方法 | |
US11255687B2 (en) | Method for trajectory planning of a movable object | |
US11590970B2 (en) | Deadlock detection device, information processing device, deadlock detection method, and non-transitory computer readable medium | |
CN114623842A (zh) | 路径规划方法、装置、存储介质与电子设备 | |
JP3715420B2 (ja) | 無人搬送車の走行プログラム作成装置 | |
CN113467455A (zh) | 多工况未知复杂环境下智能小车路径规划方法及设备 | |
CN116449826A (zh) | 基于路径平滑和双向跳点搜索的移动机器人路径规划方法 | |
CN115542896A (zh) | 一种机器人路径生成方法、系统及存储介质 | |
CN113885531B (zh) | 用于移动机器人的方法、移动机器人、电路、介质和程序 | |
CN113670308B (zh) | 引导车辆行驶的方法及相关系统、存储介质 | |
CN112180946B (zh) | 一种扫地机器人的导航路径规划方法、系统及电子设备 | |
CN114815791A (zh) | 可行驶空间规划方法及设备 | |
JP2018120482A (ja) | ロボットおよびその制御方法 | |
Loo et al. | Scene Action Maps: Behavioural Maps for Navigation without Metric Information | |
CN113485341B (zh) | 基于双机互扰的路径规划方法、装置及计算机设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211001 |
|
RJ01 | Rejection of invention patent application after publication |