CN114184203B - 路径规划方法、电子设备及移动装置 - Google Patents
路径规划方法、电子设备及移动装置 Download PDFInfo
- Publication number
- CN114184203B CN114184203B CN202111314638.9A CN202111314638A CN114184203B CN 114184203 B CN114184203 B CN 114184203B CN 202111314638 A CN202111314638 A CN 202111314638A CN 114184203 B CN114184203 B CN 114184203B
- Authority
- CN
- China
- Prior art keywords
- exploration
- point
- path
- target
- mobile device
- 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 79
- 230000006870 function Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 18
- 238000005070 sampling Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000008447 perception Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- G01C21/3415—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
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开一种路径规划方法,包括:将围绕目标点的预设范围标定为空闲区域,并豁免所述空闲区域内的障碍物;所述目标点为移动装置待进入的目标区域中的一点;在移动装置的当前位置点和所述目标点之间进行空间探索得到初始路径;取消对所述空闲区域内的障碍物的豁免;确定与所述当前位置点对应的多个探索点,并分别生成从所述当前位置点到各探索点之间的探索路径,得到多条探索路径;从所述多条探索路径中选择最小代价路径作为所述移动装置的目标规划路径。本发明在先豁免障碍物以完成初始路径的规划,再撤销对障碍物的豁免,并结合初始路径进行实时的路径探索,从而能够得到符合实际环境信息的最小代价探索路径最为目标规划路径。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种路径规划方法、电子设备、移动装置、计算机可读存储介质及计算机程序产品。
背景技术
随着人工智能技术以及现代制造业的发展,自动驾驶技术已经逐渐走进人们的日常生活,潜移默化的改变着人们的出行方式。无人驾驶技术可以简要的分为感知、预测、定位、决策、规划与控制几个方面。规划通常指路径规划方法,主要任务是指根据当前车俩信息、合理探索环境空间、最终规划出一条便于控制器执行、无碰撞的路径。
常规的路径规划往往应用于参考路径(全局规划路径)已知,或已知确定目标点的情况下。在上述条件下,路径规划方法只需要通过搜索等方式需找到一条返回参考路径,或到达确定目标点的路径即可。
但是发明人在实现本发明的过程中发现,实际中存在另外一类特殊的应用场景:如“在目标区域停车”或“自主进入电梯空间”等场景。本发明中将此类场景定义为“限定空间范围”场景。在这类场景中,对于自动驾驶车辆来讲并不存在确定的参考路径或终点。以“自主进入电梯空间”为例,进入电梯前自动驾驶车辆无法确定电梯内是否存在障碍物,亦无法确定障碍物确切的位置,而车辆也无需行驶到某个准确的位置,只需要保证自身进入电梯即可。由于目标点的不确定性,常规的路径规划方法往往难以应用,亟需一种无需确定性目标点的路径规划方法。
发明内容
本发明实施例旨在至少解决上述技术问题之一。
第一方面,本发明实施例提供一种路径规划方法,包括:
步骤S11、将围绕目标点的预设范围标定为空闲区域,并豁免所述空闲区域内的障碍物;所述目标点为移动装置待进入的目标区域中的一点;
步骤S12、在移动装置的当前位置点和所述目标点之间进行空间探索得到初始路径;
步骤S13、取消对所述空闲区域内的障碍物的豁免;
步骤S21、确定与所述当前位置点对应的多个探索点,并分别生成从所述当前位置点到各探索点之间的探索路径,得到多条探索路径;
步骤S22、从所述多条探索路径中选择最小代价路径作为所述移动装置的目标规划路径。
第二方面,提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明上述任一项路径规划方法。
第三方面,本发明实施例提供一种移动装置,包括本体和所述本体上安装的根据本发明任一实施例所述的电子设备
第四方面,本发明实施例提供一种计算机可读存储介质,包括程序或指令,当所述程序或指令在计算机上运行时,实现本发明实施例中任意一项所述的路径规划方法。
第五方面,本发明实施例还提供一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明实施例中任一项所述的路径规划方法。
本发明实施例中的路径规划方法首先从车辆将要进入的目标区域中选择目标点,并暂时性的忽略围绕该目标点预设范围内的障碍物来完成初始路径的规划,然后再结合该初始路径进行实时路径探索得到最小代价的探索路径。在初始路径确定阶段豁免目标点预设范围内的障碍物,确保了能够成功的完成初始路径的规划。在进入探索路径确定阶段之前撤销对围绕目标点预设范围内的障碍物的豁免,并结合规划出的初始路径进行实时的路径探索,从而能够得到符合实际环境信息的最小代价探索路径作为目标规划路径。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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发明的一些实施例,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为本发明中的空间探索一实施例的示意图;
图2为本发明的路径规划方法的一实施例的流程图;
图3为本发明的路径规划方法的另一实施例的流程图;
图4为本发明的路径规划方法的另一实施例的流程图;
图5为本发明的路径规划方法的另一实施例的流程图;
图6为本发明的路径规划方法的另一实施例的流程图;
图7为本发明中的图例示意图;
图8为本发明中目标点附近障碍物豁免前的示意图;
图9为本发明中目标点附近障碍物豁免后的示意图;
图10为障碍物豁免后使用空间探索方法得到的结果的示意图;
图11为本发明中车辆前进方向左侧的探索点示意图;
图12a为本发明中车辆前进时的探索点示意图;
图12b为本发明中车辆后退时的探测点示意图;
图12c为本发明中车辆静止状态下的探测点示意图;
图13为本发明中车辆沿某一个探索路径到达探索点q的示意图;
图14为本发明中探索路径上存在障碍物的示意图;
图15为本发明中探索点q与目标点之间的距离示意图;
图16为探索点q与圆心路径上最接近圆心点之间的距离示意图;
图17为探索点空旷程度示意图;
图18为本发明中车辆从启示位置沿探索路径形式至位置S1的示意图;
图19为本发明中的车辆经过一系列的实时规划到达最终位置的示意图;
图20为本发明的电子设备的一实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。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。
还需要说明的是,在本文中,术语“包括”、“包含”,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……”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。
路径规划主要可分为基于搜索的方案以及基于采样的方案。发明人在实现本发明的过程中提出了一种基于搜索的方法。该方法针对满足阿克曼转向模型的车辆提出了一种结合空间探索与启发式搜索的路径规划算法。该算法提出了一种生成空间探索圆的方式:以自车当前位置为圆心,以设定的最小半径开始,逐渐扩大半径,在不超过设定的最大半径前提下,直至半径确定的圆内刚好不存在障碍物为止(例如,半径等间隔增大,在半径为Rn的圆中没有障碍物,在半径为Rn+1的圆中发现障碍物,则可以确定半径为Rn的圆为刚好不存在障碍物)。该圆心与半径确定的圆即为一个空间探索圆,圆心不仅包含位置信息,还包含车的朝向角度信息,朝向角与车辆朝向一致。空间探索圆半径表示圆心距离最近障碍物的最大距离,在空间探索圆内不存在任何障碍物。该算法分成了空间探索与启发式搜索两部分:
1、空间探索
首先在自车当前位置与规划终点分别生成两个空间探索圆,然后在起点探索圆圆周上,在起点朝向方向的角度邻域内进行采样,采样点作为圆心生成子探索圆,以类似A*搜索的方式对子圆评价、选择并继续后续探索,直至某探索圆与终点探索圆重合度大于一定阈值后,完成空间探索。空间探索得到了一系列始于起点探索圆、终于终点探索圆的圆序列,又称探索走廊。
如图1所示为本发明中的空间探索一实施例的示意图。其中,黑色矩形表示障碍物,实线圆框分别表示起点、终点空间探索圆;虚边圆框表示最终的探索走廊,黑色小圆表示探索走廊每个圆所对应的圆心,将圆心依次连接可以得到圆心路径。
2、启发式搜索
在得到探索走廊后,可以在探索走廊内进行满足阿克曼转向模型的启发式搜索,进而得到一条位于探索走廊内的、满足运动学约束的路径。其具体搜索方式与常用的DWA算法等采样算法基本类似,属于业内常用方式。
然而发明人发现,上述现有方法在第一步空间探索时会使用空间探索圆对起点、终点间的环境进行搜索,当终点被占据时,终点对应的探索圆无法生成,因此会导致路径规划失败。此外,上述现有方法第二步启发式搜索过程中,同样要求一次规划至确切的终点位置,对于本发明所描述的“限定空间范围”场景而言,规划效率较低、失败率更高。
于是发明人设计了一种路径规划方法,该路径规划方法可以是应用于“限定空间范围”场景的自适应探索的实时局部路径规划方法。其主要目的是为了解决在“限定空间范围内”,当规划终点(目标点)被障碍物占据时,传统的规划方法无法搜索到可行解的问题。由于在“限定空间范围”场景中,往往对车辆行驶至确切的目标位置的需求并不大,只需要车辆顺利进入空间内即可,因此本发明设计了一种启发式搜索方法,使得车辆能够自适应的处理环境信息,实时规划路径完成上述任务。
如图2所示,本发明的实施例提供一种路径规划方法,包括:
S11、将围绕目标点的预设范围标定为空闲区域,并豁免所述空闲区域内的障碍物;所述目标点为移动装置待进入的目标区域中的一点。
示例性地,移动装置可以是车辆。对于车辆将要进入的目标区域(例如,私人车库、电梯间等区域)可以从中选择任意一点作为目标点,然后规划从车辆当前位置到目标点的路径。为了避免目标点或者靠近目标点存在障碍物影响到路径规划,本发明实施例将围绕该目标点的预设范围标定为空闲区域,并豁免空闲区域的障碍物(这里的豁免指的是忽略障碍物的存在),从而避免了障碍物的存在影响路径规划。
示例性地,预设范围可以是以目标点为中心的一定范围区域,该范围区域可以是圆形区域或者是正方形区域或者是其它任意形状的区域,本发明对此不作限定。
S12、在移动装置的当前位置点和所述目标点之间进行空间探索得到初始路径。
示例性地,在确定了车辆的当前位置和将要到达的目标位置之后,可以根据预先构建的地图数据来规划从当前位置到达目标位置的初始路径。地图数据中包括环境信息、障碍物信息等。预先构建的地图数据可以是对应于不同场所。例如,不同场所可以为商场、地铁站、办公楼、停车场、科技园区等。
S13、取消对所述空闲区域内的障碍物的豁免。
示例性地,在S12中得到初始路径之后取消对围绕目标点的预设范围内的标定,并撤销对该预设范围内的障碍物的豁免。从而便于后续进行实时路径探索时规避该预设范围内的障碍物。
S21、确定与所述当前位置点对应的多个探索点,并分别生成从所述当前位置点到各探索点之间的探索路径,得到多条探索路径。
示例性地,车辆处于当前位置时无论是处于静止状态还是处于运动状态,都会有多种可行驶方向及路径。本实施例中可以结合车辆的运动学约束条件来确定初步确定多个探索点,然后将当前位置到探索点之间的路径确定为探索路径。该探索路径就是车辆可以行驶的路径。其中,车辆的运动学约束条件可以是车辆的最小转弯半径、车辆的制动距离、车辆的加速度等。
S22、从所述多条探索路径中选择最小代价路径作为所述移动装置的目标规划路径。
示例性地,在基于车辆的运动学约束条件确定了多条探索路径之后,进一步结合已经规划好的初始路径作为参考辅助,从多条探索路径中筛选出代价最小的探索路径作为移动装置的目标规划路径,以便于规划出最合理的路径。
本实施例中的路径规划方法首先从车辆将要进入的目标区域中选择目标点,并暂时性的忽略围绕该目标点预设范围内的障碍物来完成初始路径的规划,然后再结合该初始路径进行实时路径探索得到最小代价的探索路径。在初始路径确定阶段豁免目标点预设范围内的障碍物,确保了能够成功的完成初始路径的规划。在进入探索路径确定阶段之前撤销对围绕目标点预设范围内的障碍物的豁免,并结合规划出的初始路径进行实时的路径探索,从而能够得到符合实际环境信息的最小代价探索路径作为移动装置的目标规划路径。
如图3所示,本发明的实施例提供一种路径规划方法,该实施例中还包括:
S31、控制所述移动装置按照所述目标规划路径行驶。
示例性地,移动装置可以是但不限于车辆。在确定了当前位置点的最小代价目标规划路径之后控制车辆沿着该目标规划路径行驶,并且在行驶的过程中可以按照一定的频率来探索新的目标规划路径。车辆一边按照当前的目标规划路径行驶,一边探索新的目标规划路径。该频率可以是固定间隔时间或者是固定间隔距离等,本发明对此不作限定。
S32、判断所述目标规划路径的探索点与所述目标点之间的距离是否小于预设距离阈值;若是则执行步骤S31,若否则执行步骤S33。
S33、获取所述移动装置的新的当前位置点,并基于所述新的当前位置点执行所述步骤S21~S22以确定新的目标规划路径。
本实施例中,在车辆行驶过程中实时的进行新的当前位置点和新的目标规划路径的探索,并且可以在每次确定了新的目标规划路径之后,判断该新的当前位置点与目标点之间的距离是否小于预设阈值,以确定车辆是否已经达到了目标区域。示例性地,预设阈值可以根据实际情况来确定。例如,如果目标区域比较大,则可以设置较大的预设阈值,如果目标区域较小,则可以设置较小的预设阈值。
如图4所示,本发明的实施例提供一种路径规划方法,其中,步骤S22从所述多条探索路径中选择最小代价路径作为所述移动装置的目标规划路径,包括:
S221、针对每个探索点,执行以下步骤:计算探索点对应于预设的各代价因子的代价值;将所述探索点对应于预设的各代价因子的代价值输入预设的代价函数中得到所述探索点对应的代价值;
S222、将代价值最小的探索点对应的探索路径确定为目标规划路径。
示例性地,预设的代价因子包括以下一个或多个:
距离代价因子;所述距离代价因子与探索点到所述初始路径上的预设点之间的距离相关,探索点到所述初始路径上的预设点之间的距离越小,所述探索点对应于所述距离代价因子的距离代价值越小;
空旷程度因子;所述空旷程度因子与探索点周围的空旷程度相关,所述探索点周围越空旷,所述探索点对应于空旷程度因子的空旷程度代价值越小;
朝向代价因子;所述朝向代价因子与所述移动装置在所述探索点时的朝向相关,越朝向所述初始路径则所述探索点对应于朝向代价因子的朝向代价值越小;
碰撞代价因子;所述碰撞代价因子与所述移动装置在探索点对应的探索路径上是否会与障碍物碰撞相关;如果不会碰撞则所述探索点对应于碰撞代价因子的碰撞代价值为0,否则所述碰撞代价因子的碰撞代价值不为0。
示例性地,所述预设点为所述目标点和/或用于确定所述初始路径的参考点。相应的距离代价因子包括第一距离代价因子和第二距离代价因子。距离代价因子所对应的距离代价值可以由第一距离代价因子和第二距离代价因子所对应的第一距离代价值和第二距离代价值确定。示例性地,距离代价值可以为第一距离代价值和第二距离代价值的加权和。
本实施例中,初始路径作为辅助进行探索路径的确定,可以确保在实时探索路径时不过度偏离初始路径,提升探索路径的可靠性及合理性。因此本实施例通过判断所确定的探索点与初始路径上的预设点之间的距离来判断探索点的代价值(通常情况下,距离越远说明相应的探索点偏离初始路径越远,相应的代价值越大,相反则代价值越小),选出最小代价值对应探索点作为目标探索点,进一步确定相应的目标探索路径。
发明人在实现本发明的过程中发现,仅考虑探索点偏离初始路径的情况来确定该探索点的代价值,如果碰到代价值较为接近的探索点时,简单的取代价值大的探索点为目标探索点往往可能会导致误判。所以发明人进一步考虑了探索点周围的空旷程度。
在一些实施例中,所述空旷程度因子与探索点周围的空旷程度相关;所述探索点周围越空旷,所述探索点对应于空旷程度因子的空旷程度代价值越小。
本实施例中探索点周围越是空旷,则表明该探索点附近的可通行性越好,车辆可以更加安全可靠的从该探索点周围通过,相应的车辆从该探索点周围通过的代价值就越小。
在一些实施例中,所述朝向代价因子与所述移动装置在探索点时的朝向相关;如果所述朝向指向所述初始路径则所述探索点对应于朝向代价因子的朝向代价值为0,否则所述探索点对应于朝向代价因子的朝向代价值为+∞。
示例性地,移动装置可以是但不限于车辆。当车辆在探索点时的朝向是背离初始路径的,则说明车辆将从该探索点偏离初始路径,而然而初始路径作为预先确定的参考路径,在一定程度上是通往目标区域的代价最小的路径。因此,如果车辆在探索点的朝向指向初始路径,则表明车辆未偏离初始路径,反之则说明车辆已经严重偏离初始路径了,这个将会极大的增大到达目标区域的代价。因此本实施例对于车辆朝向初始路径的探索点赋予朝向代价值为0,否则将探索点的朝向代价值赋予+∞。
在一些实施例中,所述碰撞代价因子与所述移动装置在探索点的探索路径上是否会与障碍物碰撞相关;如果不会碰撞则所述探索点对应于碰撞代价因子的碰撞代价值为0,否则所述探索点对应于碰撞代价因子的碰撞代价值不为0。
本实施例中通过确定探索路径上是否存在导致车辆发生碰撞的障碍物来选择探索路径。如果探索路径上存在障碍物表明该探索路径是不可通行的,设置一定的非零碰撞代价值,如果不存在障碍物,则表明该探索路径是可通行的,所以设置碰撞代价值为0。
在一些实施例中,所述预设代价函数根据所述距离代价因子、所述空旷程度因子、所述朝向代价因子和所述碰撞代价因子的加权和确定。
本实施例中综合考虑了多种代价因子,以更加合理准确的确定出探索点的代价值,从而最终选出最小代价的探索路径。
如图5所示,本发明的实施例提供一种路径规划方法,其中,步骤S21中确定与所述当前位置点对应的多个探索点,具体包括:
S211、当移动装置处于静止状态时,以所述移动装置的当前位置点为起点,分别以多个预设半径转过预设圆心角得到多个探索点。
示例性地,所述多个预设半径为所述移动装置的最小转弯半径的预设倍数,所述预设倍数取值为不小于1的数值。
S212、当移动装置处于运动状态时,以距离所述移动装置预设距离的位置点为起点,分别以多个预设半径转过预设圆心角得到多个探索点。
示例性地,所述预设圆心角取值范围为60度至100度。优选的预设圆心角配置为80度。
示例性地,移动装置可以为但不限于车辆。本实施例在确定车辆在当前位置的多个探索点时充分考虑了车辆的最小转弯半径和速度等运动学约束条件。例如,根据车辆的最小转弯半径确定多个预设半径,来相应的模拟出车辆能够到达的点的分布,并根据一定条件(例如,圆心角大小)确定出多个探索点。例如,分别对于运动状态(具有一定速度)和静止状态的车辆进行探索点确认。
如图6所示,本发明的实施例提供一种路径规划方法,其中,步骤S12具体包括:
S121、以当前位置点为圆心、以所述当前位置点距离最近障碍物的距离为半径的圆作为起点探索圆;
S122、以所述目标点为圆心、以所述目标点距离最近障碍物的距离为半径的圆作为终点探索圆;
S123、在所述起点探索圆和所述终点探索圆之间进行空间探索得到多个中间探索圆,将各探索圆的圆心之间的连线作为初始路径。
示例性地,移动装置可以是但不限于车辆。在车辆当前位置点与规划终点(即,目标点)分别生成两个空间探索圆,然后在起点探索圆圆周上,在起点朝向方向的角度邻域内进行采样,采样点作为圆心生成子探索圆,以类似A*搜索的方式对子圆评价、选择并继续后续探索,直至某探索圆与终点探索圆重合度大于一定阈值后,完成空间探索。空间探索得到了一系列始于起点探索圆、终于终点探索圆的圆序列。然后连接所得到的圆序列中各个圆的圆心得到圆心路径作为初始路径。
本发明主要包括障碍物豁免的空间探索以及环境自适应实时搜索,障碍物豁免的空间探索采用与前述实施例类似的处理方式,环境自适应实时搜索包含探索点生成、探索点评价两部分。
如图7所示为本发明中的图例示意图。其中,图7中左侧图例表示车辆模型,箭头方向指向车辆前进的方向,S表示其后轴中心位置;车辆坐标系即为原点位于S,横轴与车辆前进方向一致,纵轴朝向车辆前进方向左侧的坐标系,用VCS表示;中间图例表示区域边界,例如上文中提到的电梯空间或停车的目标区域边界,在规划中被视为障碍物;右侧图例则表示一般障碍物。
1、障碍物豁免的空间探索
同样以上文提到的“自主进入电梯空间”为例,假设以电梯空间中心点作为目标点,目标点附近往往存在被障碍物占据的情况,但电梯中很可能仍存在其余可使用的空间,如果强制车辆必须到达目标点位置,那么当目标点被障碍物占据时路径规划无法找到可行解。当然在目标点被占据时尝试更换目标点位置也是一种解决方案,但这种方案强依赖于感知模块乃至认知模块对环境信息的理解程度,本发明侧重于从规划的角度解决问题,因此不做详细讨论。
为了能够避免目标点被占据导致的规划失败,本发明在目标点附近一定区域内设置了障碍物豁免,即在做空间探索时忽略一定范围内的障碍物,保证初始的空间探索不因目标点被占据而失败。
如图8所示为本发明中目标点附近障碍物豁免前的示意图。图9为本发明中目标点附近障碍物豁免后的示意图。其中,实线圆表示目标点,虚线圆表示障碍物豁免范围,其半径不得大于限定空间的大小;被豁免的障碍物用点划线表示,在做空间探索时不考虑被豁免障碍物的影响。
如图10所示为障碍物豁免后使用空间探索方法得到的结果的示意图。其中,S0表示车辆初始状态下后轴中心位置,Pathc表示圆心路径。
2、环境自适应实时搜索
在得到了圆心路径的基础上,本发明设计了一种环境自适应探索的探索点(采样点)生成以及评价方式。
2.1、探索点生成
探索点生成时,要考虑车辆运动学约束的限制,由于圆弧曲线天然符合车辆运动学特性,因此本发明设计的探索点生成方式如下:
如图11所示为本发明中车辆前进方向左侧的探索点示意图。其中S表示车辆采样状态下后轴中心位置,L表示按照当前车速预留的一段距离(本发明中取1倍当前车速),O表示距S长度为L的位置;圆形节点qi∈Q={ai,bi,ci,di,...}即表示探索点,其生成方式为以O为起点,Ri∈{R0,R1,R2}为半径,圆心角为γ的圆弧终点(qi,本发明中γ取经验值80°),由S起始至qi为止的圆弧曲线称为qi相应的探索路径。特别的,d1,d2表示与自车当前朝向相同(反)的采样,其长度为固定长度(从O到d1或者d2的距离)。类似的,生成车辆前进、后退以及静止时的采样方式如图12a-图12c。其中,图12a为本发明中车辆前进时的探索点示意图。图12b为本发明中车辆后退时的探测点示意图。图12c为本发明中车辆静止状态下的探测点示意图。
当车辆静止时由于车速为0,O即为S所在位置。
对于圆弧半径Ri∈{R0,R1,R2}的设计,本发明中使用车辆最小转弯半径作为R0、R1、R2则取经验值:R1=1.4·R0,R2=2.7·R0。
2.2、探索点评价
按照2.1所述方法得到一系列探索点qi∈Q={ai,bi,ci,di,...}后,需要按照某种规则对这些探索点进行评价,进而选择一个最优的探索点对应的探索路径作为车辆的行驶路径。
如图13所示为本发明中车辆沿某一个探索路径到达探索点q的示意图。车辆到达q时其位于车辆坐标系朝向角度为θq,方向向量为如图14所示为本发明中探索路径上存在障碍物的示意图。图14表示假设车辆沿某一个探索路径行驶时,未完整走完探索路径就发生碰撞,Lcollision表示沿探索路径至碰撞位置的长度。
对于任意探索点q,本发明提出的探索点评价函数由五部分组成:
1)探索点距离终点(即,目标点)的第一距离代价因子C1
如图15所示为本发明中探索点q与目标点之间的距离示意图。Target表示目标点位置,表示q距离Target的距离,假设k1表示权重,则:
第一距离代价因子C1中计算距离的方式可以为欧氏距离,亦可以为Dubins长度、RS曲线长度等距离描述方式。
2)探索点距离圆心路径的第二距离代价因子C2
如图16所示为探索点q与圆心路径上最接近圆心点之间的距离示意图。表示圆心路径上距q最近的圆心点,/>表示q距离/>的欧氏距离,假设k2表示权重,Bound障碍物豁免范围,则:
第二距离代价因子C2中计算距离的方式可以为欧氏距离,亦可以为Dubins长度、RS曲线长度等距离描述方式。
3)探索点附近空旷程度的空旷程度因子C3
如图17所示为探索点空旷程度示意图。Rq表示以q为圆心,能够生成探索圆的最大半径,假设k3表示权重,表示一开始探索时(S0)车辆距离Target的距离,则:
C3=k3·Rq
上述实施例中的不同代价值权重,本发明中使用对数函数形式作为示例,但并不限于此。实际设计时只需要保证随着车辆靠近目标位置,k1、k2相应减小,而k3维持在较高水平即可,也可以通过线性、指数等函数形式实现。
4)探索点是否指向圆心路径的朝向代价因子C4
如图16中所示,表示车辆位于探索点q时的朝向,/>表示q指向最近圆心点Path的向量,则:
5)探索路径的碰撞代价因子C5
对于单个探索点q,其总代价为:
通过选择总代价最小的探索点,能确定车辆当前所选择的相应探索路径,沿所选探索路径行驶时进行定频重规划,重复2.1至2.2的步骤,直至车辆到达目标点一定范围内为止。假设车辆位于起始位置S0,沿探索路径行驶至位置S1进行重规划,如图18为本发明中车辆从启示位置沿探索路径形式至位置S1的示意图。如图19为本发明中的车辆经过一系列的实时规划到达最终位置的示意图。其中,最终到达距终点距离/>的位置Sn。
本发明实施例提供了一种应用于“限定空间范围”场景的自适应探索的实时局部路径规划方法,其主要优点如下:
1.将原始目标点周围一定范围内障碍物暂时豁免,保证空间探索能够搜索到一条圆心路径,圆心路径仅作为实时局部路径规划的辅助项,引导其靠近真实目标。
2.提出了一种前、后向探索方式,以及对探索点的评价函数,能够综合考量多种约束条件对探索点进行筛选,自适应的探索空间环境。采用实时(定频)规划的方式,增加规划的成功率。
本发明实施例将原始目标点周围一定范围内障碍物暂时豁免,保证空间探索能够搜索到一条圆心路径,圆心路径仅作为实时局部路径规划的辅助项,引导其靠近真实目标。设计了一种前、后向探索方式,以及对探索点的评价函数,能够综合考量多种约束条件对探索点进行筛选,自适应的探索空间环境。采用实时(定频)规划的方式,增加规划的成功率。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作合并,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在一些实施例中,本发明实施例还提供一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行路径规划方法。
在一些实施例中,本发明实施例还提供一种移动装置,包括本体和所述本体上安装的根据前述实施例所述的电子设备。
在一些实施例中,本发明实施例提供一种计算机可读存储介质,包括程序或指令,当所述程序或指令在计算机上运行时,实现本发明任意一项实施例所述的路径规划方法。
在一些实施例中,本发明实施例还提供一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明任意一项实施例所述的路径规划方法。
图20是本申请另一实施例提供的执行路径规划方法的电子设备的硬件结构示意图,如图20所示,该设备包括:
一个或多个处理器2010以及存储器2020,图20中以一个处理器2010为例。
执行路径规划方法的设备还可以包括:输入装置2030和输出装置2040。
处理器2010、存储器2020、输入装置2030和输出装置2040可以通过总线或者其他方式连接,图20中以通过总线连接为例。
存储器2020作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的路径规划方法对应的程序指令/模块。处理器2010通过运行存储在存储器2020中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例路径规划方法。
存储器2020可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据路径规划装置的使用所创建的数据等。此外,存储器2020可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器2020可选包括相对于处理器2010远程设置的存储器,这些远程存储器可以通过网络连接至路径规划装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置2030可接收输入的数字或字符信息,以及产生与路径规划装置的用户设置以及功能控制有关的信号。输出装置2040可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器2020中,当被所述一个或者多个处理器2010执行时,执行上述任意方法实施例中的路径规划方法。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本申请实施例的电子设备以多种形式存在,包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod),掌上游戏机,电子书,以及智能玩具和便携式车载导航设备。
(4)其他具有数据交互功能的机载电子装置,例如安装上车辆上的车机装置。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关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计算机可读存储介质中,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,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (11)
1.一种路径规划方法,其特征在于,包括:
步骤S11、将围绕目标点的预设范围标定为空闲区域,并豁免所述空闲区域内的障碍物;所述目标点为移动装置待进入的目标区域中的一点;
步骤S12、在移动装置的当前位置点和所述目标点之间进行空间探索得到初始路径;
步骤S13、取消对所述空闲区域内的障碍物的豁免;
步骤S21、确定与所述当前位置点对应的多个探索点,并分别生成从所述当前位置点到各探索点之间的探索路径,得到多条探索路径;
步骤S22、从所述多条探索路径中选择最小代价路径作为所述移动装置的目标规划路径。
2.根据权利要求1所述的方法,其特征在于,在步骤S22之后,还包括:
步骤S31、控制所述移动装置按照所述目标规划路径行驶;
步骤S32、判断所述目标规划路径的探索点与所述目标点之间的距离是否小于预设距离阈值;若是则执行步骤S31,若否则执行步骤S33;
步骤S33、获取所述移动装置的新的当前位置点,并基于所述新的当前位置点执行所述步骤S21~S22以确定新的目标规划路径。
3.根据权利要求1所述的方法,其特征在于,步骤S22具体包括:
针对每个探索点,执行以下步骤:计算探索点对应于预设的各代价因子的代价值;将所述探索点对应于预设的各代价因子的代价值输入预设的代价函数中得到所述探索点对应的代价值;
将代价值最小的探索点对应的探索路径确定为目标规划路径。
4.根据权利要求3所述的方法,其特征在于,预设的代价因子包括以下一个或多个:
距离代价因子;所述距离代价因子与探索点到所述初始路径上的预设点之间的距离相关,探索点到所述初始路径上的预设点之间的距离越小,所述探索点对应于所述距离代价因子的距离代价值越小;
空旷程度因子;所述空旷程度因子与探索点周围的空旷程度相关,所述探索点周围越空旷,所述探索点对应于空旷程度因子的空旷程度代价值越小;
朝向代价因子;所述朝向代价因子与所述移动装置在所述探索点时的朝向相关,越朝向所述初始路径则所述探索点对应于朝向代价因子的朝向代价值越小;
碰撞代价因子;所述碰撞代价因子与所述移动装置在探索点对应的探索路径上是否会与障碍物碰撞相关;如果不会碰撞则所述探索点对应于碰撞代价因子的碰撞代价值为0,否则所述碰撞代价因子的碰撞代价值不为0。
5.根据权利要求1-4中任一项所述的方法,其特征在于,步骤S21中确定与所述当前位置点对应的多个探索点,具体包括:
当移动装置处于静止状态时,以所述移动装置的当前位置点为起点,分别以多个预设半径转过预设圆心角得到多个探索点;
当移动装置处于运动状态时,以距离所述移动装置预设距离的位置点为起点,分别以多个预设半径转过预设圆心角得到多个探索点。
6.根据权利要求5所述的方法,其特征在于,所述多个预设半径为所述移动装置的最小转弯半径的预设倍数,所述预设倍数取值为不小于1的数值。
7.根据权利要求5所述的方法,其特征在于,所述预设圆心角取值范围为60度至100度。
8.根据权利要求1-4中任一项所述的方法,其特征在于,步骤S12具体包括:
以当前位置点为圆心、以所述当前位置点距离最近障碍物的距离为半径的圆作为起点探索圆;
以所述目标点为圆心、以所述目标点距离最近障碍物的距离为半径的圆作为终点探索圆;
在所述起点探索圆和所述终点探索圆之间进行空间探索得到多个中间探索圆,将各探索圆的圆心之间的连线作为初始路径。
9.一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任意一项所述的路径规划方法。
10.一种移动装置,包括本体和所述本体上安装的根据权利要求9所述的电子设备。
11.一种计算机可读存储介质,其特征在于,包括程序或指令,当所述程序或指令在计算机上运行时,实现如权利要求1-8中任意一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111314638.9A CN114184203B (zh) | 2021-11-08 | 2021-11-08 | 路径规划方法、电子设备及移动装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111314638.9A CN114184203B (zh) | 2021-11-08 | 2021-11-08 | 路径规划方法、电子设备及移动装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114184203A CN114184203A (zh) | 2022-03-15 |
CN114184203B true CN114184203B (zh) | 2023-12-19 |
Family
ID=80540820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111314638.9A Active CN114184203B (zh) | 2021-11-08 | 2021-11-08 | 路径规划方法、电子设备及移动装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114184203B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116698047B (zh) * | 2023-08-07 | 2023-11-17 | 广东南方电信规划咨询设计院有限公司 | 勘探设备的勘探路径规划方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
CN109900289A (zh) * | 2019-03-18 | 2019-06-18 | 北京智行者科技有限公司 | 基于闭环控制的路径规划方法及装置 |
CN110929702A (zh) * | 2020-01-22 | 2020-03-27 | 华人运通(上海)新能源驱动技术有限公司 | 一种轨迹规划方法、装置、电子设备和存储介质 |
CN112880700A (zh) * | 2021-02-26 | 2021-06-01 | 重庆智行者信息科技有限公司 | 原地转向车辆的局部路径规划方法及装置 |
CN113009918A (zh) * | 2021-03-09 | 2021-06-22 | 京东鲲鹏(江苏)科技有限公司 | 路径规划方法、装置、系统及可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6745456B2 (ja) * | 2015-12-08 | 2020-08-26 | パナソニックIpマネジメント株式会社 | 駐車支援装置、駐車支援方法及び駐車支援プログラム |
CN108168566B (zh) * | 2016-12-07 | 2020-09-04 | 北京三快在线科技有限公司 | 道路确定方法、装置及电子设备 |
-
2021
- 2021-11-08 CN CN202111314638.9A patent/CN114184203B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
CN109900289A (zh) * | 2019-03-18 | 2019-06-18 | 北京智行者科技有限公司 | 基于闭环控制的路径规划方法及装置 |
CN110929702A (zh) * | 2020-01-22 | 2020-03-27 | 华人运通(上海)新能源驱动技术有限公司 | 一种轨迹规划方法、装置、电子设备和存储介质 |
CN112880700A (zh) * | 2021-02-26 | 2021-06-01 | 重庆智行者信息科技有限公司 | 原地转向车辆的局部路径规划方法及装置 |
CN113009918A (zh) * | 2021-03-09 | 2021-06-22 | 京东鲲鹏(江苏)科技有限公司 | 路径规划方法、装置、系统及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114184203A (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11772654B2 (en) | Occupancy prediction neural networks | |
CN108089572B (zh) | 用于车辆定位的方法和装置 | |
US10137896B2 (en) | Method and system for operating autonomous driving vehicles using graph-based lane change guide | |
CN111301409A (zh) | 一种泊车路径规划方法、装置、车辆和存储介质 | |
CN109521763A (zh) | 用于自动驾驶车辆的基于约束平滑样条的路径优化 | |
JP2019533810A (ja) | 自律的車両制御のためのニューラルネットワークシステム | |
CN109900289B (zh) | 基于闭环控制的路径规划方法及装置 | |
CN114830138A (zh) | 训练轨迹评分神经网络以准确分配分数 | |
CN109916421B (zh) | 路径规划方法及装置 | |
CN109300324A (zh) | 一种无人驾驶汽车的环境信息获取方法及装置 | |
JP2018147081A (ja) | 移動体制御システム | |
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 | |
Bonetto et al. | irotate: Active visual slam for omnidirectional robots | |
CN114184203B (zh) | 路径规划方法、电子设备及移动装置 | |
US11657268B1 (en) | Training neural networks to assign scores | |
CN113739805A (zh) | 路径规划信息采集方法、路径规划方法及电子设备 | |
CN115562290A (zh) | 一种基于a星惩罚控制优化算法的机器人路径规划方法 | |
Chipka et al. | Estimation and navigation methods with limited information for autonomous urban driving | |
CN114750782A (zh) | 路径规划方法、装置、设备及车辆控制方法、装置、设备 | |
CN117734676B (zh) | 一种自动泊车方法、装置、设备及存储介质 | |
CN116533992B (zh) | 基于深度强化学习算法的自动泊车路径规划方法及其系统 | |
CN115214624B (zh) | 泊车路径的确定方法、装置、车辆及存储介质 | |
Turk et al. | Precise Vehicle Positioning for Indoor Navigation via OpenXC. | |
CN117765796B (zh) | 自动驾驶教学系统、方法及装置 | |
Tilly et al. | Navigating the Future: an approach of autonomous indoor 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 |