CN114754787A - 路径规划方法和设备、计算机可读存储介质 - Google Patents
路径规划方法和设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN114754787A CN114754787A CN202210421431.XA CN202210421431A CN114754787A CN 114754787 A CN114754787 A CN 114754787A CN 202210421431 A CN202210421431 A CN 202210421431A CN 114754787 A CN114754787 A CN 114754787A
- Authority
- CN
- China
- Prior art keywords
- node
- cost
- path planning
- distance
- nodes
- 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
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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/3407—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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明揭示了一种路径规划方法和设备、计算机可读存储介质,所述路径规划方法包括:在初始点和目标点之间生成开放列表;对开放列表中的节点根据代价最小原则逐次获得当前节点,分析每次的当前节点是否为最优节点并依据分析结果扩展开放列表,直至一个当前节点成为最优节点;以及至少依据所述最优节点进行路径规划。本发明通过代价最小原则获得当前节点,实现了计算过程的简化,可以快速遍历所有可行的点并评估出最优节点,有效缩短计算时间,提高计算效率。
Description
技术领域
本发明涉及自动驾驶技术领域,特别是涉及一种路径规划方法和设备、计算机可读存储介质。
背景技术
自动驾驶已经成为人们耳熟能详的技术名词,但是自动驾驶技术的开发依然任重道远。
自动驾驶或者无人驾驶的车辆在运动,往往处于动态变化的环境中。在这种情况下,规划算法需要根据车辆实时位置和局部环境信息更新规划轨迹,以达到避障的目的。也就是说,虽然在理想情况下,车辆的规划轨迹与参考轨迹比较吻合,但车辆避障或车辆离参考线较远时,需要有一段路线将当前位置与目标点连接起来,同时避免与障碍物的碰撞。
发明内容
本发明的主要目的在于解决快速高效的进行路径规划的问题。
根据本发明的第一方面,提供了一种路径规划方法,用于进行初始点和目标点之间的寻路,包括:
在初始点和目标点之间生成开放列表;
对开放列表中的节点根据代价最小原则逐次获得当前节点,分析每次的当前节点是否为最优节点并依据分析结果扩展开放列表,直至一个当前节点成为最优节点;以及
至少依据所述最优节点进行路径规划。
可选的,所述代价最小原则考虑的因素包括:
安全性、参考线的匹配效果、父子节点之间的移动代价以及父节点的代价值。
可选的,所述分析每次的当前节点是否为最优节点并依据分析结果扩展开放列表包括:
分析所述当前节点和所述目标点之间的距离是否小于阈值,若否,则进行扩展开放列表;反之,则继续判断所述当前节点和所述目标点之间是否能直接生成一段无碰撞的RS曲线,若否,则将所述当前节点存入封闭列表,若是,则所述当前节点为最优节点。
可选的,所述扩展开放列表包括:
将与所述当前节点相邻的无碰撞且不属于封闭列表的扩展节点存入所述开放列表中。
可选的,将所述扩展节点存入所述开放列表中时,所述扩展节点的代价也存入。
可选的,所述扩展节点的代价包括行驶代价和启发代价。
可选的,所述行驶代价的计算公式为:
Ctraj=Ccur+Ccur_new+Cobs+Cref
其中,Ccur为父节点的代价,Ccur_new为父子节点之间的移动代价,Cobs为扩展节点与障碍物的距离代价,Cref为与参考点之间的距离代价。
可选的,所述父子节点之间的移动代价的计算公式如下:
Ccur_new=Cstep_num+Cgear_change+Csteer+Csteer_change
Cstep_num代表两节点之间的距离代价,等于两节点之间的距离乘以系数,即Δs0*penaltydis;Cgear_change代表父子节点是否一个属于前向行驶而另一个属于后向行驶,若存在,使用一个常量penaltySteerChange作为代价值;Csteer代表子节点的转向代价,计算方式为:Csteer=|steer|*penaltysteer,即转角的绝对值乘以系数;表示父子节点之间的转角差值的代价,即两点间移动式方向盘是否需要摆动,计算方式为:即转角差值乘以系数。
可选的,所述扩展节点与障碍物的距离代价Cobs,在距离大于等于阈值threshold时是一个常数cons,当距离小于阈值时,计算公式为:
其中Δs为所述扩展节点与障碍物的距离,weightobs为权重。
可选的,所述与参考点之间的距离代价Cref的计算方式为:将扩展节点投影到参考线上,计算出对应参考点,所述与参考点之间的距离代价Cref包括扩展节点与参考点之间的欧拉距离、航向角差值的绝对值,其中,欧拉距离与航向角差值的绝对值还分别对应乘以设定的系数。
可选的,所述启发代价的计算公式为:
其中,Δx表示在坐标系中扩展节点与终点之间x轴的间距,Δy表示扩展节点与终点之间y轴的间距,weightheuristic为权重。
可选的,当获得最优节点后,根据所述初始点、所述最优节点及其之前的各个当前节点、以及所述目标点进行路径规划。
根据本发明的第二方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上所述的路径规划方法。
根据本发明的第三方面,提供一种路径规划设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述路径规划设备执行如上所述的路径规划方法。
与现有技术相比,本发明提供的一种路径规划方法,包括:在初始点和目标点之间生成开放列表;对开放列表中的节点根据代价最小原则逐次获得当前节点,分析每次的当前节点是否为最优节点并依据分析结果扩展开放列表,直至一个当前节点成为最优节点;以及至少依据所述最优节点进行路径规划。本发明通过代价最小原则获得当前节点,实现了计算过程的简化,可以快速遍历所有可行的点并评估出最优节点,有效缩短计算时间,大大的提高了计算效率。
进一步的,本发明可以兼顾RS曲线的连续性和寻路的效率。
附图说明
图1为本发明一实施例中的路径规划方法的流程示意图;
图2为本发明一实施例中的路径规划设备的结构示意图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
随着科技的不断发展,人工智能技术在各个领域得到的广泛应用。
例如,2010年,斯坦福首次提出一种满足车辆运动学的混合A星算法(Hybrid A*),并在DARPA的城市挑战赛中得以运用。
混合A星算法虽然能保证生成的路径是车辆可实际行驶的,但它仍然包含很多不必要的车辆转向操作,混合A星有一个遍历所有可行节点的过程,这个可行节点的集合是不断进行相邻节点扩展得到的。因此,传统计算过程复杂。
为了提高计算效率,以便更快结束节点的遍历过程,本发明希望能先评估节点集合中最优的节点。于是,本发明在扩展相邻节点的过程中,也对每个备选节点的代价进行计算。
为便于理解,下面对本发明实施例的具体流程进行描述,如图1所示,本发明实施例提供的一种路径规划方法,用于进行初始点和目标点之间的寻路,包括:
在初始点和目标点之间生成开放列表;
对开放列表中的节点根据代价最小原则逐次获得当前节点,分析每次的当前节点是否为最优节点并依据分析结果扩展开放列表,直至一个当前节点成为最优节点;以及
至少依据所述最优节点进行路径规划。
在一个实施例中,可以采用例如混合A星求解模块来进行初始点和目标点之间信息的处理。
可以在混合A星求解模块中,将当前节点存入开放列表(open_set)中,例如,当前节点可以是从初始点开始,分析所述初始点和所述目标点之间的距离是否小于阈值,若否,则进行扩展开放列表;反之,则继续判断所述当前节点和所述目标点之间是否能直接生成一段无碰撞的RS(Reeds-Shepp)曲线,若否,则将所述初始点存入封闭列表(close_set),若是,则所述当前节点为最优节点。
RS曲线代表着车辆运动时的最短路径,一般由几段圆弧或圆弧与线段拼接而成,而且圆弧的半径就是汽车的最小转向半径,这里的路径长度是指车辆中心运动轨迹的长度,也就是所有圆弧的弧长和直线段的长度之和。考虑到行走的方向(左转向、右转向、前进、后退等)以及不同的组合顺序,RS曲线的种类多达40余种,能够在联通的两点之间找到可行的路线。为了避免无限制地使用RS曲线,本申请仅在当前节点与目标点之间距离小于一定距离(设定的阈值)时才进行RS曲线的匹配。
通常情况下,不易在初始点和目标点之间直接获得最优解,即直接生成无碰撞RS曲线,因此,需要对开放列表进行扩展。
在一些实现方式中,可以采用如下过程进行扩展开放列表:
将与所述当前节点相邻的无碰撞且不属于封闭列表的节点存入所述开放列表中。
可以理解的是,一个节点扩展出来的能够存入开放列表中的节点会有多个,若逐一对每个新扩展的节点都进行求解,则工作量将大大增加,不利于快速高效的进行遍历。
于是,本发明实施例将新扩展出来的节点存入所述开放列表中时,所述节点的代价也存入。在本发明实施例中,通过引入新扩展出来的节点的代价,进而通过代价比较,挑选出代价最小的节点,那么若该节点满足所需(即该节点和所述目标点之间能直接生成一段无碰撞的RS曲线),其即为最优节点,若该节点不能够满足所需,由于同批次的其他节点代价高于该节点,其他节点也不是最优节点。这样,能够大大降低遍历每个点所需的计算量。
其中,所述的一个节点和由该节点扩展出来的能够存入开放列表中的节点之间构成父子节点,即所述的一个节点为父节点,而由该节点扩展出来的节点则为子节点。
在一些实现方式中,至少考虑如下因素进行代价计算:
安全性、参考线的匹配效果、父子节点之间的移动代价以及父节点的代价值。
其中,安全性的考虑主要是引入与障碍物之间的距离,于是使用Voronoi(维诺图)作为辅助,进行安全性的评估。
可以理解的是,本发明中需求的是可以生成无碰撞的RS曲线,故与障碍物之间的距离应当被加以重视。维诺图往往作为寻路方式加以应用,而在本发明中,使用其作为和障碍物距离的查询手段,从而可以兼顾RS曲线的连续性和寻路的效率。
例如,采用维诺图时,至少考虑车体尺寸和设定的安全范围进行综合考量。
在本发明实施例的混合A星扩展open_set节点时,须考虑当前扩展节点的安全性,即离障碍物越远越好。维诺图作为一个重要的路径规划办法,会事先被生成出来,而在维诺图的计算过程中即可得到每个栅格与其最近障碍物的距离,这个数据可以直接被使用,节省计算量。可见,在使用维诺图的情况下,也有助于进一步降低本发明的计算量。
参考线的匹配效果主要考虑的可以是获得的线条与参考线之间的匹配度,通常越接近越好,则转换至代价中会使得代价变小。
父子节点之间的移动代价主要考虑的内容包括:距离,方向,速度等,例如距离涉及两个节点之间的(曲线)长度,而方向上的不同例如涉及到转向角、前进和倒车等。
另外,父节点在其作为扩展结点被存入open_set之前,就已经进行了以上计算,因此在循环时的每个父节点(即所述的一个节点)的代价值是已被赋予的。
基于上述因素,在选择下一个节点作为当前节点时,选取代价最小的节点作为当前节点。
在本发明一个实施例中,根据上述因素获得的代价的计算公式如下:
节点代价分为两个部分,行驶代价(TrajCost)和启发代价(HeuCost),在节点的数据格式中储存。行驶代价的计算公式为:
Ctraj=Ccur+Ccur_new+Cobs+Cref
其中,父节点的代价Ccur可以直接查询到,父子节点之间的移动代价Ccur_new计算公式如下:
Ccur_new=Cstep_num+Cgear_change+Csteer+Csteer_change
Cstep_num代表量节点之间的距离代价,等于两节点之间的距离乘以系数,即Δs0*penaltydis;Cgear_change代表父子节点是否一个属于前向行驶而另一个属于后向行驶,若存在,使用一个常量penaltySteerChange作为代价值。Csteer代表子节点的转向代价,计算方式为:Csteer=|steer|*penaltysteer,即转角的绝对值乘以系数。表示父子节点之间的转角差值的代价,即两点间移动式方向盘是否需要摆动,计算方式为:即转角差值乘以系数。
扩展节点与障碍物的距离代价Cobs,在距离大于阈值threshold时认为是一个常数cons,当距离小于阈值时,计算公式为:
与参考点之间的距离代价Cref的计算方式是将扩展节点投影到参考线上,计算出对应参考点,所述与参考点之间的距离代价Cref包括扩展节点与参考点之间的欧拉距离、航向角差值的绝对值,其中,欧拉距离与航向角差值的绝对值还分别对应乘以设定的系数。
启发代价,表示为扩展节点与终点(即目标点)之间的欧拉距离乘以权重,公式如下:
其中Δx表示在坐标系中扩展节点与终点之间x轴的间距,Δy表示扩展节点与终点之间y轴的间距,weightheuristic为权重。
通过上述过程,能够尽可能的将影响因素都加以考虑,实现从多个方面计算代价值,从而,获得的节点代价更精确。
根据以上过程进行重复,对每次的当前节点进行分析时,主要分析所述当前节点和所述目标点之间的距离是否小于阈值,若否,则进行扩展开放列表;反之,则继续判断所述当前节点和所述目标点之间是否能直接生成一段无碰撞的RS曲线,若否,则将所述当前节点存入封闭列表,并继续获得新的当前节点。
在重复执行过程中,若一个循环中的当前节点和所述目标点之间能直接生成一段无碰撞的RS曲线,则所述当前节点为最优节点。至此,循环过程结束。
通过在计算过程中将每个当前节点的代价限定在最小,从而实现计算过程的简化,可以快速遍历所有可行的点并评估出最优节点,有效缩短计算时间,大大的提高了计算效率。
当获得最优节点后,根据所述初始点、所述最优节点及其之前的各个当前节点、以及所述目标点进行路径规划。
可以理解的是,若在整个过程中,依然没有获得最优节点,即在一次循环时,当前节点与终点重合,则程序结束,这意味着在初始点和目标点之间无法生成合适的路径。
应该理解,以上所描述的实施例仅仅是示意性的,本发明实施例所揭露的方法,可以通过多种形式实现,例如通过一种装置实现,或者其它的方式实现。
例如,本发明的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得处理器执行时实现本发明各个实施例所述方法的全部或部分步骤。
也即,本领域内的技术人员应明白,本发明实施例可以采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式中的任一种实现。
基于此,本发明实施例还提供一种程序产品,该程序产品可以是U盘、移动硬盘、ROM、RAM、磁碟或者光盘等存储介质,存储介质上可以存储有计算机程序,计算机程序被处理器运行时执行如前述方法实施例中所述的路径规划方法的步骤。具体实现方式和技术效果类似,在此不再赘述。
可选地,本发明实施例还提供一种路径规划设备,该路径规划设备可以是服务器、计算机等设备,图2示出了本发明实施例提供的路径规划设备的结构示意图。
如图2所示,该电子设备可以包括:存储器201和至少一个处理器202,所述存储器201中存储有指令,所述存储器201和所述至少一个处理器202互连;
当路径规划设备运行时,处理器202与存储器201之间通过总线203通信,处理器202调用所述存储器201中的所述指令,以执行时执行如前述实施例中所述的路径规划方法的步骤。具体实现方式和技术效果类似,在此不再赘述。
为了便于说明,在上述电子设备中仅描述了一个处理器。然而,应当注意,一些实施例中,本发明中的路径规划设备还可以包括多个处理器,因此本发明中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若路径规划设备的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B等。
在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field ProgrammableGate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(Reduced Instruction Set Computing,RISC)、或微处理器等,或其任意组合。
以上仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,以及,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围,都应涵盖在本发明的保护范围之内。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种路径规划方法,其特征在于,包括:
在初始点和目标点之间生成开放列表;
对开放列表中的节点根据代价最小原则逐次获得当前节点,分析每次的当前节点是否为最优节点并依据分析结果扩展开放列表,直至一个当前节点成为最优节点;以及
至少依据所述最优节点进行路径规划。
2.如权利要求1所述的路径规划方法,其特征在于,所述代价最小原则考虑的因素包括:
安全性、参考线的匹配效果、父子节点之间的移动代价以及父节点的代价值。
3.如权利要求1所述的路径规划方法,其特征在于,所述分析每次的当前节点是否为最优节点并依据分析结果扩展开放列表包括:
判断所述当前节点和所述目标点之间的距离是否小于阈值;
若否,则进行扩展开放列表;反之,则继续判断所述当前节点和所述目标点之间是否能直接生成一段无碰撞的RS曲线,若否,则将所述当前节点存入封闭列表,若是,则所述当前节点为最优节点。
4.如权利要求3所述的路径规划方法,其特征在于,所述扩展开放列表包括:
将与所述当前节点相邻的无碰撞且不属于封闭列表的扩展节点存入所述开放列表中。
5.如权利要求4所述的路径规划方法,其特征在于,将所述扩展节点存入所述开放列表中时,所述扩展节点的代价也存入。
6.如权利要求5所述的路径规划方法,其特征在于,所述扩展节点的代价包括行驶代价和启发代价。
7.如权利要求6所述的路径规划方法,其特征在于,所述行驶代价的计算公式为:
Ctraj=Ccur+Ccur_new+Cobs+Cref
其中,Ccur为父节点的代价,Ccur_new为父子节点之间的移动代价,Cobs为扩展节点与障碍物的距离代价,Cref为与参考点之间的距离代价。
8.如权利要求7所述的路径规划方法,其特征在于,所述父子节点之间的移动代价的计算公式如下:
Ccur_new=Cstep_num+Cgear_change+Csteer+Csteer_change
10.如权利要求7所述的路径规划方法,其特征在于,所述与参考点之间的距离代价Cref的计算方式为:将扩展节点投影到参考线上,计算出对应参考点,所述与参考点之间的距离代价Cref包括扩展节点与参考点之间的欧拉距离、航向角差值的绝对值,其中,欧拉距离与航向角差值的绝对值还分别对应乘以设定的系数。
12.如权利要求1所述的路径规划方法,其特征在于,当获得最优节点后,根据所述初始点、所述最优节点及其之前的各个当前节点、以及所述目标点进行路径规划。
13.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行如权利要求1-12中任一项所述的路径规划方法。
14.一种路径规划设备,其特征在于,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述路径规划设备执行如权利要求1-12中任一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421431.XA CN114754787A (zh) | 2022-04-21 | 2022-04-21 | 路径规划方法和设备、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421431.XA CN114754787A (zh) | 2022-04-21 | 2022-04-21 | 路径规划方法和设备、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114754787A true CN114754787A (zh) | 2022-07-15 |
Family
ID=82331309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210421431.XA Pending CN114754787A (zh) | 2022-04-21 | 2022-04-21 | 路径规划方法和设备、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114754787A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115231293A (zh) * | 2022-08-05 | 2022-10-25 | 梅卡曼德(北京)机器人科技有限公司 | 应用于移动物品的路线确定方法、装置及设备 |
CN115326057A (zh) * | 2022-08-31 | 2022-11-11 | 深圳鹏行智能研究有限公司 | 路径规划方法、装置、机器人以及可读存储介质 |
-
2022
- 2022-04-21 CN CN202210421431.XA patent/CN114754787A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115231293A (zh) * | 2022-08-05 | 2022-10-25 | 梅卡曼德(北京)机器人科技有限公司 | 应用于移动物品的路线确定方法、装置及设备 |
CN115326057A (zh) * | 2022-08-31 | 2022-11-11 | 深圳鹏行智能研究有限公司 | 路径规划方法、装置、机器人以及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114754787A (zh) | 路径规划方法和设备、计算机可读存储介质 | |
EP3623759B1 (en) | A computer-implemented method and a system for defining a path for a vehicle within an environment with obstacles | |
US20200149906A1 (en) | Path planning method, system and device for autonomous driving | |
JP5086942B2 (ja) | 経路探索装置、経路探索方法、及び経路探索プログラム | |
CN112577491A (zh) | 一种基于改进人工势场法的机器人路径规划方法 | |
JP2017016645A (ja) | 半自律車両、及び、半自律車両を制御する方法 | |
CN110954122B (zh) | 高速场景下的自动驾驶轨迹生成方法 | |
CN110836671B (zh) | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 | |
US20060055776A1 (en) | Mobile unit motion calculating method, apparatus and navigation system | |
CN112731941B (zh) | 双足机器人路径规划方法、装置和双足机器人 | |
CN107289938B (zh) | 一种地面无人平台局部路径规划方法 | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN111664851B (zh) | 基于序列优化的机器人状态规划方法、装置及存储介质 | |
CN115077553A (zh) | 基于栅格搜索轨迹规划方法、系统、汽车、设备及介质 | |
Heinrich et al. | Real-time trajectory optimization under motion uncertainty using a GPU | |
WO2022148441A1 (zh) | 车辆泊车规划方法、装置、设备及计算机存储介质 | |
CN114428499A (zh) | 一种融合Astar与DWA算法的移动小车路径规划方法 | |
Chen et al. | A robust trajectory planning method based on historical information for autonomous vehicles | |
CN114590272A (zh) | 一种自动驾驶速度的规划方法及装置、车辆和存储介质 | |
Vlasak et al. | Accelerated rrt* and its evaluation on autonomous parking | |
Chang et al. | On-road trajectory planning with spatio-temporal informed RRT | |
CN113848881B (zh) | 一种消防车路径规划方法、系统、终端以及存储介质 | |
CN117302196A (zh) | 一种自动泊车路径规划方法、装置、电子设备及存储介质 | |
CN117519121A (zh) | 一种规划路径的生成方法、装置、终端设备和存储介质 | |
Lens et al. | Efficient path interpolation and speed profile computation for nonholonomic mobile robots |
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 |