CN115686016A - 一种路径规划方法、装置、设备和存储介质 - Google Patents
一种路径规划方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115686016A CN115686016A CN202211361071.5A CN202211361071A CN115686016A CN 115686016 A CN115686016 A CN 115686016A CN 202211361071 A CN202211361071 A CN 202211361071A CN 115686016 A CN115686016 A CN 115686016A
- Authority
- CN
- China
- Prior art keywords
- path
- sampling
- sampling point
- point
- path planning
- 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
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例公开了一种路径规划方法、装置、设备和存储介质,其中,方法包括:在待路径规划场景的地图中进行随机采样,得到多个采样点;从地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价;在地图中的路径规划起点与反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边,并基于有向连接边构建正向搜索树;根据路径代价,在正向搜索树中确定一条从路径规划起点到路径规划终点的目标路径。本发明实施例的技术方案解决了现有技术在进行路径规划时,路径代价计算准确性不足导致规划路径的有效性不足的问题,可以提高路径代价计算的准确性和规划路径的有效性。
Description
技术领域
本发明实施例涉及数据分析技术领域,尤其涉及一种路径规划方法、装置、设备和存储介质。
背景技术
路径规划是指在确定的环境中,在起始点和目标点之间自动规划出一条代价最小的路径。路径规划方法可分为基于搜索的路径规划方法和基于采样的路径规划方法,基于搜索的路径规划方法通过逐个像素搜索可以求解出最优的路径,但其计算量非常依赖于地图的分辨率,不适用于大规模复杂场景中。基于采样的路径规划方法的计算量虽然小于基于搜索的路径规划方法的计算量,但是存在路径代价计算不准确的问题,无法保证规划出的路径是否为代价最小的路径。
发明内容
本发明实施例提供了一种路径规划方法、装置、设备和存储介质,可以提高路径代价计算的准确性和规划路径的有效性。
第一方面,本发明实施例提供了一种路径规划方法,该方法包括:
在待路径规划场景的地图中进行随机采样,得到多个采样点;
从所述地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价;
在所述反向搜索采样点集中的每两个采样点之间建立有向连接边,并基于以所述地图中的路径规划起点和所述有向连接边构建正向搜索树;
根据所述路径代价,在所述正向搜索树中确定一条从所述路径规划起点到所述路径规划终点的目标路径。
第二方面,本发明实施例提供了一种路径规划装置,该装置包括:
采样点获取模块,用于在待路径规划场景的地图中进行随机采样,得到多个采样点;
反向搜索采样点集建立模块,用于从所述地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价;
正向搜索树构建模块,用于在所述反向搜索采样点集中的每两个采样点之间建立有向连接边,并基于以所述地图中的路径规划起点和所述有向连接边构建正向搜索树;
目标路径规划模块,用于根据所述路径代价,在所述正向搜索树中确定一条从所述路径规划起点到所述路径规划终点的目标路径。
第三方面,本发明实施例提供了一种计算机设备,该计算机设备包括:
一个或多个处理器;
存储器,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任一实施例所述的路径规划方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一实施例所述的路径规划方法。
本发明实施例所提供的技术方案,通过在待路径规划场景的地图中进行随机采样,得到多个采样点;从地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价;在地图中的路径规划起点与反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边,并基于有向连接边构建正向搜索树;根据路径代价,在正向搜索树中确定一条从路径规划起点到路径规划终点的目标路径。本发明实施例的技术方案解决了现有技术在进行路径规划时,路径代价计算准确性不足导致规划路径的有效性不足的问题,可以提高路径代价计算的准确性和规划路径的有效性。
附图说明
图1是本发明实施例提供的一种路径规划方法流程图;
图2是本发明实施例提供的一种路径规划方法流程图;
图3是本发明实施例提供的一种路径规划装置的结构示意图;
图4是本发明实施例提供的一种计算机设备的结构示意图。
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。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。
图1是本发明实施例提供的一种路径规划方法流程图,本发明实施例可适用于规划机器人行驶路径的场景中,该方法可以由路径规划装置执行,该装置可以由软件和/或硬件的方式来实现。
如图1所示,路径规划方法包括以下步骤:
S110、在待路径规划场景的地图中进行随机采样,得到多个采样点。
其中,待路径规划场景可以是需要进行路径规划的场景,在待路径规划场景的地图可以是待路径规划场景的二维电子地图,待路径规划场景的地图中可以包括路径规划终点、路径规划起点和障碍物以及各自的坐标位置,本发明实施例需要在待路径规划场景的地图中规划出一条不与障碍物有重合点且长度较短的路径。采样点可以是从路径规划起点到路径规划终点的过程中经过的中间点,即机器人可以从路径规划起点出发,经过多个采样点,最终到达路径规划终点。通过随机采样避免了采样点只生成在固定区域,最终导致最终规划出的最优路径存在片面性,可以使是采样点分布于待路径规划场景的随机位置,提高了后续生成更优路径的可能性。
S120、从所述地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价。
其中,采样点反向搜索可以是按照所述地图中的路径规划终点到路径规划起点的方向对采样点是否满足预设条件进行的搜索,其中预设条件可以是预设的针对采样点是否与障碍物发生重合、是否对后续路径规划有益等因素进行筛选的条件,当采样点满足预设条件时,可以将采样点加入搜索采样点集,搜索采样点集也即满足预设条件的采样点的集合。通过从所述地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,可以对采样点进行筛选,去除采样点中的无效采样点,减少后续规划路径的计算量。采样点的路径代价可以是从采样点到路径规划终点的距离,因为对于反向搜索采样点集中的采样点,不能简单将采样点到路径规划终点的欧式距离作为采样点的路径代价,例如,可以将采样点根据预设条件分为多种类型,根据采样点所属的类型,制定对应的路径代价计算方式,进而提高采样的路径代价计算和后续的路径代价计算的准确性。
S130、在所述地图中的路径规划起点与所述反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边,并基于所述有向连接边构建正向搜索树。
其中,有向连接边可以是由两个采样点或者路径规划起点与采样点构成的具有方向信息的连接边,可以在地图中的路径规划起点与反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边,即机器人需要从路径规划起点出发,沿着有向连接边到达路径规划终点。示例性的,可将连接边中距离路径规划起点更近的采样点作为父节点,另外一个采样点作为子节点,则可以将从父节点到子节点的顺序作为该连接边的方向。正向搜索树可以是正向搜索树可以是从路径规划起点出发由多个有向连接边组成的树状图形,可以在正向搜索树中规划出代价最小的路径。
S140、根据所述路径代价,在所述正向搜索树中确定一条从所述路径规划起点到所述路径规划终点的目标路径。
其中,目标路径可以是从路径规划起点出发到路径规划终点的过程中代价最小且不与障碍物有重合点的路径,在正向搜索树中有多条从路径规划起点出发到路径规划终点的路径,可以将正向搜索树中的各个路径的代价进行计算,随后比较各条路径的代价的大小,从中挑选出代价最小的一条路径作为目标路径。
本发明实施例所提供的技术方案,通过在待路径规划场景的地图中进行随机采样,得到多个采样点;从地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价;在地图中的路径规划起点与反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边,并基于有向连接边构建正向搜索树;根据路径代价,在正向搜索树中确定一条从路径规划起点到路径规划终点的目标路径。本发明实施例的技术方案解决了现有技术在进行路径规划时,路径代价计算准确性不足导致规划路径的有效性不足的问题,可以提高路径代价计算的准确性和规划路径的有效性。
图2是本发明实施例提供的一种路径规划方法流程图,本发明实施例可适用于规划机器人行驶路径的场景中,本实施例在上述实施例的基础上,进一步的说明如何从地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价,以及如何在地图中的路径规划起点与反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边,并基于有向连接边构建正向搜索树,该装置可以由软件和/或硬件的方式来实现,集成于具有应用开发功能的计算机设备中。
如图2所示,路径规划方法包括以下步骤:
S210、在待路径规划场景的地图中进行随机采样,得到多个采样点。
其中,待路径规划场景可以是需要进行路径规划的场景,在待路径规划场景的地图可以是待路径规划场景的二维电子地图,待路径规划场景的地图中可以包括路径规划终点、路径规划起点和障碍物以及各自的坐标位置,本发明实施例需要在待路径规划场景的地图中规划出一条不与障碍物有重合点且长度较短的路径。采样点可以是从路径规划起点到路径规划终点的过程中经过的中间点,即机器人可以从路径规划起点出发,经过多个采样点,最终到达路径规划终点。通过随机采样避免了采样点只生成在固定区域,最终导致最终规划出的最优路径存在片面性,可以使是采样点分布于待路径规划场景的随机位置,提高了后续生成更优路径的可能性。
S220、将所述多个采样点中坐标位置落入所述地图中的障碍物所在位置区域内的采样点进行剔除,得到有效采样点集。
其中,如果采样点坐标位置落入地图中的障碍物所在位置区域内,则表示如果机器人经过该采样点时,会与障碍物发出碰撞,因此,为了避免机器人与障碍物发生碰撞,需要将坐标位置落入地图中的障碍物所在位置区域内的采样点进行剔除。有效采样点集可以是坐标位置没有落入地图中的障碍物所在位置区域内的采样点的集合,也即将坐标位置落入地图中的障碍物所在位置区域内的采样点进行剔除后,剩下的采样点的集合。
S230、建立所述有效采样点集中的各采样点与所述路径规划终点的连接边,并判断各连接边是否与所述障碍物所在位置区域存在重合点。
其中,通过判断有效采样点集中的各采样点与路径规划终点的连接边是否与障碍物所在位置区域存在重合点,可以判断出如果机器人从有效采样点集中的采样点直接到达路径规划终点时是否会与障碍物发生碰撞。
S240、基于各连接边是否与所述障碍物所在位置区域存在重合点的判断结果,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价。
其中,反向搜索采样点集可以是经过上述连接边是否与障碍物所在位置区域存在重合点的判断筛选后的采样点的集合。采样点的路径代价可以是从采样点到达路径规划终点的距离。可以基于各连接边是否与障碍物所在位置区域存在重合点的判断结果,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价。
示例性的,当任一连接边与障碍物所在位置区域不存在重合点时,可以将连接边对应的第一采样点加入反向搜索采样点集,并将第一采样点与路径规划终点间的欧式距离作为第一采样点的路径代价;当任一连接边与障碍物所在位置区域存在重合点,且在反向搜索采样点集中选取到与连接边对应的第二采样点间的欧式距离小于预设距离阈值的采样点作为依赖采样点时,将第二采样点加入反向搜索采样点集,并将第二采样点与依赖采样点之间的欧氏距离与依赖采样点与路径规划终点间的欧氏距离之和作为第二采样点的路径代价;当任一连接边与障碍物所在位置区域存在重合点,且未在反向搜索采样点集中选取到与连接边对应的第三采样点间的欧式距离小于预设距离阈值的依赖采样点时,不再将第三采样点加入反向搜索采样点集。通过基于各连接边是否与障碍物所在位置区域存在重合点的判断结果,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价,可以更新采样点的路径代价,而非简单的将采样点到路径规划终点的欧氏距离作为采样点的路径代价,提高了后续路径代价计算的准确性,提高规划路径的有效性。
示例性的,可以利用如下公式更新采样点的路径代价:
其中,hF(x)表示采样点x的路径代价,gR(x)表示采样点x到路径规划终点的欧氏距离,VR表示上述第一采样点,xi表示距离采样点x最近的依赖采样点,ε表示预设距离阈值,c(x,xi)表示采样点x到依赖采样点xi的距离,gR(xi)表示依赖采样点xi的路径代价。由上式可知:当采样点x为第一采样点时,采样点x的路径代价等于采样点x到路径规划终点的欧氏距离;当采样点x不是第一采样点时,采样点x的路径代价等于采样点x和依赖采样点xi之间的欧氏距离与依赖采样点xi的路径代价之和。
S250、在所述地图中的路径规划起点与所述反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边。
其中,有向连接边可以是由两个采样点或者路径规划起点与采样点构成的具有方向信息的连接边,例如,可将连接边中距离路径规划起点更近的采样点作为父节点,另外一个采样点作为子节点,则可以将从父节点到子节点的顺序作为该连接边的方向。
S260、从所述路径规划起点起,针对每一个有向连接边,判断与所述地图中障碍物所在位置区域不存在重合点的当前有向连接边是否可优化对应路径的代价。
其中,需要对每一个有向连接边是否与地图中障碍物所在位置区域存在重合点进行判断,当有向连接边与地图中障碍物所在位置区域不存在重合点时,该有向连接边有效,即需要剔除与障碍物有重合点的有向连接边。
进一步的,对应路径的代价也即当前路径的代价,若该有向连接边有效,则判断该有向连接边是否可以优化当前路径的代价。判断条件如下式所示:cnow>gF(xp)+c(xp,xc)+hF(xc)。其中cnow为当前路径的代价,也即从路径规划起点出发经过当前路径到达路径规划终点的路径的长度;gF(xp)表示从路径规划起点到达该有向连接边中的父节点xp的距离;c(xp,xc)表示该有向连接边的长度;hF(xc)表示从该有向连接边中的子节点xc到路径规划终点的距离,也即子节点xc的路径代价。当上述判断条件成立时,表示该有向连接边可以优化当前路径,也即通过该有向连接边可以减小当前路径的代价。
S270、若是,则将当前有向连接边加入正向搜索树,并更新当前路径的代价。
其中,正向搜索树可以是从路径规划起点出发由多个有向连接边组成的树状图形,可以在正向搜索树中规划出代价最小的路径。若与地图中障碍物所在位置区域不存在重合点的当前有向连接边可以优化对应路径的代价,则将当前有向连接边加入正向搜索树,并更新当前路径的代价。例如,当由采样点gF(xp)和采样点hF(xc)组成的有向连接边可以优化当前路径的代价时,将上述gF(xp)+c(xp,xc)+hF(xc)作为更新后的路径的代价。
在一种可选的实施方式中,当与障碍物所在位置区域不存在重合点的当前有向连接边不可优化对应路径的代价时,可以在地图中增加采样点,并基于新增加的采样点更新反向搜索采样点集;基于更新后的反向搜索采样点集,更新有向连接边,并基于更新后的有向连接边更新正向搜索树。例如,当有预设比例的有向连接边无法优化对应路径的代价时,可以在地图中增加采样点,进而增加有向连接边的数量,基于增加的有向连接边规划出代价更小的路径。
S280、分析以所述当前有向连接边的子节点为父节点的有向连接边是否能够加入所述正向搜索树,直到遍历分析完成全部有向连接边,得到目标正向搜索树。
其中,目标正向搜索树可以是能够规划出不与障碍物有重合点且代价最小路径的正向搜索树。若当前有向连接边可以优化当前路径代价,则可以将以当前有向连接边的子节点为父节点的有向连接边作为下一个分析对象,遍历分析完成全部有向连接边,得到目标正向搜索树。
S290、根据所述路径代价,在所述目标正向搜索树中确定一条从所述路径规划起点到所述路径规划终点的目标路径。
其中,目标路径可以是从路径规划起点出发到路径规划终点的过程中代价最小且不与障碍物有重合点的路径,在目标正向搜索树中有多条从路径规划起点出发到路径规划终点的路径,可以根据目标正向搜索树中的路径优选结果,将最优的路径作为目标路径。
在一种可选的实施方式中,可以采用椭圆区域采样对目标路径进行路径优化。例如,可以以当前规划路径的代价作为椭圆的长轴,将路径规划起点与路径规划终点之间的欧式距离作为焦距,路径规划起点和路径规划终点作为两个焦点,在椭圆区域采样对目标路径进行路径优化。通过采用椭圆区域采样对目标路径进行路径优化,不仅可以在更小的区域中进行路径优化,有效减小规划路径的代价,而且可以剔除利用率低的采样点,减少路径规划的计算量。
本发明实施例所提供的技术方案,通过在待路径规划场景的地图中进行随机采样,得到多个采样点;将多个采样点中坐标位置落入地图中的障碍物所在位置区域内的采样点进行剔除,得到有效采样点集;建立有效采样点集中的各采样点与路径规划终点的连接边,并判断各连接边是否与障碍物所在位置区域存在重合点;基于各连接边是否与障碍物所在位置区域存在重合点的判断结果,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价;在地图中的路径规划起点与反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边;从路径规划起点起,针对每一个有向连接边,判断与地图中障碍物所在位置区域不存在重合点的当前有向连接边是否可优化对应路径的代价;若是,则将当前有向连接边加入正向搜索树,并更新当前路径的代价;分析以当前有向连接边的子节点为父节点的有向连接边是否能够加入正向搜索树,直到遍历分析完成全部有向连接边,得到目标正向搜索树,根据路径代价,在目标正向搜索树中确定一条从路径规划起点到路径规划终点的目标路径。本发明实施例的技术方案解决了现有技术在进行路径规划时,路径代价计算准确性不足导致规划路径的有效性不足的问题,可以提高路径代价计算的准确性和规划路径的有效性。
图3是本发明实施例提供的一种路径规划装置的结构示意图,本发明实施例可适用于规划机器人行驶路径的场景中,该装置可以由软件和/或硬件的方式来实现,集成于具有应用开发功能的计算机设备中。
如图3所示,路径规划装置包括:采样点获取模块310、反向搜索采样点集建立模块320、正向搜索树构建模块330和目标路径规划模块340。
其中,采样点获取模块310,用于在待路径规划场景的地图中进行随机采样,得到多个采样点;反向搜索采样点集建立模块320,用于从地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价;正向搜索树构建模块330,用于在地图中的路径规划起点与反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边,并基于有向连接边构建正向搜索树;目标路径规划模块340,用于根据路径代价,在正向搜索树中确定一条从路径规划起点到路径规划终点的目标路径。
本发明实施例所提供的技术方案,通过在待路径规划场景的地图中进行随机采样,得到多个采样点;从地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价;在地图中的路径规划起点与反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边,并基于有向连接边构建正向搜索树;根据路径代价,在正向搜索树中确定一条从路径规划起点到路径规划终点的目标路径。本发明实施例的技术方案解决了现有技术在进行路径规划时,路径代价计算准确性不足导致规划路径的有效性不足的问题,可以提高路径代价计算的准确性和规划路径的有效性。
在一种可选的实施方式中,反向搜索采样点集建立模块320具体用于:将多个采样点中坐标位置落入地图中的障碍物所在位置区域内的采样点进行剔除,得到有效采样点集;建立有效采样点集中的各采样点与路径规划终点的连接边,并判断各连接边是否与障碍物所在位置区域存在重合点;基于各连接边是否与障碍物所在位置区域存在重合点的判断结果,建立反向搜索采样点集,并确定反向搜索采样点集中各采样点的路径代价。
在一种可选的实施方式中,反向搜索采样点集建立模块320还用于:当任一连接边与障碍物所在位置区域不存在重合点时,将连接边对应的第一采样点加入反向搜索采样点集,并将第一采样点与路径规划终点间的欧式距离作为第一采样点的路径代价;当任一连接边与障碍物所在位置区域存在重合点,且在反向搜索采样点集中选取到与连接边对应的第二采样点间的欧式距离小于预设距离阈值的采样点作为依赖采样点时,将第二采样点加入反向搜索采样点集,并将第二采样点与依赖采样点之间的欧氏距离与依赖采样点与路径规划终点间的欧氏距离之和作为第二采样点的路径代价;当任一连接边与障碍物所在位置区域存在重合点,且未在反向搜索采样点集中选取到与连接边对应的第三采样点间的欧式距离小于预设距离阈值的依赖采样点时,不再将第三采样点加入反向搜索采样点集。根据道路类型和道路特征参数值在预设控制参数集合中匹配目标控制参数。
在一种可选的实施方式中,正向搜索树构建模块330具体用于:从路径规划起点起,针对每一个有向连接边,判断与地图中障碍物所在位置区域不存在重合点的当前有向连接边是否可优化对应路径的代价;若是,则将当前有向连接边加入正向搜索树,并更新当前路径的代价;分析以当前有向连接边的子节点为父节点的有向连接边是否能够加入正向搜索树,直到遍历分析完成全部有向连接边,得到目标正向搜索树。
在一种可选的实施方式中,正向搜索树构建模块330还用于:若该边有效,则判断该边是否可以优化当前路径的代价。判断条件如下式所示:cnow>gF(xp)+c(xp,xc)+hF(xc)。
在一种可选的实施方式中,正向搜索树构建模块330还用于:在地图中增加采样点,并基于新增加的采样点更新反向搜索采样点集;基于更新后的反向搜索采样点集,更新有向连接边,并基于更新后的有向连接边更新正向搜索树。
在一种可选的实施方式中,目标路径规划模块340还用于:采用椭圆区域采样对目标路径进行路径优化。
本发明实施例所提供的路径规划装置可执行本发明任意实施例所提供的路径规划方法,具备执行方法相应的功能模块和有益效果。
图4为本发明实施例提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12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。计算机设备12可以任意具有计算能力的终端设备,可以与配置于路径规划设备中。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18可以是几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图4中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的路径规划方法,该方法包括:
在待路径规划场景的地图中进行随机采样,得到多个采样点;
从所述地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价;
在所述反向搜索采样点集中的每两个采样点之间建立有向连接边,并基于以所述地图中的路径规划起点和所述有向连接边构建正向搜索树;
根据所述路径代价,在所述正向搜索树中确定一条从所述路径规划起点到所述路径规划终点的目标路径。
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的路径规划方法,包括:
在待路径规划场景的地图中进行随机采样,得到多个采样点;
从所述地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价;
在所述反向搜索采样点集中的每两个采样点之间建立有向连接边,并基于以所述地图中的路径规划起点和所述有向连接边构建正向搜索树;
根据所述路径代价,在所述正向搜索树中确定一条从所述路径规划起点到所述路径规划终点的目标路径。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种路径规划方法,其特征在于,所述方法包括:
在待路径规划场景的地图中进行随机采样,得到多个采样点;
从所述地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价;
在所述地图中的路径规划起点与所述反向搜索采样点集中各采样点间,每两个采样点之间建立有向连接边,并基于所述有向连接边构建正向搜索树;
根据所述路径代价,在所述正向搜索树中确定一条从所述路径规划起点到所述路径规划终点的目标路径。
2.根据权利要求1所述的方法,其特征在于,所述从所述地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价,包括:
将所述多个采样点中坐标位置落入所述地图中的障碍物所在位置区域内的采样点进行剔除,得到有效采样点集;
建立所述有效采样点集中的各采样点与所述路径规划终点的连接边,并判断各连接边是否与所述障碍物所在位置区域存在重合点;
基于各连接边是否与所述障碍物所在位置区域存在重合点的判断结果,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价。
3.根据权利要求2所述的方法,其特征在于,所述基于各连接边是否与所述障碍物所在位置区域存在重合点的判断结果,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价,包括:
当任一所述连接边与所述障碍物所在位置区域不存在重合点时,将所述连接边对应的第一采样点加入所述反向搜索采样点集,并将所述第一采样点与所述路径规划终点间的欧式距离作为所述第一采样点的路径代价;
当任一所述连接边与所述障碍物所在位置区域存在重合点,且在所述反向搜索采样点集中选取到与所述连接边对应的第二采样点间的欧式距离小于预设距离阈值的采样点作为依赖采样点时,将所述第二采样点加入所述反向搜索采样点集,并将所述第二采样点与所述依赖采样点之间的欧氏距离与所述依赖采样点与所述路径规划终点间的欧氏距离之和作为所述第二采样点的路径代价;
当任一所述连接边与所述障碍物所在位置区域存在重合点,且未在所述反向搜索采样点集中选取到与所述连接边对应的第三采样点间的欧式距离小于预设距离阈值的依赖采样点时,不再将所述第三采样点加入所述反向搜索采样点集。
4.根据权利要求1所述的方法,其特征在于,所述基于所述有向连接边构建正向搜索树,包括:
从所述路径规划起点起,针对每一个有向连接边,判断与所述地图中障碍物所在位置区域不存在重合点的当前有向连接边是否可优化对应路径的代价;
若是,则将当前有向连接边加入正向搜索树,并更新当前路径的代价;
分析以所述当前有向连接边的子节点为父节点的有向连接边是否能够加入所述正向搜索树,直到遍历分析完成全部有向连接边,得到目标正向搜索树。
5.根据权利要求4所述的方法,其特征在于,所述判断与所述障碍物所在位置区域不存在重合点的当前有向连接边是否可优化当前路径的代价,包括:
若该边有效,则判断该边是否可以优化当前路径的代价。判断条件如下式所示:cnow>gF(xp)+c(xp,xc)+hF(xc)。
6.根据权利要求4所述的方法,其特征在于,当与所述障碍物所在位置区域不存在重合点的当前有向连接边不可优化对应路径的代价时,所述方法还包括:
在所述地图中增加采样点,并基于新增加的采样点更新所述反向搜索采样点集;
基于更新后的反向搜索采样点集,更新有向连接边,并基于更新后的有向连接边更新所述正向搜索树。
7.根据权利要求1-6中任一所述的方法,其特征在于,所述方法还包括:
采用椭圆区域采样对所述目标路径进行路径优化。
8.一种路径规划装置,其特征在于,所述装置包括:
采样点获取模块,用于在待路径规划场景的地图中进行随机采样,得到多个采样点;
反向搜索采样点集建立模块,用于从所述地图中的路径规划终点开始进行采样点反向搜索,建立反向搜索采样点集,并确定所述反向搜索采样点集中各采样点的路径代价;
正向搜索树构建模块,用于在所述反向搜索采样点集中的每两个采样点之间建立有向连接边,并基于以所述地图中的路径规划起点和所述有向连接边构建正向搜索树;
目标路径规划模块,用于根据所述路径代价,在所述正向搜索树中确定一条从所述路径规划起点到所述路径规划终点的目标路径。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,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1-7中任一所述的路径规划方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211361071.5A CN115686016A (zh) | 2022-11-02 | 2022-11-02 | 一种路径规划方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211361071.5A CN115686016A (zh) | 2022-11-02 | 2022-11-02 | 一种路径规划方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115686016A true CN115686016A (zh) | 2023-02-03 |
Family
ID=85047667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211361071.5A Pending CN115686016A (zh) | 2022-11-02 | 2022-11-02 | 一种路径规划方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115686016A (zh) |
-
2022
- 2022-11-02 CN CN202211361071.5A patent/CN115686016A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7082151B2 (ja) | 地図軌跡マッチングデータの品質決定方法、装置、サーバ及び媒体 | |
JP6892484B2 (ja) | 物体検出枠を生成する方法とその装置、機器、記憶媒体及び車両 | |
CN109144695B (zh) | 一种任务拓扑关系的处理方法、装置、设备和介质 | |
US20210082539A1 (en) | Gene mutation identification method and apparatus, and storage medium | |
US20220107647A1 (en) | Speed planning method and apparatus, electronic device and storage medium | |
CN111709975B (zh) | 多目标跟踪方法、装置、电子设备及存储介质 | |
CN111680747B (zh) | 用于占据栅格子图的闭环检测的方法和装置 | |
CN110427444B (zh) | 导航引导点挖掘方法、装置、设备和存储介质 | |
US9910878B2 (en) | Methods for processing within-distance queries | |
CN114913386A (zh) | 一种多目标跟踪模型的训练方法以及多目标跟踪方法 | |
CN114003613A (zh) | 高精地图车道线更新方法、装置、电子设备以及存储介质 | |
CN110657813B (zh) | 优化地图中规划道路的方法和装置 | |
CN117406725A (zh) | 路径规划方法、装置、设备及存储介质 | |
CN115686016A (zh) | 一种路径规划方法、装置、设备和存储介质 | |
CN113171041B (zh) | 一种目标路径生成方法、装置、设备及存储介质 | |
CN114964204A (zh) | 地图构建方法、地图使用方法、装置、设备和存储介质 | |
CN111582456B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
CN114842435A (zh) | 一种目标车辆的确定方法、装置、电子设备及存储介质 | |
CN115619819A (zh) | 多摄像机目标追踪方法、装置、电子设备和存储介质 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN114077858A (zh) | 向量数据处理方法、装置、设备及存储介质 | |
CN112379692A (zh) | 无人机航线的确定方法、装置、设备及存储介质 | |
CN113997955B (zh) | 轨迹预测方法、装置、电子设备以及存储介质 | |
CN113761990B (zh) | 一种道路边界检测方法、装置、无人车及存储介质 | |
CN114880411B (zh) | 车辆轨迹集合优化方法、装置、电子设备及存储介质 |
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 |