CN115719125A - 基于决策级高精地图的地下矿区单车任务调度方法及系统 - Google Patents
基于决策级高精地图的地下矿区单车任务调度方法及系统 Download PDFInfo
- Publication number
- CN115719125A CN115719125A CN202310030682.XA CN202310030682A CN115719125A CN 115719125 A CN115719125 A CN 115719125A CN 202310030682 A CN202310030682 A CN 202310030682A CN 115719125 A CN115719125 A CN 115719125A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- path
- node
- starting point
- scheduling
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims abstract description 68
- 230000009466 transformation Effects 0.000 claims description 17
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Landscapes
- Navigation (AREA)
Abstract
本发明公开一种基于决策级高精地图的地下矿区单车任务调度方法及系统，方法包括：构建决策级高精地图，用于获取地下矿区可行驶区域的矩阵表达；获取地下矿区车辆任务，并依据车辆任务获得车辆行驶的起点和终点信息；确定车辆的起点和终点分别在决策级高精地图的节点路径库中所处的道路节点；从车辆起点所在的道路节点开始，依次在节点路径库中向终点方向搜索可供车辆行驶的下一道路节点及候选路径，得到将起点和终点连接起来的所有中间路径；根据车辆任务的起点、终点及所有中间路径，得到车辆的最终行驶路径。本发明通过车辆任务、高精地图及节点路径库的智能匹配，实现在地下矿区对车辆的智能分配与调度，提高了地下矿区单车任务调度的效率。
Description
技术领域
本发明涉及人工智能、交通运输技术领域，尤其涉及一种基于决策级高精地图的地下矿区单车任务调度方法及系统。
背景技术
高精度驾驶地图通常指用于辅助自动驾驶的地图，可以为车辆自动驾驶提供全方位的辅助驾驶。决策级高精地图是通过高精度定位、视觉感知、激光点云建图等技术对地图进行构建，该决策级的高精地图可以用来为车辆行驶提供高级别的辅助决策。
由于地下矿区道路环境的复杂性，对地下矿区中的车辆难以接收到GPS信号，无法得到定位信息，因此不能单纯的依靠GPS信号对车辆进行定位控制，从而基于网联环境的车辆通信与控制是不可或缺的条件。
加之以往地下矿区由于通信条件的普及率低，其任务调度多以人工调度的方法，该方法需要在视野的前提下进行，因此调度效率低下，易出现调度错误的情况，导致地下路网瘫痪，影响开采工作，甚者容易出现交通事故，威胁地下人员的生命安全。
发明内容
为克服上述现有技术的不足，本发明提供一种基于决策级高精地图的地下矿区单车任务调度方法及系统，用以解决上述至少一个技术问题。
根据本发明说明书的一方面，提供一种基于决策级高精地图的地下矿区单车任务调度方法，包括：
构建决策级高精地图，用于获取地下矿区可行驶区域的矩阵表达；
获取地下矿区车辆任务，并依据车辆任务获得车辆行驶的起点和终点信息；
确定车辆的起点和终点分别在决策级高精地图的节点路径库中所处的道路节点；
从车辆起点所在的道路节点开始，依次在节点路径库中向终点方向搜索可供车辆行驶的下一道路节点及候选路径，得到将起点和终点连接起来的所有中间路径；
根据车辆任务的起点、终点及所有中间路径，得到车辆的最终行驶路径。
上述技术方案通过车辆任务、高精地图及节点路径库的智能匹配，实现在地下矿区对车辆的智能分配与调度，可以减少人工分配，提高地下矿区单车任务调度的效率。
作为进一步的技术方案，所述方法还包括：获取地下矿区的先验地图信息；基于所述先验地图信息进行坐标转换；采用栅格地图距离变换方法，获取可行驶区域的矩阵表达。
上述技术方案基于先验地图信息，构建栅格坐标系和定位坐标系，利用最小二乘信赖域法对定位坐标系和决策栅格坐标系进行相互转换；然后对转换后的栅格地图，采用距离变换方法计算，获取矩阵表达的可行驶区域，以便于通过矩阵表达的地图直接确定各节点位置以及节点之间的距离。
作为进一步的技术方案，所述方法还包括：基于决策级高精地图获取地下矿区可行驶区域的路径信息，基于所述路径信息构建节点路径库，并利用矩阵的形式来存储各路径的详细信息。由于构建的决策级高精地图是矩阵表达形式，因此从地图上能够清晰直观地看到节点与节点之间的路径信息，据此可以直接形成节点路径库，并用矩阵的形式来表达节点路径库，以便于后面的路径搜索。
所述节点路径库的每条单独的路径称为路径段，路径段包含5个信息[x,y,fai,cur,s]，x、y为位置坐标（m），fai为航向角（deg），cur为曲率（1/m），s为路径段起点到当前路径点的长度（m）。所述节点路径库为5*N的矩阵，N为路径段数，每段5个信息。
可选地，每一路径段还包括10个备注信息，形成10*N的矩阵，N为路径段数，其中10个备注信息分别用于表示（1）前进后退路径判别：1为前进，-1为倒车；（2）每段路径点的个数；（3）该段路径上所有点的最小x；（4）该段路径上所有点的最大x；（5）该段路径上所有点的最小y；（6）该段路径上所有点的最大y；（7）是否在路段终点停车：0代表停车，1代表不停车；（8）该段路径上所有点的最小fai；（9）该段路径上所有点的最大fai；（10）当前路段ID码。
作为进一步的技术方案，所述方法还包括：基于所述节点路径库构建路径邻接矩阵和距离变换矩阵，所述路径邻接矩阵用于存储路径之间的拓扑关系，所述距离变换矩阵用于存储障碍物节点及各节点与障碍物节点的距离。
可选地，对转换后的栅格地图采用二值化图像距离转换方法计算栅格地图中每个可行驶区域与最近障碍物之间的距离以及最近邻障碍物的线性矩阵索引，即，获取距离变换矩阵和路径邻接矩阵。这样就能通过先验点云数据明确地图上各点处与最近障碍物之间的距离，同时获得障碍物具体坐标。
进一步地，所述距离变换矩阵、路径邻接矩阵和节点路径库均为线性矩阵。其中，距离变换矩阵中的“0”为障碍物区域，矩阵的其他数字则为该点距障碍物的距离。路径邻接矩阵中的数字分别代表该点离最近障碍物的线性索引。节点路径库矩阵中的“0”代表可通行区域，“1”则为不可通行区域或标记为存在障碍物区域。
作为进一步的技术方案，所述方法还包括：在所述节点路径库中向车辆的终点方向搜索可供车辆行驶的下一节点候选集，确定车辆行驶的下一路径候选集；依据路径邻接矩阵中的拓扑约束，在路径邻接矩阵中搜索下一路径候选集中能够连接上一路径的路径ID；存储所述路径ID并依据所述路径ID的端部节点更新车辆当前的道路节点。
进一步地，所述下一节点的确定是由车辆当前道路节点和搜索路径决定的，只能沿着起点到终点的方向进行单向搜索，不能允许下一节点与当前节点一致的情况。
可选地，下一节点候选集可以是多个节点组成的候选集，或者是仅包括单个节点。
作为进一步的技术方案，所述方法还包括：以更新后的道路节点为新的起点，继续向车辆的终点方向搜索可供车辆行驶的下一节点候选集，直至得到将起点和终点连接起来的所有中间路径。
作为进一步的技术方案，所述方法还包括：将车辆的起点、终点和所有中间路径连接起来，依据距离变换矩阵进行路径验证，确定车辆的最终行驶路径。
根据本发明说明书的一方面，提供一种基于决策级高精地图的地下矿区单车任务调度系统，包括：
车辆端，用于发出调度需求，以及接收分配路径，所述调度需求包括车辆任务；
调度平台，用于接收车辆的调度需求，确定车辆任务的起点和终点，向数据库中执行路径搜索并返回搜索结果，依据搜索结果确定分配调度路径至车辆；
数据库，用于构建决策级高精地图，获取地下矿区可行驶区域的矩阵表达，以供调度平台进行路径搜索并输出搜索结果至调度平台。
上述技术方案通过调度平台实现了车辆的任务和高精地图及其路径库信息之间的智能匹配，实现了在地下矿区对车辆的智能分配与调度，可以减少人工安排，缩短调度安排时间，提高地下矿区单车任务调度的效率与调度管理水平，同时可以有效避免调度错误等情况出现。
作为进一步的技术方案，所述调度平台还包括：任务确定模块，用于根据车辆的调度需求确定车辆任务，获得车辆行驶的起点和终点信息；节点匹配模块，用于将车辆的起点和终点与决策级高精地图相匹配，确定两者在节点路径库中所处的道路节点；搜索模块，用于从车辆起点所在的道路节点开始，依次在节点路径库中向终点方向搜索可供车辆行驶的下一道路节点及候选路径，得到将起点和终点连接起来的所有中间路径；路径分配模块，用于根据车辆任务的起点、终点及所有中间路径，得到车辆的最终行驶路径并分配给车辆。
与现有技术相比，本发明的有益效果在于：
（1）本发明提供一种方法，该方法通过车辆任务、高精地图及节点路径库的智能匹配，实现在地下矿区对车辆的智能分配与调度，可以减少人工分配，提高地下矿区单车任务调度的效率。
（2）本发明提供一种系统，该系统通过调度平台实现了车辆的任务和高精地图及其路径库信息之间的智能匹配，实现了在地下矿区对车辆的智能分配与调度，可以减少人工安排，缩短调度安排时间，提高地下矿区单车任务调度的效率与调度管理水平，同时可以有效避免调度错误等情况出现。
附图说明
图1为根据本发明实施例的调度方法流程图。
图2为根据本发明实施例的调度系统示意图。
图3为根据本发明实施例的距离变换矩阵示意图。
图4为根据本发明实施例的节点路径库示意图。
图5为根据本发明实施例的路径邻接矩阵示意图。
图6为根据本发明实施例的规划路径示意图。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
本发明一方面提供一种基于决策级高精地图的地下矿区单车任务调度方法，该方法通过构建高精地图对地下矿区的可行驶区域进行矩阵表达，并利用矩阵表达的节点路径库对目标车辆的可行驶路径进行搜索和匹配，直至得到与车辆任务相匹配的目标路径作为车辆的最终行驶路径，从而实现地下矿区对车辆的智能调度，减少人工分配，提高单车调度效率。
如图1所示，所述方法包括：
步骤1，构建决策级高精地图，用于获取地下矿区可行驶区域的矩阵表达。
这里构建的决策级高精地图可以通过矩阵形式表达地下矿区的可行驶区域，矩阵的每一个元素作为可行驶区域的一个道路节点，通过计算元素之间的位置关系、距离关系可以得到各道路节点之间的位置及距离关系。
作为一种实施方式，可按照如下方法构建决策级高精地图：
基于先验地图信息进行坐标转换；
采用栅格地图距离变换方法，获取可行驶区域的矩阵表达。
可选地，上述方法基于先验地图信息，构建栅格坐标系和定位坐标系，利用最小二乘信赖域法对定位坐标系和决策栅格坐标系进行相互转换。坐标转换问题的数学公式描述如下：
其中K为尺度因子（即两个空间坐标系内的同一段直线的长度比值），S为旋转系数，△X、△Y分别为坐标平移量，（XA,YA）、（XB,YB）分别为栅格坐标系和定位坐标系的坐标点。
进一步地，对基于处理后的栅格地图，采用二值化图像距离转换方法计算栅格地图中每个可行驶区域与最近障碍物之间的距离以及最近邻障碍物的线性矩阵索引，即得到距离变换矩阵和路径邻接矩阵。这样就能通过先验点云数据明确地图上各点处与最近障碍物之间的距离，同时获得障碍物具体坐标。
可选地，基于决策级高精地图获取地下矿区可行驶区域的路径信息，基于所述路径信息构建节点路径库，并利用矩阵的形式来存储各路径的详细信息。由于构建的决策级高精地图是矩阵表达形式，因此从地图上能够清晰直观地看到节点与节点之间的路径信息，据此可以直接形成节点路径库，并用矩阵的形式来表达节点路径库，以便于后面的路径搜索。
基于决策级高精地图得到的距离变换矩阵、路径邻接矩阵和节点路径库均为线性矩阵。其中，如图3所示，距离变换矩阵中的“0”为障碍物区域，矩阵的其他数字则为该点距障碍物的距离。如图5所示，路径邻接矩阵中的数字分别代表该点离最近障碍物的线性索引。如图4所示，节点路径库矩阵中的“0”代表可通行区域，“1”则为不可通行区域或标记为存在障碍物区域。
可选地，当地图面积较大时，栅格地图会占用很大的内存空间，此时，可以将栅格地图矩阵转换为稀疏矩阵来减少栅格地图所占用的空间。
步骤2，获取地下矿区车辆任务，并依据车辆任务获得车辆行驶的起点和终点信息。
这里的车辆任务来自于地下矿区车辆的调度需求。仅以示例说明，所述的车辆任务至少包括车辆的起点和终点。
步骤3，确定车辆的起点和终点分别在决策级高精地图的节点路径库中所处的道路节点。
将从车辆任务中获取的车辆的起点和终点与节点路径库中的道路节点进行信息匹配，以确定起点和终点在节点路径库中所对应的道路节点，这样可便于通过矩阵表达的可行驶区域来进行起点与终点之间形式路径节点的搜索。
举例而言，节点路径库中所包含的道路节点可以理解为一个坐标信息，类似于高精地图上的车辆经纬度信息，依据该信息能够便于车辆行驶经过的各道路节点的搜寻。
步骤4，从车辆起点所在的道路节点开始，依次在节点路径库中向终点方向搜索可供车辆行驶的下一道路节点及候选路径，得到将起点和终点连接起来的所有中间路径。
可选地，在所述节点路径库中搜索可供所述车辆行驶的下一节点候选集，确定所述车辆行驶的下一路径候选集。
可选地，上述的下一节点候选集可以包括多个节点，由具有多个节点的下一节点候选集形成下一路径候选集。
可选地，上述的下一节点候选集仅包括单个节点，由该单个节点确定下一候选路径集。
需要注意的是，从一个节点到下一个节点是否存在路径，需要依据路径邻接矩阵的拓扑关系来确定。仅以示例说明，对于节点A和节点B，从节点A到节点B的方向是否存在路径，需要依据节点A在路径邻接矩阵中的数值来确定节点A与节点B之间是否存在障碍物索引，如果存在，则节点A与节点B之间的路径不可行驶，反之则可行驶。
在实际应用中，从节点A可以有多个路径分别通往多个下一节点。在这多个下一节点中，通过路径邻接矩阵所包含的拓扑关系进行节点选择，剔除存在障碍物索引的下一节点，留下可行驶的下一节点。然后，基于留下的可行驶的下一节点，确定车辆行驶的下一路径候选集。
可选地，两个节点之间的每一路径都具有一路径ID，故上述的下一路径候选集中包含多个路径ID。在获得了能够将车辆起点和终点连接起来的所有路径ID后，依据距离变换矩阵中所表达的各节点与障碍物的距离关系，进一步选择两个中间道路节点之间的目标路径，并基于这些目标路径得到车辆的最终行驶路径。
在车辆的最终行驶路径上，每两个中间道路节点之间仅需选择一个行驶路径，通过将这些行驶路径连接起来，构成车辆的最终行驶路径。
进一步地，如果节点A存在多条路径通往多个下一节点，则可借助距离变换矩阵对所述的多个下一节点进行障碍物距离判断，选择与障碍物距离在安全范围内的下一节点作为目标节点，并以节点A与目标节点之间的路径作为当前两个节点之间的最终行驶路径。这里可能仍会存在多个下一节点满足障碍物距离安全范围的要求，此时，可在满足要求的所有下一节点中选择距离最近的节点作为目标节点。
需要注意的是，这里的“依次”是指在获取所述矿区车辆当前道路节点后，在所述路径库中向所述终点方向搜索可供所述车辆行驶的下一节点，同时更新所述车辆当前的道路节点，直至得到的节点能将所述起点和所述终点连接构成目标路径。
进一步地，下一节点的确定必须是由所述车辆当前道路节点和搜索路径决定的，且始终由所述起点向所述终点方向单向搜索，不允许下一节点与当前节点一致。
步骤5，根据车辆任务的起点、终点及所有中间路径，得到车辆的最终行驶路径。
经由步骤4得到的所有中间路径是多个路径的集合，且每两个中间道路节点之间可能存在多个行驶路径，因此，需要基于距离变换矩阵中的障碍物距离数据进行逐一判断，从车辆的起点开始，逐一判断具有可行驶路径的下一节点集合的各节点与障碍物的距离，选择与障碍物距离在安全范围内的节点作为下一节点，然后以该下一节点为新的起点，继续进行障碍物距离比较，直到找到所有的中间道路节点。最后，将车辆的起点、中间道路节点及终点连接起来，形成车辆的最终行驶路径。
在获得多条可行驶路径后，考虑到地下矿区的道路多为单向道，因此在对目标路径进行选择时，可以选择在会车时作为让道方的路径，这样在对车辆进行路径分配时保证了车辆的选择权。如图6所示，在有让道方路径的情况下，将规划好的多条行驶路径反馈给驾驶端，由驾驶端自行选择最终的行驶路径。
如图2所示，本发明一方面还提供一种基于决策级高精地图的地下矿区单车任务调度系统，包括：
车辆端，用于发出调度需求，以及接收分配路径，所述调度需求包括车辆任务；
调度平台，用于接收车辆的调度需求，确定车辆任务的起点和终点，向数据库中执行路径搜索并返回搜索结果，依据搜索结果确定分配调度路径至车辆；
数据库，用于构建决策级高精地图，获取地下矿区可行驶区域的矩阵表达，以供调度平台进行路径搜索并输出搜索结果至调度平台。
所述系统通过调度平台实现了车辆的任务和高精地图及其路径库信息之间的智能匹配，实现了在地下矿区对车辆的智能分配与调度，可以减少人工安排，缩短调度安排时间，提高地下矿区单车任务调度的效率与调度管理水平，同时可以有效避免调度错误等情况出现。
进一步地，所述调度平台还包括：任务确定模块，用于根据车辆的调度需求确定车辆任务，获得车辆行驶的起点和终点信息；节点匹配模块，用于将车辆的起点和终点与决策级高精地图相匹配，确定两者在节点路径库中所处的道路节点；搜索模块，用于从车辆起点所在的道路节点开始，依次在节点路径库中向终点方向搜索可供车辆行驶的下一道路节点及候选路径，得到将起点和终点连接起来的所有中间路径；路径分配模块，用于根据车辆任务的起点、终点及所有中间路径，得到车辆的最终行驶路径并分配给车辆。
所述系统可采用上述方法的实施方式来实现。
可选地，所述调度平台可采用工控机或其他具有数据处理功能的计算设备来搭建。所述数据库可单独设置或可集成在调度平台内。
所述系统可针对地下矿区的多个车辆，通过智能化匹配实现每个车辆的单车调度，避免因人工调度所存在的调度效率低、安全性低的问题。
在所述系统搭建完成并开始运行后，其接收车辆的调度需求，对调度需求进行识别，获取车辆任务的起点和终点，将所述起点和终点分别与节点路径库内的道路节点进行匹配，然后在数据库中执行路径搜寻，直到找到能将起点和终点连接起来的所有中间道路节点，最后将起点、终点和选择的中间道路节点连接起来，形成车辆的最终行驶路径并分配给目标车辆，实现了单车任务的高效、智能调度。
在本说明书的描述中，参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部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发明实施例技术方案。
Claims (9)
1.基于决策级高精地图的地下矿区单车任务调度方法，其特征在于，包括：
构建决策级高精地图，用于获取地下矿区可行驶区域的矩阵表达；
获取地下矿区车辆任务，并依据车辆任务获得车辆行驶的起点和终点信息；
确定车辆的起点和终点分别在决策级高精地图的节点路径库中所处的道路节点；
从车辆起点所在的道路节点开始，依次在节点路径库中向终点方向搜索可供车辆行驶的下一道路节点及候选路径，得到将起点和终点连接起来的所有中间路径；
根据车辆任务的起点、终点及所有中间路径，得到车辆的最终行驶路径。
2.根据权利要求1所述基于决策级高精地图的地下矿区单车任务调度方法，其特征在于，所述方法还包括：获取地下矿区的先验地图信息；基于所述先验地图信息进行坐标转换；采用栅格地图距离变换方法，获取可行驶区域的矩阵表达。
3.根据权利要求2所述基于决策级高精地图的地下矿区单车任务调度方法，其特征在于，所述方法还包括：基于决策级高精地图获取地下矿区可行驶区域的路径信息，基于所述路径信息构建节点路径库，并利用矩阵的形式来存储各路径的详细信息。
4.根据权利要求3所述基于决策级高精地图的地下矿区单车任务调度方法，其特征在于，所述方法还包括：基于所述节点路径库构建路径邻接矩阵和距离变换矩阵，所述路径邻接矩阵用于存储路径之间的拓扑关系，所述距离变换矩阵用于存储障碍物节点及各节点与障碍物节点的距离。
5.根据权利要求4所述基于决策级高精地图的地下矿区单车任务调度方法，其特征在于，所述方法还包括：在所述节点路径库中向车辆的终点方向搜索可供车辆行驶的下一节点候选集，确定车辆行驶的下一路径候选集；依据路径邻接矩阵中的拓扑约束，在路径邻接矩阵中搜索下一路径候选集中能够连接上一路径的路径ID；存储所述路径ID并依据所述路径ID的端部节点更新车辆当前的道路节点。
6.根据权利要求5所述基于决策级高精地图的地下矿区单车任务调度方法，其特征在于，所述方法还包括：以更新后的道路节点为新的起点，继续向车辆的终点方向搜索可供车辆行驶的下一节点候选集，直至得到将起点和终点连接起来的所有中间路径。
7.根据权利要求6所述基于决策级高精地图的地下矿区单车任务调度方法，其特征在于，所述方法还包括：将车辆的起点、终点和所有中间路径连接起来，依据距离变换矩阵进行路径验证，确定车辆的最终行驶路径。
8.基于决策级高精地图的地下矿区单车任务调度系统，其特征在于，包括：
车辆端，用于发出调度需求，以及接收分配路径，所述调度需求包括车辆任务；
调度平台，用于接收车辆的调度需求，确定车辆任务的起点和终点，向数据库中执行路径搜索并返回搜索结果，依据搜索结果确定分配调度路径至车辆；
数据库，用于构建决策级高精地图，获取地下矿区可行驶区域的矩阵表达，以供调度平台进行路径搜索并输出搜索结果至调度平台。
9.根据权利要求8所述基于决策级高精地图的地下矿区单车任务调度系统，其特征在于，所述调度平台还包括：任务确定模块，用于根据车辆的调度需求确定车辆任务，获得车辆行驶的起点和终点信息；节点匹配模块，用于将车辆的起点和终点与决策级高精地图相匹配，确定两者在节点路径库中所处的道路节点；搜索模块，用于从车辆起点所在的道路节点开始，依次在节点路径库中向终点方向搜索可供车辆行驶的下一道路节点及候选路径，得到将起点和终点连接起来的所有中间路径；路径分配模块，用于根据车辆任务的起点、终点及所有中间路径，得到车辆的最终行驶路径并分配给车辆。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310030682.XA CN115719125A (zh) | 2023-01-10 | 2023-01-10 | 基于决策级高精地图的地下矿区单车任务调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310030682.XA CN115719125A (zh) | 2023-01-10 | 2023-01-10 | 基于决策级高精地图的地下矿区单车任务调度方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115719125A true CN115719125A (zh) | 2023-02-28 |
Family
ID=85257949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310030682.XA Pending CN115719125A (zh) | 2023-01-10 | 2023-01-10 | 基于决策级高精地图的地下矿区单车任务调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115719125A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108981741A (zh) * | 2018-08-23 | 2018-12-11 | 武汉中海庭数据技术有限公司 | 基于高精度地图的路径规划装置及方法 |
| CN112504286A (zh) * | 2020-11-14 | 2021-03-16 | 武汉中海庭数据技术有限公司 | 基于引导线图层的路径规划方法及系统、服务器及介质 |
| US20210294333A1 (en) * | 2020-03-20 | 2021-09-23 | Tusimple, Inc. | Optimal path library for local path planning of an autonomous vehicle |
| CN113532448A (zh) * | 2020-04-13 | 2021-10-22 | 广州汽车集团股份有限公司 | 一种自动驾驶车辆的导航方法及其系统、驾驶控制设备 |
| WO2022056770A1 (zh) * | 2020-09-17 | 2022-03-24 | 华为技术有限公司 | 一种路径规划方法和路径规划装置 |
| CN114791288A (zh) * | 2022-06-27 | 2022-07-26 | 青岛慧拓智能机器有限公司 | 矿区车辆的行驶路径规划方法、装置及计算机设备 |
-
2023
- 2023-01-10 CN CN202310030682.XA patent/CN115719125A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108981741A (zh) * | 2018-08-23 | 2018-12-11 | 武汉中海庭数据技术有限公司 | 基于高精度地图的路径规划装置及方法 |
| US20210294333A1 (en) * | 2020-03-20 | 2021-09-23 | Tusimple, Inc. | Optimal path library for local path planning of an autonomous vehicle |
| CN113532448A (zh) * | 2020-04-13 | 2021-10-22 | 广州汽车集团股份有限公司 | 一种自动驾驶车辆的导航方法及其系统、驾驶控制设备 |
| WO2022056770A1 (zh) * | 2020-09-17 | 2022-03-24 | 华为技术有限公司 | 一种路径规划方法和路径规划装置 |
| CN112504286A (zh) * | 2020-11-14 | 2021-03-16 | 武汉中海庭数据技术有限公司 | 基于引导线图层的路径规划方法及系统、服务器及介质 |
| CN114791288A (zh) * | 2022-06-27 | 2022-07-26 | 青岛慧拓智能机器有限公司 | 矿区车辆的行驶路径规划方法、装置及计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| 中国测绘学会 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109131318B (zh) | 一种基于拓扑地图的自主泊车路径协调方法 | |
| CN111947678B (zh) | 一种针对结构化道路的自动驾驶导航方法及系统 | |
| US9857191B2 (en) | Context-based routing and access path selection | |
| CN102016508B (zh) | 使用路径id在客户端和服务器端之间传送路径 | |
| CN100578152C (zh) | 用于处理大规模浮动车数据的启发式路径匹配方法 | |
| CN108827335B (zh) | 一种基于单向搜索模型的最短路径规划方法 | |
| CN104819724A (zh) | 一种基于gis的无人地面车辆自主行驶辅助系统 | |
| EP3742123B1 (en) | Bloom filter route encoding | |
| CN111982142B (zh) | 一种基于改进a星算法的智能车全局路径规划方法 | |
| EP3742122B1 (en) | Decoding bloom-encoded shortest path routes from known start and target | |
| US20020152018A1 (en) | Navigation method and device | |
| US11193779B2 (en) | Decoding routes to pois in proximity searches using bloom filters | |
| CN107917716B (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
| KR20210121595A (ko) | 최적 경로 탐색 장치 및 이의 동작 방법 | |
| EP4177570A1 (en) | Standard-definition to high-definition navigation route determination | |
| CN112212878A (zh) | 一种导航路径计算方法、装置及手机、车辆 | |
| CN112033418A (zh) | 一种离线地图匹配方法 | |
| CN112530158A (zh) | 一种基于历史轨迹的路网补充方法 | |
| CN114545951A (zh) | 一种路径规划方法和装置 | |
| KR20200068772A (ko) | 차선 인식 실패 대응 자율 주행 방법 및 자율주행 차량 주행 가이드 데이터 구축 방법 | |
| CN115719125A (zh) | 基于决策级高精地图的地下矿区单车任务调度方法及系统 | |
| CN112346480A (zh) | 一种室内无人机及其控制方法、计算机可读存储介质 | |
| CN116772850A (zh) | 基于数字孪生的智慧园区导航方法、装置、设备及存储介质 | |
| US20220090929A1 (en) | Information processing device and information processing system | |
| CN112699202B (zh) | 禁行道路的识别方法、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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230228 |