CN115793700A - 在部分已知环境中进行动态避让的快速路径规划 - Google Patents
在部分已知环境中进行动态避让的快速路径规划 Download PDFInfo
- Publication number
- CN115793700A CN115793700A CN202210998180.1A CN202210998180A CN115793700A CN 115793700 A CN115793700 A CN 115793700A CN 202210998180 A CN202210998180 A CN 202210998180A CN 115793700 A CN115793700 A CN 115793700A
- Authority
- CN
- China
- Prior art keywords
- graph
- vertices
- environment
- destination
- mobile autonomous
- 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 claims abstract description 55
- 230000007704 transition Effects 0.000 claims abstract description 9
- 230000000977 initiatory effect Effects 0.000 claims abstract description 7
- 230000002085 persistent effect Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 230000003068 static effect Effects 0.000 description 5
- 230000007774 longterm Effects 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
-
- 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
- G05D1/60—Intended control result
- G05D1/69—Coordinated control of the position or course of two or more vehicles
- G05D1/693—Coordinated control of the position or course of two or more vehicles for avoiding collisions between vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0004—Transmission of traffic-related information to or from an aircraft
- G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0039—Modification of a flight plan
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0052—Navigation or guidance aids for a single aircraft for cruising
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0078—Surveillance aids for monitoring traffic from the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
- G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
在部分已知环境中进行动态避让的快速路径规划。呈现了由移动自主系统在包括至少一个障碍物的环境中穿越到环境中的目的地的技术。这些技术可包括:在移动自主系统在环境中开始活动之前生成图,该图包括表示环境中的位置的多个顶点以及表示移动自主载具在环境中的可行转移的顶点之间的多条边;利用将移动自主系统的当前位置的表示连接到图的顶点的至少一条边来注释图;基于图来确定从移动自主系统在环境中的当前位置到目的地的路径;以及由移动自主系统基于路径来穿越环境到达目的地。
Description
技术领域
本文所描述的主题总体上涉及诸如飞行器的载具的路径规划。
背景技术
计算机控制载具的核心功能之一是路径规划,其指定载具在空间和时间上的配置。这种规划然后可被转换为对载具致动的命令并且最终在物理世界(受不确定性影响)中跟踪和实现。路径规划问题由表征操作者想要载具做什么的目标和表征载具可以做什么的动态可行性的定义表示。这些组件可被设计为也包含约束。约束可包括物理限制、操作规则和安全考虑。路径规划问题的应用包括计算到目标的路径以避免与已知范围的障碍物碰撞并且关于时间、距离或风险最小。如果系统动力学构成完整约束,则这本身是NP完全问题。
现有技术的路径规划依赖于快速探索随机算法。对于动态环境中的载具,这些算法软实时地在线操作并且创建与载具通过空间可采用的可行路径对应的对数稀疏图。然后提出在这些图的空间上搜索的规划问题,并且现有技术的算法利用动态编程来有效地确定最优路径。然而,实际上图创建步骤在计算上受到限制,因为以这种方式生成大的图需要过多的时间。因此,仅创建小且浅的图,这会导致路径规划算法无法收敛到近似最优解并且导致异常和不可接受的系统行为。
发明内容
根据各种示例,提出了一种通过移动自主系统在包括至少一个障碍物的环境中穿越到环境中的目的地的方法。该方法包括:在移动自主系统在环境中开始活动之前生成图,该图包括表示环境中的位置的多个顶点以及表示移动自主载具在环境中的可行转移的顶点之间的多条边;利用将移动自主系统的当前位置的表示连接到图的顶点的至少一条边来注释图;基于图确定从移动自主系统在环境中的当前位置到目的地的路径;以及由移动自主系统基于路径穿越环境到达目的地。
上述方法的各种可选特征包括以下内容。顶点可存储位置和方向信息。顶点可存储到目的地的相应成本。顶点可存储在穿越到目的地中的接下来的顶点的标识。至少一个障碍物可包括至少一个动态障碍物。该方法还可包括:使图中的至少一条边无效以表示至少一个障碍物在特定时间的位置。利用至少一条边注释图可包括:向图添加至少一条边而不生成与图的大小相似的新存储器分配。移动自主系统可包括飞行器。目的地可包括多个位置,并且图可通过多个顶点表示多个位置。确定路径可包括执行图的非穷举搜索。
根据各种示例,提出了一种用于由移动自主系统在包括至少一个障碍物的环境中穿越到环境中的目的地的系统。该系统包括:电子处理器;包括指令的电子持久存储器,所述指令在由电子处理器执行时配置电子处理器执行操作,该操作包括:在移动自主系统在环境中开始活动之前生成图,该图包括表示环境中的位置的多个顶点以及表示移动自主载具在环境中的可行转移的顶点之间的多条边;利用将移动自主系统的当前位置的表示连接到图的顶点的至少一条边来注释图;基于图确定从移动自主系统在环境中的当前位置到目的地的路径;其中,移动自主系统被配置为基于该路径穿越环境到达目的地。
上述系统的各种可选特征包括以下内容。顶点可存储位置和方向信息。顶点可存储到目的地的相应成本。顶点可存储在穿越到目的地中的接下来的顶点的标识。至少一个障碍物可包括至少一个动态障碍物。这些操作还可包括:使图中的至少一条边无效以表示至少一个障碍物在特定时间的位置。利用至少一条边注释图可包括:向图添加至少一条边而不生成与图的大小相似的新存储器分配。移动自主系统可包括飞行器。目的地可包括多个位置,并且图可通过多个顶点表示多个位置。确定路径可包括执行图的非穷举搜索。
附图说明
以上和/或其它方面和优点将从以下结合附图进行的示例的详细描述变得更显而易见并且更容易理解,附图中:
图1描绘了根据各种示例的示例离线图;
图2描绘了根据各种示例的图1的示例增强离线图,包括从起始位置到目的地的最小路径;
图3描绘了根据各种示例的示例在线图;
图4描绘了根据各种示例的在线图,其表示图3的示例在线图并且示出从载具的当前位置到目的地的最小路径;
图5是根据各种示例的路径规划系统的框图;
图6是根据各种示例的路径规划方法的流程图;
图7是用于实现各种示例的示例硬件的框图。
具体实施方式
现在将参照附图更充分地描述示例性方面。然而,本公开的示例可按许多不同的形式具体实现,不应被解释为限于本文所阐述的示例。相反,提供这些示例以使得本公开将彻底和完整,并且将向本领域技术人员充分传达范围。在附图中,一些细节可能被简化和/或可能是为了方便理解绘制,而非维持严格的结构精度、细节和/或比例。
一些示例克服了现有路径规划技术的计算时间和图大小瓶颈。一些示例特别适用于具有包括已知静态危险和动态观测的危险二者的混合结构的问题实例。在这些情况下,一些示例允许使用比当前使用的图大若干数量级的图(对于相当的计算工作)。这允许示例快速地计算局部和全局表现良好的解。相反,对于关于表达能力的固定要求,一些示例提供了改进的运行时间和更快的控制循环关闭。这允许载具更容易地适应新信息而不会丢失长期目标。
示例可用于各种环境中的各种载具。环境可为三维的,例如对于空域或水下路径规划,或者为二维的,例如对于地面或海面路径规划。示例载具包括飞行器、船只、潜艇、汽车、卡车、工厂机器人、无人驾驶飞行器、潜水器和地面载具以及自主或者可由计算机自主或半自主地控制的任何其它载具。
一些示例与局部机动的影响牵连长期任务可行性的场景尤其相关。这类混合目标的一个示例是能量受限载具(例如,电动垂直起降(eVTOL)飞机)在诸如飞鸟或其它飞行器的危险周围的安全机动,在这种情况下必须平衡贴近碰撞避让与长期能量限制,这是在避让已知地形和危险的同时安全着陆所必需的。第二个示例是动力严重不足的载具(例如,高空滑翔),其可能需要平衡动力以利用来自局部观测到的阵风的能量,同时为了长期任务成功而足够程度地保持位姿。
通常,示例可包括离线部分和在线部分。离线部分可在载具在所考虑的环境中操作之前执行,并且在线部分可在载具在所考虑的环境中操作期间执行。离线部分可包括生成离线图,该离线图表示避让静态或者说已知障碍物并且满足操作约束的可达配置之间的关系。图1中描绘了示例离线图。离线部分还可包括利用关于最小成本路径的顶点方面的信息和下一顶点信息增强离线图。图2中描绘了这种增强离线图的示例。在线部分可包括生成在线图,该在线图包括将载具的当前位置连接到离线图中的顶点的至少一条边。图3中描绘了这种在线图的示例。在线部分还可包括增强在线图以评估边是否被一个或更多个先前未观测到的障碍物阻断。图3中描绘了这种增强在线图的示例。在线部分还可包括搜索受一个或更多个先前未观测到的障碍物影响的更新的最小路径。图4中描绘了这种搜索的示例结果。
现在参照图1至图7来示出和描述这些和其它元件、特征和优点。
图1描绘了根据各种示例的示例离线图100。离线图100可包括已知起始位置和/或已知目的地的表示,例如作为非限制性示例,始发机场和/或目的地机场。更一般地,利用顶点(例如,顶点102)填充离线图,各个顶点表示包括位置和方向二者的状态。
可根据各种技术中的任一种来选择用于播种离线图100的点(例如,要用于顶点的位置部分的点)。作为非限制性示例,这些点可使用确定性空间填充算法来随机选择,或者与现有过程或操作结构(例如,空域系统中的已知方位、航线或进场)对准。例如,离线图100可包括至少100000个顶点。
图中的各个顶点包括位置和速度自由度二者,其分别表示位置和速度方向。各种示例可使用这些状态的任何混合,例如飞行器的位置、航向和空速。尽管离线图100表示二维空间,但示例不限于此。可以想到表示三维空间的离线图(和本文所公开的其它图)。例如,在三维中,各个顶点可包括两个三元组,例如(x1,y1,z1)、(x2,y2,z2),其中一个表示位置,另一个表示取向。因此,对于三维,各个顶点可包括两个三维向量。在二维中,各个顶点可包括两对,例如(x1,y1)、(x2,y2),其中一个表示位置,另一个表示取向;在二维中,各个顶点可包括两个二维向量。总之,离线图100中的各个顶点包括位置和方向二者。从上下文清楚,顶点可被称为状态,其包括位置和方向二者,或者称为位置,指位置部分。无论二维还是三维,离线图100可包括添加的维度(例如,添加到相应三元组或对中的每一个)以表示时间。
离线图100中的顶点(VERTICE)之间的边(EDGE)(例如,边104)表示关于已知约束的状态(例如,位置和方向)之间的可行转移。可行转移可考虑例如载具的物理限制(例如,转弯半径),并且约束可考虑已知障碍物。通常,离线图100可以是对数稀疏图,其中|EDGES|=|VERTICES|log|VERTICES|。
可在载具在由离线图100表示的空间中操作之前离线生成离线图100。例如,离线图100可电子地存储在持久计算机可读介质中。具体地,离线图100以及本文所公开的其它图可存储在任何合适的图存储数据结构中,其被修改以与顶点关联存储如本文所公开的各种数据(例如,如参照图2描述的最短路径和后继顶点数据)。
图2描绘了根据各种示例的示例增强离线图200(具体地,图1的离线图100的增强),包括从起始位置202到目的地位置204的最小路径206。起始位置202和目的地位置204可各自由增强离线图200中的相应顶点表示,指示各自的位置和方向二者。增强离线图200中的各个顶点还包括到目的地状态203的成本(例如,最小成本)的表示。因此,各个顶点可利用表示这种成本的标量值来增强。本文中,“成本”可按照各种形式实现,并且可表示时间、距离、燃料费用或其任何组合。此外,各个顶点可利用到目的地状态204的路径(例如,最小成本路径)中的后继顶点的标识来增强。后继顶点的标识可采取各种形式中的任一种(例如,顶点的索引),其中增强离线图200的顶点例如由某种枚举来索引。
如所示,增强离线图200包括从起始状态202到目的地状态204的最小成本路径206。这种路径可使用各种技术来获得,例如,应用于到顶点处存储的目的地的成本的动态编程。合适的动态编程技术的示例包括Dijkstra算法和A*。
图3描绘了根据各种示例的示例在线图300。在线图300可从增强离线图构造,并且参考图2的增强离线图200作为非限制性示例来描述。相对于各种示例的离线部分,对于在线部分,当所考虑的环境中存在载具时,两件事可能改变。首先,载具的当前位置302可处于任意位置,例如不在增强离线图200的顶点所表示的位置。其次,可能存在一个或更多个先前未知的障碍物(例如,障碍物306)。这些改变可如下解决。首先,可添加连接载具的当前位置302的新边308。其次,与障碍物306交叉的边310可被认为是无效的。当规划路径时可不考虑这些边,但是可保留在图中,例如供障碍物不再存在时使用。
载具的当前位置302可根据各种技术中的任一种来确定,作为非限制性示例,包括GPS、卫星成像、航位推算和/或基于RADAR、SONAR或LIDAR中的任一种的三角测量。当前位置和方向形成状态,该状态可联结到在线图300中的现有顶点,其中现有顶点可例如使用最近邻搜索来识别。
可使用各种技术中的任一种来识别新障碍物(例如,障碍物306)。作为非限制性示例,检测技术包括基于地面的、基于空中的、基于海的和/或基于载具的RADAR、SONAR和LIDAR。可使用卫星成像。来自可利用上述检测技术或不同技术中的任一种的任何实体(例如,空中交通控制器)的信息可进一步用于识别出现在所考虑的环境中的任何新障碍物。
在线图300可包括添加的维度以表示时间。例如,对于三维路径规划,各个顶点可包括三维位置向量、三维方向向量和标量时间值,其可全部以七个维度(例如,)表示。此外,各条边可与穿越持续时间关联。当在存在动态障碍物的情况下规划时,时间作为参数可用于评估是否存在潜在碰撞。例如,如果当前时间为T并且已知图中的边具有持续时间D来穿越,则遵循该边可到达的状态为([位置向量],[方向向量],T+D),其允许评估是否存在与动态障碍物的潜在碰撞。图可根据需要怠惰地构造(具有缓存以防止重新计算)。
图4描绘了根据各种示例的在线图400,其表示图3的示例在线图300,并且示出从载具的当前位置302到目的地204的最小成本路径402。可使用应用于在线图400的各种搜索算法中的任一种(例如,波束搜索)来获得最小路径402。具体地,搜索可使用到顶点处所存储的目的地203的成本作为接近度量来选择最小成本路径402。
总之,如本文中参照图1至图4所示出和描述的,呈现了一种路径规划技术。该技术在所考虑的区域中开始载具操作之前包括生成离线图的离线部分。离线图可被实现为表示避让静态和已知障碍物并满足操作约束的可达配置之间的关系的大型对数稀疏移动性图。图1描绘了这种离线图的示例。离线部分还可包括利用关于到目的地的最小成本路径的顶点方面信息来增强离线图(例如,通过使用动态编程)。图2描绘了这种增强离线图的示例。该技术还包括在线部分,在所考虑的区域中的载具活动期间,该在线部分使用增强离线图来生成在线图。该在线图包括载具的当前位置到增强离线图中的顶点的连接。图3描绘了具有这种连接的示例在线图。在线图还包括评估边是否被任何先前未观测到的障碍物阻断的能力。图3描绘了具有这种能力的示例在线图。在线图然后用于规划路径,例如,通过搜索受先前未观测到的障碍物影响的最小路径。图4描绘了示例最小路径。当前描述的图5示出被配置为执行所描述的技术的系统。
图5是根据各种示例的路径规划系统500的框图。系统500将路径规划所需的工作分成:由离线部分510执行的动作,其包括可发生在感兴趣区域中的载具操作之前的动作;以及由在线520部分执行的动作,其包括可在感兴趣区域中的载具操作期间执行的动作。通常,离线部分510生成离线图作为特定操作上下文中的移动性的计算表示。这可在从载具的上下文求解特定规划问题所需的使用之前很久进行,并且允许使用硬件并行和验证方法,否则这将在规划的运行时间期间在计算上不易处理。在线部分520通常涉及在操作期间操作区域内的离线图的丰富和消耗。
离线部分510包括构建离线图组件512。构建离线图组件512提供表示状态集合与目标集合之间的可行连接的离线图,其受已知动态和静态时不变约束影响。构建离线图组件512可增强具有到达目的地的最小成本的离线图的各个顶点。在各个顶点上保留这种到达成本信息允许使用关于可达性的纯局部O(1)贪婪启发式算法。此外,构建离线图组件512可利用表示路径连接的各个顶点中的几何信息(例如,下一顶点标识)来增强离线图,以改进边可被评估为与已知障碍物相交的速度。一旦由构建离线图组件512构造,离线图就可被存储在持久存储装置514中以供在线部分期间消耗。
系统500还包括在线部分520。在线部分520包括规划范围530,是支持持久存储器分配以重用离线图而无需从存储器重新加载或重新分配的运行时环境。规划范围530可在重复的上下文中使用,包括多个场景的滚动时域规划或评估。规划范围530可从持久存储装置522检索离线图,持久存储装置522可以是与持久存储装置514相同或不同的持久存储装置。
在线部分520还包括添加边组件524,其添加将载具的当前位置的表示连接到离线图中的顶点的至少一条边。即,添加边组件524提供表示在线图的图接口,包括连接到现有离线图上的任意当前位置(例如,当前状态)。例如,可使用最近邻搜索来确定连接。添加边组件524可提供抽象图视图而非新的全尺寸存储器分配,以便避免在线部分520期间与图大小(例如,O(|VERTICES|))相似的存储器操作。这种抽象图视图可提供例如可识别输入顶点标识的所有后继的函数。这种函数可在图的一小部分上操作,而无需将整个图保存在动态存储器中。此外,这种函数可存储先前已由该函数评估的顶点及其后继的临时列表,使得函数在这些顶点处的未来评估可使用快速查找调用来执行。
在线部分520还包括无效阻断边组件526。无效阻断边组件526提供表示包括已知动态约束的离线图的图接口,包括在线部分期间已知的移动对象。无效阻断边组件526可采用半空间包含或多面体相交以及下一顶点信息来检测动态或静态约束是否阻断边。如果是,则阻断边组件526将边从用于稍后阶段的计算移除。根据一些示例,阻断边组件526可将电子存储的阻断边列表保存在存储器中。可在执行诸如图规划器528所执行的特定动作之前检查这种列表,并且可从这些动作移除本文所表示的边。类似于添加边组件524,无效阻断边组件526可提供抽象图视图而非新的存储器分配,以便避免在线部分520期间与图大小相似的存储器操作。
在线部分520还包括图规划器528。给定目标,图规划器528提供轨迹、路径或规划。图规划器528可实现各种算法中的任一种,例如,边界(A*,D*)随机搜索(例如,Monte Carlo树搜索)或启发式搜索算法(例如,波束搜索)。由于从使用移除阻断边可按非局部方式增加顶点的到达成本,所以图规划器528可采用回溯启发式修改。根据一些示例,波束搜索启发式用于平衡运行时间和最优性考虑。具体地,可使用对数缩放波束宽度,例如,波束宽度可被选择为clog|VERTICES|,其中c是某一常数。图规划器528输出从载具的当前位置到目的地的路径。
一些示例通过使用各种特征来使在线部分520所执行的运行时工作量最小化。这些特征可包括:(1)创建抽象图视图,而非重新分配存储器;以及(2)基于回溯怠惰地更新到达成本,而非穷尽地检查边并按照边的数量执行广泛缩放的计算工作。具体地,这两个方面可提供表现良好且准确的规划,使得对运行时的动态存储器分配和计算复杂度的要求相对低。
图6是根据各种示例的路径规划方法600的流程图。方法600可包括:移动自主系统穿越包括至少一个障碍物的环境到达环境中的目的地。方法600可由如参照图5示出和描述的系统500使用如参照图7示出和描述的硬件700实现。
在602,方法600生成离线图。可在移动自主系统在环境中开始活动之前生成离线图。离线图可包括表示环境中的位置的多个顶点以及表示移动自主载具在环境中的可行转移的顶点之间的多条边。602的动作可包括如本文中参照图1和图2以及参照图5的构建离线图组件512示出和描述的动作中的任一个或任何组合。
在604,方法600包括:利用将移动自主系统的当前位置的表示连接到图的顶点的至少一条边来注释图。604的动作可包括如参照图3以及参照图5的添加边组件524示出和描述的动作中的任一个或任何组合。
在606,方法600包括:基于图来确定从移动自主系统在环境中的当前位置到目的地的路径。606的动作可包括如参照图4以及参照图5的图规划器528示出和描述的动作中的任一个或任何组合。
在608,方法600包括:由移动自主系统基于路径穿越环境到达目的地。608的动作可包括移动自主系统使用路径作为穿越路线在环境中物理地穿越到达目的地。
图7是用于实现各种示例的示例硬件700的框图。例如,图7示出可用于实现本文中参照图6示出和描述的方法600的各种硬件、软件和其它资源。此外,系统700可实现构建离线图组件512、持久存储装置514、持久存储装置522、添加边组件524、无效阻断边组件526、图规划器528和/或规划范围530。
系统700包括离线部分计算机720和在线部分计算机710。离线部分计算机720可执行例如本文中参照图1、图2和图5示出和描述的离线部分动作。在线部分计算机710可执行例如本文中参照图3、图4和图5示出和描述的在线部分动作。在线部分计算机710可部署在所讨论的载具(例如,飞行器702)上。离线部分计算机710和在线部分计算机720可通过一个或更多个网络730(例如,互联网)在通信上联接。
离线部分计算机720或在线部分计算机710中的任一个可被实现为台式计算机、膝上型计算机中的任一个,可被并入一个或更多个服务器、集群或其它计算机或硬件资源中,或者可使用基于云的资源来实现。离线部分计算机720包括易失性存储器726和持久存储器728,后者可存储计算机可读指令,这些指令在由电子处理器722执行时将离线部分计算机720配置为至少部分地执行如本文中示出和描述的方法(例如,方法600)的离线部分。离线部分计算机720包括网络接口724,网络接口724经由网络730将离线部分计算机720在通信上联接到在线部分计算机710。在线计算机710包括易失性存储器716和持久存储器718,后者可存储计算机可读指令,这些指令在由电子处理器712执行时将在线计算机710配置为至少部分地执行如本文中示出和描述的方法(例如,方法600)的在线部分。在线部分计算机710包括网络接口714,网络接口714经由网络730将在线部分计算机710在通信上联接到离线部分计算机720。系统700、关联的网络连接以及其它硬件、软件和服务资源的其它配置是可能的。
所公开的示例的许多变化和修改是可能的。根据一些示例,目的地状态可由例如表示在多个可行着陆位置或一系列允许结束状态(例如处于等待航线、处于呈报的安全着陆区或者在机场)当中动态选择的状态并集替换。要注意的是,假设目标被视为同等优先级,到达成本度量可保持标量值。根据一些示例,在存在平移不变性的情况下可由反映机动序列的局部模板来替换机动性图(例如用于在向上和远离飞行的混战中规划机动)。在这种情况下,离线动作可捕获基本可控动作可如何组合成在运行时搜索的更长运行机动的表示。
条款1.一种由移动自主系统在包括至少一个障碍物的环境中穿越到达环境中的目的地的方法,该方法包括:在移动自主系统在环境中开始活动之前生成图,该图包括表示环境中的位置的多个顶点以及表示移动自主载具在环境中的可行转移的顶点之间的多条边;利用将移动自主系统的当前位置的表示连接到图的顶点的至少一条边来注释图;基于图来确定从移动自主系统在环境中的当前位置到目的地的路径;以及由移动自主系统基于路径来穿越环境到达目的地。
条款2.根据条款1所述的方法,其中,顶点存储位置和方向信息。
条款3.根据条款1或2所述的方法,其中,顶点存储到目的地的相应成本。
条款4.根据条款1-3中的任一项所述的方法,其中,顶点存储在穿越到目的地中的接下来的顶点的标识。
条款5.根据条款1-4中的任一项所述的方法,其中,所述至少一个障碍物包括至少一个动态障碍物。
条款6.根据条款1-5中的任一项所述的方法,该方法还包括:使图中的至少一条边无效以表示所述至少一个障碍物在特定时间的位置。
条款7.根据条款1-6中的任一项所述的方法,其中,利用所述至少一条边注释图的步骤包括:向图添加所述至少一条边,而无需生成与图的大小相似的新存储器分配。
条款8.根据条款1-7中的任一项所述的方法,其中,移动自主系统包括飞行器。
条款9.根据条款1-8中的任一项所述的方法,其中,所述目的地包括多个位置,并且其中,图通过多个顶点来表示所述多个位置。
条款10.根据条款1-9中的任一项所述的方法,其中,确定路径的步骤包括:执行图的非穷举搜索。
条款11.一种用于由移动自主系统在包括至少一个障碍物的环境中穿越到达环境中的目的地的系统,该系统包括:电子处理器;包括指令的电子持久存储器,所述指令在由电子处理器执行时将电子处理器配置为执行操作,该操作包括:在移动自主系统在述环境中开始活动之前生成图,该图包括表示环境中的位置的多个顶点以及表示移动自主载具在环境中的可行转移的顶点之间的多条边;利用将移动自主系统的当前位置的表示连接到图的顶点的至少一条边来注释图;以及基于图来确定从移动自主系统在环境中的当前位置到目的地的路径;其中,移动自主系统被配置为基于路径穿越环境到达目的地。
条款12.根据条款11所述的系统,其中,顶点存储位置和方向信息。
条款13.根据条款11或条款12所述的系统,其中,顶点存储到目的地的相应成本。
条款14.根据条款11-13中的任一项所述的系统,其中,顶点存储在穿越到目的地中的接下来的顶点的标识。
条款15.根据条款11-14中的任一项所述的系统,其中,所述至少一个障碍物包括至少一个动态障碍物。
条款16.根据条款11-15中的任一项所述的系统,其中,所述操作还包括使图中的至少一条边无效,以表示至少一个障碍物在特定时间的位置。
条款17.根据条款11-16中的任一项所述的系统,其中,利用所述至少一条边注释图的步骤包括:向图添加所述至少一条边,而无需生成与图的大小相似的新存储器分配。
条款18.根据条款11-17中的任一项所述的系统,其中,移动自主系统包括飞行器。
条款19.根据条款11-18中的任一项所述的系统,其中,所述目的地包括多个位置,并且其中,图通过多个顶点来表示所述多个位置。
条款20.根据条款11-19中的任一项所述的系统,其中,确定路径的步骤包括执行图的非穷举搜索。
尽管为了清晰和理解的目的,作为例示和示例以一些细节描述了上述公开,但是对于本领域普通技术人员而言从阅读本公开将清楚的是,在不脱离本公开的真实范围的情况下可进行各种形式和细节上的改变,并且可在所附权利要求的范围内实践。例如,所有方法、系统和/或组件部分或其其它方面可按各种组合使用。本文所引用的所有专利、专利申请、网站、其它出版物或文献等出于所有目的整体通过引用并入,就像各个单独的项目被具体地和单独地指示以通过引用如此并入一样。
Claims (15)
1.一种由移动自主系统在包括至少一个障碍物(306)的环境中穿越到达所述环境中的目的地(204)的方法(600),该方法包括以下步骤:
在所述移动自主系统在所述环境中开始活动之前,生成图,该图包括表示所述环境中的位置的多个顶点(102)以及表示所述移动自主载具在所述环境中的可行转移的顶点之间的多条边(104);
利用将所述移动自主系统的当前位置的表示连接到所述图的顶点的至少一条边来注释所述图;
基于所述图来确定从所述移动自主系统在所述环境中的所述当前位置到所述目的地的路径;以及
由所述移动自主系统基于所述路径来穿越所述环境到达所述目的地。
2.根据权利要求1所述的方法,其中,生成所述顶点的步骤包括为各个所述顶点存储位置和方向信息。
3.根据权利要求1所述的方法,其中,生成所述顶点的步骤包括为各个所述顶点存储到所述目的地的相应成本。
4.根据权利要求1所述的方法,其中,生成所述顶点的步骤包括为各个所述顶点存储在穿越到所述目的地中的接下来的顶点的标识。
5.根据权利要求1所述的方法,其中,所述至少一个障碍物包括至少一个动态障碍物。
6.根据权利要求5所述的方法,该方法还包括:使所述图中的至少一条边无效以表示所述至少一个障碍物在特定时间的位置。
7.根据权利要求1所述的方法,其中,利用所述至少一条边注释所述图的步骤包括:向所述图添加所述至少一条边,而无需生成与所述图的大小相似的新存储器分配。
8.根据权利要求7所述的方法,其中,所述目的地包括多个位置,并且其中,所述图通过多个顶点来表示所述多个位置。
9.根据权利要求1所述的方法,其中,确定所述路径的步骤包括:执行所述图的非穷举搜索。
10.一种用于由移动自主系统在包括至少一个障碍物(306)的环境中穿越到达所述环境中的目的地(204)的系统(500,700),该系统包括:
电子处理器(712,722);以及
包括指令的电子持久存储器(718,728),所述指令在由所述电子处理器执行时将所述电子处理器配置为执行操作,所述操作包括:
在所述移动自主系统在所述环境中开始活动之前,生成图,该图包括表示所述环境中的位置的多个顶点以及表示所述移动自主载具在所述环境中的可行转移的顶点之间的多条边(104);
利用将所述移动自主系统的当前位置的表示连接到所述图的顶点(102)的至少一条边来注释所述图;以及
基于所述图来确定从所述移动自主系统在所述环境中的所述当前位置到所述目的地的路径;
其中,所述移动自主系统被配置为基于所述路径穿越所述环境到达所述目的地。
11.根据权利要求10所述的系统,其中,生成所述顶点的步骤包括为各个所述顶点存储位置和方向信息。
12.根据权利要求10所述的系统,其中,生成所述顶点的步骤包括为各个所述顶点存储到所述目的地的相应成本。
13.根据权利要求10所述的系统,其中,生成所述顶点的步骤包括为各个所述顶点存储在穿越到所述目的地中的接下来的顶点的标识。
14.根据权利要求10所述的系统,其中,利用所述至少一条边注释所述图的步骤包括:向所述图添加所述至少一条边,而无需生成与所述图的大小相似的新存储器分配。
15.根据权利要求10所述的系统,其中,所述目的地(203,204)包括多个位置,并且其中,所述图通过多个顶点来表示所述多个位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/447,540 | 2021-09-13 | ||
US17/447,540 US11999479B2 (en) | 2021-09-13 | Fast path planning for dynamic avoidance in partially known environments |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115793700A true CN115793700A (zh) | 2023-03-14 |
Family
ID=82458644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210998180.1A Pending CN115793700A (zh) | 2021-09-13 | 2022-08-19 | 在部分已知环境中进行动态避让的快速路径规划 |
Country Status (2)
Country | Link |
---|---|
EP (1) | EP4148706A1 (zh) |
CN (1) | CN115793700A (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8082102B2 (en) * | 2008-01-14 | 2011-12-20 | The Boeing Company | Computing flight plans for UAVs while routing around obstacles having spatial and temporal dimensions |
US9524647B2 (en) * | 2015-01-19 | 2016-12-20 | The Aerospace Corporation | Autonomous Nap-Of-the-Earth (ANOE) flight path planning for manned and unmanned rotorcraft |
US11908336B2 (en) * | 2019-11-04 | 2024-02-20 | The Boeing Company | System and method for clearance-based taxi route planning |
-
2022
- 2022-07-12 EP EP22184268.5A patent/EP4148706A1/en active Pending
- 2022-08-19 CN CN202210998180.1A patent/CN115793700A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230078502A1 (en) | 2023-03-16 |
EP4148706A1 (en) | 2023-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | High speed navigation for quadrotors with limited onboard sensing | |
CN110687923B (zh) | 无人机长距离循迹飞行方法、装置、设备及存储介质 | |
Zheng et al. | Evolutionary route planner for unmanned air vehicles | |
Pandey et al. | Three-dimensional path planning for unmanned aerial vehicles using glowworm swarm optimization algorithm | |
Zheng et al. | Real-time route planning for unmanned air vehicle with an evolutionary algorithm | |
Gramajo et al. | An efficient energy constraint based UAV path planning for search and coverage | |
Petrlík et al. | Coverage optimization in the cooperative surveillance task using multiple micro aerial vehicles | |
Liu | A progressive motion-planning algorithm and traffic flow analysis for high-density 2D traffic | |
CN112947594A (zh) | 一种面向无人机的航迹规划方法 | |
Zhao et al. | Multiple-aircraft-conflict resolution under uncertainties | |
Schoener et al. | An anytime Visibility–Voronoi graph-search algorithm for generating robust and feasible unmanned surface vehicle paths | |
Politi et al. | Path planning and landing for unmanned aerial vehicles using ai | |
Zheng et al. | UAVs cooperative task assignment and trajectory optimization with safety and time constraints | |
Niendorf et al. | Multi-query path planning for an unmanned fixed-wing aircraft | |
Yang et al. | A cooperative formation‐based collision avoidance approach for a group of autonomous vehicles | |
Kushleyev et al. | Planning for landing site selection in the aerial supply delivery | |
Chow et al. | RADR: routing for autonomous drones | |
CN115793700A (zh) | 在部分已知环境中进行动态避让的快速路径规划 | |
US11999479B2 (en) | Fast path planning for dynamic avoidance in partially known environments | |
Hirsch et al. | Decentralized cooperative urban tracking of multiple ground targets by a team of autonomous UAVs | |
Lum et al. | Occupancy based map searching using heterogeneous teams of autonomous vehicles | |
Pant et al. | Obstacle Avoidance Method for UAVs using Polar Grid | |
Zhang et al. | Route planning for unmanned air vehicles with multiple missions using an evolutionary algorithm | |
Adolf | Multi-query path planning for exploration tasks with an unmanned rotorcraft | |
Alami et al. | SOREO: a system for safe and autonomous drones fleet navigation with reinforcement learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |