CN116429138A - 路径规划方法、装置、车辆及存储介质 - Google Patents
路径规划方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN116429138A CN116429138A CN202310324105.1A CN202310324105A CN116429138A CN 116429138 A CN116429138 A CN 116429138A CN 202310324105 A CN202310324105 A CN 202310324105A CN 116429138 A CN116429138 A CN 116429138A
- Authority
- CN
- China
- Prior art keywords
- node
- expanded
- path planning
- nodes
- expansion
- 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 title claims abstract description 73
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000013138 pruning Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 32
- 238000004422 calculation algorithm Methods 0.000 abstract description 24
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
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
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
本申请涉及自动驾驶技术领域,特别涉及一种路径规划方法、装置、车辆及存储介质,其中,方法包括:获取路径规划的起点和终点;将起点添加至节点列表中作为待扩展节点的父节点,筛选节点列表中当前节点的一个或多个跳点作为待扩展节点,并将待扩展节点中的最优节点作为当前节点的扩展节点,直到搜索到终点;根据起点、终点和扩展节点生成路径规划结果。由此,解决了相关技术在搜索过程中产生的大多数节点与最终路径生成无关,且这些节点均参与运算,造成了较大的计算量,降低了算法在寻路中的执行效率和运行平稳性等问题。
Description
技术领域
本申请涉及自动驾驶技术领域,特别涉及一种路径规划方法、装置、车辆及存储介质。
背景技术
路径规划算法作为自动驾驶的核心模块,其功能是根据给定目标位置去规划路线以实现最优轨迹运动,通常路径规划分为两种形式:全局路径规划和局部路径规划。
全局路径规划经常使用的算法是Dijkstra算法,但该算法由于缺乏目的性的引导,其在搜索过程中遍历周围环境范围广、生成节点过多、存在计算量大及占用系统过多的CPU资源等缺点。而启发函数由于目的性强,在复杂的环境中往往生成的路径并非最优,但执行效率很高。在此基础上,通过在Dijkstra算法融入启发函数,可以更好的实现优劣互补最终形成了新的函数Astar算法。
相关技术中,在搜索过程中产生的大多数节点与最终路径生成无关,而在寻路过程中这些节点都需要参与运算,直接导致不必要的内存消耗。同时寻路路径中出现的转折点,需要车辆通过启停旋转来转向,过多的转折点不利于车辆的正常工作,极大的降低车辆的工作效率。在较大复杂的场景下这些问题尤为突出。
发明内容
本申请提供一种路径规划方法、装置、车辆及存储介质,以解决相关技术在搜索过程中产生的大多数节点与最终路径生成无关,且这些节点均参与运算,造成了较大的计算量,降低了算法在寻路中的执行效率和运行平稳性等问题。
本申请第一方面实施例提供一种路径规划方法,包括以下步骤:获取路径规划的起点和终点;将所述起点添加至节点列表中作为待扩展节点的父节点,筛选所述节点列表中当前节点的一个或多个跳点作为待扩展节点,并将所述待扩展节点中的最优节点作为所述当前节点的扩展节点,直到搜索到所述终点;根据所述起点、所述终点和所述扩展节点生成路径规划结果。
根据上述技术手段,本申请实施例通过获取路径规划的起点和终点,并将起点添加至节点列表中作为待扩展节点的父节点,筛选出节点列表中当前节点的跳点作为待扩展节点,并将待扩展节点中的最优节点选出作为当前节点的扩展节点,直至搜索至终点,并根据起点、终点和扩展节点生成路径规划结果,从而避免了在搜索过程中产生与最终生成路径无关的节点,降低了运算量,极大的提升了车辆的工作效率,提高了在寻路过程中的执行效率和运行平稳性。
可选地,所述筛选所述节点列表中当前节点的一个或多个跳点作为待扩展节点,包括:采用位运算指令筛选所述节点列表中当前节点的一个或多个跳点。
根据上述技术手段,本申请实施例采用位运算指令能够快速筛选出节点列表中的多个跳点,提升工作效率。
可选地,所述将所述待扩展节点中的最优节点作为所述当前节点的扩展节点,包括:判断所述待扩展节点是否处于所述节点列表中;若未处于所述节点列表中,则将所述待扩展节点作为所述当前节点的扩展节点,并添加至所述节点列表中;若处于所述节点列表中,则将所述待扩展节点中代价之最小的节点作为所述当前节点的扩展节点。
根据上述技术手段,本申请实施例在判断待扩展节点未处于节点列表中,则将待扩展节点作为当前节点的扩展节点,并添加至节点列表中;若待扩展节点处于节点列表中,则将待扩展节点中代价最小的节点作为当前节点的扩展节点,从而能够将挑选出最优待扩展节点作为当前节点的扩展节点,以便于后续生成最佳路径。
可选地,所述将所述待扩展节点中代价之最小的节点作为所述当前节点的扩展节点,包括:计算每个待扩展节点的实际代价值和估计代价值;根据所述实际代价值和所述估计代价值计算全局评估代价值,将所述全局评估代价值最小的待扩展节点作为所述当前节点的扩展节点。
根据上述技术手段,本申请实施例计算每个待扩展节点的实际代价值和估计代价值,根据其计算出全局评估代价值,将全局评估代价值最小的待扩展节点作为当前节点的扩展节点,以便于后续生成最佳路径。
可选地,在根据所述起点、所述终点和所述扩展节点生成路径规划结果之前,还包括:识别所述扩展节点中满足剪枝条件的冗余节点,并删除所述冗余节点。
根据上述技术手段,本申请实施例通过识别待扩展节点中满足剪枝条件的冗余节点并删除,消除多余的节点,从而提高了寻路过程中的执行效率和运行平稳性。
可选地,在根据所述起点、所述终点和所述扩展节点生成路径规划结果之前,还包括:识别所述扩展节点中满足转折条件的转折节点,利用二阶贝塞尔曲线对转折节点的位置进行路径平滑处理。
根据上述技术手段,本申请实施例识别待扩展节点中满足转折条件的转折节点,利用二阶贝塞尔曲线对转折节点的位置进行路径平滑处理,从而提高了寻路过程中的执行效率和运行平稳性。
可选地,所述节点列表包括已经生成但未遍历评估的邻居节点。
本申请第二方面实施例提供一种路径规划装置,包括:获取模块,用于获取路径规划的起点和终点;筛选模块,用于将所述起点添加至节点列表中作为待扩展节点的父节点,筛选所述节点列表中当前节点的一个或多个跳点作为待扩展节点,并将所述待扩展节点中的最优节点作为所述当前节点的扩展节点,直到搜索到所述终点;生成模块,用于根据所述起点、所述终点和所述扩展节点生成路径规划结果。
本申请第三方面实施例提供一种车辆,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的路径规划方法。
本申请第四方面实施例提供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,以用于实现如上述实施例所述的路径规划方法。
由此,本申请至少具有如下有益效果:
(1)本申请实施例通过获取路径规划的起点和终点,并将起点添加至节点列表中作为待扩展节点的父节点,筛选出节点列表中当前节点的跳点作为待扩展节点,并将待扩展节点中的最优节点选出作为当前节点的扩展节点,直至搜索至终点,并根据起点、终点和扩展节点生成路径规划结果,从而避免了在搜索过程中产生与最终生成路径无关的节点,降低了运算量,极大的提升了车辆的工作效率,提高了在寻路过程中的执行效率和运行平稳性
(2)本申请实施例采用位运算指令能够快速筛选出节点列表中的多个跳点,提升工作效率。
(3)本申请实施例在判断待扩展节点未处于节点列表中,则将待扩展节点作为当前节点的扩展节点,并添加至节点列表中;若待扩展节点处于节点列表中,则将待扩展节点中代价最小的节点作为当前节点的扩展节点,从而能够将挑选出最优待扩展节点作为当前节点的扩展节点,以便于后续生成最佳路径。
(4)本申请实施例计算每个待扩展节点的实际代价值和估计代价值,根据其计算出全局评估代价值,将全局评估代价值最小的待扩展节点作为当前节点的扩展节点,以便于后续生成最佳路径。
(5)本申请实施例通过识别待扩展节点中满足剪枝条件的冗余节点并删除,消除多余的节点,从而提高了寻路过程中的执行效率和运行平稳性。
(6)本申请实施例识别待扩展节点中满足转折条件的转折节点,利用二阶贝塞尔曲线对转折节点的位置进行路径平滑处理,从而提高了寻路过程中的执行效率和运行平稳性。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种路径规划方法的流程图;
图2为根据本申请实施例提供的一种路径规划方法的逻辑流程图;
图3为根据本申请实施例提供的一种路径规划方法的计算过程的逻辑流程图;
图4为根据本申请实施例提供的一种路径规划装置的示例图;
图5为根据本申请实施例的车辆的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
路径规划算法作为自动驾驶的核心模块,其功能是根据给定目标位置去规划路线以实现最优轨迹运动,通常路径规划分为两种形式:全局路径规划和局部路径规划。
全局路径规划最经典的是Dijkstra算法,但该算法由于缺乏目的性的引导,其在搜索过程中遍历周围环境范围广、生成节点过多、存在计算量大及占用系统过多的CPU资源等缺点。而启发函数由于目的性强,在复杂的环境中往往生成的路径并非最优,但执行效率很高。在此基础上,通过在Dijkstra算法融入启发函数,可以更好的实现优劣互补最终形成了新的函数Astar算法。
该启发式算法主要通过估价函数评价代价值大小来引导搜索方向,其估价函数如下所示:
Fn=Gn+Hn
其中,Fn是从起始节点到目标节点的全局评估代价值;Gn是从起始节点到当前节点n的实际代价;Hn是从当前节点n到目标节点的最佳估计代价值。Gn和Hn占Fn的比重决定着A*搜索的行为,当Gn占比高时,Astar算法需要搜索更多的节点数量,趋向于Dijkstra算法。当Hn占比高时,Astar算法追求更快搜索速度而忽视了寻路长度,此时生成路径并非最优,此时更趋向于BFS(Best-first-search,BFS)算法。
但是在搜索过程中产生的大多数节点与最终路径生成无关,而在寻路过程中这些节点都需要参与运算,直接导致不必要的内存消耗。同时寻路路径中出现的转折点,需要车辆通过启停旋转来转向,过多的转折点不利于车辆的正常工作,极大的降低车辆的工作效率,在较大复杂的场景下这些问题尤为突出。
相关技术中,提出了融合Astar与DWA算法的移动小车路径规划方法,采用栅格建图,减小移动小车在运动过程中线速度与角速度的剧烈变化,保证运动的平稳性。
而本申请为了提高Astar算法在寻路过程中的执行效率和运行平稳性,利用改进跳点搜索算法并结合二阶贝塞尔曲线对Astar算法融合改进,通过选取合适启发式函数值决定着能否找到最优路径的关键。
下面参考附图描述本申请实施例的路径规划方法、装置、车辆及存储介质。具体而言,图1为本申请实施例所提供的一种路径规划方法的流程示意图。
如图1所示,该路径规划方法包括以下步骤:
在步骤S101中,获取路径规划的起点和终点。
其中,路径规划的起点和终点均由用户自行设定,在此不做具体限定。
可以理解的是,本申请实施例通过获取路径规划的起点和终点,以便于后续筛选出扩展节点,并生成对应的最优路径。
在步骤S102中,将起点添加至节点列表中作为待扩展节点的父节点,筛选节点列表中当前节点的一个或多个跳点作为待扩展节点,并将待扩展节点中的最优节点作为当前节点的扩展节点,直到搜索到终点。
其中,节点列表包括已经生成但未遍历评估的邻居节点。
其中,跳点可以是终点,可以包括至少一个被迫邻居即障碍物旁边的节点,在此不做具体限定。
可以理解的是,本申请实施例将起点添加至节点列表中作为待扩展节点的父节点,筛选出节点列表中当前节点的跳点作为待扩展节点,并将待扩展节点中的最优节点选出作为当前节点的扩展节点,直至搜索至终点,从而避免了在搜索过程中产生与最终生成路径无关的节点,降低了运算量,极大的提升了车辆的工作效率,提高了在寻路过程中的执行效率和运行平稳性。
在本申请实施例中,筛选节点列表中当前节点的一个或多个跳点作为待扩展节点,包括:采用位运算指令筛选节点列表中当前节点的一个或多个跳点。
其中,位运算可以是直接对整数在内存中的二进制位进行操作,包括按位与运算,按位或运算,按位异或运算等,可根据实际情况进行选取,在此不做具体限定。
可以理解的是,本申请实施例采用位运算指令能够快速筛选出节点列表中的多个跳点,提升工作效率。
需要说明的是,本申请实施例中将待扩展节点中的最优节点选出作为当前节点的扩展节点,不仅可以选取待扩展节点中代价最小的节点作为当前节点的扩展节点,还可以将全局评估代价值最小的待扩展节点作为当前节点的扩展节点,在此不做具体限定。
作为一种可能实施的方式,将待扩展节点中的最优节点作为当前节点的扩展节点,包括:判断待扩展节点是否处于节点列表中;若未处于节点列表中,则将待扩展节点作为当前节点的扩展节点,并添加至节点列表中;若处于节点列表中,则将待扩展节点中代价之最小的节点作为当前节点的扩展节点。
其中,代价最小的节点可以是从当前节点到目标节点的代价值最小的节点,在此不做具体限定。
可以理解的是,本申请实施例在判断待扩展节点未处于节点列表中,则将待扩展节点作为当前节点的扩展节点,并添加至节点列表中;若待扩展节点处于节点列表中,则将待扩展节点中代价最小的节点作为当前节点的扩展节点,从而能够将挑选出最优待扩展节点作为当前节点的扩展节点,以便于后续生成最佳路径。
作为另一种可能实施的方式,将待扩展节点中代价之最小的节点作为当前节点的扩展节点,包括:计算每个待扩展节点的实际代价值和估计代价值;根据实际代价值和估计代价值计算全局评估代价值,将全局评估代价值最小的待扩展节点作为当前节点的扩展节点。
其中,实际代价值可以是从起点到当前节点的实际代价值;估计代价值可以是从当前节点到目标节点即终端的估计代价值,在此不做具体限定。
可以理解的是,本申请实施例本申请实施例计算每个待扩展节点的实际代价值和估计代价值,根据其计算出全局评估代价值,将全局评估代价值最小的待扩展节点作为当前节点的扩展节点,以便于后续生成最佳路径。
在步骤S103中,根据起点、终点和扩展节点生成路径规划结果。
可以理解的是,本申请实施例根据起点、终点和扩展节点生成路径规划结果,避免了在搜索过程中产生与最终生成路径无关的节点,降低了运算量,极大的提升了车辆的工作效率,提高了在寻路过程中的执行效率和运行平稳性。
在本申请实施例中,在根据起点、终点和扩展节点生成路径规划结果之前,还包括:识别扩展节点中满足剪枝条件的冗余节点,并删除冗余节点。
其中,满足剪枝条件的冗余节点可以是仅具有改变方向但是影响路径长度和搜索时间的冗余节点,在此不做具体限定。
可以理解的是,本申请实施例通过识别待扩展节点中满足剪枝条件的冗余节点并删除,消除多余的节点,从而提高了寻路过程中的执行效率和运行平稳性。
在本申请实施例中,在根据起点、终点和扩展节点生成路径规划结果之前,还包括:识别扩展节点中满足转折条件的转折节点,利用二阶贝塞尔曲线对转折节点的位置进行路径平滑处理。
可以理解的是,本申请实施例识别待扩展节点中满足转折条件的转折节点,利用二阶贝塞尔曲线对转折节点的位置进行路径平滑处理,从而提高了寻路过程中的执行效率和运行平稳性。
根据本申请实施例提出的路径规划方法,通过获取路径规划的起点和终点,并将起点添加至节点列表中作为待扩展节点的父节点,筛选出节点列表中当前节点的跳点作为待扩展节点,并将待扩展节点中的最优节点选出作为当前节点的扩展节点,直至搜索至终点,并根据起点、终点和扩展节点生成路径规划结果,从而避免了在搜索过程中产生与最终生成路径无关的节点,降低了运算量,极大的提升了车辆的工作效率,提高了在寻路过程中的执行效率和运行平稳性。
下面将结合图2和图3对路径规划方法进行详细阐述,具体步骤如下:
1、前端信息处理。
接收环境感知的目标信息、车道线信息、决策信息,计算出路径起点、路径终点和路径的边界,避免所规划的路径与车道线边界和决策边界发生碰撞交叉。
2、计算出最优寻路路径。
根据边界信息、路径起点、路径终点和目标,计算出一条最优的规划路径。
3、平滑所计算的路径。
路径存在过多的转折点,影响车辆的行驶,使用二阶贝塞尔曲线对转折处进行处理,提高曲线的平滑程度。
具体实施方式如下:
寻路过程中始终维护着两个容器(OL列表和CL列表)实现对节点的存取功能。前者用于存取已经生成但未遍历评估的邻居节点,后者用于存储已遍历评估周围邻居节点和障碍物有关的信息,定义起始点坐标位置S,估价函数为Fn,目标点位置为T。
步骤1:将路径起点A添加到OL列表中,作为待扩展节点的父节点。
步骤2:判断OL列表中节点数量是否为空,若为空,则寻路结束。若不为空,则判断当前节点是否与目标点位置一直。若一致,则寻路完成,否则遍历该表,利用估价函数Fn查找代价值最小的节点,视作为待处理的节点。
步骤3:将待处理的节点在栅格地图路径搜索中不断执行特定的跳点识别规则,依据约束规则选取出邻居节点完成后将待处理节点放置到OL表。跳点识别规则就是预处理阶段将当前节点定义为起始点,由于在计算机中位运算效率更高,故将场景图抽象为0和1的二进制数,不可通行为1,可通行为0。通过使用高效的位运算指令,快速的筛选出挑点。
步骤4:判断扩展点是否在OL列表中,若不在则把它加入到OL列表中。若存在开放列表中,检查当前节点所形成的的代价值是否更低。若代价值更低则将它的父节点设为当前位置,重新计算Gn和Hn值,按照代价值大小重新排序。
步骤5:当检测到目标点加入到OL表中时候,路径所需节点已经查询完毕。
步骤6:若遍历完所有节点后仍未找到目标点,运行结束,路径规划失败。
步骤:7:从目标点开始,回溯路径中的查询到的关键节点,生成最优寻路路径。在Astar算法运行时候,不断的重复步骤2至步骤6,直到运行结束,最终生成一条从S到T总代价值最低的寻路路径。
步骤8:在寻路过程中往往会生成一些仅具有改变方向的冗余节点从而影响路径长度及搜索时间,采用RRT*算法做剪枝操作,消除多余的节点。
步骤9:路径存在过多的转折点,影响车辆的行驶,使用二阶贝塞尔曲线对转折处进行处理,提高曲线的平滑程度。
其次参照附图描述根据本申请实施例提出的路径规划装置。
图4是本申请实施例的路径规划装置的方框示意图。
如图4所示,该路径规划装置10包括:获取模块100、筛选模块200和生成模块300。
其中,获取模块100用于获取路径规划的起点和终点;筛选模块200用于将起点添加至节点列表中作为待扩展节点的父节点,筛选节点列表中当前节点的一个或多个跳点作为待扩展节点,并将待扩展节点中的最优节点作为当前节点的扩展节点,直到搜索到终点;生成模块300用于根据起点、终点和扩展节点生成路径规划结果。
需要说明的是,前述对路径规划方法实施例的解释说明也适用于该实施例的路径规划装置,此处不再赘述。
根据本申请实施例提出的路径规划装置,通过获取路径规划的起点和终点,并将起点添加至节点列表中作为待扩展节点的父节点,筛选出节点列表中当前节点的跳点作为待扩展节点,并将待扩展节点中的最优节点选出作为当前节点的扩展节点,直至搜索至终点,并根据起点、终点和扩展节点生成路径规划结果,从而避免了在搜索过程中产生与最终生成路径无关的节点,降低了运算量,极大的提升了车辆的工作效率,提高了在寻路过程中的执行效率和运行平稳性。
图5为本申请实施例提供的车辆的结构示意图。该车辆可以包括:
存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。
处理器502执行程序时实现上述实施例中提供的路径规划方法。
进一步地,车辆还包括:
通信接口503,用于存储器501和处理器502之间的通信。
存储器501,用于存放可在处理器502上运行的计算机程序。
存储器501可能包含高速RAM(Random Access Memory,随机存取存储器)存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
如果存储器501、处理器502和通信接口503独立实现,则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral Component,外部设备互连)总线或EISA(Extended Industry Standard Architecture,扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器501、处理器502及通信接口503,集成在一块芯片上实现,则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。
处理器502可能是一个CPU(Central Processing Unit,中央处理器),或者是ASIC(Application Specific Integrated Circuit,特定集成电路),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供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上的路径规划方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种路径规划方法,其特征在于,包括以下步骤:
获取路径规划的起点和终点;
将所述起点添加至节点列表中作为待扩展节点的父节点,筛选所述节点列表中当前节点的一个或多个跳点作为待扩展节点,并将所述待扩展节点中的最优节点作为所述当前节点的扩展节点,直到搜索到所述终点;
根据所述起点、所述终点和所述扩展节点生成路径规划结果。
2.根据权利要求1所述的方法,其特征在于,所述筛选所述节点列表中当前节点的一个或多个跳点作为待扩展节点,包括:
采用位运算指令筛选所述节点列表中当前节点的一个或多个跳点。
3.根据权利要求1所述的方法,其特征在于,所述将所述待扩展节点中的最优节点作为所述当前节点的扩展节点,包括:
判断所述待扩展节点是否处于所述节点列表中;
若未处于所述节点列表中,则将所述待扩展节点作为所述当前节点的扩展节点,并添加至所述节点列表中;
若处于所述节点列表中,则将所述待扩展节点中代价之最小的节点作为所述当前节点的扩展节点。
4.根据权利要求3所述的方法,其特征在于,所述将所述待扩展节点中代价之最小的节点作为所述当前节点的扩展节点,包括:
计算每个待扩展节点的实际代价值和估计代价值;
根据所述实际代价值和所述估计代价值计算全局评估代价值,将所述全局评估代价值最小的待扩展节点作为所述当前节点的扩展节点。
5.根据权利要求1所述的方法,其特征在于,在根据所述起点、所述终点和所述扩展节点生成路径规划结果之前,还包括:
识别所述扩展节点中满足剪枝条件的冗余节点,并删除所述冗余节点。
6.根据权利要求1所述的方法,其特征在于,在根据所述起点、所述终点和所述扩展节点生成路径规划结果之前,还包括:
识别所述扩展节点中满足转折条件的转折节点,利用二阶贝塞尔曲线对转折节点的位置进行路径平滑处理。
7.根据权利要求1-6任意一项所述的方法,其特征在于,所述节点列表包括已经生成但未遍历评估的邻居节点。
8.一种路径规划装置,其特征在于,包括:
获取模块,用于获取路径规划的起点和终点;
筛选模块,用于将所述起点添加至节点列表中作为待扩展节点的父节点,筛选所述节点列表中当前节点的一个或多个跳点作为待扩展节点,并将所述待扩展节点中的最优节点作为所述当前节点的扩展节点,直到搜索到所述终点;
生成模块,用于根据所述起点、所述终点和所述扩展节点生成路径规划结果。
9.一种车辆,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-7任一项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,以用于实现如权利要求1-7任一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310324105.1A CN116429138A (zh) | 2023-03-29 | 2023-03-29 | 路径规划方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310324105.1A CN116429138A (zh) | 2023-03-29 | 2023-03-29 | 路径规划方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116429138A true CN116429138A (zh) | 2023-07-14 |
Family
ID=87086560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310324105.1A Pending CN116429138A (zh) | 2023-03-29 | 2023-03-29 | 路径规划方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116429138A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117232548A (zh) * | 2023-11-10 | 2023-12-15 | 北京赛目科技股份有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
-
2023
- 2023-03-29 CN CN202310324105.1A patent/CN116429138A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117232548A (zh) * | 2023-11-10 | 2023-12-15 | 北京赛目科技股份有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
CN117232548B (zh) * | 2023-11-10 | 2024-03-01 | 北京赛目科技股份有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109612496B (zh) | 一种路径规划方法、装置及车辆 | |
CN112595337B (zh) | 避障路径规划方法、装置、电子装置、车辆及存储介质 | |
CN112504286B (zh) | 基于引导线图层的路径规划方法及系统、服务器及介质 | |
EP3709231A1 (en) | Vehicle track planning method, device, computer device and computer-readable storage medium | |
CN111923902B (zh) | 一种泊车控制方法、装置、电子设备及存储介质 | |
CN116429138A (zh) | 路径规划方法、装置、车辆及存储介质 | |
CN110779539B (zh) | 行车路径修正方法、装置、设备和存储介质 | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN112947486A (zh) | 移动机器人的路径规划方法、芯片及移动机器人 | |
CN115435803A (zh) | 车辆的全局路网规划方法、装置、车辆及存储介质 | |
CN114779770A (zh) | 全局路径规划控制方法、装置、设备、介质及程序产品 | |
CN114399125A (zh) | 车队最优轨迹控制方法、装置、电子设备及存储介质 | |
JP2021107782A (ja) | 設計支援方法及び設計支援装置 | |
CN114924568A (zh) | 自动驾驶汽车的局部路径规划方法、装置、车辆及介质 | |
CN115014380A (zh) | 泊车路径规划方法以及装置、电子设备、存储介质 | |
CN114564023A (zh) | 一种动态场景下的跳点搜索路径规划方法 | |
CN113341957A (zh) | 一种基于痕迹地图A_star算法的多机器人路径规划方法 | |
CN114485714B (zh) | 清扫路径生成的方法、装置及电子设备 | |
CN112957734B (zh) | 一种基于二次搜索的地图寻路方法及装置 | |
CN117709839B (zh) | 基于任务时限要求的天车路径规划方法及装置 | |
US20240038064A1 (en) | Traffic Speed Prediction Device and Method Therefor | |
CN117734676B (zh) | 一种自动泊车方法、装置、设备及存储介质 | |
CN113401140B (zh) | 双向路段的路由寻径方法、装置、计算机设备和存储介质 | |
CN111985366B (zh) | 一种道路中心线及桩号识别方法、装置 | |
CN115511169A (zh) | 用于代客泊车全局路径规划系统拓扑图的扩展方法及装置 |
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 |