CN117146838A - 一种路径规划方法及装置、相关产品 - Google Patents

一种路径规划方法及装置、相关产品 Download PDF

Info

Publication number
CN117146838A
CN117146838A CN202210565365.3A CN202210565365A CN117146838A CN 117146838 A CN117146838 A CN 117146838A CN 202210565365 A CN202210565365 A CN 202210565365A CN 117146838 A CN117146838 A CN 117146838A
Authority
CN
China
Prior art keywords
grid
gradient
height
path
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
Application number
CN202210565365.3A
Other languages
English (en)
Inventor
哈全文
徐成
夏洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Idriverplus Technologies Co Ltd
Original Assignee
Beijing Idriverplus Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Idriverplus Technologies Co Ltd filed Critical Beijing Idriverplus Technologies Co Ltd
Priority to CN202210565365.3A priority Critical patent/CN117146838A/zh
Publication of CN117146838A publication Critical patent/CN117146838A/zh
Pending legal-status Critical Current

Links

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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • 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
    • G01C21/3815—Road data
    • G01C21/3822—Road feature data, e.g. slope data

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种路径规划方法及装置、相关产品，根据测量得到地面高度数据进行插值处理生成栅格高度图；根据栅格高度图中每个栅格的梯度下降值和梯度方向矢量计算栅格的高度梯度矢量；在栅格高度图中进行路径规划，计算路径点的航向信息和路径点所在栅格的高度梯度矢量之间的夹角；根据夹角、代价函数计算路径点的代价值；根据代价值调整规划路径。本发明通过生成栅格高度图，计算航向信息与路径点的栅格内的高度梯度矢量的夹角，从而在路径搜索中对道路坡度进行精确考虑，从而提高自动驾驶路径规划的安全性以及提升自动驾驶车辆的通行效率。

Description

一种路径规划方法及装置、相关产品
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种路径规划方法、一种路径规划装置、一种计算机服务器、一种芯片系统、一种计算机可读存储介质、一种包含指令的计算机程序产品和一种移动工具。
背景技术
自动驾驶系统中包括高精度地图、定位、感知、决策、路径规划和控制等模块，高精度地图作为自动驾驶系统的一部分，几乎支持着其他所有模块。在一些地形比较复杂的环境，例如崎岖的山路，需要地图提供道路的起伏信息来辅助路径规划模块进行更合理的规划，从而规避无法通行的坑陷、凸起等，或者借助坡道提高行驶效率。
目前现有的技术方案中，使用地图模块中的高度栅格图来表征地面的起伏情况，通过设置一定的阈值来筛选路面的坑陷或者凸起区域，或者将地面抽象为一条道路，沿着道路行驶方向描述坡度信息，从而在路径规划时加以考虑和规避。而现有的技术方案只能表达地面存在坑陷或者凸起这种坡度特征或者粗略地表达是否存在上下坡，而无法量化地表达精确的坡度和坡向信息，导致后端的路径规划不够灵活，车辆的通过性及行驶效率等都受到了限制。
发明内容
本发明的目的是针对现有技术的缺陷，提供一种路径规划方法及装置，通过生成栅格高度图，计算每个栅格点对应的高度梯度矢量并保存在栅格高度图中，在路径规划的过程中获取路径点的航向信息，并计算航向信息与路径点所在栅格的高度梯度矢量的夹角，根据夹角计算对应的代价值，从而在路径搜索中对道路坡度进行精确考虑，从而提高自动驾驶路径规划的安全性及提升自动驾驶车辆的通行效率。
为实现上述目的，本发明第一方面提供了一种路径规划方法，所述方法包括：
根据测量得到地面高度数据对栅格地图进行插值处理生成栅格高度图；
确定栅格高度图中各栅格的梯度下降值和目标梯度方向矢量，并根据各栅格的梯度下降值和目标梯度方向矢量计算各栅格对应的高度梯度矢量；
在所述栅格高度图中进行路径规划，在路径规划过程中搜索路径点时，计算所述路径点的航向信息和所述路径点所在栅格的高度梯度矢量之间的夹角；
根据所述夹角、预置的代价函数确定所述路径点的代价值，其中，所述夹角与规划路径对道路坡度的需求越一致所述代价函数计算得到的代价值越小。
优选的，确定栅格高度图中各栅格的梯度下降值和目标梯度方向矢量，具体包括：
将所述栅格高度图中的每个栅格作为目标栅格；针对每个目标栅格，确定目标栅格的多个相邻栅格；并根据目标栅格的相邻栅格的高度值和梯度方向矢量，确定所述目标栅格的梯度下降值和目标梯度方向矢量。
进一步优选的，根据目标栅格的相邻栅格的高度值和梯度方向矢量，确定所述目标栅格的梯度下降值和目标梯度方向矢量，具体包括：
针对每个相邻栅格，根据相邻栅格的高度值和梯度方向矢量确定所述相邻栅格的梯度下降值；
选取梯度下降值最大的相邻栅格，并将该相邻栅格的梯度下降值和梯度方向矢量确定为所述目标栅格的梯度下降值和目标梯度方向矢量。
优选的，所述代价函数设置为：
f＝(θ/π)*grad(x,y)，其中f为路径点的代价值，grad(x,y)为路径点所在栅格的梯度下降值，θ为路径点的航向信息和该路径点所在栅格的高度梯度矢量之间的夹角。
优选的，还包括：
将各栅格对应的高度梯度矢量存储在所述栅格高度图中。
本发明第二方面提供了一种路径规划装置，其特征在于，所述装置包括：
插值处理模块，所述插值处理模块根据测量得到地面高度数据对栅格地图进行插值处理生成栅格高度图；
矢量计算模块，所述矢量计算模块确定栅格高度图中各栅格的梯度下降值和目标梯度方向矢量，并根据各栅格的梯度下降值和目标梯度方向矢量计算各栅格对应的高度梯度矢量；
路径规划模块，所述路径规划模块在所述栅格高度图中进行路径规划，在路径规划过程中搜索路径点时，计算所述路径点的航向信息和所述路径点所在栅格的高度梯度矢量之间的夹角；
代价值模块，所述代价值模块根据所述夹角、预置的代价函数确定所述路径点的代价值。
本发明第三方面提供了一种计算机服务器，其特征在于，包括：存储器、处理器和收发器；
所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现如第一方面所述的路径规划方法；
所述收发器与所述处理器耦合，由所述处理器控制所述收发器进行消息收发。
本发明第四方面提供了一种芯片系统，其特征在于，包括处理器，所述处理器与存储器的耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现如第一方面所述的路径规划方法。
本发明第五方面提供了一种计算机可读存储介质，其特征在于，包括程序或指令，当所述程序或指令在计算机上运行时，实现如第一方面所述的路径规划方法。
本发明第六方面提供了一种包含指令的计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如第一方面所述的路径规划方法。
本发明第七方面提供了一种移动工具，其特征在于，包括上述第三方面所述的计算机服务器。
本发明实施例提供了一种路径规划方法及装置，通过生成栅格高度图，计算每个栅格点对应的高度梯度矢量并保存在栅格高度图中，在路径规划的过程中获取路径点的航向信息，并计算航向信息与路径点的栅格内的高度梯度矢量的夹角，根据夹角计算对应的代价值，从而在路径搜索中对道路坡度进行精确考虑，从而提高了自动驾驶路径规划的安全性及提升了自动驾驶的通行效率。
附图说明
图1为本发明实施例一提供的路径规划方法的流程图；
图2为本发明实施例一提供的计算栅格的示意图；
图3为本发明实施例一提供的路径规划示意图；
图4为本发明实施例二提供的路径规划装置的结构框图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
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做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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
在本发明中，“模块”、“装置”、“系统”等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明实施例中的路径规划方法可以应用在路径规划装置中，以使得用户能够利用路径规划装置在各种场景下进行路径规划，路径规划装置可以为例如包括但不限于智能手机、智能平板、个人PC、计算机、云端服务器等设备。特别地，本发明实施例中的路径规划方法还可以应用在移动工具中，例如自动驾驶乘用车、小巴车、大巴车、货车、无人清洁车、无人环卫车、无人配送车、扫地机器人等上，本发明对此不作限定。
本发明提供的一种路径规划方法，通过生成栅格高度图，计算每个栅格点对应的高度梯度矢量并保存在栅格高度图中，在路径规划的过程中获取路径点的航向信息，并计算航向信息与路径点的栅格内的高度梯度矢量的夹角，根据夹角计算对应的代价值，从而在路径搜索中对道路坡度进行精确考虑，从而提高自动驾驶路径规划的安全性及提升自动驾驶车辆的通行效率。
实施例一
图1为本发明实施例提供的一种路径规划方法的流程图，方法包括：
步骤100，根据测量得到地面高度数据对栅格地图进行插值处理生成栅格高度图。
首先，根据实际测量得到的地面高度数据对栅格地图进行插值处理生成栅格高度图，其中，地面高度数据可通过激光传感器进行测量，生成的栅格高度图的格网之间的距离例如可以为5cm。
步骤110，确定栅格高度图中各栅格的梯度下降值和目标梯度方向矢量，并根据各栅格的梯度下降值和目标梯度方向矢量计算各栅格对应的高度梯度矢量。
在一个实施例中，所述步骤110中具体实现可如下：
首先，将栅格高度图中的每个栅格作为目标栅格；
其次，针对每个相邻栅格，根据相邻栅格的高度值和梯度方向矢量确定所述相邻栅格的梯度下降值；选取梯度下降值最大的相邻栅格，并将该相邻栅格的梯度下降值和梯度方向矢量确定为目标栅格的梯度下降值和目标梯度方向矢量。
在一个具体的实施例中，可以将目标栅格的周围相邻的N个栅格作为相邻栅格，例如周围的8个、24个栅格作为相邻栅格，如图2所示，将目标栅格w0的周围8个栅格作为它的相邻栅格。根据以下公式计算8个目标栅格分别对应的梯度下降值：
其中，(xi，yi)为第i个相邻栅格，为第i个相邻栅格的梯度下降值，Δwi为第i个相邻栅格的高度值，(Δxi,Δyi)为第i个相邻栅格的梯度方向矢量。
其中，(x0，y0)为目标栅格，/>为目标栅格的梯度下降值。
其次，将目标栅格的梯度下降值与目标栅格的梯度方向矢量进行点积计算，得到目标栅格的高度梯度矢量。
步骤120，在栅格高度图中进行路径规划，在路径规划过程中搜索路径点时，计算路径点的航向信息和路径点所在栅格的高度梯度矢量之间的夹角。
具体的，在栅格高度图中进行路径规划，并且在路径规划过程中搜索路径点时，获取路径点栅格内的航向信息的行驶方向，用单位向量表达为：L＝(Δxc,Δyc),然后，根据向量点积计算向量L与对应栅格内的高度梯度矢量之间的夹角θ(其中，0<＝θ<＝π)：
当θ＝0时，向量L与高度梯度矢量的方向重合，车辆沿着该方向行驶时其高度降低的速度最快，即该方向是下坡坡度最陡的方向；
当0<θ<π/2时，向量L与高度梯度矢量同向，车辆沿着该方向行驶时其高度会降低，但不是降低最快的方向，即该方向是下坡，但不是最陡的下坡方向；
当θ＝π/2时，向量L与高度梯度矢量的方向垂直，车辆沿着该方向行驶时其高度不变，即该方向是平地；
当π/2<θ<π时，向量L与高度梯度矢量反向，车辆沿着该方向行驶时其高度会上升，即该方向是上坡方向，但不是最陡的上坡方向；
当θ＝π时，向量L与高度梯度矢量方向完全相反，车辆沿着该方向行驶时其高度上升的速度最快，即该方向是上坡坡度最陡的方向。
步骤130，根据夹角、预置的代价函数确定路径点的代价值。
根据步骤120中计算得到的夹角θ以及预置的代价函数来确定路径点的代价值，当该夹角θ与规划路径对道路坡度的需求越一致计算得到的代价值越小。例如，当道路规划对道路坡度需求是希望车辆以最快的速度下坡时，则代价函数可设置为：
f＝(θ/π)*grad(x,y)，其中f为路径点的代价值，grad(x,y)为路径点所在栅格的梯度下降值，θ为路径点的航向信息和该路径点所在栅格的高度梯度矢量之间的夹角。
其中，该夹角与自动驾驶车辆的规划路径中对道路坡度的需求越一致，代价函数计算得到的代价值越小，重新调整规划路径，对其中的道路坡度进行精确考虑，提高自动驾驶车辆的安全性及行驶效率。
图3为本发明实施例一提供的路径规划示意图，如图3所示，l1为车辆行驶方向与梯度方向夹角为0的累计规划路线，l2为车辆行驶方向与梯度方向夹角为π/2的累计规划路线，l3为车辆行驶方向与梯度方向夹角为π的累计规划路线，其中，l1为车辆行驶下降最快的路线，l2为车辆行驶处于水平的路线，l3为车辆行驶上升最快的路线。在本发明实施例一提供的路径规划方法中，通过计算栅格的高度梯度矢量能够精确地表达路径点的坡度和坡向信息，并实现了与车辆行驶方向的夹角的代价值计算，提高了自动驾驶车辆的路径规划的精确性，提高了自动驾驶车辆的安全性，提升了自动驾驶车辆的行驶效率。
实施例二
本发明实施例二提供了一种路径规划装置，图4为本发明实施例二提供的路径规划装置的结构框图，如图4所示，该路径规划装置包括：插值处理模块401、矢量计算模块402、路径规划模块403和代价值模块404。
插值处理模块401，根据激光传感器测量得到的地面高度数据对栅格地图进行插值处理生成栅格高度图；
矢量计算模块402，根据插值处理模块401生成的栅格高度图中各栅格的梯度下降值和目标梯度方向矢量计算各栅格对应的高度梯度矢量；
路径规划模块403，在栅格高度图中进行路径规划，并在路径规划过程中搜索路径点时，计算该路径点的航向信息和该路径点所在栅格的高度梯度矢量之间的夹角；
代价值模块404，根据夹角、预置的代价函数确定该路径点的代价值。
实施例三
本发明实施例三提供了一种计算机服务器，包括：存储器、处理器和收发器；
处理器用于与存储器耦合，读取并执行存储器中的指令，以实现上述实施例一提供的任意一种路径规划方法；
收发器与处理器耦合，由处理器控制收发器进行消息收发。
实施例四
本发明实施例四供了一种芯片系统，包括处理器，处理器与存储器的耦合，存储器存储有程序指令，当存储器存储的程序指令被处理器执行时实现如实施例一提供的任意一种路径规划方法。
实施例五
本发明实施例五提供了一种计算机系统，包括存储器，以及与存储器通信连接的一个或多个处理器；
存储器中存储有可被一个或多个处理器执行的指令，指令被一个或多个处理器执行，以使一个或多个处理器实现如实施例一提供的任意一种路径规划方法。
实施例六
本发明实施例六提供一种计算机可读存储介质，包括程序或指令，当所述程序或指令在计算机上运行时，实现如实施例一提供的任意一种路径规划方法。
实施例七
实施例七提供一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如实施例一提供的任意一种路径规划方法。
实施例八
本发明实施例八提供了一种移动工具，包括上述的计算机服务器。其中，移动工具可以是任何可以移动的工具，例如车辆(例如乘用车、公交车、大巴车、厢式货车、卡车、载重车、挂车、甩挂车、吊车、挖掘机、铲土机、公路列车、扫地车、洒水车、垃圾车、工程车、救援车、物流小车、AGV(Automated Guided Vehicle，自动导引运输车)等)、摩托车、自行车、三轮车、手推车、机器人、扫地机、平衡车等，本申请对于移动工具的类型不做严格限定，在此不再穷举。
本发明的路径规划方法及装置，通过生成栅格高度图，计算每个栅格点对应的高度梯度矢量并保存在栅格高度图中，在路径规划的过程中获取路径点的航向信息，并计算航向信息与路径点的栅格内的高度梯度矢量的夹角，根据夹角计算对应的代价值，从而在路径搜索中对道路坡度进行精确考虑，从而提高自动驾驶路径规划的安全性及提升自动驾驶车辆的通行效率。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种路径规划方法，其特征在于，所述方法包括：
根据测量得到地面高度数据对栅格地图进行插值处理生成栅格高度图；
确定栅格高度图中各栅格的梯度下降值和目标梯度方向矢量，并根据各栅格的梯度下降值和目标梯度方向矢量计算各栅格对应的高度梯度矢量；
在所述栅格高度图中进行路径规划，在路径规划过程中搜索路径点时，计算所述路径点的航向信息和所述路径点所在栅格的高度梯度矢量之间的夹角；
根据所述夹角、预置的代价函数确定所述路径点的代价值，其中，所述夹角与规划路径对道路坡度的需求越一致所述代价函数计算得到的代价值越小。
2.根据权利要求1所述的路径规划方法，其特征在于，确定栅格高度图中各栅格的梯度下降值和目标梯度方向矢量，具体包括：
将所述栅格高度图中的每个栅格作为目标栅格；针对每个目标栅格，确定目标栅格的多个相邻栅格；并根据目标栅格的相邻栅格的高度值和梯度方向矢量，确定所述目标栅格的梯度下降值和目标梯度方向矢量。
3.根据权利要求2所述的路径规划方法，其特征在于，根据目标栅格的相邻栅格的高度值和梯度方向矢量，确定所述目标栅格的梯度下降值和目标梯度方向矢量，具体包括：
针对每个相邻栅格，根据相邻栅格的高度值和梯度方向矢量确定所述相邻栅格的梯度下降值；
选取梯度下降值最大的相邻栅格，并将该相邻栅格的梯度下降值和梯度方向矢量确定为所述目标栅格的梯度下降值和目标梯度方向矢量。
4.根据权利要求1所述的路径规划方法，其特征在于，所述代价函数设置为：
f＝(θ/π)*grad(x,y)，其中f为路径点的代价值，grad(x,y)为路径点所在栅格的梯度下降值，θ为路径点的航向信息和该路径点所在栅格的高度梯度矢量之间的夹角。
5.根据权利要求1所述的路径规划方法，其特征在于，还包括：
将各栅格对应的高度梯度矢量存储在所述栅格高度图中。
6.一种路径规划装置，其特征在于，所述装置包括：
插值处理模块，所述插值处理模块根据测量得到地面高度数据对栅格地图进行插值处理生成栅格高度图；
矢量计算模块，所述矢量计算模块确定栅格高度图中各栅格的梯度下降值和目标梯度方向矢量，并根据各栅格的梯度下降值和目标梯度方向矢量计算各栅格对应的高度梯度矢量；
路径规划模块，所述路径规划模块在所述栅格高度图中进行路径规划，在路径规划过程中搜索路径点时，计算所述路径点的航向信息和所述路径点所在栅格的高度梯度矢量之间的夹角；
代价值模块，所述代价值模块根据所述夹角、预置的代价函数确定所述路径点的代价值。
7.一种计算机服务器，其特征在于，包括：存储器、处理器和收发器；
所述处理器用于与所述存储器耦合，读取并执行所述存储器中的指令，以实现权利要求1-5任一项所述的路径规划方法；
所述收发器与所述处理器耦合，由所述处理器控制所述收发器进行消息收发。
8.一种芯片系统，其特征在于，包括处理器，所述处理器与存储器的耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现权利要求1-5任一项所述的路径规划方法。
9.一种计算机可读存储介质，其特征在于，包括程序或指令，当所述程序或指令在计算机上运行时，实现权利要求1-5任一项所述的路径规划方法。
10.一种包含指令的计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行权利要求1-5任一项所述的路径规划方法。
11.一种移动工具，其特征在于，包括上述权利要求7所述的计算机服务器。
CN202210565365.3A 2022-05-23 2022-05-23 一种路径规划方法及装置、相关产品 Pending CN117146838A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210565365.3A CN117146838A (zh) 2022-05-23 2022-05-23 一种路径规划方法及装置、相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210565365.3A CN117146838A (zh) 2022-05-23 2022-05-23 一种路径规划方法及装置、相关产品

Publications (1)

Publication Number Publication Date
CN117146838A true CN117146838A (zh) 2023-12-01

Family

ID=88897365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210565365.3A Pending CN117146838A (zh) 2022-05-23 2022-05-23 一种路径规划方法及装置、相关产品

Country Status (1)

Country Link
CN (1) CN117146838A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117542003A (zh) * 2024-01-08 2024-02-09 大连天成电子有限公司 基于图像特征分析的货运列车车型判断方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117542003A (zh) * 2024-01-08 2024-02-09 大连天成电子有限公司 基于图像特征分析的货运列车车型判断方法
CN117542003B (zh) * 2024-01-08 2024-04-02 大连天成电子有限公司 基于图像特征分析的货运列车车型判断方法

Similar Documents

Publication Publication Date Title
US20210294333A1 (en) Optimal path library for local path planning of an autonomous vehicle
Ren et al. Integrated model predictive and torque vectoring control for path tracking of 4‐wheel‐driven autonomous vehicles
US8437890B2 (en) Integrated framework for vehicle operator assistance based on a trajectory prediction and threat assessment
Lima et al. Spatial model predictive control for smooth and accurate steering of an autonomous truck
Lima Optimization-based motion planning and model predictive control for autonomous driving: With experimental evaluation on a heavy-duty construction truck
CN112242069A (zh) 一种确定车速的方法和装置
CN114391088A (zh) 轨线规划器
CN113822593B (zh) 一种安全态势评估方法、装置、存储介质及电子设备
CN109933945B (zh) 交通环境建模方法
CN115123217B (zh) 矿区障碍车辆行使轨迹生成方法、装置及计算机设备
EP4148599A1 (en) Systems and methods for providing and using confidence estimations for semantic labeling
CN116118780A (zh) 一种车辆避障轨迹规划方法、系统、车辆及存储介质
CN113847920A (zh) 自主车辆的两级路径规划
CN112885116A (zh) 一种高速公路雨雾场景车路协同诱导系统
Lima et al. Progress maximization model predictive controller
CN117146838A (zh) 一种路径规划方法及装置、相关产品
CN112793566B (zh) 一种避撞方法及装置
US11358598B2 (en) Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection
Yue et al. Automated hazard escaping trajectory planning/tracking control framework for vehicles subject to tire blowout on expressway
CN111332279A (zh) 泊车路径生成方法和装置
Joo et al. Real time traversability analysis to enhance rough terrain navigation for an 6× 6 autonomous vehicle
CN116989808A (zh) 考虑定位不确定的全轮转向车辆平行泊车路径规划方法
CN117091590A (zh) 一种矿场定位方法及装置、相关产品
CN112824838B (zh) 路径规划方法及装置、芯片系统、计算机系统和移动工具
CN117091618B (zh) 一种无人驾驶车辆路径规划方法、装置及电子设备

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