CN117234206B - 基于复杂障碍物场景下的避障路径规划方法 - Google Patents
基于复杂障碍物场景下的避障路径规划方法 Download PDFInfo
- Publication number
- CN117234206B CN117234206B CN202311136664.6A CN202311136664A CN117234206B CN 117234206 B CN117234206 B CN 117234206B CN 202311136664 A CN202311136664 A CN 202311136664A CN 117234206 B CN117234206 B CN 117234206B
- Authority
- CN
- China
- Prior art keywords
- slice
- point
- passing
- vehicle
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000004888 barrier function Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种基于复杂障碍物场景下的避障路径规划方法及设备,包括:建立车辆行驶坐标系,确定车辆的起始点和目标点;根据预设切片范围,获取切片位置合集;根据切片位置合集中的每个位置进行切片,获得每层切片与边界和障碍物的若干交点;根据每层切片获得的交点,获得对应切片下的车辆可通行区域,并在该区域内设置通行点;从车辆的目标点至起始点,动态规划反向传播确定每个通行点的自身价值;从车辆的起始点至目标点,选取每层切片自身价值最大的通行点作为规划点,所有规划点形成最佳规划路径。本发明路径规划耗时短,且规划出的路径更符合全局效益,更优化。
Description
技术领域
本发明属于自动驾驶技术领域,具体涉及一种基于复杂障碍物场景下的避障路径规划方法及设备。
背景技术
众所周知,人行道上的障碍物情况比一般道路更加复杂,有停放的非机动车,路桩等各种物体。
CN109116858A公开了一种在指定路径上的绕障路径规划方法及系统,包括检测环境障碍物,在障碍物影响自车前进时,在障碍物的后方设置一个临时目标点,个人剧目标空间规划若干条路径,最后从候选路径中选择目标绕障路径,从而达到绕开障碍物的目的。上述技术方案在全局规划的情况下,进行局部规划,后续还需要在进行全局规划,且根据目标点规划多条路径,耗时较多,路径可能不是最优解。对于障碍物情况更加复杂人行道,需要的计算量和时间会更长,显然不实用。
CN111158366B公开一种基于图搜索和几何曲线融合的路径规划方法,用HybridA*做路径规划。但是对于复杂的场景,直接把目标点设置在全局的终点会使Hybrid A*的方法耗时很高,并且路径可能不是最优解。
发明内容
为了解决上述技术问题,本发明提出了一种基于复杂障碍物场景下的避障路径规划方法及设备。
为了达到上述目的,本发明的技术方案如下:
一方面,本发明公开一种基于复杂障碍物场景下的避障路径规划方法,包括:
步骤S1:建立车辆行驶坐标系,确定车辆的起始点和目标点;
步骤S2:根据预设切片范围,获取切片位置合集;
步骤S3:根据切片位置合集中的每个位置进行切片,获得每层切片与边界和障碍物的若干交点;
步骤S4:根据每层切片获得的交点,获得对应切片下的车辆可通行区域,并在该区域内设置通行点;
步骤S5:从车辆的目标点至起始点,动态规划反向传播确定每个通行点的自身价值;
步骤S6:从车辆的起始点至目标点,选取每层切片自身价值最大的通行点作为规划点,所有规划点形成最佳规划路径。
在上述技术方案的基础上,还可做如下改进:
作为优选的方案,步骤S2具体包括:
步骤S2.1:预设切片范围;
步骤S2.2:根据切片范围内的所有障碍物,得到障碍物在X轴上的投影范围[xmin,xmax];
步骤S2.3:基于投影范围[xmin,xmax],每隔一定步长获取切片位置合集X={x1,x2…,xn}。
作为优选的方案,步骤S4具体包括:
步骤S4.1:根据每层切片获得的交点,获得对应切片下的车辆可通行区域;
步骤S4.2:对每层切片下的车辆可通行区域的宽度△yi和车辆的宽度W进行判断,
若△yi-W≥s,则以车辆可通行区域的中间点作为中心向障碍物方向插入若干等间隔点,形成通行点;
若△yi-W<s,则仅将车辆可通行区域的中间点作为通行点;
其中:s为阈值。
作为优选的方案,步骤S5具体包括:
步骤S5.1:预设车辆目标点的自身价值;
步骤S5.2:根据靠近最佳行驶路径越近,距离价值越大为原则,预设每个通行点的距离价值;
步骤S5.3:根据动态规划反向传播,确定每个通行点的成本价值,且第i-1层切片的任一通行点的成本价值由第i层切片的所有通行点决定;
步骤S5.4:叠加每个通行点的距离价值和成本价值作为其自身价值。
作为优选的方案,步骤S5.3具体为:基于运动学原理,对于第i-1层切片的任一通行点,获取其与第i层切片的所有通行点一一对应的多个相对成本值,并从所有相对成本值中选取最大值作为该通行点的成本价值;
其中,第i层切片的任一通行点对第i-1层切片的任一通行点的相对成本值为第i层切片该通行点的自身价值减去两通行点之间的通行成本值。此外,另一方面,本发明还公开一种基于复杂障碍物场景下的避障路径规划设备,包括:
坐标系建立模块,用于建立车辆行驶坐标系,确定车辆的起始点和目标点;
切片位置获取模块,用于根据预设切片范围,获取切片位置合集;
切片执行模块,用于根据切片位置合集中的每个位置进行切片,获得每层切片与边界和障碍物的若干交点;
通行点设置模块,用于根据每层切片获得的交点,获得对应切片下的车辆可通行区域,并在该区域内设置通行点;
自身价值确定模块,用于从车辆的目标点至起始点,动态规划反向传播确定每个通行点的自身价值;
路径规划模块,用于从车辆的起始点至目标点,选取每层切片自身价值最大的通行点作为规划点,所有规划点形成最佳规划路径。
作为优选的方案,切片位置获取模块具体包括:
切片范围预设单元,用于预设切片范围;
投影范围获取单元,用于根据切片范围内的所有障碍物,得到障碍物在X轴上的投影范围[xmin,xmax];
切片位置获取单元,用于基于投影范围[xmin,xmax],每隔一定步长获取切片位置合集X={x1,x2…,xn}。
作为优选的方案,通行点设置模块具体包括:
车辆可通行区域获得单元,用于根据每层切片获得的交点,获得对应切片下的车辆可通行区域;
通行点设置单元,用于对每层切片下的车辆可通行区域的宽度△yi和车辆的宽度W进行判断,
若△yi-W≥s,则以车辆可通行区域的中间点作为中心向障碍物方向插入若干等间隔点,形成通行点;
若△yi-W<s,则仅将车辆可通行区域的中间点作为通行点;
其中:s为阈值。
作为优选的方案,自身价值确定模块具体包括:
自身价值预设单元,用于预设车辆目标点的自身价值;
距离价值预设单元,用于根据靠近最佳行驶路径越近,距离价值越大为原则,预设每个通行点的距离价值;
成本价值计算单元,用于根据动态规划反向传播,确定每个通行点的成本价值,且第i-1层切片的任一通行点的成本价值由第i层切片的所有通行点决定;
自身价值计算单元,用于叠加每个通行点的距离价值和成本价值作为其自身价值。
作为优选的方案,成本价值计算单元执行以下内容:
基于运动学原理,对于第i-1层切片的任一通行点,获取其与第i层切片的所有通行点一一对应的多个相对成本值,并从所有相对成本值中选取最大值作为该通行点的成本价值;
其中,第i层切片的任一通行点对第i-1层切片的任一通行点的相对成本值为第i层切片该通行点的自身价值减去两通行点之间的通行成本值。
本发明公开一种基于复杂障碍物场景下的避障路径规划方法及设备,其根据障碍物范围进行切片,并对生成的通行点进行反向传播获取其自身价值,基于通行点的自身价值进行避障路径规划,路径规划耗时短,且规划出的路径更符合全局效益,更优化。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的避障路径规划方法的流程图。
图2为本发明实施例提供的切片后的局部示意图。
图3为本发明实施例提供的通行点设置后的局部示意图。
图4为本发明实施例提供的通行点自身价值计算示例图。
图5为本发明实施例提供的最佳规划路径图之一。
图6为本发明实施例提供的最佳规划路径图之二。
图7(a)、(b)分别为两个障碍物场景下的路径规划示意图。
图8(a)、(b)分别为长条形障碍物的路径规划示意图。
其中:1-障碍物,2-边界,3-通行点,a-最佳规划路径,b-最佳规划路径。
具体实施方式
下面结合附图详细说明本发明的优选实施方式。
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,所描述的实施例仅仅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。
“包括”元件的表述是“开放式”表述,该“开放式”表述仅仅是指存在对应的部件或步骤,不应当解释为排除附加的部件或步骤。
为了达到本发明的目的,一种基于复杂障碍物场景下的避障路径规划方法及设备的其中一些实施例中,如图1所示,避障路径规划方法包括:
步骤S1:建立车辆行驶坐标系,确定车辆的起始点和目标点;
步骤S2:根据预设切片范围,获取切片位置合集;
步骤S3:根据切片位置合集中的每个位置进行切片,获得每层切片与边界2和障碍物1的若干交点;
其中:切片指的是采用直线x=xi求取其与边界或障碍物的交点;
步骤S4:根据每层切片获得的交点,获得对应切片下的车辆可通行区域,并在该区域内设置通行点;
步骤S5:从车辆的目标点至起始点,动态规划反向传播确定每个通行点的自身价值;
步骤S6:从车辆的起始点至目标点,选取每层切片自身价值最大的通行点作为规划点,所有规划点形成最佳规划路径。
下面对每个步骤进行详细阐述。
步骤S1可以将人行道上范围内的障碍物和人行道边界的坐标转换为以自车为原点的xy坐标系。当然,在其他实施例中,也可以采用SL坐标系。
步骤S2具体包括:
步骤S2.1:预设切片范围为[xm1,xm2],值得注意的是,其中xm1一般设置得很小,保证所有障碍物落入切片范围内;
步骤S2.2:根据切片范围内的所有障碍物,得到障碍物在X轴上的投影范围[xmin,xmax];
步骤S2.3:基于投影范围[xmin,xmax],每隔一定步长获取切片位置合集X={x1,x2…,xn}。
步骤S3具体根据切片位置合集X中的每个位置x=xi进行切片,获得每层切片与边界2和障碍物1的若干交点,如图2所示。
步骤S4具体包括:
步骤S4.1:根据每层切片获得的交点的y值,获得对应切片下的车辆可通行区域;
步骤S4.2:对每层切片下的车辆可通行区域的宽度△yi和车辆的宽度W进行判断,
若△yi-W≥s,则以车辆可通行区域的中间点作为中心向障碍物方向插入若干等间隔点,形成通行点3;
若△yi-W<s,则仅将车辆可通行区域的中间点作为通行点;
其中:s为阈值。本发明根据每层切片上的可通行区域设置通行点,如图3所示,通行点的设置策略视车辆可通行区域的宽度和车辆的宽度决定。对于比较窄的车辆可通行区域,可视为需要“穿孔”,只设置中间点作为通行点;而对于较宽的车辆可通行区域,则可以在两边留出防碰撞空间后插入较密集的点,作为通行点。
步骤S5具体包括:
步骤S5.1:预设车辆目标点的自身价值;
步骤S5.2:根据靠近最佳行驶路径y=k越近,距离价值越大为原则,预设每个通行点的距离价值;
步骤S5.3:根据动态规划反向传播,确定每个通行点的成本价值,且第i-1层切片的任一通行点的成本价值由第i层切片的所有通行点决定;
步骤S5.4:叠加每个通行点的距离价值和成本价值作为其自身价值。
步骤S5.3具体为:基于运动学原理,对于第i-1层切片的任一通行点,获取其与第i层切片的所有通行点一一对应的多个相对成本值,并从所有相对成本值中选取最大值作为该通行点的成本价值;
其中,第i层切片的任一通行点对第i-1层切片的任一通行点的相对成本值为第i层切片该通行点的自身价值减去两通行点之间的通行成本值。
为了便于理解,下面介绍一例子。
如图4所示,假设通行点n(2,1)、n(2,2)、n(2,3)的自身价值分别为3,2,0.5。
根据靠近最佳行驶路径y=k越近,距离价值越大为原则,因此通行点n(1,1)、n(1,2)的距离价值分别为2,4。
根据动态规划反向传播,通行点n(1,1)的成本价值由下一层切片的通行点n(2,1)、n(2,2)、n(2,3)决定。
根据运动学原理,从通行点n(1,1)到通行点n(2,3)的通行成本较大,设通行成本值为14,那么通行点n(2,3)对于通行点n(1,1)的相对成本值为通行点n(2,3)的自身价值0.5减去通行成本值14,即0.5-14=-13.5。同理,通行点n(2,2)、通行点n(2,1)对于通行点n(1,1)的相对成本值分别为-1.0,2.7。
那么,通行点n(1,1)的成本价值为max(-13.5,-1.0,2.7),即为2.7。
故,通行点n(1,1)的自身价值为其成本价值加上距离价值,即为:2.7+4=6.7。
如图4所示,虚线是上一层切片的通行点根据车辆运动学计算出的大概可以行驶到的范围,如果下一层切片的通行点超出了这个范围,则给出一个巨大的惩罚,因此,虽然通行点n(2,1)虽然自身价值大,但是对于通行点n(1,2)来说由于行驶不到所以没有太大价值。
步骤S6,从车辆的起始点开始,选择下一层切片中自身价值最大的通行点作为规划点,最终选出的规划点集为最佳规划路径,如图5、6所示。
针对Hybrid A*对于复杂路况的路径搜索耗时和非最优问题,本发明以根据全局目标点实时生成局部的目标点(即上述通行点),这些局部目标点是符合全局效益的,又和自动驾驶车辆之间的状况简单,能指导车辆避障的同时能让搜索耗时很短。
例如,对于穿过两个障碍物之间空隙的场景,直接搜索路径的耗时可能会很长(如图7(a)所示),而如果先将目标点设置在两个障碍物之间,等自动行驶车辆通过后再设置后续目标点可以节约很多时间(如图7(b)所示);对于避让挡在路径上的长条形障碍物,直接搜索出来的路径可能是非最优的折线(如图8(a)所示),而合理的目标点应该不断是沿着障碍物边前进直到经过障碍物(如图8(b)所示)。而采用本发明所提出的方法则可以实现更优化的避障路径规划。
使用本发明的方法,相当于先验地理解障碍物信息并给出合理的目标点集,使用Hybrid A*规划轨迹时,只需要选择点集中距离较近的点作为目标点即可,这样可以避免使用Hybrid A*用搜索的方法去直接获得到达目标点的轨迹,而是分步到达,使得轨迹更加合理、可控,搜索耗时极大地缩短。
此外,本发明实施例还公开一种基于复杂障碍物场景下的避障路径规划设备,包括:
坐标系建立模块,用于建立车辆行驶坐标系,确定车辆的起始点和目标点;
切片位置获取模块,用于根据预设切片范围,获取切片位置合集X={x1,x2…,xn};
切片执行模块,用于根据切片位置合集X中的每个位置进行切片,获得每层切片与边界和障碍物的若干交点;
其中,切片指的是采用直线x=xi求取其与边界或障碍物的交点;
通行点设置模块,用于根据每层切片获得的交点,获得对应切片下的车辆可通行区域,并在该区域内设置通行点;
自身价值确定模块,用于从车辆的目标点至起始点,动态规划反向传播确定每个通行点的自身价值;
路径规划模块,用于从车辆的起始点至目标点,选取每层切片自身价值最大的通行点作为规划点,所有规划点形成最佳规划路径。
其中,切片位置获取模块具体包括:
切片范围预设单元,用于预设切片范围;
投影范围获取单元,用于根据切片范围内的所有障碍物,得到障碍物在X轴上的投影范围[xmin,xmax];
切片位置获取单元,用于基于投影范围[xmin,xmax],每隔一定步长获取切片位置合集X={x1,x2…,xn}。
通行点设置模块具体包括:
车辆可通行区域获得单元,用于根据每层切片获得的交点,获得对应切片下的车辆可通行区域;
通行点设置单元,用于对每层切片下的车辆可通行区域的宽度△yi和车辆的宽度W进行判断,
若△yi-W≥s,则以车辆可通行区域的中间点作为中心向障碍物方向插入若干等间隔点,形成通行点;
若△yi-W<s,则仅将车辆可通行区域的中间点作为通行点;
其中:s为阈值。
自身价值确定模块具体包括:
自身价值预设单元,用于预设车辆目标点的自身价值;
距离价值预设单元,用于根据靠近最佳行驶路径越近,距离价值越大为原则,预设每个通行点的距离价值;
成本价值计算单元,用于根据动态规划反向传播,确定每个通行点的成本价值,且第i-1层切片的任一通行点的成本价值由第i层切片的所有通行点决定;
自身价值计算单元,用于叠加每个通行点的距离价值和成本价值作为其自身价值。
进一步,成本价值计算单元执行以下内容:
基于运动学原理,对于第i-1层切片的任一通行点,获取其与第i层切片的所有通行点一一对应的多个相对成本值,并从所有相对成本值中选取最大值作为该通行点的成本价值;
其中,第i层切片的任一通行点对第i-1层切片的任一通行点的相对成本值为第i层切片该通行点的自身价值减去两通行点之间的通行成本值。
本发明公开一种基于复杂障碍物场景下的避障路径规划方法及设备,其根据障碍物范围进行切片,并对生成的通行点进行反向传播获取其自身价值,基于通行点的自身价值进行避障路径规划,路径规划耗时短,且规划出的路径更符合全局效益,更优化。
应当理解,这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被该机器执行时,该机器变成实践本发明的设备。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内,本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.基于复杂障碍物场景下的避障路径规划方法,其特征在于,包括:
步骤S1:建立车辆行驶坐标系,确定车辆的起始点和目标点;
步骤S2:根据预设切片范围,获取切片位置合集;
步骤S3:根据切片位置合集中的每个位置进行切片,获得每层切片与边界和障碍物的若干交点;
步骤S4:根据每层切片获得的交点,获得对应切片下的车辆可通行区域,并在该区域内设置通行点;
步骤S5:从车辆的目标点至起始点,动态规划反向传播确定每个通行点的自身价值;
步骤S6:从车辆的起始点至目标点,选取每层切片自身价值最大的通行点作为规划点,所有规划点形成最佳规划路径;
所述步骤S2具体包括:
步骤S2.1:预设切片范围;
步骤S2.2:根据切片范围内的所有障碍物,得到障碍物在X轴上的投影范围[xmin,xmax];
步骤S2.3:基于投影范围[xmin,xmax],每隔一定步长获取切片位置合集X={x1,x2…,xn};
所述步骤S5具体包括:
步骤S5.1:预设车辆目标点的自身价值;
步骤S5.2:根据靠近最佳行驶路径越近,距离价值越大为原则,预设每个通行点的距离价值;
步骤S5.3:根据动态规划反向传播,确定每个通行点的成本价值,且第i-1层切片的任一通行点的成本价值由第i层切片的所有通行点决定;
步骤S5.4:叠加每个通行点的距离价值和成本价值作为其自身价值;
所述步骤S5.3具体为:基于运动学原理,对于第i-1层切片的任一通行点,获取其与第i层切片的所有通行点一一对应的多个相对成本值,并从所有相对成本值中选取最大值作为该通行点的成本价值;
其中,第i层切片的任一通行点对第i-1层切片的任一通行点的相对成本值为第i层切片该通行点的自身价值减去两通行点之间的通行成本值。
2.根据权利要求1所述的避障路径规划方法,其特征在于,所述步骤S4具体包括:
步骤S4.1:根据每层切片获得的交点,获得对应切片下的车辆可通行区域;
步骤S4.2:对每层切片下的车辆可通行区域的宽度△yi和车辆的宽度W进行判断,
若△yi-W≥s,则以车辆可通行区域的中间点作为中心向障碍物方向插入若干等间隔点,形成通行点;
若△yi-W<s,则仅将车辆可通行区域的中间点作为通行点;
其中:s为阈值。
3.基于复杂障碍物场景下的避障路径规划设备,其特征在于,利用如权利要求1或2所述的避障路径规划方法,包括:
坐标系建立模块,用于建立车辆行驶坐标系,确定车辆的起始点和目标点;
切片位置获取模块,用于根据预设切片范围,获取切片位置合集;
切片执行模块,用于根据切片位置合集中的每个位置进行切片,获得每层切片与边界和障碍物的若干交点;
通行点设置模块,用于根据每层切片获得的交点,获得对应切片下的车辆可通行区域,并在该区域内设置通行点;
自身价值确定模块,用于从车辆的目标点至起始点,动态规划反向传播确定每个通行点的自身价值;
路径规划模块,用于从车辆的起始点至目标点,选取每层切片自身价值最大的通行点作为规划点,所有规划点形成最佳规划路径。
4.根据权利要求3所述的避障路径规划设备,其特征在于,所述切片位置获取模块具体包括:
切片范围预设单元,用于预设切片范围;
投影范围获取单元,用于根据切片范围内的所有障碍物,得到障碍物在X轴上的投影范围[xmin,xmax];
切片位置获取单元,用于基于投影范围[xmin,xmax],每隔一定步长获取切片位置合集X={x1,x2…,xn}。
5.根据权利要求3所述的避障路径规划设备,其特征在于,所述通行点设置模块具体包括:
车辆可通行区域获得单元,用于根据每层切片获得的交点,获得对应切片下的车辆可通行区域;
通行点设置单元,用于对每层切片下的车辆可通行区域的宽度△yi和车辆的宽度W进行判断,
若△yi-W≥s,则以车辆可通行区域的中间点作为中心向障碍物方向插入若干等间隔点,形成通行点;
若△yi-W<s,则仅将车辆可通行区域的中间点作为通行点;
其中:s为阈值。
6.根据权利要求3所述的避障路径规划设备,其特征在于,所述自身价值确定模块具体包括:
自身价值预设单元,用于预设车辆目标点的自身价值;
距离价值预设单元,用于根据靠近最佳行驶路径越近,距离价值越大为原则,预设每个通行点的距离价值;
成本价值计算单元,根据动态规划反向传播,确定每个通行点的成本价值,且第i-1层切片的任一通行点的成本价值由第i层切片的所有通行点决定;
自身价值计算单元,用于叠加每个通行点的距离价值和成本价值作为其自身价值。
7.根据权利要求6所述的避障路径规划设备,其特征在于,所述成本价值计算单元执行以下内容:
基于运动学原理,对于第i-1层切片的任一通行点,获取其与第i层切片的所有通行点一一对应的多个相对成本值,并从所有相对成本值中选取最大值作为该通行点的成本价值;
其中,第i层切片的任一通行点对第i-1层切片的任一通行点的相对成本值为第i层切片该通行点的自身价值减去两通行点之间的通行成本值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311136664.6A CN117234206B (zh) | 2023-09-05 | 2023-09-05 | 基于复杂障碍物场景下的避障路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311136664.6A CN117234206B (zh) | 2023-09-05 | 2023-09-05 | 基于复杂障碍物场景下的避障路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117234206A CN117234206A (zh) | 2023-12-15 |
CN117234206B true CN117234206B (zh) | 2024-05-14 |
Family
ID=89093993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311136664.6A Active CN117234206B (zh) | 2023-09-05 | 2023-09-05 | 基于复杂障碍物场景下的避障路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117234206B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010061355A (ja) * | 2008-09-03 | 2010-03-18 | Murata Machinery Ltd | 経路計画方法、経路計画装置、及び自律移動装置 |
CN111399506A (zh) * | 2020-03-13 | 2020-07-10 | 大连海事大学 | 一种基于动力学约束的全局-局部混合无人船路径规划方法 |
CN113467456A (zh) * | 2021-07-07 | 2021-10-01 | 中国科学院合肥物质科学研究院 | 一种未知环境下用于特定目标搜索的路径规划方法 |
CN113515111A (zh) * | 2020-03-25 | 2021-10-19 | 郑州宇通客车股份有限公司 | 一种车辆避障路径规划方法及装置 |
CN115079702A (zh) * | 2022-07-18 | 2022-09-20 | 江苏集萃清联智控科技有限公司 | 一种混合道路场景下的智能车辆规划方法和系统 |
CN116185014A (zh) * | 2023-01-07 | 2023-05-30 | 湖南大学 | 一种基于动态规划的智能车全局最优轨迹规划方法与系统 |
CN116331264A (zh) * | 2023-04-07 | 2023-06-27 | 山东交通学院 | 一种未知障碍物分布的避障路径鲁棒规划方法及系统 |
CN116678414A (zh) * | 2023-05-29 | 2023-09-01 | 深圳亿嘉和科技研发有限公司 | 基于点云的沿边路径规划方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2577915B (en) * | 2018-10-10 | 2021-06-16 | Dyson Technology Ltd | Path planning |
CN111915932A (zh) * | 2020-07-29 | 2020-11-10 | 北京航空航天大学 | 一种多目标约束的低空无人机航路规划设计方法 |
-
2023
- 2023-09-05 CN CN202311136664.6A patent/CN117234206B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010061355A (ja) * | 2008-09-03 | 2010-03-18 | Murata Machinery Ltd | 経路計画方法、経路計画装置、及び自律移動装置 |
CN111399506A (zh) * | 2020-03-13 | 2020-07-10 | 大连海事大学 | 一种基于动力学约束的全局-局部混合无人船路径规划方法 |
CN113515111A (zh) * | 2020-03-25 | 2021-10-19 | 郑州宇通客车股份有限公司 | 一种车辆避障路径规划方法及装置 |
CN113467456A (zh) * | 2021-07-07 | 2021-10-01 | 中国科学院合肥物质科学研究院 | 一种未知环境下用于特定目标搜索的路径规划方法 |
CN115079702A (zh) * | 2022-07-18 | 2022-09-20 | 江苏集萃清联智控科技有限公司 | 一种混合道路场景下的智能车辆规划方法和系统 |
CN116185014A (zh) * | 2023-01-07 | 2023-05-30 | 湖南大学 | 一种基于动态规划的智能车全局最优轨迹规划方法与系统 |
CN116331264A (zh) * | 2023-04-07 | 2023-06-27 | 山东交通学院 | 一种未知障碍物分布的避障路径鲁棒规划方法及系统 |
CN116678414A (zh) * | 2023-05-29 | 2023-09-01 | 深圳亿嘉和科技研发有限公司 | 基于点云的沿边路径规划方法 |
Non-Patent Citations (1)
Title |
---|
基于改进蚁群和DWA算法的机器人动态路径规划;魏立新等;《控制与决策》;20220207;第37卷(第9期);第2211-2216页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117234206A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111552284B (zh) | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 | |
KR102512207B1 (ko) | 차도선 피팅 방법 및 시스템 | |
CN112964271A (zh) | 一种面向多场景的自动驾驶规划方法及系统 | |
CN111750886A (zh) | 局部路径规划方法及装置 | |
WO2015145819A1 (ja) | 地図情報生成システム、方法およびプログラム | |
KR101409323B1 (ko) | 무인자율차량 및 이의 동적환경 주행경로생성방법 | |
CN112256034B (zh) | 自主避障规划方法和装置 | |
JP2003308598A (ja) | 車外監視装置、及び、この車外監視装置を備えた走行制御装置 | |
Manz et al. | Detection and tracking of road networks in rural terrain by fusing vision and LIDAR | |
KR20210109635A (ko) | 진입하거나 진출하는 차량을 검출하기 위한 방법 및 제어 유닛 | |
CN105702093A (zh) | 一种基于经纬度采集点的车道判定方法及定位装置 | |
CN112965476A (zh) | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 | |
JP2021125054A (ja) | 周辺認識装置、周辺認識方法、およびプログラム | |
CN113591618A (zh) | 前方道路形状估算方法、系统、车辆及存储介质 | |
JPWO2017187592A1 (ja) | 駐車支援方法および装置 | |
CN110228473B (zh) | 一种智能车换道决策方法、装置、存储介质和智能车 | |
JP2007186175A (ja) | 車外監視装置、及び、この車外監視装置を備えた走行制御装置 | |
JP2021123262A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN115077553A (zh) | 基于栅格搜索轨迹规划方法、系统、汽车、设备及介质 | |
CN117234206B (zh) | 基于复杂障碍物场景下的避障路径规划方法 | |
Mineta et al. | Development of a lane mark recognition system for a lane keeping assist system | |
CN110626349B (zh) | 自动驾驶车辆的控制方法、装置、汽车控制器及存储介质 | |
Chae et al. | Model predictive control based automated driving lane change control algorithm for merge situation on highway intersection | |
CN116476840A (zh) | 变道行驶方法、装置、设备及存储介质 | |
CN116560362A (zh) | 一种自动导航的路径规划跟踪方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |