CN117666555A - 移动体控制系统及其控制方法、存储介质以及移动体 - Google Patents
移动体控制系统及其控制方法、存储介质以及移动体 Download PDFInfo
- Publication number
- CN117666555A CN117666555A CN202311109832.2A CN202311109832A CN117666555A CN 117666555 A CN117666555 A CN 117666555A CN 202311109832 A CN202311109832 A CN 202311109832A CN 117666555 A CN117666555 A CN 117666555A
- Authority
- CN
- China
- Prior art keywords
- path
- mobile body
- map
- obstacle
- cost
- 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 37
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 56
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000010365 information processing Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- 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
- G05D1/20—Control system inputs
- G05D1/24—Arrangements for determining position or orientation
- G05D1/243—Means capturing signals occurring naturally from the environment, e.g. ambient optical, acoustic, gravitational or magnetic signals
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/20—Control system inputs
- G05D1/24—Arrangements for determining position or orientation
- G05D1/246—Arrangements for determining position or orientation using environment maps, e.g. simultaneous localisation and mapping [SLAM]
- G05D1/2464—Arrangements for determining position or orientation using environment maps, e.g. simultaneous localisation and mapping [SLAM] using an occupancy grid
-
- 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
- G05D1/644—Optimisation of travel parameters, e.g. of energy consumption, journey time or distance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2105/00—Specific applications of the controlled vehicles
- G05D2105/20—Specific applications of the controlled vehicles for transportation
- G05D2105/22—Specific applications of the controlled vehicles for transportation of humans
- G05D2105/24—Specific applications of the controlled vehicles for transportation of humans personal mobility devices
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2107/00—Specific environments of the controlled vehicles
- G05D2107/10—Outdoor regulated spaces
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2109/00—Types of controlled vehicles
- G05D2109/10—Land vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2111/00—Details of signals used for control of position, course, altitude or attitude of land, water, air or space vehicles
- G05D2111/10—Optical signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2111/00—Details of signals used for control of position, course, altitude or attitude of land, water, air or space vehicles
- G05D2111/60—Combination of two or more signals
- G05D2111/63—Combination of two or more signals of the same type, e.g. stereovision or optical flow
- G05D2111/64—Combination of two or more signals of the same type, e.g. stereovision or optical flow taken simultaneously from spaced apart sensors, e.g. stereovision
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明提供一种移动体控制系统及其控制方法、存储介质以及移动体,不使用高精度地图而适当地生成移动体的路径。本移动体控制系统获取拍摄图像,检测拍摄图像所包含的障碍物,分割移动体的周边的区域,按照分割后的每个区域生成表示检测出的障碍物的占有的占有地图。另外,本移动体控制系统基于在占有地图中距当前位置的距离越远成本越高的第一成本、在占有地图中距目标位置的距离越远成本越高的第二成本、以及在占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测到的障碍物的从当前位置到目标位置的全局路径。
Description
技术领域
本发明涉及移动体控制系统及其控制方法、存储介质以及移动体。
背景技术
近年来,已知有被称为超小型移动车(也称为微移动车)的、乘车定员为1-2名左右的电动车辆、对人提供各种服务的移动式机器人等小型的移动体。在这样的移动体中,存在一边周期性地生成到目的地为止的行驶路径一边进行自主行驶的移动体。
专利文献1公开了如下内容:基于地图以及路线信息生成第一轨迹,基于障碍物信息等使第一轨迹在路径以及速度方面最优化,基于最优化后的路径以及速度生成控制自动驾驶车的第二轨迹。
现有技术文献
专利文献
专利文献1:日本特开2019-128962号公报
发明内容
发明所要解决的课题
在上述现有技术中,基于从服务器提供的高精度的地图信息进行路径计划。但是,在小型的移动体中硬件资源匮乏,难以确保存储这样的高精度的地图信息的区域、高速地获取大量的地图信息的通信器件。另外,在小型的移动体行驶的地域中,也有可能未配备高精度的地图,因此需要不利用这样的地图信息而生成路径。
另一方面,已知为了进行路径的最优化,使用基于到目的地的距离、到障碍物的距离的成本函数。在这样的成本函数中,虽然能够生成避开了障碍物的路径,但存在搜索范围大且处理量增大这样的课题。在硬件资源匮乏的小型的移动体中,实时地降低周期性地生成路径时的处理负荷是非常重要的。
本发明是鉴于上述问题而完成的,不使用高精度地图而适当地生成移动体的路径。
用于解决问题的手段
根据本发明,例如是移动体控制系统,其特征在于,所述移动体控制系统具备:获取单元,其获取拍摄图像;检测单元,其检测所述拍摄图像所包含的障碍物;地图生成单元,其对所述移动体的周边的区域进行分割,并按照分割出的每个区域生成表示由所述检测单元检测出的障碍物的占有的占有地图;以及路径生成单元,其基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测出的所述障碍物的从所述当前位置到所述目标位置为止的全局路径。
另外,根据本发明,例如是移动体,其特征在于,所述移动体具备:获取单元,其获取拍摄图像;检测单元,其检测所述拍摄图像所包含的障碍物;地图生成单元,其对所述移动体的周边的区域进行分割,并按照分割出的每个区域生成表示由所述检测单元检测出的障碍物的占有的占有地图;以及路径生成单元,基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测出的所述障碍物的从所述当前位置到所述目标位置为止的全局路径。
另外,根据本发明,一种移动体控制系统的控制方法,其特征在于,所述移动体控制系统的控制方法包括:获取步骤,在该获取步骤中,获取拍摄图像;检测步骤,在该检测步骤中,检测所述拍摄图像所包含的障碍物;地图生成步骤,在该地图生成步骤中,对移动体的周边的区域进行分割,并按照分割出的每个区域生成表示在所述检测步骤中检测出的障碍物的占有的占有地图;以及路径生成步骤,在该路径生成步骤中,基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测出的所述障碍物的从所述当前位置到所述目标位置为止的全局路径。
另外,根据本发明,一种存储介质,其中,所述存储介质存储用于使计算机作为如下功能部而发挥功能的程序:获取单元,其获取拍摄图像;检测单元,其检测所述拍摄图像所包含的障碍物;地图生成单元,其对移动体的周边的区域进行分割,并按照分割出的每个区域生成表示由所述检测单元检测出的障碍物的占有的占有地图;以及路径生成单元,其基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测出的所述障碍物的从所述当前位置到所述目标位置为止的全局路径。
发明效果
根据本发明,能够在不使用高精度地图的情况下适当地生成移动体的路径,减少处理量。
附图说明
图1是表示本实施方式所涉及的移动体的硬件的结构例的框图。
图2是表示本实施方式所涉及的移动体的控制结构的框图。
图3是表示本实施方式所涉及的移动体的功能结构的框图。
图4是表示本实施方式所涉及的占有格子地图的图。
图5是表示本实施方式所涉及的占有格子地图的生成方法的图。
图6是表示本实施方式所涉及的全局路径以及局部路径的图。
图7是表示本实施方式所涉及的全局路径的生成方法的图。
图8是表示使本实施方式所涉及的全局路径最优化的方法的图。
图9是表示本实施方式所涉及的控制移动体的行驶的处理步骤的流程图。
图10是表示本实施方式所涉及的生成路径的详细的处理步骤的流程图。
附图标记说明
100…移动体;111…座位;112…行驶单元;113…电池;114…检测单元;120…前轮;121…尾轮;122a、122b…马达;123…转向机构;130…控制单元;131…操作面板;132…扬声器;133…语音输入装置;134…GNSS传感器;135…存储装置;136…通信单元;140…通信装置;301…用户指示获取部;302…图像信息处理部;303…格子地图生成部;304…路径生成部;305…行驶控制部。
具体实施方式
以下,参照附图对实施方式进行详细说明。需要说明的是,以下的实施方式并不限定技术方案所涉及的发明,另外,在实施方式中说明的特征的组合未必全部是发明所必须的。也可以任意组合在实施方式中说明的多个特征中的两个以上的特征。另外,对相同或同样的结构标注相同的附图标记,并省略重复的说明。
<移动体的结构>
参照图1,对本实施方式的移动体100的结构进行说明。图1中的(A)表示本实施方式的移动体100的侧面,图1中的(B)表示移动体100的内部结构。图中箭头X表示移动体100的前后方向,F表示前方,R表示后方。箭头Y表示移动体100的宽度方向(左右方向),箭头Z表示移动体100的上下方向。
移动体100搭载有电池113,例如是主要通过马达的动力而移动的超小型移动车。超小型移动车是比一般的机动车更紧凑、乘车定员为1或2名左右的超小型车辆。在本实施方式中,作为移动体100的一例,以三轮的超小型移动车为例进行说明,但并不意图限定本发明,例如也可以是四轮车辆、跨骑型车辆。另外,本发明的车辆不限于交通工具,也可以是装载货物并与人的步行并行的车辆、对人进行先导的车辆。并且,本发明不限于四轮或两轮等车辆,也能够应用能够自主移动的步行式机器人等。
移动体100具备行驶单元112,是以电池113为主电源的电动自主式车辆。电池113例如是锂离子电池等充电电池,通过从电池113供给的电力,移动体100借助行驶单元112自行。行驶单元112是具备左右一对前轮120和尾轮(从动轮)121的三轮车。行驶单元112也可以是四轮车的形态等其他形态。移动体100具备一人用或二人用的座位111。
行驶单元112具备转向机构123。转向机构123是以马达122a、马达122b为驱动源而使一对前轮120的转向角变化的机构。通过使一对前轮120的转向角变化,能够变更移动体100的行进方向。尾轮121是不单独具有驱动源而追随一对前轮120的驱动而进行动作的从动轮。另外,尾轮121相对于移动体100的车身具有回旋部而连结。该回旋部与尾轮121的旋转分开地以改变尾轮121的朝向的方式进行旋转。这样,本实施方式的移动体100采用带尾轮的差动二轮式移动车,但不限于此。
移动体100具备识别移动体100的前方的平面的检测单元114。检测单元114是监视移动体100的前方的外界传感器,在本实施方式的情况下,是拍摄移动体100的前方的图像的拍摄装置。在本实施方式中,检测单元114例如以具有两个透镜等光学系统和各个图像传感器的立体相机为例进行说明。但是,也可以代替拍摄装置或者追加地采用雷达、光学雷达(Light Detection and Ranging)。另外,在本实施方式中,说明仅在移动体100的前方设置的例子,但并不意图限定本发明,也可以设置在移动体100的后方或左右。
本实施方式的移动体100使用检测单元114拍摄移动体100的前方区域,从拍摄图像检测障碍物。进而,移动体100将移动体100的周边区域分割成格子状,一边生成在各格子(以下也称为栅格)中积累了障碍物信息的占有格子地图(Occupancy Grid Map)一边控制行驶。稍后将描述占有格子地图的细节。
<移动体的控制结构>
图2是本实施方式的移动体100的控制系统的框图。在此,主要说明实施本发明所需的结构。因此,除了以下说明的结构以外,还可以包括其他结构。另外,在本实施方式中,设为以下说明的各部包含于移动体100来进行说明,但并不意图限定本发明,也可以实现为包含多个设备的移动体控制系统。例如,控制单元130的一部分功能可以通过以能够通信的方式与其连接的服务器装置来实现,也可以将检测单元114、GNSS传感器134设置为外部设备。移动体100具备控制单元(ECU)130。控制单元130包括以CPU为代表的处理器、半导体存储器等存储设备、与外部设备的接口等。在存储设备中保存处理器执行的程序、处理器在处理中使用的数据等。处理器、存储设备、接口也可以构成为按移动体100的功能设置多组并能够相互通信。
控制单元130获取检测单元114的检测结果、操作面板131的输入信息、从语音输入装置133输入的语音信息、来自GNSS传感器134的位置信息、以及经由通信单元136的接收信息,执行对应的处理。控制单元130进行马达122a、马达122b的控制(行驶单元112的行驶控制)、操作面板131的显示控制、扬声器132的语音向移动体100的乘员的报告、信息的输出。
语音输入装置133对移动体100的乘员的语音进行拾音。控制单元130能够识别所输入的语音,并执行对应的处理。GNSS(Global Navigation Satellite System:全球导航卫星系统)传感器134接收GNSS信号来检测移动体100的当前位置。存储装置135是存储检测单元114的拍摄图像、障碍物信息、过去生成的路径以及占有格子地图等的存储设备。在存储装置135中也可以保存处理器执行的程序、处理器在处理中使用的数据等。存储装置135也可以存储由控制单元130执行的语音识别、图像识别用的机器学习模型的各种参数(例如深度神经网络的学习完成参数、超参数等)。
通信单元136例如经由Wi-Fi、第五代移动体通信等无线通信与作为外部装置的通信装置140相互进行通信。通信装置140例如是智能手机,但不限于此,可以是耳机型的通信终端,也可以是个人计算机、平板终端、游戏机等。通信装置140例如经由Wi-Fi、第五代移动体通信等无线通信与网络连接。
拥有通信装置140的用户能够经由该通信装置140对移动体100进行指示。该指示例如包括用于将移动体100向用户所希望的位置呼叫而汇合的指示。当接收到该指示时,移动体100基于指示中包含的位置信息来设定目标位置。需要说明的是,移动体100除了这样的指示以外,还能够根据检测单元114的拍摄图像设定目标位置,或者基于来自乘坐移动体100的用户的经由操作面板131的指示来设定目标位置。在根据拍摄图像设定目标位置的情况下,例如在拍摄图像内检测朝向移动体100举手的人,推定检测出的人的位置并设定为目标位置。
<移动体的功能结构>
接着,参照图3说明本实施方式的移动体100的功能结构。这里说明的功能结构在控制单元130中,例如通过CPU将存储在ROM等存储器中的程序读出到RAM中并执行而实现。另外,以下说明的功能结构仅对说明本发明所需的功能进行说明,并非对移动体100中实际包含的全部功能结构进行说明。即,本发明的移动体100的功能结构并不限定于以下说明的功能结构。
用户指示获取部301具有接受来自用户的指示的功能,能够经由操作面板131接受用户指示、经由通信单元136从通信装置140等外部装置接受用户指示、经由语音输入装置133接受用户的发声的指示。如上所述,用户指示包括设定移动体100的目标位置(也称为目的地)的指示、与移动体100的行驶控制有关的指示。
图像信息处理部302对由检测单元114获取到的拍摄图像进行处理。具体而言,图像信息处理部302根据由检测单元114获取到的立体图像生成深度图像并进行三维点云化。三维点云化的图像数据用于检测妨碍移动体100的行驶的障碍物。另外,图像信息处理部302也可以包括处理图像信息的机器学习模型,执行该机器学习模型的学习阶段的处理、推论阶段的处理。图像信息处理部302的机器学习模型例如能够进行使用深度神经网络(DNN)的深度学习算法的运算,进行识别图像信息中包含的立体物等的处理。
格子地图生成部303基于三维点云的图像数据,制作预定尺寸(例如,在20m×20m的区域中各单元格为10cm×10cm)的栅格地图。这是因为三维点云的数据量多,实时处理困难,从而以轻量化为目的。该栅格地图例如构成为包括表示栅格内点云的最大高度与最小高度之差的栅格地图(表现该单元格是否为台阶)、和从基准点表示栅格内点云的最大高度的栅格地图(表现该单元格的地形形状)。进而,格子地图生成部303去除生成的栅格地图中包含的尖峰噪声、白噪声,检测具有预定以上的高度的障碍物,生成表示每个栅格中是否存在成为障碍物的立体物的占有格子地图。
路径生成部304生成移动体100相对于由用户指示获取部301设定好的目标位置的行驶路径。具体而言,路径生成部304不需要高精度地图的障碍物信息,而使用由格子地图生成部303根据检测单元114的拍摄图像而生成的占有格子地图来生成路径。需要说明的是,由于检测单元114是对移动体100的前方区域进行拍摄的立体相机,因此无法识别其他方向的障碍物。因此,为了避免向视场角外的障碍物的碰撞、陷入死胡同无法动弹,移动体100优选预先将检测到的障碍物信息存储预定期间。由此,移动体100能够考虑过去检测出的障碍物和实时检测出的障碍物这两者来进行路径生成。
另外,路径生成部304使用占有格子地图周期性地生成全局路径(global path),进而以追随全局路径的方式周期性地生成局部路径(local path)。即,通过全局路径来决定局部路径的目标位置。另外,作为各路径的生成周期,在本实施方式中,将全局路径的生成周期设为100ms,将局部路径的生成周期设为50ms,但并不限定本发明。作为生成全局路径的算法,已知RRT(Rapid-exploring Random Tree,快速搜索随机树)、PRM(Probabilistic Road Map,概率路线图)、A*等各种算法。本实施方式的路径生成部304考虑将栅格的单元格作为节点处理的情况下的相容性和再现性,以A*的算法为基础,进一步为了削减计算量,使用对该算法进行了改良的方法。稍后将描述该方法的细节。另外,由于作为移动体100采用了带尾轮的差动二轮式移动车,所以路径生成部304生成考虑了作为从动轮的尾轮121的局部路径。
行驶控制部305按照局部路径来控制移动体100的行驶。具体而言,行驶控制部305按照局部路径控制行驶单元112来控制移动体100的速度以及角速度。进而,行驶控制部305根据驾驶员的各种操作来控制行驶。行驶控制部305可以在通过驾驶员的操作而在局部路径的驾驶计划中产生了偏差的情况下,再次获取由路径生成部304生成的新的局部路径来控制行驶,也可以控制移动体100的速度以及角速度以消除从使用中的局部路径起的偏移。
<占有格子地图>
图4表示本实施方式的包含障碍物信息的占有格子地图400。本实施方式的移动体100不依赖于高精度地图的障碍物信息而行驶,因此障碍物信息全部从检测单元114的识别结果获取。此时,为了避免向视场角外的障碍物的碰撞、陷入死胡同无法动弹,需要存储障碍物信息。因此,在本实施方式中,作为存储障碍物信息的方法,从立体图像的三维点云的信息量的削减和路径计划中的处理容易性的观点出发,利用占有格子地图。
本实施方式所涉及的格子地图生成部303将移动体100的周边区域分割成格子状,按每个格子生成包含表示有无障碍物的信息的占有格子地图。需要说明的是,在此,以将预定区域分割为格子状的例子进行说明,但也可以不分割成格子状,而是以其他形状进行分割,按照分割出的每个区域制作表示有无障碍物的占有地图。占有格子地图400将移动体100的周边的例如40m×40m、20m×20m的尺寸的区域作为周边区域,将该区域分割为20cm×20cm、10cm×10cm的格子(栅格),根据移动体100的移动而动态地设定。即,占有格子地图400是根据移动体100的移动而始终以移动体100来到中心的方式偏移,实时地变动的区域。需要说明的是,关于区域的尺寸,能够根据移动体100的硬件资源任意地设定。
另外,在占有格子地图400中,在各栅格中定义检测单元114从拍摄图像检测出的障碍物的有无信息。作为有无信息,例如将能行驶区域定义为“0”,将不能行驶区域(即,有障碍物)定义为“1”。在图4中,401表示存在障碍物的栅格。存在障碍物的区域表示移动体100无法通过的区域,例如由5cm以上的立体物构成。因此,移动体100以避开这些障碍物401的方式生成路径。
<障碍物信息的积累>
图5说明本实施方式的占有格子地图中的障碍物信息的积累。500表示根据移动体100的移动而移动的局部地图。局部地图500根据移动体100相对于格子地图上的x轴方向、y轴方向的移动而偏移。局部地图500表示例如根据移动体100向x轴方向的移动量Δx,删除501的虚线区域,追加502的实线区域的情形。删除的区域成为与移动体100的行进方向相反的区域,追加的区域成为该行进方向的区域。同样地,在y轴方向上也根据移动体100的移动进行区域的删除和追加。另外,局部地图500积累过去检测到的障碍物信息。需要说明的是,在删除区域所包含的栅格中存在障碍物的情况下,虽然从局部地图500删除该障碍物信息,但优选在一定期间内与局部地图500分开保持。这样的信息例如在移动体100变更前进道路而再次成为删除区域包含于局部地图500内的情况下有效,能够提高移动体100相对于障碍物的避让精度。另外,无需通过利用积累信息再次进行障碍物的检测,能够降低处理负荷。
510表示由移动体100的检测单元114根据所拍摄到的拍摄图像表示存在于移动体100的前方的障碍物的检测信息的障碍物检测地图。障碍物检测地图510表示实时的信息,根据从检测单元114获取的拍摄图像而周期性地生成。需要说明的是,由于还设想人、车辆等移动的障碍物,因此在作为移动体100的前方区域的检测单元114的视场角内511中,优选不是将过去检测到的障碍物固定并积累,而是通过周期性地生成的障碍物检测地图510进行更新。由此,也能够识别移动的障碍物,能够防止生成必要以上避让的路径。另一方面,关于移动体100的后方区域(严格来讲是检测单元114的视场角外),如局部地图500所示,积累过去检测到的障碍物。由此,例如,在前方区域检测到障碍物,在生成迂回路时,能够容易地生成避免与通过的障碍物的碰撞的路径。
520表示将局部地图500和障碍物检测地图510相加而生成的占有格子地图。这样,占有格子地图520生成为将实时变动的局部地图以及障碍物检测信息与过去检测并积累的障碍物信息合成后的格子地图。
<路径生成>
图6表示在本实施方式的移动体100中生成的行驶路径。本实施方式的路径生成部304根据所设定的目标位置601,使用占有格子地图周期性地生成全局路径(global path)602,进而以追随全局路径的方式周期性地生成局部路径(local path)603。稍后将描述全局路径和局部路径各自的生成方法。
目标位置601基于各种指示而被设定。例如,包含来自乘坐于移动体100的乘员的指示、来自移动体100外的用户的指示。来自乘员的指示经由操作面板131、语音输入装置133来进行。经由操作面板131的指示可以是指定在操作面板131上显示的格子地图的预定栅格的方法。在该情况下,也可以将各栅格的尺寸设定得较大,能够从更大范围的地图上进行选择。经由语音输入装置133的指示也可以是将周边的物标作为标记的指示。物标可以包括发声信息所包含的行人、广告牌、标识、自动售货机等设置于野外的设备、窗或入口等建筑物的构成要素、道路、车辆、二轮车等。当接收到经由语音输入装置133的指示时,路径生成部304从由检测单元114获取到的拍摄图像中检测所指定的物标并设定为目标位置。
关于这些语音识别、图像识别,利用机器学习模型。机器学习模型例如进行使用了深度神经网络(DNN)的深度学习算法的运算,识别发声信息、图像信息中包含的地点名、建筑物等地标名、店铺名、物标的名称等。语音识别的DNN通过进行学习阶段的处理而成为学习完成的状态,通过将新的发声信息输入到学习完成的DNN,能够进行相对于新的发声信息的识别处理(推理阶段的处理)。另外,图像识别的DNN能够进行图像内所包含的行人、广告牌、标识、自动售货机等设置于野外的设备、窗或入口等建筑物的构成要素、道路、车辆、二轮车的识别。
另外,关于来自移动体100外的用户的指示,也能够经由通信单元136向移动体100通知经由拥有的通信装置140的指示,或者如图6所示那样通过朝向移动体100举手等动作来呼叫移动体100。通信装置140的指示与来自所述乘员的指示同样地通过操作输入、语音输入来进行。
<全局路径的生成方法>
以下,参照图7及图8,对本实施方式的全局路径的生成方法进行说明。在本实施方式中,全局路径计划对静态条件下的具有最优性和再现性的A*算法进行扩展(改良型A*)。进而,通过使用Theta*对改良型A*进行最优化,生成不依赖于栅格的路径。
(改良型A*)
图7表示本实施方式的改良型A*算法。A*算法将栅格上的单元格作为节点处理,按每个周期进行全搜索,因此具有能够应对新的障碍物、目标位置的变更的优点。另一方面,作为每个周期的全部搜索的弊端,A*的计算量大,受到一些噪声的影响,路线就大幅变化,成为摇晃的主要原因。在A*中,搜索节点的扩展由实际的移动成本和heuristic函数决定。作为heuristic函数,使用到目标位置为止的推定距离。在此,根据本实施方式,进一步利用过去计划的路径信息(例如,上次生成的路径信息)来决定搜索节点。这样,根据本实施方式,作为改良型A*,通过考虑过去的路径,实现搜索区域的削减和大规模的路径变化(摇晃)的抑制。
700表示在格子地图(栅格地图)中,按照每个栅格定义距移动体100的当前位置的距离越远成本越高的第一成本的成本地图。即,成本地图700按照每个栅格定义移动体100的移动成本,在每个周期中生成。701表示移动体100的当前位置,成为全局路径的开始位置。702朝向生成的路径的目标位置,成为全局路径的结束位置。关于结束位置,可以是最终的目标位置,也可以是成为向目标位置的中途的中继位置。另外,图中的“大”的四边形表示成本朝向该位置变高,“小”的四边形表示成本朝向该位置变小。“∞”表示使存在障碍物的栅格的成本无限大。因此,成本地图定义考虑了障碍物的第一成本。
在栅格地图中,710表示按照每个栅格定义距目标位置的距离越远成本越高的第二成本的heuristic图。也就是说,heuristic图710是按照每个栅格定义从目标位置起的推定距离的图。在710中,右上方向被设定为目标位置,因此越接近右上方,成本被定义得越低,越接近左下方,成本被定义得越高。
720是用于决定探索节点的栅格地图,在该栅格地图中,表示按照每个栅格定义距过去的路径的距离越远成本越高的第三成本的过去路线图。即,过去路线图720按照每个栅格定义了过去路线的有无。721表示过去路线。在本实施例中,过去路线721表示先前生成的全局路径。但是,并不意图限定本发明,也可以利用过去数次的过去路线的累积路径。过去路线图720将过去路线通过的栅格设为“0”,将未通过的栅格设为“1”来生成栅格地图,对该栅格地图应用高斯滤波器、平均化滤波器等而生成。
使用这些栅格地图,能够通过以下的数学式1所示的评价函数来决定本实施方式的改良型A*的搜索节点i*。
[数1]
i*=argmini∈OPEN(Ci+Hi+kPi)···数学式(1)
在此,OPEN表示A*的OPENLIST中包含的栅格的单元格的索引的集合。Ci、Hi、Pi分别表示第一成本、第二成本、第三成本的值。k表示系数。根据所述数学式1,能够在OPENLIST内优先搜索过去路线721通过的区域附近。即使在搜索到过去路线721通过的区域的情况下,在无法发现到目标位置为止的路径的情况下,路径生成部304也与A*同样地扩大搜索范围,继续搜索直到找到路径为止。
730表示应用这样的改良型A*以避开障碍物的方式生成的全局路径731。如上所述,根据本实施方式应用的改良型A*,无需为了考虑过去路线而进行全搜索,能够大幅缩小搜索范围。另外,如数学式1所示,关于评价函数的计算,也仅是矩阵的相加,能够抑制计算量。而且,通过将存在障碍物的栅格的成本设定为“∞”,具有难以生成勉强通过障碍物的路径的效果。
(Theta*)
图8表示使由改良型A*生成的全局路径最优化的方法。800表示由改良型A*生成的全局路径731。801表示与各栅格对应的节点。由改良型A*生成的路径如全局路径731所示成为依赖于节点的路径,在不存在障碍物的栅格间也有可能成为不直行的路径,有时不成为最优的路径。因此,根据本实施方式,通过对由所述改良型A*生成的全局路径731应用Theta*算法来使路径最优化。
810表示通过应用Theta*来使全局路径731最优化的全局路径811。虚线所示的全局路径811与由改良型A*生成的实线所示的全局路径731相比,可知成为更直线的路径。例如,最优化前的全局路径731以节点812为中心在前后形成沿着障碍物401的轨道,作为行驶控制需要多次向左右的转向。另一方面,最优化后的全局路径811以节点812为中心在前后直线地形成轨道,成为最短路径且转向次数少的路径。
820表示810的虚线区域中的改良型A*和Theta*的节点搜索算法。在改良型A*中,如实线箭头821所示,从总节点向分节点的方向探索距离最小的节点,即,向正方向探索而生成轨道。另一方面,在基于Theta*的最优化中,如虚线箭头822所示,以在相反方向上从分节点向总节点距离最小的方式使全局路径731最优化。即,在Theta*中搜索最优的总节点。由此,能够生成不依赖于栅格(节点)的最优的路径。另外,由于重新基于移动成本进行最优的总节点搜索,所以能够防止对过去的路线的过度依赖。
<局部路径的生成方法>
接着,对局部路径的生成方法进行说明。路径生成部304以追随所生成的全局路径的方式生成局部路径。作为局部路径计划的方法,存在DWA(Dynamic Window Approach,动态窗口法)、MPC(Model Predictive Control,模型预测控制)、clothoid tentacles、PID(Proportional-Integral-Differential,比例积分微分)控制等各种方法。在本实施方式中,作为一例对使用DWA的情况进行说明,但并不意图限定本发明,也可以使用其他方法。DWA在能够考虑运动学、加速度等的制约方面被广泛地应用。作为本实施方式的移动体100,是带尾轮的差动二轮式移动车,由于设想人乘车的情况,因此在小型的移动车之中也被分类为比较大型。因此,尾轮121的角度对移动车的运动有很大影响,在现有的基于差动双轮模型的DWA中,目标轨道与实际轨道不同,存在危险,因此在本实施方式中对DWA进行扩展,导入关于尾轮角的制约。
虽然尾轮121是从动轮,但在尾轮121的角度与移动体100的行进方向差异很大的情况下,尾轮所受到的来自地面的反作用力变大,在尾轮的朝向返回行进方向时,反作用力急剧变小。此时,有时产生与尾轮121的朝向相应的yaw方向的角速度,车辆的运动较大地紊乱而与基于DWA的预测轨道大幅偏离。为了防止由此引起的碰撞,除了现有的DWA的制约之外,还导入伴随尾轮角的制约。首先,如以下的数学式(2)那样推定差动二轮移动车的尾轮角。
δ=-arctan(Lω/v)…数学式(2)
在此,δ表示尾轮121的角度(尾轮角),v表示移动体100的速度,ω表示角速度,L表示轴距。
DWA是从考虑了速度的制约、加速度的制约、碰撞的制约的速度和角速度的范围(Window)决定最优的速度和加速度的组合的算法。在此基础上,在本实施方式中,导入基于尾轮角度的制约。在尾轮角度与行进方向不同时,若速度较大,则受到尾轮反作用力,因此进行与尾轮角相应的速度和角速度的限制。例如,将速度、角速度的制约范围(速度的最大值、最小值和角速度的最大值、最小值)以如下方式设置,即,以低速行驶直到尾轮角返回到与行进方向相同的方向,在尾轮121沿行进方向从动后,能够以最大速度行驶。由此,能够防止由尾轮角的急剧变化引起的车辆的运动的紊乱,能够进行连续的运动。
<移动体的基本控制>
图9是表示本实施方式的移动体100的基本控制的流程图。以下说明的处理通过在控制单元130中例如CPU将存储于ROM等存储器的程序读出到RAM并执行来实现。
在S101中,控制单元130基于由用户指示获取部301接收到的用户指示来设定移动体100的目标位置。如上所述,用户指令可以通过各种方法来接收。接着,在S102中,控制单元130通过检测单元114对移动体100的前方区域进行拍摄,获取拍摄图像。获取到的拍摄图像由图像信息处理部302处理,生成深度图像并三维点云化。在S103中,控制单元130从三维点云化后的图像中检测例如成为5cm以上的立体物的障碍物。在S104中,控制单元130根据检测到的障碍物和移动体100的位置信息,生成以移动体100为中心的预定区域的占有格子地图。
接着,在S105中,控制单元130通过路径生成部304生成移动体100的行驶路径。如上所述,路径生成部304使用占有格子地图和所述第一成本至第三成本生成全局路径,并按照生成的全局路径生成局部路径。接着,在S106中,控制单元130按照生成的局部路径决定移动体100的速度和角速度,控制行驶。之后,在S107中,控制单元130基于来自GNSS传感器134的位置信息来判断移动体100是否到达了目标位置,在未到达目标位置的情况下使处理返回到S102,一边更新占有格子地图一边生成路径,反复进行控制行驶的处理。另一方面,在到达目标位置的情况下,结束本流程图的处理。
<路径生成控制>
图10是表示本实施方式的路径生成控制(S105)的详细的处理步骤的流程图。以下说明的处理通过在控制单元130中例如CPU将存储于ROM等存储器的程序读出到RAM并执行来实现。
在S201中,控制单元130生成按照每个栅格定义距移动体100的当前位置的距离越远成本越高的第一成本的第一成本地图。接着,在S202中,控制单元130生成按照每个栅格定义距目标位置的距离越远成本越高的第二成本的第二成本地图。进而,在S203中,控制单元130生成按照每个栅格定义距过去的路径的距离越远成本越高的第三成本的第三成本地图。
接着,在S204中,控制单元130使用在S201-S203中生成的第一成本地图至第三成本地图和在S104中生成的占有格子地图的信息,按照所述改良型A*算法生成全局路径。接着,在S205中,控制单元130通过所述Theta*算法对生成的全局路径进行最优化,生成最优化后的全局路径。然后,在步骤S206中,控制单元130以追随在步骤S205中最优化后的全局路径的方式生成局部路径,并且结束本流程图的处理。另外,以生成全局路径并生成局部路径的流程进行了说明,但未必按照该顺序进行各路径生成。这是因为全局路径的生成周期与局部路径的生成周期不同。例如,在全局路径的生成周期为100ms、局部区域的生成周期为50ms的情况下,按照生成的全局路径,进行两次局部路径的生成。
<实施方式的总结>
1.所述实施方式的移动体控制系统(例如,100)具备:
获取单元(114),其获取拍摄图像;
检测单元(130、302、303),其检测所述拍摄图像所包含的障碍物;
地图生成单元(303),其对所述移动体的周边的区域进行分割,并按照分割后的每个区域生成表示由所述检测单元检测出的障碍物的占有的占有地图;以及
路径生成单元(304),其基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、以及在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测到的所述障碍物的从所述当前位置到所述目标位置为止的全局路径(参照S201-S204、图7)。
根据该实施方式,在占有地图上的实际时间路径计划中,为了优先搜索过去进行了路径计划的栅格,以使存在路线的地方变低的方式生成虚拟的势图,并用于评价函数。因此,根据本发明,能够在不使用高精度地图的情况下适当地生成移动体的路径。
2.在所述实施方式的移动体控制系统中,所述路径生成单元(304)还使用搜索距离最小的总节点的Theta*算法,使生成的所述全局路径最优化(S206、图8)。
根据该实施方式,能够在栅格地图上不依赖于节点地生成直线路径。
3.在所述实施方式的移动体控制系统中,使用高斯滤波器或平均化滤波器生成所述第三成本(720)(参照S203)。
根据该实施方式,能够容易地制作基于过去路线的成本。
4.在所述实施方式的移动体控制系统中,所述路径生成单元(720)通过沿着所述过去的路径使用滤波器来获取所述第三成本(参照S203)。
根据该实施方式,能够更高效地利用过去路线。
5.在所述实施方式的移动体控制系统中,所述过去的路径是指由所述路径生成单元上次生成的路径。
根据该实施方式,通过遵循紧前的路线,能够进一步降低搜索范围。
6.在所述实施方式的移动体中,所述第一成本(700)还基于由所述检测单元检测出的所述障碍物来决定(参照S201)。
根据该实施方式,能够避免生成勉强通过障碍物的路径。
7.在所述实施方式的移动体控制系统中,所述获取单元获取所述移动体的前方区域的拍摄图像(S102),
所述地图生成单元针对未由所述获取单元获取的区域的障碍物,使用由所述检测单元过去检测出的障碍物的信息来生成所述占有地图(S103、S104、图5)。
根据该实施方式,即使在移动体回转并返回的情况下,也能够使用过去检测到的障碍物信息,能够避免对这些障碍物的碰撞、陷入死胡同无法动弹。
8.在所述实施方式的移动体控制系统中,所述路径生成单元以追随所述全局路径的方式,基于DWA(Dynamic Window Approach)进一步生成所述移动体的局部路径(S206)。
根据该实施方式,能够进行考虑了从动轮的朝向的行驶控制。
9.所述实施方式的移动体控制系统还具备行驶控制单元,该行驶控制单元基于所述局部路径来决定所述移动体的速度以及角速度,并控制行驶(S106)。
根据该实施方式,能够考虑从动轮的朝向来进行行驶控制。
10.在所述实施方式的移动体控制系统中,所述路径生成单元分别以不同的周期生成所述全局路径以及所述局部路径。
根据该实施方式,能够削减不需要的路径生成,降低处理负荷。
11.在所述实施方式的移动体控制系统中,所述局部路径的生成周期比所述全局路径的生成周期短。
根据该实施方式,能够削减不需要的路径生成,降低处理负荷。
12.在所述实施方式的移动体控制系统中,所述获取单元(114)是立体相机,所述检测单元将由所述立体相机拍摄到的立体图像的图像数据进行三维点云化(S103)。
根据该实施方式,能够减少处理量,能够适当地实现实时处理。
13.在所述实施方式的移动体控制系统中,所述地图生成单元将所述移动体的周边的区域分割成格子状,并按照每个格子生成表示由所述检测单元检测出的障碍物的占有的占有格子地图作为所述占有地图。
根据该实施方式,能够在x、y方向上容易地分割预定的平面区域,并且能够无遗漏地覆盖预定范围。
14.所述实施方式的移动体(例如,100)具备:
获取单元(114),其获取拍摄图像;
检测单元(130、302、303),其检测所述拍摄图像所包含的障碍物;
地图生成单元(303),其对所述移动体的周边的区域进行分割,并按照分割后的每个区域生成表示由所述检测单元检测出的障碍物的占有的占有地图;以及
路径生成单元(304),其基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、以及在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测到的所述障碍物的从所述当前位置到所述目标位置为止的全局路径(S201-S204、图7)。
根据该实施方式,在占有地图上的实际时间路径计划中,为了优先搜索过去进行了路径计划的栅格,以使存在路线的地方变低的方式生成虚拟的势图,并利用于评价函数。因此,根据本发明,能够在不使用高精度地图的情况下适当地生成移动体的路径。
Claims (16)
1.一种移动体控制系统,其特征在于,
所述移动体控制系统具备:
获取单元,其获取拍摄图像;
检测单元,其检测所述拍摄图像所包含的障碍物;
地图生成单元,其对移动体的周边的区域进行分割,并按照分割出的每个区域生成表示由所述检测单元检测出的障碍物的占有的占有地图;以及
路径生成单元,其基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测出的所述障碍物的从所述当前位置到所述目标位置的全局路径。
2.根据权利要求1所述的移动体控制系统,其特征在于,
所述路径生成单元还使用搜索距离最小的总节点的Theta*算法,使所生成的所述全局路径最优化。
3.根据权利要求1所述的移动体控制系统,其特征在于,
使用高斯滤波器或平均化滤波器生成所述第三成本。
4.根据权利要求3所述的移动体控制系统,其特征在于,
所述路径生成单元通过沿着所述过去的路径使用滤波器来获取所述第三成本。
5.根据权利要求4所述的移动体控制系统,其特征在于,
所述过去的路径是指由所述路径生成单元上次生成的路径。
6.根据权利要求2所述的移动体控制系统,其特征在于,
所述第一成本还基于由所述检测单元检测出的所述障碍物来决定。
7.根据权利要求2所述的移动体控制系统,其特征在于,
所述获取单元获取所述移动体的前方区域的拍摄图像,
所述地图生成单元针对未由所述获取单元获取的区域的障碍物,使用由所述检测单元过去检测出的障碍物的信息来生成所述占有地图。
8.根据权利要求7所述的移动体控制系统,其特征在于,
所述路径生成单元以追随所述全局路径的方式,基于DWA进一步生成所述移动体的局部路径。
9.根据权利要求8所述的移动体控制系统,其特征在于,
所述移动体控制系统还具备行驶控制单元,该行驶控制单元基于所述局部路径来决定所述移动体的速度以及角速度,并控制行驶。
10.根据权利要求8所述的移动体控制系统,其特征在于,
所述路径生成单元分别以不同的周期生成所述全局路径以及所述局部路径。
11.根据权利要求10所述的移动体控制系统,其特征在于,
所述局部路径的生成周期比所述全局路径的生成周期短。
12.根据权利要求1所述的移动体控制系统,其特征在于,
所述获取单元是立体相机,
所述检测单元将由所述立体相机拍摄到的立体图像的图像数据进行三维点云化。
13.根据权利要求2所述的移动体控制系统,其特征在于,所述地图生成单元将所述移动体的周边的区域分割成格子状,并按照每个格子生成表示由所述检测单元检测出的障碍物的占有的占有格子地图作为所述占有地图。
14.一种移动体,其特征在于,
所述移动体具备:
获取单元,其获取拍摄图像;
检测单元,其检测所述拍摄图像所包含的障碍物;
地图生成单元,其对所述移动体的周边的区域进行分割,并按照分割后的每个区域生成表示由所述检测单元检测出的障碍物的占有的占有地图;以及
路径生成单元,其基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测出的所述障碍物的从所述当前位置到所述目标位置的全局路径。
15.一种移动体控制系统的控制方法,其特征在于,
所述移动体控制系统的控制方法包括:
获取步骤,在该获取步骤中,获取拍摄图像;
检测步骤,在该检测步骤中,检测所述拍摄图像所包含的障碍物;
地图生成步骤,在该地图生成步骤中,对移动体的周边的区域进行分割,并按照分割出的每个区域生成表示在所述检测步骤中检测出的障碍物的占有的占有地图;以及
路径生成步骤,在该路径生成步骤中,基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测出的所述障碍物的从所述当前位置到所述目标位置的全局路径。
16.一种存储介质,其中,
所述存储介质存储有用于使计算机作为如下功能部发挥功能的程序:
获取单元,其获取拍摄图像;
检测单元,其检测所述拍摄图像所包含的障碍物;
地图生成单元,其对移动体的周边的区域进行分割,并按照分割出的每个区域生成表示由所述检测单元检测出的障碍物的占有的占有地图;以及
路径生成单元,其基于在所述占有地图中距当前位置的距离越远成本越高的第一成本、在所述占有地图中距目标位置的距离越远成本越高的第二成本、在所述占有地图中距过去的路径的距离越远成本越高的第三成本,生成避开检测出的所述障碍物的从所述当前位置到所述目标位置的全局路径。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022141498A JP2024036932A (ja) | 2022-09-06 | 2022-09-06 | 移動体制御システム、その制御方法、プログラム、及び移動体 |
JP2022-141498 | 2022-09-06 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117666555A true CN117666555A (zh) | 2024-03-08 |
Family
ID=90060664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311109832.2A Pending CN117666555A (zh) | 2022-09-06 | 2023-08-31 | 移动体控制系统及其控制方法、存储介质以及移动体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240077874A1 (zh) |
JP (1) | JP2024036932A (zh) |
CN (1) | CN117666555A (zh) |
-
2022
- 2022-09-06 JP JP2022141498A patent/JP2024036932A/ja active Pending
-
2023
- 2023-08-31 CN CN202311109832.2A patent/CN117666555A/zh active Pending
- 2023-08-31 US US18/240,393 patent/US20240077874A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240077874A1 (en) | 2024-03-07 |
JP2024036932A (ja) | 2024-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149487B (zh) | 一种用于自动驾驶的用于训练神经网络对象检测模型的用于确定锚框的方法 | |
WO2020202741A1 (ja) | 情報処理装置及び情報処理方法、コンピュータプログラム、並びに移動体装置 | |
CN113494923B (zh) | 基于微分动态规划的路径轨迹规划方法及系统 | |
US11815891B2 (en) | End dynamics and constraints relaxation algorithm on optimizing an open space trajectory | |
EP3854620A1 (en) | Vehicle controller, and vehicle | |
CN113785252B (zh) | 停放自主驾驶车辆用于自主充电的方法 | |
JP7170637B2 (ja) | 車両制御システム、車両制御方法、およびプログラム | |
US11878712B2 (en) | Trajectory planning with obstacle avoidance for autonomous driving vehicles | |
CN113496189B (zh) | 基于静态障碍物地图的感知方法及系统 | |
JP7347238B2 (ja) | 車両の走行制御装置 | |
WO2023147769A1 (en) | Systems, methods, and computer-readable media for spatio-temporal motion planning | |
CN117315970A (zh) | 涉及交叉路口处交通拥堵的自主车辆的车道改变 | |
US12037017B2 (en) | Collision evaluation using a hierarchy of grids | |
CN117141463A (zh) | 识别并行泊车车辆的意图和预测的系统、方法和计算机程序产品 | |
CN117666555A (zh) | 移动体控制系统及其控制方法、存储介质以及移动体 | |
WO2024070460A1 (ja) | 移動体制御システム、その制御方法、プログラム、及び移動体 | |
CN116635920A (zh) | 车辆运动控制装置和车辆运动控制方法 | |
US20240166205A1 (en) | Moving object control system, control method thereof, storage medium, and moving object | |
WO2024089810A1 (ja) | 移動体制御システム、その制御方法、プログラム、及び移動体 | |
JP2021109576A (ja) | 車両の走行支援方法および走行支援装置 | |
WO2024122577A1 (ja) | 移動体制御システム、その制御方法、移動体、プログラム及び記録媒体 | |
US20240075954A1 (en) | Moving object control system, control method therefor, and recording medium | |
US20240102824A1 (en) | Moving object, control method of moving object, non-transitory computer-readable storage medium, and moving object control system | |
US20230415736A1 (en) | Systems and methods for controlling longitudinal acceleration based on lateral objects | |
US20230373523A1 (en) | Systems and methods for biasing a trajectory of an autonomous vehicle while moving in a lane |
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 |