CN117705140A - 基于多时相可通过性的动态路径规划方法、装置及设备 - Google Patents
基于多时相可通过性的动态路径规划方法、装置及设备 Download PDFInfo
- Publication number
- CN117705140A CN117705140A CN202410153920.0A CN202410153920A CN117705140A CN 117705140 A CN117705140 A CN 117705140A CN 202410153920 A CN202410153920 A CN 202410153920A CN 117705140 A CN117705140 A CN 117705140A
- Authority
- CN
- China
- Prior art keywords
- grid
- target
- traffic
- path planning
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000011156 evaluation Methods 0.000 claims abstract description 31
- 238000012216 screening Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 21
- 238000013210 evaluation model Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 description 15
- 239000002689 soil Substances 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000009194 climbing Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于多时相可通过性的动态路径规划方法、装置及设备,包括:获取目标区域对应的环境信息,并对环境信息进行栅格化处理,以确定目标区域内每个栅格对应的多个通行影响因子;基于通行影响因子确定每个栅格对应的多时相通行评估结果,包括栅格通行性和栅格通行速度;在对目标区域进行路径规划的过程中,根据当前目标栅格在目标时段下对应的栅格通行性,筛选当前目标栅格对应的下一目标栅格,并根据栅格通行速度计算到达下一目标栅格的目标时段,以基于筛选出的每个目标栅格确定目标区域对应的路径规划结果。本发明能够地适应野外环境的动态变化,从而针对野外环境规划出更为合理的路径,可以满足野外环境的路径规划需求。
Description
技术领域
本发明涉及路径规划技术领域,尤其是涉及一种基于多时相可通过性的动态路径规划方法、装置及设备。
背景技术
在城市内部和已知的路网环境下,传统的路径规划方法已经相当成熟,可以利用现有算法规划出从起始点到目标点的合理路径。但是,传统的路径规划方法通常依赖目标区域特定时间静态可通过性进行规划路径,在城市以外的野外环境中无法满足实际需求,主要表现在:1)野外环境地形复杂多样,包括山区、丛林、水域等,这些地形对路径规划算法提出了更高的要求。2)野外环境通常缺乏道路数据,路径规划不能简单依赖于路网信息。3)野外环境中可能存在动态变化的情况,比如突发自然灾害等,现有的路径规划技术尚未克服此类不确定因素对规划结果的不利影响。
发明内容
有鉴于此,本发明的目的在于提供一种基于多时相可通过性的动态路径规划方法、装置及设备,能够地适应野外环境的动态变化,从而针对野外环境规划出更为合理的路径,可以满足野外环境的路径规划需求。
第一方面,本发明实施例提供了一种基于多时相可通过性的动态路径规划方法,包括:
获取目标区域对应的环境信息,并对所述环境信息进行栅格化处理,以确定所述目标区域内每个栅格对应的多个通行影响因子;
通过预先构建的通行评估模型,基于所述通行影响因子,确定每个所述栅格对应的多时相通行评估结果;其中,所述多时相通行评估结果包括所述栅格在不同时段下对应的栅格通行性和栅格通行速度;
在对所述目标区域进行路径规划的过程中,根据当前目标栅格在目标时段下对应的所述栅格通行性,筛选所述当前目标栅格对应的下一目标栅格,并根据所述栅格通行速度计算到达所述下一目标栅格的目标时段,以基于筛选出的每个所述目标栅格确定所述目标区域对应的路径规划结果。
在一种实施方式中,所述通行评估模型包括通行性评估模型和通行速度评估模型,所述通行性评估模型中的通行因子影响系数、所述通行速度评估模型中的通行因子速度影响系数均是通过回归算法拟合得到的;
通过预先构建的通行评估模型,基于所述通行影响因子,确定每个所述栅格对应的多时相通行评估结果的步骤,包括:
对于每个所述栅格,通过所述通行性评估模型,基于所述通行因子影响系数,对该栅格在多个时段下对应的多个通行影响因子进行加权求和,得到该栅格在多个时段下对应的栅格通行性;
以及,对于每个所述栅格,通过所述通行速度评估模型,基于所述通行因子速度影响系数,对该栅格在多个时段下对应的多个通行影响因子进行加权求和,并将加权求和的结果与车辆最大速度的乘积,作为该栅格在多个时段下对应的栅格通行速度。
在一种实施方式中,根据当前目标栅格在目标时段下对应的所述栅格通行性,筛选所述当前目标栅格对应的下一目标栅格,并根据所述栅格通行速度计算到达所述下一目标栅格的目标时段的步骤,包括:
确定起始栅格和终点栅格,将所述起始栅格作为目标栅格存储至预先构建的封闭列表;其中,所述封闭列表用于存储筛选得到的目标栅格;
对于当前目标栅格,根据所述封闭列表存储的每个所述目标栅格在其相应目标时段下对应的所述栅格通行速度,确定从所述起始栅格行驶至所述当前目标栅格时所处的目标时刻;
基于所述当前目标栅格在所述目标时刻下对应的所述栅格通行性,从所述目标区域包含的栅格中确定所述当前目标栅格对应的下一目标栅格,将所述下一目标栅格存储至所述封闭列表,并继续根据所述栅格通行速度计算到达所述下一目标栅格的目标时段;
当将所述终点栅格存储至所述封闭列表时,从所述终点栅格开始进行路径回溯,直到回溯至所述起始栅格,以构造出所述目标区域对应的路径规划结果。
在一种实施方式中,基于所述当前目标栅格在所述目标时刻下对应的所述栅格通行性,从所述目标区域包含的栅格中确定所述当前目标栅格对应的下一目标栅格的步骤,包括:
基于所述当前目标栅格在所述目标时刻下对应的所述栅格通行性,从所述目标区域包含的栅格中确定所述当前目标栅格对应的多个可通行邻近栅格;
以所述当前目标栅格作为父节点,确定从所述起始栅格行驶至每个所述可通行邻近栅格时的通行代价;
根据所述通行代价,从每个所述可通行邻近栅格中确定所述当前目标栅格对应的下一目标栅格。
在一种实施方式中,根据所述通行代价,从每个所述可通行邻近栅格中确定所述当前目标栅格对应的下一目标栅格的步骤,包括:
如果所述封闭列表未存储所述可通行邻近栅格,则判断预先构建的开放列表是否存储所述可通行邻近栅格;其中,所述开放列表用于存储所述目标栅格对应的邻近栅格;
如果否,则将该可通行邻近栅格存储至所述开放列表;
将通行代价与启发式估计代价的和值作为综合通行代价,按照综合通行代价从小到大的顺序,从所述开放列表存储的所述可通行邻近栅格中,确定所述当前目标栅格对应的下一目标栅格。
在一种实施方式中,所述方法还包括:
如果所述开放列表存储有所述可通行邻近栅格,则将所述通行代价与所述可通行邻近栅格对应的历史通行代价进行比对;其中,所述历史通行代价是以所述可通行邻近栅格对应的历史目标栅格作为父节点计算得到的;
根据比对结果对所述可通行邻近栅格对应的所述历史通行代价进行更新;
将更新后通行代价与启发式估计代价的和值作为综合通行代价,按照综合通行代价从小到大的顺序,从所述开放列表存储的所述可通行邻近栅格中,确定所述当前目标栅格对应的下一目标栅格。
在一种实施方式中,在基于筛选出的每个所述栅格确定所述目标区域对应的路径规划结果的步骤之后,所述方法还包括:
构造所述路径规划结果对应的路径优化目标函数;其中,所述路径优化目标函数定义有路径曲率指标、路径长度指标和路径避障性指标;
对所述路径优化目标函数进行求导,得到所述路径规划结果中每个路径点对应的梯度,并将每个所述路径点沿着所述梯度的负方向进行移动,以实现对所述路径规划结果的优化;
当满足预设迭代停止条件时,确定所述目标区域对应的目标路径规划结果;其中,所述预设迭代停止条件包括所述路径规划结果收敛至局部最优解或者达到预设迭代次数。
第二方面,本发明实施例还提供一种基于多时相可通过性的动态路径规划装置,包括:
因子确定模块,用于获取目标区域对应的环境信息,并对所述环境信息进行栅格化处理,以确定所述目标区域内每个栅格对应的多个通行影响因子;
多时相通行评估模块,用于通过预先构建的通行评估模型,基于所述通行影响因子,确定每个所述栅格对应的多时相通行评估结果;其中,所述多时相通行评估结果包括所述栅格在不同时段下对应的栅格通行性和栅格通行速度;
路径规划模块,用于在对所述目标区域进行路径规划的过程中,根据当前目标栅格在目标时段下对应的所述栅格通行性,筛选所述当前目标栅格对应的下一目标栅格,并根据所述栅格通行速度计算到达所述下一目标栅格的目标时段,以基于筛选出的每个所述目标栅格确定所述目标区域对应的路径规划结果。
第三方面,本发明实施例还提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现第一方面提供的任一项所述的方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现第一方面提供的任一项所述的方法。
本发明实施例提供的一种基于多时相可通过性的动态路径规划方法、装置及设备,首先获取目标区域对应的环境信息,并对环境信息进行栅格化处理,以确定目标区域内每个栅格对应的多个通行影响因子;然后通过预先构建的通行评估模型,基于通行影响因子,确定每个栅格对应的多时相通行评估结果,多时相通行评估结果包括栅格在不同时段下对应的栅格通行性和栅格通行速度;在对目标区域进行路径规划的过程中,根据当前目标栅格在目标时段下对应的栅格通行性,筛选当前目标栅格对应的下一目标栅格,并根据栅格通行速度计算到达下一目标栅格的目标时段,以基于筛选出的每个目标栅格确定目标区域对应的路径规划结果。上述方法通过利用多个通行影响因子评估栅格可通过性,能够充分引入各类环境因素对野外路径的影响,同时引入时间概念,评估目标区域多时相动态可通行性,得到栅格在不同时段下对应的栅格通行性和栅格通行速度,另外,本发明实施例在多时相通行评估结果的基础上,动态地对目标区域进行路径规划,因此本发明实施例能够地适应野外环境的动态变化,从而针对野外环境规划出更为合理的路径,可以满足野外环境的路径规划需求。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的附图。
图1为本发明实施例提供的一种基于多时相可通过性的动态路径规划方法的流程示意图;
图2为本发明实施例提供的一种改进A*路径规划算法的流程示意图;
图3为本发明实施例提供的一种基于多时相可通过性的动态路径规划方法的整体流程图;
图4为本发明实施例提供的一种基于多时相可通过性的动态路径规划装置的结构示意图;
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合实施例对本发明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。
目前,在城市以外的许多野外环境中,传统的路径规划方法可能无法满足需求,基于此,本发明实施提供了一种基于多时相可通过性的动态路径规划方法、装置及设备,能够地适应野外环境的动态变化,从而针对野外环境规划出更为合理的路径,可以满足野外环境的路径规划需求。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种基于多时相可通过性的动态路径规划方法进行详细介绍,参见图1所示的一种基于多时相可通过性的动态路径规划方法的流程示意图,该方法主要包括以下步骤S102至步骤S106:
步骤S102,获取目标区域对应的环境信息,并对环境信息进行栅格化处理,以确定目标区域内每个栅格对应的多个通行影响因子。
在一例中,需要获取目标区域对应的环境信息以及车辆性能指标。环境信息可以包括高精度地形信息、植被覆盖类型、土壤类型和气象信息等等,车辆性能指标是车辆各种性能指标的量化,作为车辆在野外区域能否通行的硬性条件,通常包含车辆自重、车辆尺寸、最大速度等基本信息。
在一例中,根据车辆尺寸划定栅格,以及栅格对获取的环境信息进行处理,形成目标区域各类属性栅格数据,再根据属性栅格属性数据构建通行影响因子。通行影响因子主要涉及通行性影响因子和通行速度影响因子,两类影响因子均包括坡度影响因子、路面硬度因子、植被类型因子、气象因子和人为因子中的一种或多种。
步骤S104,通过预先构建的通行评估模型,基于通行影响因子,确定每个栅格对应的多时相通行评估结果。
在一例中,通行评估模型包括通行性评估模型和通行速度评估模型,可以利用回归算法分别拟合通行性评估模型中的通行因子影响系数、通行速度评估模型中的通行因子速度影响系数。
在一例中,将不同时段的通行影响因子分别输入至通行性评估模型和通行速度评估模型,从而利用通行因子影响系数对通行影响因子进行加权求和,以及利用通行因子速度影响系数对通行影响因子进行加权求和,并计算加权求和的结果与车辆最大速度的乘积,即可得到多时相通行评估结果,多时相通行评估结果包括栅格在不同时段下对应的栅格通行性和栅格通行速度,栅格通行性用于描述栅格是否可通行,以及栅格的通行难易程度,栅格通行速度可以理解为车辆通过该栅格的最大通行速度。
步骤S106,在对目标区域进行路径规划的过程中,根据当前目标栅格在目标时段下对应的栅格通行性,筛选当前目标栅格对应的下一目标栅格,并根据栅格通行速度计算到达下一目标栅格的目标时段,以基于筛选出的每个目标栅格确定目标区域对应的路径规划结果。
在一例中,本发明实施例对A*路径规划算法进行改进,从而利用改进的A*路径规划算法,根据当前目标栅格在目标时段下对应的栅格通行性和栅格通行速度进行路径规划,以得到路径规划结果。其中,目标时段也即车辆从起始栅格行驶至当前目标栅格时所处的时段。
本发明实施例提供的基于多时相可通过性的动态路径规划方法,通过利用多个通行影响因子评估栅格可通过性,能够充分引入各类环境因素对野外路径的影响,同时引入时间概念,评估目标区域多时相动态可通行性,得到栅格在不同时段下对应的栅格通行性和栅格通行速度,另外,本发明实施例在多时相通行评估结果的基础上,动态地对目标区域进行路径规划,因此本发明实施例能够地适应野外环境的动态变化,从而针对野外环境规划出更为合理的路径,可以满足野外环境的路径规划需求。
为便于理解,本发明实施例提供了一种基于多时相可通过性的动态路径规划方法的具体实施方式。
对于前述步骤S102,本发明实施例提供了一种获取目标区域对应的环境信息的实施方式。在实际应用中,考虑到野外环境地形复杂,因此需要考虑地形的可通行性和障碍物的分布;另外,由于野外环境缺乏道路信息,因此需要考虑如何利用地图数据、卫星图像等信息进行路径规划。基于此,可以获取目标区域对应的环境信息和车辆性能指标,具体的:
(1)环境信息:通过卫星、无人机监控获得的影像图、高精度地形等;目标区域气象信息,包括气温、降水量、风向、风速等。
(2)车辆性能指标:车辆性能数据是车辆各种性能指标的量化,作为车辆在野外区域能否通行的硬性条件,通常包含车辆自重、车辆尺寸、最大速度等基本信息,这些信息为车辆通过地形障碍提供了基础参数。
对于前述步骤S102,本发明实施例还提供了一种对环境信息进行栅格化处理,以确定目标区域内每个栅格对应的多个通行影响因子的实施方式,包括:
首先,根据车辆尺寸划定栅格,依据栅格对获取的环境信息进行预处理,形成目标区域各类属性栅格数据:
;
其中,N为栅格总数,、/>为第i个栅格中心点坐标,/>为第i个栅格的属性集合,每个属性集合包含k个属性,/>表示为:
;
根据属性栅格数据构建通行性影响因子和通行速度影响因子/>,m为因子数量,影响因子可以根据实际需要选择影响因子。
其中通行性影响因子和通行速度影响因子包括但不限于以下内容:
(1)坡度影响因子:
比较车辆最大爬坡角度与区域坡度,若车辆最大爬坡角度大于区域坡度,代表车辆能跨越此障碍。参考车辆性能指标,越野车的最大爬坡能力在30°,当前栅格的坡度值超过车辆的行驶极限则将栅格判定为不可通行区域。
(2)路面硬度因子:
砂石路面材质的特殊性,砂石路面硬度较高,其它类型的土地硬度由土壤渗水能力决定。土壤渗水能力越强,地表越坚硬,如干涸的河床,土质坚硬,车辆可以通行。沼泽作为一种独特的土地类型,视为不可通行区域。
(3)植被类型因子:
植被类型对车辆通行时间产生重要影响,尤其在野外环境下,植被分布的复杂性显得至关重要。在密集的高大乔木生长区域,车辆通行速度显著减缓,甚至可能无法通过。在某些情况下,特别是在极度密集的地区,车辆可能会无法通过。而在低矮灌木分布的区域,通行时间取决于具体情况。如果是在灌木高度以下,而且根茎强度有限,车辆通行的时间开销相对较小。然而,如果灌木丛密度较大或者根茎强度较高,通行时间将显著增加,甚至可能出现无法通行的情况。另外在草地、农田等植被对车辆通行也有一定影响。
(4)气象因子:
气象因素的影响具有一定的随机性,作为野外通行的重要参考因素,它的正确判断对野外出行有着关键的作用。如降雨将会降低土质硬度,通过改变路面承重性进而影响车辆通行性;降雪会改变路面光滑度,对任何类型土质均有影响,当雪进一步化为冰面,所有类型车辆均不可通行;不同浓度的雾会对地形信息可见度产生不同程度的影响,进而影响车辆行驶。
(5)人为因子:
人为因子主要指人工建造的各种地理工程事物,包括建筑物、桥梁、壕沟、涵洞等。桥梁的承重和宽度限制了行驶车辆的类型,将野外区域的桥梁设置为可通行;壕沟是人工修建宽度狭窄的蜿蜒形土坑,当壕沟宽度小于车轮直径,凭借车辆自身的机动性能可以跨域壕沟,否则车辆无法通行;建筑用地视为不可通行区域;人为破坏的产物对车辆行驶也将产生影响。
对于前述步骤S104提供的通行性评估模型,该通行评估模型包括通行性评估模型和通行速度评估模型,通行性评估模型中的通行因子影响系数、通行速度评估模型中的通行因子速度影响系数均是通过回归算法拟合得到的。
在一例中,建立通行性与通行影响因子线性回归方程(也即行性评估模型):
;
其中为第i个栅格的通行性,/>为第k个通行因子影响系数,/>为第k个通行影响因子。
在一例中,建立最大通行速度与通行因子线性回归方程(也即通行速度评估模型):
;
其中为第i个栅格的最大通行速度,/>为车辆最大速度,/>为第k个通行因子速度影响系数,/>为第k个通行影响因子。
进一步的,通过回归算法,确定通行因子影响系数A={1,2...k}和通行因子速度影响系数B={/>1,2...k}。
在此基础上,本发明实施例提供了一种通过预先构建的通行评估模型,基于通行影响因子,确定每个栅格对应的多时相通行评估结果的实施方式,可以根据通行性影响因子和通行速度影响因子/>,评估目标区域在一定时间内不同时间点的通行性栅格,间隔时间为/>,每个栅格的多时相通行评估结果包括通行性、最大通行速度。
具体的,参见如下步骤a至步骤b:
步骤a,对于每个栅格,通过通行性评估模型,基于通行因子影响系数,对该栅格在多个时段下对应的多个通行影响因子进行加权求和,得到该栅格在多个时段下对应的栅格通行性。
步骤b,对于每个栅格,通过通行速度评估模型,基于通行因子速度影响系数,对该栅格在多个时段下对应的多个通行影响因子进行加权求和,并将加权求和的结果与车辆最大速度的乘积,作为该栅格在多个时段下对应的栅格通行速度。
在一例中,使用回归方程依次评估、/>.../>时刻目标区域每个栅格通过性,l为评估时间节点数量,最终获得目标区域通过性评估结果:
;
其中,是第i个栅格坐标,/>为第i个栅格通过性属性集合;
;
其中,j为时序编号,表示不同的时间;表示第i个栅格第j时刻的通过性;表示第i个栅格第j时刻的最大通过速度。
对于前述步骤S106,本发明实施例提供了一种根据当前目标栅格在目标时段下对应的栅格通行性,筛选当前目标栅格对应的下一目标栅格,并根据当前目标栅格通行速度计算到达下一目标栅格的目标时段,以基于筛选出的每个目标栅格确定目标区域对应的路径规划结果的实施方式,可以利用改进A*算法,基于多时相通过性评估结果,实现基于动态通过性的路径规划。其中,改进A*算法的综合代价函数如下式:
;
其中表示从起点到节点n的实际代价。/>表示从节点n 到目标节点的启发式估计代价。
可以使用以下公式计算G(n):
;
其中:是从起点到节点n 的实际代价。父节点是节点n 在路径上的直接前驱节点。边(n,父节点)是连接节点n 和其父节点的边的权重,通常把节点n 到其父节点的距离作为边(n,父节点)的值。
可以使用欧几里德距离计算H(n):
;
其中,n.x 和n.y 是节点n 的坐标,goal.x 和goal.y 是目标节点的坐标。这个启发式函数估计了从节点n 到目标节点的最短直线距离。
在此基础上,可以参见如下步骤1至步骤4确定出目标区域对应的路径规划结果:
步骤1,确定起始栅格和终点栅格,将起始栅格作为目标栅格存储至预先构建的封闭列表。
首先,设定参数条件:
(1)按照以下步骤搜索路径,其中起始栅格S、终点栅格E,设定开放列表(简称open列表)和封闭列表(简称closed列表)。其中,开放列表用于存储目标栅格对应的邻近栅格;封闭列表用于存储筛选得到的目标栅格。
(2)设定车速上限,当栅格对应的最大通行车速大于设定的车速上限/>时按照设定车速上限/>计算。
(3)设定出发时间,默认为当前时间。
然后,初始化:
(1)将起始栅格S加入开放列表(Open 列表)。
(2)初始化每个栅格的实际代价(G 值)为正无穷,表示从起始栅格S到该栅格的实际代价未知。
(3)初始化每个栅格的启发式估计代价(H 值),表示从该栅格到终点栅格E的启发式估计代价。
(4)设置起始栅格S的实际代价(G 值)为0,表示从起始栅格S到起始栅格S的实际代价为0。
在一种实施方式中,首先,从开放列表中选择具有最小综合通行代价(F值)的栅格,记为当前目标栅格;然后,将当前目标栅格移出开放列表,并将其加入到封闭列表中,表示已经考虑过该当前目标栅格。最后,如果当前目标栅格等于终点栅格E,说明已经找到路径,算法结束。
进一步的,如果当前目标栅格不等于终点栅格E,则需要对当前目标栅格对应的下一目标栅格进行搜寻,下一目标栅格的搜寻过程也即如下步骤2至步骤3。
步骤2,对于当前目标栅格,根据封闭列表存储的每个目标栅格在其相应目标时段下对应的栅格通行速度,确定从起始栅格行驶至当前目标栅格时所处的目标时刻。
假设出发时间为t0,则根据起始栅格S(也即第一个目标栅格)在t0时段下的最大通行速度确定出车辆到达第二个目标栅格时处的目标时刻,具体的:如果该最大通行速度小于车速上限,则基于最大通行速度确定出从起始栅格S行驶至第二个目标栅格所需时长/>,如果该最大通行速度大于车速上限/>,则基于车速上限/>确定出从起始栅格S行驶至第二个目标栅格所需时长/>;此时确定出车辆到达第二个目标栅格时处的目标时刻为t0+/>;同理,根据第二个目标栅格在t0+/>时段下的最大通行速度,确定出车辆到达第三个目标栅格时处的目标时刻,以此类推,确定出车辆从起始栅格行驶至当前目标栅格时所处的目标时刻。
步骤3,基于当前目标栅格在目标时刻下对应的通行性,从目标区域包含的栅格中确定当前目标栅格对应的下一目标栅格,将下一目标栅格存储至封闭列表,并继续根据栅格通行速度计算到达下一目标栅格的目标时段。在一种实施方式中,可以参考如下步骤3.1至步骤3.2:
步骤3.1,基于当前目标栅格在目标时刻下对应的通行性,从目标区域包含的栅格中确定当前目标栅格对应的多个可通行邻近栅格。
在一例中,可以遍历当前目标栅格的8个邻近栅格,并根据在目标时刻下对应的通行性,从8个邻近栅格中筛选出在目标时刻下为可通行的邻近栅格,作为可通行邻近栅格。
步骤3.2,以当前目标栅格作为父节点,确定从起始栅格行驶至每个可通行邻近栅格时的通行代价。
在一例中,以当前目标栅格作为父节点,并按照前述公式,计算从起始栅格行驶至可通行邻近栅格时的实际代价,本发明实施例在此不再进行赘述。
步骤3.3,根据通行代价,从每个可通行邻近栅格中确定当前目标栅格对应的下一目标栅格。具体的,可以参见如下步骤3.3.1至步骤3.3.3:
步骤3.3.1,如果封闭列表未存储可通行邻近栅格,则判断预先构建的开放列表是否存储可通行邻近栅格。在一例中,如果可通行邻近栅格已存储至封闭列表,则直接忽略该可通行邻近栅格;反之,若可通行邻近栅格未存储至封闭列表,则进一步判断开放列表是否存储可通行邻近栅格,如果是则执行步骤3.3.2,如果否则执行步骤3.3.3。
步骤3.3.2,如果否,则将该可通行邻近栅格存储至开放列表,将通行代价与启发式估计代价的和值作为综合通行代价,按照综合通行代价从小到大的顺序,从开放列表存储的可通行邻近栅格中,确定当前目标栅格对应的下一目标栅格。
在一例中,按照前述公式确定从可通行邻近栅格行驶至终点栅格E时的启发式估计代价,本发明实施例在此不再进行赘述。
在一例中,计算启发式估计代价(H值)和实际代价(G值)的和值得到综合通行代价(F值),然后选择综合通行代价(F值)最小的作为当前目标栅格对应的下一目标栅格。
步骤3.3.3,如果是,则将通行代价与可通行邻近栅格对应的历史通行代价进行比对,根据比对结果对可通行邻近栅格对应的历史通行代价进行更新,将更新后通行代价与启发式估计代价的和值作为综合通行代价,按照综合通行代价从小到大的顺序,从开放列表存储的可通行邻近栅格中,确定当前目标栅格对应的下一目标栅格。其中,历史通行代价是以可通行邻近栅格对应的历史目标栅格作为父节点计算得到的。
在一例中,如果开放列表中已经存储有可通行邻近栅格,则说明该可通行邻近栅格,曾作为其他目标栅格(也即历史目标栅格)对应的可通行邻近节点被存储至开放列表中,也即该可通行邻近栅格在被存储至开放列表时,以该历史目标栅格作为父节点计算得到相应的历史通行代价。此时可以比对当前目标栅格至可通行邻近栅格之间的路径,与历史目标栅格至可通行邻近栅格之间的路径,比选择出较优的路径。在具体实现时,可以通过比对两次的通行代价选择出较优的路径。
假设当前目标栅格至可通行邻近栅格之间的路径优于历史目标栅格至可通行邻近栅格之间的路径,则将以新计算得到的通行代价更新该可通行邻近栅格对应的历史通行代价;反之,则保持该可通行邻近栅格对应的历史通行代价不变。
进一步的,计算启发式估计代价(H值)和更新后的实际代价(G值)的和值得到综合通行代价(F值),然后选择综合通行代价(F值)最小的作为当前目标栅格对应的下一目标栅格。
重复前述步骤2至步骤3,直至列表为空,标识搜索完整个图,此时无论是否找到终点栅格E,算法均将结束。
步骤4,当将终点栅格存储至封闭列表时,从终点栅格开始进行路径回溯,直到回溯至起始栅格,以构造出目标区域对应的路径规划结果。
在一例中,如果终点栅格E被找到,从终点栅格E开始沿着父节点的指针回溯,直到达到起始栅格S,构造出最终的路径path,该路径path也即路劲规划结果,其为所得路径上所有栅格序列,栅格总数为n。
为便于对改进A*路径规划算法进行理解,本发明实施例还提供了如图2所示的一种改进A*路径规划算法的流程示意图,包括如下步骤S202至步骤S226:
步骤S202,设置参数,初始化open列表(开放列表)和closed列表(封闭列表)。
步骤S204,将起始栅格S加入open列表。
步骤S206,open列表是否为空。如果是,执行步骤S226;如果否,执行步骤S208。
步骤S208,查找f(n)最小的栅格作为当前目标栅格,加入closed列表。
步骤S210,计算当前耗时。
步骤S212,选择当前时刻的通行评估结果。
步骤S214,检查该当前目标栅格的八个邻域。
步骤S216,不可抵达或已在closed列表中。如果是,执行步骤S206;如果否,执行步骤S216。
步骤S218,是否在open列表。如果是,执行步骤S222;如果否,执行步骤S220。
步骤S220,加入open列表,把当前目标栅格设置为父节点,并执行步骤S216。
步骤S222,该路径是否最近。如果是,执行步骤S224;如果否,执行步骤S216。
步骤S224,当前目标栅格设置为父节点,重新计算f(n),并执行步骤S216。
步骤S226,在closed列表中从终点栅格E回溯到起始栅格S获得路径规划结果。
进一步的,还可以通过使用梯度下降法,在局部范围内微调路径,使其更加平滑,实现对路径规划结果的进一步优化。具体可参见如下步骤一至步骤三:
步骤一,构造路径规划结果对应的路径优化目标函数;其中,路径优化目标函数定义有路径曲率指标、路径长度指标和路径避障性指标。
在一例中,定义包括路径的曲率、路径长度、避障性等方面的评价指标的目标函数如下,表示路径的质量,路径优化目标为使得目标函数最小化或最大化。
;
其中,、/>和/>为各部分权重。
曲率部分计算公式:
;
其中()为角度计算函数。
路径长度部分计算公式:
;
其中,为路径总长度计算函数。
避障性部分计算公式:
;
为路径到障碍物的距离,/>为障碍物集合,既不可通过栅格集合。
步骤二,对路径优化目标函数进行求导,得到路径规划结果中每个路径点对应的梯度,并将每个路径点沿着梯度的负方向进行移动,以实现对路径规划结果的优化。
在一例中,对目标函数进行求导,计算梯度,梯度表示目标函数在当前点的变化方向。然后沿着梯度的负方向更新路径,将路径上的点沿着梯度的负方向移动一小步,来实现对路径规划结果的优化。
步骤三,当满足预设迭代停止条件时,确定目标区域对应的目标路径规划结果;其中,预设迭代停止条件包括路径规划结果收敛至局部最优解或者达到预设迭代次数。
在一例中,重复执行步骤二,直到路径收敛到一个局部最优解或达到一定的迭代次数,得到最优的目标路径规划结果。
进一步的,在车辆行进过程中,当环境发生改变时,如目标区域发生影响车辆通过性的事件,或者对未来的环境信息预测发生改变,则重新执行步骤S104至步骤106,和优化路径规划结果的步骤,以适应新情况,实现灵活的路径规划。
本发明实施例还提供了如图3所示的一种基于多时相可通过性的动态路径规划方法的整体流程图,包括:获取野外环境信息数据、获取车辆性能数据,并计算通行因子(也即前述步骤S102);评估多时相目标区域栅格可通过性(也即前述步骤S104);改进A*实验法的规划路径(也即前述步骤S106);基于梯度下降算法的路径优化(也即前述步骤一至步骤三);路径动态更新。
综上所述,本发明实施例提供的基于多时相可通过性的动态路径规划方法,至少具有以下特点:
(1)本发明实施例通过利用多因子评估栅格可通过性,能够充分引入各类环境因素对野外路径的影响,同时引入时间概念,评估目标区域多时相动态可通过性,得到指定时间间隔的多时相可通过性栅格数据和最大通过速度。
(2)本发明实施例在多时相通过性评估数据的基础上,改进A*路径规划算法,在特定时段按照该时段目标区域可通过性数据规划路径,路径规划更符合实际环境条件,适应环境的动态变化,克服了传统路径规划仅依赖目标区域特定时间静态可通过性进行规划路径的不足。
在前述实施例的基础上,本发明实施例提供了一种基于多时相可通过性的动态路径规划装置,参见图4所示的一种基于多时相可通过性的动态路径规划装置的结构示意图,该装置主要包括以下部分:
因子确定模块402,用于获取目标区域对应的环境信息,并对环境信息进行栅格化处理,以确定目标区域内每个栅格对应的多个通行影响因子;
多时相通行评估模块404,用于通过预先构建的通行评估模型,基于通行影响因子,确定每个栅格对应的多时相通行评估结果;其中,多时相通行评估结果包括栅格在不同时段下对应的栅格通行性和栅格通行速度;
路径规划模块406,用于在对目标区域进行路径规划的过程中,根据当前目标栅格在目标时段下对应的栅格通行性,筛选当前目标栅格对应的下一目标栅格,并根据栅格通行速度计算到达下一目标栅格的目标时段,以基于筛选出的每个目标栅格确定目标区域对应的路径规划结果。
本发明实施例提供的基于多时相可通过性的动态路径规划装置,通过利用多个通行影响因子评估栅格可通过性,能够充分引入各类环境因素对野外路径的影响,同时引入时间概念,评估目标区域多时相动态可通行性,得到栅格在不同时段下对应的栅格通行性和栅格通行速度,另外,本发明实施例在多时相通行评估结果的基础上,动态地对目标区域进行路径规划,因此本发明实施例能够地适应野外环境的动态变化,从而针对野外环境规划出更为合理的路径,可以满足野外环境的路径规划需求。
在一种实施方式中,通行评估模型包括通行性评估模型和通行速度评估模型,通行性评估模型中的通行因子影响系数、通行速度评估模型中的通行因子速度影响系数均是通过回归算法拟合得到的;
多时相通行评估模块404还用于:
对于每个栅格,通过通行性评估模型,基于通行因子影响系数,对该栅格在多个时段下对应的多个通行影响因子进行加权求和,得到该栅格在多个时段下对应的通行性;
以及,对于每个栅格,通过通行速度评估模型,基于通行因子速度影响系数,对该栅格在多个时段下对应的多个通行影响因子进行加权求和,并将加权求和的结果与车辆最大速度的乘积,作为该栅格在多个时段下对应的栅格通行速度。
在一种实施方式中,路径规划模块406还用于:
确定起始栅格和终点栅格,将起始栅格作为目标栅格存储至预先构建的封闭列表;其中,封闭列表用于存储筛选得到的目标栅格;
对于当前目标栅格,根据封闭列表存储的每个目标栅格在其相应目标时段下对应的栅格通行速度,确定从起始栅格行驶至当前目标栅格时所处的目标时刻;
基于当前目标栅格在目标时刻下对应的通行性,从目标区域包含的栅格中确定当前目标栅格对应的下一目标栅格,将下一目标栅格存储至封闭列表,并继续根据栅格通行速度计算到达下一目标栅格的目标时段;
当将终点栅格存储至封闭列表时,从终点栅格开始进行路径回溯,直到回溯至起始栅格,以构造出目标区域对应的路径规划结果。
在一种实施方式中,路径规划模块406还用于:
基于当前目标栅格在目标时刻下对应的通行性,从目标区域包含的栅格中确定当前目标栅格对应的多个可通行邻近栅格;
以当前目标栅格作为父节点,确定从起始栅格行驶至每个可通行邻近栅格时的通行代价;
根据通行代价,从每个可通行邻近栅格中确定当前目标栅格对应的下一目标栅格。
在一种实施方式中,路径规划模块406还用于:
如果封闭列表未存储可通行邻近栅格,则判断预先构建的开放列表是否存储可通行邻近栅格;其中,开放列表用于存储目标栅格对应的邻近栅格;
如果否,则将该可通行邻近栅格存储至开放列表;
将通行代价与启发式估计代价的和值作为综合通行代价,按照综合通行代价从小到大的顺序,从开放列表存储的可通行邻近栅格中,确定当前目标栅格对应的下一目标栅格。
在一种实施方式中,路径规划模块406还用于:
如果开放列表存储有可通行邻近栅格,则将通行代价与可通行邻近栅格对应的历史通行代价进行比对;其中,历史通行代价是以可通行邻近栅格对应的历史目标栅格作为父节点计算得到的;
根据比对结果对可通行邻近栅格对应的历史通行代价进行更新;
将更新后通行代价与启发式估计代价的和值作为综合通行代价,按照综合通行代价从小到大的顺序,从开放列表存储的可通行邻近栅格中,确定当前目标栅格对应的下一目标栅格。
在一种实施方式中,还包括路径优化模块,用于:
构造路径规划结果对应的路径优化目标函数;其中,路径优化目标函数定义有路径曲率指标、路径长度指标和路径避障性指标;
对路径优化目标函数进行求导,得到路径规划结果中每个路径点对应的梯度,并将每个路径点沿着梯度的负方向进行移动,以实现对路径规划结果的优化;
当满足预设迭代停止条件时,确定目标区域对应的目标路径规划结果;其中,预设迭代停止条件包括路径规划结果收敛至局部最优解或者达到预设迭代次数。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例提供了一种电子设备,具体的,该电子设备包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法 。
图5为本发明实施例提供的一种电子设备的结构示意图,该电子设备100包括:处理器50,存储器51,总线52和通信接口53,所述处理器50、通信接口53和存储器51通过总线52连接;处理器50用于执行存储器51中存储的可执行模块,例如计算机程序。
其中,存储器51可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述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中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器51用于存储程序,所述处理器50在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中,或者由处理器50实现。
处理器50可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51,处理器50读取存储器51中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见前述方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于多时相可通过性的动态路径规划方法,其特征在于,包括:
获取目标区域对应的环境信息,并对所述环境信息进行栅格化处理,以确定所述目标区域内每个栅格对应的多个通行影响因子;
通过预先构建的通行评估模型,基于所述通行影响因子,确定每个所述栅格对应的多时相通行评估结果;其中,所述多时相通行评估结果包括所述栅格在不同时段下对应的栅格通行性和栅格通行速度;
在对所述目标区域进行路径规划的过程中,根据当前目标栅格在目标时段下对应的所述栅格通行性,筛选所述当前目标栅格对应的下一目标栅格,并根据所述栅格通行速度计算到达所述下一目标栅格的目标时段,以基于筛选出的每个所述目标栅格确定所述目标区域对应的路径规划结果。
2.根据权利要求1所述的基于多时相可通过性的动态路径规划方法,其特征在于,所述通行评估模型包括通行性评估模型和通行速度评估模型,所述通行性评估模型中的通行因子影响系数、所述通行速度评估模型中的通行因子速度影响系数均是通过回归算法拟合得到的;
通过预先构建的通行评估模型,基于所述通行影响因子,确定每个所述栅格对应的多时相通行评估结果的步骤,包括:
对于每个所述栅格,通过所述通行性评估模型,基于所述通行因子影响系数,对该栅格在多个时段下对应的多个通行影响因子进行加权求和,得到该栅格在多个时段下对应的栅格通行性;
以及,对于每个所述栅格,通过所述通行速度评估模型,基于所述通行因子速度影响系数,对该栅格在多个时段下对应的多个通行影响因子进行加权求和,并将加权求和的结果与车辆最大速度的乘积,作为该栅格在多个时段下对应的栅格通行速度。
3.根据权利要求1所述的基于多时相可通过性的动态路径规划方法,其特征在于,根据当前目标栅格在目标时段下对应的所述栅格通行性,筛选所述当前目标栅格对应的下一目标栅格,并根据所述栅格通行速度计算到达所述下一目标栅格的目标时段的步骤,包括:
确定起始栅格和终点栅格,将所述起始栅格作为目标栅格存储至预先构建的封闭列表;其中,所述封闭列表用于存储筛选得到的目标栅格;
对于当前目标栅格,根据所述封闭列表存储的每个所述目标栅格在其相应目标时段下对应的所述栅格通行速度,确定从所述起始栅格行驶至所述当前目标栅格时所处的目标时刻;
基于所述当前目标栅格在所述目标时刻下对应的所述栅格通行性,从所述目标区域包含的栅格中确定所述当前目标栅格对应的下一目标栅格,将所述下一目标栅格存储至所述封闭列表,并继续根据所述栅格通行速度计算到达所述下一目标栅格的目标时段;
当将所述终点栅格存储至所述封闭列表时,从所述终点栅格开始进行路径回溯,直到回溯至所述起始栅格,以构造出所述目标区域对应的路径规划结果。
4.根据权利要求3所述的基于多时相可通过性的动态路径规划方法,其特征在于,基于所述当前目标栅格在所述目标时刻下对应的所述栅格通行性,从所述目标区域包含的栅格中确定所述当前目标栅格对应的下一目标栅格的步骤,包括:
基于所述当前目标栅格在所述目标时刻下对应的所述栅格通行性,从所述目标区域包含的栅格中确定所述当前目标栅格对应的多个可通行邻近栅格;
以所述当前目标栅格作为父节点,确定从所述起始栅格行驶至每个所述可通行邻近栅格时的通行代价;
根据所述通行代价,从每个所述可通行邻近栅格中确定所述当前目标栅格对应的下一目标栅格。
5.根据权利要求4所述的基于多时相可通过性的动态路径规划方法,其特征在于,根据所述通行代价,从每个所述可通行邻近栅格中确定所述当前目标栅格对应的下一目标栅格的步骤,包括:
如果所述封闭列表未存储所述可通行邻近栅格,则判断预先构建的开放列表是否存储所述可通行邻近栅格;其中,所述开放列表用于存储所述目标栅格对应的邻近栅格;
如果否,则将该可通行邻近栅格存储至所述开放列表;
将通行代价与启发式估计代价的和值作为综合通行代价,按照综合所述通行代价从小到大的顺序,从所述开放列表存储的所述可通行邻近栅格中,确定所述当前目标栅格对应的下一目标栅格。
6.根据权利要求5所述的基于多时相可通过性的动态路径规划方法,其特征在于,所述方法还包括:
如果所述开放列表存储有所述可通行邻近栅格,则将所述通行代价与所述可通行邻近栅格对应的历史通行代价进行比对;其中,所述历史通行代价是以所述可通行邻近栅格对应的历史目标栅格作为父节点计算得到的;
根据比对结果对所述可通行邻近栅格对应的所述历史通行代价进行更新;
将更新后通行代价与启发式估计代价的和值作为综合通行代价,按照综合通行代价从小到大的顺序,从所述开放列表存储的所述可通行邻近栅格中,确定所述当前目标栅格对应的下一目标栅格。
7.根据权利要求1所述的基于多时相可通过性的动态路径规划方法,其特征在于,在基于筛选出的每个所述栅格确定所述目标区域对应的路径规划结果的步骤之后,所述方法还包括:
构造所述路径规划结果对应的路径优化目标函数;其中,所述路径优化目标函数定义有路径曲率指标、路径长度指标和路径避障性指标;
对所述路径优化目标函数进行求导,得到所述路径规划结果中每个路径点对应的梯度,并将每个所述路径点沿着所述梯度的负方向进行移动,以实现对所述路径规划结果的优化;
当满足预设迭代停止条件时,确定所述目标区域对应的目标路径规划结果;其中,所述预设迭代停止条件包括所述路径规划结果收敛至局部最优解或者达到预设迭代次数。
8.一种基于多时相可通过性的动态路径规划装置,其特征在于,包括:
因子确定模块,用于获取目标区域对应的环境信息,并对所述环境信息进行栅格化处理,以确定所述目标区域内每个栅格对应的多个通行影响因子;
多时相通行评估模块,用于通过预先构建的通行评估模型,基于所述通行影响因子,确定每个所述栅格对应的多时相通行评估结果;其中,所述多时相通行评估结果包括所述栅格在不同时段下对应的栅格通行性和栅格通行速度;
路径规划模块,用于在对所述目标区域进行路径规划的过程中,根据当前目标栅格在目标时段下对应的所述栅格通行性,筛选所述当前目标栅格对应的下一目标栅格,并根据所述栅格通行速度计算到达所述下一目标栅格的目标时段,以基于筛选出的每个所述目标栅格确定所述目标区域对应的路径规划结果。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410153920.0A CN117705140B (zh) | 2024-02-04 | 2024-02-04 | 基于多时相可通过性的动态路径规划方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410153920.0A CN117705140B (zh) | 2024-02-04 | 2024-02-04 | 基于多时相可通过性的动态路径规划方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117705140A true CN117705140A (zh) | 2024-03-15 |
CN117705140B CN117705140B (zh) | 2024-05-10 |
Family
ID=90144621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410153920.0A Active CN117705140B (zh) | 2024-02-04 | 2024-02-04 | 基于多时相可通过性的动态路径规划方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117705140B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103994768A (zh) * | 2014-05-23 | 2014-08-20 | 北京交通大学 | 动态时变环境下寻求全局时间最优路径的方法 |
CN104121918A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种实时路径规划的方法和系统 |
US20150292894A1 (en) * | 2014-04-11 | 2015-10-15 | Telecommunication Systems, Inc. | Travel route |
CN111735470A (zh) * | 2020-07-29 | 2020-10-02 | 上海国际港务(集团)股份有限公司 | 一种动态环境下的自动导引运输车路径规划方法 |
CN111854754A (zh) * | 2020-06-19 | 2020-10-30 | 北京三快在线科技有限公司 | 无人机航线规划方法、装置、无人机及存储介质 |
CN111879328A (zh) * | 2020-07-07 | 2020-11-03 | 清华大学 | 一种越野环境下基于势能场概率图的智能车路径规划方法 |
CN114415686A (zh) * | 2022-01-21 | 2022-04-29 | 中国农业银行股份有限公司 | 路径确定方法及设备 |
CN114723121A (zh) * | 2022-03-30 | 2022-07-08 | 中国人民解放军陆军工程大学 | 基于gis的野外复杂地形路径规划方法 |
CN115344048A (zh) * | 2022-08-25 | 2022-11-15 | 北京水狸智能建筑科技有限公司 | 塔吊轨迹规划方法、电子设备及存储介质 |
CN115451983A (zh) * | 2022-08-09 | 2022-12-09 | 华中科技大学 | 一种复杂场景下的动态环境建图与路径规划方法及装置 |
CN116858261A (zh) * | 2023-06-26 | 2023-10-10 | 重庆长安汽车股份有限公司 | 导航路线动态规划方法、装置、计算机设备及存储介质 |
-
2024
- 2024-02-04 CN CN202410153920.0A patent/CN117705140B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104121918A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种实时路径规划的方法和系统 |
US20150292894A1 (en) * | 2014-04-11 | 2015-10-15 | Telecommunication Systems, Inc. | Travel route |
CN103994768A (zh) * | 2014-05-23 | 2014-08-20 | 北京交通大学 | 动态时变环境下寻求全局时间最优路径的方法 |
CN111854754A (zh) * | 2020-06-19 | 2020-10-30 | 北京三快在线科技有限公司 | 无人机航线规划方法、装置、无人机及存储介质 |
CN111879328A (zh) * | 2020-07-07 | 2020-11-03 | 清华大学 | 一种越野环境下基于势能场概率图的智能车路径规划方法 |
CN111735470A (zh) * | 2020-07-29 | 2020-10-02 | 上海国际港务(集团)股份有限公司 | 一种动态环境下的自动导引运输车路径规划方法 |
CN114415686A (zh) * | 2022-01-21 | 2022-04-29 | 中国农业银行股份有限公司 | 路径确定方法及设备 |
CN114723121A (zh) * | 2022-03-30 | 2022-07-08 | 中国人民解放军陆军工程大学 | 基于gis的野外复杂地形路径规划方法 |
CN115451983A (zh) * | 2022-08-09 | 2022-12-09 | 华中科技大学 | 一种复杂场景下的动态环境建图与路径规划方法及装置 |
CN115344048A (zh) * | 2022-08-25 | 2022-11-15 | 北京水狸智能建筑科技有限公司 | 塔吊轨迹规划方法、电子设备及存储介质 |
CN116858261A (zh) * | 2023-06-26 | 2023-10-10 | 重庆长安汽车股份有限公司 | 导航路线动态规划方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117705140B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109959388B (zh) | 一种基于栅格扩展模型的智能交通精细化路径规划方法 | |
CN110160550B (zh) | 一种基于道路积水预测的城市路线引导方法 | |
CN112444263B (zh) | 全局路径规划方法及装置 | |
CN112733337A (zh) | 一种暴雨内涝影响下城市道路通行效率评估方法 | |
Ikram et al. | A novel swarm intelligence: cuckoo optimization algorithm (COA) and SailFish optimizer (SFO) in landslide susceptibility assessment | |
CN111538798B (zh) | 一种顾及dsm和dlg的城市汇水区精细化提取方法 | |
CN114706400B (zh) | 一种越野环境下基于改进的a*算法的路径规划方法 | |
CN111314857B (zh) | 一种基于过车视频数据的车辆实时出行轨迹获取方法 | |
Sarı et al. | Least cost path algorithm design for highway route selection | |
Singh et al. | Multi-criteria GIS modeling for optimum route alignment planning in outer region of Allahabad City, India | |
CN113987813A (zh) | 一种基于多参数决策和层次分析法的滑坡敏感性制图模型 | |
CN101403625A (zh) | 一种基于栅格数据的空间成本距离计算方法 | |
CN115423172A (zh) | 智慧城市清洁路线管理方法、物联网系统及存储介质 | |
CN113506049A (zh) | 基于人工智能的道路洒水车调度方法及系统 | |
CN117705140B (zh) | 基于多时相可通过性的动态路径规划方法、装置及设备 | |
CN114626572A (zh) | 基于智能图像识别的输电线路路径优选方法 | |
Lu et al. | Remote sensing-based house value estimation using an optimized regional regression model | |
Zhang et al. | Inferring intercity freeway truck volume from the perspective of the potential destination city attractiveness | |
Nguyen et al. | A framework for flood depth using hydrodynamic modeling and machine learning in the coastal province of Vietnam | |
CN114419877B (zh) | 基于道路特征的车辆轨迹预测数据处理方法和装置 | |
Aryaguna et al. | Land change modeler for predicting land cover change in Banjarmasin City, South Borneo (2014-2022) | |
CN117649060B (zh) | 野外环境可通过性的分析方法、装置、电子设备和介质 | |
Altuwaijri | Morphometric network drainage analysis for railway location: case study of Saudi Railway Company’s project | |
CN111862660A (zh) | 基于效用补偿机制的实时路径规划方法及相关设备 | |
Zou et al. | Inertia mutation energy model to extract roads by crowdsourcing trajectories |
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 |