CN117719498B - 路径规划方法、装置、电子设备和存储介质 - Google Patents
路径规划方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117719498B CN117719498B CN202410177115.1A CN202410177115A CN117719498B CN 117719498 B CN117719498 B CN 117719498B CN 202410177115 A CN202410177115 A CN 202410177115A CN 117719498 B CN117719498 B CN 117719498B
- Authority
- CN
- China
- Prior art keywords
- node
- determining
- path
- heuristic function
- function 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 91
- 230000008569 process Effects 0.000 claims abstract description 43
- 238000004590 computer program Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 173
- 238000001514 detection method Methods 0.000 claims description 45
- 238000010586 diagram Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种路径规划方法、装置、电子设备、存储介质和计算机程序产品。所述方法包括:确定车辆的起始点和目的点,根据起始点和目的点确定自定义存储空间;在节点的迭代选择过程中,确定当次的当前节点;其中,首次的当前节点为起始点;确定车辆在当前节点的朝向,根据朝向确定邻居节点;确定各邻居节点的障碍物碰撞风险,并从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点;将目标邻居节点作为下次的当前节点,返回确定车辆在当前节点的朝向继续执行,直至在当前节点之后的邻居节点包括有目的点时停止;基于搜索得到的各目标邻居节点确定从起始点至目的点的路径。采用本方法能够提升路径规划效率。
Description
技术领域
本申请涉及自动泊车技术领域,特别是涉及一种路径规划方法、装置、电子设备、存储介质和计算机程序产品。
背景技术
近年来,随着国内汽车行业的快速发展,自动泊车技术已经成为车辆不可或缺的功能,自动泊车技术是基于路径搜索算法,规划出一条可行的泊车路径,然后自动控制车辆跟随泊车路径完成泊车。其中,泊车路径规划是自动泊车关键的环节,其基本要求是规划的路径可行并且安全无碰撞。
当前的路径搜索算法中,一般是直接在搜索过程中实时创建所需要的路径节点。此种做法到最后会储存一大堆自定义的路径节点结构体,且具体实现中的指针错误问题很难解决。此做法效果不佳,导致路径规划过程的效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提升路径规划效率的路径规划方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种路径规划方法,包括:
确定车辆的起始点和目的点,并根据所述起始点和目的点确定自定义存储空间;所述自定义存储空间与包含有所述起始点和目的点的区域相对应;
在节点的迭代选择过程中,确定当次的当前节点;其中,首次的当前节点为所述起始点;
确定车辆在当前节点的朝向,根据所述朝向从所述自定义存储空间中定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点;
确定各邻居节点的障碍物碰撞风险,并从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点;
将所述目标邻居节点作为下次的当前节点,返回确定所述车辆在所述当前节点的朝向继续执行,直至在当前节点之后的邻居节点包括有目的点时停止;
基于搜索得到的各目标邻居节点确定从所述起始点至所述目的点的路径。
在其中一个实施例中,所述确定车辆在当前节点的朝向,根据所述朝向从所述自定义存储空间中定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点,包括:
获取预先设定的移动表;所述移动表中记录有车辆在不同朝向下所包含的每一个路径节点;
基于所述当前节点的朝向,从预先建立的移动表中查找处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点;
从所述自定义存储空间中定位出从所述移动表中查找到的邻居节点。
在其中一个实施例中,所述根据所述起始点和目的点确定自定义存储空间,包括:确定包含有所述起始点和所述目的点的区域,所述区域具有预设形状;确定所述区域中包括的多个路径节点,并基于各路径节点的节点信息,构建对应的结构体;基于各路径节点的结构体,得到自定义存储空间。
在其中一个实施例中,所述确定各邻居节点的障碍物碰撞风险,包括:
获取车辆检测区域表;所述车辆检测区域表中记录有车辆在不同朝向下所对应的障碍物检测范围;
针对任一邻居节点,预测车辆行驶至所针对邻居节点时的预测朝向;
根据所述车辆检测区域表,确定在所述预测朝向下的目标检测范围;
确定障碍物地图中与所述目标检测范围相匹配的地图区域,根据所述地图区域内是否存在障碍物,确定所针对邻居节点的障碍物碰撞风险。
在其中一个实施例中,所述从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点,包括:
计算不存在障碍物碰撞风险的邻居节点的启发函数值;所述启发函数值表征节点与目的地间的距离;
根据所述启发函数值从邻居节点中确定目标邻居节点。
在其中一个实施例中,所述计算不存在障碍物碰撞风险的邻居节点的启发函数值,包括:
针对任一不存在障碍物碰撞风险的邻居节点,获取所针对的邻居节点的第一启发函数值和第二启发函数值;其中,第一启发函数值为根据与朝向相关的路径规划曲线确定出的距离;所述第二启发函数值为根据避开障碍物的离散网格确定出的距离;
基于所述第一启发函数值和第二启发函数值,确定所针对的邻居节点的启发函数值。
在其中一个实施例中,所述获取所针对的邻居节点的第一启发函数值和第二启发函数值,包括:确定所针对的邻居节点的路径规划曲线;根据所述路径规划曲线包括线段的线段类型,确定匹配的启发值计算函数,并按照所述路径规划曲线以及所述启发值计算函数,获得第一启发函数值;获取车辆启发函数存储表;所述车辆启发函数存储表中存储各路径节点的第二启发函数值;根据所述车辆启发函数存储表,确定与所针对的邻居节点匹配的第二启发函数值。
在其中一个实施例中,所述基于所述第一启发函数值和第二启发函数值,确定所针对的邻居节点的启发函数值,包括:
将所述第一启发函数值和第二启发函数值中的最大值,确定为所针对的邻居节点的启发函数值;或者,
获取设定的维诺图,确定所针对邻居节点与所述维诺图中线段的最短距离;
根据所述最短距离,确定维诺图距离惩罚值;
将所述第一启发函数值和第二启发函数值中的最大值,与维诺图距离惩罚值的和,确定为所针对邻居节点的启发函数值。
在其中一个实施例中,所述方法还包括:
当从所述自定义存储空间中未定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点时,在预定义的小数组内定位邻居节点;所述小数组的维度小于所述自定义存储空间的维度。
第二方面,本申请还提供了一种路径规划装置,包括:
信息确定模块,用于确定车辆的起始点和目的点,并根据所述起始点和目的点确定自定义存储空间;所述自定义存储空间与包含有所述起始点和目的点的区域相对应;
节点选取模块,用于在节点的迭代选择过程中,确定当次的当前节点;其中,首次的当前节点为所述起始点;
查找模块,用于确定车辆在当前节点的朝向,根据所述朝向从所述自定义存储空间中定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点;
节点确定模块,用于确定各邻居节点的障碍物碰撞风险,并从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点;
所述节点选取模块,还用于将所述目标邻居节点作为下次的当前节点,返回确定所述车辆在所述当前节点的朝向继续执行,直至在当前节点之后的邻居节点包括有目的点时停止;
基于搜索得到的各目标邻居节点确定从所述起始点至所述目的点的路径。
第三方面,本申请还提供了一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述路径规划方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述路径规划方法的步骤。
第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述路径规划方法的步骤。
上述种路径规划方法、装置、电子设备、存储介质和计算机程序产品,首先,通过确定车辆的起始点和目的点,并根据起始点和目的点确定自定义存储空间,自定义存储空间与包含有起始点和目的点的区域相对应,因而自定义存储空间无需表达整个世界地图,节省了存储空间的构建成本,提升了存储空间的构建效率。其次,在节点的迭代选择过程中,通过确定当次的当前节点和车辆在当前节点的朝向,可以更加高效地定位到邻居节点。进一步地,通过确定各邻居节点的障碍物碰撞风险,并从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点,可以避免车辆在行驶过程中遇到障碍物碰撞的风险,提高车辆后续在行驶过程中的安全性。最后,基于搜索得到的各目标邻居节点确定从起始点至目的点的路径,可以获得更加准确和可靠的路径规划结果。通过本申请中的路径规划方法,既提升了路径规划的效率,也有效地提高了路径规划的准确性。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为一个实施例中路径规划方法的流程示意图;
图2为另一个实施例中路径规划方法的流程示意图;
图3为一个实施例中存储空间构建示意图;
图4为一个实施例中A*距离的路径显示图;
图5为一个实施例中RS距离的路径显示图;
图6为一个实施例中维诺图的结构示意图;
图7为一个实施例中改动前后路径示意图;
图8为一个实施例中路径规划装置的结构框图;
图9为一个实施例中电子设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的路径规划方法,可以应用于电子设备中,电子设备为车辆上的控制器。电子设备可以确定车辆的起始点和目的点,并根据起始点和目的点确定自定义存储空间;自定义存储空间与包含有起始点和目的点的区域相对应;在节点的迭代选择过程中,确定当次的当前节点;其中,首次的当前节点为起始点;确定车辆在当前节点的朝向,根据朝向从自定义存储空间中定位出处于从起始点至目的点的路径中、且在当前节点之后的邻居节点;确定各邻居节点的障碍物碰撞风险,并从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点;将目标邻居节点作为下次的当前节点,返回确定车辆在当前节点的朝向继续执行,直至在当前节点之后的邻居节点包括有目的点时停止;基于搜索得到的各目标邻居节点确定从起始点至目的点的路径。其中,电子设备可以采用各类具有控制功能的控制芯片、控制主板等实现。
在一个示例性的实施例中,如图1所示,提供了一种路径规划方法,以该方法应用于电子设备为例进行说明,包括以下步骤102至步骤112。其中:
步骤102,确定车辆的起始点和目的点,并根据起始点和目的点确定自定义存储空间;自定义存储空间与包含有起始点和目的点的区域相对应。
其中,车辆的起始点指的是车辆路径规划的起始位置,即车辆开始行驶的地点。车辆的目的点指的是车辆路径规划的终点位置,即车辆最终要到达的地点。
自定义存储空间是通过构建节点的结构体得到的,其中存储有路径节点的相关数据。自定义存储空间具体可以用来储存搜索过程相关计算所产出和需要的信息。自定义存储空间用于指定区域,指定区域可以具有预设形状,比如矩形或圆形、椭圆形等,自定义存储空间的数组可以存储与指定区域的离散栅格对应的路径节点,因而自定义存储空间内所储存的节点数大大减少。指定区域可以自定义往外扩张以适应不同的路径搜索要求。在实际应用中,指定区域的维度可选取符合大部分路况的经验值,即指定区域的维度可以由路况等确定。
在路径规划过程中,每进行一步搜索计算,需找到在自定义存储空间内对应的节点,并通过指针操作更新该节点,该节点储存路径点位姿和启发值等信息。具体地,电子设备可以确定汽车的起始点和目的地,起始点可以携带车辆的起点位姿,如在车位坐标系中的起点坐标、起点朝向,目的地可以携带车辆的终点位姿,如在车位坐标系中的终点坐标、终点朝向。进一步地,电子设备可以根据起始点、目的点以及路况经验值等确定自定义存储空间;自定义存储空间与包含有起始点和目的点的区域相对应。从而构建可以表达整个世界地图的存储空间,改为只表达指定区域的存储空间,解决了构建存储空间耗时过长的问题,一定程度上提升了路径规划的效率。
步骤104,在节点的迭代选择过程中,确定当次的当前节点;其中,首次的当前节点为起始点。
其中,路径规划过程中,用于生成路径的各路径节点是通过迭代方式确定的。具体地,电子设备可以将起始点作为第一个当次的当前节点。
在一些实施例中,电子设备在设定车辆的起始点和目的点,并检查起始点的障碍物碰撞后,可以将起点添加到优先队列中。优先队列可以用于储存目前所有可能是下一步的路径节点。
步骤106,确定车辆在当前节点的朝向,根据朝向从自定义存储空间中定位出处于从起始点至目的点的路径中、且在当前节点之后的邻居节点。
其中,在当前节点之后的邻居节点指当前节点的所有可能的下一步节点,具体可以是指当前节点在多个朝向下的所有可能的下一步节点。
具体地,电子设备可以确定车辆在当前节点的朝向,并从预先建立的移动表中,查找与当前节点的朝向匹配的目标朝向,获取目标朝向下的所有可能的下一步,再针对所有可能的下一步进行平移处理,即可获得处于从起始点至目的点的路径中,且在当前节点之后的所有可能的下一步节点。进一步地,电子设备可以按照确定的所有可能的下一步节点,从自定义存储空间中查找处于从起始点至目的点的路径中、且在当前节点之后的邻居节点。
在一些实施例中,在开始实际的搜索前,电子设备可以先创建一个移动表。在此移动表内,以原点0为车辆的起始点,即当前位置,对应每一个可能的车辆朝向,计算在一定步长下汽车可能行驶到的下一步节点,并储存在表内对应的汽车朝向下。
步骤108,确定各邻居节点的障碍物碰撞风险,并从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点。
其中,障碍物碰撞风险指车辆处于邻居节点处,与障碍物发生碰撞的可能性。目标邻居节点指从不存在障碍物碰撞风险的邻居节点中,选取出的可能为目的点的路径节点。具体地,计算设备可以针对每一个邻居节点展开障碍物碰撞检测,并从各邻居节点中选取出不存在障碍物碰撞风险的邻居节点作为目标邻居节点;电子设备也可以从各不存在障碍物碰撞风险的邻居节点中,确定各邻居节点的启发函数值,按照启发函数值确定出目标邻居节点。
步骤110,将目标邻居节点作为下次的当前节点,返回确定车辆在当前节点的朝向继续执行,直至在当前节点之后的邻居节点包括有目的点时停止。
具体地,电子设备可以在确定出的目标邻居节点不包括目的点时,将确定出的目标邻居节点作为下次的当前节点,并返回确定车辆在当前节点的朝向继续执行,直至在当前节点之后的邻居节点包括有目的点时停止。
步骤112,基于搜索得到的各目标邻居节点确定从起始点至目的点的路径。
具体地,电子设备确定在当前节点之后的邻居节点包括有目的点时,停止迭代选择过程,并采用路径点的链表特性生成从起始点至目的点的路径,并输出。
上述路径规划方法中,首先,通过确定车辆的起始点和目的点,并根据起始点和目的点确定自定义存储空间,自定义存储空间与包含有起始点和目的点的区域相对应,因而自定义存储空间无需表达整个世界地图,节省了存储空间的构建成本,提升了存储空间的构建效率。其次,在节点的迭代选择过程中,通过确定当次的当前节点和车辆在当前节点的朝向,可以更加高效地定位到邻居节点。进一步地,通过确定各邻居节点的障碍物碰撞风险,并从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点,可以避免车辆在行驶过程中遇到障碍物碰撞的风险,提高车辆后续在行驶过程中的安全性。最后,基于搜索得到的各目标邻居节点确定从起始点至目的点的路径,可以获得更加准确和可靠的路径规划结果。通过本申请中的路径规划方法,既提升了路径规划的效率,也有效地提高了路径规划的准确性。
在一些实施例中,确定车辆在当前节点的朝向,根据朝向从自定义存储空间中确定处于从起始点至目的点的路径中、且在当前节点之后的邻居节点,包括:获取预先设定的移动表;移动表中记录有车辆在不同朝向下所包含的每一个节点;基于当前节点的朝向,从预先建立的移动表中查找处于从起始点至目的点的路径中、且在当前节点之后的邻居节点;从自定义存储空间中确定从移动表中查找到的邻居节点。
其中,在移动表内,以原点0为汽车当前位置,对应每一个可能的汽车朝向,计算在一定步长下汽车可能行驶到的下一个点,并储存在表内对应的汽车朝向下。后续搜索时只需要查看某指定朝向下所有可能的“下一步”,将他们根据当前点坐标移动到正确位置即可。具体地,电子设备可以直接基于移动表查找到所有的邻居节点,并在自定义存储空间中定位出从移动表中查找到的邻居节点。
上述实施例中,通过预先定义移动表,因而可以快速的查找到所有的邻居节点,最后再通过自定义存储空间中定位出邻居节点,可以提升路径规划效率。
在一些实施例中,根据起始点和目的点确定自定义存储空间,包括:确定包含有起始点和目的点的区域,区域具有预设形状;确定区域中包括的多个路径节点,并基于各路径节点的节点信息,构建对应的结构体;基于各路径节点的结构体,得到自定义存储空间。
其中,预设形状可以指矩形或圆形、椭圆形等。路径节点指构成路径的基本单元,通过连接各路径节点,可以形成一条完整的路径。节点信息指路径节点的位姿信息、标识信息等。
具体地,电子设备可以选取符合大部分路况的经验值,确定包含有起始点和目的点的区域;确定区域中包括的多个路径节点,并基于各路径节点的节点信息,构建对应的结构体,自定义存储空间只存储区域中包括的路径节点。因而存储空间内所储存的节点数大大减少。自定义存储空间可以自定义往外扩张以适应不同的路径搜索要求。在当前搜索到的邻居节点在自定义存储空间内时,从自定义存储空间内取点,即通过指针操作储存在自定义存储空间里的自定义结构体。
上述实施例中,电子设备从构建可以表达整个世界地图的存储空间,改为只表达指定区域的存储空间,解决了构建存储空间耗时过长的问题,一定程度上提升了路径规划的效率。
在一些实施例中,确定各邻居节点的障碍物碰撞风险,包括:获取车辆检测区域表;车辆检测区域表中记录有车辆在不同朝向下所对应的障碍物检测范围;针对任一邻居节点,预测车辆行驶至所针对邻居节点时的预测朝向;根据车辆检测区域表,确定在预测朝向下的目标检测范围;确定障碍物地图中与目标检测范围相匹配的地图区域,根据地图区域内是否存在障碍物,确定所针对邻居节点的障碍物碰撞风险。
其中,障碍物检测范围指确定出的车辆覆盖处由离散点构成的区域,车辆覆盖处用于检测障碍物。对于在某一朝向下的汽车,电子设备可以计算并储存其在预设分辨率下所包含的每一个像素点。对任何可能朝向都进行此操作后,可以得到所有可能朝向下汽车所包含的每一个像素点,即可确定车辆检测区域表。目标检测范围是预测得到的车辆行驶至所针对邻居节点时的朝向。障碍物地图是预先建立的用来查看路径上是否有障碍物的地图。
在一些实施例中,在检查障碍物碰撞时,电子设备可以获取车辆检测区域表,并通过车辆检测区域表,确定预测朝向下的像素点,再针对查找得到的像素点进行平移操作,平移至预测朝向对应的位置,获得目标检测范围,即预测朝向下车辆所覆盖的所有像素点。进一步地,电子设备可以对比障碍物地图检测碰撞。
在一些实施例中,在构建障碍物地图时,电子设备可以确定一张灰度图,灰度图可以是拍摄得到的车辆当前位置至车位的图像转换得到的。其中,灰度图中的白色,或颜色较浅部分为汽车可以自由行驶的部分;黑色,或颜色较深部分为障碍物。灰度图是真实世界里空白可行驶空间和不可触碰障碍物的简化表达。灰度图的维度是以图像像素数为单位的,比如一个大小为750*750像素的障碍物图的维度就是750*750。通过待构建得到障碍物地图和其所表达的真实物理世界之间的转换关系,比如现实内一米等于障碍物图上25个像素的长度。使用此灰度图的长宽构建一同样长宽的矩阵。原灰度图上的每一个像素对应矩阵上的一个元素。若灰度图上在位置(i,j)上的像素为深色,则矩阵上的(i,j)元素为true(正确),表示此处为障碍物。若灰度图上在位置(i,j)上的像素为浅色,则矩阵上的(i,j)元素为false(错误),表示此处不是障碍物。此矩阵即为构建好的障碍物地图。
上述实施例中,电子设备通过获取车辆检测区域表,即可快速定位出车辆在预测朝向下的目标检测范围,并通过障碍物地图展开目标检测范围所匹配的区域的障碍物检测,提升了检测效率。
在一个实施例中,从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点,包括:计算不存在障碍物碰撞风险的邻居节点的启发函数值;启发函数值表征节点与目的地间的距离;根据启发函数值从邻居节点中确定目标邻居节点。
其中,启发函数值表征节点与目的地间的距离。启发函数值越高,表示节点与目的地间的距离越远,启发函数值越低,表示节点与目的地间的距离越近。具体地,电子设备可以计算每一个邻居节点的启发函数值,并比较各邻居节点的启发函数值,将启发函数值最低的邻居节点确定为目标节点。
上述实施例中,电子设备可以通过计算每一个邻居节点的启发函数值,以确定出目标邻居节点,从而可以确定在每次的节点迭代选择过程中,都是选取的距离目的点最近的邻居节点作为目标邻居节点,提升了路径规划效率。
在一个示例性的实施例中,计算不存在障碍物碰撞风险的邻居节点的启发函数值,包括:针对任一不存在障碍物碰撞风险的邻居节点,获取所针对的邻居节点的第一启发函数值和第二启发函数值;其中,第一启发函数值为根据与朝向相关的路径规划曲线确定出的距离;第二启发函数值为根据避开障碍物的离散网格确定出的距离;基于第一启发函数值和第二启发函数值,确定所针对的邻居节点的启发函数值。
具体地,电子设备可以确定第一启发函数值和第二启发函数值。进一步地,电子设备可以选取第一启发函数值和第二启发函数值中两相对比取最大值作为当前邻居节点的启发函数值。此启发函数既保证了朝向正确,又实现了避障功能。电子设备也可以随机选取其中一个作为启发函数值,本申请实施例不作限制。
上述实施例中,电子设备可以确定第一启发函数值和第二启发函数值,进一步再确定最终的启发函数值,既保证了朝向正确,又实现了避障功能。
在一个实施例中,获取所针对的邻居节点的第一启发函数值和第二启发函数值,包括:确定所针对的邻居节点的路径规划曲线;根据路径规划曲线包括线段的线段类型,确定匹配的启发值计算函数,并按照路径规划曲线以及启发值计算函数,获得第一启发函数值;获取车辆启发函数存储表;车辆启发函数存储表中存储包含有起始点和目的点的区域所包括的路径节点的多个第二启发函数值;根据车辆启发函数存储表,确定与所针对的邻居节点匹配的第二启发函数值。
其中,路径规划曲线指RS曲线,即Reeds-Shepp曲线,Reeds-Shepp曲线是一种用于规划车辆从起点到终点的轨迹的曲线。Reeds-Shepp曲线采用直线、圆弧曲线连接起始点和目的点,并利用车辆最小转弯半径对两段圆弧进行了限制。线段类型指路径规划曲线中各线段的类型,比如,线段类型可以包括直线、曲线等,启发值计算函数是设定的发函数值计算公式。
车辆启发函数存储表储存了路径节点的A*启发函数。车辆启发函数存储表内每一个格里的值表示此格对应的地图位置距离终点的最近距离。A*启发函数考虑了障碍物,实现了避障功能。
具体地,电子设备可以先计算得到从当前点到目的点的RS距离,即不考虑障碍物的RS曲线距离,再通过查表获得从当前点到目的点的A*距离,即避开障碍物的直上直下的离散网格距离。
上述实施例中,在搜索过程中,电子设备在计算完当前点到目的点的RS距离以后,再通过查表找到当前点到目的点的A*距离,一方面,查表的方式比其他实现手段效率高,另一方面,通过确定两种启发函数值,既保证了朝向正确,又实现了避障功能。
在一些实施例中,基于第一启发函数值和第二启发函数值,确定所针对路径节点的启发函数值,包括:将第一启发函数值和第二启发函数值中的最大值,确定为所针对的邻居节点的启发函数值。
具体地,电子设备可以将第一启发函数值和第二启发函数值进行比较,最大值作为所针对的邻居节点的启发函数值。
上述实施例中,电子设备通过从第一启发函数值和第二启发函数值中选取最大值,作为启发函数值,既保证了朝向正确,又实现了避障功能。
在一些实施例中,获取设定的维诺图,确定所针对邻居节点与维诺图中线段的最短距离;根据最短距离,确定维诺图距离惩罚值;将第一启发函数值和第二启发函数值中的最大值,与维诺图距离惩罚值的和,确定为所针对路径节点的启发函数值。
其中,维诺图是根据障碍物地图中空白可行区域内的多条线段构建的。各线段上每一个点到离此点最近的若干障碍物点的距离相等。维诺图上位置是汽车可以离周围所有障碍物保持最远距离的位置。以维诺图作为路径是路径的理论避障极限。
具体地,电子设备可以采用维诺图距离确定维诺图距离惩罚值,以将维诺图距离惩罚值融进搜索过程中。在搜索过程中,一个邻居节点的启发函数可以不只是根据第一启发函数值和第二启发函数值中的最大值确定。电子设备可以在每一个邻居节点的第一启发函数值和第二启发函数值的最大值上,加上维诺图距离惩罚值,得到最终的启发函数值。
在确定维诺图距离惩罚值时,电子设备可以设定距所针对邻居节点最近的维诺图上的一点的距离越近,当前邻居节点的惩罚值越低,离距其最近的维诺图上的一点的距离越远,当前邻居节点的惩罚值越高。
上述实施例中,电子设备可以使用维诺图来影响搜索过程,实现超额避障,提升车辆后续行驶过程中的安全性。
在一些实施例中,路径规划方法还包括:当从自定义存储空间中未定位出处于从起始点至目的点的路径中、且在当前节点之后的邻居节点时,在预定义的小数组内定位邻居节点;小数组的维度小于自定义存储空间的维度。
具体地,电子设备若从自定义存储空间中未定位到邻居节点,则从预定义的小数组内,按需依次使用小数组内的节点。由于搜索过程在自定义存储空间外的时间往往很短,小数组不需长时间储存过往节点信息。当使用到最后一个小数组节点时,直接重新返回到第一个节点开始依次往后覆盖操作,如此循环,故小数组维度可以很小,大大节省成本。
上述实施例中,电子设备可以通过构建小数组,从而针对自定义存储空间外的路径节点,使用小数组内的节点进行信息的存储和更新,节省了成本。
在一个实施例中,参考图2所示,为一个完整实施例中的流程图:
首先,电子设备可以获取一张灰度图,基于灰度图生成障碍物地图。后续搜索时只需要查看某指定朝向下所有可能的“下一步”,将他们根据当前点坐标移动到正确位置即可。在设定车辆的起始点参数之后,即设定车辆的起始点和目的点后,将起始点添加到优先队列中。
在展开路径搜索之前,可以先构建改进版的搜索空间,即自定义存储空间。其中,如图3所示,新的存储空间只表达302所指向的矩形框内的区域,即矩形302所在的区域,只存储与矩形302内的离散栅格对应的路径节点。存储空间内所储存的路径节点数大大减少。矩形302可以自定义往外扩张以适应不同的路径搜索要求。在实际应用中,矩形302的维度可选取一符合大部分路况的经验值。由于搜索过程中还是会有少量计算涉及矩形302外的区域,这些计算也需对应的路径节点来储存信息。
矩形302外搜索与计算之信息储存,通过以下方式实现:一是另构建一用来储存路径节点的较小数组并根据实验结果选取一经验值维度。在当前搜索到的下一路径节点在世界地图上对应的位姿在矩形302内时,从存储空间内取点/搜索(通过指针操作储存在存储空间里的自定义混合A*结构体),反之则按需依次使用小数组内的节点。由于搜索过程在矩形302外的时间往往很短,小数组不需长时间储存过往节点信息。当使用到最后一个小数组节点时,直接重新返回到第一个节点开始依次往后覆盖操作,如此循环,故小数组维度可以很小,大大节省成本。
二是,无需为矩形302外构建小数组。在当前搜索到的下一节点在世界地图上对应的位姿在矩形302内时,从存储空间内取点/搜索(通过指针操作储存在存储空间里的自定义混合A*结构体),反之则直接创建单独的混合A*路径节点结构体来储存矩形302外计算的相关信息,并记录这些散装(不配储存在数组里)节点个数。当搜索过程中可按总搜索节点数或散装节点累积数统一或批量释放这些散装节点占用的内存。两种操作效果差别不大。当路径既通过矩形302内区域又通过矩形302外区域时(存储空间边缘进出),不影响搜索。
另一方面,也可以不再尝试在实际搜索过程之前一次性构建可以表达整个世界地图的存储空间,改为将搜索计算与存储空间构建两个过程同步。需注意,在搜索过程中,在与反应真实物理世界的世界地图对应的存储空间内不同节点的分布不一定要精确反应世界地图上的所有信息,只要确保存储空间数组内储存的每一个节点都与世界地图内每一个栅格呈唯一对应关系,且在以世界地图为参照的运算中能实时按需准确定位所需节点即可。所以路径搜索计算产生的结果和需要的信息的储存形式不必遵循直观的地图表达习惯。在实际搜索过程开始前,构建一个小维度的短(储存少量路径节点)存储空间数组以便程序可以顺利启动。在实际搜索过程中,实时记录当前数组的剩余节点数,数组个数,和搜过的节点总个数。在当前搜索到的下一节点是个新节点且刚创建的短数组没有用完时,从当前短存储空间内取点/搜索(通过指针操作储存在存储空间里的自定义混合A*结构体);当搜索到的路径节点是个现在需要更新其相关信息的旧节点时,定位到此旧路径节点所在的短数组内并准确选取要操作的节点;当搜索到的下一节点是个新节点且刚创建的短数组已用完时,创建一个拥有唯一标识的新短数组并将接下来所有的新节点储存在内。此做法保证整个规划程序运行过程中基本只创建和储存必要的搜索节点,使时间和内存成本大大下降。
进一步地,在开始搜索前,电子设备也可以构建A*距离四邻域查找表,即车辆启发函数存储表,A*距离四邻域查找表主要包括构建A*表格,从终点处进行宽度优先搜索。存储空间和A*表格是同一空间的两种不同的表达方式。存储空间负责储存离散的路径节点。A*表格负责储存每一离散的路径节点的A*启发函数。离散程度也无需一样。此A*表格中,每一个格里的值表示此格对应的地图位置距离终点(车位)的最近距离。在搜索过程中,计算完当前点到目的点(即终点)的RS距离以后,再通过车辆启发函数存储表找到当前点到终点的A*距离(比其他实现手段效率高),两相对比取最大值作为当前搜索节点的启发函数。此启发函数既保证了朝向正确,又实现了避障功能。参考图4所示,为A*距离的路径显示图,A*距离考虑障碍物,不考虑汽车运动约束,可将汽车带离障碍物。参考图5所示,为RS距离的路径显示图,RS距离不考虑障碍物,考虑汽车运动约束,保证停车朝向正确。
进一步地,在开始搜索前,还要构建安全避障惩罚值查找表(车辆检测区域表),具体指构建障碍物表格/空间,从所有障碍物边界点进行宽度优先搜索。
参考图6所示,使用维诺图来影响搜索过程,实现超额避障。维诺图是障碍物地图空白可行区域内的线段部分。线段上每一个点到离此点最近的若干障碍物点的距离相等。维诺图上位置是汽车可以离周围所有障碍物保持最远距离的位置。以维诺图作为路径是路径的理论避障极限。以维诺图距离惩罚为方法的融进搜索过程的避障功能。在搜索过程中,一个搜索节点的启发函数可以不只是此点与终点的距离。此优化在每一个点的启发函数值上加了一个维诺图惩罚值得到。离距其最近的维诺图上的一点的距离越近(通过查表得到)的当前搜索节点的惩罚值越低,离距其最近的维诺图上的一点的距离越远的当前搜索节点的惩罚值越高。此新启发函数使得算法优先搜索离维诺图近(相对的离周围障碍物远)的点,实现避障。
参考图7所示,线段702为改动前路径,线段704为改动后路径。使用维诺图距离惩罚值来改动各搜索节点的惩罚值,改变各点在优先队列中的排列顺序,使离维诺图近的点排在队列内较前位置。通过优先搜索接近维诺图的路径实现超额避障。此方法显著提升算法实际应用的安全性,且效率远高于广泛使用的共轭梯度后处理方法。
在实际的搜索过程中,优先队列储存目前所有可能是下一步的路径点,并以从此点到终点的Reeds-Shepp曲线的长度(实时计算)排序,保证优先队列的第一个点永远是离终点最近的点。将优先队列中第一个点从队列中取出,检查是否为终点(即目的点)。若与预设终点(预设目的点)重合,则用路径节点的链表特性生成路径并输出。若不是终点,则逐一检查当前节点所有可能的“下一节点”(即邻居节点),并计算所有可能的“下一节点”的成本和启发函数。检查所有可能的“下一节点”的成本和启发函数,获得所有可能的“下一节点”的总成本,并按照总成本排序,按照顺序确定出放入优先队列中的目标邻居节点。重复这一段的流程,直到成功搜索到一条路径,或搜索失败(优先队列在当前点到达终点前变为空)。
采用本申请提供的路径规划方法,存储空间的改进极大的节约了内存成本,使程序不必储存没必要的自定义的混合A*路径节点结构体。同时由于不用构造这些节点,时间成本也大幅度降低,可以提升算法效率。而且搜索过程涉及存储空间边缘切换时对结果基本没有负面影响。以构建A*四邻域距离查找表的方式完善了算法的启发函数,使搜索性能完备的同时不明显增加成本。此发明完备算法性能(其他非查表方法成本过高,涉及取舍问题)。使用维诺图距离惩罚值来改动各搜索节点的惩罚值,改变各点在优先队列中的排列顺序,使离障碍物远的点排在队列内较前位置。通过优先搜索远离障碍物的路径实现超额避障。此发明提升算法实际应用的安全性。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的路径规划方法的路径规划装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个路径规划装置实施例中的具体限定可以参见上文中对于路径规划方法的限定,在此不再赘述。
在一个示例性的实施例中,如图8所示,提供了一种路径规划装置,包括:信息确定模块802、节点选取模块804、查找模块806、节点确定模块808和路径确定模块810,其中:
信息确定模块802,用于确定车辆的起始点和目的点,并根据所述起始点和目的点确定自定义存储空间;所述自定义存储空间与包含有所述起始点和目的点的区域相对应。
节点选取模块804,用于在节点的迭代选择过程中,确定当次的当前节点;其中,首次的当前节点为所述起始点。
查找模块806,用于确定车辆在当前节点的朝向,根据所述朝向从所述自定义存储空间中定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点。
节点确定模块808,用于确定各邻居节点的障碍物碰撞风险,并从不存在障碍物碰撞风险的邻居节点中确定出目标邻居节点。
节点选取模块804,还用于将所述目标邻居节点作为下次的当前节点,返回确定所述车辆在所述当前节点的朝向继续执行,直至在当前节点之后的邻居节点包括有目的点时停止。
路径确定模块810,用于基于搜索得到的各目标邻居节点确定从所述起始点至所述目的点的路径。
在一些实施例中,查找模块806,还用于获取预先设定的移动表;所述移动表中记录有车辆在不同朝向下所包含的每一个路径节点;基于所述当前节点的朝向,从预先建立的移动表中查找处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点;从所述自定义存储空间中定位出从所述移动表中查找到的邻居节点。
在一些实施例中,路径规划装置还包括存储空间构建模块;存储空间构建模块,用于确定包含有所述起始点和所述目的点的区域,所述区域具有预设形状;确定所述区域中包括的多个路径节点,并基于各路径节点的节点信息,构建对应的结构体;基于各路径节点的结构体,得到自定义存储空间。
在一些实施例中,路径规划装置还包括碰撞检测模块;碰撞检测模块,用于获取车辆检测区域表;所述车辆检测区域表中记录有车辆在不同朝向下所对应的障碍物检测范围;针对任一邻居节点,预测车辆行驶至所针对邻居节点时的预测朝向;根据所述车辆检测区域表,确定在所述预测朝向下的目标检测范围;确定障碍物地图中与所述目标检测范围相匹配的区域,根据所述区域内是否存在障碍物,确定所针对邻居节点的障碍物碰撞风险。
在一些实施例中,节点确定模块808,还用于计算不存在障碍物碰撞风险的邻居节点的启发函数值;所述启发函数值表征节点与目的地间的距离;根据所述启发函数值从邻居节点中确定目标邻居节点。
在一些实施例中,路径规划装置还包括启发函数值确定模块;启发函数值确定模块,用于获取所针对不存在障碍物碰撞风险的邻居节点的第一启发函数值和第二启发函数值;其中,第一启发函数值为根据与朝向相关的路径规划曲线确定出的距离;所述第二启发函数值为根据避开障碍物的离散网格确定出的距离;基于所述第一启发函数值和第二启发函数值,确定所针对的邻居节点的启发函数值。
在一些实施例中,启发函数值确定模块,还用于针对任一不存在障碍物碰撞风险的邻居节点,确定所针对的邻居节点的路径规划曲线;根据与所述路径规划曲线所包括线段的线段类型,确定匹配的启发值计算函数,并按照所述路径规划曲线以及所述启发值计算函数,获得第一启发函数值;获取车辆启发函数存储表;所述车辆启发函数存储表中存储所述区域内的各路径节点的第二启发函数值;根据所述车辆启发函数存储表,确定与所针对的邻居节点匹配的第二启发函数值。
在一些实施例中,启发函数值确定模块,还用于将所述第一启发函数值和第二启发函数值中的最大值,确定为所针对的邻居节点的启发函数值;或者,获取设定的维诺图,确定所针对邻居节点与所述维诺图中线段的最短距离;根据所述最短距离,确定维诺图距离惩罚值;将所述第一启发函数值和第二启发函数值中的最大值,与维诺图距离惩罚值的和,确定为所针对路径节点的启发函数值。
在一些实施例中,查找模块806,还用于当从所述自定义存储空间中未定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点时,在预定义的小数组内定位邻居节点;所述小数组的维度小于所述自定义存储空间的维度。
上述路径规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中,也可以以软件形式存储于电子设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中,提供了一种电子设备,该电子设备可以是设置于车辆上的控制器,其内部结构图可以如图9所示。该电子设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的输入/输出接口用于处理器与外部设备之间交换信息。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种路径规划方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个示例性的实施例中,提供了一种电子设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述路径规划方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述路径规划方法的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述路径规划方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种路径规划方法,其特征在于,所述方法包括:
确定车辆的起始点和目的点,并根据所述起始点和目的点确定自定义存储空间;所述自定义存储空间与包含有所述起始点和目的点的区域相对应;
在节点的迭代选择过程中,确定当次的当前节点;其中,首次的当前节点为所述起始点;
确定车辆在当前节点的朝向,根据所述朝向从所述自定义存储空间中定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点;
获取车辆检测区域表;所述车辆检测区域表中记录有车辆在不同朝向下所对应的障碍物检测范围;针对任一邻居节点,预测车辆行驶至所针对邻居节点时的预测朝向;根据所述车辆检测区域表,确定在所述预测朝向下的目标检测范围;确定障碍物地图中与所述目标检测范围相匹配的地图区域,根据所述地图区域内是否存在障碍物,确定所针对邻居节点的障碍物碰撞风险;
计算不存在障碍物碰撞风险的邻居节点的启发函数值;所述启发函数值表征节点与目的地间的距离;根据所述启发函数值从邻居节点中确定目标邻居节点;
将所述目标邻居节点作为下次的当前节点,返回确定所述车辆在所述当前节点的朝向继续执行,直至在当前节点之后的邻居节点包括有目的点时停止;
基于搜索得到的各目标邻居节点确定从所述起始点至所述目的点的路径。
2.根据权利要求1所述的路径规划方法,其特征在于,所述确定车辆在当前节点的朝向,根据所述朝向从所述自定义存储空间中定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点,包括:
获取预先设定的移动表;所述移动表中记录有车辆在不同朝向下所包含的每一个路径节点;
基于所述当前节点的朝向,从预先建立的移动表中查找处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点;
从所述自定义存储空间中定位出从所述移动表中查找到的邻居节点。
3.根据权利要求1所述的路径规划方法,其特征在于,所述根据所述起始点和目的点确定自定义存储空间,包括:
确定包含有所述起始点和所述目的点的区域,所述区域具有预设形状;
确定所述区域中包括的多个路径节点,并基于各路径节点的节点信息,构建对应的结构体;
基于各路径节点的结构体,得到自定义存储空间。
4.根据权利要求1所述的路径规划方法,其特征在于,所述计算不存在障碍物碰撞风险的邻居节点的启发函数值,包括:
针对任一不存在障碍物碰撞风险的邻居节点,获取所针对的邻居节点的第一启发函数值和第二启发函数值;其中,第一启发函数值为根据与朝向相关的路径规划曲线确定出的距离;所述第二启发函数值为根据避开障碍物的离散网格确定出的距离;
基于所述第一启发函数值和第二启发函数值,确定所针对的邻居节点的启发函数值。
5.根据权利要求4所述的路径规划方法,其特征在于,所述获取所针对的邻居节点的第一启发函数值和第二启发函数值,包括:
确定所针对的邻居节点的路径规划曲线;
根据所述路径规划曲线包括线段的线段类型,确定匹配的启发值计算函数,并按照所述路径规划曲线以及所述启发值计算函数,获得第一启发函数值;
获取车辆启发函数存储表;所述车辆启发函数存储表中存储各路径节点的第二启发函数值;
根据所述车辆启发函数存储表,确定与所针对的邻居节点匹配的第二启发函数值。
6.根据权利要求4所述的路径规划方法,其特征在于,所述基于所述第一启发函数值和第二启发函数值,确定所针对的邻居节点的启发函数值,包括:
将所述第一启发函数值和第二启发函数值中的最大值,确定为所针对的邻居节点的启发函数值;或者,
获取设定的维诺图,确定所针对邻居节点与所述维诺图中线段的最短距离;
根据所述最短距离,确定维诺图距离惩罚值;
将所述第一启发函数值和第二启发函数值中的最大值,与维诺图距离惩罚值的和,确定为所针对邻居节点的启发函数值。
7.根据权利要求1所述的路径规划方法,其特征在于,所述路径规划方法还包括:
当从所述自定义存储空间中未定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点时,在预定义的小数组内定位邻居节点;所述小数组的维度小于所述自定义存储空间的维度。
8.一种路径规划装置,其特征在于,所述路径规划装置包括:
信息确定模块,用于确定车辆的起始点和目的点,并根据所述起始点和目的点确定自定义存储空间;所述自定义存储空间与包含有所述起始点和目的点的区域相对应;
节点选取模块,用于在节点的迭代选择过程中,确定当次的当前节点;其中,首次的当前节点为所述起始点;
查找模块,用于确定车辆在当前节点的朝向,根据所述朝向从所述自定义存储空间中定位出处于从所述起始点至目的点的路径中、且在所述当前节点之后的邻居节点;
节点确定模块,用于获取车辆检测区域表;所述车辆检测区域表中记录有车辆在不同朝向下所对应的障碍物检测范围;针对任一邻居节点,预测车辆行驶至所针对邻居节点时的预测朝向;根据所述车辆检测区域表,确定在所述预测朝向下的目标检测范围;确定障碍物地图中与所述目标检测范围相匹配的地图区域,根据所述地图区域内是否存在障碍物,确定所针对邻居节点的障碍物碰撞风险;计算不存在障碍物碰撞风险的邻居节点的启发函数值;所述启发函数值表征节点与目的地间的距离;根据所述启发函数值从邻居节点中确定目标邻居节点;
所述节点选取模块,还用于将所述目标邻居节点作为下次的当前节点,返回确定所述车辆在所述当前节点的朝向继续执行,直至在当前节点之后的邻居节点包括有目的点时停止;
路径确定模块,用于基于搜索得到的各目标邻居节点确定从所述起始点至所述目的点的路径。
9.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的路径规划方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的路径规划方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410177115.1A CN117719498B (zh) | 2024-02-08 | 2024-02-08 | 路径规划方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410177115.1A CN117719498B (zh) | 2024-02-08 | 2024-02-08 | 路径规划方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117719498A CN117719498A (zh) | 2024-03-19 |
CN117719498B true CN117719498B (zh) | 2024-04-16 |
Family
ID=90200202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410177115.1A Active CN117719498B (zh) | 2024-02-08 | 2024-02-08 | 路径规划方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117719498B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000285391A (ja) * | 1999-03-31 | 2000-10-13 | Toshiba Corp | 駐車場車両誘導システム |
CN101944095A (zh) * | 2009-07-08 | 2011-01-12 | 广东融讯信息科技有限公司 | 路径规划方法和系统 |
CN103625466A (zh) * | 2012-08-28 | 2014-03-12 | 怡利电子工业股份有限公司 | 倒车停车指挥系统计算方法 |
CN103963782A (zh) * | 2014-05-09 | 2014-08-06 | 济南大学 | 拖挂式移动机器人平行泊车方法 |
CN104554272A (zh) * | 2013-10-28 | 2015-04-29 | 通用汽车环球科技运作有限责任公司 | 存在目标车辆和周围物体时的避让转向操作的路径规划 |
EP2983151A2 (de) * | 2014-08-08 | 2016-02-10 | Suchar, Rudolf | Konzept zur erkennung einer falschfahrt |
CN105857306A (zh) * | 2016-04-14 | 2016-08-17 | 中国科学院合肥物质科学研究院 | 一种用于多种泊车场景的车辆自主泊车路径规划方法 |
CN108241369A (zh) * | 2017-12-20 | 2018-07-03 | 北京理工华汇智能科技有限公司 | 机器人躲避静态障碍的方法及装置 |
CN108304964A (zh) * | 2018-01-08 | 2018-07-20 | 深圳市易成自动驾驶技术有限公司 | Agv最短路径规划方法、装置及计算机可读存储介质 |
JP2018185633A (ja) * | 2017-04-25 | 2018-11-22 | トヨタ自動車株式会社 | 自律移動体 |
CN109131318A (zh) * | 2018-10-19 | 2019-01-04 | 清华大学 | 一种基于拓扑地图的自主泊车路径协调方法 |
CN113082719A (zh) * | 2021-04-30 | 2021-07-09 | 腾讯科技(深圳)有限公司 | 三维虚拟场景的寻路方法、装置及电子设备 |
WO2021259192A1 (zh) * | 2020-06-22 | 2021-12-30 | 京东科技信息技术有限公司 | 路径规划方法、装置、机器人及存储介质 |
CN115862416A (zh) * | 2023-01-20 | 2023-03-28 | 北京卓翼智能科技有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
-
2024
- 2024-02-08 CN CN202410177115.1A patent/CN117719498B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000285391A (ja) * | 1999-03-31 | 2000-10-13 | Toshiba Corp | 駐車場車両誘導システム |
CN101944095A (zh) * | 2009-07-08 | 2011-01-12 | 广东融讯信息科技有限公司 | 路径规划方法和系统 |
CN103625466A (zh) * | 2012-08-28 | 2014-03-12 | 怡利电子工业股份有限公司 | 倒车停车指挥系统计算方法 |
CN104554272A (zh) * | 2013-10-28 | 2015-04-29 | 通用汽车环球科技运作有限责任公司 | 存在目标车辆和周围物体时的避让转向操作的路径规划 |
CN103963782A (zh) * | 2014-05-09 | 2014-08-06 | 济南大学 | 拖挂式移动机器人平行泊车方法 |
EP2983151A2 (de) * | 2014-08-08 | 2016-02-10 | Suchar, Rudolf | Konzept zur erkennung einer falschfahrt |
CN105857306A (zh) * | 2016-04-14 | 2016-08-17 | 中国科学院合肥物质科学研究院 | 一种用于多种泊车场景的车辆自主泊车路径规划方法 |
JP2018185633A (ja) * | 2017-04-25 | 2018-11-22 | トヨタ自動車株式会社 | 自律移動体 |
CN108241369A (zh) * | 2017-12-20 | 2018-07-03 | 北京理工华汇智能科技有限公司 | 机器人躲避静态障碍的方法及装置 |
CN108304964A (zh) * | 2018-01-08 | 2018-07-20 | 深圳市易成自动驾驶技术有限公司 | Agv最短路径规划方法、装置及计算机可读存储介质 |
CN109131318A (zh) * | 2018-10-19 | 2019-01-04 | 清华大学 | 一种基于拓扑地图的自主泊车路径协调方法 |
WO2021259192A1 (zh) * | 2020-06-22 | 2021-12-30 | 京东科技信息技术有限公司 | 路径规划方法、装置、机器人及存储介质 |
CN113082719A (zh) * | 2021-04-30 | 2021-07-09 | 腾讯科技(深圳)有限公司 | 三维虚拟场景的寻路方法、装置及电子设备 |
CN115862416A (zh) * | 2023-01-20 | 2023-03-28 | 北京卓翼智能科技有限公司 | 一种路径规划方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117719498A (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110806218B (zh) | 泊车路径规划方法、装置和系统 | |
CN106964156B (zh) | 一种寻路方法以及装置 | |
CN109931942A (zh) | 机器人路径生成方法、装置、机器人和存储介质 | |
CN109189074B (zh) | 一种用于仓储环境的室内自主建图方法 | |
CN111813101B (zh) | 机器人路径规划方法、装置、终端设备及存储介质 | |
CN110221600B (zh) | 路径规划方法、装置、计算机设备和存储介质 | |
CN111596299B (zh) | 反光柱跟踪定位方法、装置及电子设备 | |
CN109255181B (zh) | 一种基于多模型的障碍物分布仿真方法、装置以及终端 | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN114625162A (zh) | 基于混合算法的无人机最优路径规划方法、系统及介质 | |
CN116080687A (zh) | 一种预测轨迹后处理方法、系统、设备和介质 | |
CN115195706A (zh) | 一种泊车路径规划方法、装置 | |
CN117719498B (zh) | 路径规划方法、装置、电子设备和存储介质 | |
CN115218916A (zh) | 一种安全性路径规划方法、装置 | |
CN113375686A (zh) | 路径规划的方法、装置以及智能输送系统 | |
CN113108806A (zh) | 路径规划方法、装置、设备及介质 | |
CN117109596A (zh) | 自移动设备及其覆盖路径规划方法、装置和存储介质 | |
CN116448095A (zh) | 移动机器人及其导航方法、装置、计算机设备和存储介质 | |
CN110728359A (zh) | 搜索模型结构的方法、装置、设备和存储介质 | |
CN115195705A (zh) | 泊车路径的双向规划方法、装置、计算机设备 | |
CN113658247B (zh) | 器械空间预测方法、装置、计算机设备和存储介质 | |
CN111310906B (zh) | 神经形态芯片中计算核的布局的方法、装置及设备 | |
CN117516558A (zh) | 路网生成方法、装置、计算机设备和计算机可读存储介质 | |
CN114463429A (zh) | 机器人、地图创建方法、定位方法及介质 | |
Qin et al. | Dynamic Detection of Topological Information from Grid‐Based Generalized Voronoi Diagrams |
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 |