RU2479015C1 - Method of defining motion path of self-contained vehicle in dynamic medium - Google Patents
Method of defining motion path of self-contained vehicle in dynamic medium Download PDFInfo
- Publication number
- RU2479015C1 RU2479015C1 RU2012101080/08A RU2012101080A RU2479015C1 RU 2479015 C1 RU2479015 C1 RU 2479015C1 RU 2012101080/08 A RU2012101080/08 A RU 2012101080/08A RU 2012101080 A RU2012101080 A RU 2012101080A RU 2479015 C1 RU2479015 C1 RU 2479015C1
- Authority
- RU
- Russia
- Prior art keywords
- cycle
- processing
- trajectories
- trajectory
- further movement
- Prior art date
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
Description
Изобретение относится к системам искусственного интеллекта и может быть использовано для определения траектории движения автономного транспортного средства в динамической среде.The invention relates to artificial intelligence systems and can be used to determine the path of an autonomous vehicle in a dynamic environment.
Известен способ определения траектории движения автономного мобильного робота, при котором определяют траекторию движения, на основе траектории движения определяют параметры движения робота, причем непосредственное управление движением автономного робота осуществляют как с учетом спланированного направления движения, так и с учетом информации о препятствиях на пути робота, полученной с помощью сенсоров. Недостаток способа заключается в том, что на этапе определения траектории движения не учитываются возможные препятствия (Патент 2424892 С2 РФ, МПК B25J 5/00, B25J 13/08, A01D 46/00, G05B 13/00. Автономный мобильный робот для сбора дикоросов и способ управления им / Тырышкин А.В., Андраханов А.А., Орлов А.А. - заявл. 14.07.2009. - опубл. 20.01.2011. - №2009127229/02. - 14 с.).There is a method of determining the motion path of an autonomous mobile robot, in which the motion path is determined, based on the motion path, the parameters of the robot motion are determined, moreover, the autonomous robot’s motion is directly controlled both taking into account the planned direction of movement and taking into account information about obstacles in the way of the robot obtained using sensors. The disadvantage of this method is that at the stage of determining the trajectory of the movement, possible obstacles are not taken into account (Patent 2424892 C2 of the Russian Federation, IPC B25J 5/00, B25J 13/08, A01D 46/00, G05B 13/00. An autonomous mobile robot for collecting wild plants and control method / Tyryshkin A.V., Andrahanov A.A., Orlov A.A. - claimed on July 14, 2009. - published on January 20, 2011. - No. 2009127229/02. - 14 p.).
Известен способ управления автономным транспортным средством, заключающийся в том, что на основе начальной и конечной точек определяют первую траекторию движения, при детектировании препятствия сенсорами генерируют позиционный сигнал препятствия, на основе позиционного сигнала генерируют сигнал параллакса, на основе сигнала параллакса генерируют вторую траекторию, учитывающую детектированное препятствие. Недостаток способа заключается в том, что не учитываются ограничения на время определения траекторий, заданные динамикой внешней среды (Pub. No. 20110035086 Al United States, Int. C1. G06F 17/10. Steering method for vehicle and apparatus thereof / Kim H.J., Yoon Y. - Field 13.01.2009. -Pub. date 10.02.2011. - Appl. No. 12/937521. - 20 p.).A known method of controlling an autonomous vehicle is that, based on the start and end points, the first path is determined, when an obstacle is detected by sensors, the position signal of the obstacle is generated, the parallax signal is generated on the basis of the position signal, and the second path is generated based on the parallax signal, taking into account the detected let. The disadvantage of this method is that it does not take into account the restrictions on the time of determining the paths set by the dynamics of the external environment (Pub. No. 20110035086 Al United States, Int. C1. G06F 17/10. Steering method for vehicle and apparatus component / Kim HJ, Yoon Y. - Field 01/13/2009. - Pub. Date 02/10/2011. - Appl. No. 12/937521. - 20 p.).
Известен способ планирования траекторий движения транспортного средства в пространстве состояний от начальной точки к конечной с уклонением от множества статических и/или динамических препятствий, заключающийся в том, что строят граф траекторий, соединяющий начальную точку с конечной, учитывающий возможное положение препятствий. При этом для расширения, приостановки расширения и остановки расширения узлов графа траекторий используют различные правила. Полученные траектории оценивают относительно заданных ограничений. На основе графа траекторий получают хотя бы одну траекторию, соединяющую начальную точку с конечной, удовлетворяющую заданным ограничениям. Осуществляют управление транспортным средством для движения по полученной траектории. Недостаток аналога заключается в том, что в процессе формирования дерева траекторий не учитываются ограничения на время планирования траекторий, заданные динамикой внешней среды (Pub. No. 7447593 В2 United States, Int. C1. G06G 7/78, G08G 1/16, G05B 19/04. System and method for adaptive path plannning / Estkowski R.I., Tinker P.A. - Field 26.03.2004. - Pub. date 04.11.2008. - Appl. No. 10/811460. - 34 p.).A known method of planning trajectories of a vehicle in the state space from the starting point to the final one with evasion of many static and / or dynamic obstacles is that a graph of trajectories is constructed that connects the starting point with the final one, taking into account the possible position of the obstacles. At the same time, different rules are used to expand, suspend expansion, and stop the expansion of nodes of the trajectory graph. The resulting trajectories are evaluated relative to the given constraints. On the basis of the trajectory graph, at least one trajectory is obtained that connects the starting point with the final one, satisfying the given restrictions. They control the vehicle to move along the obtained trajectory. The disadvantage of the analogue is that in the process of forming the tree of trajectories, the restrictions on the time of planning trajectories set by the dynamics of the external environment (Pub. No. 7447593 B2 United States, Int. C1. G06G 7/78, G08G 1/16, G05B 19 / 04. System and method for adaptive path plannning / Estkowski RI, Tinker PA - Field 03/26/2004. - Pub. Date 04/11/2008. - Appl. No. 10/811460. - 34 p.).
Прототипом заявляемого изобретения является способ автономного управления транспортным средством (Pub. No. 7613553 Bl United States, Int. C1. G08G 9/02, G01C 22/00, G05B 19/18. Unmanned vehicle control system / Benjamin M. R. - Field 30.07.2004. - Pub. date 03.11.2009. - Appl. No. 10/911765. - 11 p.), заключающийся в том, что в процессе движения транспортного средства по текущей траектории в цикле сбора и обработки информации получают сенсорные сигналы, на основе которых обновляют модель текущего состояния внешней среды, отражающей наличие во внешней среде статических и динамических препятствий. На основе обновленной модели текущего состояния внешней среды обновляют модель прогнозируемого состояния внешней среды на момент достижения автономным транспортным средством конечной точки текущей траектории движения. На основе обновленной модели прогнозируемого состояния внешней среды определяют множество возможных траекторий дальнейшего движения из конечной точки текущей траектории движения. Для каждой траектории из сформированного множества возможных траекторий дальнейшего движения рассчитывают значение ожидаемой полезности с использованием заданной функции ожидаемой полезности. Из сформированного множества возможных траекторий дальнейшего движения выбирают траекторию движения с максимальной ожидаемой полезностью и реализуют ее при достижении конечной точки текущей траектории движения.The prototype of the claimed invention is a method of autonomous driving a vehicle (Pub. No. 7613553 Bl United States, Int. C1. G08G 9/02, G01C 22/00, G05B 19/18. Unmanned vehicle control system / Benjamin MR - Field 07/30/2004 . - Pub. Date 11/03/2009. - Appl. No. 10/911765. - 11 p.), Which consists in the fact that during the movement of the vehicle along the current path in the information collection and processing cycle, sensor signals are received, based on which update the model of the current state of the external environment, reflecting the presence in the external environment of static and dynamic obstacles. Based on the updated model of the current state of the external environment, the model of the predicted state of the external environment at the time the autonomous vehicle reaches the end point of the current trajectory is updated. Based on the updated model of the predicted state of the external environment, the set of possible trajectories of further movement from the end point of the current motion path is determined. For each trajectory from the generated set of possible trajectories of further movement, the value of the expected utility is calculated using the specified function of the expected utility. From the generated set of possible trajectories of further movement, a trajectory of movement with the maximum expected utility is selected and implemented when the end point of the current trajectory of movement is reached.
Недостатком прототипа является недостаточно эффективное определение траекторий движения автономного транспортного средства в сложных динамических средах с препятствиями, так как при определении траектории движения в процессе движения по текущей траектории движения не учитываются возможные значимые изменения модели текущего состояния внешней среды, которые могут быть детектированы при повторном получении сенсорных сигналов благодаря изменению условий восприятия внешней среды. Изменение условий восприятия может быть связано как с расширением зоны восприятия сенсоров благодаря продвижению в пространстве, так и благодаря уточнению сенсорных данных, которое может быть обусловлено изменением расстояния до воспринимаемых объектов, изменением ракурса восприятия, изменением помеховой обстановки и т.д. Кроме того, не учитывается факт невозможности определения в условиях временных ограничений полного множества траекторий движения, учитывающих множественные факторы внешней среды, что требует введения механизма ограничения процесса определения траекторий. Данный механизм должен гарантировать получение траектории движения с максимальной ожидаемой полезностью.The disadvantage of the prototype is the lack of effective determination of the trajectories of the autonomous vehicle in complex dynamic environments with obstacles, since when determining the trajectory of movement in the process of movement along the current trajectory of motion, possible significant changes in the model of the current state of the external environment, which can be detected by re-sensing signals due to changing environmental conditions. Changes in the conditions of perception can be associated both with the expansion of the zone of perception of sensors due to advancement in space, and due to the refinement of sensory data, which may be due to a change in the distance to perceived objects, a change in the angle of perception, a change in the interference environment, etc. In addition, it does not take into account the fact that it is impossible to determine, under the conditions of time constraints, the full set of motion paths that take into account the multiple environmental factors, which requires the introduction of a mechanism to limit the process of determining paths. This mechanism should ensure that the trajectory of movement with the maximum expected utility.
Технический результат заключается в повышении эффективности перемещений автономного транспортного средства в априори неизвестной среде с динамическими и статическими препятствиями за счет определения траекторий движения, имеющих более высокую ожидаемую полезность.The technical result consists in increasing the efficiency of movements of an autonomous vehicle in an a priori unknown environment with dynamic and static obstacles by identifying motion paths that have a higher expected utility.
Заявленный технический результат обеспечивается тем, что в процессе движения автономного транспортного средства по текущей (ранее определенной) траектории в циклах сбора и обработки информации, имеющих ограниченную фиксированную длительность, получают сенсорные сигналы, на основе которых обновляют модель текущего состояния внешней среды, отражающей наличие во внешней среде статических и динамических препятствий. На основе обновленной модели текущего состояния внешней среды обновляют модель прогнозируемого состояния внешней среды на момент достижения автономным транспортным средством конечной точки текущей траектории движения.The claimed technical result is ensured by the fact that during the movement of an autonomous vehicle along the current (previously determined) path in the information collection and processing cycles having a limited fixed duration, sensory signals are obtained, based on which the model of the current state of the external environment is updated, which reflects the presence in the external environment of static and dynamic obstacles. Based on the updated model of the current state of the external environment, the model of the predicted state of the external environment at the time the autonomous vehicle reaches the end point of the current trajectory is updated.
При этом в первом цикле сбора и обработки информации, в процессе движения автономного транспортного средства по текущей траектории, на основе обновленной модели прогнозируемого состояния внешней среды в течение фиксированного интервала времени, выделенного в пределах длительности цикла сбора и обработки информации, формируют множество возможных траекторий дальнейшего движения из конечной точки текущей траектории движения. Для каждой траектории из сформированного множества возможных траекторий дальнейшего движения в пределах интервала времени, оставшегося в рамках общей длительности цикла сбора и обработки информации, рассчитывают значение ожидаемой полезности с использованием заданной функции ожидаемой полезности.At the same time, in the first cycle of information collection and processing, during the movement of an autonomous vehicle along the current trajectory, on the basis of an updated model of the predicted state of the external environment for a fixed time interval allocated within the duration of the information collection and processing cycle, many possible trajectories of further movement are formed from the end point of the current motion path. For each trajectory from the generated set of possible trajectories of further movement within the time interval remaining within the total duration of the information collection and processing cycle, the expected utility value is calculated using the specified expected utility function.
В последующих циклах сбора и обработки информации, в процессе движения автономного транспортного средства по текущей траектории движения, на основе обновленной модели прогнозируемого состояния внешней среды в течение фиксированного интервала времени, выделенного в пределах длительности цикла сбора и обработки информации, переформируют сформированное в предыдущем цикле сбора и обработки информации множество возможных траекторий дальнейшего движения, в том числе уточняют определенные в предыдущих циклах возможные траектории дальнейшего движения и определяют новые возможные траектории дальнейшего движения. В пределах интервала времени, оставшегося в рамках общей длительности цикла сбора и обработки информации, пересчитывают значения ожидаемой полезности возможных траекторий дальнейшего движения из переформированного множества траекторий. Причем переформирование множества возможных траекторий и пересчет значений их ожидаемой полезности выполняется в порядке убывания значений ожидаемой полезности возможных траекторий, вычисленных в предыдущем цикле сбора и обработки информации.In subsequent cycles of collecting and processing information, in the process of moving an autonomous vehicle along the current trajectory, on the basis of an updated model of the predicted state of the external environment for a fixed time interval allocated within the duration of the cycle of collecting and processing information, the one formed in the previous collection cycle is reorganized and information processing, the set of possible trajectories of further movement, including clarifying the possible trajectories defined in previous cycles of the motion and determine new possible trajectories of further motion. Within the time interval remaining within the total duration of the information collection and processing cycle, the expected utility values of possible trajectories of further movement from the reformed set of trajectories are recounted. Moreover, the reformation of the set of possible trajectories and recalculation of the values of their expected utility is performed in descending order of the expected utility values of the possible trajectories calculated in the previous cycle of information collection and processing.
На последнем цикле сбора и обработки информации, во время движения по текущей траектории, из переформированного множества возможных траекторий дальнейшего движения выбирают траекторию движения с максимальной ожидаемой полезностью и реализуют ее при достижении конечной точки текущей траектории движения.In the last cycle of collecting and processing information, while moving along the current path, from the reformed set of possible trajectories of further movement, select the path of movement with the maximum expected utility and implement it when the end point of the current path of movement is reached.
При этом для формирования и переформирования множества возможных вариантов траекторий дальнейшего движения, используют алгоритмы произвольного времени, обеспечивающие максимально полное использование фиксированного интервала времени, выделенного в пределах длительности цикла сбора и обработки информации.At the same time, for the formation and reformation of the set of possible options for the trajectories of further movement, arbitrary time algorithms are used that provide the most complete use of a fixed time interval allocated within the duration of the information collection and processing cycle.
Кроме того, для расчета и пересчета значения ожидаемой полезности каждого возможного варианта траекторий дальнейшего движения используют многокритериальную функцию оценки полезности, вычисляемую с помощью алгоритма произвольного времени, позволяющего итеративно пересчитывать значение полезности с учетом дополнительных факторов, максимально полно используя интервал времени, оставшийся в рамках общей длительности цикла сбора и обработки информации.In addition, to calculate and recalculate the expected utility value of each possible variant of the trajectories of further movement, a multicriteria utility estimation function is used, calculated using an arbitrary time algorithm that allows iteratively recalculating the utility value taking into account additional factors, making maximum use of the time interval remaining within the total duration information collection and processing cycle.
На фиг.1 представлены результаты первого цикла сбора и обработки информации, при этом положение автономного транспортного средства соответствует началу первого цикла сбора и обработки информации. По фиг.1: (1) - автономное транспортное средство, (2) - текущая траектория движения, (3) - конечная точка текущей траектории движения, (4а-4в) - статические препятствия, (5) - конечная точка определяемых возможных траекторий дальнейшего движения, (6а-6в) - возможные траектории дальнейшего движения определенные в первом цикле сбора и обработки информации.Figure 1 presents the results of the first cycle of information collection and processing, while the position of the autonomous vehicle corresponds to the beginning of the first cycle of information collection and processing. In Fig. 1: (1) is an autonomous vehicle, (2) is the current trajectory of movement, (3) is the end point of the current trajectory of movement, (4a-4c) are static obstacles, (5) is the endpoint of the determined possible trajectories of the future movements, (6a-6c) - possible trajectories of further movement defined in the first cycle of information collection and processing.
На фиг.2 представлены результаты второго цикла сбора и обработки информации, при этом положение автономного транспортного средства соответствует началу второго цикла сбора и обработки информации. По фиг.2: (1) - автономное транспортное средство, (2) - текущая траектория движения, (6б-6ж) - возможные траектории дальнейшего движения, переопределенные во втором цикле сбора и обработки информации, (4а, 4г-4з) - статические препятствия, (7а, 7б) - дополнительные проезды, детектированные на основе полученных во втором цикле сбора и обработки информации сенсорных данных, (8) - динамическое препятствие, (8а-8в) - прогнозируемые положения динамического препятствия.Figure 2 presents the results of the second cycle of collecting and processing information, while the position of the autonomous vehicle corresponds to the beginning of the second cycle of collecting and processing information. Figure 2: (1) - autonomous vehicle, (2) - current trajectory, (6b-6zh) - possible trajectories of further movement, overridden in the second cycle of information collection and processing, (4a, 4g-4z) - static obstacles, (7a, 7b) - additional passages detected on the basis of sensory data obtained in the second cycle of data collection and processing, (8) - dynamic obstacle, (8a-8c) - predicted positions of the dynamic obstacle.
На фиг.3 представлены результаты третьего цикла сбора и обработки информации, при этом положение автономного транспортного средства соответствует началу третьего цикла сбора и обработки информации. По фиг.3: (1) - автономное транспортное средство, (2) - текущая траектория движения, (6г, 6ж-6и) - возможные траектории дальнейшего движения, переопределенные в третьем цикле сбора и обработки информации, (4и) - статическое препятствие.Figure 3 presents the results of the third cycle of collecting and processing information, while the position of the autonomous vehicle corresponds to the beginning of the third cycle of collecting and processing information. In Fig.3: (1) is an autonomous vehicle, (2) is the current trajectory of movement, (6g, 6zh-6i) are the possible trajectories of further movement, redefined in the third cycle of collecting and processing information, (4i) is a static obstacle.
Заявляемый способ может быть реализован для автономного транспортного средства, включающего ряд подсистем: множество сенсорных устройств для получения сенсорных сигналов, бортовые вычислительные устройства для обработки сенсорных сигналов, получения и хранения различных данных (в том числе сенсорных данных), определения траектории движения, и системы управления агрегатами автономного транспортного средства для реализации выбранной траектории.The inventive method can be implemented for an autonomous vehicle, which includes a number of subsystems: a variety of sensor devices for receiving sensor signals, on-board computing devices for processing sensor signals, receiving and storing various data (including sensor data), determining a motion path, and a control system units of an autonomous vehicle for the implementation of the selected path.
Циклу сбора и обработки информации задают ограниченную малую длительность в соответствии с динамикой изменений внешней среды. При этом время цикла сбора и обработки информации должно делиться между этапами цикла сбора и обработки информации: получение сенсорных сигналов, обновление модели текущего состояния внешней среды, обновление модели прогнозируемого состояния внешней среды, определение или переопределение траекторий дальнейшего движения, расчет или пересчет значения ожидаемой полезности с использованием заданной функции ожидаемой полезности, реализация выбранной траектории. Время каждого из этапов определяется используемыми для его реализации программно-аппаратными средствами.The information collection and processing cycle is assigned a limited short duration in accordance with the dynamics of changes in the external environment. In this case, the time of the information collection and processing cycle should be divided between the stages of the information collection and processing cycle: receiving sensor signals, updating the model of the current state of the external environment, updating the model of the predicted state of the external environment, determining or redefining the trajectories of further movement, calculating or recalculating the expected utility value from using the specified function of the expected utility, the implementation of the selected path. The time of each of the stages is determined by the software and hardware used for its implementation.
Для получения сенсорных сигналов и преобразования их в сенсорные данные могут использоваться различные устройства, такие как: лазерный локатор, радиолокатор, инерциальный измерительный блок, система глобального позиционирования, видеокамеры. Для взаимодействия с сенсорами используются различные интерфейсы, такие как: Ethernet, RS-232, RS-422, IEEE-1394a, CAN (Controller Area Network, сеть контроллеров) и т.д. Известно применение лазерного локатора для получения измерений расстояний до различных объектов. Данный лазерный локатор генерируют около миллиона измерений в секунду, используя для передачи полученных данных Ethernet интерфейс (J.Leonard et al. A Perception-Driven Autonomous Urban Vehicle / В.M., Iagnemma K., Singh S. The DARPA urban challenge. Autonomous vehicle in city traffic // Springer Tracts in Advanced Robotics. - Berlin: Springer, 2009. - P.171-172).Various devices can be used to receive sensor signals and convert them into sensor data, such as: a laser locator, a radar, an inertial measuring unit, a global positioning system, and video cameras. Various interfaces are used to interact with sensors, such as: Ethernet, RS-232, RS-422, IEEE-1394a, CAN (Controller Area Network, controller network), etc. It is known to use a laser locator to obtain measurements of distances to various objects. This laser locator generates about a million measurements per second, using the Ethernet interface to transmit the received data (J. Leonard et al. A Perception-Driven Autonomous Urban Vehicle / B.M., Iagnemma K., Singh S. The DARPA urban challenge. Autonomous vehicle in city traffic // Springer Tracts in Advanced Robotics. - Berlin: Springer, 2009 .-- P.171-172).
Для взаимодействия различных подсистем автономного транспортного средства могут использоваться различные программно-аппаратные платформы. Известно использование системы межпроцессного взаимодействия Lightweight Communications and Marshaling (LCM) для передачи сообщений и маршалинга данных, в которой для передачи сообщений используется групповая передача UDP (J.Leonard et al. А Perception-Driven Autonomous Urban Vehicle / В. M., Iagnemma K., Singh S. The DARPA urban challenge. Autonomous vehicle in city traffic // Springer Tracts in Advanced Robotics. - Berlin: Springer, 2009. - P.173-174).For the interaction of various subsystems of an autonomous vehicle, various software and hardware platforms can be used. It is known to use the Lightweight Communications and Marshaling (LCM) interprocess communication system for messaging and data marshaling, which uses UDP multicast to transmit messages (J. Leonard et al. A Perception-Driven Autonomous Urban Vehicle / B. M., Iagnemma K ., Singh S. The DARPA urban challenge. Autonomous vehicle in city traffic // Springer Tracts in Advanced Robotics. - Berlin: Springer, 2009. - P.173-174).
Полученные сенсорные данные преобразуют в модель внешней среды. Известны алгоритмы одновременной локализации и отображения (Simultaneous localization and mapping, SLAM), применяемые для формирования и обновления модели состояния внешней среды (Durrant-Whyte Н., Bailey Т. Simultaneous localization and mapping: part I the essential algorithms / Robotics & Automation Magazine. - V.2 - №2. - 2006. - P.99-110). The received sensory data is converted into a model of the external environment. Simultaneous localization and mapping (SLAM) algorithms are known that are used to generate and update the model of the state of the environment (Durrant-Whyte N., Bailey T. Simultaneous localization and mapping: part I the essential algorithms / Robotics & Automation Magazine. - V.2 - No. 2. - 2006. - P.99-110).
Также известен способ преобразования сенсорных данных от лазерного локатора, инерциального измерительного блока и глобальной системы позиционирования в двухмерную карту препятствия (Thrun S., Montemerlo M., Aron A. Probabilistic Terrain Analysis For High-Speed Desert Driving / Proceedings of Robotics: Science and Systems. - Philadelphia, 2006. - 7 p.).Also known is a method of converting sensor data from a laser locator, an inertial measuring unit and a global positioning system into a two-dimensional obstacle map (Thrun S., Montemerlo M., Aron A. Probabilistic Terrain Analysis For High-Speed Desert Driving / Proceedings of Robotics: Science and Systems - Philadelphia, 2006 .-- 7 p.).
Для определения траекторий могут использоваться различные алгоритмы произвольного времени. Известен алгоритм произвольного времени AD* для построения траектории движения (Likhachev М. et al. Anytime Dynamic A*: An Anytime, Replanning Algorithm / International Conference on Automated Planning and Scheduling (ICAPS)-2005. - 10 p.).To determine the trajectories, various arbitrary time algorithms can be used. The well-known AD * arbitrary time algorithm for constructing a trajectory of movement (Likhachev M. et al. Anytime Dynamic A *: An Anytime, Replanning Algorithm / International Conference on Automated Planning and Scheduling (ICAPS) -2005. - 10 p.).
Для иллюстрации одного из возможных вариантов реализации заявляемого способа рассмотрим следующий пример (фиг.1): автономное транспортное средство (1) движется по текущей траектории (2) в конечную точку (3).To illustrate one of the possible options for implementing the proposed method, consider the following example (figure 1): an autonomous vehicle (1) moves along the current path (2) to the end point (3).
В первом цикле сбора и обработки информации, в процессе движения автономного транспортного средства (1) по текущей траектории движения (2), в пределах ограниченной фиксированной длительности цикла сбора и обработки информации, осуществляют следующие действия:In the first cycle of collecting and processing information, in the process of movement of an autonomous vehicle (1) along the current path of movement (2), within the limited fixed duration of the cycle of collecting and processing information, the following actions are performed:
Получают сенсорные сигналы, на основе которых обновляют модель текущего состояния внешней среды, которая представляет собой двухмерную карту препятствий (4а-4в).Sensory signals are obtained, based on which the model of the current state of the external environment is updated, which is a two-dimensional obstacle map (4a-4c).
На основе обновленной модели текущего состояния внешней среды обновляют модель прогнозируемого состояния внешней среды на момент достижения автономным транспортным средством (1) конечной точки (3) текущей траектории движения (2), которая соответствует положению автономного транспортного средства (1) в конечной точке текущей траектории (2).Based on the updated model of the current state of the external environment, the model of the predicted state of the external environment is updated at the time the autonomous vehicle (1) reaches the end point (3) of the current path (2), which corresponds to the position of the autonomous vehicle (1) at the end point of the current path ( 2).
На основе обновленной модели прогнозируемого состояния внешней среды в течение фиксированного интервала времени, выделенного в пределах длительности цикла сбора и обработки информации, определяют множество возможных траекторий дальнейшего движения посредством построения графа из корневого узла, который соответствует конечной точке (3) текущей траектории движения (2), в целевую точку (5). При этом промежуточные узлы графа соответствуют координатным точкам двухмерной карты препятствий, а дуги графа - участкам траектории, свободным от препятствий.Based on the updated model of the predicted state of the external environment for a fixed time interval allocated within the duration of the information collection and processing cycle, the set of possible trajectories of further movement is determined by constructing a graph from the root node that corresponds to the end point (3) of the current motion path (2) , to the target point (5). In this case, the intermediate nodes of the graph correspond to the coordinate points of the two-dimensional obstacle map, and the arcs of the graph correspond to sections of the trajectory free from obstacles.
Для построения траектории может использоваться алгоритм А* или его модификации без отсечения неоптимальных узлов. В качестве эвристики используют кратчайшее расстояние.To construct the trajectory, the A * algorithm or its modifications can be used without cutting off non-optimal nodes. As the heuristic use the shortest distance.
В первом цикле сбора и обработки информации в течение фиксированного интервала времени, выделенного в пределах длительности цикла сбора и обработки информации, формируют три траектории Т1-Т3(6а-6в). Полагаем, что выделенного интервала времени не хватает для построения траектории обхода препятствия (4а) слева.In the first cycle of collecting and processing information for a fixed time interval allocated within the duration of the cycle of collecting and processing information, three trajectories T 1 -T 3 (6a-6c) are formed. We believe that the allocated time interval is not enough to construct the trajectory of avoiding the obstacle (4a) on the left.
Для каждой траектории из сформированного множества возможных траекторий дальнейшего движения в пределах оставшейся длительности цикла сбора и обработки информации рассчитывают значение ожидаемой полезности в соответствии со следующей формулой:For each trajectory from the generated set of possible trajectories of further movement within the remaining duration of the information collection and processing cycle, the expected utility value is calculated in accordance with the following formula:
fU=l/(ΔD), f U = l / (ΔD),
где ΔD - максимальное отклонение от кратчайшего маршрута к целевой точке (5), который в данном случае совпадает с траекторией Т2(6б).where ΔD is the maximum deviation from the shortest route to the target point (5), which in this case coincides with the trajectory T 2 (6b).
В соответствии с заданной функцией расчета значения ожидаемой полезности возможные траектории дальнейшего движения упорядочиваются следующим образом:In accordance with the specified function for calculating the expected utility value, the possible trajectories of further movement are ordered as follows:
fU(T2)>fU(T1>fU(T3).f U (T 2 )> f U (T 1 > f U (T 3 ).
Во втором цикле сбора и обработки информации, в процессе движения автономного транспортного средства (1) по текущей траектории (2), в пределах ограниченной фиксированной длительности цикла сбора и обработки информации осуществляют следующие действия (фиг.2):In the second cycle of information collection and processing, in the process of moving an autonomous vehicle (1) along the current path (2), within the limited fixed duration of the information collection and processing cycle, the following actions are performed (figure 2):
Получают сенсорные сигналы, на основе которых обновляют модель текущего состояния внешней среды. В результате уточнения сенсорных данных препятствия (4б, 4в), детектированные в предыдущем цикле сбора и обработки информации, распадаются на более мелкие препятствия (4г-4з), образуя дополнительные проезды для движения (7а, 7б). Кроме того, детектируется динамическое препятствие (8).Sensory signals are obtained, on the basis of which the model of the current state of the external environment is updated. As a result of the refinement of the sensory data, the obstacles (4b, 4c) detected in the previous cycle of information collection and processing break up into smaller obstacles (4d-4z), forming additional passageways for movement (7a, 7b). In addition, a dynamic obstacle is detected (8).
На основе обновленной модели текущего состояния внешней среды обновляют модель прогнозируемого состояния внешней среды. Для прогнозирования положения динамического препятствия (8) через заданный интервал времени используют следующую модель движения:Based on the updated model of the current state of the external environment, the model of the predicted state of the external environment is updated. To predict the position of a dynamic obstacle (8) at a given time interval, use the following motion model:
x=vobst·cos(φ)·t+x0,x = v obst cos (φ) t + x 0 ,
y=vobst·sin(φ)·t+y0, y = v obst sin (φ) t + y 0 ,
где <х,y> - координаты прогнозируемого положения динамического препятствия (8),where <x, y> are the coordinates of the predicted position of the dynamic obstacle (8),
<х0,y0> - координаты текущего положения динамического препятствия (8),<x 0 , y 0 > - the coordinates of the current position of the dynamic obstacles (8),
vobst- текущая скорость движения динамического препятствия (8),v obst is the current speed of the dynamic obstacle (8),
φ - угол, задающий направление движения динамического препятствия (8). φ is the angle that sets the direction of motion of the dynamic obstacle (8).
На основе обновленной модели прогнозируемого состояния внешней среды в течение фиксированного интервала времени, выделенного в пределах длительности цикла сбора и обработки информации, переформировывают сформированное в предыдущем цикле сбора и обработки информации множество возможных траекторий дальнейшего движения. Для этого, во-первых, уточняют определенные в предыдущем цикле сбора и обработки информации траектории дальнейшего движения, начиная с траектории с наибольшей ожидаемой полезностью, т.е. с траектории Т2 (6б). На основе обновленной модели прогнозируемого состояния внешней среды определяют наиболее близкое прогнозируемое положение (8а) динамического препятствия (8) к траектории движения Т2 (6б). Так как динамическое препятствие (8а) перекрывает движение по траектории Т2 (6б), ее перестраивают в обход препятствия (4г), получая траекторию Т2.1 (6г)Based on the updated model of the predicted state of the external environment for a fixed time interval allocated within the duration of the information collection and processing cycle, the set of possible trajectories of further movement formed in the previous cycle of information collection and processing is re-formed. For this, firstly, the trajectories of further movement defined in the previous cycle of collecting and processing information are specified, starting with the trajectory with the highest expected utility, i.e. from the trajectory T 2 (6b). Based on the updated model of the predicted state of the external environment, the closest predicted position (8a) of the dynamic obstacle (8) is determined to the trajectory of T 2 (6b). Since the dynamic obstacle (8a) blocks the movement along the trajectory T 2 (6b), it is rebuilt to bypass the obstacle (4d), obtaining the trajectory T 2.1 (6d)
Далее переходят к траектории Т3 (6в). Так как препятствие (4ж) перекрывает движение по данной траектории, то ее перестраивают, учитывая открывшийся проезд (7б), получая уточненную траекторию Т3.1 (6д). Для полученной траектории на основе обновленной модели прогнозируемого состояния внешней среды определяют наиболее близкое прогнозируемое положение (8б) динамического препятствия (8). Так как уточненная траектория не приводит к столкновению с динамическим препятствием (8), ее включают во множество возможных траекторий дальнейшего движения.Next, go to the trajectory T 3 (6B). Since the obstacle (4g) blocks the movement along this trajectory, it is rebuilt, taking into account the opened passage (7b), obtaining an updated trajectory T 3.1 (6d). For the obtained trajectory, on the basis of the updated model of the predicted state of the external environment, the closest predicted position (8b) of the dynamic obstacle (8) is determined. Since the refined trajectory does not lead to a collision with a dynamic obstacle (8), it is included in the set of possible trajectories of further movement.
Кроме того, во множество возможных траекторий дальнейшего движения добавляют еще одну траекторию Т4 (6е), которая проходит через проезд (7б). На основе обновленной модели прогнозируемого состояния внешней среды определяют наиболее близкое прогнозируемое положение (8в) динамического препятствия (8) относительно данной траектории. Так как траектория Т4 (6е) приводит к столкновению с динамическим препятствием (8), ее перестраивают, получая траекторию Т4.1 (6ж).In addition, another trajectory T 4 (6e), which passes through the passage (7b), is added to the set of possible trajectories of further movement. Based on the updated model of the predicted state of the external environment, the closest predicted position (8c) of the dynamic obstacle (8) relative to this trajectory is determined. Since the trajectory T 4 (6e) leads to a collision with a dynamic obstacle (8), it is rebuilt to obtain the trajectory T 4.1 (6g).
Для каждой траектории из переопределенного множества возможных траекторий дальнейшего движения в пределах оставшейся длительности цикла сбора и обработки информации пересчитывают значения ожидаемой полезности, таким образом, что:For each trajectory from an overdetermined set of possible trajectories of further movement within the remaining duration of the information collection and processing cycle, the expected utility values are recalculated, so that:
fU(T4.1)>fU(T2.1>fu(T3.1).f U (T 4.1 )> f U (T 2.1 > fu (T 3.1 ).
В третьем цикле сбора и обработки информации, в процессе движения автономного транспортного средства (1) по текущей траектории (2), в пределах ограниченной фиксированной длительности цикла сбора и обработки информации осуществляют следующие действия (фиг.3):In the third cycle of information collection and processing, in the process of moving an autonomous vehicle (1) along the current path (2), within the limited fixed duration of the information collection and processing cycle, the following actions are performed (Fig. 3):
Получают сенсорные сигналы, на основе которых обновляют модель текущего состояния внешней среды, добавляя новое препятствие (4и).Sensory signals are obtained, on the basis of which the model of the current state of the external environment is updated, adding a new obstacle (4i).
На основе обновленной модели текущего состояния внешней среды обновляют модель прогнозируемого состояния внешней.Based on the updated model of the current state of the external environment, the model of the predicted state of the external is updated.
На основе обновленной модели прогнозируемого состояния внешней среды в течение фиксированного интервала времени, выделенного в пределах длительности цикла сбора и обработки информации, переформировывают сформированное в предыдущем цикле сбора и обработки информации множество возможных траекторий. Для этого уточняют траекторию Т4.1 (6ж) как имеющую наибольшее значение ожидаемой полезности, перестраивая ее для обхода препятствия (4и). В результате получают две новые траектории Т4.2 (6з), Т4.3 (6и).Based on the updated model of the predicted state of the external environment, for a fixed time interval allocated within the duration of the information collection and processing cycle, the set of possible trajectories formed in the previous information collection and processing cycle is reorganized. To do this, specify the trajectory T 4.1 (6g) as having the greatest value of the expected utility, rebuilding it to bypass the obstacle (4i). As a result, two new trajectories are obtained: T 4.2 (6h), T 4.3 (6i).
Далее, в пределах оставшейся длительности цикла сбора и обработки информации, для каждой траектории из переопределенного множества возможных траекторий дальнейшего движения пересчитывают значения ожидаемой полезности, таким образом, что:Further, within the remaining duration of the information collection and processing cycle, for each trajectory from the redefined set of possible trajectories of further movement, the expected utility values are recounted, so that:
fU(T4.2)=fU(T4.3),f U (T 4.2 ) = f U (T 4.3 ),
fU(T4.3)>fU(T2.1).f U (T 4.3 )> f U (T 2.1 ).
Полагаем, что разница значений ожидаемой полезности для траекторий Т4.2, Т4.3 и Т2.1 недостаточно велика, чтобы принять однозначное решение по выбору траектории. Тогда вводят дополнительный фактор - число поворотов, необходимых для выполнения каждой из траекторий, тогда:We believe that the difference between the expected utility values for the trajectories T 4.2 , T 4.3 and T 2.1 is not large enough to make an unambiguous decision on the choice of the trajectory. Then an additional factor is introduced - the number of turns necessary to complete each of the trajectories, then:
fUnew=k1·l/ΔD+k2·1/N, f Unew = k 1 · l / ΔD + k2 · 1 / N,
где N - количество поворотов, необходимых для выполнения траектории,where N is the number of turns necessary to complete the trajectory,
kl, k2 - весовые коэффициенты факторов.kl, k2 - weighting factors of factors.
Полагаем, что:We believe that:
k2<kl, тогдаk2 <kl, then
fUnew(T4.2)=fUnew(T4.3),f Unew (T 4.2 ) = f Unew (T 4.3 ),
fUnew (T2.l)<fUnew (t4.3).f Unew (T 2.l ) <f Unew (t 4.3 ).
Для выбора траектории из множества {Т4.2, Т4.3} рассчитываем ожидаемую полезность для несовпадающих участков траекторий. Тогда:To select a trajectory from the set {T 4.2 , T 4.3 }, we calculate the expected utility for mismatched sections of the trajectories. Then:
fUnew(T4.2)>fUnew(T4.3).f Unew (T 4.2 )> f Unew (T 4.3 ).
Так как данным циклом сбора и обработки информации завершается движение автономного транспортного средства по текущей траектории, из множества возможных траекторий дальнейшего движения выбирают траекторию движения с максимальной ожидаемой полезностью, т.е. Т4.2 (6з).Since this cycle of information collection and processing ends the movement of an autonomous vehicle along the current trajectory, from the set of possible trajectories of further movement, the trajectory of movement with the maximum expected utility is selected, i.e. T 4.2 (6h).
Выбранная траектория преобразуется в систему команд управления агрегатами автономного транспортного средства. Известен способ управления агрегатами автономного транспортного средства, использующий контроллер для преобразования плана движения, который состоит из списка точек, задающего кусочно-заданную прямолинейную опорную траекторию, в команды управления (сигналы управления) газом, тормозом, рулем и переключением передач. Контроллер включает два компонента: контроллер рулевого управления и контроллер скорости. Полученные сигналы управления подают на блок автономного управления (Autonomous Driving Unit, ADU), который представляет собой интерфейс к системе электронного цифрового управления автомобилем (drive-by-wire) (J.Leonard et al. A.Perception-Driven Autonomous Urban Vehicle / В.M., Iagnemma K., Singh S. The DARPA urban challenge. Autonomous vehicle in city traffic // Springer Tracts in Advanced Robotics. - Berlin: Springer, 2009. - P.206-208).The selected path is converted into a command system for controlling the units of an autonomous vehicle. A known method of controlling units of an autonomous vehicle using a controller for converting a movement plan, which consists of a list of points that specify a piecewise-defined rectilinear reference trajectory, into control commands (control signals) by gas, brake, steering wheel and gear shift. The controller includes two components: a steering controller and a speed controller. The received control signals are fed to the Autonomous Driving Unit (ADU), which is an interface to the electronic drive-by-wire system (J. Leonard et al. A. Perception-Driven Autonomous Urban Vehicle / B .M., Iagnemma K., Singh S. The DARPA urban challenge. Autonomous vehicle in city traffic // Springer Tracts in Advanced Robotics. - Berlin: Springer, 2009 .-- P.206-208).
Claims (3)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2012101080/08A RU2479015C1 (en) | 2012-01-11 | 2012-01-11 | Method of defining motion path of self-contained vehicle in dynamic medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2012101080/08A RU2479015C1 (en) | 2012-01-11 | 2012-01-11 | Method of defining motion path of self-contained vehicle in dynamic medium |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2479015C1 true RU2479015C1 (en) | 2013-04-10 |
Family
ID=49152408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2012101080/08A RU2479015C1 (en) | 2012-01-11 | 2012-01-11 | Method of defining motion path of self-contained vehicle in dynamic medium |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2479015C1 (en) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2587662C1 (en) * | 2015-03-05 | 2016-06-20 | Общество с ограниченной ответственностью "Симикон" | Automated system for detecting road traffic violation at crossroad, railway crossing or pedestrian crossing |
| RU2631543C1 (en) * | 2013-08-29 | 2017-09-25 | Ниссан Мотор Ко., Лтд. | Device and method for vehicle traffic control |
| RU2681984C1 (en) * | 2015-07-31 | 2019-03-14 | ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи | System and method for determining trajectory for vehicle |
| RU2693400C2 (en) * | 2016-10-24 | 2019-07-02 | ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи | Virtual vehicle map |
| CN111670382A (en) * | 2018-01-11 | 2020-09-15 | 苹果公司 | Architecture for vehicle automation and fail operational automation |
| RU2751382C1 (en) * | 2018-05-31 | 2021-07-13 | Ниссан Норт Америка, Инк. | Trajectory planning |
| RU2759975C1 (en) * | 2018-08-31 | 2021-11-19 | Ниссан Норт Америка, Инк. | Operational control of autonomous vehicle with visual salence perception control |
| RU2761270C2 (en) * | 2015-05-13 | 2021-12-06 | Убер Текнолоджис, Инк. | System and method for providing transportation |
| US11403683B2 (en) | 2015-05-13 | 2022-08-02 | Uber Technologies, Inc. | Selecting vehicle type for providing transport |
| RU2789921C2 (en) * | 2021-06-08 | 2023-02-14 | Общество с ограниченной ответственностью «Яндекс Беспилотные Технологии» | Method and device for control of self-driving car |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2193989C1 (en) * | 2001-06-29 | 2002-12-10 | Общество с ограниченной ответственностью "Специализированное Техническое Бюро "ТЕХСЕРВИС" | Method of and device for plotting spatial trajectory of vehicle movement by recorded data |
| RU2206916C2 (en) * | 2001-01-04 | 2003-06-20 | Государственное унитарное предприятие "Конструкторское бюро приборостроения" | Method and device for controlling object motion path, object motion path control system (alternatives), method for determining channel-to- channel channels phase connection and transfer constant of object in object motion path control system |
| RU2005128238A (en) * | 2005-09-02 | 2007-03-20 | Андрей Борисович Александров (RU) | METHOD FOR MANAGING MOVEMENT OF A VEHICLE MOVING ON EARTH OR WATER SURFACE ACCURING A CURVILINE TRAJECTORY WITH AN IMPROVED SAFETY OF MOVING A VEHICLE AND TRANSPORT OPPORTUNITY |
-
2012
- 2012-01-11 RU RU2012101080/08A patent/RU2479015C1/en not_active IP Right Cessation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2206916C2 (en) * | 2001-01-04 | 2003-06-20 | Государственное унитарное предприятие "Конструкторское бюро приборостроения" | Method and device for controlling object motion path, object motion path control system (alternatives), method for determining channel-to- channel channels phase connection and transfer constant of object in object motion path control system |
| RU2193989C1 (en) * | 2001-06-29 | 2002-12-10 | Общество с ограниченной ответственностью "Специализированное Техническое Бюро "ТЕХСЕРВИС" | Method of and device for plotting spatial trajectory of vehicle movement by recorded data |
| RU2005128238A (en) * | 2005-09-02 | 2007-03-20 | Андрей Борисович Александров (RU) | METHOD FOR MANAGING MOVEMENT OF A VEHICLE MOVING ON EARTH OR WATER SURFACE ACCURING A CURVILINE TRAJECTORY WITH AN IMPROVED SAFETY OF MOVING A VEHICLE AND TRANSPORT OPPORTUNITY |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2631543C1 (en) * | 2013-08-29 | 2017-09-25 | Ниссан Мотор Ко., Лтд. | Device and method for vehicle traffic control |
| RU2587662C1 (en) * | 2015-03-05 | 2016-06-20 | Общество с ограниченной ответственностью "Симикон" | Automated system for detecting road traffic violation at crossroad, railway crossing or pedestrian crossing |
| RU2761270C2 (en) * | 2015-05-13 | 2021-12-06 | Убер Текнолоджис, Инк. | System and method for providing transportation |
| US11403683B2 (en) | 2015-05-13 | 2022-08-02 | Uber Technologies, Inc. | Selecting vehicle type for providing transport |
| RU2681984C1 (en) * | 2015-07-31 | 2019-03-14 | ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи | System and method for determining trajectory for vehicle |
| RU2693400C2 (en) * | 2016-10-24 | 2019-07-02 | ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи | Virtual vehicle map |
| CN111670382A (en) * | 2018-01-11 | 2020-09-15 | 苹果公司 | Architecture for vehicle automation and fail operational automation |
| US11685396B2 (en) | 2018-01-11 | 2023-06-27 | Apple Inc. | Architecture for automation and fail operational automation |
| CN111670382B (en) * | 2018-01-11 | 2024-01-02 | 苹果公司 | Architecture for automation and failure operation automation |
| RU2751382C1 (en) * | 2018-05-31 | 2021-07-13 | Ниссан Норт Америка, Инк. | Trajectory planning |
| RU2759975C1 (en) * | 2018-08-31 | 2021-11-19 | Ниссан Норт Америка, Инк. | Operational control of autonomous vehicle with visual salence perception control |
| RU2789921C2 (en) * | 2021-06-08 | 2023-02-14 | Общество с ограниченной ответственностью «Яндекс Беспилотные Технологии» | Method and device for control of self-driving car |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2479015C1 (en) | Method of defining motion path of self-contained vehicle in dynamic medium | |
| Li et al. | Real-time trajectory planning for autonomous urban driving: Framework, algorithms, and verifications | |
| McNaughton et al. | Motion planning for autonomous driving with a conformal spatiotemporal lattice | |
| Fong et al. | A review of metaheuristics in robotics | |
| CN103324196A (en) | Multi-robot path planning and coordination collision prevention method based on fuzzy logic | |
| Ma et al. | A two-level path planning method for on-road autonomous driving | |
| CN114846425A (en) | Prediction and planning of mobile robots | |
| Li et al. | A mobile robot path planning algorithm based on improved A* algorithm and dynamic window approach | |
| Kala et al. | Planning of multiple autonomous vehicles using rrt | |
| CN113625702B (en) | Unmanned vehicle simultaneous path tracking and obstacle avoidance method based on quadratic programming | |
| Defoort et al. | Performance-based reactive navigation for non-holonomic mobile robots | |
| Li et al. | A behavior-based mobile robot navigation method with deep reinforcement learning | |
| Sharma et al. | A survey on smooth path generation techniques for nonholonomic autonomous vehicle systems | |
| CN112857370A (en) | Robot map-free navigation method based on time sequence information modeling | |
| Aizat et al. | A survey on navigation approaches for automated guided vehicle robots in dynamic surrounding | |
| Mercy et al. | Online motion planning for autonomous vehicles in vast environments | |
| Wu et al. | Real-time three-dimensional smooth path planning for unmanned aerial vehicles in completely unknown cluttered environments | |
| BAYGIN et al. | PSO based path planning approach for multi service robots in dynamic environments | |
| Hassan et al. | Path planning and trajectory tracking control for two-wheel mobile robot | |
| Feng et al. | Image-based trajectory tracking through unknown environments without absolute positioning | |
| Frew et al. | Trajectory generation for constant velocity target motion estimation using monocular vision | |
| Madhevan et al. | Identification of probabilistic approaches and map-based navigation in motion planning for mobile robots | |
| Wencheng et al. | Research on path planning of orchard spraying robot based on improved RRT algorithm | |
| Boutalbi et al. | A high-performance control algorithm based on a curvature-dependent decoupled planning approach and flatness concepts for non-holonomic mobile robots | |
| Yu et al. | A prioritized path planning algorithm for MMRS |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20180112 |