CN108073176A - 一种改进型D*Lite车辆动态路径规划方法 - Google Patents
一种改进型D*Lite车辆动态路径规划方法 Download PDFInfo
- Publication number
- CN108073176A CN108073176A CN201810138594.0A CN201810138594A CN108073176A CN 108073176 A CN108073176 A CN 108073176A CN 201810138594 A CN201810138594 A CN 201810138594A CN 108073176 A CN108073176 A CN 108073176A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- mrow
- lite
- path
- modified
- 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 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 230000004888 barrier function Effects 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000011478 gradient descent method Methods 0.000 claims abstract description 6
- 230000000877 morphologic effect Effects 0.000 claims abstract description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 244000273256 Phragmites communis Species 0.000 abstract 2
- 235000014676 Phragmites communis Nutrition 0.000 abstract 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009514 concussion Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010048669 Terminal state Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Strategic Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种改进型D*Lite车辆动态路径规划方法,包括以下步骤:1)获取车辆当前状态及目标状态,并获取当前环境地图信息,再使用形态学操作对当前环境地图中的障碍物进行膨胀;2)构建车辆运行学模型;3)基于车辆运动学模型的限制,使用D*Lite算法在膨胀后的环境地图上搜索路径;4)根据Reeds‑Shepp曲线对到达终点时车辆的朝向角进行调整;5)根据步骤3)生成的最短路径及步骤4)中的Reeds‑Shepp曲线构建最终路径,然后使用能量函数及梯度下降法对最终路径进行平滑,完成改进型D*Lite车辆动态路径规划,该方法能够在动态的环境下实现路径的规划。
Description
技术领域
本发明属于无人驾驶汽车路径规划领域,涉及一种改进型D*Lite车辆动态路径规划方法。
背景技术
无人驾驶车辆的研究起源于20世纪60年代,通过车身传感器信息和环境信息,在有障碍物的环境中,完成定位、避障、目标寻找等一系列自动操作过程,是近年来的国内外学界和企业界研究热点。无人驾驶技术主要包括环境感知,路径规划,运动控制三个部分。其中路径规划是无人驾驶技术中十分关键的组成部分,为环境感知和运动控制起着承上启下的作用。基于感知***的环境数据,车辆需要在复杂的道路环境中,基于一定的性能指标规划出一条安全可靠的、车辆可行驶的、从起始位置到目标位置的最短无碰撞路径。
无人车路径规划中常见的基于启发式的搜索算法有A*类,D*类算法,A*类算法适用于静态环境,D*类算法适用于动态环境。无人车所处的环境时刻在变化,这就要求路径重新规划的速度足够快,以满足车辆行驶实时性的要求,这使得A*类算法不能满足实时路况下车辆重新规划的要求。D*类算法是基于A*类算法的改进,在环境发生变动时会利用先前的搜索信息来提高本次搜索效率,与重复使用A*类算法进行重规划相比,搜索效率更高,所以D*类算法更适合解决无人车的动态路径规划问题。D*类算法中D*Lite算法原理简单,容易实现,更适合用于无人车的动态路径规划中。
然而,在栅格化环境中,如果直接将A*类、D*类算法应用于车辆路径规划中,则只能将车辆看成一个点,利用四邻域或者八邻域的搜索方法搜索路径,这样生成的路径不平滑,不受车辆运动学的限制,常常导致路径不可行驶。
中国专利CN104590259公开了一种基于车辆运动学模型的A*算法,列出了车辆运动学方微分方程,这样在使用A*算法搜索路径时就考虑了车辆的运动学模型,最终得到的路径一定是可行的。但是该专利所使用的方法只能应用于静态环境中,如果环境发生变动,则需要遍历整张地图重新规划,不适合动态环境下的规划,而无人车所处的环境又是在不断变化的,所以该算法并不适合无人车的实时路径规划。另外,该专利提出的方法的由于只使用了车辆运动学模型,所以到达终点时车辆的朝向角只能近似到达目标状态,误差取决于朝向角分辨率的大小,这在非结构化环境下(如停车场)是不实用的。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种改进型D*Lite车辆动态路径规划方法,该方法能够在动态的环境下实现路径的规划。
为达到上述目的,本发明所述的改进型D*Lite车辆动态路径规划方法包括以下步骤:
1)获取车辆当前状态及目标状态,并获取当前环境地图信息,再使用形态学操作对当前环境地图中的障碍物进行膨胀;
2)构建车辆运行学模型;
3)基于车辆运动学模型的限制,使用D*Lite算法在膨胀后的环境地图上生成最短路径;
4)根据Reeds-Shepp曲线对到达终点时车辆的朝向角进行调整;
5)根据步骤3)生成的最短路径及步骤4)中的Reeds-Shepp曲线构建最终路径,然后使用能量函数及梯度下降法对最终路径进行平滑,完成改进型D*Lite车辆动态路径规划。
步骤2)的具体操作为:
设车辆限制在平面运动上,且轮子不会在地面上打滑,则车辆运行学模型为:
其中,x为车辆运动状态,(x,y)为车辆的位置坐标,θ为车辆的航向角,v为车辆的速度,δ为车辆前轮的转角,l为车辆前轴与后轴之间的距离,及分别对应为x、y及θ的一阶求导。
步骤5)中的能量函数为:
其中,N为路径点的数量,Δxi+1=xi+1-xi,Δxi=xi-xi-1。
D*Lite算法扩展节点时,根据车辆运动学模型生成不同位置及不同方向的子节点,然后将生成的子节点***于D*Lite的开列表中。
本发明具有以下有益效果:
本发明所述的改进型D*Lite车辆动态路径规划方法在具体操作时,基于车辆运动学模型的限制,使用D*Lite算法在膨胀后的环境地图上生成最短路径,从而在动态环境中快速找到一条最短路径,另外,本发明根据Reeds-Shepp曲线对到达终点时车辆的朝向角进行调整,实现即将达到终点时车辆朝向角的调整,再利用平滑函数及梯度下降法对最终路径进行平滑,完成动态环境下车辆实时准确的路径规划,操作方便、简单。
附图说明
图1为本发明的流程图;
图2为本发明中基于车辆运动学模型的D*Lite扩展节点图;
图3为使用D*Lite和Reeds-Shepp曲线生成的路径图;
图4为使用平滑路径函数前后路径的对比图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
参考图1,本发明所述的改进型D*Lite车辆动态路径规划方法包括以下步骤:
1)获取车辆当前状态及目标状态,并获取当前环境地图信息,再使用形态学操作对当前环境地图中的障碍物进行膨胀;
2)构建车辆运行学模型;
步骤2)的具体操作为:
设车辆被限制在平面运动上,且轮子不会在地面上打滑,则有车辆运行学模型为:
其中,x为车辆运动状态,(x,y)为车辆的位置坐标,θ为车辆的航向角,v为车辆的速度,δ为车辆前轮的转角,l为车辆前轴与后轴之间的距离,及分别对应为x、y及θ的一阶求导。
3)基于车辆运动学模型的限制,使用D*Lite算法在膨胀后的环境地图上搜索路径;
根据车辆运动学模型的限制,对D*Lite算法进行改进,该D*Lite算法的输入是一张障碍物膨胀后的栅格化地图、车辆起始位姿XS=(xS,yS,θS)及目标位姿XG=(xG,yG,θG)输出是一条满足车辆运动学模型限制的路径,该路径由一系列连续的车辆位姿表示。
D*Lite算法的启发式搜索函数为:
f(p)=g(p)+h(p)
其中,f(p)为该节点的代价值,g(p)为起点到任意节点n的最小代价值,h(p)为到目标节点n的代价启发值。
D*Lite的开列表中存放有规划路径上每个节点到目标节点的最短路径信息、每个节点的父节点、f(p)、g(p)、h(p)以及父节点到当前节点的轨迹。
当从父节点扩展子节点时,常规的方法每个节点只包含车辆的坐标信息,以父节点(x,y)为中心,往上、下、左及右4个方向或上、下、左、右、左上、左下、右上及右下8个方向扩展子节点(x’,y’),最终搜索得到的路径没有考虑车辆运动学模型,可能会出现急转、原地掉头等车辆不可能做出的行为。
而考虑车辆运动学模型的限制扩展子节点时,每个节点包含车辆的坐标信息及朝向信息,从父节点(x,y,θ)开始,以固定的速度按不同的转向角经过一定时间,到达的所有下一节点(x’,y’,θ’)进行扩展,最终搜索得到的路径满足车辆运动学模型,车辆可以直接行驶。
具体搜索过程为:
从当前节点开始,以车辆运动学模型前进和后退行驶一段固定时间,转向角越多,则所产生的状态也就越多,得到的路径也越平滑。转向角太少,则会导致找不到路径,转向角太多会导致计算量增加,因此选取适中的转向角数量很重要。根据实际中车辆的最大转向角,如图2所示,使用10个转向角,即车辆前进和后退各五个转向角(-35°-20°0°20°35°),经过一段固定时间后的车辆状态。
扩展完一个节点之后,判断其生成的轨迹上有没有障碍物,若没有障碍物,则保留该条路径,并将这条路径的终点状态***Open表中,若有障碍物,则舍弃。
因此每扩展一个节点都会获得若干新的节点,而节点与节点之间的路径则是根据车辆运用学模型产生,这样使用D*Lite算法搜索到某点时,只要沿着该点倒着寻找其父节点,再寻找父节点的父节点,以此类推,直到起点停止。所有路径点确定之后,再找出从父节点到子节点的路径,即可生成一条在车辆运动学模型限制下的路径。
离散D*Lite中,搜索时把所扩展的栅格***到Open表中,但在车辆运动学模型限制下的D*Lite中,由于位置坐标是连续的,可以出现在栅格中的任意位置,如果不做处理直接***Open链表中时,则会有无穷多种状态,因此需要设置位置分辨率及朝向分辨率,则在同一分辨率下的两个节点视为同一种状态。
4)根据Reeds-Shepp曲线对到达终点时车辆的朝向角进行调整;
在D*Lite算法搜索路径到接近终点区域时,使用Reeds-Shepp曲线将D*Lite的搜索点与终点之间进行连接。
当仅用D*Lite算法搜索到终点时,由于搜索过程中不考虑终点的朝向,车辆不能以正确的姿态驶入终点,这对于停车场这种对角度特别敏感的环境就不适合;在终点附近区域内引入Reeds-Shepp曲线,能有效解决接近终点时朝向角问题。Reeds-Shepp曲线在车辆能够倒车且最小转弯半径及速度确定的情况下,可以生成两个位姿(x1,y1,θ1)和(x2,y2,θ2)之间的最短路径。
当D*Lite搜索节点进入Reeds-Shepp路径搜索区域时,从当前节点生成到终点的Reeds-Shepp曲线,若该曲线上没有障碍物,则Reeds-Shepp路径生成成功;若该曲线上有障碍物,则Reeds-Shepp路径生成失败,则从当前节点扩展子节点,从子节点继续生成到终点的Reeds-Shepp曲线,如此循环,直到该曲线上没有障碍物,路径生成成功为止。在扩展子节点时增加转向角度的个数,以生成更多的子节点状态,增大寻找到Reeds-Shepp路径的可能性。
则最终路径由D*Lite路径与Reeds-Shepp曲线拼接而成。图3为最终路径示意图。
5)根据步骤3)生成的最短路径及步骤4)中的Reeds-Shepp曲线构建最终路径,然后使用能量函数及梯度下降法对最终路径进行平滑,完成改进型D*Lite车辆动态路径规划。
能量函数为:
其中,N为路径点的数量,Δxi+1=xi+1-xi,Δxi=xi-xi-1。
采用梯度下降方法,使能量分摊到每个路径点上;先求每个路径点的一阶导数:
然后选定一个常数μ,计算:
重复上述两个循环,直到前一次能量函数的值和后一次能量函数的值相减的绝对值小于预设值ε为止。
路径平滑前后的对比如图4所示。可以看出虽然原始路径是基于车辆运动学模型的,但是局部的波动震荡比较多,并不符合人在驾驶车时的行为。而平滑过的路径没有局部震荡,曲线变得很平滑。
另外,车辆按照生成的轨迹行驶,当环境信息变化时,如果新地图中路径上仍没有障碍物,原路径仍然可行,则不重新进行路径的规划;如果原定的路径现在不可行,则进行D*Lite算法,重新找到一条无碰撞的路径,以快速完成实时规划与动态避障。
Claims (4)
1.一种改进型D*Lite车辆动态路径规划方法,其特征在于,包括以下步骤:
1)获取车辆当前状态及目标状态,并获取当前环境地图信息,再使用形态学操作对当前环境地图中的障碍物进行膨胀;
2)构建车辆运行学模型;
3)基于车辆运动学模型的限制,使用D*Lite算法在膨胀后的环境地图上搜索最短路径;
4)根据Reeds-Shepp曲线对到达终点时车辆的朝向角进行调整;
5)根据步骤3)生成的最短路径及步骤4)中的Reeds-Shepp曲线构建最终路径,然后使用能量函数及梯度下降法对最终路径进行平滑,完成改进型D*Lite车辆动态路径规划。
2.根据权利要求1所述的改进型D*Lite车辆动态路径规划方法,其特征在于,步骤2)的具体操作为:
设车辆限制在平面运动上,且轮子不会在地面上打滑,则车辆运行学模型为:
<mrow>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>=</mo>
<mi>v</mi>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>+</mo>
<mi>&delta;</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mover>
<mi>y</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>=</mo>
<mi>v</mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>+</mo>
<mi>&delta;</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mover>
<mi>&theta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<mi>v</mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&delta;</mi>
</mrow>
<mi>l</mi>
</mfrac>
</mrow>
其中,x为车辆运动状态,(x,y)为车辆的位置坐标,θ为车辆的航向角,v为车辆的速度,δ为车辆前轮的转角,l为车辆前轴与后轴之间的距离,及分别对应为x、y及θ的一阶求导。
3.根据权利要求1所述的改进型D*Lite车辆动态路径规划方法,其特征在于,步骤5)中的能量函数为:
<mrow>
<mi>T</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>&Delta;x</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
其中,N为路径点的数量,Δxi+1=xi+1-xi,Δxi=xi-xi-1。
4.根据权利要求1所述的改进型D*Lite车辆动态路径规划方法,其特征在于,D*Lite算法扩展节点时,根据车辆运动学模型生成不同位置及不同方向的子节点,然后将生成的子节点***于D*Lite的开列表中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810138594.0A CN108073176B (zh) | 2018-02-10 | 2018-02-10 | 一种改进型D*Lite车辆动态路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810138594.0A CN108073176B (zh) | 2018-02-10 | 2018-02-10 | 一种改进型D*Lite车辆动态路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108073176A true CN108073176A (zh) | 2018-05-25 |
CN108073176B CN108073176B (zh) | 2020-08-18 |
Family
ID=62155142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810138594.0A Active CN108073176B (zh) | 2018-02-10 | 2018-02-10 | 一种改进型D*Lite车辆动态路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108073176B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索***中的环境探测方法 |
CN109141441A (zh) * | 2018-07-19 | 2019-01-04 | 北京汽车集团有限公司 | 车辆的障碍分析方法和装置 |
CN109270933A (zh) * | 2018-10-11 | 2019-01-25 | 中国科学院深圳先进技术研究院 | 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质 |
CN109916400A (zh) * | 2019-04-10 | 2019-06-21 | 上海大学 | 一种基于梯度下降算法与vo法相结合的无人艇避障方法 |
CN109945885A (zh) * | 2019-04-16 | 2019-06-28 | 清华大学 | 无人摩托的动态障碍物避障路径规划计算方法 |
CN109990796A (zh) * | 2019-04-23 | 2019-07-09 | 成都信息工程大学 | 基于双向扩展随机树的智能车路径规划方法 |
CN110614631A (zh) * | 2018-06-19 | 2019-12-27 | 北京京东尚科信息技术有限公司 | 确定目标点的方法、装置、电子设备及计算机可读介质 |
CN110728398A (zh) * | 2019-09-27 | 2020-01-24 | 东南大学 | 一种基于支持向量机的铰接工程车辆路径规划方法 |
CN110806218A (zh) * | 2019-11-29 | 2020-02-18 | 北京京东乾石科技有限公司 | 泊车路径规划方法、装置和*** |
CN110836671A (zh) * | 2019-11-14 | 2020-02-25 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN111060108A (zh) * | 2019-12-31 | 2020-04-24 | 江苏徐工工程机械研究院有限公司 | 路径规划方法和装置、工程车辆 |
CN111176288A (zh) * | 2020-01-07 | 2020-05-19 | 深圳南方德尔汽车电子有限公司 | 基于Reedsshepp全局路径规划方法、装置、计算机设备及存储介质 |
CN111176286A (zh) * | 2020-01-06 | 2020-05-19 | 重庆邮电大学 | 一种基于改进D*lite算法的移动机器人路径规划方法及*** |
CN111220160A (zh) * | 2020-02-27 | 2020-06-02 | 智慧航海(青岛)科技有限公司 | 基于D*Lite优化算法的自主驾驶船舶航路规划方法 |
CN111426330A (zh) * | 2020-03-24 | 2020-07-17 | 江苏徐工工程机械研究院有限公司 | 路径生成方法和设备、无人化运输***和存储介质 |
CN111897365A (zh) * | 2020-08-27 | 2020-11-06 | 中国人民解放军国防科技大学 | 一种等高线引导线的自主车三维路径规划方法 |
CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、***及装置 |
CN113286985A (zh) * | 2020-09-17 | 2021-08-20 | 华为技术有限公司 | 一种路径规划方法和路径规划装置 |
CN113341999A (zh) * | 2021-06-29 | 2021-09-03 | 河南科技大学 | 一种基于优化d*算法的叉车路径规划方法及装置 |
CN113495566A (zh) * | 2021-08-21 | 2021-10-12 | 福州大学 | 一种基于曲率约束融合势场法的D*Lite无人车局部路径规划方法 |
CN113670305A (zh) * | 2020-05-13 | 2021-11-19 | 长沙智能驾驶研究院有限公司 | 泊车轨迹生成方法、装置、计算机设备和存储介质 |
CN113885501A (zh) * | 2021-10-09 | 2022-01-04 | 江苏金陵智造研究院有限公司 | 一种用于无人车位姿调节的轨迹规划方法 |
CN117075620A (zh) * | 2023-10-18 | 2023-11-17 | 华东交通大学 | 一种多巡检机器人的多任务导航调度方法及*** |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108827311B (zh) * | 2018-08-02 | 2021-09-21 | 大连理工江苏研究院有限公司 | 一种制造车间无人搬运***路径规划方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7447593B2 (en) * | 2004-03-26 | 2008-11-04 | Raytheon Company | System and method for adaptive path planning |
EP2182419A1 (en) * | 2008-11-04 | 2010-05-05 | Saab Ab | Avoidance manoeuvre generator for an aircraft |
US20130103249A1 (en) * | 2011-10-25 | 2013-04-25 | Jaybridge Robotics, Inc. | Method and system for dynamically positioning a vehicle relative to another vehicle in motion |
CN104008392A (zh) * | 2014-05-09 | 2014-08-27 | 南京邮电大学 | 一种基于连续最小能量表观模型的多目标跟踪方法 |
CN104238560A (zh) * | 2014-09-26 | 2014-12-24 | 深圳市科松电子有限公司 | 一种非线性路径规划方法及*** |
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
CN106767860A (zh) * | 2016-11-21 | 2017-05-31 | 江苏大学 | 一种基于启发式搜索算法来缩短智能汽车路径规划搜索时间的方法 |
CN106843216A (zh) * | 2017-02-15 | 2017-06-13 | 北京大学深圳研究生院 | 一种基于回溯搜索的生物激励机器人完全遍历路径规划方法 |
CN106989748A (zh) * | 2017-05-16 | 2017-07-28 | 南京农业大学 | 一种基于云模型的农业移动机器人人机合作路径规划方法 |
CN107168344A (zh) * | 2017-05-17 | 2017-09-15 | 哈尔滨工程大学 | 一种uuv抵近海底作业过程中航路生成方法 |
CN107631734A (zh) * | 2017-07-21 | 2018-01-26 | 南京邮电大学 | 一种基于D*_lite算法的动态平滑路径规划方法 |
-
2018
- 2018-02-10 CN CN201810138594.0A patent/CN108073176B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7447593B2 (en) * | 2004-03-26 | 2008-11-04 | Raytheon Company | System and method for adaptive path planning |
EP2182419A1 (en) * | 2008-11-04 | 2010-05-05 | Saab Ab | Avoidance manoeuvre generator for an aircraft |
US20130103249A1 (en) * | 2011-10-25 | 2013-04-25 | Jaybridge Robotics, Inc. | Method and system for dynamically positioning a vehicle relative to another vehicle in motion |
CN104008392A (zh) * | 2014-05-09 | 2014-08-27 | 南京邮电大学 | 一种基于连续最小能量表观模型的多目标跟踪方法 |
CN104238560A (zh) * | 2014-09-26 | 2014-12-24 | 深圳市科松电子有限公司 | 一种非线性路径规划方法及*** |
CN105549597A (zh) * | 2016-02-04 | 2016-05-04 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
CN106767860A (zh) * | 2016-11-21 | 2017-05-31 | 江苏大学 | 一种基于启发式搜索算法来缩短智能汽车路径规划搜索时间的方法 |
CN106843216A (zh) * | 2017-02-15 | 2017-06-13 | 北京大学深圳研究生院 | 一种基于回溯搜索的生物激励机器人完全遍历路径规划方法 |
CN106989748A (zh) * | 2017-05-16 | 2017-07-28 | 南京农业大学 | 一种基于云模型的农业移动机器人人机合作路径规划方法 |
CN107168344A (zh) * | 2017-05-17 | 2017-09-15 | 哈尔滨工程大学 | 一种uuv抵近海底作业过程中航路生成方法 |
CN107631734A (zh) * | 2017-07-21 | 2018-01-26 | 南京邮电大学 | 一种基于D*_lite算法的动态平滑路径规划方法 |
Non-Patent Citations (4)
Title |
---|
DMITRI DOLGOV,ECT.: "Practical Search Techniques in Path Planning for Autonomous Driving", 《AAAI WORKSHOP ARTIFICIAL INTELLIGENCE AND ROBOTICS》 * |
ROBIN HESS,ECT.: "Trajectory Planning for Car-Like Robots using Rapidly Exploring Random Trees", 《IFAC SYMPOSIUM ON TELEMATICS APPLICATIONS》 * |
余冬冬: "移动机器人避障与轨迹规划", 《万方数据在线》 * |
王龙等: "基于最短路径的变半径泊车路径规划研究", 《汽车科技》 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110614631A (zh) * | 2018-06-19 | 2019-12-27 | 北京京东尚科信息技术有限公司 | 确定目标点的方法、装置、电子设备及计算机可读介质 |
CN110614631B (zh) * | 2018-06-19 | 2021-05-25 | 北京京东乾石科技有限公司 | 确定目标点的方法、装置、电子设备及计算机可读介质 |
CN109141441A (zh) * | 2018-07-19 | 2019-01-04 | 北京汽车集团有限公司 | 车辆的障碍分析方法和装置 |
CN108983781B (zh) * | 2018-07-25 | 2020-07-07 | 北京理工大学 | 一种无人车目标搜索***中的环境探测方法 |
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索***中的环境探测方法 |
CN109270933A (zh) * | 2018-10-11 | 2019-01-25 | 中国科学院深圳先进技术研究院 | 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质 |
CN109916400A (zh) * | 2019-04-10 | 2019-06-21 | 上海大学 | 一种基于梯度下降算法与vo法相结合的无人艇避障方法 |
CN109945885A (zh) * | 2019-04-16 | 2019-06-28 | 清华大学 | 无人摩托的动态障碍物避障路径规划计算方法 |
CN109990796A (zh) * | 2019-04-23 | 2019-07-09 | 成都信息工程大学 | 基于双向扩展随机树的智能车路径规划方法 |
CN110728398A (zh) * | 2019-09-27 | 2020-01-24 | 东南大学 | 一种基于支持向量机的铰接工程车辆路径规划方法 |
CN110728398B (zh) * | 2019-09-27 | 2023-05-16 | 东南大学 | 一种基于支持向量机的铰接工程车辆路径规划方法 |
CN110836671A (zh) * | 2019-11-14 | 2020-02-25 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN110836671B (zh) * | 2019-11-14 | 2021-09-14 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN110806218B (zh) * | 2019-11-29 | 2021-09-07 | 北京京东乾石科技有限公司 | 泊车路径规划方法、装置和*** |
CN110806218A (zh) * | 2019-11-29 | 2020-02-18 | 北京京东乾石科技有限公司 | 泊车路径规划方法、装置和*** |
CN111060108B (zh) * | 2019-12-31 | 2021-10-12 | 江苏徐工工程机械研究院有限公司 | 路径规划方法和装置、工程车辆 |
CN111060108A (zh) * | 2019-12-31 | 2020-04-24 | 江苏徐工工程机械研究院有限公司 | 路径规划方法和装置、工程车辆 |
CN111176286A (zh) * | 2020-01-06 | 2020-05-19 | 重庆邮电大学 | 一种基于改进D*lite算法的移动机器人路径规划方法及*** |
CN111176288A (zh) * | 2020-01-07 | 2020-05-19 | 深圳南方德尔汽车电子有限公司 | 基于Reedsshepp全局路径规划方法、装置、计算机设备及存储介质 |
CN111220160B (zh) * | 2020-02-27 | 2023-07-04 | 智慧航海(青岛)科技有限公司 | 基于D*Lite优化算法的自主驾驶船舶航路规划方法 |
CN111220160A (zh) * | 2020-02-27 | 2020-06-02 | 智慧航海(青岛)科技有限公司 | 基于D*Lite优化算法的自主驾驶船舶航路规划方法 |
CN111426330A (zh) * | 2020-03-24 | 2020-07-17 | 江苏徐工工程机械研究院有限公司 | 路径生成方法和设备、无人化运输***和存储介质 |
CN113670305A (zh) * | 2020-05-13 | 2021-11-19 | 长沙智能驾驶研究院有限公司 | 泊车轨迹生成方法、装置、计算机设备和存储介质 |
CN111897365A (zh) * | 2020-08-27 | 2020-11-06 | 中国人民解放军国防科技大学 | 一种等高线引导线的自主车三维路径规划方法 |
CN111897365B (zh) * | 2020-08-27 | 2022-09-02 | 中国人民解放军国防科技大学 | 一种等高线引导线的自主车三维路径规划方法 |
CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、***及装置 |
CN112148002B (zh) * | 2020-08-31 | 2021-12-28 | 西安交通大学 | 一种局部轨迹规划方法、***及装置 |
WO2022056770A1 (zh) * | 2020-09-17 | 2022-03-24 | 华为技术有限公司 | 一种路径规划方法和路径规划装置 |
CN113286985A (zh) * | 2020-09-17 | 2021-08-20 | 华为技术有限公司 | 一种路径规划方法和路径规划装置 |
CN113341999A (zh) * | 2021-06-29 | 2021-09-03 | 河南科技大学 | 一种基于优化d*算法的叉车路径规划方法及装置 |
CN113495566B (zh) * | 2021-08-21 | 2023-03-31 | 福州大学 | 一种基于曲率约束融合势场法的D*Lite无人车局部路径规划方法 |
CN113495566A (zh) * | 2021-08-21 | 2021-10-12 | 福州大学 | 一种基于曲率约束融合势场法的D*Lite无人车局部路径规划方法 |
CN113885501A (zh) * | 2021-10-09 | 2022-01-04 | 江苏金陵智造研究院有限公司 | 一种用于无人车位姿调节的轨迹规划方法 |
CN113885501B (zh) * | 2021-10-09 | 2024-05-03 | 南京晨光集团有限责任公司 | 一种用于无人车位姿调节的轨迹规划方法 |
CN117075620A (zh) * | 2023-10-18 | 2023-11-17 | 华东交通大学 | 一种多巡检机器人的多任务导航调度方法及*** |
CN117075620B (zh) * | 2023-10-18 | 2024-01-16 | 华东交通大学 | 一种多巡检机器人的多任务导航调度方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108073176B (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108073176A (zh) | 一种改进型D*Lite车辆动态路径规划方法 | |
Yang et al. | Spline-based RRT path planner for non-holonomic robots | |
Zhang et al. | Trajectory planning and tracking for autonomous vehicle based on state lattice and model predictive control | |
CN108519773A (zh) | 一种结构化环境下无人驾驶车辆的路径规划方法 | |
CN106371445A (zh) | 一种基于拓扑地图的无人车规划控制方法 | |
CN104298239B (zh) | 一种室内移动机器人增强地图学习路径规划方法 | |
CN110361013B (zh) | 一种用于车辆模型的路径规划***及方法 | |
Shimoda et al. | Potential field navigation of high speed unmanned ground vehicles on uneven terrain | |
CN108088456A (zh) | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 | |
CN107643752A (zh) | 基于行人轨迹预测的全向移动机器人路径规划算法 | |
WO2018176596A1 (zh) | 基于权重改进粒子群算法的无人自行车路径规划方法 | |
Zhao et al. | Dynamic motion planning for autonomous vehicle in unknown environments | |
CN105857306A (zh) | 一种用于多种泊车场景的车辆自主泊车路径规划方法 | |
Bae et al. | Path generation and tracking based on a Bezier curve for a steering rate controller of autonomous vehicles | |
Liu et al. | The role of model fidelity in model predictive control based hazard avoidance in unmanned ground vehicles using LIDAR sensors | |
CN104029203A (zh) | 实现空间机械臂避障的路径规划方法 | |
Zhuge et al. | A novel dynamic obstacle avoidance algorithm based on collision time histogram | |
JP7130062B2 (ja) | 経路決定方法 | |
CN104897168A (zh) | 基于道路危险评估的智能车路径搜索方法及*** | |
CN110908386A (zh) | 一种无人车分层路径规划方法 | |
Hu et al. | Integrated path planning for unmanned differential steering vehicles in off-road environment with 3D terrains and obstacles | |
WO2022142893A1 (zh) | 双足机器人路径规划方法、装置和双足机器人 | |
Fuji et al. | Trajectory planning for automated parking using multi-resolution state roadmap considering non-holonomic constraints | |
Arnay et al. | Safe and reliable path planning for the autonomous vehicle verdino | |
Yi et al. | Smooth path planning for autonomous parking system |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221207 Address after: No. 2, Yunshen Road, Changshu Hi tech Industrial Development Zone, Suzhou City, Jiangsu Province, 215506 Patentee after: WUFANG SMART CAR TECHNOLOGY Co.,Ltd. Address before: Beilin District Xianning West Road 710049, Shaanxi city of Xi'an province No. 28 Patentee before: XI'AN JIAOTONG University |