CN110703758A - 一种路径规划方法和装置 - Google Patents

一种路径规划方法和装置 Download PDF

Info

Publication number
CN110703758A
CN110703758A CN201911025602.1A CN201911025602A CN110703758A CN 110703758 A CN110703758 A CN 110703758A CN 201911025602 A CN201911025602 A CN 201911025602A CN 110703758 A CN110703758 A CN 110703758A
Authority
CN
China
Prior art keywords
path
local path
local
obstacle
planned
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911025602.1A
Other languages
English (en)
Inventor
高萌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Qianshi Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Qianshi Technology Co Ltd filed Critical Beijing Jingdong Qianshi Technology Co Ltd
Priority to CN201911025602.1A priority Critical patent/CN110703758A/zh
Publication of CN110703758A publication Critical patent/CN110703758A/zh
Pending legal-status Critical Current

Links

Images

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
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—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
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了路径规划方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括获取全局路径规划中的局部路径，判断所述局部路径中是否存在障碍物；若不存在障碍物，则执行所述局部路径；若存在障碍物，则将当前的前视距离缩短预设数值，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。从而，本发明的实施方式能够解决现有技术中路径规划发生穿越障碍物的问题。

Description

一种路径规划方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种路径规划方法和装置。
背景技术
TEB(Timed Elastic Bands)是一种基于优化思想的局部路径规划算法，该方法将与时间相关的信息加入约束方程，从而使得优化之后得到的是一条轨迹，可以直接应用于无人车的行走。
约束方程的建立考虑了无人车的运动学模型，考虑了无人车运行时的周围环境信息等内容。然后建立了从无人车当前位置到局部终点的一个无约束二次优化问题。
在求解该无约束二次优化问题时，使用了g2o算法进行求解，通过多次的迭代优化得到最终的运动轨迹。最后将得到的运动轨迹转化为控制信号传递给底层控制器。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
现在TEB优化求解的过程是将所有的约束条件，通过各种转化得到了一个可以使用g2o进行优化的无约束问题。这使得路径规划问题可以简化为一个图优化问题，为路径规划提供了新的解决方案。但是，正是因为将所有的约束写到了一个优化方程中，缺少了硬约束，所有的约束都变成了通过调整不同约束的权重得到倾向性不同的最终轨迹，会导致最终规划的路径发生穿越障碍物的情况，进而导致路径规划失败。
发明内容
有鉴于此，本发明实施例提供一种路径规划方法和装置，能够解决现有技术中路径规划发生穿越障碍物的问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种路径规划方法，包括获取全局路径规划中的局部路径，判断所述局部路径中是否存在障碍物；若不存在障碍物，则执行所述局部路径；若存在障碍物，则将当前的前视距离缩短预设数值，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
可选地，获取全局路径规划中的局部路径，包括：
接收全局路径，获取全局路径的初始值，以通过TEB算法进行优化，得到优化后的局部路径。
可选地，判断所述局部路径中是否存在障碍物，包括：
采用代价地图记录障碍物的位置信息，通过判断所述局部路径是否包括该位置信息，进而确定所述局部路径中是否存在障碍物。
可选地，包括：
若存在障碍物，则将当前的前视距离缩短一半，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
另外，根据本发明实施例的一个方面，提供了一种路径规划装置，包括判断模块，用于获取全局路径规划中的局部路径，判断所述局部路径中是否存在障碍物；处理模块，用于若不存在障碍物，则执行所述局部路径；若存在障碍物，则将当前的前视距离缩短预设数值，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
可选地，所述判断模块获取全局路径规划中的局部路径，包括：
接收全局路径，获取全局路径的初始值，以通过TEB算法进行优化，得到优化后的局部路径。
可选地，所述判断模块判断所述局部路径中是否存在障碍物，包括：
采用代价地图记录障碍物的位置信息，通过判断所述局部路径是否包括该位置信息，进而确定所述局部路径中是否存在障碍物。
可选地，所述处理模块，用于：
若存在障碍物，则将当前的前视距离缩短一半，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
根据本发明实施例的另一个方面，还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一路径规划实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一基于路径规划实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：本发明通过获取全局路径规划中的局部路径，判断所述局部路径中是否存在障碍物；若不存在障碍物，则执行所述局部路径；若存在障碍物，则将当前的前视距离缩短预设数值，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。从而，本发明能够通过自适应调整局部终点位置，以优化路径，从而避免穿越障碍物的情况发生。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明第一实施例的路径规划方法的主要流程的示意图
图2是根据本发明第二实施例的路径规划方法的主要流程的示意图；
图3是根据本发明第三实施例的路径规划方法的主要流程的示意图；
图4是根据本发明实施例的路径优化示意图；
图5是根据本发明实施例的路径规划装置的主要模块的示意图；
图6是本发明实施例可以应用于其中的示例性***架构图；
图7是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例的路径规划方法的主要流程的示意图，所述路径规划方法可以包括：
步骤S101，获取全局路径规划中的局部路径，判断所述局部路径中是否存在障碍物。
较佳地，获取全局路径规划中的局部路径，包括：接收全局路径，获取全局路径的初始值，以通过TEB算法进行优化，得到优化后的局部路径。
另外，判断所述局部路径中是否存在障碍物时，可以采用代价地图记录障碍物的位置信息，通过判断所述局部路径是否包括该位置信息，进而确定所述局部路径中是否存在障碍物。其中，所述的代价地图为存储障碍物的信息，可以自动获取传感器的信息来进行自我更新，传感器被用来在地图中标记障碍物信息或者清除障碍物信息。
进一步地，通过代价地图costmap记录栅格地图中障碍物的分布情况，通过判断无人车沿着当前局部路径行驶过程中是否经过了costmap记录的障碍物点，即当前局部路径是否包括了记录的障碍物点，进而确定局部路径是否穿越了障碍物。
步骤S102，若不存在障碍物，则执行所述局部路径；若存在障碍物，则将当前的前视距离缩短预设数值，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
其中，所述的前视距离是指前向规划的距离。
进一步地，若存在障碍物，则将当前的前视距离缩短一半，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
更进一步地，若不存在障碍物,则将当前的局部路径传输至控制器进行执行，同时进入下一个周期的TEB局部路径的规划。
若存在障碍物，则将当前的前视距离缩短一半，通过TEB重新优化局部路径，再次对优化后的局部路径进行判断，若还是存在障碍物，循环将前视距离再缩短一半，再次通过TEB重新优化局部路径的过程，直至局部路径中不存在障碍物，进入下一个周期的TEB局部路径的规划。按照前述通过不断的调整前视距离，对局部路径进行优化，能够保证每个TEB局部路径规划周期都得到可以让无人车安全行驶的路径，从而保证了无人车运动的连续性和安全性。
综上所述，本发明提出了一种路径规划方法，能够通过不断的将最后的终点移动，缩短TEB优化路径的长度，可以有效避免路径穿越障碍物情况的发生。也就是说，本发明创造性地当TEB优化产生穿越障碍物的路径导致规划失败时，为了保证无人车运动的连续性和安全性，通过自适应调整前视距离的方式，保证在每个规划周期TEB都能得到最优并且安全可行的路径，从而保证无人车能够高效安全稳定运行。
图2是根据本发明第二实施例的路径规划方法的主要流程的示意图，所述路径规划方法可以包括：
步骤S201，获取全局路径规划中的局部路径。
较佳地，获取全局路径规划中的局部路径，包括：接收全局路径，获取全局路径的初始值，以通过TEB算法进行优化，得到优化后的局部路径。
步骤S202，判断所述局部路径中是否存在障碍物，若存在则进行步骤S203，否则进行步骤S204。
较佳地，通过代价地图costmap记录栅格地图中障碍物的分布情况，通过判断无人车沿着当前局部路径行驶过程中是否经过了costmap记录的障碍物点，即当前局部路径是否包括了记录的障碍物点，进而确定局部路径是否穿越了障碍物。
步骤S203，将当前的前视距离缩短一半，重新规划局部路径，返回步骤S202。
在实施例中，预设数值为一半，即将当前的前视距离变为一半。
步骤S204，执行所述局部路径。
图3是根据本发明第三实施例的路径规划方法的主要流程的示意图，所述路径规划方法包括：
步骤S301，接收全局路径，获取全局路径的初始值。
步骤S302，通过TEB算法获得优化后的局部路径。
步骤S303，判断所述局部路径中是否存在障碍物，若存在则进行步骤S304，否则进行步骤S305。
较佳地，采用代价地图记录障碍物的位置信息，通过判断所述局部路径是否包括该位置信息，进而确定所述局部路径中是否存在障碍物。
步骤S304，将当前的前视距离缩短一半，重新规划局部路径，返回步骤S303。
在实施例中，预设数值为一半，即将当前的前视距离变为一半。
步骤S305，执行所述局部路径。
例如，如图4所示，如果当前局部路径是从A点到达B点，其中A点与B点之间最上面的连线穿越了障碍物。在这种情况下，通过本发明所述路径规划方法优化的结果是A点与B点之间最下面的连线。
具体的实施过程包括：
当发生上述情况时，会自适应调整终点B点到B1点的位置(将当前的前视距离变为上一次终点的二分之一的位置)，也就是A点到B1点的距离是A点到B点距离的一半，然后重新进行优化，显然从A点到B1点的过程中未穿越障碍物。由于TEB优化是按照一定周期进行规划的，属于在线规划，一边规划一边执行，当下一个规划周期无人车到了A1点的位置，此时再次判断从A1点到B点优化的路径是否穿越障碍物，如果没有则完成了从A点到B点的局部路径规划。如果从A1点到B点仍然发生了穿越障碍物的情况，就在此选取A1点和B点的中点作为新的终点进行优化，如此反复，直至到达B点。从而，通过不断的自适应调整前视距离，保证TEB能够每一个规划周期都有一个可行驶的路径，保证了无人车运动的连续性。
图5是根据本发明实施例的路径规划装置的主要模块的示意图，如图5所示，所述路径规划装置500包括判断模块501和处理模块502。其中，判断模块501获取全局路径规划中的局部路径，判断所述局部路径中是否存在障碍物。处理模块502若不存在障碍物，则执行所述局部路径；若存在障碍物，则将当前的前视距离缩短预设数值，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
较佳地，所述判断模块501获取全局路径规划中的局部路径，包括：
接收全局路径，获取全局路径的初始值，以通过TEB算法进行优化，得到优化后的局部路径。
另外，所述判断模块501判断所述局部路径中是否存在障碍物，包括：
采用代价地图记录障碍物的位置信息，通过判断所述局部路径是否包括该位置信息，进而确定所述局部路径中是否存在障碍物。
还值得说明的是，所述处理模块502若存在障碍物，则将当前的前视距离缩短一半，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
需要说明的是，在本发明所述路径规划方法和所述路径规划装置在具体实施内容上具有相应关系，故重复内容不再说明。
图6示出了可以应用本发明实施例的路径规划方法或路径规划装置的示例性***架构600。
如图6所示，***架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的路径规划方法一般由服务器605执行，相应地，路径规划装置一般设置于服务器605中。
应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机***700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，计算机***700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM703中，还存储有***700操作所需的各种程序和数据。CPU701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的***中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括判断模块和处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取全局路径规划中的局部路径，判断所述局部路径中是否存在障碍物；若不存在障碍物，则执行所述局部路径；若存在障碍物，则将当前的前视距离缩短预设数值，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
根据本发明实施例的技术方案，能够解决现有技术中路径规划发生穿越障碍物的问题。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种路径规划方法，其特征在于，包括：
获取全局路径规划中的局部路径，判断所述局部路径中是否存在障碍物；
若不存在障碍物，则执行所述局部路径；若存在障碍物，则将当前的前视距离缩短预设数值，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
2.根据权利要求1所述的方法，其特征在于，获取全局路径规划中的局部路径，包括：
接收全局路径，获取全局路径的初始值，以通过TEB算法进行优化，得到优化后的局部路径。
3.根据权利要求1所述的方法，其特征在于，判断所述局部路径中是否存在障碍物，包括：
采用代价地图记录障碍物的位置信息，通过判断所述局部路径是否包括该位置信息，进而确定所述局部路径中是否存在障碍物。
4.根据权利要求1-3任一所述的方法，其特征在于，包括：
若存在障碍物，则将当前的前视距离缩短一半，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
5.一种路径规划装置，其特征在于，包括：
判断模块，用于获取全局路径规划中的局部路径，判断所述局部路径中是否存在障碍物；
处理模块，用于若不存在障碍物，则执行所述局部路径；若存在障碍物，则将当前的前视距离缩短预设数值，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
6.根据权利要求5所述的装置，其特征在于，所述判断模块获取全局路径规划中的局部路径，包括：
接收全局路径，获取全局路径的初始值，以通过TEB算法进行优化，得到优化后的局部路径。
7.根据权利要求5所述的装置，其特征在于，所述判断模块判断所述局部路径中是否存在障碍物，包括：
采用代价地图记录障碍物的位置信息，通过判断所述局部路径是否包括该位置信息，进而确定所述局部路径中是否存在障碍物。
8.根据权利要求5-7任一所述的装置，其特征在于，所述处理模块，用于：
若存在障碍物，则将当前的前视距离缩短一半，重新规划局部路径，直至局部路径中不存在障碍物，进而执行重新规划的局部路径。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN201911025602.1A 2019-10-25 2019-10-25 一种路径规划方法和装置 Pending CN110703758A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911025602.1A CN110703758A (zh) 2019-10-25 2019-10-25 一种路径规划方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911025602.1A CN110703758A (zh) 2019-10-25 2019-10-25 一种路径规划方法和装置

Publications (1)

Publication Number Publication Date
CN110703758A true CN110703758A (zh) 2020-01-17

Family

ID=69203583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911025602.1A Pending CN110703758A (zh) 2019-10-25 2019-10-25 一种路径规划方法和装置

Country Status (1)

Country Link
CN (1) CN110703758A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111752271A (zh) * 2020-04-16 2020-10-09 北京京东乾石科技有限公司 一种轨迹预测方法、装置、设备及存储介质
CN112254727A (zh) * 2020-09-23 2021-01-22 锐捷网络股份有限公司 基于teb的路径规划方法及装置
CN113483770A (zh) * 2021-06-30 2021-10-08 上海西井信息科技有限公司 封闭场景下的路径规划方法、装置、电子设备、存储介质
CN114355940A (zh) * 2021-12-30 2022-04-15 深兰人工智能(深圳)有限公司 自动驾驶的路径规划方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101025628A (zh) * 2007-03-23 2007-08-29 北京大学 一种基于流场的智能机器人避障方法
CN101408772A (zh) * 2008-11-21 2009-04-15 哈尔滨工程大学 Auv智能避碰装置及避碰方法
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
CN106598055A (zh) * 2017-01-19 2017-04-26 北京智行者科技有限公司 一种智能车局部路径规划方法及其装置、车辆
CN106969770A (zh) * 2017-05-31 2017-07-21 安科机器人有限公司 一种机器人及其导航方法、计算机可读存储介质
DE102016125145A1 (de) * 2016-12-21 2018-06-21 Schwing Gmbh Großmanipulator mit automatisiertem Mastaufbau
CN109709945A (zh) * 2017-10-26 2019-05-03 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN109753072A (zh) * 2019-01-23 2019-05-14 西安工业大学 一种移动机器人混合路径规划方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101025628A (zh) * 2007-03-23 2007-08-29 北京大学 一种基于流场的智能机器人避障方法
CN101408772A (zh) * 2008-11-21 2009-04-15 哈尔滨工程大学 Auv智能避碰装置及避碰方法
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
DE102016125145A1 (de) * 2016-12-21 2018-06-21 Schwing Gmbh Großmanipulator mit automatisiertem Mastaufbau
CN106598055A (zh) * 2017-01-19 2017-04-26 北京智行者科技有限公司 一种智能车局部路径规划方法及其装置、车辆
CN106969770A (zh) * 2017-05-31 2017-07-21 安科机器人有限公司 一种机器人及其导航方法、计算机可读存储介质
CN109709945A (zh) * 2017-10-26 2019-05-03 深圳市优必选科技有限公司 一种基于障碍物分类的路径规划方法、装置及机器人
CN109753072A (zh) * 2019-01-23 2019-05-14 西安工业大学 一种移动机器人混合路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
方俊: ""基于障碍物斥力场的汽车主动避撞***"", 《汽车技术》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111752271A (zh) * 2020-04-16 2020-10-09 北京京东乾石科技有限公司 一种轨迹预测方法、装置、设备及存储介质
CN112254727A (zh) * 2020-09-23 2021-01-22 锐捷网络股份有限公司 基于teb的路径规划方法及装置
CN112254727B (zh) * 2020-09-23 2022-10-14 锐捷网络股份有限公司 基于teb的路径规划方法及装置
CN113483770A (zh) * 2021-06-30 2021-10-08 上海西井信息科技有限公司 封闭场景下的路径规划方法、装置、电子设备、存储介质
CN114355940A (zh) * 2021-12-30 2022-04-15 深兰人工智能(深圳)有限公司 自动驾驶的路径规划方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110703758A (zh) 一种路径规划方法和装置
CN110442121B (zh) 一种运输车路线选取的方法和装置
CN108492068B (zh) 用于路径规划的方法和装置
CN114596553B (zh) 模型训练方法、轨迹预测方法、装置及自动驾驶车辆
CN110516984B (zh) 用于生成配送路径信息的方法和装置
CN103250031A (zh) 路线选择***、路线选择方法和路线选择程序
CN111340220B (zh) 用于训练预测模型的方法和装置
US20180374181A1 (en) System and method of user behavior based service dispatch
EP3835906A1 (en) Method and device for scheduling automated guided vehicle
CN115410410B (zh) 车位推荐方法、装置、设备以及存储介质
CN114036253A (zh) 高精地图数据处理方法、装置、电子设备和介质
CN107291835B (zh) 一种搜索词的推荐方法和装置
CN111044062B (zh) 路径规划、推荐方法和装置
CN114818913A (zh) 决策生成方法和装置
CN113137972B (zh) 路径规划的方法和装置
CN113762866A (zh) 一种物流信息处理方法、装置以及***
CN111830957A (zh) 一种路径规划方法和装置
US20220324476A1 (en) Autonomous self-driving vehicles user profiles
CN113970754A (zh) 一种自主可行驶设备的定位方法和装置
CN113804208B (zh) 无人车路径优化方法及相关设备
CN114330807A (zh) 路线的确定方法、装置和电子设备
CN110274593B (zh) 一种路径规划的方法和装置
CN114298870A (zh) 一种路径规划方法、装置、电子设备及计算机可读介质
US10990995B2 (en) System for cognitive assessment of transactions
CN112559881A (zh) 步行路线确定方法、装置、电子设备及存储介质

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