CN111369066A - 路径规划方法、装置、电子设备及可读存储介质 - Google Patents
路径规划方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111369066A CN111369066A CN202010159607.XA CN202010159607A CN111369066A CN 111369066 A CN111369066 A CN 111369066A CN 202010159607 A CN202010159607 A CN 202010159607A CN 111369066 A CN111369066 A CN 111369066A
- Authority
- CN
- China
- Prior art keywords
- node
- parent
- expandable
- vehicle
- path
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种路径规划方法、装置、电子设备及可读存储介质,通过获取车辆的出发点和目标点的坐标,以及出发点的行驶方向;以出发点作为最初的父节点,在预设的地图中按照车辆行驶方向和行驶特性拓展相邻节点,并依据设定的扩展约束条件从相邻节点中确定出可扩展节点;扩展约束条件为从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率,且可扩展节点不为障碍物节点,且可扩展节点位于预设区域内;计算各可扩展节点对应的代价值;选取代价值最小的可扩展节点作为下一到达节点;在下一到达节点不为目标点时,以该下一到达节点作为新的父节点继续执行前述过程。这就使得最终得到的路径符合车辆行驶特性,能应用于车辆实际运行中。
Description
技术领域
本申请涉及车辆技术领域,具体而言,涉及一种路径规划方法、装置、电子设备及可读存储介质。
背景技术
随着信息化技术的不断更新,应用于智能交通领域的技术愈发成熟,如导航地图、简单的辅助驾驶技术已经被应用到实际生活中,也极大地方便了人们的生活。
目前,在智能交通领域,车辆的路径规划成为了一个热门课题。无论是在无人驾驶领域,还是在辅助驾驶领域,车辆的路径规划都可以得到很好的应用。
发明内容
本申请实施例的目的在于提供一种路径规划方法、装置、电子设备及可读存储介质,用以实现对于车辆路径的智能规划。
本申请实施例提供了一种路径规划方法,包括:获取车辆的出发点和目标点的坐标,以及所述出发点的行驶方向;以所述出发点作为最初的父节点,重复以下路径生成过程,得到从所述出发点到所述目标点的路径:
以父节点为中心,在预设的地图中按照所述车辆在所述父节点处的行驶方向和车辆行驶特性拓展所述父节点的相邻节点,并依据设定的扩展约束条件,从所述相邻节点中确定出所述父节点的可扩展节点;所述扩展约束条件为:所述车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率,且所述可扩展节点不为障碍物节点,且所述可扩展节点位于预设区域内;计算各可扩展节点对应的代价值;选取代价值最小的可扩展节点作为所述父节点的下一到达节点;在所述下一到达节点不为所述目标点时,以所述下一到达节点作为新的父节点。
在上述实现过程中,通过获取车辆的出发点和目标点的坐标,以及出发点的行驶方向,以出发点作为最初的父节点,按照上述路径生成过程,可以有效生成从出发点到达目标点的路径。且由于在地图中进行扩展时,是依据车辆的行驶方向和行驶特性进行扩展的,且约束了车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率,且可扩展节点不为障碍物节点,且可扩展节点位于预设区域内。这样就使得最终得到的从出发点到达目标点的路径是符合车辆行驶特性的,能应用于车辆的实际运行,且不会碰撞到障碍物的车辆可行路径。且由于在每一次确定下一到达节点时,选取的是代价值最小的可扩展节点,因此最终得到的从出发点到达目标点的路径也是近似最优的路径。
进一步地,所述计算各可扩展节点对应的代价值包括:获取从所述出发点到达可扩展节点n的实际代价值g(n);所述可扩展节点n为所述各可扩展节点中的任一可扩展节点;获取从该可扩展节点n到达所述目标点的估计代价值h(n);按照公式f(n)=g(n)+h(n)计算可扩展节点n对应的代价值;重复以上过程,得到各可扩展节点对应的代价值。
在上述实现过程中,通过从出发点到达可扩展节点n的实际代价值g(n),结合从该可扩展节点n到达目标点的估计代价值h(n),确定出可扩展节点n对应的代价值,综合考虑了从出发点到达可扩展节点n的代价以及可扩展节点n到达目标点的代价,因此能够可靠地体现出以该可扩展节点n作为下一到达节点的优劣程度。
进一步地,所述获取从所述出发点到达可扩展节点n的实际代价值g(n),包括:获取可扩展节点n的父节点nparent所对应的实际代价值g(nparent);获取从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n);按照公式g(n)=g(nparent)+cost(nparent,n)计算从所述出发点到达可扩展节点n的实际代价值g(n)。
在上述实现过程中,依据可扩展节点n的父节点nparent所对应的实际代价值,以及从可扩展节点n的父节点nparent到可扩展节点n的实际代价值综合确定可扩展节点n的实际代价值,能够较好的反映出从出发点到达可扩展节点n的代价,从而提升计算得到的各可扩展节点对应的代价值的可靠性,进而使得规划得到的路径更为准确、可靠。
进一步地,所述获取从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n),包括:获取所述车辆从父节点nparent到可扩展节点n的行驶方向,以及所述车辆从父节点nparent到可扩展节点n的行驶方向发生改变的代价值switch;确定所述车辆从父节点nparent到可扩展节点n的行驶过程中是否会碰到障碍物;获取所述车辆从父节点nparent到可扩展节点n的行驶路径长度d(nparent,n);按照公式cost(nparent,n)=(1+w1·back+w2·obstacle)·d(nparent,n)+switch,计算得到从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n);其中,所述w1和w2为预设的大于0的常数;所述back在所述车辆从父节点nparent到可扩展节点n的行驶方向为前进时,取值为0,在所述车辆从父节点nparent到可扩展节点n的行驶方向为后退时,取值为1;所述obstacle在所述车辆从父节点nparent到可扩展节点n的行驶过程中会碰到障碍物时取值为正无穷大,在所述车辆从父节点nparent到可扩展节点n的行驶过程中不会碰到障碍物时取值为0。
在上述实现过程中,从父节点nparent到可扩展节点n的实际代价值中,综合考虑了车辆的行驶方向的变化性,通过提高改变行驶方向的数值,从而提高车辆变换行驶方向的代价,进而使得规划出的路径尽可能减少车辆的方向变换情况(尤其是车辆在正向行驶和倒车行驶之间切换),使得车辆的运行更为合理。
进一步地,在获取车辆的出发点和目标点的坐标之后,所述方法还包括:按照A星算法计算从所述目标点到所述出发点的路径,并记录该计算过程中所产生的所有从所述目标点到各节点的实际代价值G(n)得到参考表;所述获取从该可扩展节点n到达所述目标点的估计代价值h(n),包括:从所述参考表中获取可扩展节点n对应的G(n),以该G(n)作为所述可扩展节点n到达所述目标点的估计代价值h(n)。
在上述实现过程中,利用传统A星算法计算从目标点到出发点的路径,并记录该计算过程中所产生的所有从目标点到各节点的实际代价值G(n)得到参考表,此时可扩展节点n在参考表中对应的G(n)即实际表征的在传统A星算法中,从目标点到达可扩展节点n的实际代价,那么以其作为可扩展节点n到目标点估计代价值h(n),即可以使得h(n)更接近于可扩展节点n到目标点的实际代价值,从而提高了计算得到的各可扩展节点对应的代价值的可靠性,进而使得规划得到的路径更为准确、可靠。
进一步地,所述方法还包括:获取所述目标点的方向信息;在重复所述路径生成过程之前,所述方法还包括:以所述父节点为起点,所述目标点为终点,根据所述父节点和所述目标点的坐标、所述车辆在所述父节点的行驶方向以及所述目标点的方向信息生成ReedsShepp曲线;确定所述ReedsShepp曲线与障碍物节点有重叠。
进一步地,所述方法还包括:若所述ReedsShepp曲线与所述障碍物节点没有重叠,以所述ReedsShepp曲线作为所述父节点至所述目标点的路径,并结束所述路径生成过程。
在上述实现过程中,在重复所述路径生成过程之前,会先以父节点为起点,目标点为终点,生成ReedsShepp曲线,并检测生成的ReedsShepp曲线与地图中的障碍物节点是否有重叠。在有重叠时,即表明该ReedsShepp曲线不能使用,再继续重复所述路径生成过程,确定下一到达节点。而在没有重叠时,即表明该ReedsShepp曲线可用,以该ReedsShepp曲线作为从当前的父节点至目标点的路径,并结束路径生成过程,从而降低路径规划过程中的计算量。
进一步地,在以所述出发点作为最初的父节点,重复以下路径生成过程之前,所述方法还包括:以所述预设区域内的最小坐标点为基准点,将所述地图中的各个坐标点的坐标分别减去所述最小坐标点的坐标,得到平移处理后的地图;在得到位于平移处理后的地图中,从所述出发点到所述目标点的路径后,将所述路径上的各个坐标点的坐标分别加上所述最小坐标点的坐标,得到对应于实际地图中的路径。
应当理解的是,在投影坐标系地图中,大部分地区的坐标量级比较大,这会导致在路径规划过程中的计算量较大。在上述实现过程中,以预设区域内的最小坐标点为基准点对需要进行路径规划的地图区域进行了平移处理,从而使得预设区域内的各个坐标点的坐标在数量级上变得比较小,然后在平移处理后的地图中进行路径规划,在得到位于平移处理后的地图中,从出发点到目标点的路径后,再将路径上的各个坐标点的坐标分别加上该最小坐标点的坐标,即得到对应于实际地图中的路径。这样,就降低了路径规划的计算量,提高了路径规划效率。
进一步地,所述预设区域为矿区内的生产运输区域;所述地图为包含所述生产运输区域的投影坐标系地图。
需要说明的是,通常矿区内的生产运输区域是被严格管控的,禁止外来人员进入。尤其是矿区内的开采区(或卸载区),管控更加严格,区域内只包含有挖掘机和障碍物,生产环境简单,因此非常适合采用本申请实施例所提供的路径规划方法来进行路径规划,进而实现对车辆的无人驾驶或辅助驾驶员驾驶。在上述实现过程中,即将本申请实施例所提供的路径规划方法应用于矿区内的生产运输区域,从而可以为矿区车辆作业提供良好的作业路径支持。
本申请实施例还提供了一种路径规划装置,包括:获取模块、扩展模块、处理模块、选取模块;所述获取模块,用于获取车辆的出发点和目标点的坐标,以及所述出发点的行驶方向;所述扩展模块、处理模块和选取模块用于以所述出发点作为最初的父节点,重复路径生成过程;其中:
所述扩展模块,用于以父节点为中心,按照设定扩展约束条件,在预设的地图中确定出所述父节点的可扩展节点;所述扩展约束条件为:所述车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率,且所述扩展节点不为障碍物节点,且所述可扩展节点位于预设区域内;所述处理模块,用于计算各可扩展节点对应的代价值;所述选取模块,用于选取代价值最小的可扩展节点作为所述父节点的下一到达节点;所述扩展模块,还用于在所述下一到达节点不为所述目标点时,以所述下一到达节点作为新的父节点,以新的父节点为中心,按照设定扩展约束条件,在预设的地图中确定出所述新的父节点的可扩展节点。
上述实现过程可以有效生成从出发点到达目标点的路径。且由于在地图中进行扩展时,是依据车辆的行驶方向和行驶特性进行扩展的,且约束了车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率,且可扩展节点不为障碍物节点,且可扩展节点位于预设区域内。这样就使得最终得到的从出发点到达目标点的路径是符合车辆行驶特性的,能应用于车辆的实际运行,且不会碰撞到障碍物的车辆可行路径。且由于在每一次确定下一到达节点时,选取的是代价值最小的可扩展节点,因此最终得到的从出发点到达目标点的路径也是近似最优的路径。
本申请实施例还提供了一种电子设备,包括:包括信息获取接口、处理器、存储器及通信总线;所述通信总线用于实现所述信息获取接口、处理器和存储器之间的连接通信;所述信息获取接口用于获取车辆的出发点和目标点的坐标,以及所述出发点的行驶方向,并传输给所述处理器;所述处理器用于执行存储器中存储的一个或者多个程序,以实现上述任一种的路径规划方法。
本申请实施例中还提供了一种可读存储介质,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任一种的路径规划方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种传统A星算法的网格示例图;
图2为本申请实施例提供的一种路径规划方法的流程示意图;
图3为本申请实施例提供的一种路径生成过程的流程示意图;
图4为本申请实施例提供的一种节点扩展路径示意图;
图5为本申请实施例提供的一种矿区卡车转向的简化模型的示意图;
图6为本申请实施例提供的一种具体的路径规划过程的流程示意图;
图7为本申请实施例提供的另一种具体的路径规划过程的流程示意图;
图8为本申请实施例提供的一种采用图6所示流程规划得到的路径示意图;
图9为本申请实施例提供的一种路径规划装置的结构示意图;
图10为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
实施例一:
为更好的对本申请实施例所提供的方案进行说明,在此首先针对传统的A星算法进行介绍。
传统的A星算法是一种静态路网中求解最短路径问题的启发式算法,主要用于在给定的两点之间求得一条最优路径。其算法原理主要是通过一个估值函数来确定下一步移动的位置,最终找到一条两点间的最优路径。估值函数可以记为:F(n)=G(n)+H(n),其中:F(n)表征从起点经过某个中间节点n到达终点的代价估计值;G(n)表征从起点按照实际确定出的路径到达节点n的路径长度;H(n)表征从中间节点n到达终点的距离。下面以图1所示的实例对传统的A星算法进行介绍:
图1中黑色网格为障碍物,左侧的斜线网格为起点,右侧的斜线网格为终点。
首先,从起点(1,3)出发,尝试向该起点的上、下、左、右四个方向移动;
然后,判断向四个方向上的移动是否可达,可达是指下一个网格没有超出边界或者下一个网格不是障碍物;
接着,计算四个方向上每个可达网格对应的F(n),选取F(n)值最小的可达网格作为下一步要移动到的网格。
如果F(n)值有相等的情况,可随机选取一个作为下一步要移动的网格,如图1中从(1,3)出发向上移动一步的F(n)值为6,具体计算方法为:从(1,3)到达(1,2)的实际距离为1,即G(n)为1,从(1,2)到达终点(5,3)的估计值为5,即H(n)为5。按照此计算方式,可计算出从(1,3)到达(2,3)和(1,4)的F(n)值分别为4和6,从而确定出下一步将移动到网格(2,3)。
接着,以网格(2,3)为中心,重新执行前述步骤,直至确定出的下一步将移动到终点为止。
根据上述介绍可见,虽然传统的A星算法能够实现最优路径的搜索,但是传统的A星算法实现思路是将待搜索区域进行网格化,而后对路径进行前后左右四个方向的搜索,这就导致规划出来的路径通常是折线轨迹,不具备平滑性,因此导致传统的A星算法规划出来的路径不能应用于车辆的实际运行。
而为了实现对于可应用于车辆的实际运行的路径的规划,本申请实施例中提供了一种路径规划方法。可以参见图2所示,本申请实施例中提供的路径规划方法包括:
S201:获取车辆的出发点和目标点的坐标,以及出发点的行驶方向。
需要说明的是,在本申请实施例中,车辆内可以设置高精定位设备,从而不断上报自身的坐标位置。在本申请实施例中,会将需要进行路径规划时的车辆所在点作为车辆的出发点。例如针对矿区等场景而言,可以将车辆进入矿区时的坐标点作为车辆的出发点。而对于车辆在出发点的行驶方向,通常高精定位设备除了具有定位功能外,还具有方位角确定功能,因此可以直接通过高精定位设备获取到车辆在出发点的方位角,根据该方位角即可在地图中确定车辆的行驶方向。而对于不具有方位角确定功能的定位设备而言,也可以根据车辆到达出发点前的坐标位置变动方向确定得到车辆在出发点的行驶方向。
此外,在本申请实施例中,在进行车辆的路径规划时,车辆的目标点(即车辆最终需要达到的点)可以由工程师进行指定。值得注意的是,在某些具有唯一目标点的场景下,比如具有唯一上货点(上货点即目标点)的货物装载场景中,目标点也可以是预先写定于***中的。还值得注意的是,在某些具有唯一目标点,且目标点位置可移动的场景下(比如具有唯一上货点,且上货点是移动货架的场景中),可以在目标点对应的设备中设置高精定位设备(比如前述上货点是移动货架的场景中,可以在移动货架上设置高精定位设备),从而通过目标点对应的设备所上报的最新位置数据确定出车辆的目标点的坐标。
S202:以出发点作为最初的父节点,重复图3所示的路径生成过程,得到从出发点到目标点的路径。
参见图3所示,本申请实施例中路径生成过程包括:
S2021:以父节点为中心,在预设的地图中按照车辆在父节点处的行驶方向和车辆行驶特性拓展父节点的相邻节点,并依据设定的扩展约束条件,从相邻节点中确定出父节点的可扩展节点。
在本申请实施例中,在地图中进行拓展时,会需要按照车辆在父节点处的行驶方向和车辆行驶特性进行扩展。应当理解的是,车辆行驶特性是指,在两个节点之间的连线并不与车辆当前的行驶方向重合时,车辆不能通过直线连接的方式在两个节点间进行拓展,而是以曲线的形式进行拓展。可以参见图4所示,图中方框表征父节点,箭头表征车辆在父节点处的行驶方向,图中不带箭头的线条表征从父节点到相邻节点的扩展路径,即在本申请实施例中,在从父节点到相邻节点的连线与车辆在父节点处的行驶方向不重叠时,扩展时以某一转向角度从父节点通过曲线路径扩展到相邻节点。
还应当理解的是,在实际车辆行驶过程中,车辆的转向能力往往是有限的,即车辆具有最大的转向角。通常,转向角越大,则车辆转向时产生的曲线的曲率半径越小,曲率越大,因此为了使得扩展路径能符合车辆的实际运行情况,能应用于实际中,可以根据车辆具有的最大转向角确定出对应的最大曲率,进而设定扩展约束条件:车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率。
在本申请实施例中,为了确保最终得到的路径可以应用于实际车辆运行过程中,扩展约束条件还需要包括:可扩展节点不为障碍物节点,且可扩展节点位于预设区域内。
这里需要说明的是,在本申请实施例中,预设区域是指设定的需要进行路径规划的区域。而为了确保最终得到的路径可以应用于实际车辆运行过程中,本申请实施例中会预先对预设区域内的地理数据进行收集,从而确定出预设区域的边界、预设区域内的各障碍物的所在位置等,并将这些数据体现在地图中。需要理解的是,所谓障碍物节点是指,存在障碍物的节点。示例性的,在矿区作业场景中,预设区域可以为矿区内的生产运输区域,此时只需要预先通过地理数据采集设备对矿区内的生产运输区域进行数据采集,采集到生产运输区域的边界和各障碍物的所在位置等数据后,即可生成本申请实施例中用于进行路径规划的地图。
S2022:计算各可扩展节点对应的代价值。
在本申请实施例中,可针对任一可扩展节点n,可以通过获取从出发点到达可扩展节点n的实际代价值g(n),以及从该可扩展节点n到达目标点的估计代价值h(n),进而按照公式f(n)=g(n)+h(n)计算出可扩展节点n对应的代价值f(n)。
其中,对于实际代价值g(n)的获取,可以是通过获取可扩展节点n的父节点nparent所对应的实际代价值g(nparent),以及获取从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n),进而再按照g(n)=g(nparent)+cost(nparent,n)来计算得到。
这里需要说明的是,本申请实施例中针对每一个计算得到的可扩展节点对应的实际代价值g(n)可以记录在一个专门的表格中,然后通过该表格,可以快速获取到可扩展节点n的父节点nparent所对应的实际代价值g(nparent)。
而对于从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n),在本申请实施例的一种可行实施方式中,可以通过获取从父节点nparent到可扩展节点n的实际行驶路径长度d(nparent,n),进而将d(nparent,n)作为从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n)。
需要注意的是,由于从父节点到可扩展节点n的实际行驶路径可能是曲线,因此可能会存在行驶路径需要经过另一节点的情况。在实际应用中,若经过的节点存在障碍物节点,则表明直接通过该曲线形式的行驶路径不能到达该可扩展节点n。因此为了确保规划出的路径的可达性,在本申请实施例的另一种可行实施方式中,可以设置参数obstacle,obstacle在车辆从父节点nparent到可扩展节点n的行驶过程中会碰到障碍物(即从父节点nparent到可扩展节点n的行驶路径与障碍物节点有交叠)时取值为正无穷大,在车辆从父节点nparent到可扩展节点n的行驶过程中不会碰到障碍物(即从父节点nparent到可扩展节点n的行驶路径与障碍物节点无交叠)时取值为0,并按照公式cost(nparent,n)=obstacle+d(nparent,n)确定出从父节点nparent到可扩展节点n的实际代价值。当然,应当理解的是,也可以将从父节点到可扩展节点的行驶路径与障碍物节点无交叠作为扩展约束条件限定到确定可扩展节点的确定过程中,从而使得确定出可扩展节点必然是通过曲线可达的节点,从而避免出现前述问题。
还需要注意的是,在实际应用过程中,车辆不宜频繁的变换方向,尤其是不宜频繁在正向行驶和倒车行驶之间切换,因为这些操作会影响车辆运行的平稳性,同时频繁的变向也不符合实际驾驶需要。因此为了更好地应用于实际车辆运行过程中,尽可能减少车辆的方向变换情况(尤其是车辆在正向行驶和倒车行驶之间切换的情况),使得规划得到的路径更符合车辆的运行需求,在本申请实施例中的另一种可行实施方式,可以通过以下方式来实现对cost(nparent,n)的获取:
可以获取车辆从父节点nparent到可扩展节点n的行驶方向,以及车辆从父节点nparent到可扩展节点n的行驶方向发生改变的代价值switch,并获取所述车辆从父节点nparent到可扩展节点n的行驶路径长度d(nparent,n),同时确定车辆从父节点nparent到可扩展节点n的行驶过程中是否会碰到障碍物。在以上信息被获取到之后,即可按照公式cost(nparent,n)=(1+w1·back+w2·obstacle)·d(nparent,n)+switch计算得到从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n)。其中:w1和w2为预设的大于0的常数,back在车辆从父节点nparent到可扩展节点n的行驶方向为前进时,取值为0,在车辆从父节点nparent到可扩展节点n的行驶方向为后退时,取值为1;obstacle在车辆从父节点nparent到可扩展节点n的行驶过程中会碰到障碍物时取值为正无穷大,在车辆从父节点nparent到可扩展节点n的行驶过程中不会碰到障碍物时取值为0。
上述可行实施方式,综合考虑了车辆的行驶方向的变化性,通过提高改变行驶方向的数值,从而提高车辆变换行驶方向的代价,进而使得规划出的路径尽可能减少车辆的方向变换情况(尤其是车辆在正向行驶和倒车行驶之间切换),使得车辆的运行更为合理。
需要注意的是,在上述可行实施方式中,车辆行驶方向发生的改变越大,则switch的值也越大。示例性的,可以在车辆仍旧正向行驶时,随着车辆转向角的增大,switch的值随之在0至5之间增大,其中车辆行驶方向没有发生任何改变(即车辆转向角为0度)时,switch的值为0。应当理解的是,前述示例仅为本申请实施例中所提供的一种可行示例,不代表本申请实施例中switch的值只能按照该示例进行设置。事实上,switch的值可以由工程师根据实际需要进行设置。
需要说明的是,在本申请实施例中,为了降低检测车辆从父节点nparent到可扩展节点n的行驶过程中会碰到障碍物的过程中的计算量,可以先通过最近邻搜索算法快速的检查出父节点指定范围内的所有邻近节点,进而仅针对这些邻近节点确定这些邻近节点中是否有障碍物节点且与从父节点nparent到可扩展节点n的行驶路径有交叠,从而不用针对整个地图中的所有节点都进行碰撞检测处理,降低了计算量。
在本申请实施例的一种可行实施方式中,对于从可扩展节点n到达目标点的估计代价值h(n)的获取,可以是采用与传统A星算法一致的估计代价值获取方式来实现。即可以获取从可扩展节点n到目标点的直线距离值,将该直线距离值作为从可扩展节点n到达目标点的估计代价值h(n)。
但考虑到在实际应用过程中,车辆从可扩展节点n到达目标点的路径往往并不会是从可扩展节点n到目标点的直线,因此从可扩展节点n到达目标点的实际代价值往往会与从可扩展节点n到目标点的直线距离值存在一定偏差。而为了缩小该偏差,从而提高h(n)的准确性,在本申请实施例的另一种可行实施方式中,可以在获取到车辆的出发点和目标点的坐标之后,先按照传统的A星算法计算从目标点到出发点的路径,并记录该计算过程中所产生的所有从目标点到各节点的实际代价值G(n)得到参考表。进而在确定可扩展节点n到达目标点的估计代价值h(n)时,从该参考表中获取可扩展节点n对应的G(n),以该G(n)作为该可扩展节点n到达目标点的估计代价值h(n)。这样,可扩展节点n对应的G(n)即反应了在传统的A星算法中,从目标点到达可扩展节点n的实际代价,那么以其作为可扩展节点n到目标点估计代价值h(n),即可以使得h(n)更接近于可扩展节点n到目标点的实际代价值,从而提高了计算得到的各可扩展节点对应的代价值的可靠性,进而使得规划得到的路径更为准确、可靠。
S2023:选取代价值最小的可扩展节点作为父节点的下一到达节点。
在本申请实施例中,可以采用最小堆索引来使得在每次迭代过程中,能够快速查找到代价值最小的可扩展节点。
S2024:在下一到达节点不为目标点时,以该下一到达节点作为新的父节点。
在本申请实施例中,在确定出下一到达节点时,会判断该下一到达节点是否为目标点,若该下一到达节点不为目标点,那么即以该下一到达节点作为新的父节点进行新一轮的迭代。而若该下一到达节点为目标点,那么各次迭代所确定出的所有到达下一到达节点的扩展路径所连接在一起构成的路径即为从出发点到目标点的路径,即完成了路径规划任务。
需要注意的是,在本申请实施例的一种可行实施方式中,在获取目标点的坐标时,还可以获取目标点的方向信息,即获取车辆到达目标点时所需要满足的行驶方向。进而可以在每一次迭代之前,先以父节点为起点,目标点为终点,根据父节点和目标点的坐标,车辆在父节点的行驶方向以及目标点的方向信息来生成ReedsShepp曲线(ReedsShepp曲线的生成方式可采用已有的生成方式,在此不再赘述),并确定该ReedsShepp曲线与障碍物节点是否有重叠。在该ReedsShepp曲线与障碍物节点有重叠时,即执行迭代过程,确定出下一到达节点;而若该ReedsShepp曲线与障碍物节点没有重叠时,即表明车辆通过该ReedsShepp曲线可以直接从当前的父节点到达目标点,因此可以以该ReedsShepp曲线作为从当前的父节点至目标点的路径,并结束路径生成过程。此时即得到了从出发点到目标点的路径:按照前述图2的步骤得到的从出发点到当前的父节点的路径,以及从当前的父节点至目标点的ReedsShepp曲线共同组成的路径。
在本申请实施例中,地图可以采用投影坐标系地图,以便于进行路径规划。需要注意的是,若车辆等设备上报的位置坐标为经纬度地理坐标时,需要进行坐标转换,将经纬度地理坐标转换为投影坐标,然后才能进行路径规划。
值得注意的是,由于在实际地理地图中(比如投影坐标系地图),大部分地区的坐标量级比较大,但实际需要进行路径规划的区域往往是地图中极小的某个区域,因此针对该区域进行路径规划时,该区域内各个节点的坐标的量级往往会比较大,进而导致在路径规划过程中的计算量较大。为降低计算量,在本申请实施例中,可以在获取到车辆的出发点和目标点的坐标之后,进行路径规划之前,先对预设区域进行平移处理。示例性的,可以以预设区域内的最小坐标点为基准点,将地图中的各个坐标点的坐标分别减去最小坐标点的坐标,得到平移处理后的地图,从而使得预设区域内的各个坐标点的坐标在数量级上变得比较小;然后在平移处理后的地图中进行路径规划,在得到位于平移处理后的地图中,从出发点到目标点的路径后,再将路径上的各个坐标点的坐标分别加上该最小坐标点的坐标,即得到对应于实际地图中的路径。这样,就降低了路径规划的计算量,提高了路径规划效率。
本申请实施例中提供的路径规划方法,通过获取车辆的出发点和目标点的坐标,以及出发点的行驶方向,以出发点作为最初的父节点,按照上述路径生成过程,可以有效生成从出发点到达目标点的路径。且由于在地图中进行扩展时,是依据车辆的行驶方向和行驶特性进行扩展的,且约束了车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率,且可扩展节点不为障碍物节点,且可扩展节点位于预设区域内。这样就使得最终得到的从出发点到达目标点的路径是符合车辆行驶特性的,能应用于车辆的实际运行,且不会碰撞到障碍物的车辆可行路径。且由于在每一次确定下一到达节点时,选取的是代价值最小的可扩展节点,因此最终得到的从出发点到达目标点的路径也是近似最优的路径。
实施例二:
本实施例在实施例一的基础上,以应用于矿区的开采区这一场景下的两种具体的路径规划过程对本申请的方案进行示例说明。
无论哪种路径规划过程,首先都需要进行以下数据预处理过程:
1,使用地理数据采集设备对矿区内开采区的数据进行采集,采集的数据包含开采区的边界、开采区内的各障碍物的边界,形成GIS(Geographic Information System,地理信息***)中通用的Shapefile格式的地图。
需要注意的是,本申请实施例中为减少坐标转换带来的计算负担,因此使用投影坐标系地图。
2,根据矿区卡车的车辆参数信息,建立基于阿克曼转向理论的矿区卡车转向的简化模型。
本申请实施例中建立的矿区卡车转向的简化模型是用于在路径规划时,按照建立的简化模型进行扩展,并构建扩展约束条件:车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率。
在本申请实施例中,矿区卡车转向的简化模型可以参见图5所示,车辆在发生行驶方向改变时,需要以一定转向角转弯行驶。转向角越大,即转弯半径就越小,相应的曲率就越大。而考虑到车辆具有最大转向角,因此可以确定该最大转向角对应的曲率为预设的车辆可转弯曲率K,从而设定扩展约束条件:车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率K。
需要注意的是,在阿克曼转向理论中,车辆转弯时两个轮胎都具有转向角,但需要每个车轮都符合自然运动轨迹,以保证轮胎与地面间均做滚动运动,那么车辆转弯时两个轮胎所具有转向角不一样,通常车辆前外轮的转向角α会小于车辆前内轮的转向角β,本申请实施例中可以取其中任一个前轮对应的最大转向角来确定车辆可转弯曲率K。
3,获取车辆的出发点和目标点的坐标,以及出发点的行驶方向以及目标点的方向信息。
在矿区卡车到达开采区入场点区域时,获取此时矿区卡车上车载高精定位设备发送的坐标数据和方位角数据,以矿区卡车的入场点坐标作为出发点,并依据矿区卡车的方位角数据确定出发点的行驶方向,同时获取此刻开采区内挖掘机(开采区内挖掘机仅有一台,其作业位置即为矿区卡车上货位置)上装载的高精定位设备发送的定位坐标数据和方位角数据,以该挖掘机的坐标作为目标点,并依据该挖掘机的方位角数据确定目标点的方向。
4,将获取到的出发点和目标点的坐标转换为投影坐标。
高精定位设备发送的坐标数据为经纬度坐标,因此需要将其转换为投影坐标后,才能便于在地图中进行路径规划。
在以上数据预处理过程结束后,即可采用以下两种方式中的任一种实现路径规划。
方式一,参见图6所示,包括:
S601:按照传统的A星算法计算从目标点到出发点的路径,并记录该计算过程中所产生的所有从目标点到各节点的实际代价值G(n)得到参考表。
S602:以父节点为中心,在预设的地图中按照车辆在父节点处的行驶方向和简化模型设定的车辆行驶特性拓展父节点的相邻节点,并依据设定的扩展约束条件,从相邻节点中确定出父节点的可扩展节点。
需要注意的是,本申请实施例中,出发点为最初的父节点。
还需要注意的是,本申请实施例中,扩展约束条件为:车辆从父节点到可扩展节点的行驶路径的曲率小于等于K,且可扩展节点不为障碍物节点,且可扩展节点位于开采区内。
S603:按照公式f(n)=g(nparent)+cost(nparent,n)+h(n)计算各可扩展节点对应的代价值。式中:f(n)=g(nparent)+cost(nparent,n)+h(n),其中:
cost(nparent,n)=(1+w1·back+w2·obstacle)·d(nparent,n)+switch,其中:
w1和w2为预设的大于0的常数,back在车辆从父节点nparent到可扩展节点n的行驶方向为前进时,取值为0,在车辆从父节点nparent到可扩展节点n的行驶方向为后退时,取值为1;obstacle在车辆从父节点nparent到可扩展节点n的行驶过程中会碰到障碍物时取值为正无穷大,在车辆从父节点nparent到可扩展节点n的行驶过程中不会碰到障碍物时取值为0;switch为从父节点nparent到可扩展节点n的行驶方向发生改变的代价值,switch值与父节点nparent的行驶方向角与可扩展节点n的行驶方向行驶方向角的差值的绝对值成正比,父节点nparent的行驶方向角与可扩展节点n的行驶方向行驶方向角的差值的绝对值越大,则switch值越大,在车辆从父节点nparent到可扩展节点n的行驶方向没有发生改变时,即父节点nparent的行驶方向角与可扩展节点n的行驶方向行驶方向角的差值为0时,switch值为0。
而可扩展节点n到达所述目标点的估计代价值h(n)为,从参考表中获取到的可扩展节点n对应的G(n)的值。
S604:将代价值最小的可扩展节点作为父节点的下一到达节点。
S605:判断该下一到达节点是否为目标点。在为是时,转至步骤S606;否则,转至步骤S602。
S606:将各父节点到下一到达节点的路径顺序组合,得到从出发点到目标点的路径。
方式二,参见图7所示,包括:
S701:按照传统的A星算法计算从目标点到出发点的路径,并记录该计算过程中所产生的所有从目标点到各节点的实际代价值G(n)得到参考表。
S702:计算当前的父节点至目标点的ReedsShepp曲线。
需要注意的是,本申请实施例中,出发点为最初的父节点。
S703:判断该ReedsShepp曲线与障碍物节点是否有重叠。若是,转至步骤S704;否则,转至步骤S709。
S704:以父节点为中心,在预设的地图中按照车辆在父节点处的行驶方向和简化模型设定的车辆行驶特性拓展父节点的相邻节点,并依据设定的扩展约束条件,从相邻节点中确定出父节点的可扩展节点。
扩展约束条件为:车辆从父节点到可扩展节点的行驶路径的曲率小于等于K,且可扩展节点不为障碍物节点,且可扩展节点位于开采区内。
S705:按照公式f(n)=g(nparent)+cost(nparent,n)+h(n)计算各可扩展节点对应的代价值。式中:
cost(nparent,n)=(1+w1·back+w2·obstacle)·d(nparent,n)+switch,其中:
w1和w2为预设的大于0的常数,back在车辆从父节点nparent到可扩展节点n的行驶方向为前进时,取值为0,在车辆从父节点nparent到可扩展节点n的行驶方向为后退时,取值为1;obstacle在车辆从父节点nparent到可扩展节点n的行驶过程中会碰到障碍物时取值为正无穷大,在车辆从父节点nparent到可扩展节点n的行驶过程中不会碰到障碍物时取值为0;switch为从父节点nparent到可扩展节点n的行驶方向发生改变的代价值,switch值与父节点nparent的行驶方向角与可扩展节点n的行驶方向行驶方向角的差值的绝对值成正比,父节点nparent的行驶方向角与可扩展节点n的行驶方向行驶方向角的差值的绝对值越大,则switch值越大。
而可扩展节点n到达所述目标点的估计代价值h(n)为,从参考表中获取到的可扩展节点n对应的G(n)的值。
S706:将代价值最小的可扩展节点作为父节点的下一到达节点。
S707:判断该下一到达节点是否为目标点。在为是时,转至步骤S708;否则,转至步骤S702。
S708:将各父节点到下一到达节点的路径顺序组合,得到从出发点到目标点的路径。
S709:将从出发点到当前的父节点路径顺序组合,并接着与该当前的父节点至目标点的ReedsShepp曲线组合,得到从出发点到目标点的路径。
参见图8所示,图8为采用本申请实施例所提供的方式一规划得到的车辆路径示意图。根据图8可以看出,采用本申请实施例所提供的方式所规划得到的路径能够合理规避障碍物,且相对比较平滑,适应于车辆的实际运行过程。
实施例三:
基于同一发明构思,本申请实施例中还提供了一种路径规划装置。请参阅图9所示,图9示出了与实施例一所示的方法对应的路径规划装置100。应理解,路径规划装置100具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。路径规划装置100包括至少一个能以软件或固件的形式存储于存储器中或固化在路径规划装置100的操作***中的软件功能模块。具体地:
参见图9所示,路径规划装置100包括:获取模块101、扩展模块102、处理模块103、选取模块104。其中:
获取模块101,用于获取车辆的出发点和目标点的坐标,以及出发点的行驶方向;
扩展模块102、处理模块103和选取模块104用于以出发点作为最初的父节点,重复路径生成过程;其中:
扩展模块102,用于以父节点为中心,在预设的地图中按照车辆在父节点处的行驶方向和车辆行驶特性拓展父节点的相邻节点,并依据设定的扩展约束条件,从相邻节点中确定出父节点的可扩展节点;扩展约束条件为:车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率,且可扩展节点不为障碍物节点,且可扩展节点位于预设区域内;
处理模块103,用于计算各可扩展节点对应的代价值;
选取模块104,用于选取代价值最小的可扩展节点作为父节点对应的下一到达节点;
扩展模块102,还用于在下一到达节点不为目标点时,以下一到达节点作为新的父节点,以新的父节点为中心,按照设定扩展约束条件,在预设的地图中确定出新的父节点的可扩展节点。
在本申请实施例中,获取模块101还用于获取从出发点到达可扩展节点n的实际代价值g(n);可扩展节点n为各可扩展节点中的任一可扩展节点;获取从该可扩展节点n到达目标点的估计代价值h(n)。处理模块103具体用于按照公式f(n)=g(n)+h(n)计算可扩展节点n对应的代价值。
在本申请实施例的一种可行实施方式中,获取模块101具体用于获取可扩展节点n的父节点nparent所对应的实际代价值g(nparent);获取从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n)。处理模块103具体用于按照公式g(n)=g(nparent)+cost(nparent,n)计算从出发点到达可扩展节点n的实际代价值g(n)。
在本申请实施例的一种可行实施方式中,获取模块101具体用于获取车辆从父节点nparent到可扩展节点n的行驶方向,以及车辆从父节点nparent到可扩展节点n的行驶方向发生改变的代价值switch;确定车辆从父节点nparent到可扩展节点n的行驶过程中是否会碰到障碍物;获取车辆从父节点nparent到可扩展节点n的行驶路径长度d(nparent,n)。
处理模块103具体用于按照公式cost(nparent,n)=(1+w1·back+w2·obstacle)·d(nparent,n)+switch,计算得到从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n)。其中,w1和w2为预设的大于0的常数;back在车辆从父节点nparent到可扩展节点n的行驶方向为前进时,取值为0,在车辆从父节点nparent到可扩展节点n的行驶方向为后退时,取值为1;obstacle在车辆从父节点nparent到可扩展节点n的行驶过程中会碰到障碍物时取值为正无穷大,在车辆从父节点nparent到可扩展节点n的行驶过程中不会碰到障碍物时取值为0。
在本申请实施例的一种可行实施方式中,处理模块103还用于按照A星算法计算从目标点到出发点的路径,并记录该计算过程中所产生的所有从目标点到各节点的实际代价值G(n)得到参考表。处理模块103还用于从参考表中获取可扩展节点n对应的G(n),以该G(n)作为可扩展节点n到达目标点的估计代价值h(n)。
在本申请实施例的一种可行实施方式中,获取模块101还用于获取目标点的方向信息;处理模块103还用于以父节点为起点,目标点为终点,根据父节点和目标点的坐标、车辆在父节点的行驶方向以及目标点的方向信息生成ReedsShepp曲线。
在上述可行实施方式中,若ReedsShepp曲线与障碍物节点没有重叠,以ReedsShepp曲线作为父节点至目标点的路径,并结束路径生成过程。
在本申请实施例的一种可行实施方式中,处理模块103还用于以预设区域内的最小坐标点为基准点,将地图中的各个坐标点的坐标分别减去最小坐标点的坐标,得到平移处理后的地图;在得到位于平移处理后的地图中,从出发点到目标点的路径后,将路径上的各个坐标点的坐标分别加上最小坐标点的坐标,得到对应于实际地图中的路径。
在本申请实施例的一种可行实施方式中,预设区域为矿区内生产运输区域;地图为包含开采区所在区域的投影坐标系地图。
需要理解的是,出于描述简洁的考量,部分实施例一中描述过的内容在本实施例中不再赘述。
实施例四:
本实施例提供了一种电子设备,参见图10所示,其包括信息获取接口1001、处理器1002、存储器1003以及通信总线1004。其中:
通信总线1004用于实现信息获取接口1001、处理器1002和存储器1003之间的连接通信。
信息获取接口1001用于获取车辆的出发点和目标点的坐标,以及车辆在处出发点的行驶方向,并传输给处理器1002。
处理器1002用于执行存储器1003中存储的一个或多个程序,以实现上述实施例一/二中的路径规划方法。
可以理解,图10所示的结构仅为示意,电子设备还可包括比图10中所示更多或者更少的组件,或者具有与图10所示不同的配置,例如还可以具有显示屏、数据输入组件等部件。
本实施例还提供了一种可读存储介质,如软盘、光盘、硬盘、闪存、U盘、SD(SecureDigital Memory Card,安全数码卡)卡、MMC(Multimedia Card,多媒体卡)卡等,在该可读存储介质中存储有实现上述各个步骤的一个或者多个程序,这一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例一/二中的路径规划方法。在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
在本文中,多个是指两个或两个以上。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种路径规划方法,其特征在于,包括:
获取车辆的出发点和目标点的坐标,以及所述出发点的行驶方向;
以所述出发点作为最初的父节点,重复以下路径生成过程,得到从所述出发点到所述目标点的路径:
以父节点为中心,在预设的地图中按照所述车辆在所述父节点处的行驶方向和车辆行驶特性拓展所述父节点的相邻节点,并依据设定的扩展约束条件,从所述相邻节点中确定出所述父节点的可扩展节点;所述扩展约束条件为:所述车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率,且所述可扩展节点不为障碍物节点,且所述可扩展节点位于预设区域内;
计算各可扩展节点对应的代价值;
选取代价值最小的可扩展节点作为所述父节点的下一到达节点;
在所述下一到达节点不为所述目标点时,以所述下一到达节点作为新的父节点。
2.如权利要求1所述的路径规划方法,其特征在于,所述计算各可扩展节点对应的代价值包括:
获取从所述出发点到达可扩展节点n的实际代价值g(n);所述可扩展节点n为所述各可扩展节点中的任一可扩展节点;
获取从该可扩展节点n到达所述目标点的估计代价值h(n);
按照公式f(n)=g(n)+h(n)计算可扩展节点n对应的代价值;
重复以上过程,得到各可扩展节点对应的代价值。
3.如权利要求2所述的路径规划方法,其特征在于,所述获取从所述出发点到达可扩展节点n的实际代价值g(n),包括:
获取可扩展节点n的父节点nparent所对应的实际代价值g(nparent);
获取从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n);
按照公式g(n)=g(nparent)+cost(nparent,n)计算从所述出发点到达可扩展节点n的实际代价值g(n)。
4.如权利要求3所述的路径规划方法,其特征在于,所述获取从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n),包括:
获取所述车辆从父节点nparent到可扩展节点n的行驶方向,以及所述车辆从父节点nparent到可扩展节点n的行驶方向发生改变的代价值switch;
确定所述车辆从父节点nparent到可扩展节点n的行驶过程中是否会碰到障碍物;
获取所述车辆从父节点nparent到可扩展节点n的行驶路径长度d(nparent,n);
按照公式cost(nparent,n)=(1+w1·back+w2·obstacle)·d(nparent,n)+switch,计算得到从可扩展节点n的父节点nparent到可扩展节点n的实际代价值cost(nparent,n);
其中,所述w1和w2为预设的大于0的常数;所述back在所述车辆从父节点nparent到可扩展节点n的行驶方向为前进时,取值为0,在所述车辆从父节点nparent到可扩展节点n的行驶方向为后退时,取值为1;所述obstacle在所述车辆从父节点nparent到可扩展节点n的行驶过程中会碰到障碍物时取值为正无穷大,在所述车辆从父节点nparent到可扩展节点n的行驶过程中不会碰到障碍物时取值为0。
5.如权利要求2所述的路径规划方法,其特征在于,在获取车辆的出发点和目标点的坐标之后,所述方法还包括:
按照A星算法计算从所述目标点到所述出发点的路径,并记录该计算过程中所产生的所有从所述目标点到各节点的实际代价值G(n)得到参考表;
所述获取从该可扩展节点n到达所述目标点的估计代价值h(n),包括:
从所述参考表中获取可扩展节点n对应的G(n),以该G(n)作为所述可扩展节点n到达所述目标点的估计代价值h(n)。
6.如权利要求1-5任一项所述的路径规划方法,其特征在于,所述方法还包括:获取所述目标点的方向信息;
在重复所述路径生成过程之前,所述方法还包括:
以所述父节点为起点,所述目标点为终点,根据所述父节点和所述目标点的坐标、所述车辆在所述父节点的行驶方向以及所述目标点的方向信息生成ReedsShepp曲线;
确定所述ReedsShepp曲线与障碍物节点有重叠。
7.如权利要求6所述的路径规划方法,其特征在于,所述方法还包括:
若所述ReedsShepp曲线与所述障碍物节点没有重叠,以所述ReedsShepp曲线作为所述父节点至所述目标点的路径,并结束所述路径生成过程。
8.如权利要求1-5任一项所述的路径规划方法,其特征在于,在以所述出发点作为最初的父节点,重复以下路径生成过程之前,所述方法还包括:
以所述预设区域内的最小坐标点为基准点,将所述地图中的各个坐标点的坐标分别减去所述最小坐标点的坐标,得到平移处理后的地图;
在得到位于平移处理后的地图中,从所述出发点到所述目标点的路径后,将所述路径上的各个坐标点的坐标分别加上所述最小坐标点的坐标,得到对应于实际地图中的路径。
9.如权利要求1-5任一项所述的路径规划方法,其特征在于,所述预设区域为矿区内的生产运输区域;所述地图为包含所述生产运输区域的投影坐标系地图。
10.一种路径规划装置,其特征在于,包括:获取模块、扩展模块、处理模块、选取模块;
所述获取模块,用于获取车辆的出发点和目标点的坐标,以及所述出发点的行驶方向;
所述扩展模块、处理模块和选取模块用于以所述出发点作为最初的父节点,重复路径生成过程;其中:
所述扩展模块,用于以父节点为中心,在预设的地图中按照所述车辆在所述父节点处的行驶方向和车辆行驶特性拓展所述父节点的相邻节点,并依据设定的扩展约束条件,从所述相邻节点中确定出所述父节点的可扩展节点;所述扩展约束条件为:所述车辆从父节点到可扩展节点的行驶路径的曲率小于等于预设的车辆可转弯曲率,且所述可扩展节点不为障碍物节点,且所述可扩展节点位于预设区域内;
所述处理模块,用于计算各可扩展节点对应的代价值;
所述选取模块,用于选取代价值最小的可扩展节点作为所述父节点的下一到达节点;
所述扩展模块,还用于在所述下一到达节点不为所述目标点时,以所述下一到达节点作为新的父节点,以新的父节点为中心,按照设定扩展约束条件,在预设的地图中确定出所述新的父节点的可扩展节点。
11.一种电子设备,其特征在于,包括信息获取接口、处理器、存储器及通信总线;
所述通信总线用于实现所述信息获取接口、处理器和存储器之间的连接通信;
所述信息获取接口用于获取车辆的出发点和目标点的坐标,以及所述出发点的行驶方向,并传输给所述处理器;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1-9中任一项所述的路径规划方法。
12.一种可读存储介质,其特征在于,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-9中任一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010159607.XA CN111369066B (zh) | 2020-03-09 | 2020-03-09 | 路径规划方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010159607.XA CN111369066B (zh) | 2020-03-09 | 2020-03-09 | 路径规划方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111369066A true CN111369066A (zh) | 2020-07-03 |
CN111369066B CN111369066B (zh) | 2022-06-24 |
Family
ID=71206782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010159607.XA Active CN111369066B (zh) | 2020-03-09 | 2020-03-09 | 路径规划方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111369066B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111998869A (zh) * | 2020-09-29 | 2020-11-27 | 北京嘀嘀无限科技发展有限公司 | 路线生成方法、装置、电子设备和计算机可读存储介质 |
CN112327826A (zh) * | 2020-09-27 | 2021-02-05 | 一汽解放汽车有限公司 | 一种路径规划方法、装置、设备和介质 |
CN112590775A (zh) * | 2020-12-22 | 2021-04-02 | 中国第一汽车股份有限公司 | 一种自动泊车方法、装置、车辆及存储介质 |
CN112595337A (zh) * | 2020-12-01 | 2021-04-02 | 苏州欧菲光科技有限公司 | 避障路径规划方法、装置、电子装置、车辆及存储介质 |
CN112744217A (zh) * | 2021-03-10 | 2021-05-04 | 北京车和家信息技术有限公司 | 碰撞检测方法、行驶路径的推荐方法及其装置和存储介质 |
CN112907187A (zh) * | 2021-03-13 | 2021-06-04 | 深圳市土地公网络科技有限公司 | 配送路线规划方法、装置、电子设备及存储介质 |
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 |
CN113375686A (zh) * | 2021-04-26 | 2021-09-10 | 北京旷视机器人技术有限公司 | 路径规划的方法、装置以及智能输送*** |
CN113485379A (zh) * | 2021-08-18 | 2021-10-08 | 山东建筑大学 | 一种改进A-Star算法的移动机器人路径规划方法 |
CN113506216A (zh) * | 2021-06-24 | 2021-10-15 | 煤炭科学研究总院 | 一种全景图像拼接的快速缝合线寻优方法 |
CN113848898A (zh) * | 2021-09-17 | 2021-12-28 | 京东鲲鹏(江苏)科技有限公司 | 路径规划方法、装置、自动驾驶车辆和存储介质 |
CN114791288A (zh) * | 2022-06-27 | 2022-07-26 | 青岛慧拓智能机器有限公司 | 矿区车辆的行驶路径规划方法、装置及计算机设备 |
CN114812593A (zh) * | 2022-04-21 | 2022-07-29 | 中国第一汽车股份有限公司 | 生成车辆路径方法、装置、存储介质、处理器及电子装置 |
CN114812566A (zh) * | 2022-06-27 | 2022-07-29 | 青岛慧拓智能机器有限公司 | 矿区车辆的行驶路径规划方法、装置及计算机设备 |
CN114995378A (zh) * | 2022-04-21 | 2022-09-02 | 阿波罗智能技术(北京)有限公司 | 一种轨迹规划方法、装置、电子设备、介质及车辆 |
CN115326057A (zh) * | 2022-08-31 | 2022-11-11 | 深圳鹏行智能研究有限公司 | 路径规划方法、装置、机器人以及可读存储介质 |
CN116822774A (zh) * | 2023-08-31 | 2023-09-29 | 中国电子科技集团公司第十五研究所 | 一种基于改进Dijkstra算法的路径规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101131755A (zh) * | 2007-10-19 | 2008-02-27 | 北京航空航天大学 | 一种基于真实地形的保持团队cgf队形的路径规划方法 |
CN201552165U (zh) * | 2009-11-17 | 2010-08-18 | 赵德志 | 中央空调通风管道清洗机器人 |
CN104914862A (zh) * | 2015-04-21 | 2015-09-16 | 电子科技大学 | 基于目标方向约束的路径规划算法 |
CN107063280A (zh) * | 2017-03-24 | 2017-08-18 | 重庆邮电大学 | 一种基于控制采样的智能车辆路径规划***及方法 |
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 |
CN110333659A (zh) * | 2019-07-15 | 2019-10-15 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于改进a星搜索的无人驾驶汽车局部路径规划方法 |
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 |
-
2020
- 2020-03-09 CN CN202010159607.XA patent/CN111369066B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101131755A (zh) * | 2007-10-19 | 2008-02-27 | 北京航空航天大学 | 一种基于真实地形的保持团队cgf队形的路径规划方法 |
CN201552165U (zh) * | 2009-11-17 | 2010-08-18 | 赵德志 | 中央空调通风管道清洗机器人 |
CN104914862A (zh) * | 2015-04-21 | 2015-09-16 | 电子科技大学 | 基于目标方向约束的路径规划算法 |
CN107063280A (zh) * | 2017-03-24 | 2017-08-18 | 重庆邮电大学 | 一种基于控制采样的智能车辆路径规划***及方法 |
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 |
CN110333659A (zh) * | 2019-07-15 | 2019-10-15 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于改进a星搜索的无人驾驶汽车局部路径规划方法 |
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 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112327826A (zh) * | 2020-09-27 | 2021-02-05 | 一汽解放汽车有限公司 | 一种路径规划方法、装置、设备和介质 |
CN112327826B (zh) * | 2020-09-27 | 2023-12-12 | 一汽解放汽车有限公司 | 一种路径规划方法、装置、设备和介质 |
CN111998869A (zh) * | 2020-09-29 | 2020-11-27 | 北京嘀嘀无限科技发展有限公司 | 路线生成方法、装置、电子设备和计算机可读存储介质 |
CN112595337A (zh) * | 2020-12-01 | 2021-04-02 | 苏州欧菲光科技有限公司 | 避障路径规划方法、装置、电子装置、车辆及存储介质 |
CN112595337B (zh) * | 2020-12-01 | 2023-08-15 | 苏州欧菲光科技有限公司 | 避障路径规划方法、装置、电子装置、车辆及存储介质 |
CN112590775A (zh) * | 2020-12-22 | 2021-04-02 | 中国第一汽车股份有限公司 | 一种自动泊车方法、装置、车辆及存储介质 |
CN112590775B (zh) * | 2020-12-22 | 2022-02-22 | 中国第一汽车股份有限公司 | 一种自动泊车方法、装置、车辆及存储介质 |
CN112744217A (zh) * | 2021-03-10 | 2021-05-04 | 北京车和家信息技术有限公司 | 碰撞检测方法、行驶路径的推荐方法及其装置和存储介质 |
CN112907187A (zh) * | 2021-03-13 | 2021-06-04 | 深圳市土地公网络科技有限公司 | 配送路线规划方法、装置、电子设备及存储介质 |
CN113375686A (zh) * | 2021-04-26 | 2021-09-10 | 北京旷视机器人技术有限公司 | 路径规划的方法、装置以及智能输送*** |
CN113506216B (zh) * | 2021-06-24 | 2024-03-12 | 煤炭科学研究总院 | 一种全景图像拼接的快速缝合线寻优方法 |
CN113506216A (zh) * | 2021-06-24 | 2021-10-15 | 煤炭科学研究总院 | 一种全景图像拼接的快速缝合线寻优方法 |
CN113485379A (zh) * | 2021-08-18 | 2021-10-08 | 山东建筑大学 | 一种改进A-Star算法的移动机器人路径规划方法 |
CN113848898A (zh) * | 2021-09-17 | 2021-12-28 | 京东鲲鹏(江苏)科技有限公司 | 路径规划方法、装置、自动驾驶车辆和存储介质 |
CN114812593A (zh) * | 2022-04-21 | 2022-07-29 | 中国第一汽车股份有限公司 | 生成车辆路径方法、装置、存储介质、处理器及电子装置 |
CN114995378B (zh) * | 2022-04-21 | 2023-02-17 | 阿波罗智能技术(北京)有限公司 | 一种轨迹规划方法、装置、电子设备、介质及车辆 |
CN114995378A (zh) * | 2022-04-21 | 2022-09-02 | 阿波罗智能技术(北京)有限公司 | 一种轨迹规划方法、装置、电子设备、介质及车辆 |
CN114791288B (zh) * | 2022-06-27 | 2022-09-30 | 青岛慧拓智能机器有限公司 | 矿区车辆的行驶路径规划方法、装置及计算机设备 |
CN114812566B (zh) * | 2022-06-27 | 2022-10-04 | 青岛慧拓智能机器有限公司 | 矿区车辆的行驶路径规划方法、装置及计算机设备 |
CN114812566A (zh) * | 2022-06-27 | 2022-07-29 | 青岛慧拓智能机器有限公司 | 矿区车辆的行驶路径规划方法、装置及计算机设备 |
CN114791288A (zh) * | 2022-06-27 | 2022-07-26 | 青岛慧拓智能机器有限公司 | 矿区车辆的行驶路径规划方法、装置及计算机设备 |
CN115326057A (zh) * | 2022-08-31 | 2022-11-11 | 深圳鹏行智能研究有限公司 | 路径规划方法、装置、机器人以及可读存储介质 |
CN116822774A (zh) * | 2023-08-31 | 2023-09-29 | 中国电子科技集团公司第十五研究所 | 一种基于改进Dijkstra算法的路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111369066B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111369066B (zh) | 路径规划方法、装置、电子设备及可读存储介质 | |
CN108519094B (zh) | 局部路径规划方法及云处理端 | |
CN111238520B (zh) | 自动驾驶变道路径规划方法、装置和电子设备 | |
JP6517096B2 (ja) | 作業機械の走行支援システム及び運搬車両 | |
CN107917716B (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
CN112550285B (zh) | 确定碰撞距离的方法、装置、存储介质及电子设备 | |
CN110782092A (zh) | 无人配送车在非结构化场景中的轨迹规划方法及装置 | |
CN114812566B (zh) | 矿区车辆的行驶路径规划方法、装置及计算机设备 | |
CN110836671A (zh) | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 | |
CN112783166A (zh) | 局部轨迹规划方法、装置、电子设备和存储介质 | |
CN104034338A (zh) | 一种动态导航方法及装置 | |
CN116399364B (zh) | 车辆行驶路网生成方法、装置、芯片、终端、设备和介质 | |
JP4127419B2 (ja) | 移動ロボットのグローバル地図構築方法 | |
Jo et al. | Construction process of a three-dimensional roadway geometry map for autonomous driving | |
CN105701555A (zh) | 用于划分路网的方法和*** | |
CN116679698A (zh) | 用于车辆的自动驾驶方法、装置、车辆、设备和介质 | |
CN115195705A (zh) | 泊车路径的双向规划方法、装置、计算机设备 | |
CN114545922A (zh) | 路径规划方法、电子设备及计算机存储介质 | |
CN111814114A (zh) | 车道定位校验的方法、设备、电子设备、车辆及存储介质 | |
JP6391424B2 (ja) | 無線システム及び運行管理サーバ | |
CN117734676B (zh) | 一种自动泊车方法、装置、设备及存储介质 | |
CN117456496B (zh) | 地图车道边界线的处理方法和*** | |
CN112747763B (zh) | 局部路径规划方法、装置、电子设备和存储介质 | |
CN117789517A (zh) | 机器人临时停车点确定方法、***、电子设备及存储介质 | |
JP7230778B2 (ja) | データ更新装置、データ更新方法、及びデータ更新プログラム |
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 |