CN114427866A - 路径规划方法、电子设备以及存储介质 - Google Patents
路径规划方法、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN114427866A CN114427866A CN202210079635.XA CN202210079635A CN114427866A CN 114427866 A CN114427866 A CN 114427866A CN 202210079635 A CN202210079635 A CN 202210079635A CN 114427866 A CN114427866 A CN 114427866A
- Authority
- CN
- China
- Prior art keywords
- target
- random tree
- point
- path
- probability
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000005070 sampling Methods 0.000 claims abstract description 132
- 238000001514 detection method Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013138 pruning Methods 0.000 claims description 5
- 230000000717 retained effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000002457 bidirectional effect Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种路径规划方法、电子设备以及存储介质,包括:采集目标地图,所述目标地图包括第一目标点和第二目标点;生成所述第一目标点对应的第一随机树和所述第二目标点对应的第二随机树;根据所述第一随机树和第二随机树在所述目标地图中确定采样点;根据确定的采样点,规划目标对象在所述目标地图行驶时的路径,该方案可以提高路径搜索效率,进而提高路径规划效率。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种路径规划方法、电子设备以及存储介质。
背景技术
路径规划对于自动驾驶的发展至关重要,是目前无人驾驶设备和智能驾驶设备实现导航的重要部分。
常用的路径规划方案是基于快速探索随机树方法,该方法的思想是快速扩张一群像树一样的路径以探索(填充)空间的大部分区域,伺机找到可行的路径。然而,在目前的方案中,其路径的搜索效率低,导致路径规划的效率低下。
发明内容
本申请实施例提供一种路径规划方法、电子设备以及存储介质,可以提高路径搜索效率,进而提高路径规划效率。
本申请实施例提供了一种路径规划方法,包括:
采集目标地图,所述目标地图包括第一目标点和第二目标点;
生成所述第一目标点对应的第一随机树和所述第二目标点对应的第二随机树;
根据所述第一随机树和第二随机树在所述目标地图中确定采样点;
根据确定的采样点,规划目标对象在所述目标地图行驶时的路径。
可选的,在一些实施例中,所述根据所述第一随机树和第二随机树在所述目标地图中确定采样点,包括:
获取所述第一随机树朝向第二随机树生长时第一探索点的第一约束概率,以及;
获取所述第二随机树朝向第一随机树生长时第二探索点的第二约束概率;
基于所述第一约束概率以及第二约束概率,在所述目标地图中确定采样点。
可选的,在一些实施例中,所述基于所述第一约束概率以及第二约束概率,在所述目标地图中确定采样点,包括:
在所述第一随机树朝向第二随机树生长时,生成所述第一探索点的第一概率,以及;
在所述第二随机树朝向第一随机树生长时,生成所述第二探索点的第二概率;
当检测到所述第一概率小于所述第一约束概率时,将所述第二随机树的节点确定为采样点,以及;
当检测到所述第二概率小于所述二约束概率时,将所述第一随机树的节点确定为采样点。
可选的,在一些实施例中,还包括:
当检测到所述第一概率大于或等于所述第一约束概率时,则在所述目标地图中随机生成采样点,和/或;
当检测到所述第二概率大于或等于所述第二约束概率时,则在所述目标地图中随机生成采样点。
可选的,在一些实施例中,还包括:
对所述采样点进行碰撞检测;
保留符合预设条件的采样点;
对保留的采样点进行生长约束;
所述根据确定的采样点,规划目标对象在所述目标地图行驶时的路径,包括:根据约束后采样点,规划目标对象在所述目标地图行驶时的路径。
可选的,在一些实施例中,所述根据确定的采样点,规划目标对象在所述目标地图行驶时的路径,包括:
根据确定的采样点,构建候选路径;
对所述候选路径进行剪枝处理,得到处理后路径;
根据预设算法对所述处理后路径进行平滑处理,得到目标路径。
可选的,在一些实施例中,所述生成所述第一目标点对应的第一随机树和所述第二目标点对应的第二随机树之前,还包括:
栅格化所述目标地图;
分别对栅格化地图中的第一目标点和第二目标点进行标识。
相应的,本申请还提供一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时如上任一所述方法的步骤。
本申请还提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
本申请实施例在采集目标地图后,所述目标地图包括第一目标点和第二目标点,生成所述第一目标点对应的第一随机树和所述第二目标点对应的第二随机树,然后,根据所述第一随机树和第二随机树在所述目标地图中确定采样点,最后,根据确定的采样点,规划目标对象在所述目标地图行驶时的路径。本申请提供的路径规划的方案,利用第一随机树和第二随机树进行双向快速朝着采样点收敛,提高了路径搜索效率,进而提高路径规划效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的路径规划方法的流程示意图;
图2是本申请实施例提供的路径规划方法中转角约束检测的示意图;
图3是本申请实施例提供的路径规划方法的方向约束的示意图;
图4是本申请实施例提供的路径规划方法中路径平滑前后对比图;
图5是本申请实施例提供的路径规划方法中路径探索的示意图;
图6是四种路径规划算法在同种环境下进行路径规划的对比示意图;
图7~9是本申请的路径规划方法在三种不同环境下的路径规划对比结果
图10是本申请实施例提供的路径规划装置的结构示意图;
图11是本申请实施例提供的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清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供一种路径规划方法、电子设备和存储介质。
其中,该路径规划装置具体可以集成在服务器或者终端中,服务器可以包括一个独立运行的服务器或者分布式服务器,也可以包括由多个服务器组成的服务器集群,终端可以包括手机、平板电脑或个人计算机(PC,Personal Computer)。
以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优先顺序的限定。
一种路径规划方法,包括:采集目标地图,生成第一目标点对应的第一随机树和第二目标点对应的第二随机树,根据第一随机树和第二随机树在目标地图中确定采样点,根据确定的采样点,规划目标对象在目标地图行驶时的路径。
请参阅图1,图1为本申请实施例提供的路径规划方法的流程示意图。该路径规划方法的具体流程可以如下:
101、采集目标地图。
其中,目标地图包括第一目标点和第二目标点,可选的,该目标地图可以是环境地图,环境地图是指产生、维持环境边界分布、走向、衔接关系、属性和其间障碍位置、姿态等方面的表述,给出环境单元的相互依存关系,以及彼此在整个环境中所处地位与担当角色的描述。第一目标点可以是该目标地图的任一点,如地图的中心点或地图的边界点等等,第二目标点页可以是该目标地图的任一点,如地图的中心点或地图的边界点等等,具体根据实际情况进行选择。
102、生成第一目标点对应的第一随机树和第二目标点对应的第二随机树。
其中,随机树是一个经由随机过程创建的树或者树状图,本申请提供的路径规划方案是在已知的环境(目标地图)环境下通过采样扩展的方法,与一般的快速探索随机树(Rapid-exploration Random Tree,RRT)不同的是,本申请提供的方案是基于两个随机树(第一随机树和第二随机树)进行双向搜索的。
可选的,在一些实施例中,可以将第一目标点作为起点,第二目标点作为终点,且第一目标点作为第一随机树的根节点进行存储;此外,还可以将第二目标点作为起点,第一目标点作为终点,且第二目标点作为第二随机树的根节点进行存储。对于第一随机树和第二随机树,其可以将扩展的新节点是终点作为终止条件,为了避免不存在路径导致的死循环问题,增加最大迭代次数作为另一个终止条件。
需要说明的是,为了便于后续进行碰撞测试,在生成第一随机树和第二随机树之前,可以对环境地图进行栅格化,即,步骤“生成第一目标点对应的第一随机树和第二目标点对应的第二随机树”之前,具体还可以包括:
(11)栅格化目标地图;
(12)分别对栅格化地图中的第一目标点和第二目标点进行标识。
栅格地图的思想是把环境空间分解为局部单元并用它们是否被障碍占据来进行状态描述,这种方法采用概率值表示模型的不确定性,而且能够提供较精确的度量信息,形成的地图非常容易被机器理解和处理,并且便于多传感器信息的融合,因此,在许多***中得到应用。可选的,可以标识第一目标点的坐标和第二目标点的坐标,如,将第一目标点的坐标设为S(10,490),将第二目标点的坐标设为E(490,10),当然还可以设定为别的数值,在此不再赘述。
103、根据第一随机树和第二随机树在目标地图中确定采样点。
在本申请中,采样点可以是规划目标对象在目标地图行驶时的路径的依据,根据第一随机树和第二随机树在目标地图中确定采样点的具体过程可以为:首先,可以对第一目标点和第二目标点设置对应的约束概率,其中一个为第一随机树向第二随机树生长的约束概率,另一个为第二随机树向第一随机树生长的约束概率,随后,基于两者对应的约束概率,在目标地图中确定采样点,即,步骤“根据第一随机树和第二随机树在目标地图中确定采样点”,具体可以包括:
(21)获取第一随机树朝向第二随机树生长时第一探索点的第一约束概率,以及获取第二随机树朝向第一随机树生长时第二探索点的第二约束概率;
(22)基于第一约束概率以及第二约束概率,在目标地图中确定采样点。
例如,具体的,将第一随机树朝向第二随机树生长时第一探索点的约束概率设为Pstart-bias,第二随机树朝向第一随机树生长时第二探索点的约束概率设为Pgoal-bias,当两个随机树朝着各自的目标树进行搜索时,按照均匀概率随机产生一个概率值,比如,随机产生第一随机树的概率至为Prand-start,随机产生第二随机树的概率至为Prand-goal,最后,基于这四个概率,在目标地图中确定采样点,即,步骤“基于第一约束概率以及第二约束概率,在目标地图中确定采样点”,具体可以包括:
(31)在第一随机树朝向第二随机树生长时,生成第一探索点的第一概率,以及在第二随机树朝向第一随机树生长时,生成第二探索点的第二概率;
(32)当检测到第一概率小于所述第一约束概率时,将第二随机树的节点确定为采样点,以及当检测到第二概率小于二约束概率时,将第一随机树的节点确定为采样点。
可选的,当第一随机树的第一概率Prand-start小于第一随机树的第一约束概率Pstart-goal,则将第二随机树的节点坐标Ngoal作为随机采样点Nrand。
需要说明的是,当第一随机树的第一概率Prand-start大于或等于第一随机树的第一约束概率Pstart-goal,就在空间中随机产生一个采样点Nrand=nrand*SearchSize(x,y),SearchSize(x,y)第一随机树的目标偏置采样公式如式1所示:
可选的,当第二随机树的第一概率Prand-goal小于第二随机树的第一约束概率Pgoal-bias,则将第二随机树的节点坐标Nstart作为随机采样点Nrand。
需要说明的是,当第二随机树的第一概率Prand-goal大于或等于第二随机树的第一约束概率Pgoal-bias,就在空间中随机产生一个二维数据的坐标点nrand,二维数据的大小均在(0,1)范围内,随机采样点Nrand=nrand*SearchSize(x,y),SearchSize(x,y)坐标用来控制随机采样点Nrand的搜索范围,第二随机树的目标偏置采样公式如式2所示:
需要说明的是,式1和式2中Rand()为随机采样函数,即,本申请提供的路径规划方法具体还可以包括:
(41)当检测到第一概率大于或等于所述第一约束概率时,则在目标地图中随机生成采样点,和/或;
(42)当检测到第二概率大于或等于第二约束概率时,则在目标地图中随机生成采样点。
可以理解的是,环境地图上存在着至少一个障碍物,为了保证规划的路径的准确性,在一些实施例中,可以对采样点进行碰撞检测,即,本申请提供的路径规划方法具体还可以包括:
(51)对采样点进行碰撞检测;
(52)保留符合预设条件的采样点;
(53)对保留的采样点进行生长约束。
在进行碰撞检测时,主要需要对采样点和边进行检测,比如,可以设定障碍物的所有边都是有向边,方向为逆时针,若对于每条边,采样点都位于这条边的左侧,那么这个顶点就在障碍物内部;若存在一条边,采样点位于其右侧,那么这个采样点就在障碍物外部。
可选的,在一些实施例中,根据确定的采样点,规划目标对象在目标地图行驶时的路径,具体可以包括:根据约束后采样点,规划目标对象在目标地图行驶时的路径。
可选的,在一些实施例中,生长约束的方式可以包括方向约束、角度约束以及生长步长约束。
可选的,在本申请中,角度约束又称为转角约束检测,转角约束检测需要先计算当前路径伸展方向和随机树中前一步伸展方向之间的夹角。请参阅图2,首先,计算当前路径伸展方向PnearPnew和随机树中前一步伸展方向PprePnear之间的夹角θ,其中,Ppre为Pnear的父节点,α为PnearPnew与地图水频现之间的夹角,β为PprePnear与地图水平线之间的夹角,其中, 则θ=α-β,若|θ|≤θmax,则采样点通过转角约束检测,将该采样点Pnew加入至随机树中。若|θ|>θmax,此时以最大转角θmax为角度生成采样点Pnew,并进行碰撞检测,若碰撞检测成功,则将该采样点Pnew加入至随机树中,若碰撞检测失败,则重新进行概率约束生成Pnand。
可选的,请参阅图3,在本申请中,可以基于目标导向生长策略对采样点进行方向约束,其中,通过给采样点方向和随机树的节点方向分配不同的权重,在采样点和随机树节点之间生成一个新的节点,该节点按照一定的权重偏向于采样点,使得新点的扩展方向不再单纯由随机采样点决定,而是由采样点和各自随机树的节点来共同决定。通过设置合适的权重就能够使得新的随机的采样点不断朝着采样点的方向扩展,使得每一次扩展都能够有效的接近采样点,从而加快路径的搜索速度。新节点偏向目标的生成公式为
Nnew=Nnearest+xstep·vj·Kgoal+(1-vj)·Krand (3)
其中,xstep为扩展步长,vj为目标点方向权重,取值范围为[0,1];Kgoal为目标点方向单位矢量,Krand为采样点方向单位矢量。
可选的,在本申请中,可以通过检测采样点预设范围内的障碍物情况,动态调整采样点的生长步长,通过预先设定的安全距离为半径R,此时,将以圆心为P的元分成n份,其中,n=2π/s,将P以角度n为最小单位进行扩展扫描检测周围是否有障碍物存在,根据障碍物的距离动态调整自身的扩展步长。将以角度n为最小单位进行扩展的具体公式为:
x=Pnewx+R*cos(n) (5)
x=Pnewx+R*sin(n) (6)
以上,完成对保留的采样点的生长约束。
104、根据确定的采样点,规划目标对象在目标地图行驶时的路径。
可选的,目标对象可以是智能车辆或无人机等等,具体根据实际情况而定,在得到采样点后,可以分别将第一目标点和第二目标点确定为路径的起点和终点,并根据采样点,规划目标对象在目标地图行驶时的路径。
为了在目标地图中尽可能地探索到最优的路径,在利用随机树进行探索时,会产生大量的采样点,导致随机树的分支过大,此时,依据这些采样点则可能构建出多条路径,且这多条路径均指向一个终点。然而,每条路径的开销均不相同,为了避免规划一些不必要的路径,因此,在一些实施例中,需要对路径进行剪枝处理,并且,为了避免剪枝处理后的路径出现折角转弯路径,故,会对处理后路径进行平滑处理,从而得到目标路径,即,步骤“根据确定的采样点,规划目标对象在目标地图行驶时的路径”,具体可以包括:
(61)根据确定的采样点,构建候选路径;
(62)对候选路径进行剪枝处理,得到处理后路径;
(63)根据预设算法对处理后路径进行平滑处理,得到目标路径。
可选的,在一些实施例中,可以采用A*算法对候选路径进行剪枝处理,其中,从起点开始,不断扩展搜索节点,计算完整路径中节点的代价值,更新节点的状态,直到搜索到目标后停止,最后按照搜索时标记的节点最小代价得到最优路径。在搜索过程中,由于路径上的每个节点都是具有最小代价的节点,因此得到的总的路径代价是最小的,所以经过A*算法搜索得到的路径也是最短的。A*算法的代价函数为F(n)=g(n)+h(n),式中n表示完整路径中的节点;F(n)表示从起点经过任意节点n到达目标节点的代价估算;g(n)表示从起始节点到达当前节点n的最优路径代价函数;h(n)表示当前节点n到达目标节点的最优路径代价函数。A*算法的估值函数中,h(n)代价值可使用曼哈顿距离、切比雪夫距离或欧几里得距离计算。本文采用欧几里得距离作为代价值。假设当前节点坐标为(xa,ya),目标点坐标为(xb,yb),欧几里得距离表示两坐标的最短距离,其公式为:
进一步,可以采用非线性插值B样条曲线算法对剪枝后的路径进行平滑处理,首先,对路径点(采样点)之间的路径进行插值采样,得到一定的数据点后,再通过融合插值算法对整个路径进行优化,算法的曲线方程为:
其中,di(i=1,2,...,n)表示第i个控制系数,B样条曲线的控制多边形就是由这些控制点依次连接而成。Ni,k(u)(i=0,1,...,n)表示第i个k次(k+1阶)B样条基函数。利用弦长对非均匀结点向量进行参数化,实现对控制点的参数化处理。不同类型的B样条曲线具有不同的节点向量U,根据里森费尔德的方法,让多边形的边按照顺序排列:所有的边长为偶数阶的节点向量如公式(9)
奇数阶的节点向量如公式(10)
K次B样条的基本函数通常是Cox-deBoor递归公式,其基本函数如公式(11)所示
其中,ui称为节点,它是节点向量U={u0,u1,...,un}这个单调非减集合的一个元素。定义域被节点细分为一个个的节点区间。如果这些节点区间是均匀的,则称使用这些节点的B样条曲线为均匀B样条曲线,否则,称之为非均匀B样条曲线。计算一条k次B样条曲线,由方程(9)可知,共需n+1个控制系数di(i=1,2...,n)以及n+1个k次B样条基函数。控制系数一般通过最小二乘法获得,B样条基函数则利用节点向量通过式(11)获得。
完整路径中的路径点是在路径规划过程中获取的。路径点经过最短路径处理后,控制点di(i∈q_curve)需要进行反向处理。反解三次b样条方程为
其中q_i为路径点。
对于系数矩阵中为基本函数值的元素,这些元素只与节点向量U有关,式(12)简化为
每一个参数为
以上完成对候选路径的处理,从而得到目标对象在目标地图行驶时的路径。
本申请实施例在采集目标地图后,生成第一目标点对应的第一随机树和第二目标点对应的第二随机树,然后,根据第一随机树和第二随机树在目标地图中确定采样点,最后,根据确定的采样点,规划目标对象在目标地图行驶时的路径。本申请提供的路径规划的方案,利用第一随机树和第二随机树进行双向快速朝着采样点收敛,提高了路径搜索效率,进而提高路径规划效率。
以下进一步具体说明本申请的路径规划方法,本申请提供一种新型的基于RRT的路径规划方法,包括:
步骤1:将环境地图导入,把环境地图处理为一个信息数组,如图4~9中的地图,先将地图栅格化处理,图中黑色块为障碍物,白色区域为可通行区域,在数组障碍物区域处理为数值1,可通行区域处理为数值0,地图的起点坐标为(10,490),终点坐标为(490,10);
步骤2:采用概率约束方法使得采样点朝着目标树方向进行采样,判断采样点是否与障碍物产生碰撞,有碰撞则舍弃该采样点,否则保留,约束思想是首先依据设定的采样条件随机生成一组随机采样点,其次对其各随机点的位置进行判断。判断该采样点在x方向或者在y方向上比前一个采样点更加接近目标树的节点,若满足上述条件则选取该组采样点中最靠近目标树的节点作为新节点,否则继续循环采样,直到满足上述条件为止。
步骤3:将随机点与障碍物进行碰撞检测,判断随机点是否在障碍物上。
步骤4:根据步骤3所得到新采样点,结合角度约束策略让生长树以一定的角度朝着目标进行采样,使得采样点效率提升。
步骤5:结合目标导向生长策略让随机树朝着目标树方向生长,使得随机树的扩展具有目标导向性。
步骤6:采用动态扩展步长策略进行分析,更据外部环境来动态调整接下来的生长步长。
步骤7:重复步骤2和步骤6进行循环搜索,直到搜索出一条完整路径;
步骤8:采用A*算法进行剪枝处理,得到最短路径。
步骤9:采用非线性插值B样条算法对步骤8中得到的最短路径进行平滑处理,得到一条平滑路径。
图4为路径平滑前后对比图,图中黑色物体为障碍物,白色为可通行路径,黑色的实线为最终得到的平滑路径,黑色虚线为经过A*算法剪纸后的最短路径。
图6为B-RRT(a)、RRT-Connect(b)、BIT-RRT(c)、本申请的路径规划方法(d)四种路径规划算法在同种环境下进行路径规划的对比。图中的O形点组成的随机树为起点随机树,树中的O形点为可行随机点;-X点组成的随机树为终点随机树,-x点为终点随机树的可行随机点。
图7~9是本申请的路径规划方法在三种不同环境下的路径规划对比结果,图中的黑线段为最终的路径。
为便于更好的实施本申请实施例的路径规划方法,本申请实施例还提供一种基于上述路径规划装置(简称规划装置)。其中名词的含义与上述路径规划方法中相同,具体实现细节可以参考方法实施例中的说明。
请参阅图10,图10为本申请实施例提供的路径规划装置的结构示意图,其中该规划装置可以包括采集模块301、生成模块302、确定模块303以及规划模块304,具体可以如下:
采集模块301,用于采集目标地图。
其中,,目标地图包括第一目标点和第二目标点,可选的,该目标地图可以是环境地图,环境地图是指产生、维持环境边界分布、走向、衔接关系、属性和其间障碍位置、姿态等方面的表述,给出环境单元的相互依存关系,以及彼此在整个环境中所处地位与担当角色的描述。
生成模块302,用于生成第一目标点对应的第一随机树和第二目标点对应的第二随机树。
其中,随机树是一个经由随机过程创建的树或者树状图,本申请提供的路径规划方案是在已知的环境(目标地图)环境下通过采样扩展的方法,与一般的快速探索随机树(Rapid-exploration Random Tree,RRT)不同的是,本申请提供的方案是基于两个随机树(第一随机树和第二随机树)进行双向搜索的。
可选地,在一些实施例中,本申请的规划装置具体还可以包括标识模块305,该标识模块305具体可以用于:栅格化目标地图,分别对栅格化地图中的第一目标点和第二目标点进行标识。
确定模块303,用于根据第一随机树和第二随机树在目标地图中确定采样点。
在本申请中,采样点可以是规划目标对象在目标地图行驶时的路径的依据,根据第一随机树和第二随机树在目标地图中确定采样点的具体过程可以为:首先,可以对第一目标点和第二目标点设置对应的约束概率,其中一个为第一随机树向第二随机树生长的约束概率,另一个为第二随机树向第一随机树生长的约束概率,随后,基于两者对应的约束概率,在目标地图中确定采样点。
可选地,在一些实施例中,确定模块303具体可以包括:
获取单元,用于获取第一随机树朝向第二随机树生长时第一探索点的第一约束概率,以及获取第二随机树朝向第一随机树生长时第二探索点的第二约束概率;
确定单元,用于基于第一约束概率以及第二约束概率,在目标地图中确定采样点。
可选地,在一些实施例中,确定单元具体可以用于:
在第一随机树朝向第二随机树生长时,生成第一探索点的第一概率,以及在第二随机树朝向第一随机树生长时,生成第二探索点的第二概率;
当检测到第一概率小于所述第一约束概率时,将第二随机树的节点确定为采样点,以及当检测到第二概率小于二约束概率时,将第一随机树的节点确定为采样点。
可选地,在一些实施例中,确定单元具体还可以用于
当检测到第一概率大于或等于所述第一约束概率时,则在目标地图中随机生成采样点,和/或;
当检测到第二概率大于或等于第二约束概率时,则在目标地图中随机生成采样点。
可选地,在一些实施例中,本申请的规划装置具体还可以包括约束模块306,该约束模块306具体还可以用于:对采样点进行碰撞检测,保留符合预设条件的采样点,对保留的采样点进行生长约束。。
规划模块304,用于根据确定的采样点,规划目标对象在目标地图行驶时的路径。
本申请实施例的采集模块301在采集目标地图后,生成模块302生成第一目标点对应的第一随机树和第二目标点对应的第二随机树,然后,确定模块303根据第一随机树和第二随机树在目标地图中确定采样点,最后,规划模块304根据确定的采样点,规划目标对象在目标地图行驶时的路径。本申请提供的路径规划的方案,利用第一随机树和第二随机树进行双向快速朝着采样点收敛,提高了路径搜索效率,进而提高路径规划效率。
此外,本申请实施例还提供一种电子设备,如图11所示,其示出了本申请实施例所涉及的电子设备的结构示意图,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图11中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
电子设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理***与处理器401逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元404,该输入单元404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,电子设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
采集目标地图,生成第一目标点对应的第一随机树和第二目标点对应的第二随机树,根据所述第一随机树和第二随机树在目标地图中确定采样点,根据确定的采样点,规划目标对象在目标地图行驶时的路径。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
本申请实施例在采集目标地图后,生成第一目标点对应的第一随机树和第二目标点对应的第二随机树,然后,根据第一随机树和第二随机树在目标地图中确定采样点,最后,根据确定的采样点,规划目标对象在目标地图行驶时的路径。本申请提供的路径规划的方案,利用第一随机树和第二随机树进行双向快速朝着采样点收敛,提高了路径搜索效率,进而提高路径规划效率。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种路径规划方法中的步骤。例如,该指令可以执行如下步骤:
采集目标地图,生成第一目标点对应的第一随机树和第二目标点对应的第二随机树,根据所述第一随机树和第二随机树在目标地图中确定采样点,根据确定的采样点,规划目标对象在目标地图行驶时的路径。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的任一种路径规划方法中的步骤,因此,可以实现本申请实施例所提供的任一种路径规划方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种路径规划方法、装置、电子设备以及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种路径规划方法,其特征在于,包括:
采集目标地图,所述目标地图包括第一目标点和第二目标点;
生成所述第一目标点对应的第一随机树和所述第二目标点对应的第二随机树;
根据所述第一随机树和第二随机树在所述目标地图中确定采样点;
根据确定的采样点,规划目标对象在所述目标地图行驶时的路径。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一随机树和第二随机树在所述目标地图中确定采样点,包括:
获取所述第一随机树朝向第二随机树生长时第一探索点的第一约束概率,以及;
获取所述第二随机树朝向第一随机树生长时第二探索点的第二约束概率;
基于所述第一约束概率以及第二约束概率,在所述目标地图中确定采样点。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一约束概率以及第二约束概率,在所述目标地图中确定采样点,包括:
在所述第一随机树朝向第二随机树生长时,生成所述第一探索点的第一概率,以及;
在所述第二随机树朝向第一随机树生长时,生成所述第二探索点的第二概率;
当检测到所述第一概率小于所述第一约束概率时,将所述第二随机树的节点确定为采样点,以及;
当检测到所述第二概率小于所述二约束概率时,将所述第一随机树的节点确定为采样点。
4.根据权利要求3所述的方法,其特征在于,还包括:
当检测到所述第一概率大于或等于所述第一约束概率时,则在所述目标地图中随机生成采样点,和/或;
当检测到所述第二概率大于或等于所述第二约束概率时,则在所述目标地图中随机生成采样点。
5.根据权利要求1至4任一项所述的方法,其特征在于,还包括:
对所述采样点进行碰撞检测;
保留符合预设条件的采样点;
对保留的采样点进行生长约束;
所述根据确定的采样点,规划目标对象在所述目标地图行驶时的路径,包括:根据约束后采样点,规划目标对象在所述目标地图行驶时的路径。
6.根据权利要求5所述的方法,其特征在于,所述对保留的采样点进行生长约束包括:
对保留的采样点进行方向约束、角度约束和/或生长步长约束。
7.根据权利要求1至4任一项所述的方法,其特征在于,所述根据确定的采样点,规划目标对象在所述目标地图行驶时的路径,包括:
根据确定的采样点,构建候选路径;
对所述候选路径进行剪枝处理,得到处理后路径;
根据预设算法对所述处理后路径进行平滑处理,得到目标路径。
8.根据权利要求1至5任一项所述的方法,其特征在于,所述生成所述第一目标点对应的第一随机树和所述第二目标点对应的第二随机树之前,还包括:
栅格化所述目标地图;
分别对栅格化地图中的第一目标点和第二目标点进行标识。
9.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如权利要求1-8任一项所述路径规划方法的步骤。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-8任一项所述路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210079635.XA CN114427866A (zh) | 2022-01-24 | 2022-01-24 | 路径规划方法、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210079635.XA CN114427866A (zh) | 2022-01-24 | 2022-01-24 | 路径规划方法、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114427866A true CN114427866A (zh) | 2022-05-03 |
Family
ID=81313092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210079635.XA Pending CN114427866A (zh) | 2022-01-24 | 2022-01-24 | 路径规划方法、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114427866A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115683149A (zh) * | 2022-11-14 | 2023-02-03 | 武汉轻工大学 | 一种基于地图信息的交互式智能路径规划方法 |
CN116402501A (zh) * | 2023-04-11 | 2023-07-07 | 北京石油化工学院 | 一种用于智能连锁超市的智能购物设备及其*** |
CN116400733A (zh) * | 2023-05-06 | 2023-07-07 | 北京理工大学 | 侦察无人机自适应调整随机树全覆盖路径规划方法 |
CN117734676A (zh) * | 2024-02-19 | 2024-03-22 | 知行汽车科技(苏州)股份有限公司 | 一种自动泊车方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359746A (zh) * | 2021-06-21 | 2021-09-07 | 桂林电子科技大学 | 基于改进双向RRT和Dijkstra融合算法的路径规划方法和装置 |
-
2022
- 2022-01-24 CN CN202210079635.XA patent/CN114427866A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359746A (zh) * | 2021-06-21 | 2021-09-07 | 桂林电子科技大学 | 基于改进双向RRT和Dijkstra融合算法的路径规划方法和装置 |
Non-Patent Citations (1)
Title |
---|
向金林等: "基于改进双向 RRT 的无人艇局部路径规划算法研究", 《中国造船》, vol. 61, no. 1, 31 March 2020 (2020-03-31), pages 157 - 166 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115683149A (zh) * | 2022-11-14 | 2023-02-03 | 武汉轻工大学 | 一种基于地图信息的交互式智能路径规划方法 |
CN116402501A (zh) * | 2023-04-11 | 2023-07-07 | 北京石油化工学院 | 一种用于智能连锁超市的智能购物设备及其*** |
CN116400733A (zh) * | 2023-05-06 | 2023-07-07 | 北京理工大学 | 侦察无人机自适应调整随机树全覆盖路径规划方法 |
CN116400733B (zh) * | 2023-05-06 | 2023-10-20 | 北京理工大学 | 侦察无人机自适应调整随机树全覆盖路径规划方法 |
CN117734676A (zh) * | 2024-02-19 | 2024-03-22 | 知行汽车科技(苏州)股份有限公司 | 一种自动泊车方法、装置、设备及存储介质 |
CN117734676B (zh) * | 2024-02-19 | 2024-05-03 | 知行汽车科技(苏州)股份有限公司 | 一种自动泊车方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114427866A (zh) | 路径规划方法、电子设备以及存储介质 | |
CN110927740B (zh) | 一种移动机器人定位方法 | |
US11877716B2 (en) | Determining region attribute | |
WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
CN108645411B (zh) | 基于粒子群算法的机器人路径规划方法、装置及终端设备 | |
CN110907947B (zh) | 一种移动机器人slam问题中的实时回环检测方法 | |
CN110045731B (zh) | 一种路径规划方法、电子装置及计算机可读存储介质 | |
CN109974699B (zh) | 一种机器人及其地图自主探索方法和装置 | |
CN113223078B (zh) | 标志点的匹配方法、装置、计算机设备和存储介质 | |
CN114593743A (zh) | 一种基于改进双向rrt算法的路径规划方法及装置 | |
CN111680747A (zh) | 用于占据栅格子图的闭环检测的方法和装置 | |
CN111707262A (zh) | 基于最近点向量投影的点云匹配方法、介质、终端和装置 | |
CN109961129A (zh) | 一种基于改进粒子群的海上静止目标搜寻方案生成方法 | |
CN112182819B (zh) | 一种基于赋权图的结构拓扑优化方法、***以及可读存储介质 | |
CN115619954A (zh) | 稀疏语义地图的构建方法、装置、设备及存储介质 | |
CN114397894A (zh) | 一种模仿人类记忆的移动机器人目标搜索方法 | |
CN114528453A (zh) | 全局重定位方法、装置、电子设备及存储介质 | |
CN111382834B (zh) | 一种置信度比较方法及装置 | |
CN113627646B (zh) | 一种基于神经网络的路径规划方法、装置、设备及介质 | |
CN118067132B (zh) | 一种石材养护机器人的路径生成方法 | |
CN117288209B (zh) | 一种变压器声级测定方法及*** | |
Xiaogang et al. | Autonomous mapping for robot based on monocular vision and DGSOM algorithm | |
CN116382307B (zh) | 基于未知连通区域质心的多机器人自主探索方法及*** | |
CN110118559B (zh) | 一种基于变概率策略的导览机器人动态避障方法和装置 | |
CN113627646A (zh) | 一种基于神经网络的路径规划方法、装置、设备及介质 |
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 |