CN115344049A - 一种旅客登机车自动路径规划及车辆控制方法及装置 - Google Patents
一种旅客登机车自动路径规划及车辆控制方法及装置 Download PDFInfo
- Publication number
- CN115344049A CN115344049A CN202211115373.4A CN202211115373A CN115344049A CN 115344049 A CN115344049 A CN 115344049A CN 202211115373 A CN202211115373 A CN 202211115373A CN 115344049 A CN115344049 A CN 115344049A
- Authority
- CN
- China
- Prior art keywords
- node
- path
- vehicle
- expansion
- path planning
- 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 35
- 238000011156 evaluation Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 29
- 230000003068 static effect Effects 0.000 claims description 19
- 230000004888 barrier function Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 2
- 230000003137 locomotive effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种旅客登机车自动路径规划及车辆控制方法及装置,属于领域属于车辆运行路径规划和控制技术领域。在全局路径规划中,通过改进后的评价函数将节点夹角信息和目标点距离信息综合融入到评价函数中,在算法搜索时具有方向性和明确的目的,避免了不必要的节点搜索,遍历点减少,达径搜索时间减少,提高了算法的效率;同时在全局最优路径规划的基础上,在行驶中实时感知障碍物对局部路径实时调整生成平滑路径,实现车辆控制的最优局部路径规划,针对机场复杂场景中控制方法在保证精度的同时也能保证速度。
Description
技术领域
本发明属于车辆运行路径规划和控制技术领域,具体涉及一种旅客登机车自动路径规划及车辆控制方法及装置。
背景技术
智慧机场是未来机场运行管理的发展目标,智慧化就是“AI+自动控制”,人工操作应逐渐退出机场的运行,人不再直接参与运行,人的作用就是监控***的工作,并在***发生故障的时候进行干预,恢复***的正常运行。
传统的登机模式是飞机都滑行到候机楼,这种模式不利于实现机场的自动化运行,可以改变登机模式,便于实现登机自动化,为此需要引入特种设备。一种是移动登机桥,移动登机桥是一种新型的特种设备,其功能可以看成是廊桥和登机梯的结合物。移动登机桥是全封闭的,内置自动扶梯,其功能类似固定登机桥,对接飞机舱门一端可以上下自由升降以适合不同类型的飞机;移动登机桥的另一端对接摆渡车。移动登机桥还可以前后、左右移动,可以实现与飞机舱门自动对接。另一种是旅客登机车,其可以同时实现摆渡、载物和登机梯功能,旅客登机车同样有自动升降功能,以适用不同的机型,相对前一种登机更加灵活、效率更高。
目前智慧机场的发展目标,由于机场需要更为安全和可靠的运行路径和车辆控制,机场情况更为复杂多变,在车辆实际行驶的过程中会出现各种复杂的情况,例如车道边缘出现障碍物需进行规避的情况,但是现有的路径规划方式难以灵活匹配这种路边避障的情况。亟需一种适应机场环境的旅客登机车高精度自动路径规划及车辆控制方法,实现旅客登机车从起始点到目标客机终点安全准确的路径规划以及车辆控制方法。
发明内容
本发明的目的在于解决上述现有技术中存在的难题,提供一种旅客登机车自动路径规划及车辆控制方法。
本发明的旅客登机车自动路径规划及车辆控制方法具体包含如下步骤:
步骤1,接收旅客登机车当前停泊点A以及登机目标点B在机场静态二维构型空间中的坐标信息;
步骤2,生成由当前停泊点A至登机目标点B的最优全局路径规划;
具体基于机场的静态二维构型空间中计算全局最优路径中,依据成本评价函数进行搜索,将搜索到满足成本评价函数的点作为下一次要搜索的点,并重复此过程,直到找到登机目标点,形成最优路径,其成本评价函数如下:
f(n)=hupdate(n)+g(n)
其中,f(n)为当前节点n的成本评价函数,g(n)为旅客登机车从初始位置到当前节点n的实际成本,hupdate(n)为旅客登机车从当前节点n到目标点的启发函数。
为了减少扩大搜索的范围节点的低效计算,提升全局寻优的搜索速度,同时考虑上一节点的影响以及节点夹角信息的影响,本申请提出改进后的启发函数如下:
上式中lnt是当前节点n与登机目标点B之间的距离长度,lst是起始点与登机目标点B之间的距离长度,k为n的上一节点,h(n)是当前节点的启发函数,h(k)是当前节点n的上一节点的启发函数。节点方向夹角θ为起始点到当前节点n的向量与当前节点n指向登机目标点B的向量之间的夹角,夹角取值范围为[0°,120°]。
进一步,如果两个节点之间的f(n)的估计值相同,则估计值节点与目标点的距离越大,说明该节点与起始点、目标点之间的夹角越大,反之亦然,m为权重值,本申请中m取值为0-1的数值。
进一步,根据车辆起始点和目标点的位置,根据上述算法生成的路线最优全局路径规划,车辆沿着道路中心线行驶,根据车辆速度和道路限速要求产生在不同路径节点位置上的控制参数,生成旅客登机车的运动轨迹。
步骤3,基于最优全局路径规划控制旅客登机车按照最优全局路径规划行驶,并在行驶中实时感知障碍物对局部路径实时调整生成平滑路径;
步骤3.1,由机场实时监控***采集得到当前行驶的局部路径上是否存在障碍物,包括行人、其他车辆、路障、禁入指示区域,当存在上述障碍物时,根据检测算法得到对应障碍物在图像中边缘点位置坐标;将障碍物在图像中边缘点位置坐标射至机场的静态二维构型空间中;障碍物在静态二维构型空间中的位置坐标(xz,yz),其中z∈(1,M),M为边缘点的个数;
步骤3.2,路径规划的节点i为全局路径规划中除目标点的任一节点,扩展得到的随机采样点为r,然后遍历所有已存在的节点并计算得到离r最近的现有节点n,以给定的步长t从节点n向r扩展,如果在扩展路径上没有阻碍物,则将新生成的扩展节点r加入到扩展随机树中,若发生碰撞则舍弃扩展节点r;
具体由于旅客登机车作自身性能以及安全要求,转弯角度幅度小于预设的角度θ,结合障碍物在静态二维构型空间中的位置坐标(xz,yz),其中z∈(1,M),本申请中M取值为8;
本申请依据如下方式取舍规则确定扩展节点r是否舍弃,具体计算步骤如下:
步骤3.2.1,计算扩展节点r与障碍物在静态二维构型空间中的位置坐标(xz,yz)距离度量Dm;
步骤3.2.2,计算扩展节点r与障碍物位置坐标(xz,yz)距离最近的前4个点,并取前4个最近距离均值得到距离度量Dm’;
步骤3.2.3,判断距离度量Dm’是否小于5t,若小于则进入步骤3.2.4;否则保留该扩展节点;
步骤3.2.4,确定扩展节点r下一扩展节点r1形成的向量方向,并判断该向量方向是否落入扩展节点r与障碍物在静态二维构型空间中的位置坐标(xz,yz)形成的最大角度范围内,若r、r1两点形成的向量方向落入上述范围内,则舍弃该扩展节点,否则保留该扩展节点。
步骤3.2.5,重新在当前树节点上随机选取新的扩展方向,反复循环直到找到目标点g,依据保留的扩展节点输出局部路径,依据预设的转弯角度幅度约束生成平滑路径;
除此之外,本申请还提供了一种旅客登机车自动路径规划及车辆控制方法对应的计算机装置以及可读存储介质,其中计算机装置包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现上述旅客登机车自动路径规划及车辆控制方法。所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现上述车辆控制方法。
与现有技术相比,本发明的有益效果是:(一)通过改进后的评价函数将节点夹角信息和目标点距离信息综合融入到评价函数中,在算法搜索时具有方向性和明确的目的,避免了不必要的节点搜索,遍历点减少,路径径搜索时间减少,提高了算法的效率;(二)同时在全局最优路径规划的基础上,在行驶中实时感知障碍物对局部路径实时调整生成平滑路径,实现车辆控制的最优局部路径规划,针对机场复杂场景中控制方法在保证精度的同时也能保证速度。
附图说明
图1是本发明实施例提供的旅客登机车自动路径规划及车辆控制方法流程图;
图2是本发明实施例提供的局部路径实时调整中扩展节点取舍计算流程图。
具体实施方式
下面结合附图对本发明作进一步详细描述:
参见图1,本发明提供一种旅客登机车自动路径规划及车辆控制方法。
本发明的旅客登机车自动路径规划及车辆控制方法具体包含如下步骤:
步骤1,接收旅客登机车当前停泊点A以及登机目标点B在机场静态二维构型空间中的坐标信息;
步骤2,生成由当前停泊点A至登机目标点B的最优全局路径规划;
具体基于机场的静态二维构型空间中计算全局最优路径中,依据成本评价函数进行搜索,将搜索到满足成本评价函数的点作为下一次要搜索的点,并重复此过程,直到找到登机目标点,形成最优路径,其成本评价函数如下:
f(n)=hupdate(n)+g(n)
其中,f(n)为当前节点n的成本评价函数,g(n)为旅客登机车从初始位置到当前节点n的实际成本,hupdate(n)为旅客登机车从当前节点n到目标点的启发函数。
为了减少扩大搜索的范围节点的低效计算,提升全局寻优的搜索速度,同时考虑上一节点的影响以及节点夹角信息的影响,本申请提出改进后的启发函数如下:
上式中lnt是当前节点n与登机目标点B之间的距离长度,lst是起始点与登机目标点B之间的距离长度,k为n的上一节点,h(n)是当前节点的启发函数,h(k)是当前节点n的上一节点的启发函数。节点方向夹角θ为起始点到当前节点n的向量与当前节点n指向登机目标点B的向量之间的夹角,夹角取值范围为[0°,120°]。
进一步,如果两个节点之间的f(n)的估计值相同,则估计值节点与目标点的距离越大,说明该节点与起始点、目标点之间的夹角越大,反之亦然,m为权重值,本申请中m取值为0-1的数值。
进一步,根据车辆起始点和目标点的位置,根据上述算法生成的路线最优全局路径规划,车辆能够沿着道路中心线行驶,根据车辆速度和道路限速要求产生在不同路径节点位置上的控制参数,生成旅客登机车的运动轨迹。
步骤3,基于最优全局路径规划控制旅客登机车按照最优全局路径规划行驶,并在行驶中实时感知障碍物对局部路径实时调整生成平滑路径;
步骤3.1,由机场实时监控***采集得到当前行驶的局部路径上是否存在障碍物,包括行人、其他车辆、路障、禁入指示区域,当存在上述障碍物时,根据检测算法得到对应障碍物在图像中边缘点位置坐标;将障碍物在图像中边缘点位置坐标射至机场的静态二维构型空间中;障碍物在静态二维构型空间中的位置坐标(xz,yz),其中z∈(1,M),M为边缘点的个数,本申请定义M=20;上述障碍物检测算法为现有技术,本发明具体采用基于Cascade、SVM检测以及深度学习检测模型的任意一种;
步骤3.2,路径规划的节点i为全局路径规划中除目标点的任一节点,扩展得到的随机采样点为r,然后遍历所有已存在的节点并计算得到离r最近的现有节点n,以给定的步长t从节点n向r扩展,如果在扩展路径上没有阻碍物,则将新生成的扩展节点r加入到扩展随机树中,若发生碰撞则舍弃扩展节点r;
具体由于旅客登机车作自身性能以及安全要求,转弯角度幅度小于预设的角度θ,结合障碍物在静态二维构型空间中的位置坐标(xz,yz),其中z∈(1,M),本申请中M取值为8;
参见图2,本申请局部路径实时调整中扩展节点取舍计算流程图,依据如下方式取舍规则确定扩展节点r是否舍弃,具体计算步骤如下:
步骤3.2.1,计算扩展节点r与障碍物在静态二维构型空间中的位置坐标(xz,yz)距离度量Dm;
步骤3.2.2,计算扩展节点r与障碍物位置坐标(xz,yz)距离最近的前4个点,并取前4个最近距离均值得到距离度量Dm’;
步骤3.2.3,判断距离度量Dm’是否小于5t,若小于则进入步骤3.2.4;否则保留该扩展节点;
步骤3.2.4,确定扩展节点r下一扩展节点r1形成的向量方向,并判断该向量方向是否落入扩展节点r与障碍物在静态二维构型空间中的位置坐标(xz,yz)形成的最大角度范围内,若r、r1两点形成的向量方向落入上述范围内,则舍弃该扩展节点,否则保留该扩展节点。
步骤3.2.5,重新在当前树节点上随机选取新的扩展方向,反复循环直到找到目标点g,依据保留的扩展节点输出局部路径,依据预设的转弯角度幅度约束生成平滑路径;
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,除非另有说明,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种旅客登机车自动路径规划及车辆控制方法,其特征在于包含如下步骤:
步骤1,接收旅客登机车当前停泊点A以及登机目标点B在机场静态二维构型空间中的坐标信息;
步骤2,生成由当前停泊点A至登机目标点B的最优全局路径规划;
具体依据成本评价函数进行搜索,形成最优路径,其成本评价函数如下:f(n)=hupdate(n)+g(n),其中,f(n)为当前节点n的成本评价函数,g(n)为旅客登机车从初始位置到当前节点n的实际成本,hupdate(n)为旅客登机车从当前节点n到目标点的启发函数;其中启发函数通过如下公式计算:
其中,lnt是当前节点n与登机目标点B之间的距离长度,lst是起始点与登机目标点B之间的距离长度,k为n的上一节点,h(n)是当前节点的启发函数,h(k)是当前节点n的上一节点的启发函数,m为权重值,θ为节点方向夹角,节点方向夹角为起始点到当前节点n的向量与当前节点n指向登机目标点B的向量之间的夹角;
步骤3,基于最优全局路径规划控制旅客登机车按照最优全局路径规划行驶,并在行驶中实时感知障碍物对局部路径实时调整生成平滑路径。
2.根据权利要求1所述的旅客登机车自动路径规划及车辆控制方法,其特征在于步骤3包含如下步骤:
步骤3.1,由机场实时监控***采集得到当前行驶的局部路径上是否存在障碍物,当存在上述障碍物时,根据检测算法得到对应障碍物在图像中边缘点位置坐标;将障碍物在图像中边缘点位置坐标射至机场的静态二维构型空间中;障碍物在静态二维构型空间中的位置坐标(xz,yz),其中z∈(1,M),M为边缘点的个数;
步骤3.2,路径规划的节点i为全局路径规划中除目标点的任一节点,扩展得到的随机采样点为r,然后遍历所有已存在的节点并计算得到离r最近的现有节点n,以给定的步长t从节点n向r扩展,如果在扩展路径上没有阻碍物,则将新生成的扩展节点r加入到扩展随机树中,若发生碰撞则舍弃扩展节点r。
3.根据权利要求2所述的旅客登机车自动路径规划及车辆控制方法,其特征在于:步骤3.2包含如下步骤:
步骤3.2.1,计算扩展节点r与障碍物在静态二维构型空间中的位置坐标(xz,yz)距离度量Dm;
步骤3.2.2,计算扩展节点r与障碍物位置坐标(xz,yz)距离最近的前4个点,并取前4个最近距离均值得到距离度量Dm’;
步骤3.2.3,判断距离度量Dm’是否小于5t,若小于则进入步骤3.2.4;否则保留该扩展节点;
步骤3.2.4,确定扩展节点r下一扩展节点r1形成的向量方向,并判断该向量方向是否落入扩展节点r与障碍物在静态二维构型空间中的位置坐标(xz,yz)形成的最大角度范围内,若r、r1两点形成的向量方向落入上述范围内,则舍弃该扩展节点,否则保留该扩展节点;
步骤3.2.5,重新在当前树节点上随机选取新的扩展方向,反复循环直到找到目标点g,依据保留的扩展节点输出局部路径,依据预设的转弯角度幅度约束生成平滑路径。
4.根据权利要求1所述的旅客登机车自动路径规划及车辆控制方法,其特征在于:根据步骤2生成的最优全局路径规划路线,车辆沿着道路中心线行驶,根据车辆速度和道路限速要求产生在不同路径节点位置上的控制参数,生成旅客登机车的运动轨迹。
5.根据权利要求2所述的旅客登机车自动路径规划及车辆控制方法,其特征在于:所述障碍物包括行人、其他车辆、路障、禁入指示区域。
6.根据权利要求5所述的旅客登机车自动路径规划及车辆控制方法,其特征在于:障碍物检测模型为基于Cascade、SVM、深度学习检测模型的任意一种。
7.根据权利要求2所述的旅客登机车自动路径规划及车辆控制方法,其特征在于:边缘点的个数M为8。
8.根据权利要求1所述的旅客登机车自动路径规划及车辆控制方法,其特征在于:所述节点方向夹角θ取值范围为[0°,120°]。
9.一种计算机装置,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在被处理器调用和执行时,计算机可执行指令促使处理器实现权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211115373.4A CN115344049B (zh) | 2022-09-14 | 2022-09-14 | 一种旅客登机车自动路径规划及车辆控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211115373.4A CN115344049B (zh) | 2022-09-14 | 2022-09-14 | 一种旅客登机车自动路径规划及车辆控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115344049A true CN115344049A (zh) | 2022-11-15 |
CN115344049B CN115344049B (zh) | 2023-08-29 |
Family
ID=83955089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211115373.4A Active CN115344049B (zh) | 2022-09-14 | 2022-09-14 | 一种旅客登机车自动路径规划及车辆控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115344049B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115782835A (zh) * | 2023-02-09 | 2023-03-14 | 江苏天一航空工业股份有限公司 | 一种旅客登机车自动驻车远程驾驶控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
WO2019166517A1 (en) * | 2018-02-28 | 2019-09-06 | Five AI Limited | Path planning in mobile robots |
CN111504325A (zh) * | 2020-04-29 | 2020-08-07 | 南京大学 | 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法 |
CN112034832A (zh) * | 2019-06-04 | 2020-12-04 | 深圳中集天达空港设备有限公司 | 登机桥的路径规划方法 |
CN114675649A (zh) * | 2022-03-28 | 2022-06-28 | 南京工业大学 | 一种融合改进的a*与dwa算法的室内移动机器人路径规划方法 |
-
2022
- 2022-09-14 CN CN202211115373.4A patent/CN115344049B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037812A (zh) * | 2017-03-31 | 2017-08-11 | 南京理工大学 | 一种基于仓储无人车的车辆路径规划方法 |
WO2019166517A1 (en) * | 2018-02-28 | 2019-09-06 | Five AI Limited | Path planning in mobile robots |
CN112034832A (zh) * | 2019-06-04 | 2020-12-04 | 深圳中集天达空港设备有限公司 | 登机桥的路径规划方法 |
CN111504325A (zh) * | 2020-04-29 | 2020-08-07 | 南京大学 | 一种基于扩大搜索邻域的加权a*算法的全局路径规划方法 |
CN114675649A (zh) * | 2022-03-28 | 2022-06-28 | 南京工业大学 | 一种融合改进的a*与dwa算法的室内移动机器人路径规划方法 |
Non-Patent Citations (3)
Title |
---|
H YOSHIDA: "Path planning design for boarding-type personal mobility unit passing pedestrians based on pedestrian bahavior", JOURNAL OF ROBOTICS AND MECHATRONICS, vol. 32, pages 588 - 597 * |
吕志刚: "启发式搜索算法路径规划研究", 国外电子测量技术, vol. 37, no. 6 * |
陈新: "一种改进A__算法在无人船路径规划中的应用", 计算机仿真, vol. 38, no. 3 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115782835A (zh) * | 2023-02-09 | 2023-03-14 | 江苏天一航空工业股份有限公司 | 一种旅客登机车自动驻车远程驾驶控制方法 |
CN115782835B (zh) * | 2023-02-09 | 2023-04-28 | 江苏天一航空工业股份有限公司 | 一种旅客登机车自动驻车远程驾驶控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115344049B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114234998B (zh) | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 | |
US10782703B2 (en) | Constraint relaxation in a navigational system | |
Liu et al. | A new algorithm of the best path selection based on machine learning | |
EP3638981B1 (en) | Fusion framework of navigation information for autonomous navigation | |
WO2019042295A1 (zh) | 一种无人驾驶路径规划方法、***和装置 | |
CN110531770B (zh) | 一种基于改进的rrt路径规划方法和*** | |
IL288191B1 (en) | A navigation system with forced commitment constraints | |
WO2018158642A1 (en) | Systems and methods for navigating with sensing uncertainty | |
CN109131318A (zh) | 一种基于拓扑地图的自主泊车路径协调方法 | |
CN111006667B (zh) | 高速场景下的自动驾驶轨迹生成*** | |
CN115373399B (zh) | 一种基于空地协同的地面机器人路径规划方法 | |
US11698640B2 (en) | Method and apparatus for determining turn-round path of vehicle, device and medium | |
CN108171967B (zh) | 一种交通控制方法及装置 | |
CN113359718A (zh) | 移动机器人全局路径规划与局部路径规划融合方法及设备 | |
CN114281084B (zh) | 一种基于改进a*算法的智能车全局路径规划方法 | |
CN115230719B (zh) | 一种行驶轨迹规划方法和装置 | |
CN115344049A (zh) | 一种旅客登机车自动路径规划及车辆控制方法及装置 | |
CN114428499A (zh) | 一种融合Astar与DWA算法的移动小车路径规划方法 | |
CN114120714A (zh) | 一种城市空域无人机冲突风险评估方法及*** | |
CN115840454B (zh) | 非结构化道路冲突区域的多车轨迹协同规划方法及装置 | |
CN117109620A (zh) | 基于采样的车辆行为与环境交互的自动驾驶路径规划方法 | |
Hongbo et al. | Relay navigation strategy study on intelligent drive on urban roads | |
CN116610109A (zh) | 基于梯度的前向蚁群算法无人车路径规划方法 | |
CN114750782A (zh) | 路径规划方法、装置、设备及车辆控制方法、装置、设备 | |
CN114756017A (zh) | 一种无人机与无人艇结合的导航避障方法 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20221115 Assignee: Jiangsu Tianyi Airport Equipment Maintenance Service Co.,Ltd. Assignor: Jiangsu Tianyi Aviation Industry Co.,Ltd. Contract record no.: X2023980044219 Denomination of invention: A method and device for automatic path planning and vehicle control of passenger boarding vehicles Granted publication date: 20230829 License type: Common License Record date: 20231024 |