CN117571012A - 一种越野环境无人车辆全局路径规划方法、***及设备 - Google Patents
一种越野环境无人车辆全局路径规划方法、***及设备 Download PDFInfo
- Publication number
- CN117571012A CN117571012A CN202410052091.7A CN202410052091A CN117571012A CN 117571012 A CN117571012 A CN 117571012A CN 202410052091 A CN202410052091 A CN 202410052091A CN 117571012 A CN117571012 A CN 117571012A
- Authority
- CN
- China
- Prior art keywords
- grid
- global
- cost
- grids
- determining
- 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 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 239000004744 fabric Substances 0.000 claims abstract description 9
- 238000012876 topography Methods 0.000 claims abstract description 6
- 239000002689 soil Substances 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/3867—Geometry of map features, e.g. shape points, polygons or for simplified maps
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种越野环境无人车辆全局路径规划方法、***及设备,涉及无人车辆全局规划领域,该方法包括获取当前越野环境的卫星高程数据及卫星遥感影像;根据卫星高程数据构建数字高程模型;根据数字高程模型确定当前越野环境的每个栅格的坡度和地表起伏程度;对卫星遥感影像进行灰度处理,得到栅格的灰度值;根据栅格的灰度值确定不同地面类型对应的栅格的通行代价;根据栅格的坡度和地表起伏程度以及不同地面类型对应的栅格的通行代价构建全局格栅地图;根据全局格栅地图确定崎岖地形势场以及路径代价;根据崎岖地形势场以及路径代价,基于布雷森汉姆直线和算法搜索路径,生成全局路径。本发明能够提高车辆在越野环境中的通行效率。
Description
技术领域
本发明涉及无人车辆全局规划领域,特别是涉及一种越野环境无人车辆全局路径规划方法、***及设备。
背景技术
近年来,针对城市环境的自动驾驶领域已经出现了大批可靠的路径规划方案,然而针对越野环境还没有成熟的路径规划解决方案。针对城市环境的自动驾驶路径规划方法往往不考虑地形因素的影响,然而无人驾驶车辆在越野环境中行驶时,不可避免地面临着复杂的地形和密集的障碍物,因此要进行可靠且高效的路径规划就要充分考虑地形因素的影响,这也是保证车辆能够安全行驶的重要前提。目前在全局路径规划中常用的算法是算法,但其存在着计算量大、内存占用多等问题,且常见的栅格信息一般不包含地面类型信息和高程信息,因此在越野环境中效果较差。
因此,基于上述问题,亟需提供一种新的越野环境无人车辆全局路径规划方法,充分考虑越野环境中地形因素的影响,使得规划出的路径途经更少的坡度和崎岖地形,能够提高车辆在越野环境中的通行效率。
发明内容
本发明的目的是提供一种越野环境无人车辆全局路径规划方法、***及设备,能够提高车辆在越野环境中的通行效率。
为实现上述目的,本发明提供了如下方案:一种越野环境无人车辆全局路径规划方法,包括:获取当前越野环境的卫星高程数据及卫星遥感影像。
根据卫星高程数据构建数字高程模型。
根据数字高程模型确定当前越野环境的每个栅格的坡度和地表起伏程度。
对卫星遥感影像进行灰度处理,得到栅格的灰度值。
根据栅格的灰度值确定不同地面类型对应的栅格的通行代价。
根据栅格的坡度和地表起伏程度以及不同地面类型对应的栅格的通行代价构建全局格栅地图。
根据全局格栅地图确定崎岖地形势场以及路径代价。
根据崎岖地形势场以及路径代价,基于布雷森汉姆直线算法和算法搜索路径,生成全局路径。
可选地,所述根据数字高程模型确定当前越野环境的每个栅格的坡度和地表起伏程度,具体包括:利用三阶不带权差分模型确定当前越野环境的每个栅格的坡度。
根据数字高程模型计算局部地区的高程均方差。
根据局部地区的高程均方差以及第个栅格的高程值确定第/>个栅格的均方差,作为第/>个栅格的地表起伏程度。
可选地,所述对卫星遥感影像进行灰度处理,得到栅格的灰度值,具体包括:根据卫星遥感影像,采用算数平均的方法得到栅格的灰度值。
可选地,所述根据栅格的灰度值确定不同地面类型对应的栅格的通行代价,具体包括:利用公式确定不同地面类型对应的栅格的通行代价。
其中,为栅格的通行代价;/>代表地面类型对应的编号,1、2、3分别对应着硬质土路、天然路面和低山地路面;/>代表车辆在对应地面类型上的机动速度。
可选地,所述根据崎岖地形势场以及路径代价,基于布雷森汉姆直线算法和算法搜索路径,生成全局路径,具体包括:S1、根据数字高程模型计算坡度,初始化slope表,根据地表起伏程度计算斥力势场,初始化Rep表;根据卫星遥感影像初始化pass表,综合地面类型和坡度初始化栅格状态,初始化Openlist和Closelist,设定起始点和目标点,将起始点加入Openlist中。
S2、判断Openlist是否为空,若Openlist为空,则停止运行;否则开始寻路;找到Openlist中当前代价值最小的点作为扩展节点。
S3、判断当前扩展节点是否为目标点,若为目标点则寻路结束,对节点/>的父节点进行回溯,将回溯的节点依次存入路径表中生成路径,直至起始点停止;否则向节点周围的8个邻点进行扩展,并将节点/>从Openlist中去除并加入Closelist。
S4、向邻点进行扩展时,首先判断邻点/>的栅格状态为free或obstacle,若为obstacle,则跳过邻点/>,若为free则执行S5。
S5、检查邻点是否在Closelist中,若在Closelist中,则不进行操作,否则计算从节点/>到邻点/>的代价值,并将节点/>设为邻点/>的父节点;计算邻点/>与节点/>的父节点之间的代价值,若代价更小,则更新邻点/>的代价值,将邻点/>的父节点设为节点/>的父节点;随后检查邻点/>是否在Openlist中,若不在Openlist中,则加入Closelist中,若在Openlist中,则将邻点/>之前的代价值与新计算的代价值对比;若新的代价值更小,则更新邻点/>的代价值,否则不进行操作;然后返回至S2。
一种越野环境无人车辆全局路径规划***,包括:数据获取模块,用于获取当前越野环境的卫星高程数据及卫星遥感影像。
数字高程模型构建模块,用于根据卫星高程数据构建数字高程模型(DigitalElevation Model,DEM)。
坡度和地表起伏程度确定模块,用于根据数字高程模型确定当前越野环境的每个栅格的坡度和地表起伏程度。
灰度处理模块,用于对卫星遥感影像进行灰度处理,得到栅格的灰度值。
通行代价确定模块,用于根据栅格的灰度值确定不同地面类型对应的栅格的通行代价。
全局格栅地图构建模块,用于根据栅格的坡度和地表起伏程度以及不同地面类型对应的栅格的通行代价构建全局格栅地图。
崎岖地形势场以及路径代价确定模块,用于根据全局格栅地图确定崎岖地形势场以及路径代价。
全局路径生成模块,用于根据崎岖地形势场以及路径代价,基于布雷森汉姆直线算法和算法搜索路径,生成全局路径。
一种越野环境无人车辆全局路径规划设备,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现所述的方法。
可选地,所述存储器为计算机可读存储介质。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明所提供的一种越野环境无人车辆全局路径规划方法、***及设备,根据栅格的坡度和地表起伏程度以及不同地面类型对应的栅格的通行代价构建全局格栅地图;全局格栅地图能较好地表达环境中的障碍信息和距离,并且能储存环境的高程信息。利用栅格中的卫星高程数据计算环境的坡度和地表起伏程度,可以判断车辆的通过性。本发明将越野环境地形因素对规划的影响进行了量化,以便在越野环境中更好地考虑地形的影响。根据崎岖地形势场以及路径代价,基于布雷森汉姆直线算法和算法搜索路径,生成全局路径;在布雷森汉姆直线算法和/>算法构建的改进的/>算法中的代价函数中,不仅考虑了由于道路坡度带来的栅格间真实距离的变化,还考虑了不同地面类型对车辆通行速度的影响以及车辆行驶时尽量远离崎岖地形的需求。使用本发明所提供的方法能够使规划出的路径途经更少的坡度和崎岖地形,提高车辆在越野环境中的通行效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,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的附图。
图1为本发明所提供的一种越野环境无人车辆全局路径规划方法流程示意图。
图2为DEM格网示意图。
图3为越野环境高程图。
图4为移动窗口示意图。
图5为越野环境的坡度图。
图6为斥力势场示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种越野环境无人车辆全局路径规划方法、***及设备,能够提高车辆在越野环境中的通行效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明所提供的一种越野环境无人车辆全局路径规划方法,包括S101至S108。
S101,获取当前越野环境的卫星高程数据及卫星遥感影像。
卫星高程数据可以用函数形式表示为:;式中,/>和/>是平面坐标,/>是点/>对应的高程值,/>为栅格地图中代表栅格位置的序号中的最大值,是一个整数。
S102,根据卫星高程数据构建数字高程模型。
采样的原则为规则格网采样,将栅格对应的高程值进行存储,如图2所示。根据高程数据可以绘制如图3所示的越野环境高程图。
S103,根据数字高程模型确定当前越野环境的每个栅格的坡度和地表起伏程度。
S103具体包括:利用三阶不带权差分模型确定当前越野环境的每个栅格的坡度。
根据数字高程模型计算局部地区的高程均方差。
根据局部地区的高程均方差以及第个栅格的高程值确定第/>个栅格的均方差;将第/>个栅格的均方差作为第/>个栅格的地表起伏程度。
由于在DEM模型中,高程是离散值,地形曲面是未知的,因此在进行坡度和坡向的计算时,在局部范围内采用33移动窗口法进行计算,如图4所示。当车辆处于/>栅格时,算法原理如下:/>和/>。式中,/>是南北方向高程变化率,/>是东西方向高程变化率,/>是各个栅格的高程值,/>是栅格的间距。
坡度的计算方法为:。
坡度通常用百分比表示,则坡度为:。
考虑到一般越野车辆的动力性能,本发明将坡度阈值设定为40%,高于阈值的栅格设定为不可通行。
通过计算局部地区的高程均方差,来衡量该区域内高程值的离散程度,从而判断地形的颠簸程度,评价区域地形起伏特征。
首先求出区域内(33移动窗口)高程的几何平均值/>:/>。式中,/>是第个栅格的高程值,/>代表栅格的数量。
然后计算第个栅格的均方差,即可得出该栅格的地表粗糙度,以此作为地表起伏程度信息/>:/>。
S104,对卫星遥感影像进行灰度处理,得到栅格的灰度值。
S104根据卫星遥感影像,采用算数平均的方法得到栅格的灰度值。在卫星遥感影像中,不同地面属性对应的栅格的像素值有明显区别。采用算数平均的方法得到栅格的灰度值:。式中,/>表示栅格的灰度值,/>表示图像颜色通道的数量,/>表示对应栅格的序号,/>表示像素对应的RGB值。
S105,根据栅格的灰度值确定不同地面类型对应的栅格的通行代价。
栅格在传统的栅格地图中,栅格的属性只有可通行和不可通行两种状态,对应的栅格占据状态是1和0。在研究越野环境的可通行性时,根据越野环境中不同的地面类型对车辆通过性影响的不同,对每个栅格定义一个通行系数,/>越大则表示该栅格/>对应的地形越难以通行,反之则越易通行,并如图5所示。
以车辆实际平均行驶速度为参考标准,车辆在越野环境中受土质、植被等地表属性影响时,实际平均行驶速度会低于在公路上的平均行驶速度。将越野环境中通行地表属性分为硬质土路、天然路面、低山地三类,根据越野车辆的一般性能,设置车辆在越野环境中的参考机动速度,如表1所示。
根据越野环境下车辆的机动速度,以硬质土路下车辆的通行速度为基准,来确定不同地表属性对应的车辆通行代价值,设硬质土路对应的栅格通行代价为10,则栅格通行代价可以表示为:。其中,/>为栅格的通行代价;/>代表地面类型对应的编号,1、2、3分别对应着硬质土路、天然路面和低山地路面;/>代表车辆在对应地面类型上的机动速度。
不同地面类型对应的栅格的通行代价和灰度值如表2所示。
S106,根据栅格的坡度和地表起伏程度以及不同地面类型对应的栅格的通行代价构建全局格栅地图。
S107,根据全局格栅地图确定崎岖地形势场以及路径代价。
采用类高斯函数的形式来计算斥力势场:。将所有障碍物的斥力势场加起来等于总势场。式中,/>为障碍物势场系数,/>为影响范围系数,/>为车辆与障碍物的距离。将高程标准差大于2.5的区域视为崎岖地形来计算斥力势场,建立的斥力势场如图6所示。
地图中栅格处的总势场/>为:/>。式中,/>代表栅格/>周围障碍物产生的势场。
栅格坡度和设定的不同通行代价值,结合上述建立的总势场,将算法的代价函数设定为:/>。式中,/>代表总代价,/>为起点到当前点的实际代价,/>为使用曼哈顿距离计算的当前点到目标点的代价估计值,/>为当前点n的势场值,/>、/>、/>为各项代价的权重系数。
与/>的计算公式为:/>和。式中,/>为当前节点,/>为/>点的扩展子节点,/>为扩展节点对应栅格的通行代价,/>为栅格之间的距离,/>为栅格的坡度。/>和/>为/>点的坐标,/>和/>为目标点的坐标。
考虑到垂直方向的通行距离,引入坡度来表示车辆实际通行的距离。在进行邻点扩展时,取1,计算扩展子节点的通行代价与坡度。当/>算法计算当前节点/>的父节点和/>之间的代价时,/>为两点连线所途经的点的个数,并计算途经这些点的通行代价。
S108,根据崎岖地形势场以及以构建的代价函数/>计算的路径代价,基于布雷森汉姆直线算法和/>算法搜索路径,生成全局路径。即以路径代价构成的总代价最小的原则,在全局格栅地图中搜索出一条从起点到终点的路径。
S108具体包括:S1、根据数字高程模型计算坡度,初始化slope表,根据地表起伏程度计算斥力势场,初始化Rep表;根据卫星遥感影像初始化pass表,综合地面类型和坡度初始化栅格状态,初始化Openlist和Closelist,设定起始点和目标点,将起始点加入Openlist中。
S2、判断Openlist是否为空,若Openlist为空,则停止运行;否则开始寻路;找到Openlist中当前代价值最小的点作为扩展节点。
S3、判断当前扩展的节点是否为目标点,若为目标点则寻路结束,对节点/>的父节点进行回溯,将回溯的节点依次存入路径表中生成路径,直至起始点停止;否则向节点周围的8个邻点进行扩展,并将节点/>从Openlist中去除并加入Closelist。
S4、向邻点进行扩展时,首先判断邻点/>的栅格状态为“free”或“obstacle”,若为“obstacle”,则跳过邻点/>,若为“free”则执行S5。
S5、检查邻点是否在Closelist中,若在Closelist中,则不进行操作,否则计算从节点/>到邻点/>的代价值,并将节点/>设为邻点/>的父节点;计算邻点/>与节点/>的父节点之间的代价值,若代价更小,则更新邻点/>的代价值,将邻点/>的父节点设为节点/>的父节点;随后检查邻点/>是否在Openlist中,若不在Openlist中,则加入Closelist中,若在Openlist中,则将邻点/>之前的代价值与新计算的代价值对比;若新的代价值更小,则更新邻点/>的代价值,否则不进行操作;然后返回至S2。
对应上述方法,本发明还提供一种越野环境无人车辆全局路径规划***,包括:数据获取模块,用于获取当前越野环境的卫星高程数据及卫星遥感影像。
数字高程模型构建模块,用于根据卫星高程数据构建数字高程模型。
坡度和地表起伏程度确定模块,用于根据数字高程模型确定当前越野环境的每个栅格的坡度和地表起伏程度。
灰度处理模块,用于对卫星遥感影像进行灰度处理,得到栅格的灰度值。
通行代价确定模块,用于根据栅格的灰度值确定不同地面类型对应的栅格的通行代价。
全局格栅地图构建模块,用于根据栅格的坡度和地表起伏程度以及不同地面类型对应的栅格的通行代价构建全局格栅地图。
崎岖地形势场以及路径代价确定模块,用于根据全局格栅地图确定崎岖地形势场以及路径代价。
全局路径生成模块,用于根据崎岖地形势场以及路径代价,基于布雷森汉姆直线算法和算法搜索路径,生成全局路径。
为了执行上述实施例对应的方法,以实现相应的功能和技术效果,本发明还提供一种越野环境无人车辆全局路径规划设备,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现所述的方法。所述存储器为计算机可读存储介质。
基于上述描述,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的计算机存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (8)
1.一种越野环境无人车辆全局路径规划方法,其特征在于,包括:
获取当前越野环境的卫星高程数据及卫星遥感影像;
根据卫星高程数据构建数字高程模型;
根据数字高程模型确定当前越野环境的每个栅格的坡度和地表起伏程度;
对卫星遥感影像进行灰度处理,得到栅格的灰度值;
根据栅格的灰度值确定不同地面类型对应的栅格的通行代价;
根据栅格的坡度和地表起伏程度以及不同地面类型对应的栅格的通行代价构建全局格栅地图;
根据全局格栅地图确定崎岖地形势场以及路径代价;
根据崎岖地形势场以及路径代价,基于布雷森汉姆直线算法和算法搜索路径,生成全局路径。
2.根据权利要求1所述的一种越野环境无人车辆全局路径规划方法,其特征在于,所述根据数字高程模型确定当前越野环境的每个栅格的坡度和地表起伏程度,具体包括:
利用三阶不带权差分模型确定当前越野环境的每个栅格的坡度;
根据数字高程模型计算局部地区的高程均方差;
根据局部地区的高程均方差以及第个栅格的高程值确定第/>个栅格的均方差,作为第/>个栅格的地表起伏程度。
3.根据权利要求1所述的一种越野环境无人车辆全局路径规划方法,其特征在于,所述对卫星遥感影像进行灰度处理,得到栅格的灰度值,具体包括:
根据卫星遥感影像,采用算数平均的方法得到栅格的灰度值。
4.根据权利要求1所述的一种越野环境无人车辆全局路径规划方法,其特征在于,所述根据栅格的灰度值确定不同地面类型对应的栅格的通行代价,具体包括:
利用公式确定不同地面类型对应的栅格的通行代价;
其中,为栅格的通行代价;/>代表地面类型对应的编号,1、2、3分别对应着硬质土路、天然路面和低山地路面;/>代表车辆在对应地面类型上的机动速度。
5.根据权利要求1所述的一种越野环境无人车辆全局路径规划方法,其特征在于,所述根据崎岖地形势场以及路径代价,基于布雷森汉姆直线算法和算法搜索路径,生成全局路径,具体包括:
S1、根据数字高程模型计算坡度,初始化slope表,根据地表起伏程度计算斥力势场,初始化Rep表;根据卫星遥感影像初始化pass表,综合地面类型和坡度初始化栅格状态,初始化Openlist和Closelist,设定起始点和目标点,将起始点加入Openlist中;
S2、判断Openlist是否为空,若Openlist为空,则停止运行;否则开始寻路;找到Openlist中当前代价值最小的点作为扩展节点;
S3、判断当前扩展节点是否为目标点,若为目标点则寻路结束,对节点/>的父节点进行回溯,将回溯的节点依次存入路径表中生成路径,直至起始点停止;否则向节点周围的8个邻点进行扩展,并将节点/>从Openlist中去除并加入Closelist;
S4、向邻点进行扩展时,首先判断邻点/>的栅格状态为free或obstacle,若为obstacle,则跳过邻点/>,若为free则执行S5;
S5、检查邻点是否在Closelist中,若在Closelist中,则不进行操作,否则计算从节点/>到邻点/>的代价值,并将节点/>设为邻点/>的父节点;计算邻点/>与节点/>的父节点之间的代价值,若代价更小,则更新邻点/>的代价值,将邻点/>的父节点设为节点/>的父节点;随后检查邻点/>是否在Openlist中,若不在Openlist中,则加入Closelist中,若在Openlist中,则将邻点/>之前的代价值与新计算的代价值对比;若新的代价值更小,则更新邻点/>的代价值,否则不进行操作;然后返回至S2。
6.一种越野环境无人车辆全局路径规划***,其特征在于,包括:
数据获取模块,用于获取当前越野环境的卫星高程数据及卫星遥感影像;
数字高程模型构建模块,用于根据卫星高程数据构建数字高程模型;
坡度和地表起伏程度确定模块,用于根据数字高程模型确定当前越野环境的每个栅格的坡度和地表起伏程度;
灰度处理模块,用于对卫星遥感影像进行灰度处理,得到栅格的灰度值;
通行代价确定模块,用于根据栅格的灰度值确定不同地面类型对应的栅格的通行代价;
全局格栅地图构建模块,用于根据栅格的坡度和地表起伏程度以及不同地面类型对应的栅格的通行代价构建全局格栅地图;
崎岖地形势场以及路径代价确定模块,用于根据全局格栅地图确定崎岖地形势场以及路径代价;
全局路径生成模块,用于根据崎岖地形势场以及路径代价,基于布雷森汉姆直线算法和算法搜索路径,生成全局路径。
7.一种越野环境无人车辆全局路径规划设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-5中任一项所述的方法。
8.根据权利要求7所述的一种越野环境无人车辆全局路径规划设备,其特征在于,所述存储器为计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410052091.7A CN117571012B (zh) | 2024-01-15 | 2024-01-15 | 一种越野环境无人车辆全局路径规划方法、***及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410052091.7A CN117571012B (zh) | 2024-01-15 | 2024-01-15 | 一种越野环境无人车辆全局路径规划方法、***及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117571012A true CN117571012A (zh) | 2024-02-20 |
CN117571012B CN117571012B (zh) | 2024-03-15 |
Family
ID=89890403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410052091.7A Active CN117571012B (zh) | 2024-01-15 | 2024-01-15 | 一种越野环境无人车辆全局路径规划方法、***及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117571012B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130013204A1 (en) * | 2011-07-07 | 2013-01-10 | Hitachi, Ltd. | Route generation system, route generation method, and program |
CN112849127A (zh) * | 2021-01-29 | 2021-05-28 | 北京理工大学 | 车辆转向控制的方法、装置、存储介质和设备 |
CN114326754A (zh) * | 2022-03-09 | 2022-04-12 | 中国科学院空天信息创新研究院 | 复杂地形路径规划方法、装置、电子设备和存储介质 |
CN114812581A (zh) * | 2022-06-23 | 2022-07-29 | 中国科学院合肥物质科学研究院 | 一种基于多传感器融合的越野环境导航方法 |
CN115493600A (zh) * | 2022-10-12 | 2022-12-20 | 江苏盛海智能科技有限公司 | 一种基于激光雷达的无人驾驶遇障路径规划方法与终端 |
CN115615447A (zh) * | 2022-09-20 | 2023-01-17 | 泰州市金海运船用设备有限责任公司 | 一种最佳路径的预测方法、装置以及设备 |
CN116499486A (zh) * | 2023-06-26 | 2023-07-28 | 北京理工大学 | 一种复杂越野环境路径规划方法、***及电子设备 |
CN116793380A (zh) * | 2023-06-26 | 2023-09-22 | 合肥工业大学 | 用于复杂地形环境下无人驾驶越野车辆的路径规划方法 |
CN116972865A (zh) * | 2023-04-27 | 2023-10-31 | 中国人民解放军61540部队 | 基于车辆机动性评估的复杂越野环境导航方法及*** |
CN117367453A (zh) * | 2023-11-15 | 2024-01-09 | 北京理工大学 | 一种基于多源越野势场的路径规划方法及*** |
-
2024
- 2024-01-15 CN CN202410052091.7A patent/CN117571012B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130013204A1 (en) * | 2011-07-07 | 2013-01-10 | Hitachi, Ltd. | Route generation system, route generation method, and program |
CN112849127A (zh) * | 2021-01-29 | 2021-05-28 | 北京理工大学 | 车辆转向控制的方法、装置、存储介质和设备 |
CN114326754A (zh) * | 2022-03-09 | 2022-04-12 | 中国科学院空天信息创新研究院 | 复杂地形路径规划方法、装置、电子设备和存储介质 |
CN114812581A (zh) * | 2022-06-23 | 2022-07-29 | 中国科学院合肥物质科学研究院 | 一种基于多传感器融合的越野环境导航方法 |
CN115615447A (zh) * | 2022-09-20 | 2023-01-17 | 泰州市金海运船用设备有限责任公司 | 一种最佳路径的预测方法、装置以及设备 |
CN115493600A (zh) * | 2022-10-12 | 2022-12-20 | 江苏盛海智能科技有限公司 | 一种基于激光雷达的无人驾驶遇障路径规划方法与终端 |
CN116972865A (zh) * | 2023-04-27 | 2023-10-31 | 中国人民解放军61540部队 | 基于车辆机动性评估的复杂越野环境导航方法及*** |
CN116499486A (zh) * | 2023-06-26 | 2023-07-28 | 北京理工大学 | 一种复杂越野环境路径规划方法、***及电子设备 |
CN116793380A (zh) * | 2023-06-26 | 2023-09-22 | 合肥工业大学 | 用于复杂地形环境下无人驾驶越野车辆的路径规划方法 |
CN117367453A (zh) * | 2023-11-15 | 2024-01-09 | 北京理工大学 | 一种基于多源越野势场的路径规划方法及*** |
Non-Patent Citations (2)
Title |
---|
吴天羿 等: "基于改进A~*算法的越野路径规划研究", 计算机应用研究, no. 06, 15 June 2013 (2013-06-15) * |
郑壮壮 等: "动态环境下无人地面车辆点云地图快速重定位方法", 兵工学报, no. 08, 30 June 2013 (2013-06-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN117571012B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111504325B (zh) | 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 | |
CN111862162B (zh) | 回环检测方法及***、可读存储介质、电子设备 | |
CN103996089B (zh) | 基于gis的输电线路最优路径生成方法 | |
CN112325892B (zh) | 一种基于改进a*算法的类三维路径规划方法 | |
CN115077556B (zh) | 一种基于多维度地图的无人车野战路径规划方法 | |
CN105091889A (zh) | 一种热点路径的确定方法及设备 | |
CN111121785A (zh) | 一种基于图搜索的无道路路径规划方法 | |
CN110544305B (zh) | 面向规则格网dem构建的地形陡坎线信息融合方法 | |
CN113984062B (zh) | 一种基于机动性评估的地面车辆路径规划方法 | |
CN110420461B (zh) | 一种基于高度图的戏游层次化导航方法 | |
Bartie et al. | Incorporating vegetation into visual exposure modelling in urban environments | |
CN116972865A (zh) | 基于车辆机动性评估的复杂越野环境导航方法及*** | |
CN113048981A (zh) | 一种面向dem的无道路区域路径规划算法的方法 | |
CN117571012B (zh) | 一种越野环境无人车辆全局路径规划方法、***及设备 | |
Lyu et al. | Geometric quality assessment of trajectory‐generated VGI road networks based on the symmetric arc similarity | |
CN116136417B (zh) | 一种面向越野环境的无人驾驶车辆局部路径规划方法 | |
CN117289301A (zh) | 一种未知越野场景下空地无人平台协同路径规划方法 | |
CN111681313A (zh) | 一种基于数字地形图的空间视域分析方法及电子设备 | |
CN112132951A (zh) | 一种基于视觉的网格语义地图的构建方法 | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
CN115982592A (zh) | 轨迹相似度计算方法、轨迹相似度计算装置以及存储介质 | |
Du et al. | Similarity measurements on multi‐scale qualitative locations | |
CN102201119B (zh) | 一种基于控制点无偏变换的图像配准方法及*** | |
CN114543788A (zh) | 结构非结构环境通用的多层全局感知地图构建方法及*** | |
CN114353808A (zh) | 月球车全局路径规划方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |