[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112651535A - 局部路径规划方法、装置、存储介质、电子设备及车辆 - Google Patents

局部路径规划方法、装置、存储介质、电子设备及车辆 Download PDF

Info

Publication number
CN112651535A
CN112651535A CN201910958744.7A CN201910958744A CN112651535A CN 112651535 A CN112651535 A CN 112651535A CN 201910958744 A CN201910958744 A CN 201910958744A CN 112651535 A CN112651535 A CN 112651535A
Authority
CN
China
Prior art keywords
local path
target device
target
obstacle
operating state
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
Application number
CN201910958744.7A
Other languages
English (en)
Other versions
CN112651535B (zh
Inventor
高萌
李雨倩
李柏
刘懿
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 Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information 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 Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201910958744.7A priority Critical patent/CN112651535B/zh
Publication of CN112651535A publication Critical patent/CN112651535A/zh
Application granted granted Critical
Publication of CN112651535B publication Critical patent/CN112651535B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种局部路径规划方法、装置、存储介质及电子设备。其中局部路径规划方法包括：获取目标设备的初始约束信息，基于所述目标设备的初始约束信息生成无约束优化方程；获取所述目标设备的当前运行状态和障碍物的当前运行状态；基于预先设置的g2o求解器，根据所述目标设备的当前运行状态、所述障碍物的当前运行状态和所述无约束优化方程，确定所述目标设备在预设行驶范围的目标局部路径。本实施例的技术方案，基于g2o求解器对局部路径进行无约束求解，计算量小，速度快，效率高，实现了实时对无人车进行局部路径规划。

Description

局部路径规划方法、装置、存储介质、电子设备及车辆
技术领域
本发明实施例涉及路径规划技术领域，尤其涉及一种局部路径规划方法、装置、存储介质、电子设备及车辆。
背景技术
随着车辆研发技术的不断发展，车辆的无人自动驾驶成为车辆研发的一个重要方向。
局部路径规划是无人车路径规划中不可缺少的一部分，局部路径规划用于实现无人车的实时避障。目前缺少切实可行的局部路径规划方法，导致无人设备在行驶过程中无法准确、可靠的实现路径规划，安全性能不能做到百分百可靠。
发明内容
本发明提供一种局部路径规划方法、装置、存储介质、电子设备及车辆，以实现对无人车局部路径规矩的效率。
第一方面，本发明实施例提供了一种局部路径规划方法，包括：
获取目标设备的初始约束信息，基于所述目标设备的初始约束信息生成无约束优化方程；
获取所述目标设备的当前运行状态和障碍物的当前运行状态；
基于预先设置的g2o求解器，根据所述目标设备的当前运行状态、所述障碍物的当前运行状态和所述无约束优化方程，确定所述目标设备在预设行驶范围的目标局部路径。
第二方面，本发明实施例还提供了一种局部路径规划装置，包括：
优化方程确定方法，用于获取目标设备的初始约束信息，基于所述目标设备的初始约束信息生成无约束优化方程；
运行状态获取模块，用于获取所述目标设备的当前运行状态和障碍物的当前运行状态；
局部路径确定模块，用于基于预先设置的g2o求解器，根据所述目标设备的当前运行状态、所述障碍物的当前运行状态和所述无约束优化方程，确定所述目标设备在预设行驶范围的目标局部路径。
第三方面，本发明实施例还提供了一种电子设备，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，所述处理器执行所述程序时实现如本发明任一实施例提供的局部路径规划方法。
第四方面，本发明实施例还提供了一种车辆，该车辆配置有任意实施例提供的电子设备。
第五方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例提供的局部路径规划方法。
本发明实施例通过确定目标设备的无约束优化方程以及目标设备的当前运行状态、障碍物的当前运行状态，通过g2o求解器，基于g2o优化思想，对目标设备的局部路径进行规划，提高无人车的控制精度，避免无人车在行驶过程中陷入障碍物的包围。其中，基于g2o求解器对局部路径进行无约束求解，计算量小，速度快，效率高，实现了实时对无人车进行局部路径规划。
附图说明
图1为本发明实施例一提供的一种局部路径规划方法的流程图；
图2是本发明实施例一提供的一种目标设备的俯视图；
图3是本发明实施例二提供的一种局部路径规划方法的流程示意图；
图4是本发明实施例三提供的一种局部路径规划装置的结构示意图；
图5为本发明实施例四提供的一种电子设备的结构示意图；
图6是本发明实施例五提供的一种车辆的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种局部路径规划方法的流程图，本实施例可适用于快速确定目标设备的局部路径规划情况，该方法可以由本发明实施例提供的局部路径规划装置来执行，该装置可通过软件/或硬件的方式实现，可集成在诸如目标设备中，具体包括如下步骤：
S110、获取目标设备的初始约束信息，基于目标设备的初始约束信息生成无约束优化方程。
S120、获取目标设备的当前运行状态和障碍物的当前运行状态。
S130、基于预先设置的g2o求解器，根据目标设备的当前运行状态、障碍物的当前运行状态和无约束优化方程，确定目标设备在预设行驶范围的目标局部路径。
其中，目标设备的初始约束信息用于对目标设备的运动进行基本限定，使得目标设备的运动符合基础运动规则，避免局部路径规划得到的规划路线不符合基础运动规则，而无法实现。示例性的,目标设备可以是具有自动运动功能的设备，例如可以是但不限于车辆(例如无人车)、运动模型等，相应的，初始约束信息根据目标设备的类型确定，不同的目标设备可以是对应不同的初始约束信息。
可选的，所述初始约束信息包括目标设备的运动学约束信息、速度与加速度约束信息、与障碍物的距离约束信息和运行时间的约束信息，其中，运动学约束信息用于约束目标设备的速度、转角和与障碍物的距离，使得目标设备的运动符合运动学规律，速度与加速度约束信息用于约束目标设备的速度和加速度，与障碍物的距离约束信息用于约束目标设备与周围环境中的障碍物之间距离满足大于0，运行时间的约束信息用于约束目标设备在局部规划路径中的行驶时间最小。其中，目标设备的运动学约束信息、速度与加速度约束信息、与障碍物的距离约束信息和运行时间的约束信息均可以是通过约束方程的形式展示。
参见图2，图2是本发明实施例一提供的一种目标设备的俯视图。其中，运动学方程
Figure BDA0002228234200000041
为：
Figure BDA0002228234200000051
其中，
Figure BDA0002228234200000052
为目标设备沿运动方向的运动约束公式，
Figure BDA0002228234200000053
为目标设备沿运动方向的垂直方向的运动约束公式，
Figure BDA0002228234200000054
为目标设备的转角运动约束公式，v(t)为目标设备在t时刻的运动速度，β(t)为目标设备在t时刻的运动转角，φ(t)为目标设备的最大转角，L为目标设备的长度。
速度与加速度方程为：
Figure BDA0002228234200000055
其中，
Figure BDA0002228234200000056
目标设备在X方向的加速度，
Figure BDA0002228234200000057
为目标设备在Y方向的加速度。
与障碍物的距离公式为：
Figure BDA0002228234200000058
其中，x(t)和y(t)分别为目标设备在t时刻的坐标，xo和yo分别为障碍物的坐标。
运行时间方程为：
Figure BDA0002228234200000059
其中，ΔTk为每个区间的运行时间，k为局部路径的区间数,n-1为局部路径的总区间数，需要说明的是，局部路径由多个位置点组成，任意相邻位置点之间的路径为一个区间。
在上述约束信息的基础上，所述无约束优化方程为对所述目标设备的运动学约束信息、所述速度与加速度约束信息、所述与障碍物的距离约束信息和所述运行时间的约束信息进行加权求和的最小化方程。
示例性的，无约束优化方程为：
Figure BDA0002228234200000061
其中，ω0、ω1、ω2和ω3分别为运行时间的约束信息、运动学约束信息、速度与加速度约束信息和与障碍物的距离约束信息的权重。需要说明的是，目标设备的初始约束信息中不包括对局部路径的约束信息，相应的，基于无约束优化方程进行局部路径规划过程中不考虑对路径代价，以提高路径规划的速度。
需要说明的是，目标设备的初始约束信息可以是预先设置在目标设备中，在目标设备启动时，或者目标设备启动自动驾驶时，调用该目标设备的初始约束信息，根据外部输入的权重信息，生成当前行驶过程中的无约束优化方程，其中，可根据对各约束信息的偏重设置各约束信息的权重。可选的，可以根据目标设备的类型确定权重信息。在一些实施例中，目标设备的无约束优化方程也可以是预先设置的，相应的，各约束信息的权重为固定权重，在在目标设备启动时，或者目标设备启动自动驾驶时，调用该目标设备的无约束优化方程。
本实施例中，目标设备的状态信息包括目标设备的速度、转角，其中，速度和转角可以是通过对目标设备进行监测得到，例如，目标设备为车辆，车辆中配置有脉速表，通过读取脉速表中的速度数据可得到目标设备的速度，车辆的转角可以是监测车轮与车身方向的夹角确定，进一步的，可通过监测车辆的驱动车轮与车身方向的夹角确定。
可选的，障碍物包括静态障碍物和动态障碍物，其中，静态障碍物可以是但不限于道路上物体或者建筑物等，动态障碍物可以是但不限于行驶的车辆、自行车、电动车、行人和动物等。障碍物的当前运行状态包括障碍物的速度、转角和与目标设备的距离，其中，目标设备的周向设置有检测传感器，示例性的，由于目标设备的左右前后均可能存在障碍物，在目标设备的前部、尾部和左右两侧面分别设置检测传感器，以全面检测障碍物。
可选的，检测传感器包括激光雷达传感器，例如激光雷达传感器可以是激光测速传感器，用于测量目标设备与障碍物之间的距离，进一步的，通过目标设备与障碍物之间的距离检测障碍物的速度。具体的，通过在预设时间段(例如可以是200ms、500ms或者1s)内持续监测目标设备与障碍物之间的距离，根据在预设时间段目标设备与障碍物之间的距离变化、目标设备的速度确定障碍物的速度，障碍物速度可以是V2＝V1+ΔS/t，其中，V2为障碍物的速度，V1为目标设备的速度，ΔS为预设时间段t内目标设备与障碍物之间的距离变化。可选的，检测传感器还包括视觉传感器，用于检测障碍物的转角，示例性的，若障碍物为行驶的车辆时，通过视觉传感器检测该障碍物的车轮，将车轮的转角确定为障碍物的转角。
本实施例中，通过障碍物的速度和转角，可预测障碍物下一时间的运动状态，用于对局部路径规划进行辅助，避免障碍物的下一时间段的运动状态发生变化导致目标设备被障碍物包围的情况。
需要说明的是，本实施例中不限定步骤S110和步骤S120的执行顺序，可以是顺序执行，还可以是先执行步骤S120，再执行步骤S110，还可以是同步执行步骤S110和步骤S120。
本实施例中，g2o求解器为预先设置，具有路径优化功能，将得到的无约束优化方程、目标设备的当前运行状态、所述障碍物的当前运行状态输入至g2o求解器，可快速输出该目标设备的目标局部路径。其中，g2o求解器基于g2o优化思想对无约束优化方程、目标设备的当前运行状态、所述障碍物的当前运行状态进行分析和计算，输出平滑的目标局部路径。需要说明的是，由于无约束优化方程不包括对局部路径的代价约束，在进行局部路径规划时，仅通过g2o求解器进行计算，因此计算速度快，路径规划成本低。相应的，由于局部路径规划过程中未对局部路径的代价约束，进一步的，对得到的目标局部路径进行可行性检测，确定目标局部路径的可行性。
在本实施例中，目标设备为低速无人车，其中，目标设备的速度可以是小于预设速度，例如，预设速度可以是10km/h，可选的，该目标设备为低速无人配送车，用于进行外卖、快递等的配送服务。具体的，低速无人车根据该低速无人车的初始约束信息，生成适用于低速无人车的无约束优化方程，获取低速无人车的当前运行状态和障碍物的当前运行状态，基于预先设置的g2o求解器，根据低速无人车的当前运行状态、障碍物的当前运行状态和无约束优化方程，确定低速无人车在预设行驶范围的目标局部路径。
需要说明的是，对目标设备的目标局部路径，可以是目标设备在预设行驶范围内的路径，其中，预设形式范围可以是与当前位置100米或者50米以内的行驶范围。本实施例中，通过对目标设备在起点到终点的行驶过程中，实时对车辆的局部路径进行规划，提高对无人车行驶细节的控制精度，保证无人车的通行状态，提高无人车的自动驾驶质量，其中，当无人车为配送车辆时，提高配送效率。
本实施例的技术方案，通过确定目标设备的无约束优化方程以及目标设备的当前运行状态、障碍物的当前运行状态，通过g2o求解器，基于g2o优化思想，对目标设备的局部路径进行规划，提高目标设备的控制精度，避免目标设备在行驶过程中陷入障碍物的包围。其中，基于g2o求解器对局部路径进行无约束求解，计算量小，速度快，效率高，实现了实时对目标设备进行局部路径规划。
在上述实施例的基础上，所述g2o求解器用于基于所述目标设备的当前运行状态、所述障碍物的当前运行状态和所述无约束优化方程生成至少一个局部路径，计算各局部路径的评价值，根据所述评价值确定所述目标局部路径。
其中，g2o求解器基于目标设备的当前运行状态、障碍物的当前运行状态和无约束优化方程可以得到至少一个局部路径，当局部路径数量大于1时，在上述局部路径中筛选最优的目标局部路径，其中，可以是根据预设规则，确定各局部路径的评价值，将评价值最高的局部路径确定为目标局部路径。
可选的，所述计算各局部路径的评价值包括：基于所述局部路径的参数信息和各所述参数信息的权重计算各局部路径的评价值，其中，所述局部路径的参数信息包括局部路径的长度、道路宽度、转弯数量、路面平整度中的至少一项。其中，各参数信息的权重可以是用户需求确定，示例性的，用户需求为提高目标设备的行驶平稳度，可以是增大道路宽度、路面平整度的权重，用于需求为提高目标设备的行驶效率，可以是增大局部路径的长度的权重。
在一个实施例中，通过局部路径的长度确定局部路径的评价值，其中，局部路径的评价值与局部路径的长度负相关，即局部路径的长度越小，局部路径的评价值越高。将长度最小的局部路径确定为目标局部路径，降低目标设备的行驶时间。可选的，还可以是将路径的长度约束作为一个约束信息，生成新的无约束优化方程，基于新的无约束优化方程输出目标局部路径。
实施例二
图3是本发明实施例二提供的一种局部路径规划方法的流程示意图，在上述实施例的基础上进行了优化，该方法具体包括：
S210、获取目标设备的初始约束信息，基于目标设备的初始约束信息生成无约束优化方程。
S220、获取目标设备的当前运行状态和障碍物的当前运行状态。
S230、基于预先设置的g2o求解器，根据目标设备的当前运行状态、障碍物的当前运行状态和无约束优化方程，确定目标设备在预设行驶范围的目标局部路径。
S240、获取目标设备的当前代价地图，基于当前代价地图对目标局部路径进行可行性验证。
本实施例中，通过代价地图对目标局部路径进行可行性验证，其中，代价地图中包括目标设备的目标局部路径和障碍物，目标局部路径和障碍物可以是基于不同颜色显示等比例显示在地图上，当目标局部路径上不存在障碍物时，确定目标局部路径可行，基于该目标局部路径控制目标设备的行驶；当目标局部路径上存在障碍物时，确定目标局部路径不可行，放弃该目标局部路径，并重新进行局部路径规划。
可选的，获取所述目标设备的当前代价地图，包括：获取所述目标设备的障碍物的尺寸信息和距离信息；根据各所述障碍物的尺寸信息和距离信息将所述障碍物渲染在栅格地图上，生成当前代价地图。其中，目标设备的周向设置有红外传感器，用于检测障碍物的尺寸信息和距离信息，根据障碍物的尺寸信息和距离信息，将障碍物、目标设备、以及目标设备的目标局部路径等比例渲染在栅格地图上，其中，栅格地图则是把环境划分成一系列栅格，其中每一栅格对应一个位置信息，通过将障碍物、目标设备、以及目标设备的目标局部路径在栅格地图上进行渲染，提高代价地图的准确性。其中，在栅格地图中，障碍物、目标设备可以是通过矩形表示，其中，矩形的大小与障碍物、目标设备的尺寸信息成正比；目标设备的目标局部路径可以是通过多个位置点表示。
可选的，所述基于所述当前代价地图对所述目标局部路径进行可行性验证，包括：将所述目标局部路径中的位置点添加在所述当前代价地图中；当所述目标局部路径中任一位置点与所述障碍物重叠时，确定所述目标局部路径不可行。当目标局部路径中任一位置点与障碍物重叠时，表明在实际行驶过程中，目标设备会与障碍物相撞，因此确定该目标局部路径不可行，当目标局部路径中所有位置点均与任意障碍物不重叠时，确定目标局部路径可行。可选的，代价地图中，目标局部路径中的每一个位置点周围设置有膨胀区域，由于目标设备存在一定的宽带和长度，通过膨胀区域表征在该位置点的目标设备所占区域，相应的，膨胀区域的面积根据目标设备的尺寸确定。相应的，当目标局部路径中任一位置点或者任一位置点的膨胀区域与障碍物重叠时，确定目标局部路径不可行，当目标局部路径中所有位置点，以及所有位置点的膨胀区域与任意障碍物均不重叠时，确定目标局部路径可行。
在上述实施例的基础上，在基于所述当前代价地图对所述目标局部路径进行可行性验证之前，还包括：对所述目标局部路径进行线性插值。通过线性插值，增加目标局部路径中的位置点数量，相应的，对线性插值后的目标局部路径进行可行性验证，可提高可行性验证的准确性。
本实施例的技术方案，通过在基于g2o求解器输出目标局部路径之后，通过代价地图对目标局部路径进行可行性验证，避免目标局部路径不可行导致的安全问题，提高局部路径规划的质量，保证目标设备中安全行驶。
实施例三
图4是本发明实施例三提供的一种局部路径规划装置的结构示意图，该装置包括优化方程确定方法310、优化方程确定方法310和局部路径确定模块330，其中：
优化方程确定方法310，用于获取目标设备的初始约束信息，基于所述目标设备的初始约束信息生成无约束优化方程；
运行状态获取模块320，用于获取所述目标设备的当前运行状态和障碍物的当前运行状态；
局部路径确定模块330，用于基于预先设置的g2o求解器，根据所述目标设备的当前运行状态、所述障碍物的当前运行状态和所述无约束优化方程，确定所述目标设备在预设行驶范围的目标局部路径。
在上述实施例的基础上，所述初始约束信息包括目标设备的运动学约束信息、速度与加速度约束信息、与障碍物的距离约束信息和运行时间的约束信息。
在上述实施例的基础上，所述无约束优化方程为对所述目标设备的运动学约束信息、所述速度与加速度约束信息、所述与障碍物的距离约束信息和所述运行时间的约束信息进行加权求和的最小化方程。
在上述实施例的基础上，所述目标设备的周向设置有检测传感器，其中，所述检测传感器用于采集所述目标设备各方向的障碍物的当前运行状态，其中，所述障碍物的当前运行状态包括障碍物的速度、转角和与目标设备的距离。
在上述实施例的基础上，所述g2o求解器用于基于所述目标设备的当前运行状态、所述障碍物的当前运行状态和所述无约束优化方程生成至少一个局部路径，计算各局部路径的评价值，根据所述评价值确定所述目标局部路径。
在上述实施例的基础上，所述g2o求解器用于基于所述局部路径的参数信息和各所述参数信息的权重计算各局部路径的评价值，其中，所述局部路径的参数信息包括局部路径的长度、道路宽度、转弯数量、路面平整度中的至少一项。
在上述实施例的基础上，所述装置还包括：
代价地图获取模块，用于获取所述目标设备的当前代价地图；
可行性验证模块，用于基于所述当前代价地图对所述目标局部路径进行可行性验证。
在上述实施例的基础上，代价地图获取模块用于：
获取所述目标设备的障碍物的尺寸信息和距离信息；
根据各所述障碍物的尺寸信息和距离信息将所述障碍物渲染在栅格地图上，生成当前代价地图。
在上述实施例的基础上，所述目标局部路径由多个位置点组成；
相应的，可行性验证模块用于：
将所述目标局部路径中的位置点添加在所述当前代价地图中；
当所述目标局部路径中任一位置点与所述障碍物重叠时，确定所述目标局部路径不可行。
在上述实施例的基础上，还包括：
线性插值模块，用于在基于所述当前代价地图对所述目标局部路径进行可行性验证之前，对所述目标局部路径进行线性插值。
本发明实施例提供的局部路径规划装置可执行本发明任意实施例所提供的局部路径规划方法，具备执行局部路径规划方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的电子设备412的框图。图5显示的电子设备412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。设备412典型的是承担图像分类功能的电子设备。
如图5所示，电子设备412以通用计算设备的形式表现。电子设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
电子设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。电子设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块426的程序436，可以存储在例如存储装置428中，这样的程序模块426包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块426通常执行本发明所描述的实施例中的功能和/或方法。
电子设备412也可以与一个或多个外部设备414(例如键盘、指向设备、摄像头、显示器424等)通信，还可与一个或者多个使得用户能与该电子设备412交互的设备通信，和/或与使得该电子设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，电子设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器420通过总线418与电子设备412的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的局部路径规划方法。
实施例五
图6是本发明实施例五提供的一种车辆的结构示意图，该车辆500包括上述实施例提供的电子设备400。通过在车辆中配置具有局部路径规划功能的电子设备，在车辆进行自动驾驶时，实时对车辆的局部路径进行规划，提高对无人车行驶细节的控制精度，保证无人车的通行状态，提高无人车的自动驾驶质量。
实施例六
本发明实施例六提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的局部路径规划方法。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的局部路径规划方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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、或半导体的系统、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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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系统、装置或者器件使用或者与其结合使用。
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源代码。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系统、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源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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机源代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。源代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (13)

1.一种局部路径规划方法，其特征在于，包括：
获取目标设备的初始约束信息，基于所述目标设备的初始约束信息生成无约束优化方程；
获取所述目标设备的当前运行状态和障碍物的当前运行状态；
基于预先设置的g2o求解器，根据所述目标设备的当前运行状态、所述障碍物的当前运行状态和所述无约束优化方程，确定所述目标设备在预设行驶范围的目标局部路径。
2.根据权利要求1所述的方法，其特征在于，所述初始约束信息包括目标设备的运动学约束信息、速度与加速度约束信息、与障碍物的距离约束信息和运行时间的约束信息；
所述无约束优化方程为对所述目标设备的运动学约束信息、所述速度与加速度约束信息、所述与障碍物的距离约束信息和所述运行时间的约束信息进行加权求和的最小化方程。
3.根据权利要求1所述的方法，其特征在于，所述目标设备的周向设置有检测传感器，其中，所述检测传感器用于采集所述目标设备各方向的障碍物的当前运行状态，其中，所述障碍物的当前运行状态包括障碍物的速度、转角和与所述目标设备的距离。
4.根据权利要求1所述的方法，其特征在于，所述g2o求解器用于基于所述目标设备的当前运行状态、所述障碍物的当前运行状态和所述无约束优化方程生成至少一个局部路径，计算各局部路径的评价值，根据所述评价值确定所述目标局部路径。
5.根据权利要求4所述的方法，其特征在于，所述计算各局部路径的评价值包括：
基于所述局部路径的参数信息和各所述参数信息的权重计算各局部路径的评价值，其中，所述局部路径的参数信息包括局部路径的长度、道路宽度、转弯数量、路面平整度中的至少一项。
6.根据权利要求1-5任一所述的方法，其特征在于，所述方法还包括：
获取所述目标设备的当前代价地图，基于所述当前代价地图对所述目标局部路径进行可行性验证。
7.根据权利要求4所述的方法，其特征在于，获取所述目标设备的当前代价地图，包括：
获取所述目标设备的障碍物的尺寸信息和距离信息；
根据各所述障碍物的尺寸信息和距离信息将所述障碍物渲染在栅格地图上，生成当前代价地图。
8.根据权利要求7所述的方法，其特征在于，所述目标局部路径由多个位置点组成，其中，所述基于所述当前代价地图对所述目标局部路径进行可行性验证，包括：
将所述目标局部路径中的位置点添加在所述当前代价地图中；
当所述目标局部路径中任一位置点与所述障碍物重叠时，确定所述目标局部路径不可行。
9.根据权利要求8所述的方法，其特征在于，在基于所述当前代价地图对所述目标局部路径进行可行性验证之前，还包括：
对所述目标局部路径进行线性插值。
10.一种局部路径规划装置，其特征在于，包括：
优化方程确定方法，用于获取目标设备的初始约束信息，基于所述目标设备的初始约束信息生成无约束优化方程；
运行状态获取模块，用于获取所述目标设备的当前运行状态和障碍物的当前运行状态；
局部路径确定模块，用于基于预先设置的g2o求解器，根据所述目标设备的当前运行状态、所述障碍物的当前运行状态和所述无约束优化方程，确定所述目标设备在预设行驶范围的目标局部路径。
11.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-9中任一所述的局部路径规划方法。
12.一种车辆，其特征在于，配置有如权利要求11所述的电子设备。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的局部路径规划方法。
CN201910958744.7A 2019-10-10 2019-10-10 局部路径规划方法、装置、存储介质、电子设备及车辆 Active CN112651535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910958744.7A CN112651535B (zh) 2019-10-10 2019-10-10 局部路径规划方法、装置、存储介质、电子设备及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910958744.7A CN112651535B (zh) 2019-10-10 2019-10-10 局部路径规划方法、装置、存储介质、电子设备及车辆

Publications (2)

Publication Number Publication Date
CN112651535A true CN112651535A (zh) 2021-04-13
CN112651535B CN112651535B (zh) 2025-01-17

Family

ID=75342640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910958744.7A Active CN112651535B (zh) 2019-10-10 2019-10-10 局部路径规划方法、装置、存储介质、电子设备及车辆

Country Status (1)

Country Link
CN (1) CN112651535B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113580130A (zh) * 2021-07-20 2021-11-02 佛山智能装备技术研究院 六轴机械臂避障控制方法、系统及计算机可读存储介质
CN114355909A (zh) * 2021-12-22 2022-04-15 的卢技术有限公司 一种路径规划的方法、装置、计算机设备和存储介质
CN114690781A (zh) * 2022-04-13 2022-07-01 北京京东乾石科技有限公司 控制无人车运行的方法及装置
CN115113627A (zh) * 2022-07-27 2022-09-27 深圳市普渡科技有限公司 机器人、路径规划方法和计算机可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107992050A (zh) * 2017-12-20 2018-05-04 广州汽车集团股份有限公司 无人驾驶汽车局部路径运动规划方法和装置
CN108875998A (zh) * 2018-04-20 2018-11-23 北京智行者科技有限公司 一种自动驾驶车辆规划方法和系统
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
CN110018689A (zh) * 2019-05-15 2019-07-16 福州大学 一种基于动态窗口的多虚拟目标点全局动态路径规划算法
CN110147105A (zh) * 2019-05-27 2019-08-20 安徽江淮汽车集团股份有限公司 无人驾驶车辆的路径控制方法、设备、存储介质及装置
CN110187706A (zh) * 2019-05-28 2019-08-30 上海钛米机器人科技有限公司 一种速度规划方法、装置、电子设备及存储介质
CN110262514A (zh) * 2019-07-15 2019-09-20 南京航空航天大学 远程遥控与自动驾驶相结合的无人车系统及人机共驾方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107992050A (zh) * 2017-12-20 2018-05-04 广州汽车集团股份有限公司 无人驾驶汽车局部路径运动规划方法和装置
CN108875998A (zh) * 2018-04-20 2018-11-23 北京智行者科技有限公司 一种自动驾驶车辆规划方法和系统
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
CN110018689A (zh) * 2019-05-15 2019-07-16 福州大学 一种基于动态窗口的多虚拟目标点全局动态路径规划算法
CN110147105A (zh) * 2019-05-27 2019-08-20 安徽江淮汽车集团股份有限公司 无人驾驶车辆的路径控制方法、设备、存储介质及装置
CN110187706A (zh) * 2019-05-28 2019-08-30 上海钛米机器人科技有限公司 一种速度规划方法、装置、电子设备及存储介质
CN110262514A (zh) * 2019-07-15 2019-09-20 南京航空航天大学 远程遥控与自动驾驶相结合的无人车系统及人机共驾方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113580130A (zh) * 2021-07-20 2021-11-02 佛山智能装备技术研究院 六轴机械臂避障控制方法、系统及计算机可读存储介质
CN114355909A (zh) * 2021-12-22 2022-04-15 的卢技术有限公司 一种路径规划的方法、装置、计算机设备和存储介质
CN114690781A (zh) * 2022-04-13 2022-07-01 北京京东乾石科技有限公司 控制无人车运行的方法及装置
CN115113627A (zh) * 2022-07-27 2022-09-27 深圳市普渡科技有限公司 机器人、路径规划方法和计算机可读存储介质
CN115113627B (zh) * 2022-07-27 2024-11-19 深圳市普渡科技有限公司 机器人、路径规划方法和计算机可读存储介质

Also Published As

Publication number Publication date
CN112651535B (zh) 2025-01-17

Similar Documents

Publication Publication Date Title
JP6754856B2 (ja) 自動運転車両のためのセンサー集約フレームワーク
RU2694154C2 (ru) Формирование моделированных данных датчиков для обучения и проверки достоверности моделей обнаружения
EP3627180B1 (en) Sensor calibration method and device, computer device, medium, and vehicle
KR102292277B1 (ko) 자율 주행 차량에서 3d cnn 네트워크를 사용하여 솔루션을 추론하는 lidar 위치 추정
KR102335389B1 (ko) 자율 주행 차량의 lidar 위치 추정을 위한 심층 학습 기반 특징 추출
KR102350181B1 (ko) 자율 주행 차량에서 rnn 및 lstm을 사용하여 시간적 평활화를 수행하는 lidar 위치 추정
JP6517897B2 (ja) 自律走行車用のバネシステムに基づく車線変更方法
CN109116374B (zh) 确定障碍物距离的方法、装置、设备及存储介质
JP6494715B2 (ja) 自律走行車の速度制御率の動的調整方法
JP6667686B2 (ja) 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体
KR101975725B1 (ko) 학습 기반 모델 예측 제어를 이용한 자율 주행 차량의 노면 마찰 결정 방법 및 시스템
JP6578331B2 (ja) 自律走行車のコマンド遅延を決定するための方法
KR102398256B1 (ko) 비전 기반 인식 시스템에 의한 대립적 샘플들 검출 방법
US20190317508A1 (en) Cost design for path selection in autonomous driving technology
CN112651535A (zh) 局部路径规划方法、装置、存储介质、电子设备及车辆
KR20180050383A (ko) 자율 주행 차량 이동을 시뮬레이트하기 위한 물리 모델 및 머신 러닝과 결합된 방법
JP2018108801A (ja) 自律走行車の安定性を向上させるための方法及びシステム
JP2018084573A (ja) 頑健で効率的な車両測位用のアルゴリズム及びインフラ
CN109195860A (zh) 自动驾驶车辆的车道路缘辅助离道检查和车道保持系统
CN109737971B (zh) 车载辅助导航定位系统、方法、设备及存储介质
JP2019501809A (ja) 自律走行車の速度を追従する方法及びシステム
KR20180051571A (ko) 자율 주행 차량을 위한 차량 위치점 전달 방법
CN110119138A (zh) 用于自动驾驶车辆的自定位方法、系统和机器可读介质
CN109883439A (zh) 一种车辆导航方法、装置、电子设备及存储介质
CN114730521A (zh) 使用统计模型的碰撞监测

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