一种井下场景自动路径规划方法与流程

1.本发明涉及一种井下场景自动路径规划方法，属于矿山机械铲运机技术领域。


背景技术：

2.随着自动驾驶技术的发展，矿山井下作业也逐步迈入自动驾驶行列。在已知构建处的栅格地图的情况下，自动路径规划的好坏直接影响车辆实际运行速度、控制难度和采矿效率。常用的路径规划算法，如a*算法和贪心算法等只能获取到局部最优路径，但不满足车辆实际行驶的转向和防碰撞条件。
3.为了解决满足井下铲运车自动驾驶作业的自动规划路径，目前现有的路径规划算法还没有较好的针对解决方案。cn106500704a提出了一种基于改进遗传算法的机器人路径规划方法，该方法先规划一条最短路径，在此基础上进行不断修复和迭代，从而得到一条最优路径。由于井下环境存在安全、生产任务等问题，无法满足对一条路径进行反复优化和迭代的工作；cn110515380a提出了一种基于转弯权重约束的最短路径规划方法，通过计算最短路径，同时在路口转弯处进行权重惩罚，已修复最短路径。由于最短路径规划出的路径往往是折线，无法满足车辆的线性控制，同时井下道路除路口外，有角度小角度转弯和方向调整的情况，这些是专利中未考虑到的情况。


技术实现要素：

4.本发明的目的在于克服现有技术中的不足，提供一种井下场景自动路径规划方法，用以完善现有技术。
5.为达到上述目的，本发明是采用下述技术方案实现的：
6.第一方面，本发明提供了一种井下场景自动路径规划方法，包括：
7.获取预先构建的栅格地图，获取世界地图和栅格地图之间的比例关系；
8.提取所述栅格地图的障碍物边界信息，生成障碍物向量vector；
9.通过预先获取的激光雷达的安装尺寸、车辆的车身尺寸、车辆的运动模型、以及所述世界地图和栅格地图之间的比例关系，生成碰撞强度矩阵d；
10.通过所述碰撞强度矩阵d和障碍物向量vector，计算得到碰撞强度图，将存在碰撞的点去除，保留不发生碰撞的区域；
11.在所述碰撞强度图上通过a*算法进行路径规划，生成最优全局路径。
12.进一步的，所述获取世界地图和栅格地图之间的比例关系，公式如下：
[0013][0014]
其中：resolution：表示世界地图和栅格地图之间的比例关系；origin；表示图像坐标系和经过比例关系转换后的实际地图之间的旋转角度关系。
[0015]
进一步的，提取所述栅格地图的障碍物边界信息，生成障碍物向量vector，公式如下：
[0016][0017]
其中：(xn,yn)表示障碍物在栅格地图中的图像坐标信息。
[0018]
进一步的，所述碰撞强度矩阵d的公式如下：
[0019][0020]
进一步的，通过所述碰撞强度矩阵d和障碍物向量vector，计算得到碰撞强度图，公式如下：
[0021][0022]
其中：m表示栅格地图的像素矩阵，像素矩阵的值为对应图像坐标下的灰度值；d表示碰撞强度矩阵；h表示m和d通过卷积计算得到的具有碰撞强度的栅格地图。
[0023]
进一步的，对规划出的路径进行平滑处理，包括：
[0024]
采取每两米的距离提取一个路径坐标点；
[0025]
对提取到的路径坐标点通过贝塞尔曲线进行拟合，得到拟合后的路径点。
[0026]
进一步的，获取栅格地图坐标系和世界坐标系之间的转换关系；将所述拟合后的路径点通过所述栅格地图坐标系和世界坐标系之间的转换关系，将栅格地图中的规划路径点转换为车辆实际运行路径点，以供后续的轨迹跟踪使用。
[0027]
第二方面，本发明提供一种井下场景自动路径规划装置，包括：
[0028]
栅格地图获取单元，用于获取预先构建的栅格地图，获取世界地图和栅格地图之间的比例关系；
[0029]
障碍物向量生成单元，用于提取所述栅格地图的障碍物边界信息，生成障碍物向量vector；
[0030]
碰撞强度矩阵生成单元，用于通过预先获取的激光雷达的安装尺寸、车辆的车身尺寸、车辆的运动模型、以及所述世界地图和栅格地图之间的比例关系，生成碰撞强度矩阵d；
[0031]
计算单元，用于通过所述碰撞强度矩阵d和障碍物向量vector，计算得到碰撞强度图，将存在碰撞的点去除，保留不发生碰撞的区域；
[0032]
最优全局路径生成单元，用于在所述碰撞强度图上通过a*算法进行路径规划，生
成最优全局路径。
[0033]
第三方面，本发明提供一种井下场景自动路径规划装置，包括处理器及存储介质；
[0034]
所述存储介质用于存储指令；
[0035]
所述处理器用于根据所述指令进行操作以执行根据前述任一项所述方法的步骤。
[0036]
第四方面，本发明提供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前述任一项所述方法的步骤。
[0037]
与现有技术相比，本发明所达到的有益效果：
[0038]
本发明提供一种井下场景自动路径规划方法，使用碰撞强度矩阵，根据车辆的实际尺寸参数和运动模型对路径规划地图进行限制，并通过点稀疏和平滑插入的方式，对a*路径规划产生的路径进行处理。最终得到的规划路径能够有效的匹配车辆在井下巷道的实际运行工况，满足实际无人驾驶需求。
附图说明
[0039]
图1是本发明实施例提供的一种井下场景自动路径规划方法的流程图；
[0040]
图2是本发明实施例提供的碰撞栅格图；
[0041]
图3是本发明实施例提供的最优全局路径示意图；
[0042]
图4是本发明实施例提供的平滑处理后的示意图。
具体实施方式
[0043]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0044]
实施例1
[0045]
本实施例介绍一种井下场景自动路径规划方法，包括：
[0046]
获取预先构建的栅格地图，获取世界地图和栅格地图之间的比例关系；
[0047]
提取所述栅格地图的障碍物边界信息，生成障碍物向量vector；
[0048]
通过预先获取的激光雷达的安装尺寸、车辆的车身尺寸、车辆的运动模型、以及所述世界地图和栅格地图之间的比例关系，生成碰撞强度矩阵d；
[0049]
通过所述碰撞强度矩阵d和障碍物向量vector，计算得到碰撞强度图，将存在碰撞的点去除，保留不发生碰撞的区域；
[0050]
在所述碰撞强度图上通过a*算法进行路径规划，生成最优全局路径。
[0051]
本实施例提供的井下场景自动路径规划方法，其应用过程具体涉及如下步骤：
[0052]
步骤一、获取栅格像素和实际尺寸之间的比例关系，以及栅格地图坐标系和世界坐标系之间的转换关系；
[0053][0054]
其中：
[0055]
resolution：表示世界地图和栅格地图之间的比例关系，即栅格地图中的一个像素点对应到实际场景中的尺寸；
[0056]
origin；表示图像坐标系和经过比例关系转换后的实际地图之间的旋转角度关
系。
[0057]
步骤二、提取栅格地图的障碍物边界信息，生成障碍物向量vector；
[0058][0059]
其中：(xn,yn)表示障碍物在栅格地图中的图像坐标信息。
[0060]
步骤三、根据激光雷达的安装尺寸、车辆的车身尺寸、车辆的运动模型、以及步骤一中得到的resolution，生成碰撞强度矩阵d：
[0061][0062]
步骤四：根据步骤三得到的碰撞强度矩阵d和步骤二得到的障碍物向量vector，通过计算得到碰撞强度图，将存在碰撞的点去除，保留不发生碰撞的区域：
[0063][0064]
其中：m表示栅格地图的像素矩阵，像素矩阵的值为对应图像坐标下的灰度值；d表示碰撞强度矩阵；h表示m和d通过卷积计算得到的具有碰撞强度的栅格地图，即碰撞栅格图，如图2所示。
[0065]
步骤五：根据实际采矿作业的装卸条件，以碰撞强度图为基础，通过a*算法进行路径规划，如图3所示；
[0066]
步骤六：路径点稀疏和贝塞尔曲线拟合；通过a*算法规划出的路径多以折线存在，和实际车辆运动控制不相符，需要对规划出的路径进行平滑处理。根据实际运动工况，采取每两米的距离提取一个路径坐标点。对提取到的路径坐标点通过贝塞尔曲线进行拟合，如图4所示。
[0067]
步骤7：将步骤6中得到的拟合后的路径点通过步骤1中得到的坐标转换关系，将栅格地图中的规划路径点转换为车辆实际运行路径点，已供后续的轨迹跟踪使用。
[0068]
实施例2
[0069]
本实施例提供一种井下场景自动路径规划装置，包括：
[0070]
栅格地图获取单元，用于获取预先构建的栅格地图，获取世界地图和栅格地图之间的比例关系；
[0071]
障碍物向量生成单元，用于提取所述栅格地图的障碍物边界信息，生成障碍物向量vector；
[0072]
碰撞强度矩阵生成单元，用于通过预先获取的激光雷达的安装尺寸、车辆的车身尺寸、车辆的运动模型、以及所述世界地图和栅格地图之间的比例关系，生成碰撞强度矩阵d；
[0073]
计算单元，用于通过所述碰撞强度矩阵d和障碍物向量vector，计算得到碰撞强度图，将存在碰撞的点去除，保留不发生碰撞的区域；
[0074]
最优全局路径生成单元，用于在所述碰撞强度图上通过a*算法进行路径规划，生成最优全局路径。
[0075]
实施例3
[0076]
本实施例提供一种井下场景自动路径规划装置，包括处理器及存储介质；
[0077]
所述存储介质用于存储指令；
[0078]
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。
[0079]
实施例4
[0080]
本实施例提供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实施例1中任一项所述方法的步骤。
[0081]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。