【技术实现步骤摘要】
本专利技术涉及物流配送车路径规划技术优化领域，特别是一种物流配送车自适应运动规划方法、设备及存储介质。
技术介绍
1、随着自动驾驶技术的快速发展，无人驾驶车辆在生活中已经不再是空中楼阁，而路径规划技术作为物流配送车的关键技术，一直是自动驾驶领域研究的热点和难点。路径规划旨在考虑时效性的前提下规划出一条从起点到目标点的安全无碰撞路径，根据算法实现的特点，可分为全局路径规划和局部路径规划两类。
2、目前全局路径规划常用算法有跳点搜索算法，该算法避免了大量冗余节点的计算，有效的提升了计算速度，但由于该算法使用传统的欧氏距离作为启发式函数，计算得出的预估代价会低于实际的路径成本，进而增加了全局路径规划用时，故传统jps存在启发式函数效率较低、规划时间长等问题，且将马氏距离处理低地形信息应用于rrt*的路径规划方法在处理复杂环境或窄缝的情况时，由于需要选择重连，导致计算量较大，生成路径的效率较低，而由于rrt*算法本身对于起始点和目标点的要求较高的特性，如果这两点位置选择不当，可能会导致无法找到有效的路径；局部路径规划常用算法有动态窗口算法，该算法因其考虑了机器人的运动学模型以及具有生成的路径平滑等特点，被广泛用于复杂环境的局部路径规划中，但在面对复杂情况多变的环境时，由于轨迹评价系数固定不变，该算法难以规划出较优的局部路径，甚至出现无法规划的情况，具有参数难以调整、适应性差等缺点。此外，专利技术人在实车实验中发现，当该算法的局部规划路径最终输出至物流配送车控制模块执行时，在场景单一、障碍物稀少的环境下存在仍然保持较为保守的速
技术实现思路
1、本专利技术所要解决的技术问题是，针对现有技术不足，提供一种物流配送车自适应运动规划方法、设备及存储介质，解决物流配送车路径规划中效率低、适应性差、速度保守的问题。
2、为解决上述技术问题，本专利技术所采用的技术方案是：一种物流配送车自适应运动规划方法，包括以下步骤：
3、s1、物流配送车获取配送终点后，基于马哈拉诺比斯距离和夹角信息，使用马氏距离计算函数作为启发式函数，得到优化启发式函数的跳点搜索全局路径；
4、s2、实时获取采集到的激光雷达环境信息，在优化启发式函数的跳点搜索全局路径基础上，建立当前环境下基于避免末端位姿碰撞原则的优化速度采样空间，根据采样速度分别进行轨迹推算，得到最终可行轨迹集合；
5、s3、在所述最终可行轨迹集合中选择适合物流配送车在当前环境下行驶的速度和角速度；
6、s4、对速度的激进程度进行选择，确定下一配送地点。
7、本专利技术首先在规划物流配送车全局路径时使用马哈拉诺比斯距离替换传统的欧式距离作为启发式函数，能够更准确地估计预估路径的距离长度，保证了快件配送分发的高效性；在局部路径规划时优化了速度采样空间，减少了物流配送车与障碍物发生碰撞的可能性；然后对当前路况的各方面复杂性进行量化分析，计算得到各项环境复杂系数，并以此对轨迹评价系数进行相应修改，保证了不同路况下速度选择的适应性与最优性；最后在输出速度指令前，进行简单路况直线行驶判定，如果是则适当提升速度指令大小，否则维持原速，提升幅度与环境复杂系数负相关，保证了简单路况下物流配送任务的时效性。
8、步骤s1的具体实现过程包括：
9、s1.1、获取物流配送车在带障碍物的全局栅格地图中的当前坐标，即得到路径规划起点s，确定路径规划终点d；
10、s1.2、初始化开放列表，并将所述路径规划起点s加入所述开放列表中；所述开放列表存储有路径规划的中间点坐标；
11、s1.3、遍历开放列表中现存所有点的坐标，分别对路径规划起点s到遍历对象点、遍历对象点到路径规划终点d计算实际代价值和预估代价值；
12、s1.4、查找所述开放列表中评价函数值最低的节点a，判断所述节点a是否为路径规划终点，若是，则结束；否则，基于节点a的父节点方向，按照上、下、左、右四个方向的先后次序进行直线搜索跳点，再按照左上、右上、右下、左下四个方向的先后次序进行斜向搜索跳点，若在某一方向上搜索到跳点，则将该跳点的坐标加入开放列表中，并在该已搜索到跳点的方向上停止搜索；
13、s1.5、重复步骤s1.3～s1.4，直至搜索到路径规划终点d，追溯路径规划终点d的父节点至路径规划起点s，并连接追溯过程中的所有中间节点，得到优化启发式函数的跳点搜索全局路径。
14、本专利技术通过改进启发式函数的优化jps算法进行全局路径规划，克服了传统jps算法启发式函数效率较低的问题，减少了规划时间，提高了物流配送车全局路径的搜索效率。
15、步骤s1.4中，评价函数值的计算公式为：
16、f(n)＝g(n)+h(n)；
17、其中，f(n)表示当前节点n的评价函数值，g(n)表示路径规划起点s到当前节点n的实际代价值，即实际最短距离，h(n)表示当前节点n到路径规划终点d的预估代价值，h(n)＝α·l(xn，yn，xd，yd)+β·s(n，s，d)，α为距离信息权重值，β为方向信息权重值，s(n，s，d)表示节点n、路径规划起点s、路径规划终点d围成的面积，l(xn，yn，xd，yd)为当前节点n与路径规划终点d之间的马哈拉诺比斯距离，xn、yn表示节点n在全局地图下的横、纵坐标，xd、yd表示路径规划终点d在全局地图下的横、纵坐标。
18、本专利技术使用马哈拉诺比斯距离函数替代传统的欧式距离函数，考虑到各变量之间的联系，并独立于测量尺度，当协方差矩阵为单位矩阵时，马氏距离退化为欧式距离，使用马氏距离作为跳点搜索时的启发式函数，能够更准确地预估中间点到终点的路径距离，提高搜索效率。
19、步骤s2的具体实现过程包括：
20、s2.1、确定物流配送车未来可行的速度采样空间vs；
21、s2.2、在速度采样空间vs中，使用不等采样间距规则进行dwa算法速度采样，所述不等采样间距规则：在速度与角速度元素组合(v±avδt，w)和(v±avδt，w+awδt)之间加入几组新的速度与角速度元素组合，组数与初始角速度w相关，计算公式如下：；
22、
23、其中v为初始速度，w为初始角速度，av为加速度，aw为角加速度，δt为采样时间，tanh(•)为双曲正切函数；
24、s2.3、将采样结果代入物流配送车运动模型进行轨迹推算，得到预测轨迹集合ts0结合速度采样空间vs和预测轨迹集合ts0，移除预测轨迹集合ts0中可能产生碰撞的轨迹，得到最终可行轨迹集合ts。
25、本专利技术基于轨迹末端时刻的速度与方向信息对速度采样空间进行了优化，去除了其中在紧急制动情况下会与障碍物发生碰撞的轨迹，减小了物流配送车碰撞风险；同时使用不同于传统等距采样的基于障碍物密度判断的不等间距采样规则，在障碍物密集区域能够产生更多可行轨迹，以保证最终结果的最优性。
26、步骤s2.3中，移除原预测轨本文档来自技高网...
【技术保护点】
1.一种物流配送车自适应运动规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的物流配送车自适应运动规划方法，其特征在于，步骤S1的具体实现过程包括：
3.根据权利要求2所述的物流配送车自适应运动规划方法，其特征在于，步骤S1.4中，评价函数值的计算公式为：
4.根据权利要求1所述的物流配送车自适应运动规划方法，其特征在于，步骤S2的具体实现过程包括：
5.根据权利要求4所述的物流配送车自适应运动规划方法，其特征在于，步骤S2.3中，移除原预测轨迹集合Ts0中可能产生碰撞的轨迹的具体实现过程包括：
6.根据权利要求1所述的物流配送车自适应运动规划方法，其特征在于，步骤S3中，在所述最终可行轨迹集合中选择适合物流配送车在当前环境下行驶的速度和角速度的具体实现过程包括：
7.根据权利要求6所述的物流配送车自适应运动规划方法，其特征在于，计算三类环境复杂系数并优化轨迹评价系数的过程包括：
8.根据权利要求1所述的物流配送车自适应运动规划方法，其特征在于，步骤S4中，对速度的激进程度进行选择，确
9.一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序；其特征在于，所述处理器执行所述计算机程序，以实现权利要求1～8之一所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时，实现上述权利要求1～8之一所述方法的步骤。
...【技术特征摘要】
1.一种物流配送车自适应运动规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的物流配送车自适应运动规划方法，其特征在于，步骤s1的具体实现过程包括：
3.根据权利要求2所述的物流配送车自适应运动规划方法，其特征在于，步骤s1.4中，评价函数值的计算公式为：
4.根据权利要求1所述的物流配送车自适应运动规划方法，其特征在于，步骤s2的具体实现过程包括：
5.根据权利要求4所述的物流配送车自适应运动规划方法，其特征在于，步骤s2.3中，移除原预测轨迹集合ts0中可能产生碰撞的轨迹的具体实现过程包括：
6.根据权利要求1所述的物流配送车自适应运动规划方法，其特征在于，步骤s3中，在所述最终可行轨迹集合中选...
【专利技术属性】
技术研发人员：余伶俐，陈志翔，周开军，陈白帆，赵于前，
申请(专利权)人：中南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。