CN108875998A - 一种自动驾驶车辆规划方法和系统 - Google Patents
一种自动驾驶车辆规划方法和系统 Download PDFInfo
- Publication number
- CN108875998A CN108875998A CN201810357943.8A CN201810357943A CN108875998A CN 108875998 A CN108875998 A CN 108875998A CN 201810357943 A CN201810357943 A CN 201810357943A CN 108875998 A CN108875998 A CN 108875998A
- Authority
- CN
- China
- Prior art keywords
- automatic driving
- information
- driving vehicle
- planning
- path
- 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.)
- Pending
Links
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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及一种自动驾驶车辆规划方法和系统，所述方法包括：获取路网拓扑结构、实时交通流、道路质量和车辆电量；采用搜索算法得到第一预设数量的全局规划路径；选择初始路径；根据障碍物信息和车辆状态模式生成并行状态的第二预设数量的备选路径；对备选路径进行评价，选择状态模式；根据障碍物的预测运行轨迹和状态模式并行生成第三预设数量的可行轨迹；对可行轨迹进行评价，得到车辆的行驶轨迹。本发明从体系上将全局路径规划、局部行为规划及运动规划进行融合，避免各模块孤立分布及缺乏逻辑层次；从信息流上采用至上而下与至下而上融合方式，提高系统鲁棒性；采用并行行为假设及融合评估方式，提高系统的适应性。
Description
技术领域
本发明涉及自动驾驶领域，尤其涉及一种自动驾驶车辆规划方法和系统。
背景技术
随着人工智能技术以及现代制造业的发展，自动驾驶技术已经逐渐走进人们的日常生活，潜移默化的改变着人们的出行方式。自动驾驶技术在军用及民用上均具有巨大的应用前景。军用上，它不仅能够作为无人运输平台，还能用作无人爆破车、无人作战平台、无人巡逻与监视车辆等；民用中，除了为人类生活带来便捷之外，还能够降低交通事故发生率与提高道路通行效率。
自动驾驶技术可分为感知、定位、规划及控制四大模块。感知及定位模块相当于人类眼睛及耳朵，通过接收外界信息源来获取自身及周围目标相关信息；规划模块相当于人类大脑，通过分析自身及目标信号来做出任务、行为决策及运动规划；控制模块类似于人类手脚，执行上层的运动规划信号。
现有自动驾驶规划一般意义上理解为狭义上的决策规划，即驾驶行为规划，例如换道、跟车等行为，全局路径规划通常被纳入到人机交互层，运动规划则被纳入到控制层。在现有行为规划层中，通常采用预设优先级状态进行描述，例如按照紧急停车、循迹、换道串流方式进行。
现有技术方案中全局路径规划和运动规划程层往往是孤立单独处理，缺乏有效的耦合。同时全局路径规划至局部行为规划，再到运动规划通常采用至上而下的Top-Down形式进行处理，缺乏有效的握手反馈及二次规划。行为规划层串行处理方式虽然逻辑简单清晰，但由于是以人工合理性假设为前提，在一些复杂工况及意外情况下，容易出现处理不当；同时串行方式计算效率低下，无法适应某些紧急情况。
发明内容
本发明的目的是针对现有技术的缺陷，提供一种自动驾驶车辆规划方法和系统，从体系上将全局路径规划、局部行为规划及运动规划进行融合，避免各模块孤立分布及缺乏逻辑层次；从信息流上采用至上而下与至下而上融合方式，提高系统鲁棒性；采用并行行为假设及融合评估方式，提高系统的适应性，以克服现有行为规划串行方式适应性较差的问题。
有鉴于此，第一方面，本发明实施例提供了一种自动驾驶车辆规划方法，包括：
获取路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息；
配置所述路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息；
根据所述路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息，采用搜索算法得到第一预设数量的全局规划路径；
对所述第一预设数量的全局规划路径进行评价，根据评价结果选择初始路径；
根据所述初始路径获取障碍物信息；
调用时空描述模型，根据所述障碍物信息和所述自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径；
对所述第二预设数量的备选路径进行评价，根据评价结果对状态模式进行选择；
对所述障碍物的运动行为和轨迹进行预测，得到所述障碍物的预测运行轨迹；
根据障碍物的预测运行轨迹和所述选择的状态模式并行生成第三预设数量的可行轨迹；
对所述第三预设数量的可行轨迹进行评价，根据评价结果选择车辆的行驶轨迹。
优选的，在所述根据所述初始路径获取障碍物信息之后，所述方法还包括：
当检测到所述初始路径的堵塞时间到达第一预设时间阈值时，生成第一重新规划信息；
根据所述第一重新规划信息重新规划初始路径，并更新初始路径。
优选的，在所述对所述第二预设数量的备选路径进行评价，根据评价结果对状态模式进行选择之后，所述方法还包括：
当检测到所述行驶路径的堵塞时间到达第二预设时间阈值时，生成第二重新规划信息；
根据所述第二重新规划信息重新选择自动驾驶车辆状态模式，并更新状态模式。
优选的，所述状态模式包括让道、让行、避障通行、循迹、跟随和换道；所述根据所述初始路径获取障碍物信息，调用时空描述模型，根据所述障碍物信息和所述自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径具体为：
根据障碍物的状态信息获取相对应的自动驾驶车辆状态模式；
调用时空描述模型，根据所述障碍物的状态信息和获取到自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径。
优选的，所述初始路径为多属性轨迹；其中，所述属性包括时间属性和动作属性，所述动作属性包括鸣笛、转向灯、洒水和清扫中的一种或多种；
在所述根据评价结果选择初始路径之后，所述方法还包括：
配置所述初始路径的属性信息。
第二方面，本发明实施例提供了一种自动驾驶车辆规划系统，所述自动驾驶车辆规划系统包括：任务规划模块、行为规划模块和运动规划模块；
所述任务规划模块，用于获取路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息；配置所述路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息；根据所述路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息，采用搜索算法得到第一预设数量的全局规划路径；对所述第一预设数量的全局规划路径进行评价，根据评价结果选择初始路径，并发送给所述行为规划模块；
所述行为规划模块，用于根据所述初始路径获取障碍物信息；调用时空描述模型，根据所述障碍物信息和所述自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径；对所述第二预设数量的备选路径进行评价，根据评价结果对状态模式进行选择，并发送给所述运动规划模块；
所述运动规划模块，用于对所述障碍物的运动行为和轨迹进行预测，得到所述障碍物的预测运行轨迹；根据障碍物的预测运行轨迹和所述行为规划模块发送的状态模式并行生成第三预设数量的可行轨迹；对所述第三预设数量的可行轨迹进行评价，根据评价结果选择车辆的行驶轨迹。
优选的，当所述行为规划模块检测到所述初始路径的堵塞时间到达第一预设时间阈值时，生成第一重新规划信息，反馈至所述任务规划模块；
所述任务规划模块还用于根据所述第一重新规划信息重新规划初始路径，并更新初始路径，并将更新后的初始路径发送给所述行为规划模块。
优选的，当所述运动规划模块检测到所述行驶路径的堵塞时间到达第二预设时间阈值时，生成第二重新规划信息，反馈至所述行为规划模块；
所述行为规划模块根据所述第二重新规划信息重新选择自动驾驶车辆状态模式，并更新状态模式；
将更新后的状态模式发送给所述运动规划模块。
优选的，所述状态模式包括让道、让行、避障通行、循迹、跟随和换道；
所述行为规划模块具体用于根据障碍物的状态信息获取相对应的自动驾驶车辆状态模式；
调用时空描述模型，根据所述障碍物的状态信息和获取到自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径。
优选的，所述初始路径为多属性轨迹；其中，所述属性包括时间属性和动作属性，所述动作属性包括鸣笛、转向灯、洒水和清扫中的一种或多种；所述任务规划模块还用于配置所述初始路径的属性信息。
本发明实施例提供的自动驾驶车辆规划系统，从体系上将全局路径规划、局部行为规划及运动规划进行融合，避免各模块孤立分布及缺乏逻辑层次；从信息流上采用至上而下与至下而上融合方式，提高系统鲁棒性；采用并行行为假设及融合评估方式，提高系统的适应性，以克服现有行为规划串行方式适应性较差的问题。
附图说明
图1为本发明实施例提供的一种自动驾驶车辆规划方法的流程图；
图2为本发明实施例提供的一种行为规划示意图；
图3为本发明实施例提供的一种运动规划示意图；
图4为本发明实施例提供的一种初始路径二次规划示意图；
图5为本发明实施例提供的一种自动驾驶车辆规划系统的示意图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
本发明实施例提供的自动驾驶车辆规划方法，适用于无人驾驶车辆，基于任务规划、行为规划和运动规划，将全局路径规划、局部行为规划及运动规划进行融合，采用并行行为假设及融合评估方式对自动驾驶车辆轨迹进行规划。
图1为本发明实施例提供的一种自动驾驶车辆规划方法的流程图，如图1所示，所述方法包括如下步骤：
步骤101，获取路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息；
其中，路网拓扑结构是指在一定区域内，由各种道路组成的相互联络、交织成网状分布的道路系统，路网拓扑结构可以通过第三方电子地图服务获取。实时交通流和道路质量可以通过交通部门提供的实时监控数据进行获取。此外，路网拓扑结构、实时交通流和道路质量还可以通过第三方地图供应商进行获取，比如高德地图、百度地图或谷歌地图等等。自动驾驶车辆的电量信息具体可以通过车辆自身的检测模块获取。
路网拓扑结构的获取是车辆自动驾驶路径规划的基础，实时交通流和道路质量是路线规划的重要条件，车辆的自身电量决定着车辆的行驶时间，因此在自动驾路径规划之前，要获取路网拓扑结构、实时交通流、道路质量和车辆电量这四个重要指标。
步骤102，配置路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息；
在本例中，四个指标的权重信息具体可以配置为：路网拓扑结构1、实时交通流0、道路质量0和车辆电量信息0；路网拓扑结构0、实时交通流1、道路质量0和车辆电量信息0；路网拓扑结构0、实时交通流0、道路质量1和车辆电量信息0；路网拓扑结构0、实时交通流0、道路质量0和车辆电量信息1。
需要说明的是，本申请并不对权重信息的配置进行设定，本领域技术人员可以根据需要对路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息四个指标的权重信息进行配置，从而将其进行权重虚拟化形式映射至道路上。
步骤103，根据路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息，采用搜索算法得到第一预设数量的全局规划路径；
具体的，基于步骤102中路网拓扑结构、实时交通流、道路质量和车辆电量的权重信息的四种配置方法，采用搜索算法进行计算，可以分别得到基于路网拓扑结构、实时交通流、道路质量和车辆电量信息四个指标的最短全局规划路径，其中，上述搜索算法包括但不限于A*搜索算法。
其中，第一预设数量是指基于不同输入指标的权重信息通过搜索算法得到的全局规划路径的数量。
步骤104，对第一预设数量的全局规划路径进行评价，根据评价结果选择初始路径；
具体的，调用综合评价模型分别对每个全局规划路径进行评价，得到每个全局规划路径的评价结果，综合评价模型是预先通过算法建立的，在综合评价模型里需要考虑项目任务、时间节点等多种指标，根据评价结果选择最优的全局规划路径为初始路径。
在此之后，所述方法还包括配置所述初始路径的属性信息，从而得到多属性的初始路径，属性包括时间属性和动作属性，动作属性包括但不限于鸣笛、转向灯、洒水和清扫中的一种或多种。其中，动作属性的配置一方面是根据预设条件触发的，比如当车辆检测到有行人时进行鸣笛，当车辆转向时开启转向灯，当车辆在夜间行驶时开启示廓灯等；动作属性的配置另一方面是任务信息触发的，任务信息中可以包括作业时间、作业地点等信息，比如对于一辆自动驾驶的清扫车，任务信息为清扫A区域，当车辆到达A区域之前正常行驶，到达A区域之后边行驶边进行清扫动作。
现有的运动轨迹只是具有时间属性的二维空间点的集合，即采用(x,y,t)进行表述。本发明中，轨迹除了时间属性外，还兼具动作属性，例如鸣笛、转向灯、洒水、清扫等动作，即可将这些具有时间及空间的业务属性融入至运动轨迹中进行统一表述，其优势在于能够将业务功能动作表述同运动轨迹进行统一描述，结构简单清晰；同时扩展性强，任何具有时空间属性的动作描述均可基于该方法来进行扩展描述。
上述步骤101至步骤104运行在任务规划层中，任务规划主要负责全局路径规划，具体可以通过任务规划模块实现，现有的任务规划模型主要分析单一指标的最优化问题，例如导航地图中推荐的距离最短路径、耗时最小路径等，最终需用户主观选择确定，而在本发明中，自动驾驶的任务规划层不仅要计算各种路径，还要综合分析从而得到最优路径。
步骤105，根据初始路径获取障碍物信息，调用时空描述模型，根据障碍物信息和自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径；
其中，状态模式是指车辆在行驶过程中的驾驶行为，状态模式可以包括让道、让行、避障通行、循迹、跟随和换道等。
具体的，根据障碍物的状态信息获取相对应的自动驾驶车辆状态模式；调用时空描述模型，根据障碍物的状态信息和获取到自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径，第二预设数量是指备选路径的数量，第二预设数量是与获取到自动驾驶车辆状态模式相关联的。
步骤106，对第二预设数量的备选路径进行评价，根据评价结果对状态模式进行选择；
具体的，调用评估模型综合计算出每个备选路径的收益和风险，然后再利用选择模型根据每个备选路径的收益和风险选择最优的状态模式。
上述步骤105和步骤106运行在行为规划层中，行为规划主要指特定场景及道路元素下车辆的驾驶行为即车辆的状态模式，具体可以通过行为规划模块实现，在常规自动驾驶术语中也称之为决策，现有的行为规划通常采用有限状态机(Finite State Machine，FSM)方法进行，在使用状态机过程中，往往隐含人工经验来设置状态优先级，例如按照优先级循迹>避障>换道，这种方式在一些复杂场景下容易出现行为决策错误。本发明以分层状态机为基础，对于同一状态内行为采用并行方式进行评估来选择最优行为，从而避免传统状态条件跳转方式来选择。
下面以一个具体的例子对行为规划进行详细说明，图2为本发明实施例提供的一种行为规划示意图，如图2所示，该场景描述如下：(1)在停车场某双向单行车道，自动驾驶车辆(自车)同目标车辆(目标车)出现会车冲突；(2)自动驾驶车辆不允许重新选择其它路线；(3)自动驾驶车辆要保证通行物理安全和乘客心里舒适度。根据以上场景描述，根据上述障碍物即目标车的状态场景信息获取到的自动驾驶车辆状态模式为让道、让行及避障通行；通过时空描述模型估计出两车碰撞模型，图中以三种颜色表示不同时空域条件下两车的时空状态，从而得到让道、让行及避障通行三种并行状态模式相对应的备选路径。利用评估模型综合计算出让道、让行及避障通行三种状态模式相对应的收益和风险；最后，再利用选择模型选择此场景下最优行为。通过以上示例，可以看出本发明通过并行计算，综合估计出相对优势方式来获取最终行为，相对于人工预设优先级及绝对条件比较方式，能够更适合复杂应用场景。
步骤107，对障碍物的运动行为和轨迹进行预测，得到障碍物的预测运行轨迹；
具体的，根据自动驾驶车辆自身的环境感知模块获取到的环境信息和障碍物信息，对障碍物的运动行为和轨迹进行预测，具体通过预测算法算出障碍物的精确轨迹点，并通过轨迹点生成预测运行轨迹，环境感知信息包括周围场景道路等信息，障碍物信息包括目标障碍物的位姿、速度等。
步骤108，根据障碍物的预测运行轨迹和选择的状态模式并行生成第三预设数量的可行轨迹；
在上层行为规划得到的状态模式指导下，根据障碍物的预测运行轨迹并行计算出第三预设数量的自动驾驶车辆可行轨迹，第三预设数量是指并行计算得到的自动驾驶车辆可行轨迹的数量，本领域技术人员可以根据需要对第三数量进行设定，第三数量优选至少为3条。
步骤109，对第三预设数量的可行轨迹进行评价，根据评价结果选择车辆的行驶轨迹。
具体的，调用评估模型对得到的多条可行轨迹进行评估，计算多条可行轨迹的收益及风险值，然后根据每条可行轨迹的收益及风险值选择最优的可行轨迹为自动驾驶车辆的行驶轨迹。
上述步骤107至步骤109是运行在运动规划层中，具体可以通过运动规划模块实现，相对于传统固定轨迹计算方法，本方法的优点在于能够充分考虑多条假设轨迹，通过并行计算方式提高效率；同时评估模型可综合考虑车辆状态及目标行为，从而得出更合理轨迹。
为更好的理解行驶轨迹的生成过程，下面结合图3通过一个具体的例子进行描述，如图3所示，根据目标车的信息和周围环境信息，通过预测算法算出目标车的精确轨迹点，通过轨迹点预测目标车的精确运行轨迹；再根据上层行为规划输出的让道状态模式，自车可规划出三条可行轨迹；通过评估模型对3条可行轨迹的收益及风险值进行计算，选出其中收益及风险最合理的一条轨迹为自动驾驶车辆的行驶轨迹。
任务规划层、行为规划层和运动规划层三个层次不是简单的至上而下(top-down)的信息传递关系，而是融合至上而下及至下而上(top-down及down-top)的复杂信息交互。至下而上(down-top)模式主要反馈下层对上层命令的执行可行性的评估，即某些时候由于上层信息获取不足导致命令错误，此时下层应具有评估和反馈能力，要求上层二次或多次规划，以下达更合理命令。比如，在自动驾驶过程中，会出现初始路径或行驶轨迹被堵塞等无法通行的情况，因此本发明还提供了反馈方法，下面分别针对初始路径和行驶轨迹无法通行的反馈方法进行说明。需要说明的是，本发明中至下而上(down-top)反馈主要采用二值型数据类型来表示上层命令可行或不可行。
在初始路径规划完成后，车辆在自动驾驶过程中检测到初始路径的堵塞时间到达第一预设时间阈值时，行为规划模块生成第一重新规划信息，反馈至上层任务规划模块；任务规划模块根据接收到的第一重新规划信息重新规划全局初始路径，并更新初始路径，然后发送给行为规划模块。如图4所示，在一个具体的例子中，行为规划层中当车辆检测到初始路径被障碍物堵塞且无法通过避障通行时，将此信息反馈至任务规划层，触发任务规划层进行二次规划，并将新生成路径下发至行为规划层。
在车辆状态模式选定后，当车辆检测到行驶路径的堵塞时间到达第二预设时间阈值时，运动规划模块生成第二重新规划信息，反馈至上层行为规划模块；行为规划模块根据接收到的第二重新规划信息重新选择自动驾驶车辆状态模式，并更新状态模式，并发送给运动规划模块，运动模块根据更新后的状态模式重新执行步骤107至步骤109，重新规划行驶轨迹。本发明这种各层间信息流至上而下与至下而上融合方式，能够提高系统的鲁棒性。
其中，本领域技术人员可以根据需要对上述第一预设时间阈值和第二预设时间阈值进行设定。
本发明实施例提供的自动驾驶车辆规划方法，从体系上将全局路径规划、局部行为规划及运动规划进行融合，避免各模块孤立分布及缺乏逻辑层次；从信息流上采用至上而下与至下而上融合方式，提高系统鲁棒性；采用并行行为假设及融合评估方式，提高系统的适应性，以克服现有行为规划串行方式适应性较差的问题；并且运动规划层采用的多假设轨迹评估方式，有利于更合理轨迹生成。
相对应的，本发明实施例提供的自动驾驶车辆规划系统，上述方法执行于该规划系统中，图5为本发明实施例提供的自动驾驶车辆规划系统示意图，如图5所示，所述自动驾驶车辆规划系统包括：任务规划模块1、行为规划模块2和运动规划模块3。
任务规划模块1执行于任务规划层，用于获取路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息；配置路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息；根据路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息，采用搜索算法得到第一预设数量的全局规划路径；对第一预设数量的全局规划路径进行评价，根据评价结果选择初始路径，并发送给行为规划模块2。
任务规划模块1还用于配置初始路径的属性信息，从而得到多属性的初始路径，属性包括时间属性和动作属性，动作属性包括但不限于鸣笛、转向灯、洒水和清扫中的一种或多种。
行为规划模块2执行于行为规划层，用于根据初始路径获取障碍物信息；调用时空描述模型，根据障碍物信息和自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径；对第二预设数量的备选路径进行评价，根据评价结果对状态模式进行选择，并发送给运动规划模块3。
其中，状态模式包括让道、让行、避障通行、循迹、跟随和换道；行为规划模块2具体用于根据障碍物的状态信息获取相对应的自动驾驶车辆状态模式；调用时空描述模型，根据障碍物的状态信息和获取到自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径。
运动规划模块3执行于运动规划层，用于对障碍物的运动行为和轨迹进行预测，得到障碍物的预测运行轨迹；根据障碍物的预测运行轨迹和行为规划模块2发送的状态模式并行生成第三预设数量的可行轨迹；对第三预设数量的可行轨迹进行评价，根据评价结果选择车辆的行驶轨迹。
任务规划模块1、行为规划模块2和运动规划模块3三者之间不是简单的至上而下的信息传递关系，而是融合至上而下及至下而上的复杂信息交互。至下而上模式主要反馈下层对上层命令的执行可行性的评估，即某些时候由于上层信息获取不足导致命令错误，此时下层应具有评估和反馈能力，要求上层二次或多次规划，以下达更合理命令。
当行为规划模块2检测到初始路径的堵塞时间到达第一预设时间阈值时，生成第一重新规划信息，反馈至任务规划模块；任务规划模块还用于根据第一重新规划信息重新规划初始路径，并更新初始路径，并将更新后的初始路径发送给行为规划模块。
当运动规划模块3检测到行驶路径的堵塞时间到达第二预设时间阈值时，生成第二重新规划信息，反馈至行为规划模块；行为规划模块根据第二重新规划信息重新选择自动驾驶车辆状态模式，并更新状态模式；将更新后的状态模式发送给运动规划模块。
本发明实施例提供的自动驾驶车辆规划系统的各个模块的功能以及具体工作过程与前述自动驾驶车辆规划方法实施例一一对应，前述方法实施例中已经进行了详细阐述，此处不再赘述。
本发明实施例提供的自动驾驶车辆规划系统，从体系上将全局路径规划、局部行为规划及运动规划进行融合，避免各模块孤立分布及缺乏逻辑层次；从信息流上采用至上而下与至下而上融合方式，提高系统鲁棒性；采用并行行为假设及融合评估方式，提高系统的适应性，以克服现有行为规划串行方式适应性较差的问题；并且运动规划层采用的多假设轨迹评估方式，有利于更合理轨迹生成。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种自动驾驶车辆规划方法，其特征在于，所述方法包括：
获取路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息；
配置所述路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息；
根据所述路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息，采用搜索算法得到第一预设数量的全局规划路径；
对所述第一预设数量的全局规划路径进行评价，根据评价结果选择初始路径；
根据所述初始路径获取障碍物信息；
调用时空描述模型，根据所述障碍物信息和所述自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径；
对所述第二预设数量的备选路径进行评价，根据评价结果对状态模式进行选择；
对所述障碍物的运动行为和轨迹进行预测，得到所述障碍物的预测运行轨迹；
根据障碍物的预测运行轨迹和所述选择的状态模式并行生成第三预设数量的可行轨迹；
对所述第三预设数量的可行轨迹进行评价，根据评价结果选择车辆的行驶轨迹。
2.根据权利要求1所述的自动驾驶车辆规划方法，其特征在于，在所述根据所述初始路径获取障碍物信息之后，所述方法还包括：
当检测到所述初始路径的堵塞时间到达第一预设时间阈值时，生成第一重新规划信息；
根据所述第一重新规划信息重新规划初始路径，并更新初始路径。
3.根据权利要求1所述的自动驾驶车辆规划方法，其特征在于，在所述对所述第二预设数量的备选路径进行评价，根据评价结果对状态模式进行选择之后，所述方法还包括：
当检测到所述行驶路径的堵塞时间到达第二预设时间阈值时，生成第二重新规划信息；
根据所述第二重新规划信息重新选择自动驾驶车辆状态模式，并更新状态模式。
4.根据权利要求1所述的自动驾驶车辆规划方法，其特征在于，所述状态模式包括让道、让行、避障通行、循迹、跟随和换道；所述根据所述初始路径获取障碍物信息，调用时空描述模型，根据所述障碍物信息和所述自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径具体为：
根据障碍物的状态信息获取相对应的自动驾驶车辆状态模式；
调用时空描述模型，根据所述障碍物的状态信息和获取到自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径。
5.根据权利要求1所述的自动驾驶车辆规划方法，其特征在于，所述初始路径为多属性轨迹；其中，所述属性包括时间属性和动作属性，所述动作属性包括鸣笛、转向灯、洒水和清扫中的一种或多种；
在所述根据评价结果选择初始路径之后，所述方法还包括：
配置所述初始路径的属性信息。
6.一种自动驾驶车辆规划系统，其特征在于，所述自动驾驶车辆规划系统包括：任务规划模块、行为规划模块和运动规划模块；
所述任务规划模块，用于获取路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息；配置所述路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息；根据所述路网拓扑结构、实时交通流、道路质量和自动驾驶车辆的电量信息的权重信息，采用搜索算法得到第一预设数量的全局规划路径；对所述第一预设数量的全局规划路径进行评价，根据评价结果选择初始路径，并发送给所述行为规划模块；
所述行为规划模块，用于根据所述初始路径获取障碍物信息；调用时空描述模型，根据所述障碍物信息和所述自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径；对所述第二预设数量的备选路径进行评价，根据评价结果对状态模式进行选择，并发送给所述运动规划模块；
所述运动规划模块，用于对所述障碍物的运动行为和轨迹进行预测，得到所述障碍物的预测运行轨迹；根据障碍物的预测运行轨迹和所述行为规划模块发送的状态模式并行生成第三预设数量的可行轨迹；对所述第三预设数量的可行轨迹进行评价，根据评价结果选择车辆的行驶轨迹。
7.根据权利要求6所述的自动驾驶车辆规划系统，其特征在于，当所述行为规划模块检测到所述初始路径的堵塞时间到达第一预设时间阈值时，生成第一重新规划信息，反馈至所述任务规划模块；
所述任务规划模块还用于根据所述第一重新规划信息重新规划初始路径，并更新初始路径，并将更新后的初始路径发送给所述行为规划模块。
8.根据权利要求6所述的自动驾驶车辆规划系统，其特征在于，当所述运动规划模块检测到所述行驶路径的堵塞时间到达第二预设时间阈值时，生成第二重新规划信息，反馈至所述行为规划模块；
所述行为规划模块根据所述第二重新规划信息重新选择自动驾驶车辆状态模式，并更新状态模式；
将更新后的状态模式发送给所述运动规划模块。
9.根据权利要求6所述的自动驾驶车辆规划系统，其特征在于，所述状态模式包括让道、让行、避障通行、循迹、跟随和换道；
所述行为规划模块具体用于根据障碍物的状态信息获取相对应的自动驾驶车辆状态模式；
调用时空描述模型，根据所述障碍物的状态信息和获取到自动驾驶车辆状态模式生成并行状态的第二预设数量的备选路径。
10.根据权利要求6所述的自动驾驶车辆规划系统，其特征在于，所述初始路径为多属性轨迹；其中，所述属性包括时间属性和动作属性，所述动作属性包括鸣笛、转向灯、洒水和清扫中的一种或多种；所述任务规划模块还用于配置所述初始路径的属性信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810357943.8A CN108875998A (zh) | 2018-04-20 | 2018-04-20 | 一种自动驾驶车辆规划方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810357943.8A CN108875998A (zh) | 2018-04-20 | 2018-04-20 | 一种自动驾驶车辆规划方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108875998A true CN108875998A (zh) | 2018-11-23 |
Family
ID=64326932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810357943.8A Pending CN108875998A (zh) | 2018-04-20 | 2018-04-20 | 一种自动驾驶车辆规划方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108875998A (zh) |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109583151A (zh) * | 2019-02-20 | 2019-04-05 | 百度在线网络技术（北京）有限公司 | 车辆的行驶轨迹预测方法及装置 |
| CN109653140A (zh) * | 2018-12-21 | 2019-04-19 | 北京智行者科技有限公司 | 道路清洁作业中的车辆跟随方法 |
| CN109739246A (zh) * | 2019-02-19 | 2019-05-10 | 百度在线网络技术（北京）有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
| CN109765903A (zh) * | 2019-02-28 | 2019-05-17 | 北京智行者科技有限公司 | 一种自动驾驶规划方法 |
| CN109910880A (zh) * | 2019-03-07 | 2019-06-21 | 百度在线网络技术（北京）有限公司 | 车辆行为规划的方法、装置、存储介质和终端设备 |
| CN109917794A (zh) * | 2019-04-18 | 2019-06-21 | 北京智行者科技有限公司 | 全局路径规划方法及装置 |
| CN110244734A (zh) * | 2019-06-20 | 2019-09-17 | 中山大学 | 一种基于深度卷积神经网络的自动驾驶车辆路径规划方法 |
| CN110288847A (zh) * | 2019-06-28 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种自动驾驶决策方法、装置、系统、存储介质及终端 |
| CN110304074A (zh) * | 2019-06-28 | 2019-10-08 | 电子科技大学 | 一种基于分层状态机的混合式驾驶方法 |
| CN110491155A (zh) * | 2019-07-30 | 2019-11-22 | 深圳市前海胡桃科技有限公司 | 一种自动驾驶装置的调度方法、装置及自动驾驶装置 |
| CN111223321A (zh) * | 2018-11-26 | 2020-06-02 | 华为技术有限公司 | 自动驾驶规划的方法、设备及系统 |
| CN111457931A (zh) * | 2019-01-21 | 2020-07-28 | 广州汽车集团股份有限公司 | 自动驾驶车辆的局部路径重规划控制方法、装置、系统及存储介质 |
| CN111653113A (zh) * | 2020-04-20 | 2020-09-11 | 浙江吉利汽车研究院有限公司 | 车辆的局部路径确定方法、装置、终端和存储介质 |
| CN111998864A (zh) * | 2020-08-11 | 2020-11-27 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
| CN112265542A (zh) * | 2020-09-11 | 2021-01-26 | 重庆智行者信息科技有限公司 | 一种自动驾驶会车场景处理方法及其装置、车辆 |
| WO2021012121A1 (zh) * | 2019-07-19 | 2021-01-28 | 西门子（中国）有限公司 | 机器人路径规划器、方法、装置和计算机可读存储介质 |
| CN112612287A (zh) * | 2020-12-28 | 2021-04-06 | 清华大学 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
| CN112622924A (zh) * | 2019-09-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 一种驾驶规划方法及装置、车辆 |
| CN112945234A (zh) * | 2021-01-25 | 2021-06-11 | 中国人民解放军63963部队 | 一种基于健康状态的野外条件下路径规划方法 |
| CN113095537A (zh) * | 2020-01-09 | 2021-07-09 | 北京京东乾石科技有限公司 | 路径规划的方法和装置 |
| CN113341969A (zh) * | 2021-06-01 | 2021-09-03 | 江苏徐工工程机械研究院有限公司 | 用于矿用卡车的交通控制系统及其方法 |
| CN113359752A (zh) * | 2021-06-24 | 2021-09-07 | 中煤科工开采研究院有限公司 | 一种井工煤矿料车自动驾驶方法 |
| CN113552869A (zh) * | 2020-04-23 | 2021-10-26 | 华为技术有限公司 | 优化决策规控的方法、控制车辆行驶的方法和相关装置 |
| CN113799794A (zh) * | 2020-06-16 | 2021-12-17 | 华为技术有限公司 | 车辆纵向运动参数的规划方法和装置 |
| CN113805572A (zh) * | 2020-05-29 | 2021-12-17 | 华为技术有限公司 | 运动规划的方法与装置 |
| WO2022021712A1 (en) * | 2020-07-28 | 2022-02-03 | Huawei Technologies Co., Ltd. | Predictive motion planning system and method |
| WO2022143057A1 (zh) * | 2020-12-31 | 2022-07-07 | 华为技术有限公司 | 自动驾驶算法测试方法及相关设备 |
| WO2022160634A1 (zh) * | 2021-01-27 | 2022-08-04 | 魔门塔(苏州)科技有限公司 | 一种路径规划方法及装置 |
| CN114973640A (zh) * | 2021-02-24 | 2022-08-30 | 阿里巴巴集团控股有限公司 | 交通流量的预测方法、装置及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103903468A (zh) * | 2012-12-25 | 2014-07-02 | 上海博泰悦臻电子设备制造有限公司 | 道路拥堵时间预警方法及装置 |
| CN105229422A (zh) * | 2013-03-15 | 2016-01-06 | 大众汽车有限公司 | 自动驾驶路线规划应用 |
| CN105807764A (zh) * | 2015-01-19 | 2016-07-27 | 丰田自动车株式会社 | 自动驾驶车辆系统 |
| CN106314152A (zh) * | 2015-07-03 | 2017-01-11 | Lg电子株式会社 | 车辆驾驶辅助装置及具有其的车辆 |
| CN107389081A (zh) * | 2017-07-15 | 2017-11-24 | 东莞市华睿电子科技有限公司 | 一种无人驾驶车辆的智能导航方法及系统 |
| CN107490386A (zh) * | 2017-08-29 | 2017-12-19 | 广州小鹏汽车科技有限公司 | 一种电动汽车最优路径和驾驶方式的规划方法及系统 |
| CN107818377A (zh) * | 2016-09-12 | 2018-03-20 | 法乐第(北京)网络科技有限公司 | 基于云计算平台的车辆全局优化控制方法、系统、车辆和云计算平台 |
-
2018
- 2018-04-20 CN CN201810357943.8A patent/CN108875998A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103903468A (zh) * | 2012-12-25 | 2014-07-02 | 上海博泰悦臻电子设备制造有限公司 | 道路拥堵时间预警方法及装置 |
| CN105229422A (zh) * | 2013-03-15 | 2016-01-06 | 大众汽车有限公司 | 自动驾驶路线规划应用 |
| CN105807764A (zh) * | 2015-01-19 | 2016-07-27 | 丰田自动车株式会社 | 自动驾驶车辆系统 |
| CN106314152A (zh) * | 2015-07-03 | 2017-01-11 | Lg电子株式会社 | 车辆驾驶辅助装置及具有其的车辆 |
| CN107818377A (zh) * | 2016-09-12 | 2018-03-20 | 法乐第(北京)网络科技有限公司 | 基于云计算平台的车辆全局优化控制方法、系统、车辆和云计算平台 |
| CN107389081A (zh) * | 2017-07-15 | 2017-11-24 | 东莞市华睿电子科技有限公司 | 一种无人驾驶车辆的智能导航方法及系统 |
| CN107490386A (zh) * | 2017-08-29 | 2017-12-19 | 广州小鹏汽车科技有限公司 | 一种电动汽车最优路径和驾驶方式的规划方法及系统 |
Cited By (42)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111223321A (zh) * | 2018-11-26 | 2020-06-02 | 华为技术有限公司 | 自动驾驶规划的方法、设备及系统 |
| CN109653140A (zh) * | 2018-12-21 | 2019-04-19 | 北京智行者科技有限公司 | 道路清洁作业中的车辆跟随方法 |
| CN111457931A (zh) * | 2019-01-21 | 2020-07-28 | 广州汽车集团股份有限公司 | 自动驾驶车辆的局部路径重规划控制方法、装置、系统及存储介质 |
| CN109739246A (zh) * | 2019-02-19 | 2019-05-10 | 百度在线网络技术（北京）有限公司 | 一种变换车道过程中的决策方法、装置、设备及存储介质 |
| US11440565B2 (en) | 2019-02-19 | 2022-09-13 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Decision method, device, equipment in a lane changing process and storage medium |
| CN109583151B (zh) * | 2019-02-20 | 2023-07-21 | 阿波罗智能技术(北京)有限公司 | 车辆的行驶轨迹预测方法及装置 |
| CN109583151A (zh) * | 2019-02-20 | 2019-04-05 | 百度在线网络技术（北京）有限公司 | 车辆的行驶轨迹预测方法及装置 |
| CN109765903A (zh) * | 2019-02-28 | 2019-05-17 | 北京智行者科技有限公司 | 一种自动驾驶规划方法 |
| CN109910880A (zh) * | 2019-03-07 | 2019-06-21 | 百度在线网络技术（北京）有限公司 | 车辆行为规划的方法、装置、存储介质和终端设备 |
| CN109917794A (zh) * | 2019-04-18 | 2019-06-21 | 北京智行者科技有限公司 | 全局路径规划方法及装置 |
| CN109917794B (zh) * | 2019-04-18 | 2022-02-18 | 北京智行者科技有限公司 | 全局路径规划方法及装置 |
| CN110244734A (zh) * | 2019-06-20 | 2019-09-17 | 中山大学 | 一种基于深度卷积神经网络的自动驾驶车辆路径规划方法 |
| CN110304074A (zh) * | 2019-06-28 | 2019-10-08 | 电子科技大学 | 一种基于分层状态机的混合式驾驶方法 |
| CN110304074B (zh) * | 2019-06-28 | 2020-07-31 | 电子科技大学 | 一种基于分层状态机的混合式驾驶方法 |
| CN110288847A (zh) * | 2019-06-28 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种自动驾驶决策方法、装置、系统、存储介质及终端 |
| WO2021012121A1 (zh) * | 2019-07-19 | 2021-01-28 | 西门子（中国）有限公司 | 机器人路径规划器、方法、装置和计算机可读存储介质 |
| CN110491155A (zh) * | 2019-07-30 | 2019-11-22 | 深圳市前海胡桃科技有限公司 | 一种自动驾驶装置的调度方法、装置及自动驾驶装置 |
| CN112622924B (zh) * | 2019-09-24 | 2023-06-09 | 北京百度网讯科技有限公司 | 一种驾驶规划方法及装置、车辆 |
| CN112622924A (zh) * | 2019-09-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 一种驾驶规划方法及装置、车辆 |
| CN113095537A (zh) * | 2020-01-09 | 2021-07-09 | 北京京东乾石科技有限公司 | 路径规划的方法和装置 |
| CN111653113B (zh) * | 2020-04-20 | 2022-09-27 | 浙江吉利汽车研究院有限公司 | 车辆的局部路径确定方法、装置、终端和存储介质 |
| CN111653113A (zh) * | 2020-04-20 | 2020-09-11 | 浙江吉利汽车研究院有限公司 | 车辆的局部路径确定方法、装置、终端和存储介质 |
| CN113552869A (zh) * | 2020-04-23 | 2021-10-26 | 华为技术有限公司 | 优化决策规控的方法、控制车辆行驶的方法和相关装置 |
| CN113552869B (zh) * | 2020-04-23 | 2023-07-07 | 华为技术有限公司 | 优化决策规控的方法、控制车辆行驶的方法和相关装置 |
| CN113805572B (zh) * | 2020-05-29 | 2023-12-15 | 华为技术有限公司 | 运动规划的方法与装置 |
| CN113805572A (zh) * | 2020-05-29 | 2021-12-17 | 华为技术有限公司 | 运动规划的方法与装置 |
| CN113799794A (zh) * | 2020-06-16 | 2021-12-17 | 华为技术有限公司 | 车辆纵向运动参数的规划方法和装置 |
| CN113799794B (zh) * | 2020-06-16 | 2023-05-09 | 华为技术有限公司 | 车辆纵向运动参数的规划方法和装置 |
| US11835958B2 (en) | 2020-07-28 | 2023-12-05 | Huawei Technologies Co., Ltd. | Predictive motion planning system and method |
| WO2022021712A1 (en) * | 2020-07-28 | 2022-02-03 | Huawei Technologies Co., Ltd. | Predictive motion planning system and method |
| CN111998864A (zh) * | 2020-08-11 | 2020-11-27 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
| CN111998864B (zh) * | 2020-08-11 | 2023-11-07 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
| CN112265542A (zh) * | 2020-09-11 | 2021-01-26 | 重庆智行者信息科技有限公司 | 一种自动驾驶会车场景处理方法及其装置、车辆 |
| CN112612287B (zh) * | 2020-12-28 | 2022-03-15 | 清华大学 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
| CN112612287A (zh) * | 2020-12-28 | 2021-04-06 | 清华大学 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
| WO2022143057A1 (zh) * | 2020-12-31 | 2022-07-07 | 华为技术有限公司 | 自动驾驶算法测试方法及相关设备 |
| CN112945234A (zh) * | 2021-01-25 | 2021-06-11 | 中国人民解放军63963部队 | 一种基于健康状态的野外条件下路径规划方法 |
| WO2022160634A1 (zh) * | 2021-01-27 | 2022-08-04 | 魔门塔(苏州)科技有限公司 | 一种路径规划方法及装置 |
| CN114973640A (zh) * | 2021-02-24 | 2022-08-30 | 阿里巴巴集团控股有限公司 | 交通流量的预测方法、装置及系统 |
| CN113341969B (zh) * | 2021-06-01 | 2023-12-08 | 江苏徐工工程机械研究院有限公司 | 用于矿用卡车的交通控制系统及其方法 |
| CN113341969A (zh) * | 2021-06-01 | 2021-09-03 | 江苏徐工工程机械研究院有限公司 | 用于矿用卡车的交通控制系统及其方法 |
| CN113359752A (zh) * | 2021-06-24 | 2021-09-07 | 中煤科工开采研究院有限公司 | 一种井工煤矿料车自动驾驶方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108875998A (zh) | 一种自动驾驶车辆规划方法和系统 | |
| Ye et al. | A survey of model predictive control methods for traffic signal control | |
| CN109739219B (zh) | 通行路径的规划方法、装置、设备及可读存储介质 | |
| CN108292134B (zh) | 自主车辆、用于控制其的方法和系统以及计算机可读介质 | |
| CN106163862B (zh) | 用于行程规划的方法和计算机可读存储介质 | |
| CN114822008B (zh) | 派遣和维护自主车辆的车队的协调 | |
| CN108700876A (zh) | 用于自主车辆轨迹修改的远程操作系统和方法 | |
| CN108290579A (zh) | 用于自主车辆的模拟系统和方法 | |
| CN109784526B (zh) | 通行路径的规划方法、装置、设备及可读存储介质 | |
| CN108369775A (zh) | 响应于物理环境的改变自适应制图以对自主车辆进行导航 | |
| US20230152816A1 (en) | Method and system for deterministic trajectory selection based on uncertainty estimation for an autonomous agent | |
| CN108292473A (zh) | 自适应自主车辆计划器逻辑 | |
| CN109213134A (zh) | 生成自动驾驶策略的方法和装置 | |
| CN109387213A (zh) | 基于混乱评估的自主车辆路由 | |
| CN109840454A (zh) | 目标物定位方法、装置、存储介质以及设备 | |
| CN108268518A (zh) | 生成用于无人车导航控制的网格地图的装置 | |
| CN104760592B (zh) | 机动车决策控制方法 | |
| Zhang et al. | CAVSIM: A microscope traffic simulator for connected and automated vehicles environment | |
| WO2022171812A1 (en) | Performance testing for trajectory planners | |
| US20240144745A1 (en) | Performance testing for autonomous vehicles | |
| Emzivat et al. | A formal approach for the design of a dependable perception system for autonomous vehicles | |
| CN109141422A (zh) | 一种基于路边单元机器学习的车辆定位方法及系统 | |
| CN115496287A (zh) | 基于仓储环境的多智能通信强化学习体路径规划方法及系统 | |
| Van Willigen et al. | Fast, comfortable or economical: evolving platooning strategies with many objectives | |
| Chang et al. | Interaction-Based Driving Scenario Classification and Labeling |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |
|
| RJ01 | Rejection of invention patent application after publication |