CN109270933B - 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质 - Google Patents

基于圆锥曲线的无人驾驶避障方法、装置、设备及介质 Download PDF

Info

Publication number
CN109270933B
CN109270933B CN201811182613.6A CN201811182613A CN109270933B CN 109270933 B CN109270933 B CN 109270933B CN 201811182613 A CN201811182613 A CN 201811182613A CN 109270933 B CN109270933 B CN 109270933B
Authority
CN
China
Prior art keywords
obstacle
unmanned vehicle
current
pose
vehicle
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.)
Active
Application number
CN201811182613.6A
Other languages
English (en)
Other versions
CN109270933A (zh
Inventor
邹洁
李慧云
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.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
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 Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201811182613.6A priority Critical patent/CN109270933B/zh
Publication of CN109270933A publication Critical patent/CN109270933A/zh
Application granted granted Critical
Publication of CN109270933B publication Critical patent/CN109270933B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle

Abstract

本发明适用无人驾驶决策技术领域，提供了一种基于圆锥曲线的无人驾驶避障方法、装置、设备及介质，该方法包括：获取无人驾驶车辆前方障碍物的障碍物信息，根据障碍物信息计算无人驾驶车辆与障碍物的侧向相对距离、以及确定适应于障碍物的圆锥曲线类型，根据确定的圆锥曲线类型对障碍物和无人驾驶车辆的安全区域进行划定，得到对应的第一短边半径和第二短边半径，当侧向相对距离小于第一和第二短边半径之和时，对无人驾驶车辆避障后到达的最终期望位姿进行预测，根据该最终期望位姿计算无人驾驶车辆避障所需的转向角速度，以对无人驾驶车辆进行控制，完成避障，从而提高了基于圆锥曲线的无人驾驶避障的避障效率，进而提高无人驾驶的行车安全。

Description

基于圆锥曲线的无人驾驶避障方法、装置、设备及介质
技术领域
本发明属于无人驾驶决策技术领域，尤其涉及一种基于圆锥曲线的无人驾驶避障方法、装置、设备及介质。
背景技术
随着我国汽车保有量的迅速增加，道路交通引发了各种问题，而行驶安全问题也日益受到人们的关注。汽车主动避障系统能在事故发生前自动采取安全措施，可以有效减少汽车碰撞事故的发生，因此，汽车主动安全系统的发展具有重要意义。无人驾驶的落地涉及各个领域的关键技术，例如环境的感知及认知技术、导航技术、避障策略及执行技术，其中避障能力是无人车的关键基础，良好的避障能力决定着无人驾驶车辆的整体性能。目前存在一些主动避障技术，在紧急状况下自动的启动紧急制动和紧急避让干预措施，主要还是通过路径规划算法实现。
在专利申请号为CN201610309717.3的发明专利申请文件中，公开了一种基于新型人工势场法的车辆避障路径规划研究方法，该方法包含：利用电荷耦合器件(ChargeCoupled Device，CCD)摄像机、毫米波雷达、车载传感器分别实时采集车辆避障路径规划所需的信息，根据车辆避障路径规划所需的信息后，建立基于人工势场法的道路边界斥力势场和障碍物斥力势场模型，由主车在道路边界斥力势场和障碍物斥力势场组成的复合场中受到的力的作用建立平衡方程，求解得到主车在避障过程中要经过的位置点，从而得到避障路径，然而，该方法只考虑了障碍物的安全范围，并没有考虑自生车辆的安全范围及汽车运动学原理，规划的路径很有可能不满足车辆的限制条件，除此之外如果有某一项因为传感器误差未能探测到，例如道路边界不明显的条件下，车辆将偏离原本需要的路线。
在专利申请号为CN201310246898.6的发明专利申请文件中，公开了一种基于弧线路径生成的自主车辆避障方法，该方法虽然考虑了汽车运动学原理，轨迹能满足平滑特性，但是需要计算车辆的每条触须方向是否有障碍物，传感器的测量误差对结果的影响较大，对障碍物物的动态鲁棒性较差，车辆没有姿态的约束，会导致车辆行驶方向的偏离。文献(Blackmore、Lars、Masahiro Ono、and Brian C.Williams."Chance-constrained optimalpath planning with obstacles."IEEE Transactions on Robotics 27.6(2011):1080-1094.)将优化问题估计为析取规划，并通过分支界定法求解，然而这个方法将车辆视为质点，没有考虑车辆的安全区域，也没有考虑障碍物的不确定性。
发明内容
本发明的目的在于提供一种基于圆锥曲线的无人驾驶避障方法、装置、设备及介质，旨在解决由于现有技术无法提供一种有效的无人驾驶避障方法，导致无人驾驶时规划的避障路径误差大、避障效率低且安全程度低的问题。
一方面，本发明提供了一种基于圆锥曲线的无人驾驶避障方法，所述方法包括下述步骤：
当监测到无人驾驶车辆前方有障碍物时，获取所述障碍物的障碍物信息，所述障碍物信息包括障碍物类型、所述无人驾驶车辆与所述障碍物的极坐标；
根据所述极坐标计算所述无人驾驶车辆与所述障碍物的侧向相对距离，并根据所述障碍物类型确定适应于所述障碍物和所述无人驾驶车辆的安全区域的圆锥曲线类型，根据确定的所述圆锥曲线类型对目标圆锥曲线进行设置；
根据所述目标圆锥曲线分别对所述障碍物和所述无人驾驶车辆的安全区域进行划定，得到对所述障碍物划定的安全区域对应的第一膨胀圆的第一短边半径和对所述无人驾驶车辆划定的安全区域对应的第二膨胀圆的第二短边半径；
当所述侧向相对距离小于所述第一和第二短边半径之和时，根据所述目标圆锥曲线，对所述无人驾驶车辆避障后到达的最终期望位姿进行预测；
根据预先建立的汽车运动学方程、所述目标圆锥曲线对应的汽车车轮转向角度控制公式，计算所述无人驾驶车辆到达所述最终期望位姿的转向角速度，根据计算得到的所述转向角速度和预设的避障线速度对所述无人驾驶车辆进行控制，以实现所述无人驾驶车辆的避障。
另一方面，本发明提供了一种基于圆锥曲线的无人驾驶避障装置，所述装置包括：
信息获取单元，用于当监测到无人驾驶车辆前方有障碍物时，获取所述障碍物的障碍物信息，所述障碍物信息包括障碍物类型、所述无人驾驶车辆与所述障碍物的极坐标；
曲线类型确定单元，用于根据所述极坐标计算所述无人驾驶车辆与所述障碍物的侧向相对距离，并根据所述障碍物类型确定适应于所述障碍物和所述无人驾驶车辆的安全区域的圆锥曲线类型，根据确定的所述圆锥曲线类型对目标圆锥曲线进行设置；
短边半径获得单元，用于根据所述目标圆锥曲线分别对所述障碍物和所述无人驾驶车辆的安全区域进行划定，得到对所述障碍物划定的安全区域对应的第一膨胀圆的第一短边半径和对所述无人驾驶车辆划定的安全区域对应的第二膨胀圆的第二短边半径；
期望位姿预测单元，用于当所述侧向相对距离小于所述第一和第二短边半径之和时，根据所述目标圆锥曲线，对所述无人驾驶车辆避障后到达的最终期望位姿进行预测；以及
避障控制单元，用于根据预先建立的汽车运动学方程、所述目标圆锥曲线对应的汽车车轮转向角度控制公式，计算所述无人驾驶车辆到达所述最终期望位姿的转向角速度，根据计算得到的所述转向角速度和预设的避障线速度对所述无人驾驶车辆进行控制，以实现所述无人驾驶车辆的避障。
另一方面，本发明还提供了一种车载计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述基于圆锥曲线的无人驾驶避障方法所述的步骤。
另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述基于圆锥曲线的无人驾驶避障方法所述的步骤。
本发明获取无人驾驶车辆前方障碍物的障碍物信息，根据障碍物信息计算无人驾驶车辆与障碍物的侧向相对距离、以及确定适应于障碍物的圆锥曲线类型，根据确定的圆锥曲线类型对障碍物和无人驾驶车辆的安全区域进行划定，得到对应的第一短边半径和第二短边半径，当侧向相对距离小于第一和第二短边半径之和时，对无人驾驶车辆避障后到达的最终期望位姿进行预测，根据该最终期望位姿计算无人驾驶车辆避障所需的转向角速度，以对无人驾驶车辆进行控制，完成避障，从而提高了基于圆锥曲线的无人驾驶避障的避障效率，进而提高无人驾驶的行车安全。
附图说明
图1是本发明实施例一提供的基于圆锥曲线的无人驾驶避障方法的实现流程图；
图2是本发明实施例一中以目标圆锥曲线划定的第一膨胀圆和第二膨胀圆对应的第一短边半径和第二短边半径之和示意图；
图3是本发明实施例一中以圆为例预测的无人驾驶车辆避障后的期望位姿的示意图；
图4是本发明实施例一中避开障碍物之后将无人驾驶车辆回归到规划好的全局路径的变道诱导示意图；
图5是本发明实施例一中在90°弯道时基于虚拟障碍物生成的转弯诱导示意图；
图6是本发明实施例一中在弧形弯道时基于虚拟障碍物生成的转弯诱导示意图；
图7是本发明实施例二提供的计算无人驾驶车辆到达期望位姿的转向角速度的实现流程图；
图8是本发明实施例二中目标圆锥曲线为椭圆时的椭圆关系示意图；
图9是本发明实施例二中目标圆锥曲线为抛物线时的抛物线关系示意图；
图10是本发明实施例二中目标圆锥曲线为双曲线时的双曲线关系示意图；
图11是本发明实施例三提供的基于圆锥曲线的无人驾驶避障装置的结构示意图；
图12是本发明实施例三提供的基于圆锥曲线的无人驾驶避障装置的优选结构示意图；以及
图13是本发明实施例四提供的车载计算设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
图1示出了本发明实施例一提供的基于圆锥曲线的无人驾驶避障方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S101中，当监测到无人驾驶车辆前方有障碍物时，获取障碍物的障碍物信息，障碍物信息包括障碍物类型、无人驾驶车辆与障碍物的极坐标。
本发明实施例适用于车载计算设备，例如，车载计算机。通过无人驾驶车辆内置的摄像头、激光、雷达等传感器对距离无人驾驶车辆预设安全距离的前方行驶路况进行监测，以确定无人驾驶车辆前方是否存在障碍物，当监测到在安全距离(例如100米)内有障碍物时，获取该障碍物的障碍物信息，障碍物信息包括障碍物类型、无人驾驶车辆与障碍物的极坐标，还包括障碍物尺寸大小、障碍物与该无人驾驶车辆的相对速度，其中，障碍物类型包括行人、车辆、横向排列路障以及斜向排列路障，该极坐标是由在以无人驾驶车辆为极点、无人驾驶车辆行驶方向为极轴的极坐标系中障碍物的极径和极角组成。
在步骤S102中，根据极坐标计算无人驾驶车辆与障碍物的侧向相对距离，并根据障碍物类型确定适应于障碍物和无人驾驶车辆的安全区域的圆锥曲线类型，根据确定的圆锥曲线类型对目标圆锥曲线进行设置。
在本发明实施例中，根据该极坐标中障碍物的极径ρ和极角θ通过d＝ρ*sinθ计算出无人驾驶车辆与障碍物的侧向相对距离d，并根据障碍物类型和障碍物尺寸大小确定适应于障碍物和无人驾驶车辆的安全区域的圆锥曲线类型，圆锥曲线类型包括圆、椭圆、双曲线以及抛物线，再根据确定的圆锥曲线类型对目标圆锥曲线进行设置，例如，当障碍物类型为行人时，则确定适应于障碍物和无人驾驶车辆的安全区域的圆锥曲线类型为圆，目标圆锥曲线则被设置为圆。
在步骤S103中，根据目标圆锥曲线分别对障碍物和无人驾驶车辆的安全区域进行划定，得到对障碍物划定的安全区域对应的第一膨胀圆的第一短边半径和对无人驾驶车辆划定的安全区域对应的第二膨胀圆的第二短边半径。
在本发明实施例中，根据目标圆锥曲线分别对障碍物和无人驾驶车辆的安全区域(即膨胀空间)进行划定，对障碍物划定的安全区域为第一膨胀圆，对无人驾驶车辆划定的安全区域为第二膨胀圆，根据第一膨胀圆和第二膨胀圆得到对应的第一短边半径和第二短边半径，其中，安全区域根据目标圆锥曲线的类型可以为圆形区域、椭圆形区域、双曲线型区域或者抛物线型区域。
在步骤S104中，当侧向相对距离小于第一和第二短边半径之和时，根据目标圆锥曲线，对无人驾驶车辆避障后的最终期望位姿进行预测。
在本发明实施例中，当侧向相对距离小于第一和第二短边半径之和时，由此判定无人驾驶车辆和障碍物有碰撞危险，需要进行避障，因此，根据目标圆锥曲线，对无人驾驶车辆避障后的最终期望位姿进行预测，预测的最终期望位姿的最终期望姿态角度满足与无人驾驶车辆开始避障时的姿态角度一致。
优选地，当侧向相对距离小于第一和第二短边半径之和、且监测到在该障碍物前方预设距离(例如40米)内没有第二个障碍物时，根据目标圆锥曲线，对无人驾驶车辆避障后的最终期望位姿进行预测，从而提高对最终期望位姿预测的准确程度，进而提高避障过程中无人驾驶的行车安全程度。
又一优选地，图2示出了以目标圆锥曲线划定的第一膨胀圆和第二膨胀圆对应的第一短边半径和第二短边半径之和示意图，当目标圆锥曲线为圆时，第一短边半径为第一膨胀圆的半径r1，第二短边半径为第二膨胀圆的半径r2，第一和第二短边半径之和则为r1与r2之和；当目标圆锥曲线为椭圆时，第一短边半径为第一膨胀圆的短边半径a1，第二短边半径为第二膨胀圆的短边半径a2，第一和第二短边半径之和则为a1与a2之和；当目标圆锥曲线为抛物线时，第一短边半径为第一膨胀圆的焦距p1，第二短边半径为第二膨胀圆的焦距p2，第一和第二短边半径之和则为p1与p2之和；当目标圆锥曲线为双曲线时，第一短边半径为第一膨胀圆的半焦距c1与半长轴长a1的差值(c1-a1)，第二短边半径为第二膨胀圆的半焦距c2与半长轴长a2的差值(c2-a2)，第一和第二短边半径之和则为(c1-a1)+(c2-a2)，从而通过侧向相对距离与第一和第二短边半径之和比较，提高避障判断的合理程度和准确程度。
在对无人驾驶车辆避障后的最终期望位姿进行预测时，优选地，将障碍物对应的第一膨胀圆平移到与无人驾驶车辆对应的第二膨胀圆相切的位置，以对无人驾驶车辆与障碍物的碰撞进行模拟，预测的避障后无人驾驶车辆的最终期望位姿对应的最终期望膨胀圆满足与第一膨胀圆相切、且与第二膨胀圆相切，从而提高预测的、无人驾驶车辆到达的最终期望位姿的准确度。
作为示例地，图3示出了以圆为例预测的无人驾驶车辆避障后的最终期望位姿，将障碍物相关的圆锥曲线直接拉到与本车相关圆锥曲线相切的位置(图中B点为本车当前位置膨胀圆锥曲线质心点)，期望本车在完成避障任务后，本车的圆锥曲线能与障碍物相关圆锥曲线相切，则C点对应的膨胀圆锥曲线即为预测的最终期望膨胀圆锥曲线，例如，图中A点(障碍物膨胀圆锥曲线质心点)和C点(当前状态下本车最终期望位姿膨胀圆锥曲线质心点)距离等于A点和B点的距离，期望的最终姿态则为回归到最初的姿态角度，如图中所示，在开始避障的时刻姿态角为90°，在避障完成后，期望其回归到90°。
在步骤S105中，根据预先建立的汽车运动学方程、目标圆锥曲线对应的汽车车轮转向角度控制公式，计算无人驾驶车辆到达最终期望位姿的转向角速度，根据计算得到的转向角速度和预设的避障线速度对无人驾驶车辆进行控制，以实现无人驾驶车辆的避障。
在本发明实施例中，根据预先建立的汽车运动学方程、目标圆锥曲线对应的汽车车轮转向角度控制公式以及最终期望位姿，计算无人驾驶车辆避开该障碍物所需的转向角速度，再根据计算得到的转向角速度和预设的避障线速度对无人驾驶车辆进行控制，以实现无人驾驶车辆避开障碍物，其中，避障线速度为一恒定速度。
优选地，汽车运动学方程为
Figure BDA0001825371070000081
其中，
Figure BDA0001825371070000082
为转向角速度，v为避障线速度，L为无人驾驶车辆的长度，γ为转向角速度对应的、所述无人驾驶车辆的车轮转向角度，从而提高转向角速度的精确度。
在本发明实施例中，在无人驾驶车辆避开障碍物之后，优选地，图4示出了避开障碍物之后将无人驾驶车辆回归到规划好的全局路径的变道诱导示意图，将无人驾驶车辆定位到的当前位置与规划好的全局路径点进行对比，搜索出离当前位置最近的路径点，当纵向距离大于30m时，表示可以完成虚拟障碍物避障动作，于是将该路径点镜像投影到本车目前所在的车道，生成虚拟障碍物，由于障碍物是虚拟的，不用考虑其长宽，所以在此场景下将虚拟障碍物及本车的安全膨胀区域都设置为圆，半径大小都设为车身宽度即r1＝r2＝W，无人驾驶车辆当前位置对应的安全膨胀区域和虚拟障碍物对应的安全膨胀区域如图4中所示，无人驾驶车辆实时的车轮转向角度及转向角速度的计算与障碍物类型为行人时相同，当本车与最近路径点的纵向距离小于30m时，判定为无人驾驶车辆将不能完成基于最近的路径点生成的虚拟障碍物的避障动作，此时将利用离本车第二近的路径点进行虚拟障碍物生成，从而提高无人驾驶车辆的智能化程度。
在本发明实施例中，在无人驾驶车辆避开障碍物之后、或者无人驾驶车辆在行驶过程中遇到90°转弯的弯道时，优选地，图5示出了在十字路口/丁字路口等90°弯道时基于虚拟障碍物生成的转弯诱导图，根据左转和右转生成两个半径不同的虚拟障碍物膨胀圆，如果无人驾驶车辆已经到达点1处，此时的坐标设为(x1,y1)，如果路径规划为右转即下一个路径点为2(x2,y2)，则将当前姿态角度θpose设为θespose_2，虚拟障碍物坐标点为
Figure BDA0001825371070000091
Figure BDA0001825371070000092
Figure BDA0001825371070000093
虚拟障碍物的膨胀半径r1＝|x2-x1|-W，无人驾驶车辆的膨胀半径为车身宽度即r2＝W，设定好各项参数后输出车轮转向角度及转向角速度，计算方法与障碍物类型为行人时相同，左转弯障碍物和车辆本身膨胀半径的设定方式与右转弯相同，从而提高无人驾驶车辆的转弯效率，降低无人驾驶车辆转弯时所需的时间。
在本发明实施例中，在无人驾驶车辆避开障碍物之后、或者无人驾驶车辆在行驶过程中遇到弧形弯道时，优选地，图6示出了在弧形弯道时基于虚拟障碍物生成的转弯诱导图，将下一个路径点作为期望达到的期望位姿，根据下一个点的期望位姿判定是左转弯道还是右转弯道，即θespose_2>90°时为左转弯道，θespose_2<90°时为右转弯道，当姿态差的绝对值大于0°小于45°时，说明车辆将进入弧度弯道，当姿态差再次为0°时便结束弯道，预先设置每50m保存一个点，即点1与点2、点2与点3之间的直线距离为50m，设置无人驾驶车辆膨胀半径为r2＝W，虚拟障碍物膨胀半径为r1＝R-W,W为无人驾驶车辆的车身宽度，R为无人驾驶车辆转弯的弧度半径，根据公式
Figure BDA0001825371070000101
计算弧度半径，Δx、Δy为点1与点2在x轴和y轴方向的坐标差值，无人驾驶车辆初始位置为弯道开始点设为(x1,y1)，如图6所示，以左转弯道为例，虚拟障碍物坐标为(x1-r1-r2,y1)，此时虚拟障碍物与本车之间的侧向相对距离d＝R-Δx，最后根据汽车运动学方程计算车轮转向角度及转向角速度，右转弯弧形车道可以用相似的方法获取，初始时刻虚拟障碍物的坐标点为(x1+r1+r2,y1)，其他计算方法均相同，从而提高无人驾驶车辆的转弯效率，降低无人驾驶车辆转弯时所需的时间，进而提高无人驾驶车辆的智能化程度。
在本发明实施例中，获取无人驾驶车辆前方障碍物的障碍物信息，根据障碍物信息计算无人驾驶车辆与障碍物的侧向相对距离、以及确定适应于障碍物的圆锥曲线类型，根据确定的圆锥曲线类型对障碍物和无人驾驶车辆的安全区域进行划定，得到对应的第一短边半径和第二短边半径，当侧向相对距离小于第一和第二短边半径之和时，对无人驾驶车辆避障后到达的最终期望位姿进行预测，根据该最终期望位姿计算无人驾驶车辆避障所需的转向角速度，以对无人驾驶车辆进行控制，完成避障，从而提高了基于圆锥曲线的无人驾驶时规划的避障路径的精确度和准确度，以及提高无人驾驶避障的避障效率，进而提高了无人驾驶的行车安全。
实施例二：
图7示出了本发明实施例二提供的计算无人驾驶车辆到达最终期望位姿的转向角速度的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在无人驾驶车辆为到达最终期望位姿的行驶过程中，以预设的数据采样周期进行如下步骤的处理，直至无人驾驶车辆到达最终期望位姿：
在步骤S701中，当到达数据采样周期时，对无人驾驶车辆和障碍物的当前位置信息进行采集，当前位置信息包括无人驾驶车辆和障碍物的当前极坐标、无人驾驶车辆的当前车辆位姿。
在本发明实施例中，以预设的数据采样周期对无人驾驶车辆和障碍物的当前位置进行监测，当到达数据采样周期时，获取无人驾驶车辆和障碍物的当前位置信息，当前位置信息包括无人驾驶车辆和障碍物的当前极坐标、无人驾驶车辆的当前车辆位姿。
在对无人驾驶车辆和障碍物的当前位置信息进行采集之前，优选地，将数据采样周期设置为0.01s，从而提高对无人驾驶车辆和障碍物的当前位置信息进行采集的密度。
在步骤S702中，根据当前极坐标对无人驾驶车辆与障碍物的侧向相对距离进行更新，得到对应的当前侧向相对距离。
在本发明实施例中，根据当前极坐标中障碍物的当前极径ρ和当前极角θ计算出无人驾驶车辆与障碍物的当前侧向相对距离。
在步骤S703中，判断当前侧向相对距离与第一和第二短边半径之和是否相等，且当前姿态角度是否达到最终期望姿态角度。
在本发明实施例中，判断当前侧向相对距离与第一和第二短边半径之和是否相等，且当前姿态角度是否达到最终期望姿态角度，是则，执行步骤S707，否则执行步骤S704。
在步骤S704中，根据当前侧向相对距离对无人驾驶车辆的当前期望位姿进行预测。
在步骤S705中，根据预测的当前期望位姿和汽车车轮转向角度控制公式，计算无人驾驶车辆的当前车轮转向角度。
在本发明实施例中，优选地，目标圆锥曲线对应的汽车车轮转向角度控制公式为γ(i)＝k1*γc(i)+k2*e(i)+k3[e(i)-e(i-1)]，其中，姿态误差e(i)＝θespose(i)-θpose(i)，i为在无人驾驶车辆为到达最终期望位姿的行驶过程中以数据采样周期进行相应处理的处理次数，γ(i)为第i次处理时的车轮转向角度，γc(i)为第i次处理时的车辆转向约束角度，θespose(i)为第i次处理时预测的所述当前期望位姿的当前期望姿态角度，θpose(i)为第i次处理时的当前车辆位姿的当前姿态角度，k1、k2和k3为对预先设置的期望位姿代价函数进行优化的控制可调参数，从而提高当前车轮转向角度的精确度。
进一步优选地，通过角度约束公式
Figure BDA0001825371070000121
计算第i次处理时的车辆转向约束角度γc(i)，其中，r1为第一短边半径，r2为第二短边半径，d(i)为第i次处理时的无人驾驶车辆与障碍物的侧向相对距离，ρ(i)为第i次处理时第一膨胀圆与第二膨胀圆相切的状态下，第一膨胀圆的第一质心点与第二膨胀圆的第二质心点之间的欧氏距离，从而进一步提高当前车轮转向角度的精确度。
在本发明实施例中，第一膨胀圆与第二膨胀圆相切的状态下，第一膨胀圆的第一质心点与第二膨胀圆的第二质心点之间的当前欧氏距离ρ(i)的计算与障碍物类型相关，优选地，根据障碍物类型对ρ(i)的计算过程如下述步骤所示：
(1)当障碍物类型为行人时，将目标圆锥曲线设置为圆，且将障碍物对应的第一膨胀圆的第一短边半径r1设置为1米，根据第二短边半径公式
Figure BDA0001825371070000122
计算无人驾驶车辆对应的第二膨胀圆的第二短边半径r2，由于圆的特殊性无论位置发生什么变化，相切时圆心和不变，因此，第一膨胀圆与第二膨胀圆纵向相切时根据公式ρ(i)＝r1+r2计算第一膨胀圆的第一质心点与第二膨胀圆的第二质心点之间的当前欧氏距离ρ(i)，其中，H为无人驾驶车辆的车身长度，W为无人驾驶车辆的车身宽度；
(2)当障碍物类型为车辆时，将目标圆锥曲线设置为椭圆，将无人驾驶车辆的椭圆圆心设为车体坐标系及世界坐标系原点，并构建第一膨胀圆对应的第一椭圆方程
Figure BDA0001825371070000131
和第二膨胀圆对应的第二椭圆方程
Figure BDA0001825371070000132
如图8所示的椭圆关系图，设置第一膨胀圆和第二膨胀圆纵向相切时在车体坐标系中的切点D坐标为(x0,y0)，根据在切点D处两椭圆方程斜率相同的原理，将两个方程分别对x进行求导可得
Figure BDA0001825371070000133
再将等式两边平方进行化简得到
Figure BDA0001825371070000134
进而求解得到切点D的x轴坐标x0，再将求解得到的x0代入第二椭圆方程
Figure BDA0001825371070000135
得到y0，随着无人驾驶车辆的位置发生变化，根据得到的x0、y0以及圆心角度公式
Figure BDA0001825371070000136
计算得到第一膨胀圆和第二膨胀圆相切时的当前圆心角度θ′(i)，最后根据公式
Figure BDA0001825371070000137
计算第一膨胀圆的第一质心点与第二膨胀圆的第二质心点之间的当前欧氏距离ρ(i)，其中，a1为障碍物车辆的车身宽度，并将其设为第一膨胀圆的第一短边半径，
Figure BDA0001825371070000138
设为第一膨胀圆的第一长边半径，H1为障碍物车辆的车身长度，W1为障碍物车辆的车身宽度，a2为无人驾驶车辆的车身宽度，并将其设为第二膨胀圆的第二短边半径，
Figure BDA0001825371070000139
设为第二膨胀圆的第二长边半径，H2为无人驾驶车辆的车身长度，W2为无人驾驶车辆的车身宽度，d为当前侧向相对距离；
(3)图9示出了当障碍物类型为横向排列障碍物、将目标圆锥曲线设置为抛物线时对应的抛物线关系图，如图9所示，从距离无人驾驶车辆最近的一端的端点往远离本车的x轴方向移动1米，将该点定位为与本车计算侧向距离的点，即该点与本车的侧向相对距离d＝1米，在障碍物碰撞预测时，该点纵向拉近后设为抛物线的焦点A，将无人驾驶车辆的抛物线焦点设为车体坐标系及世界坐标系原点，构建第一膨胀圆对应的第一抛物线方程(y-t)2＝-4p1(x+d-p1)和第二膨胀圆对应的第二抛物线方程y2＝4p2(x+p2)，设置第一膨胀圆和第二膨胀圆纵向相切时在车体坐标系中的切点D坐标为(x0,y0)，根据两抛物线方程过切点D处切线斜率相同的原理，将两个抛物线方程分别对x进行求导可得
Figure BDA0001825371070000141
进而求解得到切点D的x轴坐标x0，再将求解得到的x0代入第二抛物线方程y2＝4p2(x+p2)得到y0，随着无人驾驶车辆的位置发生变化，根据得到的x0、y0以及圆心角度公式
Figure BDA0001825371070000142
计算得到第一膨胀圆和第二膨胀圆相切时的当前圆心角度θ′(i)，最后根据公式
Figure BDA0001825371070000143
计算第一膨胀圆的第一质心点与第二膨胀圆的第二质心点之间的当前欧氏距离ρ(i)，其中，p1为第一膨胀圆的焦距，即第一短边半径，并将其设为1.5米，
Figure BDA0001825371070000144
设为第二膨胀圆的焦距，即第二短边半径，H2为无人驾驶车辆的车身长度，W2为无人驾驶车辆的车身宽度；
(4)图10示出了当障碍物类型为斜向排列障碍物、将目标圆锥曲线设置为双曲线时对应的双曲线关系图，如图10所示，根据障碍物在x轴和y轴方向的投影长度确定第一双曲线方程的相关参数a1＝Δx、b1＝Δy、
Figure BDA0001825371070000145
根据无人驾驶车辆的本车参数车身长度L和车身宽度W设定第二双曲线方程相关参数a2＝W、
Figure BDA0001825371070000147
Figure BDA0001825371070000146
针对障碍物，将障碍物最靠近无人驾驶车辆一端的端点设为计算侧向距离的点，即该点与第二膨胀圆的质心点在x轴方向上的侧向距离为d，在碰撞预警时，将该点纵向拉近后，设为障碍物双曲线的焦点，如图10中所示A点，根据上述各项参数及坐标关系，将无人驾驶车辆的双曲线焦点设为车体坐标系及世界坐标系原点，构建第一膨胀圆对应的第一双曲线方程
Figure BDA0001825371070000151
和第二膨胀圆对应的第二双曲线方程
Figure BDA0001825371070000152
设置第一膨胀圆和第二膨胀圆纵向相切时在车体坐标系中的切点D坐标为(x0,y0)，根据两双曲线方程过切点D处切线斜率相同的原理，将两个双曲线方程分别对x进行求导可得
Figure BDA0001825371070000153
进而求解得到切点D的x轴坐标x0，再将求解得到的x0代入第二双曲线方程
Figure BDA0001825371070000154
得到y0，随着无人驾驶车辆的位置发生变化，根据得到的x0、y0以及圆心角度公式
Figure BDA0001825371070000155
计算得到第一膨胀圆和第二膨胀圆相切时的当前圆心角度θ′(i)，最后根据公式
Figure BDA0001825371070000156
计算第一膨胀圆的第一质心点与第二膨胀圆的第二质心点之间的当前欧氏距离ρ(i)，其中，第一膨胀圆对应的第一短边半径q1＝c1-a1，第二膨胀圆对应的第二短边半径q2＝c2-a2；
在本发明实施例中，通过步骤(1)～(4)对第一膨胀圆的第一质心点与第二膨胀圆的第二质心点之间的当前欧氏距离ρ(i)进行计算，从而提高当前车轮转向角度的精确度。
在本发明实施例中，优选地，通过最小化期望位姿代价函数
Figure BDA0001825371070000157
对k1、k2和k3进行优化，使得随着无人驾驶车辆的当前车辆位姿逐渐调整至最终期望位姿时，当前姿态角度与最终期望姿态角度的误差能降低到趋向于0，从而降低无人驾驶车辆避障过程中方向盘转动时的震荡幅度，进而提高无人驾驶车辆避障过程中行驶的平滑度。
在步骤S706中，根据当前车轮转向角度和汽车运动学方程，计算无人驾驶车辆的当前转向角速度，根据计算得到的当前转向角速度和避障线速度对无人驾驶车辆进行控制。
在本发明实施例中，通过汽车运动学方程
Figure BDA0001825371070000161
计算无人驾驶车辆的当前转向角速度
Figure BDA0001825371070000162
根据计算得到的当前转向角速度和避障线速度对无人驾驶车辆进行控制，以实现无人驾驶车辆避开该障碍物，并跳转至步骤S701，继续等待对无人驾驶车辆和障碍物的当前位置信息进行采集。
在步骤S707中，无人驾驶车辆已到达该最终期望位姿。
在本发明实施例中，当当前侧向相对距离与第一和第二短边半径之和相等，且当前姿态角度达到最终期望姿态角度时，则无人驾驶车辆已到达该最终期望位姿，即无人驾驶车辆已避开障碍物，完成了避障。
在本发明实施例中，以数据采样周期对无人驾驶车辆和障碍物的当前位置信息进行实时采集，并根据采集到的当前位置信息更新当前车辆转向角度，根据当前车辆转向角度计算当前转向角速度，根据当前转向角速度和避障线速度对无人车辆进行实时控制，以实现无人驾驶车辆避开该障碍物，从而增强了无人驾驶车辆避障过程中的动态适应性，进而提高避障效率。
实施例三：
图11示出了本发明实施例三提供的基于圆锥曲线的无人驾驶避障装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
信息获取单元111，用于当监测到无人驾驶车辆前方有障碍物时，获取障碍物的障碍物信息，障碍物信息包括障碍物类型、无人驾驶车辆与障碍物的极坐标；
曲线类型确定单元112，用于根据极坐标计算无人驾驶车辆与障碍物的侧向相对距离，并根据障碍物类型确定适应于障碍物和无人驾驶车辆的安全区域的圆锥曲线类型，根据确定的圆锥曲线类型对目标圆锥曲线进行设置；
短边半径获得单元113，用于根据目标圆锥曲线分别对障碍物和无人驾驶车辆的安全区域进行划定，得到对障碍物划定的安全区域对应的第一膨胀圆的第一短边半径和对无人驾驶车辆划定的安全区域对应的第二膨胀圆的第二短边半径；
期望位姿预测单元114，用于当侧向相对距离小于第一和第二短边半径之和时，根据目标圆锥曲线，对无人驾驶车辆避障后的最终期望位姿进行预测；以及
避障控制单元115，用于根据预先建立的汽车运动学方程、目标圆锥曲线对应的汽车车轮转向角度控制公式，计算无人驾驶车辆到达最终期望位姿的转向角速度，根据计算得到的转向角速度和预设的避障线速度对无人驾驶车辆进行控制，以实现无人驾驶车辆的避障。
如图12所示，优选地，避障控制单元115包括：
在无人驾驶车辆为到达最终期望位姿的行驶过程中，以预设的数据采样周期进行如下处理，直至无人驾驶车辆到达最终期望位姿：
位置信息采集单元1151，用于当到达数据采样周期时，对无人驾驶车辆和障碍物的当前位置信息进行采集，当前位置信息包括无人驾驶车辆和障碍物的当前极坐标、无人驾驶车辆的当前车辆位姿；
侧向距离更新单元1152，用于根据当前极坐标对无人驾驶车辆与障碍物的侧向相对距离进行更新，得到对应的当前侧向相对距离；
当前位姿预测单元1153，用于根据当前侧向相对距离对无人驾驶车辆的当前期望位姿进行预测；
转向角度计算单元1154，用于根据预测的当前期望位姿和汽车车轮转向角度控制公式，计算无人驾驶车辆的当前车轮转向角度；以及
避障控制子单元1155，用于根据当前车轮转向角度和汽车运动学方程，计算无人驾驶车辆的当前转向角速度，根据计算得到的当前转向角速度和避障线速度对无人驾驶车辆进行控制。
优选地，本发明实施例提供的基于圆锥曲线的无人驾驶避障装置还包括：
距离角度比较单元，用于将当前侧向相对距离与第一和第二短边半径之和进行比较，且将当前车辆位姿的当前姿态角度与最终期望位姿的最终期望姿态角度进行比较；以及
期望位姿到达单元，用于当当前侧向相对距离与第一和第二短边半径之和相等，且当前姿态角度达到最终期望姿态角度时，则无人驾驶车辆到达最终期望位姿。
在本发明实施例中，基于圆锥曲线的无人驾驶避障装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。具体地，各单元的实施方式可参考前述方法实施例的描述，在此不再赘述。
实施例四：
图13示出了本发明实施例四提供的车载计算设备的结构，为了便于说明，仅示出了与本发明实施例相关的部分。
本发明实施例的车载计算设备13包括处理器130、存储器131以及存储在存储器131中并可在处理器130上运行的计算机程序132。该处理器130执行计算机程序132时实现上述基于圆锥曲线的无人驾驶避障方法实施例中的步骤，例如图1所示的步骤S101至S105。或者，处理器130执行计算机程序132时实现上述各装置实施例中各单元的功能，例如图11所示单元111至115的功能。
本发明实施例的车载计算设备可以为车载计算机。该车载计算设备13中处理器130执行计算机程序132时实现基于圆锥曲线的无人驾驶避障方法时实现的步骤可参考前述方法实施例的描述，在此不再赘述。
实施例五：
在本发明实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述基于圆锥曲线的无人驾驶避障方法实施例中的步骤，例如，图1所示的步骤S101至S105。或者，该计算机程序被处理器执行时实现上述各装置实施例中各单元的功能，例如图11所示单元111至115的功能。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质，例如，ROM/RAM、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于圆锥曲线的无人驾驶避障方法，其特征在于，所述方法包括下述步骤：
当监测到无人驾驶车辆前方有障碍物时，获取所述障碍物的障碍物信息，所述障碍物信息包括障碍物类型、所述无人驾驶车辆与所述障碍物的极坐标；
根据所述极坐标计算所述无人驾驶车辆与所述障碍物的侧向相对距离，并根据所述障碍物类型确定适应于所述障碍物和所述无人驾驶车辆的安全区域的圆锥曲线类型，根据确定的所述圆锥曲线类型对目标圆锥曲线进行设置；
其中，当所述障碍物类型为行人时，将所述目标圆锥曲线设置为圆；当所述障碍物类型为车辆时，将所述目标圆锥曲线设置为椭圆；当所述障碍物类型为横向排列障碍物时，将所述目标圆锥曲线设置为抛物线；当所述障碍物类型为斜向排列障碍物时，将所述目标圆锥曲线设置为双曲线；
根据所述目标圆锥曲线分别对所述障碍物和所述无人驾驶车辆的安全区域进行划定，得到对所述障碍物划定的安全区域对应的第一膨胀圆的第一短边半径和对所述无人驾驶车辆划定的安全区域对应的第二膨胀圆的第二短边半径；
当所述侧向相对距离小于所述第一和第二短边半径之和时，根据所述目标圆锥曲线，对所述无人驾驶车辆避障后到达的最终期望位姿进行预测；
根据预先建立的汽车运动学方程、所述目标圆锥曲线对应的汽车车轮转向角度控制公式，计算所述无人驾驶车辆到达所述最终期望位姿的转向角速度，根据计算得到的所述转向角速度和预设的避障线速度对所述无人驾驶车辆进行控制，以实现所述无人驾驶车辆的避障。
2.如权利要求1所述的方法，其特征在于，计算所述无人驾驶车辆到达所述最终期望位姿的转向角速度的步骤，包括：
在所述无人驾驶车辆为到达所述最终期望位姿的行驶过程中，以预设的数据采样周期进行如下处理，直至所述无人驾驶车辆到达所述最终期望位姿：
当到达所述数据采样周期时，对所述无人驾驶车辆和所述障碍物的当前位置信息进行采集，所述当前位置信息包括所述无人驾驶车辆和所述障碍物的当前极坐标、所述无人驾驶车辆的当前车辆位姿；
根据所述当前极坐标对所述无人驾驶车辆与所述障碍物的侧向相对距离进行更新，得到对应的当前侧向相对距离；
根据所述当前侧向相对距离对所述无人驾驶车辆的当前期望位姿进行预测；
根据预测的所述当前期望位姿和所述汽车车轮转向角度控制公式，计算所述无人驾驶车辆的当前车轮转向角度；
根据所述当前车轮转向角度和所述汽车运动学方程，计算所述无人驾驶车辆的当前转向角速度，根据计算得到的所述当前转向角速度和所述避障线速度对所述无人驾驶车辆进行控制。
3.如权利要求2所述的方法，其特征在于，计算所述无人驾驶车辆的当前车轮转向角度的步骤之前，所述方法还包括：
将所述当前侧向相对距离与所述第一和第二短边半径之和进行比较，且将所述当前车辆位姿的当前姿态角度与所述最终期望位姿的最终期望姿态角度进行比较；
当所述当前侧向相对距离与所述第一和第二短边半径之和相等，且所述当前姿态角度达到所述最终期望姿态角度时，则所述无人驾驶车辆到达所述最终期望位姿。
4.如权利要求1和2所述的方法，其特征在于，所述目标圆锥曲线对应的汽车车轮转向角度控制公式为γ(i)＝k1*γc(i)+k2*e(i)+k3[e(i)-e(i-1)]，其中，姿态误差e(i)＝θespose(i)-θpose(i)，i为在所述无人驾驶车辆为到达所述最终期望位姿的行驶过程中以所述数据采样周期进行相应处理的处理次数，γ(i)为第i次处理时的车轮转向角度，γc(i)为第i次处理时的车辆转向约束角度，θespose(i)为第i次处理时预测的所述当前期望位姿的当前期望姿态角度，θpose(i)为第i次处理时的所述当前车辆位姿的当前姿态角度，k1、k2和k2为对预先设置的期望位姿代价函数进行优化的控制可调参数。
5.如权利要求1所述的方法，其特征在于，所述汽车运动学方程为
Figure FDA0003067385350000031
其中，
Figure FDA0003067385350000032
为所述转向角速度，v为所述避障线速度，L为所述无人驾驶车辆的长度，γ为所述转向角速度对应的、所述无人驾驶车辆的车轮转向角度。
6.一种基于圆锥曲线的无人驾驶避障装置，其特征在于，所述装置包括：
信息获取单元，用于当监测到无人驾驶车辆前方有障碍物时，获取所述障碍物的障碍物信息，所述障碍物信息包括障碍物类型、所述无人驾驶车辆与所述障碍物的极坐标；
曲线类型确定单元，用于根据所述极坐标计算所述无人驾驶车辆与所述障碍物的侧向相对距离，并根据所述障碍物类型确定适应于所述障碍物和所述无人驾驶车辆的安全区域的圆锥曲线类型，根据确定的所述圆锥曲线类型对目标圆锥曲线进行设置；
其中，当所述障碍物类型为行人时，将所述目标圆锥曲线设置为圆；当所述障碍物类型为车辆时，将所述目标圆锥曲线设置为椭圆；当所述障碍物类型为横向排列障碍物时，将所述目标圆锥曲线设置为抛物线；当所述障碍物类型为斜向排列障碍物时，将所述目标圆锥曲线设置为双曲线；
短边半径获得单元，用于根据所述目标圆锥曲线分别对所述障碍物和所述无人驾驶车辆的安全区域进行划定，得到对所述障碍物划定的安全区域对应的第一膨胀圆的第一短边半径和对所述无人驾驶车辆划定的安全区域对应的第二膨胀圆的第二短边半径；
期望位姿预测单元，用于当所述侧向相对距离小于所述第一和第二短边半径之和时，根据所述目标圆锥曲线，对所述无人驾驶车辆避障后到达的最终期望位姿进行预测；以及
避障控制单元，用于根据预先建立的汽车运动学方程、所述目标圆锥曲线对应的汽车车轮转向角度控制公式，计算所述无人驾驶车辆到达所述最终期望位姿的转向角速度，根据计算得到的所述转向角速度和预设的避障线速度对所述无人驾驶车辆进行控制，以实现所述无人驾驶车辆的避障。
7.如权利要求6所述的装置，其特征在于，所述避障控制单元包括：
在所述无人驾驶车辆为到达所述最终期望位姿的行驶过程中，以预设的数据采样周期进行如下处理，直至所述无人驾驶车辆到达所述最终期望位姿：
位置信息采集单元，用于当到达所述数据采样周期时，对所述无人驾驶车辆和所述障碍物的当前位置信息进行采集，所述当前位置信息包括所述无人驾驶车辆和所述障碍物的当前极坐标、所述无人驾驶车辆的当前车辆位姿；
侧向距离更新单元，用于根据所述当前极坐标对所述无人驾驶车辆与所述障碍物的侧向相对距离进行更新，得到对应的当前侧向相对距离；
当前位姿预测单元，用于根据所述当前侧向相对距离对所述无人驾驶车辆的当前期望位姿进行预测；
转向角度计算单元，用于根据预测的所述当前期望位姿和所述汽车车轮转向角度控制公式，计算所述无人驾驶车辆的当前车轮转向角度；以及
避障控制子单元，用于根据所述当前车轮转向角度和所述汽车运动学方程，计算所述无人驾驶车辆的当前转向角速度，根据计算得到的所述当前转向角速度和所述避障线速度对所述无人驾驶车辆进行控制。
8.如权利要求7所述的装置，其特征在于，所述装置还包括：
距离角度比较单元，用于将所述当前侧向相对距离与所述第一和第二短边半径之和进行比较，且将所述当前车辆位姿的当前姿态角度与所述最终期望位姿的最终期望姿态角度进行比较；以及
期望位姿到达单元，用于当所述当前侧向相对距离与所述第一和第二短边半径之和相等，且所述当前姿态角度达到所述最终期望姿态角度时，则所述无人驾驶车辆到达所述最终期望位姿。
9.一种车载计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
CN201811182613.6A 2018-10-11 2018-10-11 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质 Active CN109270933B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811182613.6A CN109270933B (zh) 2018-10-11 2018-10-11 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811182613.6A CN109270933B (zh) 2018-10-11 2018-10-11 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN109270933A CN109270933A (zh) 2019-01-25
CN109270933B true CN109270933B (zh) 2021-06-22

Family

ID=65195593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811182613.6A Active CN109270933B (zh) 2018-10-11 2018-10-11 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN109270933B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110300285B (zh) * 2019-07-17 2021-09-10 北京智行者科技有限公司 基于无人驾驶平台的全景视频采集方法及系统
CN110609550B (zh) * 2019-09-11 2021-02-23 珠海市一微半导体有限公司 一种机器人防止碰撞充电座的方法
CN110658819B (zh) * 2019-09-30 2022-04-15 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
CN110888449B (zh) * 2019-10-31 2023-04-18 高新兴物联科技股份有限公司 车辆姿态控制方法、设备和存储介质
US11720106B2 (en) * 2020-01-07 2023-08-08 GM Global Technology Operations LLC Sensor coverage analysis for automated driving scenarios involving intersections
CN113031583B (zh) * 2020-03-13 2022-11-25 青岛慧拓智能机器有限公司 一种结构化道路避障方法
CN111473795B (zh) * 2020-04-08 2022-05-17 江苏盛海智能科技有限公司 一种无人驾驶车辆避障方法及终端
CN111857135A (zh) 2020-06-30 2020-10-30 北京百度网讯科技有限公司 用于车辆的避障方法、装置、电子设备和计算机存储介质
CN111508244B (zh) * 2020-07-01 2020-09-29 北京主线科技有限公司 无信号灯路口控制无人驾驶车辆行驶的方法及装置
CN111964678B (zh) * 2020-07-16 2023-04-18 武汉长江船舶设计院有限公司 一种江河航道航行决策方法、装置及系统
CN112026756B (zh) * 2020-08-31 2021-08-06 重庆长安汽车股份有限公司 基于跟踪目标的危险目标选择方法、系统及车辆
CN112506203A (zh) * 2020-12-14 2021-03-16 深圳市普渡科技有限公司 一种机器人运动动态反馈方法及系统
CN114115240B (zh) * 2021-11-04 2024-02-27 北京三快在线科技有限公司 一种无人设备的控制方法及装置
CN114103957B (zh) * 2021-12-22 2024-02-06 阿波罗智联(北京)科技有限公司 变道控制方法、装置、电子设备和存储介质
CN114265412B (zh) * 2021-12-29 2023-10-24 深圳创维数字技术有限公司 车辆控制方法、装置、设备及计算机可读存储介质
CN114594747B (zh) * 2022-01-30 2022-11-29 江苏华东特种车辆有限公司 车辆控制参数的标定系统
CN116483096B (zh) * 2023-06-25 2023-09-22 中国第一汽车股份有限公司 车辆编队控制方法、系统、云平台及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007013303A1 (de) * 2007-03-16 2008-09-18 Robert Bosch Gmbh Verfahren zur Berechnung einer kollisionsvermeidenden Trajektorie für ein Fahrmanöver eines Fahrzeugs
CN106681335A (zh) * 2017-01-22 2017-05-17 无锡卡尔曼导航技术有限公司 用于农机无人驾驶的避障路径规划及其控制方法
CN106843223B (zh) * 2017-03-10 2020-05-05 武汉理工大学 一种智能化避障agv小车系统及避障方法
CN108073176B (zh) * 2018-02-10 2020-08-18 西安交通大学 一种改进型D*Lite车辆动态路径规划方法
CN108536149B (zh) * 2018-04-25 2023-07-28 吉林大学 一种基于Dubins路径的无人驾驶车辆避障控制方法

Also Published As

Publication number Publication date
CN109270933A (zh) 2019-01-25

Similar Documents

Publication Publication Date Title
CN109270933B (zh) 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质
US11809194B2 (en) Target abnormality determination device
JP6361567B2 (ja) 自動運転車両システム
CN110121449B (zh) 车辆控制装置、车辆控制方法及存储介质
US11124163B2 (en) Method for controlling travel of vehicle, and device for controlling travel of vehicle
WO2019042295A1 (zh) 一种无人驾驶路径规划方法、系统和装置
US11526173B2 (en) Traveling trajectory correction method, traveling control method, and traveling trajectory correction device
WO2019131903A1 (ja) 車両制御装置
US20210325197A1 (en) Vehicle control apparatus
JPH1054875A (ja) 車載走査型レーダ装置
JP2019131077A (ja) 車両制御装置、車両制御方法、およびプログラム
WO2018066133A1 (ja) 車両判定方法、走行経路補正方法、車両判定装置、及び走行経路補正装置
CN113689735B (zh) 一种车辆换道碰撞预警方法及装置
WO2016194168A1 (ja) 走行制御装置及び方法
JP2019156222A (ja) 車両制御装置、車両制御方法、およびプログラム
CN114789733A (zh) 移动体控制装置、移动体控制方法以及存储介质
JP6525415B1 (ja) 車両制御装置
CN111857121A (zh) 基于惯导和激光雷达的巡逻机器人行走避障方法及系统
Zhang et al. Automated braking decision and control for pedestrian collision avoidance based on risk assessment
JP2024506972A (ja) 障害物を回避するための方法
JP6525416B1 (ja) 車両制御装置
JP7165537B2 (ja) 走行軌跡生成方法及び走行軌跡生成装置
US20230399002A1 (en) Vehicle path adjustment
WO2023032092A1 (ja) 車両制御方法及び車両制御装置
Luan et al. Design and field testing of a lane following control system with a camera based on t&c driver model

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