CN109724614A - 自动驾驶车辆的速度规划方法、装置和存储介质 - Google Patents
自动驾驶车辆的速度规划方法、装置和存储介质 Download PDFInfo
- Publication number
- CN109724614A CN109724614A CN201910133837.6A CN201910133837A CN109724614A CN 109724614 A CN109724614 A CN 109724614A CN 201910133837 A CN201910133837 A CN 201910133837A CN 109724614 A CN109724614 A CN 109724614A
- Authority
- CN
- China
- Prior art keywords
- cost function
- function value
- discrete point
- automatic driving
- relative velocity
- 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
Links
Landscapes
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明实施例提出一种自动驾驶车辆的速度规划方法、装置和存储介质。该方法包括：获取自动驾驶车辆在规划时长内的多条待选速度轨迹和多条待选路径轨迹；获取障碍车在所述规划时长内的预测路径轨迹和预测速度轨迹；对于每条待选速度轨迹，根据所述预测路径轨迹、所述待选路径轨迹、所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间的相对位移和相对速度，以得到所述待选速度轨迹的代价函数值；选取代价函数值最小的待选速度轨迹，作为所述自动驾驶车辆的规划速度轨迹。本发明实施例的技术方案可以使速度规划更合理准确，并能避免自动驾驶车辆与障碍车同速飙车。
Description
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶车辆的速度规划方法、装置和存储介质。
背景技术
自动驾驶车辆包括以自动驾驶模式运行(例如无人驾驶)的车辆。自动驾驶车辆可以将驾驶员从一些驾驶相关的职责中解放出来，实现在最少人机交互的情况下行驶。两台车辆以相同的速度并排行驶在相邻车道的状态，可以称作同速飙车。如果对自动驾驶车辆的速度规划不合理，可能会出现自动驾驶车辆与障碍车同速飙车的情况。这会增加行驶过程中的危险性。
发明内容
本发明实施例提供一种自动驾驶车辆的速度规划方法、装置和存储介质，以解决现有技术中的一个或多个技术问题。
第一方面，本发明实施例提供了一种自动驾驶车辆的速度规划方法，包括：
获取自动驾驶车辆在规划时长内的多条待选速度轨迹和多条待选路径轨迹；
获取障碍车在所述规划时长内的预测路径轨迹和预测速度轨迹；
对于每条待选速度轨迹，根据所述预测路径轨迹、所述待选路径轨迹、所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间的相对位移和相对速度，以得到所述待选速度轨迹的代价函数值；
选取代价函数值最小的待选速度轨迹，作为所述自动驾驶车辆的规划速度轨迹。
在一种实施方式中，根据所述预测路径轨迹、所述待选路径轨迹、预测速度轨迹和待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间的相对位移和相对速度，以得到所述待选速度轨迹的代价函数值，包括：
根据所述预测路径轨迹和所述待选路径轨迹，确定所述自动驾驶车辆和所述障碍车之间在所述规划时长内的每个时间点的相对位移；
根据所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间在每个所述时间点的相对速度；
根据每个所述时间点的所述相对位移和所述相对速度，确定所述待选速度轨迹的代价函数值。
在一种实施方式中，根据每个所述时间点的所述相对位移和所述相对速度，确定所述待选速度轨迹的代价函数值，包括：
将每个所述时间点的所述相对速度和所述相对位移，映射至相对位移和相对速度坐标系中，得到多个离散点；
在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，所述第一阈值包括当所述相对速度等于零时，所述相对位移的阈值，所述第二阈值包括当所述相对位移等于零时，所述相对速度的阈值；
根据所述至少一条边界线，确定每个所述离散点的代价函数值；
根据每个所述离散点的代价函数值，得到所述待选速度轨迹的代价函数值。
在一种实施方式中，在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，包括：
根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
如果所述自动驾驶车辆超过所述障碍车，则根据所述第一阈值和所述第二阈值中的正值，确定第一边界线。
在一种实施方式中，根据所述至少一条边界线，确定每个所述离散点的代价函数值，包括：
如果所述离散点位于所述第一边界线的上方，则所述离散点的代价函数值为零；
如果所述离散点位于所述第一边界线的下方，则根据所述第一边界线，确定所述离散点的期望相对速度，并根据公式cost＝x1×∣Δv﹣Δv_exp∣，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x1为第一预设系数。
在一种实施方式中，在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，包括：
根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
如果所述自动驾驶车辆让行所述障碍车，则根据所述第一阈值和所述第二阈值中的负值，确定第二边界线。
在一种实施方式中，根据所述至少一条边界线，确定每个所述离散点的代价函数值，包括：
如果所述离散点位于所述第二边界线的下方，则所述离散点的代价函数值为零；
如果所述离散点位于所述第二边界线的上方，则根据所述第二边界线，确定所述离散点的期望相对速度，并根据公式cost＝x2×(Δv﹣Δv_exp)，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x2为第二预设系数。
第二方面，本发明实施例提供一种自动驾驶车辆的速度规划装置，包括：
第一获取模块，用于获取自动驾驶车辆在规划时长内的多条待选速度轨迹和多条待选路径轨迹；
第二获取模块，用于获取障碍车在所述规划时长内的预测路径轨迹和预测速度轨迹；
代价函数值得到模块，用于对于每条待选速度轨迹，根据所述预测路径轨迹、所述待选路径轨迹、所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间的相对位移和相对速度，以得到所述待选速度轨迹的代价函数值；
选取模块，用于选取代价函数值最小的待选速度轨迹，作为所述自动驾驶车辆的规划速度轨迹。
在一种实施方式中，所述代价函数值得到模块包括：
相对位移确定子模块，用于根据所述预测路径轨迹和所述待选路径轨迹，确定所述自动驾驶车辆和所述障碍车之间在所述规划时长内的每个时间点的相对位移；
相对速度确定子模块，用于根据所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间在每个所述时间点的相对速度；
代价函数值确定子模块，用于根据每个所述时间点的所述相对位移和所述相对速度，确定所述待选速度轨迹的代价函数值。
在一种实施方式中，所述代价函数值确定子模块包括：
离散点得到单元，用于将每个所述时间点的所述相对速度和所述相对位移，映射至相对位移和相对速度坐标系中，得到多个离散点；
边界线确定单元，用于在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，所述第一阈值包括当所述相对速度等于零时，所述相对位移的阈值，所述第二阈值包括当所述相对位移等于零时，所述相对速度的阈值；
代价函数值确定单元，用于根据所述至少一条边界线，确定每个所述离散点的代价函数值；
代价函数值得到单元，用于根据每个所述离散点的代价函数值，得到所述待选速度轨迹的代价函数值。
在一种实施方式中，所述边界线确定单元包括：
判断子单元，用于根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
第一边界线确定子单元，用于如果所述自动驾驶车辆超过所述障碍车，则根据所述第一阈值和所述第二阈值中的正值，确定第一边界线。
在一种实施方式中，所述代价函数值确定单元包括：
第一代价函数值确定子单元，用于如果所述离散点位于所述第一边界线的上方，则所述离散点的代价函数值为零；
第一代价函数值计算子单元，用于如果所述离散点位于所述第一边界线的下方，则根据所述第一边界线，确定所述离散点的期望相对速度，并根据公式cost＝x1×∣Δv﹣Δv_exp∣，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x1为第一预设系数。
在一种实施方式中，所述边界线确定单元包括：
判断子单元，用于根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
第二边界线确定子单元，用于如果所述自动驾驶车辆让行所述障碍车，则根据所述第一阈值和所述第二阈值中的负值，确定第二边界线。
在一种实施方式中，所述代价函数值确定单元包括：
第二代价函数值确定子单元，用于如果所述离散点位于所述第二边界线的下方，则所述离散点的代价函数值为零；
第二代价函数值计算子单元，用于如果所述离散点位于所述第二边界线的上方，则根据所述第二边界线，确定所述离散点的期望相对速度，并根据公式cost＝x2×(Δv﹣Δv_exp)，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x2为第二预设系数。
第三方面，本发明实施例提供了一种自动驾驶车辆的速度规划装置，所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，所述装置的结构中包括处理器和存储器，所述存储器用于存储支持所述装置执行上述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述装置还可以包括通信接口，用于与其他设备或通信网络通信。
第四方面，本发明实施例提供了一种计算机可读存储介质，用于存储自动驾驶车辆的速度规划装置所用的计算机软件指令，其包括用于执行上述方法所涉及的程序。
上述技术方案，通过生成多条待选速度轨迹，并根据自动驾驶车辆与障碍车的相对速度和相对位移，计算每条待选速度轨迹的代价函数值，进而从中确定代价函数值最小的待选速度轨迹，作为自动驾驶车辆行驶的速度轨迹，可以避免出现自动驾驶车辆与障碍车同速飙车的情况。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1示出根据本发明实施例的自动驾驶车辆的速度规划方法的流程图。
图2示出根据本发明实施例的自动驾驶车辆的速度规划方法的应用示例图。
图3示出本发明实施例的自动驾驶车辆的速度规划方法的待选速度轨迹示例图。
图4示出根据本发明实施例的一种实施方式的自动驾驶车辆的速度规划方法的流程图。
图5示出根据本发明实施例的另一种实施方式的自动驾驶车辆的速度规划方法的流程图。
图6示出本发明实施例的自动驾驶车辆的速度规划方法的边界线的一种示例图。
图7示出根据本发明实施例的又一种实施方式的自动驾驶车辆的速度规划方法的流程图。
图8示出本发明实施例的自动驾驶车辆的速度规划方法的边界线的另一种示例图。
图9示出本发明实施例的自动驾驶车辆的速度规划方法的边界线的又一种示例图。
图10示出根据本发明实施例的自动驾驶车辆的速度规划装置的结构框图。
图11示出根据本发明实施例的一种实施方式的自动驾驶车辆的速度规划装置的结构框图。
图12示出根据本发明实施例的自动驾驶车辆的速度规划装置的结构框图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
图1示出根据本发明实施例的自动驾驶车辆的速度规划方法的流程图。如图1所示，该方法可以包括以下步骤：
步骤S100、获取自动驾驶车辆在规划时长内的多条待选速度轨迹和多条待选路径轨迹；
步骤S200、获取障碍车在所述规划时长内的预测路径轨迹和预测速度轨迹；
步骤S300、对于每条待选速度轨迹，根据所述预测路径轨迹、所述待选路径轨迹、所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间的相对位移和相对速度，以得到所述待选速度轨迹的代价函数值；
步骤S400、选取代价函数值最小的待选速度轨迹，作为所述自动驾驶车辆的规划速度轨迹。
图2示出根据本发明实施例的自动驾驶车辆的速度规划方法的应用示例图。在图2中，第一车道和第二车道为相邻的车道。自动驾驶车辆在第一车道行驶，行驶方向为箭头指向的方向。障碍车在第二车道行驶，行驶方向为箭头指向的方向。本实施例中，相对位移可以表示自动驾驶车辆相对于障碍车的位移，例如采用自动驾驶车辆在一段时间内的位移减去障碍车在这段时间内的位移。在某段时间内，如果自动驾驶车辆与障碍车的相对位移为零，并以同样的速度行驶，那么这种情况可以叫做同速飙车。
本实施例中，可以为自动驾驶车辆在第二车道的行驶路线，生成多条规划时长内的待选速度轨迹。待选速度轨迹可以由速度(可以用v表示)和时间(可以用t表示)的二维曲线来表示。例如：图3所示的待选速度轨迹v1(t)和v2(t)。可以用预设的时间间隔将规划时长划分为多个时间点，进而离散化待选速度轨迹，可以得到自动驾驶车辆在每个时间点t0、t1、t2、t3、t4和t5的速度。
根据待选速度轨迹，可以得到自动驾驶车辆在每个时间点的位移，进而获得对应的待选路径轨迹。待选路径轨迹可以由位移(可以用s表示)和时间t的二维曲线来表示。
障碍车在规划时长内的预测速度轨迹可以由速度和时间的二维曲线来表示。例如：图3所示的预测速度轨迹v0(t)。障碍车在规划时长内的预测路径轨迹可以由位移和时间的二维曲线来表示。
可以根据预测路径轨迹和待选路径轨迹，确定自动驾驶车辆和障碍车之间的相对位移；可以根据预测速度轨迹和待选速度轨迹，确定自动驾驶车辆和障碍车之间的相对速度。其中，相对速度可以是自动驾驶车辆的速度减去障碍车的速度。
进一步地，可以根据相对速度和相对位移计算待选速度轨迹的代价函数值，进而从多条待选速度轨迹中，将代价函数值最小的一条作为规划速度轨迹。自动驾驶车辆以该规划速度轨迹行驶，可以避免出现与障碍车同速飙车的情况。
在一种实施方式中，如图4所示，在步骤S300中，可以包括：
步骤S310、根据所述预测路径轨迹和所述待选路径轨迹，确定所述自动驾驶车辆和所述障碍车之间在所述规划时长内的每个时间点的相对位移；
步骤S320、根据所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间在每个所述时间点的相对速度；
步骤S330、根据每个所述时间点的所述相对位移和所述相对速度，得到所述待选速度轨迹的代价函数值。
在每个时间点，自动驾驶车辆和障碍车之间的相对速度可以不同，相对位移也可以不同。因此，可以根据每个时间点的相对位移和相对速度，计算每个时间点对应的代价函数值，进而得到待选速度轨迹的代价函数值。
在一种实施方式中，如图5所示，在步骤S330中，可以包括：
步骤S331、将每个所述时间点的所述相对速度和所述相对位移，映射至相对位移和相对速度坐标系中，得到多个离散点；
步骤S332、在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，所述第一阈值包括当所述相对速度等于零时，所述相对位移的阈值，所述第二阈值包括当所述相对位移等于零时，所述相对速度的阈值；
步骤S333、根据所述至少一条边界线，确定每个所述离散点的代价函数值；
步骤S334、根据每个所述离散点的代价函数值，得到所述待选速度轨迹的代价函数值。
在一个示例中，如图6所示，相对位移和相对速度坐标系可以用Δv-Δs来表示。Δv-Δs坐标系的横轴表示相对位移Δs，纵轴表示相对速度Δv。可以将每个时间点对应的相对速度和相对位移映射至Δv-Δs坐标系中，得到多个离散点P01、P02、P03、P04和P05。其中，每个离散点分别对应不同的时间点。可以拟合多个离散点P01、P02、P03、P04和P05，进而得到规划时长内的相对位移和相对速度的变化曲线Δv0(Δs)。
本实施例中，可以用期望相对位移Δs_exp和期望相对速度Δv_exp的阈值来约束待选速度轨迹。例如：当Δv等于零时，可以设置Δs_exp的阈值，包括正阈值Δs_expmax和负阈值Δs_expmin；当Δs等于零时，可以设置Δv_exp的阈值，包括正阈值Δv_expmax和负阈值Δv_expmin。进而可以得到四条边界线L01、L02、L03和L04，如图6所示。
其中，边界线L01、L02、L03和L04可以表示避免出现同速飙车的阈值，并用于评价每个离散点的代价函数值的大小。
在步骤S334中，可以累加每个离散点的代价函数值，得到待选速度轨迹的代价函数值。
在一种实施方式中，如图7所示，在步骤S332中，可以包括：
步骤S3321、根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
步骤S3322、如果所述自动驾驶车辆超过所述障碍车，则根据所述第一阈值和所述第二阈值中的正值，确定第一边界线。
步骤S3323、如果所述离散点位于所述第一边界线的上方，则所述离散点的代价函数值为零；
步骤S3324、如果所述离散点位于所述第一边界线的下方，则根据所述第一边界线，确定所述离散点的期望相对速度，并根据公式cost＝x1×∣Δv﹣Δv_exp∣，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x1为第一预设系数。
例如：如果预设时长结束时(如时间点t5)的相对位移大于零，则判断待选速度轨迹对应的行为为自动驾驶车辆超过障碍车；如果预设时长结束时的相对位移小于零，则判断待选速度轨迹对应的行为为自动驾驶车辆让行障碍车。
在一个示例中，如图8所示，如果判断结果为自动驾驶车辆超过障碍车，则可以根据边界线L01和L02以及Δv-Δs坐标系的横轴确定第一边界线L1。在本示例中，第一边界线L1包括横轴的最左端到点(Δs_expmin，0)的部分、边界线L01、边界线L02以及点(Δs_expmax，0)到横轴最右端的部分。
本示例中，某一条待选速度轨迹对应相对位移和相对速度的变化曲线Δv1(Δs)，变化曲线Δv1(Δs)包括离散点P1和P2。其中，离散点P1位于第一边界线L1的上方，则离散点P1的cost等于0。
本示例中，离散点P2位于第一边界线L1的下方，则可以根据第一边界线L1确定与离散点P2对应的期望相对速度Δv_exp。可以首先确定在第一边界线L1上，与离散点P2共轴的边界点A1；然后将边界点A1对应的相对速度，确定为离散点P2的期望相对速度Δv_exp，例如为5m/s；进一步根据离散点P2对应的相对速度Δv＝3m/s，以及公式cost＝x1×∣Δv﹣Δv_exp∣，计算离散点P2的代价函数值cost＝x1×∣3﹣5∣＝2x1。其中，第一预设系数x1可以根据实际经验预设。
在一种实施方式中，如图7所示，在步骤S300中，可以包括步骤S3321以及：
步骤S3325、如果所述自动驾驶车辆让行所述障碍车，则根据所述第一阈值和所述第二阈值中的负值，确定第二边界线。
步骤S3326、如果所述离散点位于所述第二边界线的下方，则所述离散点的代价函数值为零；
步骤S3327、如果所述离散点位于所述第二边界线的上方，则根据所述第二边界线，确定所述离散点的期望相对速度，并根据公式cost＝x2×(Δv﹣Δv_exp)，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x2为第二预设系数。
在一个示例中，如图9所示，如果判断结果为自动驾驶车辆让行障碍车，则可以根据边界线L03和L04以及Δv-Δs坐标系的横轴确定第二边界线L2。在本示例中，第二边界线L2包括横轴的最左端到点(Δs_expmin，0)的部分、边界线L03、边界线L04以及点(Δs_expmax，0)到横轴最右端的部分。
本示例中，某一条待选速度轨迹对应相对位移和相对速度的变化曲线Δv2(Δs)，变化曲线Δv2(Δs)包括离散点P3和P4。其中，离散点P3位于第二边界线L2的下方，则离散点P3的cost等于0。
本示例中，离散点P4位于第二边界线L2的上方，则可以根据第二边界线L2确定与离散点P4对应的期望相对速度Δv_exp。可以首先确定在第二边界线L2上，与离散点P4共轴的边界点B1；然后将边界点B1对应的相对速度，确定为离散点P4的期望相对速度Δv_exp，例如为﹣6m/s；进一步根据离散点P4对应的相对速度Δv＝﹣2m/s，以及公式cost＝x2×(Δv﹣Δv_exp)，计算离散点P4的代价函数值cost＝x2×∣3﹣5∣＝2x2。其中，第二预设系数x2可以根据实际经验预设。另外，x1可以等于x2。
综上，本发明实施例的自动驾驶车辆的速度规划方法，通过生成多条待选速度轨迹，并根据自动驾驶车辆与障碍车的相对速度和相对位移，计算每条待选速度轨迹的代价函数值，进而从中确定代价函数值最小的待选速度轨迹，作为自动驾驶车辆行驶的速度轨迹，可以避免出现自动驾驶车辆与障碍车同速飙车的情况。
进一步地，通过期望相对速度和期望相对位移的相互约束关系，确定边界线，进而根据边界线计算代价函数值，可以使速度规划更合理更准确。另外，根据自动驾驶车辆和障碍车在规划时长结束时的相对位移，判断待选速度轨迹对应的是自动驾驶车辆超车或让行，进而执行不同的算法，可以进一步提高速度规划的准确性。
图10示出根据本发明实施例的自动驾驶车辆的速度规划装置的结构框图。如图10所示，该装置可以包括：
第一获取模块100，用于获取自动驾驶车辆在规划时长内的多条待选速度轨迹和多条待选路径轨迹；
第二获取模块200，用于获取障碍车在所述规划时长内的预测路径轨迹和预测速度轨迹；
代价函数值得到模块300，用于对于每条待选速度轨迹，根据所述预测路径轨迹、所述待选路径轨迹、所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间的相对位移和相对速度，以得到所述待选速度轨迹的代价函数值；
选取模块400，用于选取代价函数值最小的待选速度轨迹，作为所述自动驾驶车辆的规划速度轨迹。
在一种实施方式中，如图12所示，代价函数值得到模块300可以包括：
相对位移确定子模块310，用于根据所述预测路径轨迹和所述待选路径轨迹，确定所述自动驾驶车辆和所述障碍车之间在所述规划时长内的每个时间点的相对位移；
相对速度确定子模块320，用于根据所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间在每个所述时间点的相对速度；
代价函数值确定子模块330，用于根据每个所述时间点的所述相对位移和所述相对速度，确定所述待选速度轨迹的代价函数值。
在一种实施方式中，如图12所示，代价函数值确定子模块330可以包括：
离散点得到单元331，用于将每个所述时间点的所述相对速度和所述相对位移，映射至相对位移和相对速度坐标系中，得到多个离散点；
边界线确定单元332，用于在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，所述第一阈值包括当所述相对速度等于零时，所述相对位移的阈值，所述第二阈值包括当所述相对位移等于零时，所述相对速度的阈值；
代价函数值确定单元333，用于根据所述至少一条边界线，确定每个所述离散点的代价函数值；
代价函数值得到单元334，用于根据每个所述离散点的代价函数值，得到所述待选速度轨迹的代价函数值。
在一种实施方式中，边界线确定单元332可以包括：
判断子单元，用于根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
第一边界线确定子单元，用于如果所述自动驾驶车辆超过所述障碍车，则根据所述第一阈值和所述第二阈值中的正值，确定第一边界线。
在一种实施方式中，代价函数值确定单元333可以包括：
第一代价函数值确定子单元，用于如果所述离散点位于所述第一边界线的上方，则所述离散点的代价函数值为零；
第一代价函数值计算子单元，用于如果所述离散点位于所述第一边界线的下方，则根据所述第一边界线，确定所述离散点的期望相对速度，并根据公式cost＝x1×∣Δv﹣Δv_exp∣，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x1为第一预设系数。
在一种实施方式中，边界线确定单元332可以包括：
第二边界线确定子单元，用于如果所述自动驾驶车辆让行所述障碍车，则根据所述第一阈值和所述第二阈值中的负值，确定第二边界线。
第二代价函数值确定子单元，用于如果所述离散点位于所述第二边界线的下方，则所述离散点的代价函数值为零；
第二代价函数值计算子单元，用于如果所述离散点位于所述第二边界线的上方，则根据所述第二边界线，确定所述离散点的期望相对速度，并根据公式cost＝x2×(Δv﹣Δv_exp)，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x2为第二预设系数。
本发明实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
图12示出根据本发明实施例的自动驾驶车辆的速度规划装置的结构框图。如图12所示，该装置包括：存储器1210和处理器1220，存储器1210内存储有可在处理器1220上执行的计算机程序。所述处理器1220执行所述计算机程序时实现上述实施例中的自动驾驶车辆的速度规划方法。所述存储器1210和处理器1220的数量可以为一个或多个。
该装置还包括：
通信接口1030，用于与外界设备进行通信，进行数据交互传输。
存储器1210可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器1210、处理器1220和通信接口1030独立实现，则存储器1210、处理器1220和通信接口1030可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component Interconnect)总线或扩展工业标准体系结构(EISA，ExtendedIndustry Standard Component)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图12中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器1210、处理器1220及通信接口1030集成在一块芯片上，则存储器1210、处理器1220及通信接口1030可以通过内部接口完成相互间的通信。
本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现上述实施例中任一所述的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (16)
1.一种自动驾驶车辆的速度规划方法，其特征在于，包括：
获取自动驾驶车辆在规划时长内的多条待选速度轨迹和多条待选路径轨迹；
获取障碍车在所述规划时长内的预测路径轨迹和预测速度轨迹；
对于每条待选速度轨迹，根据所述预测路径轨迹、所述待选路径轨迹、所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间的相对位移和相对速度，以得到所述待选速度轨迹的代价函数值；
选取代价函数值最小的待选速度轨迹，作为所述自动驾驶车辆的规划速度轨迹。
2.根据权利要求1所述的方法，其特征在于，根据所述预测路径轨迹、所述待选路径轨迹、预测速度轨迹和待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间的相对位移和相对速度，以得到所述待选速度轨迹的代价函数值，包括：
根据所述预测路径轨迹和所述待选路径轨迹，确定所述自动驾驶车辆和所述障碍车之间在所述规划时长内的每个时间点的相对位移；
根据所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间在每个所述时间点的相对速度；
根据每个所述时间点的所述相对位移和所述相对速度，确定所述待选速度轨迹的代价函数值。
3.根据权利要求2所述的方法，其特征在于，根据每个所述时间点的所述相对位移和所述相对速度，确定所述待选速度轨迹的代价函数值，包括：
将每个所述时间点的所述相对速度和所述相对位移，映射至相对位移和相对速度坐标系中，得到多个离散点；
在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，所述第一阈值包括当所述相对速度等于零时，所述相对位移的阈值，所述第二阈值包括当所述相对位移等于零时，所述相对速度的阈值；
根据所述至少一条边界线，确定每个所述离散点的代价函数值；
根据每个所述离散点的代价函数值，得到所述待选速度轨迹的代价函数值。
4.根据权利要求3所述的方法，其特征在于，在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，包括：
根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
如果所述自动驾驶车辆超过所述障碍车，则根据所述第一阈值和所述第二阈值中的正值，确定第一边界线。
5.根据权利要求4所述的方法，其特征在于，根据所述至少一条边界线，确定每个所述离散点的代价函数值，包括：
如果所述离散点位于所述第一边界线的上方，则所述离散点的代价函数值为零；
如果所述离散点位于所述第一边界线的下方，则根据所述第一边界线，确定所述离散点的期望相对速度，并根据公式cost＝x1×∣Δv﹣Δv_exp∣，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x1为第一预设系数。
6.根据权利要求3所述的方法，其特征在于，在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，包括：
根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
如果所述自动驾驶车辆让行所述障碍车，则根据所述第一阈值和所述第二阈值中的负值，确定第二边界线。
7.根据权利要求6所述的方法，其特征在于，根据所述至少一条边界线，确定每个所述离散点的代价函数值，包括：
如果所述离散点位于所述第二边界线的下方，则所述离散点的代价函数值为零；
如果所述离散点位于所述第二边界线的上方，则根据所述第二边界线，确定所述离散点的期望相对速度，并根据公式cost＝x2×(Δv﹣Δv_exp)，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x2为第二预设系数。
8.一种自动驾驶车辆的速度规划装置，其特征在于，包括：
第一获取模块，用于获取自动驾驶车辆在规划时长内的多条待选速度轨迹和多条待选路径轨迹；
第二获取模块，用于获取障碍车在所述规划时长内的预测路径轨迹和预测速度轨迹；
代价函数值得到模块，用于对于每条待选速度轨迹，根据所述预测路径轨迹、所述待选路径轨迹、所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间的相对位移和相对速度，以得到所述待选速度轨迹的代价函数值；
选取模块，用于选取代价函数值最小的待选速度轨迹，作为所述自动驾驶车辆的规划速度轨迹。
9.根据权利要求8所述的装置，其特征在于，所述代价函数值得到模块包括：
相对位移确定子模块，用于根据所述预测路径轨迹和所述待选路径轨迹，确定所述自动驾驶车辆和所述障碍车之间在所述规划时长内的每个时间点的相对位移；
相对速度确定子模块，用于根据所述预测速度轨迹和所述待选速度轨迹，确定所述自动驾驶车辆和所述障碍车之间在每个所述时间点的相对速度；
代价函数值确定子模块，用于根据每个所述时间点的所述相对位移和所述相对速度，确定所述待选速度轨迹的代价函数值。
10.根据权利要求9所述的装置，其特征在于，所述代价函数值确定子模块包括：
离散点得到单元，用于将每个所述时间点的所述相对速度和所述相对位移，映射至相对位移和相对速度坐标系中，得到多个离散点；
边界线确定单元，用于在所述相对位移和相对速度坐标系中，根据第一阈值和第二阈值，确定至少一条边界线，所述第一阈值包括当所述相对速度等于零时，所述相对位移的阈值，所述第二阈值包括当所述相对位移等于零时，所述相对速度的阈值；
代价函数值确定单元，用于根据所述至少一条边界线，确定每个所述离散点的代价函数值；
代价函数值得到单元，用于根据每个所述离散点的代价函数值，得到所述待选速度轨迹的代价函数值。
11.根据权利要求10所述的装置，其特征在于，所述边界线确定单元包括：
判断子单元，用于根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
第一边界线确定子单元，用于如果所述自动驾驶车辆超过所述障碍车，则根据所述第一阈值和所述第二阈值中的正值，确定第一边界线。
12.根据权利要求11所述的装置，其特征在于，所述代价函数值确定单元包括：
第一代价函数值确定子单元，用于如果所述离散点位于所述第一边界线的上方，则所述离散点的代价函数值为零；
第一代价函数值计算子单元，用于如果所述离散点位于所述第一边界线的下方，则根据所述第一边界线，确定所述离散点的期望相对速度，并根据公式cost＝x1×∣Δv﹣Δv_exp∣，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x1为第一预设系数。
13.根据权利要求10所述的装置，其特征在于，所述边界线确定单元包括：
判断子单元，用于根据所述预设时长结束时的所述相对位移，判断所述自动驾驶车辆超过所述障碍车或者让行所述障碍车；
第二边界线确定子单元，用于如果所述自动驾驶车辆让行所述障碍车，则根据所述第一阈值和所述第二阈值中的负值，确定第二边界线。
14.根据权利要求13所述的装置，其特征在于，所述代价函数值确定单元包括：
第二代价函数值确定子单元，用于如果所述离散点位于所述第二边界线的下方，则所述离散点的代价函数值为零；
第二代价函数值计算子单元，用于如果所述离散点位于所述第二边界线的上方，则根据所述第二边界线，确定所述离散点的期望相对速度，并根据公式cost＝x2×(Δv﹣Δv_exp)，计算所述离散点的代价函数值；其中，cost为所述离散点的代价函数值；Δv为所述离散点的相对速度；Δv_exp为所述离散点的期望相对速度；x2为第二预设系数。
15.一种自动驾驶车辆的速度规划装置，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。
16.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910133837.6A CN109724614B (zh) | 2019-02-22 | 2019-02-22 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910133837.6A CN109724614B (zh) | 2019-02-22 | 2019-02-22 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109724614A true CN109724614A (zh) | 2019-05-07 |
| CN109724614B CN109724614B (zh) | 2021-06-04 |
Family
ID=66301639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910133837.6A Active CN109724614B (zh) | 2019-02-22 | 2019-02-22 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109724614B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110275531A (zh) * | 2019-06-21 | 2019-09-24 | 北京三快在线科技有限公司 | 障碍物的轨迹预测方法、装置及无人驾驶设备 |
| CN110703754A (zh) * | 2019-10-17 | 2020-01-17 | 南京航空航天大学 | 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法 |
| CN113673919A (zh) * | 2020-05-15 | 2021-11-19 | 北京京东乾石科技有限公司 | 多车协同路径确定方法及装置、电子设备和存储介质 |
| CN114234998A (zh) * | 2021-09-23 | 2022-03-25 | 同济大学 | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102874250A (zh) * | 2011-07-14 | 2013-01-16 | 通用汽车环球科技运作有限责任公司 | 增强车辆控制的系统及方法 |
| CN103477378A (zh) * | 2011-04-26 | 2013-12-25 | 丰田自动车株式会社 | 驾驶辅助装置 |
| US20160304198A1 (en) * | 2014-12-03 | 2016-10-20 | Google Inc. | Systems and methods for reliable relative navigation and autonomous following between unmanned aerial vehicle and a target object |
| CN107697045A (zh) * | 2017-09-07 | 2018-02-16 | 厦门大学 | 一种无人驾驶汽车自动刹车控制装置及方法 |
| CN106114507B (zh) * | 2016-06-21 | 2018-04-03 | 百度在线网络技术（北京）有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
| CN107972664A (zh) * | 2016-10-25 | 2018-05-01 | 阿尔派株式会社 | 驾驶辅助装置以及驾驶辅助方法 |
| CN108032858A (zh) * | 2017-11-30 | 2018-05-15 | 广州小鹏汽车科技有限公司 | 基于旁车行驶路径预测的自适应巡航控制方法及系统 |
| CN108140325A (zh) * | 2015-10-16 | 2018-06-08 | 株式会社电装 | 显示控制装置以及车辆控制装置 |
| CN108438003A (zh) * | 2018-01-05 | 2018-08-24 | 吉林大学 | 一种道路车辆速度优化的分层控制方法 |
| CN109050525A (zh) * | 2018-09-10 | 2018-12-21 | 武汉乐庭软件技术有限公司 | 一种基于毫米雷达和相机融合的汽车自动驾驶系统 |
| CN109213153A (zh) * | 2018-08-08 | 2019-01-15 | 东风汽车有限公司 | 一种车辆自动驾驶方法及电子设备 |
-
2019
- 2019-02-22 CN CN201910133837.6A patent/CN109724614B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103477378A (zh) * | 2011-04-26 | 2013-12-25 | 丰田自动车株式会社 | 驾驶辅助装置 |
| CN102874250A (zh) * | 2011-07-14 | 2013-01-16 | 通用汽车环球科技运作有限责任公司 | 增强车辆控制的系统及方法 |
| US20160304198A1 (en) * | 2014-12-03 | 2016-10-20 | Google Inc. | Systems and methods for reliable relative navigation and autonomous following between unmanned aerial vehicle and a target object |
| CN108140325A (zh) * | 2015-10-16 | 2018-06-08 | 株式会社电装 | 显示控制装置以及车辆控制装置 |
| CN106114507B (zh) * | 2016-06-21 | 2018-04-03 | 百度在线网络技术（北京）有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
| CN107972664A (zh) * | 2016-10-25 | 2018-05-01 | 阿尔派株式会社 | 驾驶辅助装置以及驾驶辅助方法 |
| CN107697045A (zh) * | 2017-09-07 | 2018-02-16 | 厦门大学 | 一种无人驾驶汽车自动刹车控制装置及方法 |
| CN108032858A (zh) * | 2017-11-30 | 2018-05-15 | 广州小鹏汽车科技有限公司 | 基于旁车行驶路径预测的自适应巡航控制方法及系统 |
| CN108438003A (zh) * | 2018-01-05 | 2018-08-24 | 吉林大学 | 一种道路车辆速度优化的分层控制方法 |
| CN109213153A (zh) * | 2018-08-08 | 2019-01-15 | 东风汽车有限公司 | 一种车辆自动驾驶方法及电子设备 |
| CN109050525A (zh) * | 2018-09-10 | 2018-12-21 | 武汉乐庭软件技术有限公司 | 一种基于毫米雷达和相机融合的汽车自动驾驶系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110275531A (zh) * | 2019-06-21 | 2019-09-24 | 北京三快在线科技有限公司 | 障碍物的轨迹预测方法、装置及无人驾驶设备 |
| CN110703754A (zh) * | 2019-10-17 | 2020-01-17 | 南京航空航天大学 | 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法 |
| CN110703754B (zh) * | 2019-10-17 | 2021-07-09 | 南京航空航天大学 | 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法 |
| CN113673919A (zh) * | 2020-05-15 | 2021-11-19 | 北京京东乾石科技有限公司 | 多车协同路径确定方法及装置、电子设备和存储介质 |
| CN114234998A (zh) * | 2021-09-23 | 2022-03-25 | 同济大学 | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 |
| CN114234998B (zh) * | 2021-09-23 | 2023-08-29 | 同济大学 | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109724614B (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109712421A (zh) | 自动驾驶车辆的速度规划方法、装置和存储介质 | |
| CN109724614A (zh) | 自动驾驶车辆的速度规划方法、装置和存储介质 | |
| EP3699048A1 (en) | Travelling track prediction method and device for vehicle | |
| US10108195B2 (en) | Gap selection method and system | |
| CN109814574A (zh) | 车道汇合处的速度规划方法、装置和存储介质 | |
| EP3702230B1 (en) | Method and apparatus for planning travelling path, and vehicle | |
| CN109164785B (zh) | 自动驾驶车辆的仿真测试方法、装置、设备及存储介质 | |
| US20200269841A1 (en) | Information processing method and apparatus, and storage medium | |
| CN105488243A (zh) | 交叉口结构的联合概率建模及推断 | |
| CN109814576A (zh) | 自动驾驶车辆的速度规划方法、装置和存储介质 | |
| CN109655076B (zh) | 车辆转弯的速度规划方法、装置和存储介质 | |
| CN109814575A (zh) | 车辆变道路线规划方法、装置以及终端 | |
| CN112829747A (zh) | 一种驾驶行为决策方法、装置及存储介质 | |
| CN102679995A (zh) | 使汽车运行的方法及汽车 | |
| CN117885764B (zh) | 车辆的轨迹规划方法、装置、车辆及存储介质 | |
| US11529951B2 (en) | Safety system, automated driving system, and methods thereof | |
| CN110262506A (zh) | 预瞄点的确认方法、车辆行驶控制方法、装置及设备 | |
| CN110335489A (zh) | 基于路侧设备的行驶规划方法、装置、路侧设备和存储介质 | |
| DE102015224584A1 (de) | Elektronische Vorrichtung und Fahrerbestimmungsverfahren für dieselbe | |
| CN109823342A (zh) | 车辆路口行车方法、装置和终端 | |
| CN109887320A (zh) | 一种速度规划方法、装置和存储介质 | |
| CN112406905A (zh) | 基于交通工具的数据处理方法、装置、计算机及存储介质 | |
| CN109839937A (zh) | 确定车辆自动驾驶规划策略的方法、装置、计算机设备 | |
| CN109631929A (zh) | 基于黑名单的重导航方法、装置及存储介质 | |
| CN113767393A (zh) | 使用具有显示生命周期的矢量图数据可视化自主交通工具过程 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190507 Assignee: Apollo Zhixing Technology (Guangzhou) Co.,Ltd. Assignor: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. Contract record no.: X2022990000671 Denomination of invention: Speed planning method, device and storage medium for autonomous vehicle Granted publication date: 20210604 License type: Common License Record date: 20220919 |
|
| EE01 | Entry into force of recordation of patent licensing contract |