CN109739219A - 通行路径的规划方法、装置、设备及可读存储介质 - Google Patents

通行路径的规划方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN109739219A
CN109739219A CN201811483018.6A CN201811483018A CN109739219A CN 109739219 A CN109739219 A CN 109739219A CN 201811483018 A CN201811483018 A CN 201811483018A CN 109739219 A CN109739219 A CN 109739219A
Authority
CN
China
Prior art keywords
pass
current
optimal
candidate point
currently
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
Application number
CN201811483018.6A
Other languages
English (en)
Other versions
CN109739219B (zh
Inventor
杨凡
朱帆
朱伟铖
吕雷兵
马霖
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811483018.6A priority Critical patent/CN109739219B/zh
Publication of CN109739219A publication Critical patent/CN109739219A/zh
Priority to US16/704,005 priority patent/US11521495B2/en
Application granted granted Critical
Publication of CN109739219B publication Critical patent/CN109739219B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供了一种通行路径的规划方法、装置、设备及可读存储介质。该方法包括：获取车辆前方的当前道路环境数据；根据当前道路环境信息和行驶策略设置通行候选点；根据通行候选点确定当前最优可通行路径。根据当前道路环境信息和行驶策略设置通行候选点，进而根据通行候选点确定当前最优可通行路径，能够有效减少现有技术中直接在无人车前方的所有区域设置通行候选点，计算不可达通行路径的计算量，进而减少了通行路径规划的计算量，提高了通行路径的规划速度，并且在设置通行候选点时考虑了无人车的行驶策略，能够使规划出的路径能够很好的耦合行驶策略。

Description

通行路径的规划方法、装置、设备及可读存储介质
技术领域
本申请实施例涉及无人驾驶技术领域，尤其涉及一种通行路径的规划方法、装置、设备及可读存储介质。
背景技术
随着计算机技术和人工智能的发展，无人驾驶汽车(简称：无人车)在交通、军事、物流仓储、日常生活等方面具有广阔的应用前景。无人驾驶技术主要包括环境信息的感知，驾驶行为的智能决策，无碰撞路径的规划，以及车辆的运动控制等部分。路径规划是无人驾驶技术中关键的部分，其基于感知系统的环境数据，车辆需要在复杂的道路环境中基于一定的性能指标规划出一条安全可靠、从起始位置到目标位置的最短无碰撞路径。
现有的通行路径的规划方法主要为基于网格算法(英文为：Lattice)的规划方法，该方法在直接在无人车前方的所有区域均匀设置通行候选点，这些通行候选点可能设置在了前方障碍物上，然后计算各个通行路径，排除与障碍物碰触的不可达通行路径，在可达通行路径中选出最优通行路径。
现有技术的通行路径的规划方法，增加了不必要的不可达路径的计算，进而增加了通行路径规划的计算量，降低了通行路径的规划速度，并且在通行路径规划时并未考虑无人车的行驶策略，使规划出的路径不能很好的耦合行驶策略。
发明内容
本申请实施例提供一种通行路径的规划方法、装置、设备及可读存储介质。解决了现有技术中的通行路径的规划方法中，增加了不必要的不可达路径的计算，进而增加了通行路径规划的计算量，降低了通行路径的规划速度，并且在通行路径规划时并未考虑无人车的行驶策略，使规划出的路径不能很好的耦合行驶策略的技术问题。
本申请实施例第一方面提供一种通行路径的规划方法，包括：获取车辆前方的当前道路环境数据；根据所述当前道路环境信息和行驶策略设置通行候选点；根据所述通行候选点确定当前最优可通行路径。
本申请实施例第二方面提供一种通行路径的规划装置，包括：道路环境数据获取单元，用于获取车辆前方的当前道路环境数据；通行候选点设置单元，用于根据所述当前道路环境信息和行驶策略设置通行候选点；最优可通行路径确定单元，用于根据所述通行候选点确定当前最优可通行路径。
本申请实施例第三方面提供一种电子设备，包括：存储器，处理器以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如上述第一方面任一项所述的方法。
本申请实施例第四方面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如第一方面中任一项所述的方法。
基于以上各方面，本申请实施例通过获取车辆前方的当前道路环境数据；根据所述当前道路环境信息和行驶策略设置通行候选点；根据所述通行候选点确定当前最优可通行路径。根据当前道路环境信息和行驶策略设置通行候选点，进而根据通行候选点确定当前最优可通行路径，能够有效减少现有技术中直接在无人车前方的所有区域设置通行候选点，计算不可达通行路径的计算量，进而减少了通行路径规划的计算量，提高了通行路径的规划速度，并且在设置通行候选点时考虑了无人车的行驶策略，能够使规划出的路径能够很好的耦合行驶策略。
应当理解，上述申请内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
图1为本申请实施例提供的通行路径的规划方法的一种应用场景示意图；
图2为本申请实施例一提供的通行路径的规划方法的流程图；
图3为本申请实施例二提供的的通行路径的规划方法的流程图；
图4为本申请实施例二提供的通行路径的规划方法步骤305的流程图；
图5为本申请实施例二提供的通行路径的规划方法步骤305b的流程图；
图6为本申请实施例三提供的通行路径的规划方法的流程图；
图7为本申请实施例三提供的通行路径的规划方法步骤602的流程图；
图8为本申请实施例三提供的通行路径的规划方法步骤604的流程图；
图9为本申请实施例四提供的通行路径的规划装置的结构示意图；
图10为本申请实施例五提供的通行路径的规划装置的结构示意图；
图11为本申请实施例六提供的通行路径的规划装置的结构示意图；
图12为本申请实施例七提供的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。
本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请实施例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面对本申请实施例提供的通行路径的规划方法的应用场景进行介绍。图1为本申请实施例提供的通行路径的规划方法的一种应用场景图，如图1所示，本申请实施例提供的通行路径的规划方法的一种应用场景为：无人车行驶11在超低速的公路上的场景。速度范围可以为10km/h-20km/h。或其他速度范围。在无人车的感知装置对车辆前方的当前道路环境数据进行探测，探测出的当前道路环境数据可以包括：运动车辆障碍物信息和车道线信息等。当前运动车辆障碍物为运动车辆12，从感知装置获取到车辆前方的当前道路环境数据，根据当前道路环境信息和行驶策略设置通行候选点，行驶策略可以为跟车策略，超车策略等。则根据当前道路环境信息和行驶策略设置通行候选点时，可在运动车辆障碍物后侧的跟车区域和运动车辆障碍物左右两侧及前侧的超车区域内密集的设置通行候选点，在自由行驶空间区域内稀疏地设置候选点。最后根据通行候选点确定当前最优可通行路径。从多条通行路径131,132,133,134中选择当前最优可通行路径，当前最优可通行路径为133。本申请实施例提供的通行路径的规划方法根据当前道路环境信息和行驶策略设置通行候选点，进而根据通行候选点确定当前最优可通行路径，能够有效减少现有技术中直接在无人车前方的所有区域设置通行候选点，计算不可达通行路径的计算量，进而减少了通行路径规划的计算量，提高了通行路径的规划速度，并且在设置通行候选点时考虑了无人车的行驶策略，能够使规划出的路径能够很好的耦合行驶策略。
本申请实施例的应用场景还可以为在中低速的公路或高速公路进行通行路径的规划的应用场景，或其他应用场景，本实施例中对此不做限定。
以下将参照附图来具体描述本申请的实施例。
实施例一
图2为本申请实施例一提供的通行路径的规划方法的流程图，如图2所示，本申请实施例的执行主体为通行路径的规划装置，该通行路径的规划装置可以集成在电子设备中，电子设备可以位于无人车中。则本实施例提供的通行路径的规划方法包括以下几个步骤。
步骤201，获取车辆前方的当前道路环境数据。
具体地，本实施例中，无人车上设置有感知装置，感知装置可以为视频采集装置，激光雷达装置等，感知装置采集车辆前方的当前道路环境数据，通行路径的规划装置从感知装置中获取车辆前方的当前道路环境数据。
其中，当前道路环境数据可以包括：障碍物信息和车道线信息。
其中，障碍物信息可以为运动车辆障碍物信息，骑行人员信息等。车道线信息是各种车辆行驶道路线的信息。
步骤202，根据当前道路环境信息和行驶策略设置通行候选点。
本实施例中，行驶策略可以为跟车策略，超车策略等。
具体地，本实施例中，根据当前道路环境信息和行驶策略设置通行候选点可以为根据当前道路环境信息中的障碍物信息，车道线信息及行驶策略在运动车辆障碍物后侧的跟车区域和运动车辆障碍物左右两侧及前侧的超车区域内密集的设置通行候选点，在自由行驶空间区域内稀疏地设置候选点，能够在根据通行候选点计算可通行路径时，在跟车行为和超车行为的区域获得更多的可通行路径。
步骤203，根据通行候选点确定当前最优可通行路径。
具体地，本实施例中，可根据通行候选点确定出从当前起始位置到当前目标位置的多条可通行路径，每条可通行路径由从当前起始位置到当前目标位置的多个通行候选节点连接而成，从多条可通行路径中选择出当前最优可通行路径。在多条可通行路径中选择出当前最优可通行路径时可基于安全性考虑，也可基于舒适性考虑或者基于油耗量考虑，本实施例中对此不做限定。
本实施例提供的通行路径的规划方法，通过获取车辆前方的当前道路环境数据；根据当前道路环境信息和行驶策略设置通行候选点；根据通行候选点确定当前最优可通行路径。根据当前道路环境信息和行驶策略设置通行候选点，进而根据通行候选点确定当前最优可通行路径，能够有效减少现有技术中直接在无人车前方的所有区域设置通行候选点，计算不可达通行路径的计算量，进而减少了通行路径规划的计算量，提高了通行路径的规划速度，并且在设置通行候选点时考虑了无人车的行驶策略，能够使规划出的路径能够很好的耦合行驶策略。
实施例二
图3为本申请实施例二提供的通行路径的规划方法的流程图，如图3所示，本实施例提供的通行路径的规划方法，是在本申请实施例一提供的通行路径的规划方法的基础上，对步骤201-步骤203的进一步细化，并且还包括了输出当前最优可通行路径对应的行驶策略；按照当前最优可通行路径和对应的行驶策略控制车辆行驶的步骤，则本实施例提供的通行路径的规划方法包括以下步骤。
步骤301，获取车辆前方的当前道路环境数据。
进一步地，本实施例中，当前道路环境数据包括：运动车辆障碍物信息和车道线信息。
具体地，从感知装置获取的车辆前方的当前道路环境数据的障碍物信息包括运动车辆障碍物信息。
步骤302，在运动车辆障碍物后侧的跟车区域内按第一密度设置通行候选点。
其中，运动车辆障碍物后侧的跟车区域为在运动车辆障碍物后侧的大于或等于无人车大小的区域。
步骤303，在运动车辆障碍物左右两侧及前侧的超车区域内按第二密度设置通行候选点。
其中，运动车辆障碍物左右两侧的超车区域为在运动车辆障碍物左侧和/或右侧的大于或等于无人车大小的区域。运动车辆障碍物前侧的超车区域为在运动车辆障碍物前侧的大于或等于无人车大小的区域。
步骤304，在自由行驶空间区域内按第三密度设置通行候选点。
其中，自由行驶空间区域为在车道线内的远离运动车辆障碍物的大于或等于无人车大小的区域。
其中，第一密度大于第三密度，第二密度大于第三密度。
具体地，结合步骤302-步骤304进行说明，本实施例中，在运动车辆障碍物的后侧的跟车区域，运动车辆障碍物左右两侧及前侧的超车区域分别以第一密度和第二密度设置通行候选点，第一密度和第二密度的大小大于第三密度的大小，即在运动车辆障碍物的后侧的跟车区域，运动车辆障碍物左右两侧及前侧的超车区域高密度地设置通行候选点，而在自由行驶空间区域内按第三密度设置通行候选点，即在自由行驶空间区域内稀疏地设置通行候选点。
其中，第一密度可以等于第二密度，或第一密度大于或小于第二密度，本实施例中对此不做限定。
需要说明的是，步骤302-步骤304是对本申请实施例一中的步骤202的进一步地细化。
步骤305，根据通行候选点确定当前最优可通行路径。
进一步地，图4为本申请实施例二提供的通行路径的规划方法步骤305的流程图，如图4所示，本实施例中，步骤305包括以下几个步骤。
步骤305a，根据通行候选点计算多条当前可通行路径。
优选地，本实施例中，根据通行候选点计算多条当前可通行路径，具体为：
采用路径确定算法根据通行候选点计算多条当前可通行路径。
具体地，本实施例中，将通行候选点的信息输入到路径确定算法中，路径确定算法根据通行候选点信息计算出多条当前可通行路径。每条当前可通行路径包括前后连接的多个通行候选点。
其中，路径确定算法可以为网格算法或EM改进算法，或其他路径确定算法，本实施例中对此不做限定。
步骤305b，根据最优路径选择策略从多条当前可通行路径中确定当前最优可通行路径。
进一步地，图5为本申请实施例二提供的通行路径的规划方法步骤305b的流程图，如图5所示，本实施例中，步骤305b包括以下步骤：
步骤305b1，将多条当前可通行路径按照预设指标进行对比。
进一步地，预设指标包括以下指标的任意一种或多种：安全性指标、油耗量指标、舒适性指标。
具体地，本实施例中，首先确定最优路径选择策略中需要参考的预设指标，需要参考的指标可以为安全性指标、油耗量指标、舒适性指标的任意一种多种。然后计算每条当前可通行路径对应的预设指标的数值，若预设指标为多种，则预设指标的数值为各预设指标的加权和。最后将多条当前可通行路径按照预设指标进行对比。
其中，安全性指标至少包括：当前可通行路径与运动车辆障碍物和车道线的距离指标；油耗量指标至少包括：踏踩油门的次数；舒适性指标至少包括：当前可通行路径的曲率指标。
其中，若安全性指标包括：当前可通行路径与运动车辆障碍物和车道线的距离指标，则当前可通行路径与运动车辆障碍物的距离最满足对应的安全距离范围内，且当前可通行路径与车道线的距离最满足对应安全距离范围内，则安全性指标越优。若油耗量指标包括：踏踩油门的次数，则踩踏油门的次数越少，说明油耗量越少，油耗量指标越优。若舒适性指标为当前可通行路径的曲率指标，则当前可通行路径的曲率指标越平滑，说明离心力越小，则舒适性指标越优。
步骤305b2，从多条当前可通行路径中选择出预设指标最优的当前可通行路径作为当前最优可通行路径。
进一步地，本实施例中，若最优路径选择策略只包括了安全性指标，则根据多条当前可通行路径对应的安全性指标从多条当前可通行路径中确定当前最优可通行路径。其中，将安全性指标最优的当前可通行路径确定为当前最优可通行路径。
若最优路径选择策略只包括了油耗量指标，则根据多条当前可通行路径对应的油耗量指标从多条当前可通行路径中确定当前最优可通行路径。其中，将油耗量指标最优的当前可通行路径确定为当前最优可通行路径。
若最优路径选择策略只包括了舒适性指标，则根据多条当前可通行路径对应的舒适性指标从多条当前可通行路径中确定当前最优可通行路径，其中，将舒适性指标最优的当前可通行路径确定为当前最优可通行路径。
若最优路径选择策略包括了多种预设指标，则根据多条当前可通行路径对应的多种预设指标从多条当前可通行路径中确定当前最优可通行路径，在确定时，可将多种预设指标对应的数值进行归一化后加权求和，得到总的指标，将总的指标进行对比确定最优总指标，将最优总指标对应的当前可通行路径确定为当前最优可通行路径。
步骤306，输出当前最优可通行路径对应的行驶策略，按照当前最优可通行路径和对应的行驶策略控制车辆行驶。
进一步地，本实施例中，输出当前最优可通行路径对应的行驶策略，若当前最优可通行路径对应的行驶策略为跟车策略，则输出跟车策略，若当前最优可通行路径对应的行驶策略为超车策略，则输出超车策略。按照当前最优可通行路径和对应的行驶策略控制车辆行驶。若行驶策略为跟车策略，则控制车辆按照当前最优可通行路径进行跟车，若行驶策略为超车策略，则控制车辆按照当前最优可通行路径进行超车。
本实施例提供的通行路径的规划方法，通过获取车辆前方的当前道路环境数据，在运动车辆障碍物后侧的跟车区域内按第一密度设置通行候选点；在运动车辆障碍物左右两侧及前侧的超车区域内按第二密度设置通行候选点；在自由行驶空间区域内按第三密度设置通行候选点；其中，第一密度大于第三密度，第二密度大于第三密度，根据通行候选点确定当前最优可通行路径，输出当前最优可通行路径对应的行驶策略，按照当前最优可通行路径和对应的行驶策略控制车辆行驶，相较于本申请实施例一，能够将跟车策略，超车策略的行驶策略耦合在求解可通行路径中，能够使求解当前最优可通行路径的同时，求解出的当前可通行路径更是符合最优行驶策略的路径。无需在求解出当前最优可通行路径后再次决策更优选的行驶策略，提高了无人车的行驶决策能力。
实施例三
图6为本申请实施例三提供的通行路径的规划方法的流程图，如图6所示，本实施例提供的通行路径的规划方法，是在本申请实施例一提供的通行路径的规划方法的基础上，并对步骤201-步骤203的进一步细化，则本实施例提供的通行路径的规划方法包括以下步骤。
步骤601，获取车辆前方的当前道路环境数据。
进一步地，本实施例中，当前道路环境数据包括：运动车辆障碍物信息和车道线信息。
步骤602，根据当前道路环境信息确定当前可通行区域。
进一步地，本实施例中，图7为本申请实施例三提供的通行路径的规划方法步骤602的流程图，如图7所示，本实施例中，步骤602包括以下步骤
步骤602a，根据当前道路环境信息确定从当前起始位置到当前目标位置的多个当前可通行子区域。
进一步地，进一步地，根据当前道路环境信息中的车道线信息和运动车辆障碍物信息，在车道线内的当前起始位置到当前目标位置的区域内确定排除运动车辆障碍物的多个当前可通行子区域，每个当前可通行子区域可由大于或等于车占用面积的栅格构成。当前可通行子区域之间紧挨着排布。
步骤602b，根据从当前起始位置到当前目标位置依次排布的多个当前可通行子区域确定至少一个当前可通行区域。
进一步地，本实施例中，从当前起始位置到当前目标位置的车道线内可包括多个当前可通行区域，在确定每个当前可通行区域时，若从一个可通行子区域到达下一个可通行子区域时同时排布多个可通行子区域，则分叉出的每个下一个可通行子区域分出对应的当前可通行区域。多个当前可通行区域之间有共同的当前起始位置和当前目标位置。
步骤603，若当前可通行区域为多个，则根据最优区域选择策略在当前可通行区域中确定当前最优可通行区域。
进一步地，本实施例中，最优区域选择策略可以为在多个当前可通行区域中选择距离目标平均位置最近的当前可通行区域作为当前最优可通行区域，或者选择距离车道线边缘最远即位于最靠近车道中心的当前可通行区域作为最优可通行区域，或者为其他最优区域选择策略，本实施例中不做限定。
步骤604，根据行驶策略在当前最优可通行区域内设置通行候选点。
进一步地，本实施例中，图8为本申请实施例三提供的通行路径的规划方法步骤604的流程图，如图8所示，步骤604包括以下步骤。
步骤604a，在当前最优可通行区域的运动车辆障碍物后侧的跟车区域内按第一密度设置通行候选点。
步骤604b，在当前最优可通行区域的运动车辆障碍物左右两侧及前侧的超车区域内按第二密度设置通行候选点。
步骤604c，在当前最优可通行区域的自由行驶空间区域内按第三密度设置通行候选点。
其中，第一密度大于第三密度，第二密度大于第三密度。
具体地，结合步骤604a-步骤604c进行说明，本实施例中，在设置通行候选点时，为了缩小设置通行候选点的范围，都在当前最优可通行区域内设置通行候选点。进一步地，在当前最优可通行区域内的运动车辆障碍物的后侧的跟车区域，运动车辆障碍物左右两侧及前侧的超车区域分别以第一密度和第二密度设置通行候选点，第一密度和第二密度的大小大于第三密度的大小，即在当前最优可通行区域运动车辆障碍物的后侧的跟车区域，运动车辆障碍物左右两侧及前侧的超车区域高密度地设置通行候选点，而在当前最优可通行区域的自由行驶空间区域内按第三密度设置通行候选点，即在自由行驶空间区域内稀疏地设置通行候选点。
步骤605，根据通行候选点确定当前最优可通行路径。
步骤606，输出当前最优可通行路径对应的行驶策略，按照当前最优可通行路径和对应的行驶策略控制车辆行驶。
本实施例中，步骤605-步骤606的实现方式与本申请实施例一中的步骤305-步骤306的实现方式类似，在此不再一一赘述。
本实施例提供的通行路径的规划方法，通过获取车辆前方的当前道路环境数据，根据当前道路环境信息确定当前可通行区域，若当前可通行区域为多个，则根据最优区域选择策略在当前可通行区域中确定当前最优可通行区域，根据行驶策略在当前最优可通行区域内设置通行候选点，相较于本申请实施例一提供的通行路径的规划方法，在根据当前道路环境信息确定当前可通行区域后，从当前可通行区域中确定当前最优可通行区域，在最优可通行区域内设置通行候选点，并根据通行候选点计算当前最优通行路径，进一步减少了设置通行候选点的范围，进一步减少了不必要的当前通行路径的计算，进而进一步减少了通行路径规划的计算量，提高了通行路径的规划速度。
本实施例提供的通行路径的规划方法，在根据行驶策略在当前最优可通行区域内设置通行候选点时，在当前最优可通行区域的运动车辆障碍物后侧的跟车区域内按第一密度设置通行候选点，在当前最优可通行区域的运动车辆障碍物左右两侧及前侧的超车区域内按第二密度设置通行候选点，在当前最优可通行区域的自由行驶空间区域内按第三密度设置通行候选点，能够根据无人车的行驶策略区别性地设置通行候选点，能够将跟车策略，超车策略的行驶策略耦合在求解可通行路径中，能够使求解当前最优可通行路径的同时，求解出的当前可通行路径更是符合最优行驶策略的路径。无需在求解出当前最优可通行路径后再次决策更优选的行驶策略，提高了无人车的行驶决策能力。
实施例四
图9为本申请实施例四提供的通行路径的规划装置的结构示意图，如图9所示，本实施例提供的通行路径的规划装置包括：道路环境数据获取单元91，通行候选点设置单元92及最优可通行路径确定单元93。
其中，道路环境数据获取单元91，用于获取车辆前方的当前道路环境数据。通行候选点设置单元92，用于根据当前道路环境信息和行驶策略设置通行候选点。最优可通行路径确定单元93，用于根据通行候选点确定当前最优可通行路径。
本实施例提供的通行路径的规划装置可以执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
实施例五
图10为本申请实施例五提供的通行路径的规划装置的结构示意图，如图10所示，本实施例提供的通行路径的规划装置在本申请实施例四提供的通行路径的规划装置的基础上，进一步地，还包括：行驶策略输出单元1001，车辆行驶控制单元1002。
进一步地，通行候选点设置单元92具体包括：第一候选点设置模块92a，第二候选点设置模块92b及第三候选点设置模块92c。
其中，第一候选点设置模块92a，用于在运动车辆障碍物后侧的跟车区域内按第一密度设置通行候选点。第二候选点设置模块92b，用于在运动车辆障碍物左右两侧及前侧的超车区域内按第二密度设置通行候选点。第三候选点设置模块92c，用于在自由行驶空间区域内按第三密度设置通行候选点；其中，第一密度大于第三密度，第二密度大于第三密度。
进一步地，最优可通行路径确定单元93，具体包括：当前可通行路径计算模块93a和最优可通行路径确定模块93b。
其中，当前可通行路径计算模块93a，用于根据通行候选点计算多条当前可通行路径。最优可通行路径确定模块93b，用于根据最优路径选择策略从多条当前可通行路径中确定当前最优可通行路径。
进一步地，当前可通行路径计算模块93a，具体用于采用路径确定算法根据通行候选点计算多条当前可通行路径。
进一步地，最优可通行路径确定模块93b，具体用于将多条当前可通行路径按照预设指标进行对比；从多条当前可通行路径中选择出预设指标最优的当前可通行路径作为当前最优可通行路径。
其中，预设指标包括以下指标的任意一种或多种：安全性指标、油耗量指标、舒适性指标。
进一步地，行驶策略输出单元1001，用于输出当前最优可通行路径对应的行驶策略。车辆行驶控制单元1002，用于按照当前最优可通行路径和对应的行驶策略控制车辆行驶。
本实施例提供的通行路径的规划装置可以执行图3-图5所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
实施例六
图11为本申请实施例六提供的通行路径的规划装置的结构示意图，如图11所示，本实施例提供的通行路径的规划装置在本申请实施例四提供的通行路径的规划装置的基础上，进一步地，还包括：行驶策略输出单元1001，车辆行驶控制单元1002及最优可通行区域确定单元1101。
进一步地，通行候选点设置单元92具体包括：可通行区域确定模块92d，候选点设置模块92e。
其中，可通行区域确定模块92d，用于根据道路环境信息确定当前可通行区域。候选点设置模块92e，用于根据行驶策略在当前可通行区域内设置通行候选点。
进一步地，最优可通行区域确定单元1101，用于若当前可通行区域为多个，则根据最优区域选择策略在当前可通行区域中确定当前最优可通行区域。相应地，候选点设置模块92e，具体用于根据行驶策略在当前最优可通行区域内设置通行候选点。
进一步地，当前道路环境信息包括：运动车辆障碍物信息和车道线信息；候选点设置模块92e，具体用于在当前最优可通行区域的运动车辆障碍物后侧的跟车区域内按第一密度设置通行候选点；在当前最优可通行区域的运动车辆障碍物左右两侧及前侧的超车区域内按第二密度设置通行候选点；在当前最优可通行区域的自由行驶空间区域内按第三密度设置通行候选点；其中，第一密度大于第三密度，第二密度大于第三密度。
进一步地，可通行区域确定模块92d，具体用于根据当前道路环境信息确定从当前起始位置到当前目标位置的多个当前可通行子区域；根据从当前起始位置到当前目标位置依次排布的多个当前可通行子区域确定至少一个当前可通行区域。
进一步地，最优可通行路径确定单元93，具体包括：当前可通行路径计算模块93a和最优可通行路径确定模块93b。
其中，当前可通行路径计算模块93a，用于根据通行候选点计算多条当前可通行路径。最优可通行路径确定模块93b，用于根据最优路径选择策略从多条当前可通行路径中确定当前最优可通行路径。
进一步地，当前可通行路径计算模块93a，具体用于采用路径确定算法根据通行候选点计算多条当前可通行路径。
进一步地，最优可通行路径确定模块93b，具体用于将多条当前可通行路径按照预设指标进行对比；从多条当前可通行路径中选择出预设指标最优的当前可通行路径作为当前最优可通行路径。
其中，预设指标包括以下指标的任意一种或多种：安全性指标、油耗量指标、舒适性指标。
进一步地，行驶策略输出单元1001，用于输出当前最优可通行路径对应的行驶策略。车辆行驶控制单元1002，用于按照当前最优可通行路径和对应的行驶策略控制车辆行驶。
本实施例提供的通行路径的规划装置可以执行图6-图8所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
实施例七
图12为本申请实施例七提供的电子设备的结构示意图，如图12所示，本实施例提供的电子设备包括：存储器1201，处理器1202以及计算机程序。
其中，计算机程序存储在存储器1201中，并被配置为由处理器1202执行以实现如本申请实施例一提供的通行路径的规划方法或本申请实施例二提供的通行路径的规划方法。
相关说明可以对应参见图1至图8所对应的相关描述进行理解，此处不做过多赘述。
本实施例提供的电子设备包括：存储器，处理器以及计算机程序。其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现如本申请实施例一至本申请实施例三任一实施例提供的通行路径的规划方法。根据当前道路环境信息和行驶策略设置通行候选点，进而根据通行候选点确定当前最优可通行路径，能够有效减少现有技术中直接在无人车前方的所有区域设置通行候选点，计算不可达通行路径的计算量，进而减少了通行路径规划的计算量，提高了通行路径的规划速度，并且在设置通行候选点时考虑了无人车的行驶策略，能够使规划出的路径能够很好的耦合行驶策略。
实施例六
本申请实施例六提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本申请实施例一至本申请实施例三任一实施例提供的通行路径的规划方法。
本实施例提供的计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本申请实施例一至本申请实施例三任一实施例提供的通行路径的规划方法。根据当前道路环境信息和行驶策略设置通行候选点，进而根据通行候选点确定当前最优可通行路径，能够有效减少现有技术中直接在无人车前方的所有区域设置通行候选点，计算不可达通行路径的计算量，进而减少了通行路径规划的计算量，提高了通行路径的规划速度，并且在设置通行候选点时考虑了无人车的行驶策略，能够使规划出的路径能够很好的耦合行驶策略。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (14)

1.一种通行路径的规划方法，其特征在于，包括：
获取车辆前方的当前道路环境数据；
根据所述当前道路环境信息和行驶策略设置通行候选点；
根据所述通行候选点确定当前最优可通行路径。
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前道路环境信息和行驶策略设置通行候选点，具体包括：
根据所述道路环境信息确定当前可通行区域；
根据所述行驶策略在所述当前可通行区域内设置通行候选点。
3.根据权利要求2所述的方法，其特征在于，所述根据所述道路环境信息确定当前可通行区域之后，还包括：
若所述当前可通行区域为多个，则根据最优区域选择策略在所述当前可通行区域中确定当前最优可通行区域；
相应地，所述根据所述行驶策略在所述当前可通行区域内设置通行候选点，具体为：
根据所述行驶策略在所述当前最优可通行区域内设置通行候选点。
4.根据权利要求3所述的方法，其特征在于，所述当前道路环境信息包括：运动车辆障碍物信息和车道线信息；
所述根据所述行驶策略在所述当前最优可通行区域内设置通行候选点，具体包括：
在所述当前最优可通行区域的运动车辆障碍物后侧的跟车区域内按第一密度设置通行候选点；
在所述当前最优可通行区域的运动车辆障碍物左右两侧及前侧的超车区域内按第二密度设置通行候选点；
在所述当前最优可通行区域的自由行驶空间区域内按第三密度设置通行候选点；
其中，所述第一密度大于所述第三密度，所述第二密度大于所述第三密度。
5.根据权利要求2所述的方法，其特征在于，所述根据所述道路环境信息确定当前可通行区域，具体包括：
根据所述当前道路环境信息确定从当前起始位置到当前目标位置的多个当前可通行子区域；
根据从当前起始位置到当前目标位置依次排布的多个当前可通行子区域确定至少一个当前可通行区域。
6.根据权利要求1所述的方法，其特征在于，所述当前道路环境信息包括：运动车辆障碍物信息和车道线信息；
所述根据所述当前道路环境信息和行驶策略设置通行候选点，具体包括：
在运动车辆障碍物后侧的跟车区域内按第一密度设置通行候选点；
在运动车辆障碍物左右两侧及前侧的超车区域内按第二密度设置通行候选点；
在自由行驶空间区域内按第三密度设置通行候选点；
其中，所述第一密度大于所述第三密度，所述第二密度大于所述第三密度。
7.根据权利要求1-6任一项所述的方法，所述根据所述通行候选点确定当前最优可通行路径，具体包括：
根据所述通行候选点计算多条当前可通行路径；
根据最优路径选择策略从所述多条当前可通行路径中确定当前最优可通行路径。
8.根据权利要求7所述的方法，其特征在于，所述根据所述通行候选点计算多条当前可通行路径，具体为：
采用路径确定算法根据通行候选点计算多条当前可通行路径。
9.根据权利要求7所述的方法，其特征在于，所述根据最优路径选择策略从所述多条当前可通行路径中确定当前最优可通行路径，具体包括：
将多条当前可通行路径按照预设指标进行对比；
从多条当前可通行路径中选择出预设指标最优的当前可通行路径作为所述当前最优可通行路径。
10.根据权利要求9所述的方法，其特征在于，所述预设指标包括以下指标的任意一种或多种：
安全性指标、油耗量指标、舒适性指标。
11.根据权利要求9所述的方法，其特征在于，所述从多条当前可通行路径中选择出预设指标最优的当前可通行路径作为所述当前最优可通行路径之后，还包括：
输出所述当前最优可通行路径对应的行驶策略；
按照所述当前最优可通行路径和对应的行驶策略控制车辆行驶。
12.一种通行路径的规划装置，其特征在于，包括：
道路环境数据获取单元，用于获取车辆前方的当前道路环境数据；
通行候选点设置单元，用于根据所述当前道路环境信息和行驶策略设置通行候选点；
最优可通行路径确定单元，用于根据所述通行候选点确定当前最优可通行路径。
13.一种电子设备，其特征在于，包括：存储器，处理器以及计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-11中任一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行如权利要求1-11中任一项所述的方法。
CN201811483018.6A 2018-12-05 2018-12-05 通行路径的规划方法、装置、设备及可读存储介质 Active CN109739219B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811483018.6A CN109739219B (zh) 2018-12-05 2018-12-05 通行路径的规划方法、装置、设备及可读存储介质
US16/704,005 US11521495B2 (en) 2018-12-05 2019-12-05 Method, apparatus, device and readable storage medium for planning pass path

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811483018.6A CN109739219B (zh) 2018-12-05 2018-12-05 通行路径的规划方法、装置、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN109739219A true CN109739219A (zh) 2019-05-10
CN109739219B CN109739219B (zh) 2022-02-11

Family

ID=66359151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811483018.6A Active CN109739219B (zh) 2018-12-05 2018-12-05 通行路径的规划方法、装置、设备及可读存储介质

Country Status (2)

Country Link
US (1) US11521495B2 (zh)
CN (1) CN109739219B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111486861A (zh) * 2020-04-21 2020-08-04 百度在线网络技术（北京）有限公司 一种路径规划方法、装置、设备和介质
CN111724598A (zh) * 2020-06-29 2020-09-29 北京百度网讯科技有限公司 用于规划路径的方法、装置、设备以及存储介质
CN112644487A (zh) * 2021-01-07 2021-04-13 广州小鹏自动驾驶科技有限公司 一种自动驾驶的方法和装置
CN112824198A (zh) * 2019-11-21 2021-05-21 北京京东乾石科技有限公司 一种轨迹决策方法、装置、设备和存储介质
CN113124891A (zh) * 2021-04-20 2021-07-16 东软睿驰汽车技术（沈阳）有限公司 一种行驶路径规划方法及相关装置
CN113191521A (zh) * 2020-01-14 2021-07-30 北京京邦达贸易有限公司 路径规划方法、装置及计算机可读存储介质
CN113741412A (zh) * 2020-05-29 2021-12-03 杭州海康威视数字技术股份有限公司 自动驾驶设备的控制方法、装置及存储介质
WO2022062653A1 (zh) * 2020-09-25 2022-03-31 灵动科技（北京）有限公司 行驶和停靠方法、装置、设备和存储介质
CN114383615A (zh) * 2021-12-02 2022-04-22 广东嘉腾机器人自动化有限公司 Agv系统的路径规划方法、系统、设备及介质
CN114450556A (zh) * 2019-08-31 2022-05-06 华为技术有限公司 路径规划方法及装置

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396228A (zh) * 2020-11-16 2021-02-23 西安宇视信息科技有限公司 目标路径确定方法、装置、电子设备及介质
CN112937570B (zh) * 2021-02-20 2022-11-22 福瑞泰克智能系统有限公司 一种行驶路径的确定方法、装置、设备及车辆
CN113065274A (zh) * 2021-05-08 2021-07-02 江南大学 车辆路径的规划方法、装置、终端及可读存储介质
CN113759926B (zh) * 2021-09-18 2023-06-02 吉林大学 一种基于汽车油耗的路径规划方法
CN117010578A (zh) * 2022-08-22 2023-11-07 云创智行科技(苏州)有限公司 一种无人清扫任务动态规划方法及云端服务器
CN117073709B (zh) * 2023-10-17 2024-01-16 福瑞泰克智能系统有限公司 路径规划方法、装置、计算机设备以及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833702A (zh) * 2010-01-18 2010-09-15 吉林大学 一种基于行人可视范围的导航点动态更换方法
CN103278164A (zh) * 2013-06-13 2013-09-04 北京大学深圳研究生院 一种复杂动态场景下机器人仿生路径规划方法及仿真平台
CN103699136A (zh) * 2014-01-14 2014-04-02 河海大学常州校区 基于蛙跳算法的智能家庭服务机器人系统及服务方法
CN103760904A (zh) * 2014-02-13 2014-04-30 北京工业大学 一种语音播报式智能车辆路径规划装置与实施方法
CN104914870A (zh) * 2015-07-08 2015-09-16 中南大学 基于岭回归超限学习机的户外机器人局部路径规划方法
CN105091884A (zh) * 2014-05-08 2015-11-25 东北大学 基于传感器网络动态环境监测的室内移动机器人路径规划方法
US20170072565A1 (en) * 2014-05-05 2017-03-16 Georgia Tech Research Corporation Control of Swarming Robots
CN107037812A (zh) * 2017-03-31 2017-08-11 南京理工大学 一种基于仓储无人车的车辆路径规划方法
CN107843267A (zh) * 2017-10-25 2018-03-27 广州汽车集团股份有限公司 施工路段无人驾驶车辆的路径生成方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6558239B2 (ja) * 2015-12-22 2019-08-14 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
CN111886477B (zh) * 2018-03-30 2024-04-26 日立安斯泰莫株式会社 车辆控制装置
JP7163614B2 (ja) * 2018-05-07 2022-11-01 トヨタ自動車株式会社 運転支援装置、プログラム、及び制御方法
WO2020008227A1 (ja) * 2018-07-04 2020-01-09 日産自動車株式会社 運転支援方法及び運転支援装置
CN109784526B (zh) * 2018-12-05 2023-02-28 阿波罗智能技术(北京)有限公司 通行路径的规划方法、装置、设备及可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101833702A (zh) * 2010-01-18 2010-09-15 吉林大学 一种基于行人可视范围的导航点动态更换方法
CN103278164A (zh) * 2013-06-13 2013-09-04 北京大学深圳研究生院 一种复杂动态场景下机器人仿生路径规划方法及仿真平台
CN103699136A (zh) * 2014-01-14 2014-04-02 河海大学常州校区 基于蛙跳算法的智能家庭服务机器人系统及服务方法
CN103760904A (zh) * 2014-02-13 2014-04-30 北京工业大学 一种语音播报式智能车辆路径规划装置与实施方法
US20170072565A1 (en) * 2014-05-05 2017-03-16 Georgia Tech Research Corporation Control of Swarming Robots
CN105091884A (zh) * 2014-05-08 2015-11-25 东北大学 基于传感器网络动态环境监测的室内移动机器人路径规划方法
CN104914870A (zh) * 2015-07-08 2015-09-16 中南大学 基于岭回归超限学习机的户外机器人局部路径规划方法
CN107037812A (zh) * 2017-03-31 2017-08-11 南京理工大学 一种基于仓储无人车的车辆路径规划方法
CN107843267A (zh) * 2017-10-25 2018-03-27 广州汽车集团股份有限公司 施工路段无人驾驶车辆的路径生成方法及装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114450556A (zh) * 2019-08-31 2022-05-06 华为技术有限公司 路径规划方法及装置
CN112824198A (zh) * 2019-11-21 2021-05-21 北京京东乾石科技有限公司 一种轨迹决策方法、装置、设备和存储介质
CN113191521A (zh) * 2020-01-14 2021-07-30 北京京邦达贸易有限公司 路径规划方法、装置及计算机可读存储介质
CN113191521B (zh) * 2020-01-14 2023-11-07 北京京邦达贸易有限公司 路径规划方法、装置及计算机可读存储介质
CN111486861A (zh) * 2020-04-21 2020-08-04 百度在线网络技术（北京）有限公司 一种路径规划方法、装置、设备和介质
CN113741412A (zh) * 2020-05-29 2021-12-03 杭州海康威视数字技术股份有限公司 自动驾驶设备的控制方法、装置及存储介质
CN113741412B (zh) * 2020-05-29 2023-09-01 杭州海康威视数字技术股份有限公司 自动驾驶设备的控制方法、装置及存储介质
CN111724598B (zh) * 2020-06-29 2022-04-05 北京百度网讯科技有限公司 用于自动驾驶规划路径的方法、装置、设备以及存储介质
CN111724598A (zh) * 2020-06-29 2020-09-29 北京百度网讯科技有限公司 用于规划路径的方法、装置、设备以及存储介质
WO2022062653A1 (zh) * 2020-09-25 2022-03-31 灵动科技（北京）有限公司 行驶和停靠方法、装置、设备和存储介质
CN112644487A (zh) * 2021-01-07 2021-04-13 广州小鹏自动驾驶科技有限公司 一种自动驾驶的方法和装置
CN113124891A (zh) * 2021-04-20 2021-07-16 东软睿驰汽车技术（沈阳）有限公司 一种行驶路径规划方法及相关装置
CN114383615A (zh) * 2021-12-02 2022-04-22 广东嘉腾机器人自动化有限公司 Agv系统的路径规划方法、系统、设备及介质

Also Published As

Publication number Publication date
US20200184824A1 (en) 2020-06-11
US11521495B2 (en) 2022-12-06
CN109739219B (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
CN109739219A (zh) 通行路径的规划方法、装置、设备及可读存储介质
CN109784526A (zh) 通行路径的规划方法、装置、设备及可读存储介质
CN106874597B (zh) 一种应用于自动驾驶车辆的高速公路超车行为决策方法
CN106023344B (zh) 基于驾驶模式转换概率的驾驶风格估计方法
CN112560656B (zh) 一种联合注意力机制端到端训练的行人多目标跟踪方法
Scheel et al. Attention-based lane change prediction
CN109733415A (zh) 一种基于深度强化学习的拟人化自动驾驶跟驰模型
CN106971194A (zh) 一种基于改进hmm和svm双层算法的驾驶意图识别方法
CN111930110A (zh) 一种结合社会生成对抗网络的意图轨迹预测方法
CN107521501A (zh) 基于博弈论的驾驶员辅助系统决策方法、系统及其他
CN109726804A (zh) 一种基于行车预测场和bp神经网络的智能车辆驾驶行为拟人化决策方法
CN110182217A (zh) 一种面向复杂超车场景的行驶任务复杂度量化评估方法
CN114675742B (zh) 一种面向高度自动驾驶的人机决策逻辑在线校验方法
CN112242059A (zh) 基于动机与风险评估的无人驾驶车辆智能决策方法
JP6011788B2 (ja) 車両用制御装置
CN111645673B (zh) 一种基于深度强化学习的自动泊车方法
CN110490275A (zh) 一种基于迁移学习的驾驶行为预测方法
Chen et al. A conflict decision model based on game theory for intelligent vehicles at urban unsignalized intersections
Mase et al. Capturing uncertainty in heavy goods vehicles driving behaviour
CN115923833A (zh) 车辆的拟人化决策控制方法、装置、车辆及存储介质
Wang et al. A survey on datasets for the decision making of autonomous vehicles
Lu et al. Decision-making method of autonomous vehicles in urban environments considering traffic laws
Yun et al. Parallelized and randomized adversarial imitation learning for safety-critical self-driving vehicles
Bao et al. Data-Driven Risk-Sensitive Control for Personalized Lane Change Maneuvers
Zhancheng Research on application of deep reinforcement learning in traffic signal control

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211021

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant