CN109855637A - 一种车辆的自动驾驶路径规划方法、装置及设备 - Google Patents
一种车辆的自动驾驶路径规划方法、装置及设备 Download PDFInfo
- Publication number
- CN109855637A CN109855637A CN201811581811.XA CN201811581811A CN109855637A CN 109855637 A CN109855637 A CN 109855637A CN 201811581811 A CN201811581811 A CN 201811581811A CN 109855637 A CN109855637 A CN 109855637A
- Authority
- CN
- China
- Prior art keywords
- tracing point
- lane
- vehicle
- path
- crucial
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种车辆的自动驾驶路径规划方法、装置及设备,该车辆的自动驾驶路径规划方法包括:获取车辆所处位置的道路信息;根据所述道路信息,在所述车辆的前方建立m行n列关键轨迹点,其中m、n均为正整数;对所述关键轨迹点进行全连接,得到多条备选行驶路径;根据每条备选行驶路径的路径信息,从所述备选行驶路径中选择出规划路径。本发明根据道路信息,在车辆前方建立了多个关键轨迹点,并通过全连接的方式得到多条车辆可行驶的备选行驶路径,然后在多条备选行驶路径中选择出规划路径作为最佳备选行驶路径,供车辆行驶。
Description
技术领域
本发明涉及路径规划领域,特别涉及一种车辆的自动驾驶路径规划方法、装置及设备。
背景技术
自动驾驶在车辆上的应用,极大的提升了车辆的智能化,并且方便了人们的生活。目前车辆上的自动驾驶系统分为感知、行为决策、轨迹规划、车辆控制等部分,其中轨迹规划包括全局轨迹规划和局部轨迹规划。全局路径决定了车辆从驾驶起点到驾驶目的地的道路级信息,并且全局轨迹规划的技术方案已经比较成熟。
车辆具体行驶的车道级轨迹信息需要局部轨迹规划来输出。局部轨迹规划目前业内并没有统一的、成熟的技术方案,不同的局部轨迹规划技术方案所规划出的行驶路径存在不同的优缺点,无法同时适应不同的道路场景,例如无法同时适用于低速园区、城市道路、高速公路/城市快速度等不同的主流自动驾驶场景。
发明内容
本发明提供了一种车辆的自动驾驶路径规划方法、装置及设备,用以解决现有技术中局部轨迹规划技术方案无法同时适应不同道路场景的问题。
为了解决上述技术问题,本发明采用如下技术方案:
依据本发明的一个方面,提供了一种车辆的自动驾驶路径规划方法,包括:
获取车辆所处位置的道路信息;
根据所述道路信息,在所述车辆的行驶方向上建立m行n列关键轨迹点,其中m、n均为正整数;
对所述关键轨迹点进行全连接,得到多条备选行驶路径;
根据每条备选行驶路径的路径信息,从所述备选行驶路径中根据安全性、经济性、舒适性的权重系数选择出规划路径;
对规划路径的多个关键轨迹点进行路径平滑连接的优化。
进一步地,所述道路信息包括:车道数量以及车道场景。
进一步地,所述根据所述道路信息,在所述车辆的行驶方向上建立m行n列关键轨迹点的步骤包括:
根据所述车道场景,确定间隔距离;
获取所述车辆前方间隔距离内的第一障碍物信息,并根据所述第一障碍物信息,建立第一行关键轨迹点;
根据预设规则在所述第一行关键轨迹点前方建立m-1行关键轨迹点,得到m行关键轨迹点;
根据所述车道数量以及车道场景,确定每行关键轨迹点中的关键轨迹点数量n;
根据所述m行关键轨迹点以及每行关键轨迹点中的关键轨迹点数量n,得到m行n列关键轨迹点。
进一步地,所述根据所述第一障碍物信息,建立第一行关键轨迹点的步骤包括:
若所述第一障碍物信息指示所述车辆前方间隔距离内存在第一障碍物,则对应所述第一障碍物建立第一行关键轨迹点;
若所述第一障碍物信息指示所述车辆前方间隔距离内不存在第一障碍物,则在所述车辆前方间隔距离处建立第一行关键轨迹点。
进一步地,所述预设规则包括:
若当前行关键轨迹点前方间隔距离内存在第二障碍物,则对应所述第二障碍物建立下一行关键轨迹点;
若当前行关键轨迹点前方间隔距离内不存在第二障碍物,则在当前行关键轨迹点前方间隔距离处建立下一行关键轨迹点。
进一步地,所述根据所述车道数量以及车道场景,确定每行关键轨迹点中的关键轨迹点数量n的步骤包括:
若所述车道场景为第一车道场景,则每行关键轨迹点中的关键轨迹点数量n等于第一预设值;
若所述车道场景为第二车道场景,并且所述车道数量为1时,则每行关键轨迹点中的关键轨迹点数量n等于第二预设值;
若所述车道场景为第二车道场景,并且所述车道数量大于1时,则每行关键轨迹点中的关键轨迹点数量n等于所述车道数量;
若所述车道场景为第三车道场景,并且所述车道数量为1时,则每行关键轨迹点中的关键轨迹点数量n等于第三预设值;
若所述车道场景为第三车道场景,并且所述车道数量大于1时,则每行关键轨迹点中的关键轨迹点数量n等于所述车道数量;
其中所述第一车道场景、第二车道场景以及第三车道场景为不同的车道场景。
进一步地,所述根据每条备选行驶路径的路径信息,从所述备选行驶路径中根据安全性、经济性、舒适性的权重系数选择出规划路径的步骤包括:
获取每条所述备选行驶路径的路径信息,其中所述路径信息包括:所述备选行驶路径上的障碍物数量、所述备选行驶路径的路径长度以及所述备选行驶路径上所有关键轨迹点处的横向角偏差之和;
根据优选值计算公式,计算得到每条备选行驶路径的优选值;
其中,优选值=障碍物数量×安全性的权重系数+路径长度×经济性的权重系数+横向角偏差之和×舒适性的权重系数;
选择数值最小的优选值对应的备选行驶路径作为规划路径。
进一步地,所述对规划路径的多个关键轨迹点进行路径平滑连接的优化的步骤包括:
采用样条曲线在规划路径上每个关键轨迹点处进行平滑处理。
进一步地,当m=3,n=3时,采用三次样条曲线微分表达式在规划路径上每个关键轨迹点处进行平滑处理;
其中三次样条曲线微分表达式为:
Si(x)=ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3
S′i=bi+2ci(x-xi)+3di(x-xi)2
S″i=2ci+6di(x-xi)
其中i=1,2,3;ai、bi、ci、di为待求系数,xi为线段上关键轨迹点横坐标,Si(x)为线段纵坐标计算值,x为线段横坐标取值。S′i为Si(x)的一阶求导,S″i为Si(x)的二阶求导。
依据本发明的又一个方面,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上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的车辆的自动驾驶路径规划方法的步骤。
本发明的有益效果是:
上述技术方案,根据车辆所处位置的道路信息,在车辆行驶方向上建立了m行n列关键轨迹点,并通过全连接的方式得到多条车辆可行驶的备选行驶路径,然后根据每条备选行驶路径的路径信息,在多条备选行驶路径中选择出规划路径作为最佳备选行驶路径,并对规划路径的多个关键轨迹点进行路径平滑连接的优化,供车辆行驶,可以实现自动驾驶系统中的局部轨迹规划。
附图说明
图1表示本发明实施例提供的一种车辆的自动驾驶路径规划方法示意图;
图2表示本发明实施例提供的关键轨迹点建立示意图;
图3表示本发明实施例提供的规划路径选择示意图;
图4表示本发明实施例提供的一种车辆的自动驾驶路径规划方法应用示意图;
图5表示本发明实施例提供的一种车辆的自动驾驶路径规划装置示意图;
图6表示本发明实施例提供的关键轨迹点模块示意图;
图7表示本发明实施例提供的选择模块示意图。
附图标记说明:
41、障碍物;42、关键轨迹点;43、车辆;44、中心线;51、获取模块;52、关键轨迹点模块;521、距离单元;522、第一关键轨迹点单元;523、第二关键轨迹点单元;524、第三关键轨迹点单元;525、第四关键轨迹点单元;53、路径模块;54、选择模块;541、获取单元;542、计算单元;543、选择单元;55、平滑处理模块。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示,本发明实施例提供了一种车辆的自动驾驶路径规划方法,该车辆的自动驾驶路径规划方法包括:
S11:获取车辆所处位置的道路信息;
应当说明的是,道路信息包括:车道数量以及车道场景,其中车道数量为符合交通规则情况下,车辆可行驶的车道的数量,例如车辆前方的道路中存在多条车道,但车道之间不允许变道,则车道数量为1。车道场景包括多种不同的场景,例如低速园区、城市道路、高速道路等,但不限于此。
S12:根据道路信息,在车辆的行驶方向上建立m行n列关键轨迹点,其中m、n均为正整数;
应当说明的是,m行n列的关键轨迹点可以组成一个m行n列的矩阵,矩阵中每个元素对应一个关键轨迹点,并且每个关键轨迹点具有不同的坐标,通过每个关键轨迹点的坐标可以计算出关键轨迹点之间的距离;较佳的每行关键轨迹点均垂直于车道。M和n的具体数值可以根据经验自行设定,通常m为大于或者等于3的正整数,例如m等于3或5;n为大于或者等于3的正整数,较佳的,n的具体数值可以根据车道数量决定,但不限于此。
S13:对关键轨迹点进行全连接,得到多条备选行驶路径;
应当说明的是,可以根据BP(反向传播,Back Propagation)神经网络架构中的全连接,对m行n列关键轨迹点进行全连接,可以得到nm条备选行驶路径。
S14:根据每条备选行驶路径的路径信息,从备选行驶路径中根据安全性、经济性、舒适性的权重系数选择出规划路径;
应当说明的是,路径信息包括备选行驶路径的长度等,但不限于此。安全性的权重系数、经济性的权重系数以及舒适性的权重系数可以相同或者不同,较佳的,可以根据用户的偏好进行设置。
S15:对规划路径的多个关键轨迹点进行路径平滑连接的优化。
应当说明的是,规划路径上包括多个关键轨迹点,相邻两个关键轨迹点之间连接而成线段,所以规划路径由多个线段组成。通过平滑连接的优化,将相邻两个线段之间进行平滑连接,从而将规划路径处理为间隔较小、曲率平滑连续且有序的点序列,使得车辆按处理之后的点序列进行行驶,其中点序列中相邻点之间的间隔小于等于1m。
本发明实施例中,根据车辆所处位置的道路信息,在车辆前方建立了m行n列关键轨迹点,并通过全连接的方式得到多条车辆可行驶的备选行驶路径,然后根据每条备选行驶路径的路径信息,在多条备选行驶路径中选择出规划路径作为最佳备选行驶路径,并对规划路径的多个关键轨迹点进行路径平滑连接的优化,供车辆行驶,可以实现自动驾驶系统中的局部轨迹规划。
如图2所示,在上述发明实施例的基础上,本发明实施例中,根据道路信息,在车辆的行驶方向上建立m行n列关键轨迹点的步骤包括:
S21:根据车道场景,确定间隔距离;
应当说明的是,由于车辆在不同车道场景下,具有不同的行驶速度;例如在低速园区中行驶速度很小,在高速道路中行驶速度很大。为了更好的控制车辆适应不同的车道场景,因此需要根据车道场景设置相邻两行关键轨迹点之间的间隔距离。通常不同车道场景下,车辆的行驶速度越大,则间隔距离越大,例如低速园区下的间隔距离小于高速道路下的间隔距离。而间隔距离的具体数值可以根据经验确定。
S22:获取车辆前方间隔距离内的第一障碍物信息,并根据第一障碍物信息,建立第一行关键轨迹点;
应当说明的是,若车辆前方存在障碍物,将可能威胁车辆的安全行驶,其中障碍物可以为车辆、行人或其它可能出现在车道上并影响车辆正常行驶的物体。为适应车辆前方存在障碍物和不存在障碍物两种行车场景,较佳的,根据第一障碍物信息,建立第一行关键轨迹点的步骤包括:
若第一障碍物信息指示车辆前方间隔距离内存在第一障碍物,则对应第一障碍物建立第一行关键轨迹点;
若第一障碍物信息指示车辆前方间隔距离内不存在第一障碍物,则在车辆前方间隔距离处建立第一行关键轨迹点。
本发明实施例通过在障碍物处设立关键轨迹点,可以避免将关键轨迹点设立在障碍物前方时,导致障碍物出现在车辆的备选行驶路径上。
S23:根据预设规则在第一行关键轨迹点前方建立m-1行关键轨迹点,得到m行关键轨迹点;
应当说明的是,预设规则包括:
若当前行关键轨迹点前方间隔距离内存在第二障碍物,则对应第二障碍物建立下一行关键轨迹点;
若当前行关键轨迹点前方间隔距离内不存在第二障碍物,则在当前行关键轨迹点前方间隔距离处建立下一行关键轨迹点。
在建立第一行关键轨迹点之后,检测第一行关键轨迹点前方间隔距离内是否存在第二障碍物,若存在第二障碍物则对应第二障碍物建立第二行关键轨迹点,若不存在第二障碍物,则在第一行关键轨迹点前方间隔距离处建立第二行关键轨迹点;
以此类推,在建立第二行关键轨迹点之后,检测第二行关键轨迹点前方间隔距离内是否存在第三障碍物,若存在第三障碍物则对应第三障碍物建立第三行关键轨迹点,若不存在第三障碍物,则在第二行关键轨迹点前方间隔距离处建立第三行关键轨迹点,一直到建立m行关键轨迹点。
S24:根据车道数量以及车道场景,确定每行关键轨迹点中的关键轨迹点数量n;
应当说明的是,根据车道数量以及车道场景,确定每行关键轨迹点中的关键轨迹点数量n的步骤包括:
若车道场景为第一车道场景,则每行关键轨迹点中的关键轨迹点数量n等于第一预设值;
若车道场景为第二车道场景,并且车道数量为1时,则每行关键轨迹点中的关键轨迹点数量n等于第二预设值;
若车道场景为第二车道场景,并且车道数量大于1时,则每行关键轨迹点中的关键轨迹点数量n等于车道数量;
若车道场景为第三车道场景,并且车道数量为1时,则每行关键轨迹点中的关键轨迹点数量n等于第三预设值;
若车道场景为第三车道场景,并且车道数量大于1时,则每行关键轨迹点中的关键轨迹点数量n等于车道数量;
其中第一车道场景、第二车道场景以及第三车道场景为不同的车道场景。较佳的,第一车道场景为低速园区,第二车道场景为城市道路,第三车道场景为高速道路。
当车道数量为1时,可以根据每行关键轨迹点中的关键轨迹点数量n的具体数值,确定每行关键轨迹点中相邻两个关键轨迹点之间的距离;例如当每行关键轨迹点中的关键轨迹点数量n等于3时,每行关键轨迹点中相邻两个关键轨迹点之间的距离为当前车道宽度的三分之一,但不限于此。
当车道数量大于1时,可以将每行关键轨迹点中的关键轨迹点数量n设置为与车道数量等同,较佳的,每个关键轨迹点均设置于不同车道的中心线上。
S25:根据m行关键轨迹点以及每行关键轨迹点中的关键轨迹点数量n,得到m行n列关键轨迹点。
如图3所示,在上述各发明实施例的基础上,本发明实施例中,根据每条备选行驶路径的路径信息,从备选行驶路径中根据安全性、经济性、舒适性的权重系数选择出规划路径的步骤包括:
S31:获取每条备选行驶路径的路径信息,其中路径信息包括:备选行驶路径上的障碍物数量、备选行驶路径的路径长度以及备选行驶路径上所有关键轨迹点处的横向角偏差之和;
应当说明的是,可以采用备选行驶路径上所有关键轨迹点处的曲率之和替换横向角偏差之和。其中障碍物的数量可以为实际障碍物的数量,有多少个障碍物就统计多少个障碍物;当然也可以是在障碍物的数量大于或者等于1时,仅统计一个,也就是在有一个或者大于一个障碍物时,将障碍物的数量均设置为1,在无障碍物时,障碍物的数量为零。
S32:根据优选值计算公式,计算得到每条备选行驶路径的优选值;
其中,优选值=障碍物数量×安全性的权重系数+路径长度×经济性的权重系数+横向角偏差之和×舒适性的权重系数;
应当说明的是,障碍物的数量可以表示驾驶的安全性,障碍物越多则驾驶越危险;路径长度可以表示经济性,路径越短车辆的油耗越低;横向角偏差之和可以表示舒适性,横向角偏差之和为零,表示车辆沿直线行驶,没有变道,乘客最舒适。安全性的权重系数、经济性的权重系数以及舒适性的权重系数的具体数值,可以根据对安全性、经济性以及舒适性的偏好自行设定。
S33:选择数值最小的优选值对应的备选行驶路径作为规划路径。
在上述各发明实施例的基础上,本发明实施例中,对规划路径的多个关键轨迹点进行路径平滑连接的优化的步骤包括:
采用样条曲线在规划路径上每个关键轨迹点处进行平滑处理。
应当说明的是,可以采用样条曲线对规划路径进行平滑处理,例如当建立的关键轨迹点为3行3列关键轨迹点时,将选择出的规划路径中距离车辆位置最近的关键轨迹点与车辆位置进行连接,可以得到三段线段,采用三次样条曲线进行计算,其中样条曲线微分表达式为:
Si(x)=ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3
S′i=bi+2ci(x-xi)+3di(x-xi)2
S″i=2ci+6di(x-xi)
其中i=1,2,3;ai、bi、ci、di为待求系数,xi为线段上关键轨迹点横坐标,Si(x)为线段纵坐标计算值,x为线段横坐标取值。S′i为Si(x)的一阶求导,S″i为Si(x)的二阶求导,三次样条曲线的计算过程为现有技术,在此不再赘述。
如图4所示,为本发明实施例提供的一种车辆的自动驾驶路径规划方法应用示意图,其中仅包括一条车道,车道数量为1,其中车道上具有两个障碍物41;在车辆43的前方建立3行3列关键轨迹点42(未完全标出),其中虚线为车道的中心线44;建立所有关键轨迹点42之间的全连接,并连接第一行关键轨迹点42与车辆43,共得到27条备选行驶路径,从27条备选行驶路径中选择出规划路径作为最佳的备选行驶路径,可以计算每条备选行驶路径的优选值,根据优选值选择规划路径。较佳的,规划路径可以为与中心线44重合的备选行驶路径。
如图5-7所示,依据本发明的又一个方面,提供了一种车辆的自动驾驶路径规划装置,包括:
获取模块51,用于获取车辆所处位置的道路信息;
关键轨迹点模块52,用于根据道路信息,在车辆的行驶方向上建立m行n列关键轨迹点,其中m、n均为正整数;
路径模块53,用于对关键轨迹点进行全连接,得到多条备选行驶路径;
选择模块54,用于根据每条备选行驶路径的路径信息,从备选行驶路径中根据安全性、经济性、舒适性的权重系数选择出规划路径;
平滑处理模块55,用于对规划路径的多个关键轨迹点进行路径平滑连接的优化。
其中,道路信息包括:车道数量以及车道场景。
关键轨迹点模块52包括:
距离单元521,用于根据车道场景,确定间隔距离;
第一关键轨迹点单元522,用于获取车辆前方间隔距离内的第一障碍物信息,并根据第一障碍物信息,建立第一行关键轨迹点;
第二关键轨迹点单元523,用于根据预设规则在第一行关键轨迹点前方建立m-1行关键轨迹点,得到m行关键轨迹点;
第三关键轨迹点单元524,用于根据车道数量以及车道场景,确定每行关键轨迹点中的关键轨迹点数量n;
第四关键轨迹点单元525,用于根据m行关键轨迹点以及每行关键轨迹点中的关键轨迹点数量n,得到m行n列关键轨迹点。
第一关键轨迹点单元522,具体用于若第一障碍物信息指示车辆前方间隔距离内存在第一障碍物,则对应第一障碍物建立第一行关键轨迹点;若第一障碍物信息指示车辆前方间隔距离内不存在第一障碍物,则在车辆前方间隔距离处建立第一行关键轨迹点。
预设规则包括:若当前行关键轨迹点前方间隔距离内存在第二障碍物,则对应第二障碍物建立下一行关键轨迹点;若当前行关键轨迹点前方间隔距离内不存在第二障碍物,则在当前行关键轨迹点前方间隔距离处建立下一行关键轨迹点。
第三关键轨迹点单元524,具体用于若车道场景为第一车道场景,则每行关键轨迹点中的关键轨迹点数量n等于第一预设值;若车道场景为第二车道场景,并且车道数量为1时,则每行关键轨迹点中的关键轨迹点数量n等于第二预设值;若车道场景为第二车道场景,并且车道数量大于1时,则每行关键轨迹点中的关键轨迹点数量n等于车道数量;若车道场景为第三车道场景,并且车道数量为1时,则每行关键轨迹点中的关键轨迹点数量n等于第三预设值;若车道场景为第三车道场景,并且车道数量大于1时,则每行关键轨迹点中的关键轨迹点数量n等于车道数量;其中第一车道场景、第二车道场景以及第三车道场景为不同的车道场景。
选择模块54包括:
获取单元541,用于获取每条备选行驶路径的路径信息,其中路径信息包括:备选行驶路径上的障碍物数量、备选行驶路径的路径长度以及备选行驶路径上所有关键轨迹点处的横向角偏差之和;
计算单元542,用于根据优选值计算公式,计算得到每条备选行驶路径的优选值;
其中,优选值=障碍物数量×安全性的权重系数+路径长度×经济性的权重系数+横向角偏差之和×舒适性的权重系数;
选择单元543,用于选择数值最小的优选值对应的备选行驶路径作为规划路径。
平滑处理模块55,具体用于采用样条曲线在规划路径上每个关键轨迹点处进行平滑处理。
本发明实施例中,根据车辆所处位置的道路信息,在车辆前方建立了m行n列关键轨迹点,并通过全连接的方式得到多条车辆可行驶的备选行驶路径,然后根据每条备选行驶路径的路径信息,在多条备选行驶路径中选择出规划路径作为最佳备选行驶路径,供车辆行驶,并对规划路径的多个关键轨迹点进行路径平滑连接的优化,可以实现自动驾驶系统中的局部轨迹规划。
依据本发明的又一个方面,提供了一种车辆路径规划设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现上述各发明实施例提供的车辆的自动驾驶路径规划方法的步骤。
本发明实施例中,根据车辆所处位置的道路信息,在车辆前方建立了m行n列关键轨迹点,并通过全连接的方式得到多条车辆可行驶的备选行驶路径,然后根据每条备选行驶路径的路径信息,在多条备选行驶路径中选择出规划路径作为最佳备选行驶路径,供车辆行驶,并对规划路径的多个关键轨迹点进行路径平滑连接的优化,可以实现自动驾驶系统中的局部轨迹规划。
依据本发明的又一个方面,提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述各发明实施例提供的车辆的自动驾驶路径规划方法的步骤。
本发明实施例中,根据车辆所处位置的道路信息,在车辆前方建立了m行n列关键轨迹点,并通过全连接的方式得到多条车辆可行驶的备选行驶路径,然后根据每条备选行驶路径的路径信息,在多条备选行驶路径中选择出规划路径作为最佳备选行驶路径,供车辆行驶,可以实现自动驾驶系统中的局部轨迹规划。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
Claims (10)
1.一种车辆的自动驾驶路径规划方法,其特征在于,包括:
获取车辆所处位置的道路信息;
根据所述道路信息,在所述车辆的行驶方向上建立m行n列关键轨迹点,其中m、n均为正整数;
对所述关键轨迹点进行全连接,得到多条备选行驶路径;
根据每条备选行驶路径的路径信息,从所述备选行驶路径中根据安全性、经济性、舒适性的权重系数选择出规划路径;
对规划路径的多个关键轨迹点进行路径平滑连接的优化。
2.根据权利要求1所述的车辆的自动驾驶路径规划方法,其特征在于,所述道路信息包括:车道数量以及车道场景。
3.根据权利要求2所述的车辆的自动驾驶路径规划方法,其特征在于,所述根据所述道路信息,在所述车辆的行驶方向上建立m行n列关键轨迹点的步骤包括:
根据所述车道场景,确定间隔距离;
获取所述车辆前方间隔距离内的第一障碍物信息,并根据所述第一障碍物信息,建立第一行关键轨迹点;
根据预设规则在所述第一行关键轨迹点前方建立m-1行关键轨迹点,得到m行关键轨迹点;
根据所述车道数量以及车道场景,确定每行关键轨迹点中的关键轨迹点数量n;
根据所述m行关键轨迹点以及每行关键轨迹点中的关键轨迹点数量n,得到m行n列关键轨迹点。
4.根据权利要求3所述的车辆的自动驾驶路径规划方法,其特征在于,所述根据所述第一障碍物信息,建立第一行关键轨迹点的步骤包括:
若所述第一障碍物信息指示所述车辆前方间隔距离内存在第一障碍物,则对应所述第一障碍物建立第一行关键轨迹点;
若所述第一障碍物信息指示所述车辆前方间隔距离内不存在第一障碍物,则在所述车辆前方间隔距离处建立第一行关键轨迹点。
5.根据权利要求3所述的车辆的自动驾驶路径规划方法,其特征在于,所述预设规则包括:
若当前行关键轨迹点前方间隔距离内存在第二障碍物,则对应所述第二障碍物建立下一行关键轨迹点;
若当前行关键轨迹点前方间隔距离内不存在第二障碍物,则在当前行关键轨迹点前方间隔距离处建立下一行关键轨迹点。
6.根据权利要求3所述的车辆的自动驾驶路径规划方法,其特征在于,所述根据所述车道数量以及车道场景,确定每行关键轨迹点中的关键轨迹点数量n的步骤包括:
若所述车道场景为第一车道场景,则每行关键轨迹点中的关键轨迹点数量n等于第一预设值;
若所述车道场景为第二车道场景,并且所述车道数量为1时,则每行关键轨迹点中的关键轨迹点数量n等于第二预设值;
若所述车道场景为第二车道场景,并且所述车道数量大于1时,则每行关键轨迹点中的关键轨迹点数量n等于所述车道数量;
若所述车道场景为第三车道场景,并且所述车道数量为1时,则每行关键轨迹点中的关键轨迹点数量n等于第三预设值;
若所述车道场景为第三车道场景,并且所述车道数量大于1时,则每行关键轨迹点中的关键轨迹点数量n等于所述车道数量;
其中所述第一车道场景、第二车道场景以及第三车道场景为不同的车道场景。
7.根据权利要求1所述的车辆的自动驾驶路径规划方法,其特征在于,所述根据每条备选行驶路径的路径信息,从所述备选行驶路径中根据安全性、经济性、舒适性的权重系数选择出规划路径的步骤包括:
获取每条所述备选行驶路径的路径信息,其中所述路径信息包括:所述备选行驶路径上的障碍物数量、所述备选行驶路径的路径长度以及所述备选行驶路径上所有关键轨迹点处的横向角偏差之和;
根据优选值计算公式,计算得到每条备选行驶路径的优选值;
其中,优选值=障碍物数量×安全性的权重系数+路径长度×经济性的权重系数+横向角偏差之和×舒适性的权重系数;
选择数值最小的优选值对应的备选行驶路径作为规划路径。
8.根据权利要求1所述的车辆的自动驾驶路径规划方法,其特征在于,
所述对规划路径的多个关键轨迹点进行路径平滑连接的优化的步骤包括:
采用样条曲线在规划路径上每个关键轨迹点处进行平滑处理。
9.根据权利要求8所述的车辆的自动驾驶路径规划方法,其特征在于,当m=3,n=3时,采用三次样条曲线微分表达式在规划路径上每个关键轨迹点处进行平滑处理;
其中三次样条曲线微分表达式为:
Si(x)=ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3
S′i=bi+2ci(x-xi)+3di(x-xi)2
S″i=2ci+6di(x-xi)
其中i=1,2,3;ai、bi、ci、di为待求系数,xi为线段上关键轨迹点横坐标,Si(x)为线段纵坐标计算值,x为线段横坐标取值,S′i为Si(x)的一阶求导,S″i为Si(x)的二阶求导。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的车辆的自动驾驶路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811581811.XA CN109855637A (zh) | 2018-12-24 | 2018-12-24 | 一种车辆的自动驾驶路径规划方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811581811.XA CN109855637A (zh) | 2018-12-24 | 2018-12-24 | 一种车辆的自动驾驶路径规划方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109855637A true CN109855637A (zh) | 2019-06-07 |
Family
ID=66892116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811581811.XA Pending CN109855637A (zh) | 2018-12-24 | 2018-12-24 | 一种车辆的自动驾驶路径规划方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109855637A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110716560A (zh) * | 2019-11-22 | 2020-01-21 | 广西科技师范学院 | 一种移动机器人路径分析规划方法 |
CN111552284A (zh) * | 2020-04-20 | 2020-08-18 | 宁波吉利汽车研究开发有限公司 | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 |
CN112639849A (zh) * | 2020-01-17 | 2021-04-09 | 华为技术有限公司 | 路径选择方法和路径选择装置 |
CN112764415A (zh) * | 2019-11-05 | 2021-05-07 | 北京新能源汽车股份有限公司 | 一种生成自动驾驶规划轨迹的方法、装置及汽车 |
CN112825160A (zh) * | 2019-11-21 | 2021-05-21 | 北京图森智途科技有限公司 | 一种状态转移库构建方法、路径规划方法及相关设备 |
CN113119971A (zh) * | 2021-05-07 | 2021-07-16 | 恒大新能源汽车投资控股集团有限公司 | 车辆制动的方法及装置 |
CN113295169A (zh) * | 2021-07-01 | 2021-08-24 | 上海仙工智能科技有限公司 | 一种自动行驶装置的路径规划方法 |
CN113561962A (zh) * | 2020-04-28 | 2021-10-29 | 广州汽车集团股份有限公司 | 一种自动泊车路径规划方法及系统、泊车控制设备 |
CN114506343A (zh) * | 2022-03-02 | 2022-05-17 | 阿波罗智能技术(北京)有限公司 | 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105573323A (zh) * | 2016-01-12 | 2016-05-11 | 福州华鹰重工机械有限公司 | 自动驾驶轨迹生成方法及装置 |
CN106527452A (zh) * | 2016-12-30 | 2017-03-22 | 广州汽车集团股份有限公司 | 一种无人驾驶汽车遇障时运动路径规划方法及系统 |
CN106873600A (zh) * | 2017-03-31 | 2017-06-20 | 深圳市靖洲科技有限公司 | 一种面向无人自行车的局部避障路径规划方法 |
CN107479558A (zh) * | 2017-09-22 | 2017-12-15 | 中国人民解放军63983部队 | 基于车辆运动模型的无人车辆野外路径规划方法 |
JP2018017641A (ja) * | 2016-07-29 | 2018-02-01 | パイオニア株式会社 | 経路探索装置 |
CN107664993A (zh) * | 2016-07-29 | 2018-02-06 | 法乐第(北京)网络科技有限公司 | 一种路径规划方法 |
CN107992050A (zh) * | 2017-12-20 | 2018-05-04 | 广州汽车集团股份有限公司 | 无人驾驶汽车局部路径运动规划方法和装置 |
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
CN108791285A (zh) * | 2018-06-13 | 2018-11-13 | 北京车和家信息技术有限公司 | 一种车辆控制方法及车辆 |
CN108985506A (zh) * | 2018-07-03 | 2018-12-11 | 蔚来汽车有限公司 | 行车路径推荐方法、预测方法、获取方法及其装置 |
CN109059944A (zh) * | 2018-06-06 | 2018-12-21 | 上海国际汽车城(集团)有限公司 | 基于驾驶习惯学习的运动规划方法 |
-
2018
- 2018-12-24 CN CN201811581811.XA patent/CN109855637A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105573323A (zh) * | 2016-01-12 | 2016-05-11 | 福州华鹰重工机械有限公司 | 自动驾驶轨迹生成方法及装置 |
JP2018017641A (ja) * | 2016-07-29 | 2018-02-01 | パイオニア株式会社 | 経路探索装置 |
CN107664993A (zh) * | 2016-07-29 | 2018-02-06 | 法乐第(北京)网络科技有限公司 | 一种路径规划方法 |
CN106527452A (zh) * | 2016-12-30 | 2017-03-22 | 广州汽车集团股份有限公司 | 一种无人驾驶汽车遇障时运动路径规划方法及系统 |
CN106873600A (zh) * | 2017-03-31 | 2017-06-20 | 深圳市靖洲科技有限公司 | 一种面向无人自行车的局部避障路径规划方法 |
CN107479558A (zh) * | 2017-09-22 | 2017-12-15 | 中国人民解放军63983部队 | 基于车辆运动模型的无人车辆野外路径规划方法 |
CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
CN107992050A (zh) * | 2017-12-20 | 2018-05-04 | 广州汽车集团股份有限公司 | 无人驾驶汽车局部路径运动规划方法和装置 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
CN109059944A (zh) * | 2018-06-06 | 2018-12-21 | 上海国际汽车城(集团)有限公司 | 基于驾驶习惯学习的运动规划方法 |
CN108791285A (zh) * | 2018-06-13 | 2018-11-13 | 北京车和家信息技术有限公司 | 一种车辆控制方法及车辆 |
CN108985506A (zh) * | 2018-07-03 | 2018-12-11 | 蔚来汽车有限公司 | 行车路径推荐方法、预测方法、获取方法及其装置 |
Non-Patent Citations (1)
Title |
---|
周慧子等: "面向自动驾驶的动态路径规划避障算法", 《计算机应用》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112764415A (zh) * | 2019-11-05 | 2021-05-07 | 北京新能源汽车股份有限公司 | 一种生成自动驾驶规划轨迹的方法、装置及汽车 |
CN112764415B (zh) * | 2019-11-05 | 2024-01-26 | 北京新能源汽车股份有限公司 | 一种生成自动驾驶规划轨迹的方法、装置及汽车 |
CN112825160A (zh) * | 2019-11-21 | 2021-05-21 | 北京图森智途科技有限公司 | 一种状态转移库构建方法、路径规划方法及相关设备 |
CN110716560A (zh) * | 2019-11-22 | 2020-01-21 | 广西科技师范学院 | 一种移动机器人路径分析规划方法 |
CN110716560B (zh) * | 2019-11-22 | 2021-02-19 | 广西科技师范学院 | 一种移动机器人路径分析规划方法 |
CN112639849A (zh) * | 2020-01-17 | 2021-04-09 | 华为技术有限公司 | 路径选择方法和路径选择装置 |
WO2021142799A1 (zh) * | 2020-01-17 | 2021-07-22 | 华为技术有限公司 | 路径选择方法和路径选择装置 |
CN111552284A (zh) * | 2020-04-20 | 2020-08-18 | 宁波吉利汽车研究开发有限公司 | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 |
CN113561962A (zh) * | 2020-04-28 | 2021-10-29 | 广州汽车集团股份有限公司 | 一种自动泊车路径规划方法及系统、泊车控制设备 |
CN113561962B (zh) * | 2020-04-28 | 2023-11-10 | 广州汽车集团股份有限公司 | 一种自动泊车路径规划方法及系统、泊车控制设备 |
CN113119971A (zh) * | 2021-05-07 | 2021-07-16 | 恒大新能源汽车投资控股集团有限公司 | 车辆制动的方法及装置 |
CN113295169A (zh) * | 2021-07-01 | 2021-08-24 | 上海仙工智能科技有限公司 | 一种自动行驶装置的路径规划方法 |
CN113295169B (zh) * | 2021-07-01 | 2023-12-15 | 上海仙工智能科技有限公司 | 一种自动行驶装置的路径规划方法 |
CN114506343A (zh) * | 2022-03-02 | 2022-05-17 | 阿波罗智能技术(北京)有限公司 | 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109855637A (zh) | 一种车辆的自动驾驶路径规划方法、装置及设备 | |
CN105371859B (zh) | 基于安全驾驶地图的车道级别的导航引导系统和方法 | |
CN104318766B (zh) | 一种公交gps轨迹数据的路网匹配方法 | |
CN106017491B (zh) | 一种导航路径规划方法、系统及导航服务器 | |
CN100580735C (zh) | 基于探测车技术的实时动态交通信息处理方法 | |
CN110081894A (zh) | 一种基于道路结构权值融合的无人车轨迹实时规划方法 | |
CN105644559B (zh) | 一种基于虚拟轨道和移动闭塞技术的无人驾驶方法及系统 | |
CN108121339A (zh) | 可行驶区域设定装置和可行驶区域设定方法 | |
CN108225364A (zh) | 一种无人驾驶汽车驾驶任务决策系统及方法 | |
CN109084798B (zh) | 网络下发带有道路属性的控制点的路径规划方法 | |
CN104851309B (zh) | 一种交通诱导策略的实现方法 | |
CN106598055A (zh) | 一种智能车局部路径规划方法及其装置、车辆 | |
CN108088456A (zh) | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 | |
CN104897168B (zh) | 基于道路危险评估的智能车路径搜索方法及系统 | |
CN110310480A (zh) | 一种基于拥塞控制的实时路径规划方法 | |
WO2023134364A1 (zh) | 引导车辆行驶的方法、地图生成方法及相关系统 | |
CN103218240B (zh) | 一种基于浮动车轨迹的废弃道路识别方法 | |
CN113763741B (zh) | 一种车联网环境下的干线公路交通诱导方法 | |
CN107246878A (zh) | 一种导航路径的确定方法、装置及汽车 | |
CN113593228B (zh) | 一种高速公路瓶颈区域自动驾驶协同控制方法 | |
CN104318794A (zh) | 一种基于考虑城市交叉口时间延误的实用路径选择方法 | |
CN102286906B (zh) | 无交织环形立交 | |
CN106595684A (zh) | 基于电子地图的导航方法和导航装置 | |
CN108805315A (zh) | 根据轨迹点绘制出行轨迹的方法及系统、车载终端及车辆 | |
CN103258440A (zh) | 一种基于道路属性和实时路况的行车轨迹还原算法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |