CN110509923B - 自动驾驶路径规划方法、系统、计算机可读存储介质及车辆 - Google Patents

自动驾驶路径规划方法、系统、计算机可读存储介质及车辆 Download PDF

Info

Publication number
CN110509923B
CN110509923B CN201910712343.3A CN201910712343A CN110509923B CN 110509923 B CN110509923 B CN 110509923B CN 201910712343 A CN201910712343 A CN 201910712343A CN 110509923 B CN110509923 B CN 110509923B
Authority
CN
China
Prior art keywords
vehicle
path
planning
initial
distance
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
CN201910712343.3A
Other languages
English (en)
Other versions
CN110509923A (zh
Inventor
盛进源
梁锋华
万凯林
张伟方
高享久
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile 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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN201910712343.3A priority Critical patent/CN110509923B/zh
Publication of CN110509923A publication Critical patent/CN110509923A/zh
Application granted granted Critical
Publication of CN110509923B publication Critical patent/CN110509923B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种自动驾驶路径规划方法、系统、计算机可读存储介质及车辆，获取车辆初始约束条件和车辆终止约束条件，其中，车辆初始约束条件包括车辆的初始位姿、初始点速度、加速度和车辆距离车位线的距离，所述车辆终止约束条件包括车辆终止横向位置和姿态；基于车辆初始约束条件和车辆终止约束条件进行从起始位姿到终止位姿的路径规划，整个过程分为两个阶段，其中，第一阶段是将路径规划为一条平滑的曲线，第二阶段是将路径规划为一条直线。本发明解决了车辆在通用画线场景的自动找车位的问题，能够控制车辆沿规划路径行驶搜索车位。

Description

自动驾驶路径规划方法、系统、计算机可读存储介质及车辆
技术领域
本发明属于泊车技术领域，具体涉及一种自动驾驶路径规划方法、系统、计算机可读存储介质及车辆。
背景技术
近年来，在低速自动泊车领域，已经可以基于超声波、影像，甚至融合探测技术实现泊车过程的全自动泊车。但是，在开始泊车之前的找车位过程，仍然需要驾驶员自己手动完成。即需要驾驶员手动按下泊车开始按键，然后驾驶车辆前行搜索车位，找到车位后根据提示，刹停车辆，挂P挡拉手刹，接着，按照提示执行一系列操作后开启泊车功能，整个过程略显繁琐。或者是基于记忆路径的路径跟随找车位过程，需要用户提前驾驶车辆模拟找车位的过程，然后控制器内部记录下之前行驶的路径，当车辆下次驶入当前场景范围内时，可以开启记忆路径的自动找车位功能。目前还没有一种路径规划方法应用于解决车辆自主找车位的问题，而要想车辆可以自动前行寻找车位，则离不开路径规划的过程。
其中，人为驾驶车辆找车位具有很大的不确定因素，路径不可控。如驾驶员在找车位过程中的车辆姿态或者车辆边缘距离车位顶点坐标连线的距离控制的不合理，则可能造成无法识别车位，或者找到车位后的路径规划不理想，造成无法一次泊入车位或增加泊车的步骤。此外，人为驾驶车辆找车位的过程，操作过程繁琐，易给用户造成不好的体验感。而基于记忆路径的自动找车位过程，只能针对提前已经采集记录好找车位路径的情况，此技术在通用场景不具有可行性。
因此，有必要开发一种自动驾驶路径规划方法、系统、计算机可读存储介质及车辆。
发明内容
本发明的目的是提供一种自动驾驶路径规划方法、系统、计算机可读存储介质及车辆，以解决车辆在通用画线场景的自动找车位的问题，能控制车辆沿规划路径行驶搜索车位。
本发明所述的自动驾驶路径规划方法，包括以下步骤：
获取车辆初始约束条件和车辆终止约束条件，其中，车辆初始约束条件包括车辆的初始位姿、初始点速度、加速度和车辆距离车位线的距离，所述车辆终止约束条件包括车辆终止横向位置和姿态；
基于车辆初始约束条件和车辆终止约束条件进行从起始位姿到终止位姿的路径规划，整个过程分为两个阶段，其中，第一阶段是将路径规划为一条平滑的曲线，第二阶段是将路径规划为一条直线。
进一步，所述将路径规划为一条平滑的曲线，具体为：
判断车辆的初始角度是否小于等于第一预设角度，若是，则选择五次多项式路径方法进行路径规划，若否，则选择三次贝塞尔曲线方法进行路径规划；
设置曲线的纵向距离，通过五次多项式路径方法或三次贝塞尔曲线方法规划出轨迹曲线；
在轨迹曲线上间隔选取若干个采样点，计算各采样点的切线角度值是否均在第二预设角度内，若是，则此轨迹曲线为最优路径轨迹，若否，调整纵向距离，并重复以上步骤，直到规划出最优路径轨迹。
进一步，所述车辆终止横向位置的确定方法：
车辆在初始位姿下，当车辆后轴中心距车位线的距离在1.5米以内，则规划车辆在第二阶段沿1.5米的距离前行搜索车位；当车辆后轴中心距车位线的距离在1.5米-1.9米之间时，则规划车辆在第二阶段沿此距离前行搜索车位；当车辆后轴中心距车位线的距离在1米以外时，则规划车辆在第二阶段沿1米的距离前行搜索车位。
本发明所述的一种自动驾驶路径规划的系统，包括控制器，所述控制器被编程以便执行如本发明所述的自动驾驶路径规划方法的步骤。
本发明所述的一种计算机可读存储介质，其内存储有计算机程序，所述计算机程序被控制器调用执行如本发明所述的自动驾驶路径规划方法的步骤。
本发明所述的一种车辆，采用如本发明所述的自动驾驶路径规划的系统。
本发明具有以下优点：在车身初始水平时，选取五次多项式路径规划方法，能够保证车辆在第一阶段的起步以及和第二阶段的衔接阶段运动平缓，角度波动较小。当车身初始姿态与车位线有较大夹角时，则利用贝塞尔曲线规划路径，能够保证车辆姿态迅速回正的同时不会出现较大的超调量，同时解决了当车辆初始位置位于0.6m-1m区间内，且车身初始角度不为0，五次多项式法无法进行路径规定的缺点。
附图说明
图1为本发明中自动找车位场景示意图；
图2为本发明的流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，本实施例中，一种自动驾驶路径规划方法，包括以下步骤：
获取车辆初始约束条件和车辆终止约束条件，其中，车辆初始约束条件包括车辆的初始位姿、初始点速度、加速度和车辆距离车位线的距离，所述车辆终止约束条件包括车辆终止横向位置和姿态；
基于车辆初始约束条件和车辆终止约束条件进行从起始位姿到终止位姿的路径规划，整个过程分为两个阶段，其中，第一阶段是将路径规划为一条平滑的曲线，第二阶段是将路径规划为一条直线。
(一)第一阶段的规划
本实施例中，所述将路径规划为一条平滑的曲线，具体为：
判断车辆的初始角度是否小于等于第一预设角度，若是，则选择五次多项式路径方法进行路径规划，若否，则选择三次贝塞尔曲线方法进行路径规划；设置曲线的纵向距离，通过五次多项式路径方法或三次贝塞尔曲线方法规划出轨迹曲线；在轨迹曲线上间隔选取若干个采样点，计算各采样点的切线角度值是否均在第二预设角度内，若是，则此轨迹曲线为最优路径轨迹，若否，调整纵向距离，并重复以上步骤，直到规划出最优路径轨迹。
本实施例中，预设角度为1°，判断车辆的初始角度是否小于等于1°，若是，则选择五次多项式路径方法进行路径规划，若否，则选择三次贝塞尔曲线方法进行路径规划。通过设置权重函数来实现，权重函数如下：
Figure BDA0002154201990000031
式中，y为最终规划的路径方程；t为权重值；ypoly为五次多项式方程；ybes为贝塞尔路径方程；θ0为初始的车身角度。
(1)采用五次多项式路径方法规划轨迹曲线的具体步骤如下：
采用五次多项式规划的路径方程及其关于x的一阶导数和二阶导数，如公式1-1所示。
Figure BDA0002154201990000041
式中，x表示车辆在参考路径上行驶方向的纵向位置坐标，y表示车辆在参考路径上的侧向位置坐标，a0～a5表示五次多项式的系数。
五次多项式系数的确认方法如下：
Figure BDA0002154201990000042
上式中，令x0＝0，xf＝d，yf＝b，y0,y'0,y”0,y'1,y”1为0，可以求得对应系数a0～a5如下：
Figure BDA0002154201990000043
另外，基于不同的纵向距离(本实施例中，一般选择6m，8m，10m)，可以规划出不同的路径方程。比如：设定的纵向距离为6m，通过五次多项式路径方法规划的轨迹曲线后，在轨迹曲线上间隔(比如：每5cm取一个采用点)选取若干个采样点，然后对轨迹曲线上各采样点的切线角做约束；具体为：要保证规划的每个采样点的切线角度值小于等于10°，若所有采样点的切线角度值均小于等于10°，则认为此轨迹曲线为最优路径轨迹，否则，调整纵向距离(比如：将纵向距离调整为8m)，再重复以上步骤，直到规划出最优路径轨迹。同时，为了保证车辆尽快跟踪到指定位置，规定纵向距离最大为10米。
通过此方法即将路径规划为一条平滑的曲线，实现了车辆从初始位姿到直线运动起点的运动。
(2)采用三次贝塞尔曲线方法规划轨迹曲线的具体步骤如下：
基于车辆初始约束条件(主要指初始点的位置坐标)和车辆终止约束条件(主要指终止点的位置坐标)，可以求出P0点和P3点的横向位置坐标，即P0Y＝0，P3Y＝b。
同样的，x表示车辆在参考路径上行驶方向的纵向位置坐标(坐标系为以车辆初始位置的后轴中心为原点，平行于车道线的参考坐标系)，令x∈[0～xf]。
规划如公式1-4、1-5的方程，可以求得对应任意纵向距离x下的P1和P2点的横向位置坐标P1Y、P2Y。
其中，P0、P1、P2、P3为贝塞尔曲线上的四个控制点。
式中，Bes_t＝x/xf,为纵向距离的归一化处理，Bes_t∈[0～1]。
P1Y＝Bes_t*xf*sin(Initial_Angle) (1-4)
P2Y＝yf-(Bes_t*xf*sin(End_Angle)) (1-5)
上式中，Initial_Angle为初始点对应的姿态角，End_Angle为终止点处对应的姿态角。
因此，最终的三次横向贝塞尔曲线方程可表示为：
Figure BDA0002154201990000051
本方法是基于贝塞尔曲线的改良，通过简化纵向x为非时间参考量，可以获得横向位移相对于纵向距离的路径方程(即
y＝y(x)＝P0Y*(1-Bes_t)3+3*(1-Bes_t)2*Bes_t*P1Y+3*(1-Bes_t)*Bes_t2*P2Y+Bes_t3*P3Y)。
(二)第二阶段的规划
如图2所示，基于泊车轨迹路径规划的知识，车辆的后轴中心距离车位线约1.5米-1.9m范围内是最佳停车位置，此时的路径规划可以很好地保证车辆一次进入车位，且减少后续调整的次数。而车辆自动找车位的过程，我们基于以上理论规则，能够保证车辆运动在车辆后轴中心距离车位线约1.5米-1.9m的范围内前行搜索车位，让原本不可控的因素变为简单可控的问题。
本实施例中，所述车辆终止横向位置的确定方法：
车辆在初始位姿下，当车辆后轴中心距车位线的距离在1.5米以内，则规划车辆在第二阶段沿1.5米的距离前行搜索车位；当车辆后轴中心距车位线的距离在1.5米-1.9米之间时，则规划车辆在第二阶段沿此距离前行搜索车位；当车辆后轴中心距车位线的距离在1米以外时，则规划车辆在第二阶段沿1米的距离前行搜索车位。
本实施例中，第二阶段的路径方程为Y＝yf，yf为车辆终止横向位置。
车辆基于最优的轨迹曲线能够迅速跟踪上指定距离的直线，实现直线前行搜索车位功能。在路径规划算法的基础上，先基于dSPACE快速原型在实车上实现基本功能，然后再转化为C代码，在控制器里优化此功能。
对于车位空间较小的情况，驾驶员可以提前下车，然后通过手机操控车辆自动前行找车位并泊车，免去了车辆泊好后下车难的问题。
本实施例中，通过全景摄像头对车位线进行识别，得出车辆相对于车位线的实时位姿信息。基于轮脉冲和方向盘转角信息预估车辆后轴中心的位姿，对车辆进行定位估计。
本实施例中，一种自动驾驶路径规划的系统，包括控制器，所述控制器被编程以便执行如本实施例所述的自动驾驶路径规划方法的步骤。
本实施例中，一种计算机可读存储介质，其内存储有计算机程序，所述计算机程序被控制器调用执行如本实施例所述的自动驾驶路径规划方法的步骤。
本实施例中，一种车辆，采用如本实施例所述的自动驾驶路径规划的系统。

Claims (5)

1.一种自动驾驶路径规划方法，其特征在于，包括以下步骤：
获取车辆初始约束条件和车辆终止约束条件，其中，车辆初始约束条件包括车辆的初始位姿、初始点速度、加速度和车辆距离车位线的距离，所述车辆终止约束条件包括车辆终止横向位置和姿态；
基于车辆初始约束条件和车辆终止约束条件进行从起始位姿到终止位姿的路径规划，整个过程分为两个阶段，其中，第一阶段是将路径规划为一条平滑的曲线，第二阶段是将路径规划为一条直线；
所述将路径规划为一条平滑的曲线，具体为：
判断车辆的初始角度是否小于等于第一预设角度，若是，则选择五次多项式路径方法进行路径规划，若否，则选择三次贝塞尔曲线方法进行路径规划；
设置曲线的纵向距离，通过五次多项式路径方法或三次贝塞尔曲线方法规划出轨迹曲线；
在轨迹曲线上间隔选取若干个采样点，计算各采样点的切线角度值是否均在第二预设角度内，若是，则此轨迹曲线为最优路径轨迹，若否，调整纵向距离，并重复以上步骤，直到规划出最优路径轨迹；
其中，采用五次多项式规划的路径方程及其关于x的一阶导数和二阶导数如下：
y＝f(x)＝a0+a1*x+a2*x2+a3*x3+a4*x4+a5*x5
y'＝a1+2a2*x1+3a3*x2+4a4*x3+5a5*x4
y”＝2a2+6a3*x1+12a4*x2+20a5*x3
式中，x表示车辆在参考路径上行驶方向的纵向位置坐标，y表示车辆在参考路径上的侧向位置坐标，a0～a5表示五次多项式的系数；
五次多项式系数的确认方法如下：
Figure FDA0002523124470000011
令x0＝0，xf＝d，yf＝b，y0,y′0,y″0,y′1,y″1为0，求得对应系数a0～a5如下：
a0＝0,a1＝0,a2＝0,
Figure FDA0002523124470000021
三次贝塞尔曲线方程为：
y＝y(x)＝P0Y*(1-Bes_t)3+3*(1-Bes_t)2*Bes_t*P1Y+3*(1-Bes_t)*Bes_t2*P2Y+Bes_t3*P3Y
令：x∈[0～xf]；
式中，Bes_t＝x/xf,为纵向距离的归一化处理,
P0Y为在纵向距离x下的P0点的横向位置坐标；
P1Y为在纵向距离x下的P1点的横向位置坐标；
P2Y为在纵向距离x下的P2点的横向位置坐标；
P3Y为在纵向距离x下的P3点的横向位置坐标；
P0、P1、P2、P3分别为贝塞尔曲线上的四个控制点。
2.根据权利要求1所述的自动驾驶路径规划方法，其特征在于：所述车辆终止横向位置的确定方法：
车辆在初始位姿下，当车辆后轴中心距车位线的距离在1.5米以内，则规划车辆在第二阶段沿1.5米的距离前行搜索车位；当车辆后轴中心距车位线的距离在1.5米-1.9米之间时，则规划车辆在第二阶段沿此距离前行搜索车位；当车辆后轴中心距车位线的距离在1米以外时，则规划车辆在第二阶段沿1米的距离前行搜索车位。
3.一种自动驾驶路径规划的系统，包括控制器，其特征在于：所述控制器被编程以便执行如权利要求1或2所述的自动驾驶路径规划方法的步骤。
4.一种计算机可读存储介质，其内存储有计算机程序，其特征在于：所述计算机程序被控制器调用执行如权利要求1或2所述的自动驾驶路径规划方法的步骤。
5.一种车辆，其特征在于：采用如权利要求3所述的自动驾驶路径规划的系统。
CN201910712343.3A 2019-08-02 2019-08-02 自动驾驶路径规划方法、系统、计算机可读存储介质及车辆 Active CN110509923B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910712343.3A CN110509923B (zh) 2019-08-02 2019-08-02 自动驾驶路径规划方法、系统、计算机可读存储介质及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910712343.3A CN110509923B (zh) 2019-08-02 2019-08-02 自动驾驶路径规划方法、系统、计算机可读存储介质及车辆

Publications (2)

Publication Number Publication Date
CN110509923A CN110509923A (zh) 2019-11-29
CN110509923B true CN110509923B (zh) 2020-10-16

Family

ID=68624892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910712343.3A Active CN110509923B (zh) 2019-08-02 2019-08-02 自动驾驶路径规划方法、系统、计算机可读存储介质及车辆

Country Status (1)

Country Link
CN (1) CN110509923B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113759887B (zh) * 2020-06-04 2024-09-24 北京京东乾石科技有限公司 一种路径规划方法、装置、存储介质及电子设备
CN112269965B (zh) * 2020-08-10 2024-04-05 中国北方车辆研究所 一种非完整约束条件下的连续曲率路径优化方法
CN113077652B (zh) * 2021-03-19 2022-08-09 上海欧菲智能车联科技有限公司 车位自动搜索方法、装置、电子装置及存储介质
CN114394113B (zh) * 2022-01-19 2023-08-25 广州小鹏自动驾驶科技有限公司 车辆轨迹重规划方法、装置、电子设备及存储介质
CN114506340B (zh) * 2022-01-30 2024-08-02 重庆长安汽车股份有限公司 智能驾驶车辆变道横向路径规划方法、系统及车辆

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013168012A (ja) * 2012-02-15 2013-08-29 Murata Mach Ltd 走行車システム
CN106874551B (zh) * 2017-01-11 2020-12-01 成都信息工程大学 一种基于三阶反正切函数模型的平行泊车方法
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
WO2019010659A1 (en) * 2017-07-13 2019-01-17 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEMS AND METHODS FOR TRACK DETERMINATION
CN109866761B (zh) * 2019-03-05 2020-07-10 重庆长安汽车股份有限公司 自动泊车路径规划方法、系统及计算机可读存储介质

Also Published As

Publication number Publication date
CN110509923A (zh) 2019-11-29

Similar Documents

Publication Publication Date Title
CN110509923B (zh) 自动驾驶路径规划方法、系统、计算机可读存储介质及车辆
CN108725585B (zh) 车辆自主泊车的轨迹跟踪控制方法及装置
CN111681452B (zh) 一种基于Frenet坐标系下的无人驾驶汽车动态换道轨迹规划方法
Pérez et al. Trajectory generator for autonomous vehicles in urban environments
CN114435470B (zh) 自动倒车控制方法、装置、车辆和存储介质
CN104118430B (zh) 一种基于滑模自抗扰控制的平行泊车系统及泊车方法
CN106515722A (zh) 一种垂直泊车轨迹规划方法
CN113335278B (zh) 一种网联式智能车队自适应巡航控制方法及系统
CN110481551A (zh) 一种自动换道的控制方法、装置及车辆
CN105329238A (zh) 一种基于单目视觉的自动驾驶汽车换道控制方法
CN112124314A (zh) 车辆自动变道横向路径规划方法、系统、车辆及存储介质
CN112327830B (zh) 车辆自动驾驶变道轨迹的规划方法及电子设备
CN108710370A (zh) 一种无人驾驶汽车的控制方法及系统
CN111169470B (zh) 一种自动泊车方法、装置及电子设备
CN113771839B (zh) 一种自动泊车决策规划方法及系统
CN112158196B (zh) 自动泊车方法及装置
CN114506340A (zh) 智能驾驶车辆变道横向路径规划方法、系统及车辆
EP4320020A1 (en) Lane changing based only on local information
CN110562245B (zh) 自动寻车位的路径跟随控制方法、系统、存储介质及车辆
CN112092800B (zh) 一种自动泊车时的方向盘转角优化方法及系统
Farkh et al. Deep Learning Control for Autonomous Robot.
CN114216462A (zh) 一种agv自然导航与末端定位的控制系统及方法
CN112660147B (zh) 控制车辆调头的方法、装置、设备、存储介质和程序产品
CN117170377A (zh) 一种自动驾驶方法、装置及车辆
CN114708568B (zh) 基于改进RTFNet的纯视觉自动驾驶控制系统、方法、介质

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: 20191129

Assignee: CHONGQING CHANGAN NEW ENERGY AUTOMOBILE TECHNOLOGY Co.,Ltd.

Assignor: Chongqing Changan Automobile Co.,Ltd.

Contract record no.: X2021500000014

Denomination of invention: Automatic driving path planning method, system, computer-readable storage medium and vehicle

Granted publication date: 20201016

License type: Common License

Record date: 20211014

EE01 Entry into force of recordation of patent licensing contract