CN110907193B - 自动驾驶车辆编队行驶的测试方法、装置和系统 - Google Patents
自动驾驶车辆编队行驶的测试方法、装置和系统 Download PDFInfo
- Publication number
- CN110907193B CN110907193B CN201911200592.0A CN201911200592A CN110907193B CN 110907193 B CN110907193 B CN 110907193B CN 201911200592 A CN201911200592 A CN 201911200592A CN 110907193 B CN110907193 B CN 110907193B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- test task
- test
- executing
- driving
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种自动驾驶车辆编队行驶的测试方法、装置和系统,涉及自动驾驶领域。本公开的方法包括:向自动驾驶车辆编队发送测试任务,每个测试任务包括:所述自动驾驶车辆编队中各车辆的在该测试任务中的目标车道;在所述各车辆依次执行各个测试任务变换到各个测试任务中的目标车道的协同行驶过程中,获取所述各车辆执行各个测试任务的行驶轨迹;根据所述各车辆执行各个测试任务的行驶轨迹与所述各车辆执行各个测试任务的最优行驶轨迹的偏差,确定所述自动驾驶车辆编队的协同行驶的质量参数。
Description
技术领域
本公开涉及自动驾驶领域,特别涉及一种自动驾驶车辆编队行驶的测试方法、装置和系统。
背景技术
自动驾驶车辆编队行驶是目前自动驾驶领域研究的新技术,例如,自动驾驶营运车辆(例如,大型卡车、客车等)形成车辆编队,共同完成长途运输。
自动驾驶车辆编队的协同行驶质量直接关系着行驶过程的安全性、协同行驶效率等。
发明内容
发明人发现:针对自动驾驶车辆编队的协同行驶质量,目前没有相应的测试方法。如何测试得到自动驾驶车辆编队的协同行驶质量,确定自动驾驶车辆编队是否能够安全、高效的完成任务是目前亟待解决的问题。
本公开所要解决的一个技术问题是:如何对自动驾驶车辆编队的协同行驶质量进行测试。
根据本公开的一些实施例,提供的一种自动驾驶车辆编队行驶的测试方法,包括:向自动驾驶车辆编队发送测试任务,每个测试任务包括:所述自动驾驶车辆编队中各车辆的在该测试任务中的目标车道;在所述各车辆依次执行各个测试任务变换到各个测试任务中的目标车道的协同行驶过程中,获取所述各车辆执行各个测试任务的行驶轨迹;根据所述各车辆执行各个测试任务的行驶轨迹与所述各车辆执行各个测试任务的最优行驶轨迹的偏差,确定所述自动驾驶车辆编队的协同行驶的质量参数。
在一些实施例中,向自动驾驶车辆编队发送测试任务,在各车辆依次执行各个测试任务变换到各个测试任务中的目标车道的协同行驶过程中,获取各车辆执行各个测试任务的行驶轨迹包括:响应于向自动驾驶车辆编队发送当前测试任务,获取各车辆执行当前测试任务的行驶轨迹;在根据各车辆执行当前测试任务的行驶轨迹,确定各车辆完成当前任务,并匀速行驶预设时间的情况下,向自动驾驶车辆编队发送下一个测试任务。
在一些实施例中,向自动驾驶车辆编队发送下一个测试任务包括:根据各车辆的当前车道,随机为各车辆选取与当前车道不同的目标车道,生成下一个测试任务,并通过路端设备发送至自动驾驶车辆编队。
在一些实施例中,获取各车辆执行各个测试任务的行驶轨迹包括:接收路端设备拍摄各车辆执行各个测试任务时的行驶图像;根据行驶图像以及对应的拍摄时间,确定各车辆执行各个测试任务的行驶轨迹。
在一些实施例中,各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差的确定方法包括:针对每个测试任务,对各车辆执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对各车辆执行该测试任务的最优行驶轨迹采样等时间间隔采样预设个数的多个参考位置点;根据多个实际位置点与多个参考位置点的距离,确定各车辆执行该测试任务的行驶轨迹与各车辆执行该测试任务的最优行驶轨迹的偏差。
在一些实施例中,确定自动驾驶车辆编队的协同行驶的质量参数包括:根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据均值确定自动驾驶车辆编队的协同行驶的总体质量参数;或者,根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据方差确定自动驾驶车辆编队的协同行驶的质量波动参数。
在一些实施例中,各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差的确定方法包括:针对每个测试任务和每辆车辆,对该执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对该车辆执行该测试任务的最优行驶轨迹等时间间隔采样预设个数的多个参考位置点;根据多个实际位置点与多个参考位置点的距离,确定该车辆执行该测试任务的行驶轨迹与该车辆执行该测试任务的最优行驶轨迹的偏差。
在一些实施例中,确定自动驾驶车辆编队的协同行驶的质量参数包括:针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据该车辆对应的均值确定该车辆的协同行驶的总体质量参数;根据各个车辆的协同行驶的总体质量参数的比对,确定不合格的车辆;或者,针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据该车辆对应的方差确定该车辆的协同行驶的质量波动参数,根据各个车辆的协同行驶的质量波动参数的比对,确定不合格的车辆。
根据本公开的另一些实施例,提供的一种自动驾驶车辆编队行驶的测试装置,包括:任务发送模块,用于向自动驾驶车辆编队发送测试任务,每个测试任务包括:自动驾驶车辆编队中各车辆的在该测试任务中的目标车道;轨迹获取模块,用于在各车辆依次执行各个测试任务变换到各个测试任务中的目标车道的协同行驶过程中,获取各车辆执行各个测试任务的行驶轨迹;参数确定模块,用于根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定自动驾驶车辆编队的协同行驶的质量参数。
在一些实施例中,轨迹获取模块用于响应于向自动驾驶车辆编队发送当前测试任务,获取各车辆执行当前测试任务的行驶轨迹;任务发送模块用于在根据各车辆执行当前测试任务的行驶轨迹,确定各车辆完成当前任务,并匀速行驶预设时间的情况下,向自动驾驶车辆编队发送下一个测试任务。
在一些实施例中,任务发送模块用于根据各车辆的当前车道,随机为各车辆选取与当前车道不同的目标车道,生成下一个测试任务,并通过路端设备发送至自动驾驶车辆编队。
在一些实施例中,轨迹获取模块用于接收路端设备拍摄各车辆执行各个测试任务时的行驶图像;根据行驶图像以及对应的拍摄时间,确定各车辆执行各个测试任务的行驶轨迹。
在一些实施例中,参数确定模块用于针对每个测试任务,对各车辆执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对各车辆执行该测试任务的最优行驶轨迹采样等时间间隔采样预设个数的多个参考位置点;根据多个实际位置点与多个参考位置点的距离,确定各车辆执行该测试任务的行驶轨迹与各车辆执行该测试任务的最优行驶轨迹的偏差。
在一些实施例中,参数确定模块用于根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据均值确定自动驾驶车辆编队的协同行驶的总体质量参数;或者,根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据方差确定自动驾驶车辆编队的协同行驶的质量波动参数。
在一些实施例中,参数确定模块用于针对每个测试任务和每辆车辆,对该执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对该车辆执行该测试任务的最优行驶轨迹等时间间隔采样预设个数的多个参考位置点;根据多个实际位置点与多个参考位置点的距离,确定该车辆执行该测试任务的行驶轨迹与该车辆执行该测试任务的最优行驶轨迹的偏差。
在一些实施例中,参数确定模块用于针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据该车辆对应的均值确定该车辆的协同行驶的总体质量参数;根据各个车辆的协同行驶的总体质量参数的比对,确定不合格的车辆;或者,针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据该车辆对应的方差确定该车辆的协同行驶的质量波动参数,根据各个车辆的协同行驶的质量波动参数的比对,确定不合格的车辆。
根据本公开的又一些实施例,提供的一种自动驾驶车辆编队行驶的测试装置,包括:处理器;以及耦接至处理器的存储器,用于存储指令,指令被处理器执行时,使处理器执行如前述任意实施例的自动驾驶车辆编队行驶的测试方法。
根据本公开的再一些实施例,提供的一种非瞬时性计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现前述任意实施例的自动驾驶车辆编队行驶的测试方法。
根据本公开的又一些实施例,提供的一种自动驾驶车辆编队行驶的测试系统,包括:前述任意实施例的自动驾驶车辆编队行驶的测试装置;以及路端设备和自动驾驶车辆编队;路端设备用于接收测试装置发送的测试任务,并转发至自动驾驶车辆编队,获取各车辆执行各个测试任务的行驶轨迹,并转发至测试装置;自动驾驶车辆编队用于接收测试任务,并依次执行各个测试任务。
在一些实施例中,路端设备还用于拍摄各车辆执行各个测试任务时的行驶图像,将行驶图像发送至测试装置。
本公开中向自动驾驶车辆编队发送一个或多个测试任务,通过获取协同行驶过程中各车辆执行各个测试任务的行驶轨迹,并将行驶轨迹与最优行驶轨迹进行比对计算偏差,从而确定自动驾驶车辆编队的协同行驶的质量参数。本公开提出的自动驾驶车辆编队行驶的测试方法,能够量化测试自动驾驶车辆编队行驶的质量,对于判断自动驾驶车辆编队行驶是否安全、高效等提供了准确的数据支持,有利于提高自动驾驶车辆编队行驶的安全性、高效性等。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本公开的一些实施例的自动驾驶车辆编队行驶的测试方法的流程示意图。
图2A示出本公开的一些实施例的自动驾驶车辆编队车道分布的示意图。
图2B示出本公开的另一些实施例的自动驾驶车辆编队车道分布的示意图。
图3示出本公开的另一些实施例的自动驾驶车辆编队行驶的测试方法的流程示意图。
图4A示出本公开的一些实施例的坐标系中车辆各参数的几何关系示意图。
图4B示出本公开的另一些实施例的坐标系中车辆各参数的几何关系示意图。
图4C示出本公开的一些实施例的车辆变换车道场景的示意图。
图5示出本公开的一些实施例的自动驾驶车辆编队行驶的测试装置的结构示意图。
图6示出本公开的另一些实施例的自动驾驶车辆编队行驶的测试装置的结构示意图。
图7示出本公开的又一些实施例的自动驾驶车辆编队行驶的测试装置的结构示意图。
图8示出本公开的一些实施例的自动驾驶车辆编队行驶的测试系统的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
本公开提供一种自动驾驶车辆编队行驶的测试方法,下面结合图1进行描述。
图1为本公开自动驾驶车辆编队行驶的测试方法一些实施例的流程图。如图1所示,该实施例的方法包括:步骤S102~S106。
在步骤S102中,向自动驾驶车辆编队发送测试任务。
本实施例的方案可以由测试装置执行,测试装置可以设置在云端设备或路端设备中。在测试装置设置在云端设备的情况下,本公开的系统还可以包括路端设备。测试装置可以首先将测试任务发送到路端设备,再由路端设备发送至自动驾驶车辆编队。路端设备可以通过广播的方式将测试任务发送至自动驾驶车辆编队中各车辆,也可以将测试任务发送至自动驾驶车辆编队中的一辆车,由该车将测试任务转发至编队中的其他车辆。
在一些实施例中,测试任务可以是一个或多个。每个测试任务包括:自动驾驶车辆编队中各车辆的在该测试任务中的目标车道。测试过程是连续多次执行的,可以每次将一个测试任务发送至自动驾驶车辆编队,自动驾驶车辆编队执行完当前测试任务后,再向自动驾驶车辆编队发送下一个测试任务。也可以将测试任务集合发送至自动驾驶车辆编队,由各车辆按照集合中测试任务的顺序依次连续执行各个测试任务。各车辆在测试任务中的目标车道与各车辆执行该测试任务之前所在车道不同。也就是每个测试任务中各车辆的目标车道与前一个测试任务中各车辆的目标车道不同。
测试装置可以获取各车辆当前所在车道,可以在路端设备设置信号接收器,接收各车辆上报当前所在车道,并发送至测试装置。也可以在路端设备设置视觉传感器(例如,摄像机)获取各车辆的图像,发送至测试装置,测试装置可以根据图像识别各车辆当前所在车道,例如采用光流法等目标追踪算法识别各车辆当前所在车道。
在一些实施例中,根据各辆自动驾驶车辆的当前车道,随机为各辆自动驾驶车辆选取与当前车道不同的目标车道,生成测试任务,并发送至自动驾驶车辆编队。可以采用蒙特卡洛算法生成测试任务。
如图2A所示,自动驾驶车辆编队中各车辆当前所在的车道分别为:车辆1、3在车道1,车辆2、4处于车道2。在获取各车辆当前所在车道后,针对各辆确定其编队重构后需要处在的车道,即针对各车辆确定下一个测试任务中的目标车道。各车辆的目标车道的确定方法是随机的,即每一辆车具有均等概率将目标车道设置为刨除其当前所在车道外的其它车道之中。可以根据蒙特卡洛方式指定各车辆的目标车道,一种可能的目标车道布置方案如图2B所示。车辆1在车道2,车辆2在车道3,车辆3在车道4,车辆4在车道1.
之后以上述目标车道为新的当前车道,继续采用蒙特卡洛方法生成新的目标车道布置,并这样逐步迭代下去,直至生成N个测试任务。例如,在N=3情况下,可能的测试任务集是:车辆1~4分别对应的目标车道编号为2,3,4,1;1,4,1,2;3,2,4,1。
在步骤S104中,在各车辆依次执行各个测试任务变换到各个测试任务中的目标车道的协同行驶过程中,获取各车辆执行各个测试任务的行驶轨迹。
各车辆依次连续执行各个测试任务,无需停车,这种流水式、伺服式的应激性运动过程,更加符合车辆实际行驶的情况,测试结果更加准确。
在一些实施例中,接收路端设备拍摄各车辆执行各个测试任务时的行驶图像;根据行驶图像以及对应的拍摄时间,确定各车辆执行各个测试任务的行驶轨迹。可以采用目标追踪算法根据行驶图像确定各车辆所在位置。
在另一些实施例中,执行各个测试任务时,接收各车辆周期性上报的当前所在位置和时间信息,根据各车辆上报的当前所在位置和时间信息,确定各车辆执行各个测试任务的行驶轨迹。
在步骤S106中,根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定自动驾驶车辆编队的协同行驶的质量参数。
最优行驶轨迹可以根据实际情况设置,例如,完成测试任务所用时间最短得到的各车辆的行驶轨迹作为最优行驶轨迹,或者执行测试任务的过程最平缓得到的各车辆的行驶轨迹作为最优行驶轨迹等,不限于所举示例。
在一些实施例中,针对每个测试任务,对各车辆执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对各车辆执行该测试任务的最优行驶轨迹采样等时间间隔采样预设个数的多个参考位置点。根据多个实际位置点与多个参考位置点的距离,确定各车辆执行该测试任务的行驶轨迹与各车辆执行该测试任务的最优行驶轨迹的偏差。
例如,测试任务包括N个,针对第i个测试任务,将各车辆执行该测试任务的局部时间段内的协同运动轨迹记为Trajectoryi,其中具体包括了各车辆的行驶轨迹。各车辆执行该测试任务的最优行驶轨迹记为Optimumi,其中具体包括了各车辆的最优行驶轨迹。将Trajectoryi包含的每一条行驶轨迹等时间间隔采样Nfe个实际位置点,将Optimumi包含的每一条最优行驶轨迹等时间间隔采样Nfe个参考位置点。可以利用平方差的方式计算两者之间的距离。例如,可以采用以下公式确定第i个测试任务中的实际行驶轨迹与最优行驶轨迹的归一化偏差。
其中,M为车辆数量也即行驶轨迹和最优行驶轨迹的条数。Nfe为采样点的个数。1≤j≤M,1≤K≤Nfe,(xj,k,yj,k)为第j条行驶轨迹,第k个实际位置点的位置信息,(xj,k′,yj,k′)为第j条最优行驶轨迹,第k个参考位置点的位置信息。
根据上述方法可以得到每个测试任务对应偏差Jerror。在一些实施例中,根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据均值确定自动驾驶车辆编队的协同行驶的总体质量参数。可以设置总体质量阈值,将自动驾驶车辆编队的协同行驶的总体质量参数与总体质量阈值进行对比,如果小于总体质量阈值,则确定自动驾驶车辆编队的协同行驶的质量合格,否则,不合格。在不合格的情况下,可以发出信号通知维护人员进行检查。
在一些实施例中,根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据方差确定自动驾驶车辆编队的协同行驶的质量波动参数。可以设置质量波动阈值,将自动驾驶车辆编队的协同行驶的质量波动参数与质量波动阈值进行对比,如果小于质量波动阈值,则确定自动驾驶车辆编队的协同行驶质量合格,否则,不合格。在不合格的情况下,可以发出信号通知维护人员进行检查。
在一些实施例中,根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的最大值,可以反映自动驾驶车辆编队的协同行驶质量的下限。可以设置阈值,将该最大值与阈值进行对比,如果小于阈值,则确定自动驾驶车辆编队的协同行驶质量合格,否则,不合格。在不合格的情况下,可以发出信号通知维护人员进行检查。
上面三种实施方式可以任意进行组合。
在一些实施例中,针对每个测试任务和每辆车辆,对该执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对该车辆执行该测试任务的最优行驶轨迹等时间间隔采样预设个数的多个参考位置点。根据多个实际位置点与多个参考位置点的距离,确定该车辆执行该测试任务的行驶轨迹与该车辆执行该测试任务的最优行驶轨迹的偏差。例如可以采用以下公式计算一辆车执行第i个测试任务的行驶轨迹与该车执行第i个测试任务的最优行驶轨迹的偏差。
公式(2)中各个参数的含义可以参考公式(1)在此不再赘述。
根据公式(2)可以得到每辆车和每个测试任务对应的偏差。在一些实施例中,针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据该车辆对应的均值确定该车辆的协同行驶的总体质量参数;根据各个车辆的协同行驶的总体质量参数的比对,确定不合格的车辆。可以将各个车辆的协同行驶的总体质量参数中最大值对应的车辆确定为不合格,可以通知维护人员该车辆的编号。
在一些实施例中,针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据该车辆对应的方差确定该车辆的协同行驶的质量波动参数,根据各个车辆的协同行驶的质量波动参数的比对,确定不合格的车辆。可以将各个车辆的协同行驶的质量波动参数中最大值对应的车辆确定为不合格,可以通知维护人员该车辆的编号。
上述两种实施方式可以进行组合应用。上述实施例中向自动驾驶车辆编队发送一个或多个测试任务,通过获取协同行驶过程中各车辆执行各个测试任务的行驶轨迹,并将行驶轨迹与最优行驶轨迹进行比对计算偏差,从而确定自动驾驶车辆编队的协同行驶的质量参数。上述实施例提出的自动驾驶车辆编队行驶的测试方法,能够量化测试自动驾驶车辆编队行驶的质量,对于判断自动驾驶车辆编队行驶是否安全、高效等提供了准确的数据支持,有利于提高自动驾驶车辆编队行驶的安全性、高效性等。
下面结合图3描述本公开自动驾驶车辆编队行驶的测试方法的另一些实施例。
图3为本公开自动驾驶车辆编队行驶的测试方法另一些实施例的流程图。如图3所示,该实施例的方法包括:步骤S302~S314。
在步骤S302中,获取自动驾驶车辆编队中各车辆的初始车道。
可以通过路端设备获取各车辆的初始车道。
在步骤S304中,根据各车辆的初始车道生成测试任务集。测试任务集参考前述实施例的方法生成,包括多个测试任务。
在步骤S306中,按照测试任务集中各个测试任务的顺序,将当前测试任务发送至自动驾驶车辆编队,以便各车辆接收到当前测试任务开始执行。
在步骤S308中,获取各车辆执行当前测试任务的行驶轨迹。
可以通过路端设备获取各车辆执行当前测试任务的行驶轨迹。这一过程是不断接收路端设备获取的各车辆的位置信息,不断确定行驶轨迹。
在步骤S310中,在根据各车辆执行当前测试任务的行驶轨迹,确定各车辆是否完成当前任务,并匀速行驶预设时间。如果是,则执行步骤S312,否则返回步骤S308重复执行。
预设时间例如为1秒。
在步骤S312中,确定测试任务集中是否还有未下发的测试任务,如果有,则返回步骤S306开始执行,否则,执行步骤S314。
在步骤S314中,根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定自动驾驶车辆编队的协同行驶的质量参数。
各车辆执行测试任务的最优行驶轨迹可以采用。最优控制问题的模型,模型包括两部分,目标函数(也称代价函数)以及约束条件,下面进行具体描述。
首先描述约束条件,约束条件包括车辆运动学模型。本实施例采用2自由度模型。该模型具体遵循以下几点基本假设:(1)车辆行驶于平坦路面,忽略车辆在垂直于路面方向上的运动;(2)忽略车轮在行驶中受到的风阻力以及地面侧向摩擦力;(3)车轮与地面始终保持良好的滚动接触;(4)车辆为刚体,即不考虑车身悬架结构的影响。2自由度模型的主要建立思路是,将车辆的两只前轮及两只后轮分别向车体纵轴方向合并为虚拟单轮(如图4A),通过操控虚拟前轮的转角角度及虚拟后轮的线速度这两个独立变量来实现车辆运动。由于含有两个虚拟单轮的车辆从形态上与自行车相仿,因此2自由度模型一般也称作自行车模型。
假设在惯性坐标系OXY中存在Nv辆车,其中车辆i(i=1,...,Nv)的运动行为受到以下微分方程组的限制。即车辆运动学模型,可以采用以下公式表示。
结合图4A所示,公式(3)中,t∈[t0,tf]表示运动时域,t0已知,但tf未固定,(xi(t),yi(t))为坐标系中车辆i后轮轴中心点t时刻的坐标,vi(t)和αi(t)分别表示沿车体纵轴方向的t时刻的速度和加速度。为t时刻车辆i前轮偏转角,例如以左转方向为正方向。ωi(t)为t时刻车辆i前轮偏转角速度,例如,以垂直于XOY坐标系向外为正方向。θi(t)为t时刻车辆i在坐标系中的姿态角,即从坐标系X轴正方向到车体纵轴正方向的旋转角度,例如以逆时针转向为正方向。LW为车辆前后轮轴的距离。图4A还定义了车辆i的四个几何尺寸相关参数,LF为车辆前悬距离,LR为车辆后悬距离,LB为车体的宽度。
xi(t),yi(t),θi(t)以及vi(t)属于状态变量x(t),而αi(t)、ωi(t)属于控制变量u(t)。对此,可直观地理解为:如果给定车辆i在初始时刻t0的运动状态x(t0)以及运动时域[t0,tf]上的u(t),那么可以(通过积分运算)唯一确定该时域上的运动状态x(t),对应车辆i唯一的行驶轨迹。
进一步,车辆运动学模型,在整个时域t∈[t0,tf],还要求满足以下约束条件。
|αi(t)|≤αmax (4a)
|vi(t)|≤vmax (4b)
|ωi(t)|≤Ωmax (4d)
αmax、vmax、Φmax以及Ωmax分别为区间幅值参数。Φmax代表车辆前轮转角的最大允许偏转角度值;vmax并非车辆的设计速度极限,而是结合具体场景任务确定的安全速度上限;为保证乘客舒适性,αmax与Ωmax分别为线加速度、前轮转角速度设置了幅值。
车辆在整个运动时域[t0,tf]上应避免发生碰撞。假设场景中不存在运动行为不可控的非协作车辆,潜在的碰撞风险可能发生于各协同运动车辆之间,以及车辆与静止障碍物之间。可以采用双圆描述车辆轮廓,如图4B所示。对于车辆i的本体轮廓Ai,Bi,Ci,Di,可采用以点P_fi及P_ri为圆心、以Ri为半径的两个圆形均匀覆盖,圆心和半径可以采用以下公式表示。均匀覆盖是指将车辆本体轮廓被横向截断为两个形状完全相等的矩形,两圆分别构成两个矩形的外接圆。
全部Nv辆车之间相互不发生碰撞的要求等价于:每辆车所属的两个圆形均不与任何其余车辆所属的任一圆形发生重叠,可具体描述为以下公式。
另一方面,车辆与道路边沿线不碰撞,等价于车辆所属的双圆位于边沿线的一侧。如在图4B所示的场景中,车辆i与道路边沿线y=LB之间的碰撞躲避约束条件可建立为以下公式。
约束条件还包括边值约束条件。在车辆运动的初始时刻t0以及终止时刻tf,状态变量x(t)、控制变量u(t)往往存在着约束限制,需结合具体行驶任务确定。t=t0是车辆运动过程的起始时刻,此时车辆的所有状态及控制变量取值参数应在具体任务中明确给出。以车辆i为例,边值约束中的初始时刻约束可以采用以下公式表示。
其中,xi,yi,θi,vi,αi,ωi是根据实际情况决定的。进一步,为避免潜在碰撞风险,还可以定义平稳性约束条件。初始时刻运动状态的平稳性约束条件因具体场景及任务而异,但共性的条件一般可以采用以下公式表示。
车辆在终止时刻的约束条件应结合具体任务需求而设定,此处不作展开介绍。为确保车辆在终止时刻的运动状态是安全的,可以建立终止时刻运动状态平稳性约束条件。
有了初始时刻运动状态平稳性约束的基础,可以采用以下公式表示一般问题中终止时刻运动状态平稳性约束条件。
车道变更运动过程主要发生于道路中。首先,道路场景范围较泊车场景更加宽阔,且正常情况下在道路中不存在使行驶空间变得狭窄的静止障碍物,因此采用矩形精细描述车辆轮廓的意义不大;其次,车辆在变更车道时的速度较泊车更快,从系统可靠性设计的角度来看,有必要在运动规划环节在车辆轮廓外沿适当设置裕度;最后,对车辆轮廓进行近似描述能够降低模型复杂程度,进而降低计算困难。综合以上几点考虑,采用双圆来近似描述车辆的轮廓。以下将建立自动驾驶车辆车道变更运动规划任务的完整命题。
在建模过程中,第一步是确立平面坐标系OXY。如图4C所示,可将道路右侧边沿线设置为X轴,以道路前进方向为其正方向;设置Y轴正方向指向道路左侧边沿线;坐标系原点O可结合具体任务确定。如图4C中,y=LB及y=RB分别构成了道路左右两侧隔离带的边界。在变更车道过程中,每一辆车应避免与其它协同运动车辆相撞,并避免与道路两侧隔离带碰撞。车辆之间的碰撞躲避约束条件可直接利用公式(6)建立,车辆与道路两侧边沿线之间的碰撞躲避约束条件可建立为
此外,在换道过程中应避免出现车辆逆向行驶或者倒车行驶的情况,还可以设置以下约束。
在换道过程的初始时刻t0,车辆i的位置(即xi(t0)及yi(t0))应在具体任务中给出,其它状态/控制变量应在满足初始时刻平稳性约束条件的基础上,确保车辆i沿道路方向行驶,即需要满足以下公式。
[xi(t0),yi(t0)]=[xi,yi] (13)
在终止时刻tf,车辆i应沿目标车道平稳行驶,设车辆i的目标车道中心线为y=Desti,则终止时刻约束条件可采用以下公式表示。
yi(tf)=Desti (15)
例如,以换道任务应尽快完成,且换道过程应尽量平缓为目标,据此可参考以下公式建立复合型目标函数。
其中λ1>0为权重系数,反映了优化目标对任务完成的时效性与舒适性的综合考虑。至此,完整的自动驾驶车辆变更车道运动规划任务可建立为以下最优控制问题。
优化目标:min(17)
约束条件:
车辆运动学模型(3) (18)
边值约束:(13)~(16)
路径约束:(4a)~(4d),(5a)~(5c),(6),(11),(12)
目标函数(17)可以根据实际需求进行设置,不限于所举示例。求解上述公式(18)即可得到自动驾驶车辆编队在执行测试任务时,各车辆的最优行驶轨迹。
本公开还提供一种自动驾驶车辆编队行驶的测试装置,下面结合图5进行描述。
图5为本公开自动驾驶车辆编队行驶的测试装置的一些实施例的结构图。如图5所示,该实施例的装置50包括:任务发送模块510,轨迹获取模块520,参数确定模块530。
任务发送模块510,用于向自动驾驶车辆编队发送测试任务,每个测试任务包括:自动驾驶车辆编队中各车辆的在该测试任务中的目标车道。
轨迹获取模块520,用于在各车辆依次执行各个测试任务变换到各个测试任务中的目标车道的协同行驶过程中,获取各车辆执行各个测试任务的行驶轨迹。
在一些实施例中,轨迹获取模块520用于响应于向自动驾驶车辆编队发送当前测试任务,获取各车辆执行当前测试任务的行驶轨迹;任务发送模块510用于在根据各车辆执行当前测试任务的行驶轨迹,确定各车辆完成当前任务,并匀速行驶预设时间的情况下,向自动驾驶车辆编队发送下一个测试任务。
在一些实施例中,任务发送模块510用于根据各车辆的当前车道,随机为各车辆选取与当前车道不同的目标车道,生成下一个测试任务,并通过路端设备发送至自动驾驶车辆编队。
在一些实施例中,轨迹获取模块520用于接收路端设备拍摄各车辆执行各个测试任务时的行驶图像;根据行驶图像以及对应的拍摄时间,确定各车辆执行各个测试任务的行驶轨迹。
参数确定模块530,用于根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定自动驾驶车辆编队的协同行驶的质量参数。
在一些实施例中,参数确定模块530用于针对每个测试任务,对各车辆执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对各车辆执行该测试任务的最优行驶轨迹采样等时间间隔采样预设个数的多个参考位置点;根据多个实际位置点与多个参考位置点的距离,确定各车辆执行该测试任务的行驶轨迹与各车辆执行该测试任务的最优行驶轨迹的偏差。
在一些实施例中,参数确定模块530用于根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据均值确定自动驾驶车辆编队的协同行驶的总体质量参数;或者,根据各车辆执行各个测试任务的行驶轨迹与各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据方差确定自动驾驶车辆编队的协同行驶的质量波动参数。
在一些实施例中,参数确定模块530用于针对每个测试任务和每辆车辆,对该执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对该车辆执行该测试任务的最优行驶轨迹等时间间隔采样预设个数的多个参考位置点;根据多个实际位置点与多个参考位置点的距离,确定该车辆执行该测试任务的行驶轨迹与该车辆执行该测试任务的最优行驶轨迹的偏差。
在一些实施例中,参数确定模块530用于针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据该车辆对应的均值确定该车辆的协同行驶的总体质量参数;根据各个车辆的协同行驶的总体质量参数的比对,确定不合格的车辆;或者,针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据该车辆对应的方差确定该车辆的协同行驶的质量波动参数,根据各个车辆的协同行驶的质量波动参数的比对,确定不合格的车辆。
本公开的实施例中的自动驾驶车辆编队行驶的测试装置可各由各种计算设备或计算机系统来实现,下面结合图6以及图7进行描述。
图6为本公开自动驾驶车辆编队行驶的测试装置的一些实施例的结构图。如图6所示,该实施例的装置60包括:存储器610以及耦接至该存储器610的处理器620,处理器620被配置为基于存储在存储器610中的指令,执行本公开中任意一些实施例中的自动驾驶车辆编队行驶的测试方法。
其中,存储器610例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图7为本公开自动驾驶车辆编队行驶的测试装置的另一些实施例的结构图。如图7所示,该实施例的装置70包括:存储器710以及处理器720,分别与存储器610以及处理器620类似。还可以包括输入输出接口730、网络接口740、存储接口750等。这些接口730,740,750以及存储器710和处理器720之间例如可以通过总线760连接。其中,输入输出接口730为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口740为各种联网设备提供连接接口,例如可以连接到数据库服务器或者云端存储服务器等。存储接口750为SD卡、U盘等外置存储设备提供连接接口。
本公开还提供一种自动驾驶车辆编队行驶的测试系统,下面结合图8进行描述。
图8为本公开自动驾驶车辆编队行驶的测试系统的一些实施例的结构图。如图8所示,该实施例的系统8包括:前述任意实施例的测试装置50/60/70,以及路端设备82和自动驾驶车辆编队84;路端设备82用于接收测试装置发送的测试任务,并转发至自动驾驶车辆编队,获取各车辆执行各个测试任务的行驶轨迹,并转发至测试装置;自动驾驶车辆编队84用于接收测试任务,并依次执行各个测试任务。
在一些实施例中,路端设备82还用于拍摄各车辆执行各个测试任务时的行驶图像,将行驶图像发送至测试装置。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (11)
1.一种自动驾驶车辆编队行驶的测试方法,包括:
向自动驾驶车辆编队发送测试任务,每个测试任务包括:所述自动驾驶车辆编队中各车辆的在该测试任务中的目标车道;
在所述各车辆依次执行各个测试任务变换到各个测试任务中的目标车道的协同行驶过程中,获取所述各车辆执行各个测试任务的行驶轨迹,其中响应于向自动驾驶车辆编队发送当前测试任务,获取所述各车辆执行当前测试任务的行驶轨迹,在根据所述各车辆执行当前测试任务的行驶轨迹,确定所述各车辆完成当前任务,并匀速行驶预设时间的情况下,根据所述各车辆的当前车道,随机为所述各车辆选取与当前车道不同的目标车道,生成下一个测试任务,并通过路端设备发送至所述自动驾驶车辆编队;
根据所述各车辆执行各个测试任务的行驶轨迹与所述各车辆执行各个测试任务的最优行驶轨迹的偏差,确定所述自动驾驶车辆编队的协同行驶的质量参数。
2.根据权利要求1所述的测试方法,其中,
所述获取所述各车辆执行各个测试任务的行驶轨迹包括:
接收路端设备拍摄所述各车辆执行各个测试任务时的行驶图像;
根据所述行驶图像以及对应的拍摄时间,确定所述各车辆执行各个测试任务的行驶轨迹。
3.根据权利要求1所述的测试方法,其中,
所述各车辆执行各个测试任务的行驶轨迹与所述各车辆执行各个测试任务的最优行驶轨迹的偏差的确定方法包括:
针对每个测试任务,对所述各车辆执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对所述各车辆执行该测试任务的最优行驶轨迹等时间间隔采样预设个数的多个参考位置点;
根据所述多个实际位置点与所述多个参考位置点的距离,确定所述各车辆执行该测试任务的行驶轨迹与所述各车辆执行该测试任务的最优行驶轨迹的偏差。
4.根据权利要求3所述的测试方法,其中,
所述确定所述自动驾驶车辆编队的协同行驶的质量参数包括:
根据所述各车辆执行各个测试任务的行驶轨迹与所述各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据所述均值确定所述自动驾驶车辆编队的协同行驶的总体质量参数;
或者,根据所述各车辆执行各个测试任务的行驶轨迹与所述各车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据所述方差确定所述自动驾驶车辆编队的协同行驶的质量波动参数。
5.根据权利要求3所述的测试方法,其中,
所述各车辆执行各个测试任务的行驶轨迹与所述各车辆执行各个测试任务的最优行驶轨迹的偏差的确定方法包括:
针对每个测试任务和每辆车辆,对该车辆执行该测试任务的行驶轨迹等时间间隔采样预设个数的多个实际位置点,对该车辆执行该测试任务的最优行驶轨迹等时间间隔采样预设个数的多个参考位置点;
根据所述多个实际位置点与所述多个参考位置点的距离,确定该车辆执行该测试任务的行驶轨迹与该车辆执行该测试任务的最优行驶轨迹的偏差。
6.根据权利要求5所述的测试方法,其中,
所述确定所述自动驾驶车辆编队的协同行驶的质量参数包括:
针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与所述该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的均值,根据该车辆对应的所述均值确定该车辆的协同行驶的总体质量参数;根据各个车辆的协同行驶的总体质量参数的比对,确定不合格的车辆;
或者,针对每辆车辆,根据该车辆执行各个测试任务的行驶轨迹与该车辆执行各个测试任务的最优行驶轨迹的偏差,确定各个偏差的方差,根据该车辆对应的方差确定该车辆的协同行驶的质量波动参数,根据各个车辆的协同行驶的质量波动参数的比对,确定不合格的车辆。
7.一种自动驾驶车辆编队行驶的测试装置,包括:
任务发送模块,用于向自动驾驶车辆编队发送测试任务,每个测试任务包括:所述自动驾驶车辆编队中各车辆的在该测试任务中的目标车道;
轨迹获取模块,用于在所述各车辆依次执行各个测试任务变换到各个测试任务中的目标车道的协同行驶过程中,获取所述各车辆执行各个测试任务的行驶轨迹,其中响应于向自动驾驶车辆编队发送当前测试任务,获取所述各车辆执行当前测试任务的行驶轨迹,在根据所述各车辆执行当前测试任务的行驶轨迹,确定所述各车辆完成当前任务,并匀速行驶预设时间的情况下,根据所述各车辆的当前车道,随机为所述各车辆选取与当前车道不同的目标车道,生成下一个测试任务,并通过路端设备发送至所述自动驾驶车辆编队;
参数确定模块,用于根据所述各车辆执行各个测试任务的行驶轨迹与所述各车辆执行各个测试任务的最优行驶轨迹的偏差,确定所述自动驾驶车辆编队的协同行驶的质量参数。
8.一种自动驾驶车辆编队行驶的测试装置,包括:
处理器;以及
耦接至所述处理器的存储器,用于存储指令,所述指令被所述处理器执行时,使所述处理器执行如权利要求1-6任一项所述的自动驾驶车辆编队行驶的测试方法。
9.一种非瞬时性计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
10.一种自动驾驶车辆编队行驶的测试系统,包括:
权利要求7-8任一项所述的自动驾驶车辆编队行驶的测试装置;以及路端设备和自动驾驶车辆编队;
所述路端设备用于接收所述测试装置发送的测试任务,并转发至自动驾驶车辆编队,获取所述各车辆执行各个测试任务的行驶轨迹,并转发至所述测试装置;
所述自动驾驶车辆编队用于接收所述测试任务,并依次执行各个测试任务。
11.根据权利要求10所述的测试系统,其中,
所述路端设备还用于拍摄所述各车辆执行各个测试任务时的行驶图像,将所述行驶图像发送至所述测试装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911200592.0A CN110907193B (zh) | 2019-11-29 | 2019-11-29 | 自动驾驶车辆编队行驶的测试方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911200592.0A CN110907193B (zh) | 2019-11-29 | 2019-11-29 | 自动驾驶车辆编队行驶的测试方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110907193A CN110907193A (zh) | 2020-03-24 |
CN110907193B true CN110907193B (zh) | 2022-02-01 |
Family
ID=69820633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911200592.0A Active CN110907193B (zh) | 2019-11-29 | 2019-11-29 | 自动驾驶车辆编队行驶的测试方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110907193B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111583645B (zh) * | 2020-05-09 | 2021-08-03 | 北京京东乾石科技有限公司 | 车辆协同行驶的质量评估方法、装置、服务器及介质 |
CN111780981B (zh) | 2020-05-21 | 2022-02-18 | 东南大学 | 一种智能车辆编队变道性能测评方法 |
CN111811834B (zh) * | 2020-07-09 | 2022-07-22 | 长安大学 | 基于车车通信的车辆队列自主行驶能力的测试方法及系统 |
CN112729320B (zh) * | 2020-12-22 | 2022-05-17 | 中国第一汽车股份有限公司 | 一种障碍物地图构建方法、装置、设备及存储介质 |
CN113460066B (zh) * | 2021-08-11 | 2022-12-09 | 东南大学 | 一种检测自动驾驶车辆队列中车辆数据传输准确性的方法 |
CN116847401B (zh) * | 2023-08-30 | 2023-11-17 | 深圳市智慧城市科技发展集团有限公司 | 车联网测试方法、设备和可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699095A (zh) * | 2016-01-27 | 2016-06-22 | 常州加美科技有限公司 | 一种无人驾驶车辆的测试方法 |
CN105809950A (zh) * | 2016-03-28 | 2016-07-27 | 重庆邮电大学 | 一种基于车路协同技术的车辆编队方法及其系统 |
CN106706341A (zh) * | 2017-02-14 | 2017-05-24 | 特路(北京)科技有限公司 | 自动驾驶车辆换道能力的测试方法及测试场 |
CN108255151A (zh) * | 2017-12-15 | 2018-07-06 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种无人驾驶车辆的测评系统 |
WO2019014807A1 (zh) * | 2017-07-17 | 2019-01-24 | 朱继莲 | 远程临场驾驶无人车作业系统及自动驾驶汽车测试场系统 |
CN109324539A (zh) * | 2018-08-28 | 2019-02-12 | 山东省科学院自动化研究所 | 一种自动驾驶封闭测试场的智能控制平台及方法 |
CN109975033A (zh) * | 2019-03-22 | 2019-07-05 | 山东省科学院自动化研究所 | 一种自动驾驶动态测试方法及装置 |
CN110164157A (zh) * | 2019-07-16 | 2019-08-23 | 华人运通(上海)新能源驱动技术有限公司 | 路侧设备、用于路侧设备的方法和车路协同系统 |
CN110260872A (zh) * | 2019-05-06 | 2019-09-20 | 合肥工业大学 | 一种车路协同环境下基于gps的动态超车轨迹规划系统 |
CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
-
2019
- 2019-11-29 CN CN201911200592.0A patent/CN110907193B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699095A (zh) * | 2016-01-27 | 2016-06-22 | 常州加美科技有限公司 | 一种无人驾驶车辆的测试方法 |
CN105809950A (zh) * | 2016-03-28 | 2016-07-27 | 重庆邮电大学 | 一种基于车路协同技术的车辆编队方法及其系统 |
CN106706341A (zh) * | 2017-02-14 | 2017-05-24 | 特路(北京)科技有限公司 | 自动驾驶车辆换道能力的测试方法及测试场 |
WO2019014807A1 (zh) * | 2017-07-17 | 2019-01-24 | 朱继莲 | 远程临场驾驶无人车作业系统及自动驾驶汽车测试场系统 |
CN108255151A (zh) * | 2017-12-15 | 2018-07-06 | 工业和信息化部计算机与微电子发展研究中心(中国软件评测中心) | 一种无人驾驶车辆的测评系统 |
CN109324539A (zh) * | 2018-08-28 | 2019-02-12 | 山东省科学院自动化研究所 | 一种自动驾驶封闭测试场的智能控制平台及方法 |
CN109975033A (zh) * | 2019-03-22 | 2019-07-05 | 山东省科学院自动化研究所 | 一种自动驾驶动态测试方法及装置 |
CN110260872A (zh) * | 2019-05-06 | 2019-09-20 | 合肥工业大学 | 一种车路协同环境下基于gps的动态超车轨迹规划系统 |
CN110164157A (zh) * | 2019-07-16 | 2019-08-23 | 华人运通(上海)新能源驱动技术有限公司 | 路侧设备、用于路侧设备的方法和车路协同系统 |
CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
Non-Patent Citations (1)
Title |
---|
汽标委完成全国首次大规模商用车列队跟驰公开验证试验;解瀚光;《中国汽车》;20190630(第06期);第1页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110907193A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110907193B (zh) | 自动驾驶车辆编队行驶的测试方法、装置和系统 | |
JP6930600B2 (ja) | 車両位置推定装置および車両制御装置 | |
Rauskolb et al. | Caroline: An autonomously driving vehicle for urban environments | |
Althoff et al. | Safety verification of autonomous vehicles for coordinated evasive maneuvers | |
CN112193244B (zh) | 基于线性约束的自动驾驶车辆运动规划方法 | |
CN113267199B (zh) | 行驶轨迹规划方法及装置 | |
During et al. | Cooperative maneuver planning for cooperative driving | |
JP2018206036A (ja) | 車両制御システム及び方法、並びに走行支援サーバ | |
CN105009175A (zh) | 基于传感器盲点和局限性来修改自主车辆的行为 | |
CN111137301A (zh) | 车辆语言处理 | |
CN112068574A (zh) | 一种无人车在动态复杂环境中的控制方法及系统 | |
CN111854783B (zh) | 一种绕障路径规划方法及装置 | |
Zhang et al. | Structured road-oriented motion planning and tracking framework for active collision avoidance of autonomous vehicles | |
CN116069037A (zh) | 无人车编队轨迹规划控制方法、装置、设备及存储介质 | |
CN115752474A (zh) | 非平坦地面环境下的机器人导航规划方法、装置及机器人 | |
Cai et al. | Multi-maneuver vertical parking path planning and control in a narrow space | |
CN113504782B (zh) | 障碍物防撞方法、装置、系统和移动工具 | |
Malayjerdi et al. | Practical path planning techniques in overtaking for autonomous shuttles | |
CN113589685B (zh) | 一种基于深度神经网络的挪车机器人控制系统及其方法 | |
CN113341999A (zh) | 一种基于优化d*算法的叉车路径规划方法及装置 | |
CN116481541A (zh) | 一种无需卫星导航的车辆自主返航控制方法、装置及介质 | |
CN116166029A (zh) | 一种兼容局部避障功能的多agv导航方法及系统 | |
JP2019164812A (ja) | 車両制御システム及び方法、並びに走行支援サーバ | |
Du et al. | A Dynamic collaborative planning method for multi-vehicles in the autonomous driving platform of the DeepRacer | |
CN112731944B (zh) | 一种无人驾驶压路机自主避障方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |