CN111289978A - 一种车辆无人驾驶行为决策的方法和系统 - Google Patents

一种车辆无人驾驶行为决策的方法和系统 Download PDF

Info

Publication number
CN111289978A
CN111289978A CN202010090522.0A CN202010090522A CN111289978A CN 111289978 A CN111289978 A CN 111289978A CN 202010090522 A CN202010090522 A CN 202010090522A CN 111289978 A CN111289978 A CN 111289978A
Authority
CN
China
Prior art keywords
vehicle
unmanned
planning
behavior
information
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.)
Withdrawn
Application number
CN202010090522.0A
Other languages
English (en)
Inventor
谭银
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.)
Beijing Xiangyun Zhihui Technology Co ltd
Original Assignee
Beijing Xiangyun Zhihui 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 Xiangyun Zhihui Technology Co ltd filed Critical Beijing Xiangyun Zhihui Technology Co ltd
Priority to CN202010090522.0A priority Critical patent/CN111289978A/zh
Publication of CN111289978A publication Critical patent/CN111289978A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/87—Combinations of systems using electromagnetic waves other than radio waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种无人驾驶行为决策的方法和系统，属于车辆无人驾驶技术领域，包括以下步骤：收集环境信息数据，提取环境特征信息；根据环境信息特征，规划规划从起始点到目标点的基于路径最短的道路，并给出子任务和道路信息；根据环境信息特征，规划出一条从车辆当前位置到子任务的期望值的无碰撞路径，并采用竞争机制实时控制行为状态转移；根据局部路径规划系统给出的期望值与环境感知系统给出的实时反馈信号，控制底盘系统执行期望指令。本发明提供的一种无人驾驶行为决策的方法和系统，基于功能和行为分解，保证了该无人驾驶行为决策的方法和系统具有良好的规划推力能力，能满足无人驾驶汽车的自主性要求。

Description

一种车辆无人驾驶行为决策的方法和系统
技术领域
本发明属于车辆无人驾驶技术领域，更具体地说，是涉及一种无人驾驶行为决策的方法和系统。
背景技术
无人驾驶智能汽车控制技术是以车辆外部的环境感知系统为技术，对周边环境的精确识别，再进行行为决策与运动规划，最后控制系统执行相应的控制指令，从而达到驾驶功能需求。
其中，体系结构是系统信息处理和控制的总体结构，因此对体系结构的研究成为无人驾驶系统研究的一个重要内容。传统方法是将控制系统垂直分解为一系列功能单元，例如环境感知、规划、执行等。但这种方法存在环境适应性差、反应性差等缺点。
如何使得无人驾驶车辆结合具体路况或者工况信息进行路径轨迹的生成，达到更好的无人驾驶车辆的自适应情况是目前亟待解决的问题。
发明内容
本发明的目的在于提供一种无人驾驶行为决策的方法和系统，旨在解决现有的方法环境适应性差、反应差的技术问题，本发明实施例提供一种系统基于功能和行为分解的无人驾驶行为决策的方法和系统，保证了整个系统具有很好的规划推力能力，能够满足无人驾驶汽车的自主性要求。
为实现上述目的，本发明采用的技术方案是：提供一种无人驾驶行为决策的方法，包括：
步骤1、收集环境信息数据，提取环境特征信息；
步骤2、根据环境信息特征，规划规划从起始点到目标点的基于路径最短的道路，并给出子任务和道路信息；
步骤3、根据环境信息特征，规划出一条从车辆当前位置到子任务的期望值的无碰撞路径，并采用竞争机制实时控制行为状态转移；
步骤4、根据局部路径规划系统给出的期望值与环境感知系统给出的实时反馈信号，控制底盘系统执行期望指令。
所述竞争机制包括以下步骤：
步骤3.1、将车道保持设定为车辆的默认行为状态；
步骤3.2、无其他交通物体时，车辆执行车道保持状态；
步骤3.3、车辆行驶环境由于其他交通物体发生改变时，车辆基于竞争条件元素分别执行紧急停车、避障或自适应巡航；
步骤3.4、车辆行驶环境由于交通标志物发生改变时，车辆基于交通规则数据库分别执行停车线钱停车或融入交通流。
所述竞争条件元素包括：道路类型、障碍物及无人驾驶车辆的距离和相对速度；
当障碍物及无人驾驶车辆时间距离小于安全阈值时，车辆执行紧急停车；
当道路类型为双车道，障碍物及无人驾驶车辆时间距离小于安全阈值，车辆执行避障；
当道路类型为非双车道，障碍物及无人驾驶车辆时间距离不小于安全阈值，车辆执行自适应巡航。
所述安全阈值取决于：当前车速、传感器器延迟时间及障碍物的速度。
所述交通规则数据库包括：
在交叉口遇停车线停车等待融入交通流，停车后车辆根据交通流中的有效车辆信息采取继续等待或融入交通流。
所述提取环境特征的信息包括：地图文件、任务文件及车辆位姿。
本发明提供的一种无人驾驶行为决策的方法的有益效果在于：与现有技术相比，本发明一种无人驾驶行为决策的方法，基于功能和行为分解，保证了该无人驾驶行为决策的方法和系统具有良好的规划推力能力，能满足无人驾驶汽车的自主性要求。
本发明还提供一种无人驾驶行为决策的系统，其特征在于，包括：环境感知、全局路径规划、局部路径规划以及底盘控制；
环境感知，根据传感器给出的环境信息数据，提取环境特征信息；
全局路径规划，规划从起始点到目标点的基于路径最短的道路，并给出子任务和道路信息；
局部路径规划，根据驾驶经验、交通规则及全局路径规划系统给出的子任务规划出一条从车辆当前位置到子任务的目标点的无碰撞路径，并将对应的状态信息、车速指令及方向盘转角指令传递到底盘控制系统；
底盘控制，根据局部路径规划系统给出的状态信息、车速指令及方向盘转角指令进行底盘控制，并根据局部路径规划系统给出的期望值与环境感知系统给出的实时反馈信号控制底盘系统执行期望指令。
所述传感器包括：车载视觉系统、车载毫米波雷达、车载激光雷达中的一种或几种。
所述局部路径规划包括驾驶员经验数据库、交通规则数据库。
本发明提供的一种无人驾驶行为决策的系统的有益效果在于：与现有技术相比，本发明一种无人驾驶行为决策的系统统采用了功能分解结构和行为分解结构，分成了环境感知、全局路径规划、局部路径规划和底盘控制4个层次，各层次分别实现不同的功能，保证了该无人驾驶行为决策的方法和系统具有良好的规划推力能力，能满足无人驾驶汽车的自主性要求。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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发明的一些实施例，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为本发明实施例提供的一种无人驾驶行为决策的方法和系统的流程示意图；
图2为本发明实施例提供的一种无人驾驶行为决策的方法和系统中竞争机制的流程示意图；
图3为本发明实施例提供的一种无人驾驶车辆融入交通流时的环境工况示意图；
图4为本发明实施例提供的又一种用于无人驾驶行为决策的方法的生成方法流程图；
图5为本发明实施例提供的又一种用于无人驾驶行为决策的系统结构方框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请一并参阅图1、图2、图4及图5，现对本发明提供的一种无人驾驶行为决策的方法进行说明。所述一种基于功能和行为分解的无人驾驶行为决策的方法包括：
S1、收集环境信息数据，提取环境特征信息；
具体的是，所述提取环境特征的信息包括：地图文件、任务文件及车辆位姿。
S2、根据环境信息特征，规划规划从起始点到目标点的基于路径最短的道路，并给出子任务和道路信息；
S3、根据环境信息特征，规划出一条从车辆当前位置到子任务的期望值的无碰撞路径，并采用竞争机制实时控制行为状态转移；
S4、根据局部路径规划系统给出的期望值与环境感知系统给出的实时反馈信号，控制底盘系统执行期望指令。
本发明提供的一种无人驾驶行为决策的方法，与现有技术相比，该一种无人驾驶行为决策的方法，基于功能和行为分解，保证了该无人驾驶行为决策的方法和系统具有良好的规划推力能力，能满足无人驾驶汽车的自主性要求。
所述竞争机制包括以下步骤：
将车道保持设定为车辆的默认行为状态；
无其他交通物体时，车辆执行车道保持状态；
车辆行驶环境由于其他交通物体发生改变时，车辆基于竞争条件元素分别执行紧急停车、避障或自适应巡航；
具体的是，所述竞争条件元素包括：道路类型、障碍物及无人驾驶车辆的距离和相对速度；
当障碍物及无人驾驶车辆时间距离小于安全阈值时，车辆执行紧急停车；
当道路类型为双车道，障碍物及无人驾驶车辆时间距离小于安全阈值，车辆执行避障；
当道路类型为非双车道，障碍物及无人驾驶车辆时间距离不小于安全阈值，车辆执行自适应巡航。
需要说明的是，所述安全阈值取决于：当前车速、传感器器延迟时间及障碍物的速度。
车辆行驶环境由于交通标志物发生改变时，车辆基于交通规则数据库分别执行停车线钱停车或融入交通流。
具体的是，所述交通规则数据库包括：
在交叉口遇停车线停车等待融入交通流，停车后车辆根据交通流中的有效车辆信息采取继续等待或融入交通流。
本发明还提供一种人驾驶行为决策的系统，其特征在于，包括：环境感知、全局路径规划、局部路径规划以及底盘控制；
环境感知，根据传感器给出的环境信息数据，提取环境特征信息；
全局路径规划，规划从起始点到目标点的基于路径最短的道路，并给出子任务和道路信息；
局部路径规划，根据驾驶经验、交通规则及全局路径规划系统给出的子任务规划出一条从车辆当前位置到子任务的目标点的无碰撞路径，并将对应的状态信息、车速指令及方向盘转角指令传递到底盘控制系统；
底盘控制，根据局部路径规划系统给出的状态信息、车速指令及方向盘转角指令进行底盘控制，并根据局部路径规划系统给出的期望值与环境感知系统给出的实时反馈信号控制底盘系统执行期望指令。
本发明提供的一种无人驾驶行为决策的系统，与现有技术相比，该一种无人驾驶行为决策的方法和系统采用了功能分解结构和行为分解结构，分成了环境感知、全局路径规划、局部路径规划和底盘控制4个层次组件，各层次组件分别实现不同的功能，保证了该无人驾驶行为决策的方法和系统具有良好的规划推力能力，能满足无人驾驶汽车的自主性要求。
在本实施例中，传感器包括：车载视觉系统、车载毫米波雷达、车载激光雷达中的一种或几种。
在本实施例中，局部路径规划包括驾驶员经验数据库、交通规则数据库。
本发明还提供了另一种无人驾驶行为决策的方法和系统的实施例，请一并参阅图1至图5，下面对该中无人驾驶行为决策的方法和系统进行说明，一种无人驾驶行为决策的方法和系统包括4层：环境感知、全局路径规划、局部路径规划和底盘控制。4个层次分别实现不同的功能:环境感知层根据各种传感器(如车载视觉系统、车载毫米波雷达、车载激光雷达等)给出的环境信息数据提取环境特征信息，作为全局路径规划和局部路径规划的输入量；全局路径规划层根据地图文件和任务文件以及车辆当前的位姿规划从起始点到目标点的基于路径最短的道路并且给出相关子任务以及道路信息；局部路径规划层根椐感知的环境信息和自身车辆的位置、姿态信息、全局路径规划给出的子任务，知识数据库(即驾驶员经验数椐库和交通则数据库等)规划出一条从车辆当前位置到子目标点的无碰撞路径，局部路径规划要求具有较高的实时性和智能性，以满足复杂动态的车辆行驶环境，而这正是基于行为分解结构的优点，因此在局部路径规划中采用基干行为分解的结构；底盘控制层根据给出的期望值与本体传感器给出的实时反馈信号对底盘系统进行实时闭环控制。
行为分解结构：基于行为分解的局部路径规划包括行为决策和行为规划两部分。
行为决策主要依据驾驶员经验数据库、交通规则数据库以及全局路径信息和实时的环境信息等決策出车辆应该采取的行为，并触发行为规划执行行为；当环境改变时，行为决策依据环境感知层所给出的实时信息以及知识数据库和全局路径规划层给出的子任务等信息，采用竞争机制实时控制行为状态转移。本发明中依据城市环境的基本特征确定6个竞争行为：车道保持、避障、自适应巡航、停车线前停车、融入交通流、紧急停车。需要说明的是，由于起始和到达目的的行为工况简单且已知，因此本文不做阐述。
竞争机制原理分析：
(1)在无其他交通物体时，车辆的一般行驶工况为车道保持，因此将车道保持设定为车辆的默认行为状态，无人驾驶车辆开始启动后即进入车道保持行为。
(2)当车辆行驶环境由于其他交通物体的出现而发生动态变化时，即无人驾驶车辆前面出现障碍物，且与无人驾驶车辆的时间距离大于某一阈值(从速度和距离两个因子确定障碍物对无人驾驶车辆的影响)。将有3种行为参与竞争:避障、自适应巡航、紧急停车。竞争条件元素为道路类型、障碍物与无人驾驶车辆的距离和相对速度。
确定3个竞争条件:
Cl：道路类型为双车；C2：障碍物与无人驾驶车辆时间距离小于安全阈值(此阈值取决于当前车速和传感器延迟时间以及障碍物的速度)。IFC2＝1，紧急停车行为取胜；IFCl&非C2＝1，避障行为取胜；IF非C1&非C2＝1，自适应巡航行为取胜。
(3)当车辆行驶环境由于交通标志物(如停车线、信号灯等)发生变化时，决策层将根据交通规则数据库相关规则进行竞争。最基本的交通规则如在交叉口遇停车线停车等待融入交通流，停车后将根据环境感知层给出的交通流内的有效车辆状态信息等竞争条件决策是继续等待还是开始融入交通流。有效车辆的定义为对无人驾驶车辆行为将产生影响的车辆。
竞争条件原理分析：
在融入交通流时，典型环境工况如图3b，其简化的几何关系表示如图3a，其中A代表无人驾驶车辆，B代表侧方来车，P表示两车交汇点。确定两个竞争条件：
A1：tBP>tAP+TAB,A2：tAP>tBP+TAB。IFA1‖A2＝1，融入交通流行为取胜；IF非Al&非A2＝1，停车等待行为取胜。
其中tBP为侧方车辆到达交汇点所用时间，tAMP为无人驾驶车辆到达交汇点所用时间，TAB为所设定的安全时间阈值，其与传感器精度等有关。其中tBP和tAMP计算式为
tBP＝dBP/υB (1)
Figure BDA0002383551590000091
式中υB——侧方车辆速度
dAMP——无人驾驶汽车到交汇点距离
dBP——侧方车辆到达交汇点距离
asat——无人驾驶车辆最大加速度
υ0——无人驾驶车辆当前车速
tSW——无人驾驶车辆加速时间
υ——用来决策到达交汇点的速度
υplan——规划欲达到的最终车速
Figure BDA0002383551590000092
行为规划：
行为规划是根据行为决策的结果(即最终取胜的行为)对车辆采取的控制。如前所述6个基本能行为，其行为规划如下
1)车道保持
车道保持根据视觉系统给出的行车线信息以及车辆当前位姿实时跟踪道路中心线。控制器的输入量为无人驾驶车辆与车道中心线上的预瞄点的航向偏差以及侧向偏差，输出量为方向盘转角和车速
(2)避障
根据雷达系统给出的障碍物信息，结合视觉系统给出的行车线信息，在距离障碍物大于安全距离时避开障碍物，并在远离障碍物大于安全距离时回到原车道内。控制器的输入量为无人驾驶车辆与障碍物的相对距离及速度信息，输出量为方向盘转角和车速。
(3)自适应巡航
自适应巡航根据雷达系统给出的前方道路内距离无人驾驶车辆最近的车辆位置和速度信息，对车辆进行的纵向控制，依据最小行车间距，实现车辆速度状态随前车变化的功能。控制器的输入量为无人驾驶车辆与障碍物的相对距离和速度信息，输出量为车速。自适应巡航时车道保持行为将输出对无人驾驶车辆的横向控制信息(即方向盘转角)。
(4)停车线前停车
停车线前停车规划根据视觉系统给出的道路标志信息(即与停车线的距离)对车辆进行纵向控制。控制器的输入量为与停车线的距离和车速信息，输出量为车速。停车线前停车时车道保持行为将输出对无人驾驶车辆的横向控制信息(即方向盘转角)。
(5)融入交通流
融入交通流规划全局路径提供的序列点拟合转弯路径并跟踪虚拟路径对车辆进行控制。控制器的输入量为无人驾驶车辆与虚拟路径上预瞄点的航向偏差和侧向偏差，输出量为方向盘转角和车速。
(6)紧急停车
紧急停车规划直接对无人驾驶车辆进行紧急制动。属于反应式行为，即这个行为被触发时，不经过控制策略直接进行控制。前5种行为均为慎思式行为。
行为规划将给出对车辆的控制期望值，主要包括方向盘转角指令及车速指令，最终期望指令为各行为规划期望指令的加权之和，即
Figure BDA0002383551590000101
Figure BDA0002383551590000102
式中θ——最终输出方向盘转角指令
λi——i行为规划对期望方向盘转角的权值
θi——i行为规划的期望方向盘转角
u——最终输出车速指令
ωi——i行为规划对期望车速的权值
υi——i行为规划的期望车速
在本系统中由于已经通过竞争机制明确车辆当前行驶环境下的行为，所以权值确定为1或0，主要是基于不同行为对车辆进行的纵向或横向复合控制。如当从车道保持行为进入自适应巡航行为，车道保持方向盘转角权值将保持1，而车速权值将变为0。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应当说明的是，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种无人驾驶行为决策的方法，其特征在于，包括以下步骤：
步骤1、收集环境信息数据，提取环境特征信息；
步骤2、根据环境信息特征，规划规划从起始点到目标点的基于路径最短的道路，并给出子任务和道路信息；
步骤3、根据环境信息特征，规划出一条从车辆当前位置到子任务的期望值的无碰撞路径，并采用竞争机制实时控制行为状态转移；
步骤4、根据局部路径规划系统给出的期望值与环境感知系统给出的实时反馈信号，控制底盘系统执行期望指令。
2.如权利要求1所述的一种无人驾驶行为决策的方法，其特征在于，所述竞争机制包括以下步骤：
步骤3.1、将车道保持设定为车辆的默认行为状态；
步骤3.2、无其他交通物体时，车辆执行车道保持状态；
步骤3.3、车辆行驶环境由于其他交通物体发生改变时，车辆基于竞争条件元素分别执行紧急停车、避障或自适应巡航；
步骤3.4、车辆行驶环境由于交通标志物发生改变时，车辆基于交通规则数据库分别执行停车线钱停车或融入交通流。
3.如权利要求2所述的一种无人驾驶行为决策的方法，其特征在于，所述竞争条件元素包括：道路类型、障碍物及无人驾驶车辆的距离和相对速度；
当障碍物及无人驾驶车辆时间距离小于安全阈值时，车辆执行紧急停车；
当道路类型为双车道，障碍物及无人驾驶车辆时间距离小于安全阈值，车辆执行避障；
当道路类型为非双车道，障碍物及无人驾驶车辆时间距离不小于安全阈值，车辆执行自适应巡航。
4.如权利要求3所述的一种无人驾驶行为决策的方法，其特征在于，所述安全阈值取决于：当前车速、传感器器延迟时间及障碍物的速度。
5.如权利要求2所述的一种无人驾驶行为决策的方法，其特征在于，所述交通规则数据库包括：
在交叉口遇停车线停车等待融入交通流，停车后车辆根据交通流中的有效车辆信息采取继续等待或融入交通流。
6.如权利要求1所述的一种无人驾驶行为决策的方法，其特征在于，所述提取环境特征的信息包括：地图文件、任务文件及车辆位姿。
7.一种无人驾驶行为决策的系统，其特征在于，包括：
环境感知、全局路径规划、局部路径规划以及底盘控制；
所述环境感知，根据传感器给出的环境信息数据，提取环境特征信息；
所述全局路径规划，规划从起始点到目标点的基于路径最短的道路，并给出子任务和道路信息；
所述局部路径规划，根据驾驶经验、交通规则及全局路径规划系统给出的子任务规划出一条从车辆当前位置到子任务的目标点的无碰撞路径，并将对应的状态信息、车速指令及方向盘转角指令传递到底盘控制系统；
所述底盘控制，根据局部路径规划系统给出的状态信息、车速指令及方向盘转角指令进行底盘控制，并根据局部路径规划系统给出的期望值与环境感知系统给出的实时反馈信号控制底盘系统执行期望指令。
8.如权利要求7所述的一种无人驾驶行为决策的系统，其特征在于，所述传感器包括：车载视觉系统、车载毫米波雷达、车载激光雷达中的一种或几种。
9.如权利要求7所述的一种无人驾驶行为决策的系统，其特征在于，所述局部路径规划包括驾驶员经验数据库、交通规则数据库。
CN202010090522.0A 2020-02-13 2020-02-13 一种车辆无人驾驶行为决策的方法和系统 Withdrawn CN111289978A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010090522.0A CN111289978A (zh) 2020-02-13 2020-02-13 一种车辆无人驾驶行为决策的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010090522.0A CN111289978A (zh) 2020-02-13 2020-02-13 一种车辆无人驾驶行为决策的方法和系统

Publications (1)

Publication Number Publication Date
CN111289978A true CN111289978A (zh) 2020-06-16

Family

ID=71024397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010090522.0A Withdrawn CN111289978A (zh) 2020-02-13 2020-02-13 一种车辆无人驾驶行为决策的方法和系统

Country Status (1)

Country Link
CN (1) CN111289978A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882904A (zh) * 2020-07-27 2020-11-03 扬州大学 一种基于边缘计算的港区环境无人重卡车安全预警方法
CN111998864A (zh) * 2020-08-11 2020-11-27 东风柳州汽车有限公司 无人车局部路径规划方法、装置、设备及存储介质
CN112198877A (zh) * 2020-09-30 2021-01-08 广东唯仁医疗科技有限公司 一种基于5g网络的无人驾驶车辆的控制方法及系统
CN112419773A (zh) * 2020-11-19 2021-02-26 成都云科新能汽车技术有限公司 一种基于云控平台的车路协同无人驾驶控制系统
CN112462776A (zh) * 2020-11-30 2021-03-09 的卢技术有限公司 一种基于非结构化道路的无人驾驶决策方法
CN112561057A (zh) * 2020-12-09 2021-03-26 清华大学 一种状态控制方法及装置
CN112991744A (zh) * 2021-04-28 2021-06-18 北京科技大学 一种适用于长距离城市道路的自动驾驶决策方法及系统
CN113253734A (zh) * 2021-06-07 2021-08-13 江西东锐机械有限公司 带避障信号传输功能的无人驾驶智能控制器及其控制系统
CN113561986A (zh) * 2021-08-18 2021-10-29 武汉理工大学 自动驾驶汽车决策方法及装置
CN113741437A (zh) * 2021-08-18 2021-12-03 东风华神汽车有限公司 一种适用于纯电动物流车的无人驾驶运输方法与系统
CN114428504A (zh) * 2022-01-18 2022-05-03 上汽通用五菱汽车股份有限公司 无人驾驶车辆避障方法、系统、电子设备及存储介质
WO2023115909A1 (zh) * 2021-12-20 2023-06-29 北京三快在线科技有限公司 一种无人设备控制方法、装置、存储介质及电子设备

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882904B (zh) * 2020-07-27 2022-04-22 扬州大学 一种基于边缘计算的港区环境无人重卡车安全预警方法
CN111882904A (zh) * 2020-07-27 2020-11-03 扬州大学 一种基于边缘计算的港区环境无人重卡车安全预警方法
CN111998864A (zh) * 2020-08-11 2020-11-27 东风柳州汽车有限公司 无人车局部路径规划方法、装置、设备及存储介质
CN111998864B (zh) * 2020-08-11 2023-11-07 东风柳州汽车有限公司 无人车局部路径规划方法、装置、设备及存储介质
CN112198877A (zh) * 2020-09-30 2021-01-08 广东唯仁医疗科技有限公司 一种基于5g网络的无人驾驶车辆的控制方法及系统
CN112419773A (zh) * 2020-11-19 2021-02-26 成都云科新能汽车技术有限公司 一种基于云控平台的车路协同无人驾驶控制系统
CN112462776A (zh) * 2020-11-30 2021-03-09 的卢技术有限公司 一种基于非结构化道路的无人驾驶决策方法
CN112561057A (zh) * 2020-12-09 2021-03-26 清华大学 一种状态控制方法及装置
CN112991744A (zh) * 2021-04-28 2021-06-18 北京科技大学 一种适用于长距离城市道路的自动驾驶决策方法及系统
CN113253734A (zh) * 2021-06-07 2021-08-13 江西东锐机械有限公司 带避障信号传输功能的无人驾驶智能控制器及其控制系统
CN113741437A (zh) * 2021-08-18 2021-12-03 东风华神汽车有限公司 一种适用于纯电动物流车的无人驾驶运输方法与系统
CN113561986A (zh) * 2021-08-18 2021-10-29 武汉理工大学 自动驾驶汽车决策方法及装置
CN113561986B (zh) * 2021-08-18 2024-03-15 武汉理工大学 自动驾驶汽车决策方法及装置
WO2023115909A1 (zh) * 2021-12-20 2023-06-29 北京三快在线科技有限公司 一种无人设备控制方法、装置、存储介质及电子设备
CN114428504A (zh) * 2022-01-18 2022-05-03 上汽通用五菱汽车股份有限公司 无人驾驶车辆避障方法、系统、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111289978A (zh) 一种车辆无人驾驶行为决策的方法和系统
US11754408B2 (en) Methods and systems for topological planning in autonomous driving
CN112389427B (zh) 车辆轨迹优化方法、装置、电子设备和存储介质
US11932284B2 (en) Trajectory setting device and trajectory setting method
CN109606354B (zh) 一种基于分层规划的自动泊车方法及辅助系统
JP6308233B2 (ja) 車両制御装置及び車両制御方法
US20220187834A1 (en) Generating trajectories for autonomous vehicles
US20190250617A1 (en) Fast trajectory planning via maneuver pattern selection
US20200094829A1 (en) Driving support control device
CN111422196A (zh) 一种适用于微巴的智能网联自动驾驶系统及方法
JP6715899B2 (ja) 衝突回避装置
US20200353918A1 (en) Vehicle control device
US11648965B2 (en) Method and system for using a reaction of other road users to ego-vehicle actions in autonomous driving
CN113631452B (zh) 一种变道区域获取方法以及装置
Chen et al. A hierarchical hybrid system of integrated longitudinal and lateral control for intelligent vehicles
CN114834451A (zh) 自主车辆的主动式车道变换
CN112859838A (zh) 一种自动驾驶控制方法、装置、设备和介质
CN112424047B (zh) 将不适感用于自主车辆的速度规划
JP7464425B2 (ja) 車両制御装置、車両制御方法、及びプログラム
CN115082900B (zh) 一种停车场场景下智能车辆行驶决策系统及方法
JP2019164812A (ja) 車両制御システム及び方法、並びに走行支援サーバ
CN115593429A (zh) 自动驾驶车辆对紧急车辆的响应
Siboo et al. An Empirical Study of DDPG and PPO-Based Reinforcement Learning Algorithms for Autonomous Driving
JPWO2021197729A5 (zh)
Waizman et al. Motion planning in dynamic environment using maneuverability maps

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200616

WW01 Invention patent application withdrawn after publication