CN111332279A - 泊车路径生成方法和装置 - Google Patents

Abstract

本申请实施例公开了泊车路径生成方法和装置。该方法的一具体实施方式包括：利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，其中，泊车路径为车辆从当前位置到达泊车位置的路径；利用最优控制算法基于所述参考泊车路径，确定满足预设条件的目标泊车路径，当车辆按照目标泊车路径行驶时不存在与障碍物碰撞的情况。该实施方式降低了利用最优控制算法获取满足预设条件的泊车路径的最优控制问题的难度，缩短了获得目标泊车路径的时间。

Description

泊车路径生成方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及自动控制技术领域，尤其涉及泊车路径生成方法和装置。

背景技术

自主泊车系统可以实现基本的泊车功能，这种系统使用一种或多种传感器检测出车位大小及其位置，然后规划出一条可行的泊车路径，最后自动地控制车辆的转向系统、制动系统和动力系统遵循规划出的路径完成泊车。在自主泊车系统中，路径规划是关键技术之一。安全无碰撞、路径可行是其最基本、最重要的要求，在此基础上快速而舒适的泊车路径也是自主泊车系统需要的。

发明内容

本申请实施例提出了一种泊车路径生成方法和装置。

第一方面，本申请实施例提供了一种泊车路径生成方法，该方法包括：利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，其中，泊车路径为车辆从当前位置到达泊车位置的路径；利用最优控制算法基于所述参考泊车路径，确定满足预设条件的目标泊车路径，当车辆按照目标泊车路径行驶时不存在与障碍物碰撞的情况。

在一些实施例中，所述利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，包括：利用最优控制算法基于第一优化目标确定去除障碍物的情况下的参考泊车路径，第一优化目标包括：车辆的泊车时间最短。

在一些实施例中，所述利用最优控制算法基于第一优化目标确定去除障碍物的情况下的参考泊车路径，包括：建立最优控制模型，所述最优控制模型包括第一优化目标以及预设约束条件；基于预设数值求解方法，获取最优控制模型的数值解；基于所述数值解，确定所述参考泊车路径。

在一些实施例中，所述利用最优控制算法基于所述参考泊车路径，确定满足预设条件的目标泊车路径，包括：利用最优控制算法基于第二优化目标确定候选参考泊车路径，第二优化目标包括：车辆的泊车时间与指示造成碰撞情况的累积时间之和最短；利用最优控制算法基于所述候选参考泊车路径，确定满足预设避障约束条件且泊车时间最短的目标泊车路径。

在一些实施例中，所述利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，还包括：根据车辆的当前状态以及预估车辆位于泊车位置的目标状态，确定去除障碍物的情况下的参考泊车路径，其中所述当前状态和目标状态至少包括以下之一：车辆姿态角、车辆位置坐标、车辆速度、加速度。

第二方面，本申请实施例提供了一种泊车路径生成装置，该装置包括：第一确定单元，被配置成利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，其中，泊车路径为车辆从当前位置到达泊车位置的路径；第二确定单元，被配置成利用最优控制算法基于所述参考泊车路径，确定满足预设条件的目标泊车路径，当车辆按照目标泊车路径行驶时不存在障碍物碰撞情况。

在一些实施例中，所述第一确定单元进一步被配置成：利用最优控制算法基于第一优化目标确定去除障碍物的情况下的参考泊车路径，第一优化目标包括：车辆的泊车时间最短。

在一些实施例中，所述第一确定单元进一步被配置成：建立最优控制模型，所述最优控制模型包括第一优化目标以及预设约束条件；基于预设算法，获取最优控制模型的数值解；基于所述数值解，确定所述参考泊车路径。

在一些实施例中，所述第二确定单元进一步被配置成：利用最优控制算法基于第二优化目标确定候选参考泊车路径，第二优化目标包括：车辆的泊车时间与指示造成碰撞情况的累积时间之和最短；利用最优控制算法基于所述候选参考泊车路径，确定满足预设避障约束条件且泊车时间最短的目标泊车路径。

在一些实施例中，所述第一确定单元进一步被配置成：根据车辆的当前状态以及预估车辆位于泊车位置的目标状态，确定去除障碍物的情况下的参考泊车路径，其中所述当前状态和目标状态至少包括以下之一：车辆姿态角、车辆位置坐标、车辆速度、加速度。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的泊车路径生成方法和装置，在确定目标泊车路径时，首先利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，而后将参考泊车路径作为未去除障碍物的情况下的最优控制问题的初始解，来确定满足预设条件下的目标泊车路径，从而降低了直接求解满足预设条件的泊车路径的最优控制问题的难度，缩短了获得目标泊车路径的时间。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例的泊车路径生成方法可以应用于其中的示例性系统架构图；

图2是根据本申请的泊车路径生成方法的一个实施例的流程图；

图3示出了二自由度车辆运动学模型；

图4是根据本申请的泊车路径生成方法的又一个实施例的流程图；

图5是本申请泊车路径生成方法的一个原理性流程图；

图6是根据本申请的泊车路径生成装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了本申请的一个实施例的泊车路径生成方法可以应用于其中的示例性系统架构100。

如图1所示，系统架构100可以包括车载感知系统101、决策系统102和车载控制系统103。车载感知系统101通过网络与决策系统102实现通信连接。决策系统102通过网络与车载控制系统103实现通信连接。上述网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

车载感知系统101可以包括设置在车辆上的多个车载传感器，车载传感器可以实时采集车辆的车辆状态数据和环境数据。车载传感器可以包括车载摄像机、激光雷达传感器、毫米波雷达传感器、碰撞传感器、速度传感器、空气压力传感器等。车辆状态数据可以包括车辆本身的速度、姿态等数据。车载感知系统101可以通过网络将实时采集的车辆状态数据和环境数据发送给决策系统102。

决策系统102可以为ECU(Electronic Control Unit,电子控制单元)，或者可以为车载电脑，还可以为远程服务器。决策系统102可以接收车载感知系统101发送的车辆状态数据和环境数据，对车辆状态数据和环境数据进行处理并生成驾驶指令。决策系统102可以通过网络将驾驶指令发送给车载控制系统。

车载控制系统103，可以包括车辆的车辆转向控制装置、制动装置和动力装置。车载控制系统103可以通过接收并执行决策系统102生成并发送的驾驶指令，并向决策系统102发送反馈信息。

需要说明的是，本申请实施例所提供的泊车路径生成方法一般由决策系统102执行，相应地，泊车路径生成装置一般设置于决策系统102中。

应该理解，图1中的车载感知系统、决策系统和车载控制系统的数目仅仅是示意性的。根据实现需要，可以具有任意数目的车载感知系统、决策系统和车载控制系统。

继续参考图2，其示出了根据本申请的泊车路径生成方法的一个实施例的流程200。该泊车路径生成方法，包括以下步骤：

步骤201，利用最优控制算法，确定去除障碍物的情况下的参考泊车路径。

在本实施例中，泊车路径生成方法的执行主体(例如图1所示的决策系统)可以通过有线连接方式或者无线连接方式获取车辆的车载传感器采集的车辆状态数据和环境数据。

通常，待泊车的泊车位附近可能存在障碍物。在车辆当前位置与泊车位置之间的区域内，也可能存在障碍物。这里的障碍物可以是阻碍车辆行驶的行人或物体等。这里的物体可以包括其他车辆、路障、树木等。

目前，生成泊车路径时，可以使用最优控制算法来得到与障碍物不发生碰撞，且泊车时间较短的泊车路径。泊车路径为车辆从当前位置到达泊车位置的路径。具体地，使用控制算法得到泊车路径的步骤如下：

第一，建立实现泊车路径规划任务的最优控制模型。通常的最优控制模型1如下所示：

优化目标：min(t_f)

约束条件：

运动学方程约束，

碰撞躲避约束，

泊车任务相关约束(指定车辆的起点、终点等)。

其中，tf为车辆从当前位置到达泊车位置实现泊车所用的时间。min(tf)为车辆从当前位置到达泊车位置实现泊车所用的时间，也即泊车时间最短。

上述运动学方程是二自由度车辆运动学模型。请参考图3，图3示出了二自由度车辆运动学模型。如图3所示，在笛卡尔坐标系(XOY坐标系)中，车辆可以被抽象成矩形，且由车辆前轮实现转向。在图3中，包括车辆的虚拟前轮和虚拟后轮。虚拟后轮的中心点与车辆两个后轮连线的中点重合。虚拟前轮的中心点与车辆两个前轮连线的中点重合。虚拟前轮中心点和虚拟后轮中心点的连线为车体纵轴。在任意时刻，该时刻车辆虚拟后轮中心点的横坐标为该时刻车辆的横坐标，车辆虚拟后轮中心点的纵坐标为该时刻车辆的纵坐标。v(t)为第t时刻车辆沿车体纵轴方向的速度，θ(t)为第t时刻车辆在笛卡尔坐标系中的姿态角。φ(t)为第t时刻车辆前轮偏转角，即前轮与车体纵轴之间所成的角度。

车辆的运动学方程如下：

x(t)，y(t)分别为车辆的虚拟后轮中心点第t时刻在笛卡尔坐标系下的横坐标和纵坐标。v(t)为第t时刻车辆沿车体纵轴方向的速度，|v(t)|≤v_max，v_max为预设车辆泊车运动状态下的最大运动速率；φ(t)为第t时刻车辆前轮偏转角，|φ(t)|≤Φ_max；Φ_max为车辆前轮转角φ(t)的预设最大允许偏转角度值。ω(t)为第t时刻车辆前轮偏转角速度，|ω(t)|≤Ω_max，Ω_max为预设最大允许前轮转角速度。θ(t)为第t时刻车辆在笛卡尔坐标系中的姿态角；L_w代表车辆虚拟前轮与虚拟后轮轴距，也即虚拟前轮中心点与虚拟后轮中心点之间的距离；a(t)为第t时刻车辆沿车体纵轴方向的加速度，|a(t)|≤a_max，a_max为预设最大允许车辆沿车体纵轴方向的加速度。t大于等于零，小于等于t_f。t_f为车辆从当前位置到达泊车位置实现泊车所用的时间。

上述碰撞躲避约束可以为现有的各种碰撞躲避约束。例如基于三角面积不等式建立的碰撞躲避约束条件。上述基于三角面积不等式建立的碰撞躲避约束条件可以简单表示如下：

S(C_i,P_j)>S_P(2)；

S_P为车辆在笛卡尔坐标系中的等效多边形的面积。C_i为障碍物在笛卡尔坐标系中等效几何图形的轮廓中的第i个点，i为大于等于1的正整数。P_j为车辆的第j个状态，j为大于等于1的正整数。S(C_i,P_j)为障碍物等效几何图形的轮廓中的第i个点，与车辆第j个状态下的等效多边形的各边所成的三角形的面积之和。

此外，获取泊车任务相关约束，也即确定车辆当前位置坐标，以及待泊车的泊车位置坐标等。

可以在实现泊车所用的[0，t_f]时间段内，按照预设时间间隔对上述运动学方程中的各变量进行采样。实现连续变量的离散化，并使用非线性规划问题求解器来数值求解上述最优控制模型。

通常若泊车环境，也即约束条件不是很严苛的情况下，可以得到上述最优控制模型1的数值解，也即可以通过上述最优控制模型1得到泊车时间最短的泊车路径。但是，若泊车环境较严苛的情况下，在求解上述最优控制模型1的解时，所用的时间会较长，甚至无法得到上述最优控制模型1的解，也即无法得到泊车路径。

为了解决现有在严苛环境下利用最优控制算法获取泊车路径时，所出现的上述问题，使用本申请提供的方法来对上述最优控制问题进行简化处理。

在本实施例中，上述执行主体可以首先建立去除障碍物情况下的最优控制模型。上述去除障碍物的情况下的最优控制模型的优化目标可以是泊车路径最短等，约束条件可以是运动学方程约束以及泊车任务相关约束。然后，将获取到的在去除障碍物的情况下的最优控制模型的解，作为参考泊车路径。

在一些应用场景中，上述利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，可以包括：利用最优控制算法基于第一优化目标确定去除障碍物的情况下第一参考泊车路径，第一优化目标包括：车辆的泊车时间最短。也就是，去除障碍物的情况下建立的最优控制模型的优化目标为车辆的泊车时间最短。

在这些应用场景中，上述利用最优控制算法基于第一优化目标确定去除障碍物的情况下的参考泊车路径，可以包括如下步骤：

第一，建立最优控制模型，最优控制模型包括第一优化目标以及预设约束条件。

在由当前位置至泊车位置的区域内，在去除障碍物的情况下建立最优控制模型2。最优控制模型2如下：

第一优化目标：min(t_f1)

约束条件：

运动学方程约束，

泊车任务相关约束(指定车辆的起点、终点等)。

在最优控制模型2中，上述运动学方程和泊车任务相关约束都与最优控制模型1中的相同，此处不赘述。

其中，t_f1为在去除障碍物的情况下，车辆从当前位置到达泊车位置实现泊车所用的时间。

第二，基于预设数值求解方法，获取最优控制模型的数值解。

可以采用现有的各种数值求解最优控制模型的方法，来获取最优控制模型的数值解。例如变分法求解最优控制模型的数值解、最小值原理求解最优控制模型的数值解以及动态规划方法求解最优控制模型的数值解等。

第三，基于数值解，确定参考泊车路径。

与最优控制模型1相比，最优控制模型2的约束条件中没有碰撞躲避约束条件。也就是在由当前位置与泊车位置之间的区域，在去除障碍物的情况下获取的泊车时间最短的泊车路径。由于没有碰撞躲避约束条件，相比于数值求解最优控制模型1，数值求解上述最优控制模型2的问题相对比较简单，获得参考泊车路径的时间也较短。

步骤202，利用最优控制算法基于参考泊车路径，确定满足预设条件的目标泊车路径，当车辆按照目标泊车路径行驶时不存在与障碍物碰撞的情况。

在本实施例中，基于步骤201中得到的参考泊车路径，上述执行主体(例如图1所示的决策系统)可以将参考泊车路径中的多个点作为数值求解最优控制模型1的解的初始值，来确定满足预设条件的上述目标泊车路径。

在求解最优控制模型1时，将最优控制模型1的解的初始值设定为由求解最优控制模型2得到的参考泊车路径中的点，并使用上述变分法、最小值原理方法或者动态规划方法来数值求解最优控制模型1。

需要说明的是，上述使用变分法、最小值原理方法或者动态规划方法来数值求解最优控制模型的方法是目前广泛应用和研究的公知技术，此处不赘述。

这样一来，在求解上述最优控制模型1时，先利用数值求解方法得到最优控制模型2的解，也即在没有障碍物碰撞躲避约束条件下的最优控制模型下得到的参考泊车路径；然后将参考泊车路径中的各点作为最优控制模型1的解的初始值，来数值求解满足预设条件的目标泊车路径。可以降低直接进行数值求解最优控制模型1的难度，从而缩短由最优控制模型1得到目标泊车路径的时间。

本申请的上述实施例提供的方法通过首先利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，而后将参考泊车路径作为解的初始值，来确定满足预设条件下的目标泊车路径，从而降低了直接确定满足预设条件的泊车路径的最优控制问题的难度，缩短了获得目标泊车路径的时间。

进一步参考图4，其示出了泊车路径生成方法的又一个实施例的流程400。该泊车路径生成方法的流程400，包括以下步骤：

步骤401，利用最优控制算法，确定去除障碍物的情况下的参考泊车路径。

在本实施例中，上述执行主体可以首先建立去除障碍物的情况下的最优控制模型，最优控制模型包括第一优化目标以及预设约束条件。

在由当前位置至泊车位置的区域内，在去除障碍物的情况下建立最优控制模型2。最优控制模型2如下：

第一优化目标：min(t_f1)

约束条件：

运动学方程约束，

泊车任务相关约束(指定车辆的起点、终点等)。

其中，t_f1为在去除障碍物的情况下，车辆从当前位置到达泊车位置实现泊车所用的时间。min(t_f1)为车辆从当前位置到达泊车位置实现泊车所用的时间最短，也即最短泊车时间。

运动学方程约束可以参考图2所示实施例中的相关说明，此处不赘述。

第二，基于预设数值求解方法，获取最优控制模型的数值解。

可以采用现有的各种数值求解最优控制模型的方法，来获取最优控制模型2的数值解。例如变分法求解最优控制模型的数值解、最小值原理求解最优控制模型的数值解以及动态规划方法求解最优控制模型2的数值解等。

第三，基于数值解，确定参考泊车路径。

步骤402，利用最优控制算法基于第二优化目标确定候选参考泊车路径，第二优化目标包括：车辆的泊车时间与指示碰撞情况的累积时间之和最短。

在本实施例中，泊车路径生成方法的执行主体(例如图1所示的决策系统)，可以建立最优控制模型3。最优控制模型3可以包括第二优化目标：车辆的泊车时间与指示碰撞情况的累积时间之和最短。作为示例，上述最优控制模型3如下所示：

第二优化目标：

约束条件：

运动学方程约束，

泊车任务相关约束(指定车辆的起点、终点等)。

上述violation(t)是指示第t时刻车辆与障碍物碰撞程度的参数，若在第t时刻无碰撞，则violation(t)的数值为0，若有碰撞，则violation(t)的数值为1。t大于等于零。k为预设权重，且k为大于零的任意数值；

表示在泊车路径中，碰撞的累积时间。

为车辆的泊车时间与指示碰撞情况的累积时间之和最短。

上述最优控制模型3的约束条件与最优控制模型2中的约束条件相同，此处不赘述。

上述执行主体可以采用现有的各种最优控制模型数值求解的方法，来确定最优控制模型3的数值解。由于约束条件不包括复杂的避撞约束条件，在数值求解最优控制模型3时，可以将步骤401中得到的参考泊车路径中的各点作为最优控制模型3的解的初始值。

可以使用现有的各种数值求解最优控制模型的算法来确定满足最优控制模型3的候选参考泊车路径，此处不赘述。

步骤403，利用最优控制算法基于候选参考泊车路径，确定满足预设避障约束条件且泊车时间最短的目标泊车路径。

在本实施例中，基于步骤402得到的候选参考泊车路径，上述执行主体可以将候选参考泊车路径中的各点作为解的初始值，来确定最优控制模型1的解，也即得到满足预设避障约束条件且泊车时间最短的目标泊车路径。

最优控制模型1如下所示：

优化目标：min(t_f)

约束条件：

运动学方程约束，

碰撞躲避约束，

泊车任务相关约束(指定车辆的起点、终点等)。

其中，t_f为车辆从当前位置到达泊车位置实现泊车所用的时间。min(t_f)为车辆从当前位置到达泊车位置实现泊车所用的时间最短。

上述运动学方程约束、碰撞躲避约束、泊车任务相关约束可以参考图2所示实施例中的相关说明，此处不赘述。

求解最优控制模型1的解的方法，可以为现有的各种数值求解最优控制模型的方法，此处不赘述。

在本实施例中，上述最优控制模型3中，将泊车路径中发生碰撞的累积时间作为第二优化目标的一部分。也即把最优控制模型1中的碰撞躲避约束条件，转化为了第二优化目标的一部分。

从图4中可以看出，与图2对应的实施例相比，本实施例中的泊车路径生成方法的流程400突出了利用最优控制算法基于第二优化目标确定候选参考泊车路径，以及利用最优控制算法基于候选参考泊车路径，确定目标泊车路径的步骤。由此，本实施例描述的方案降低了由参考泊车路径确定目标泊车路径的难度。从而进一步降低了利用最优控制算法确定满足最短泊车时间以及碰撞躲避约束条件的目标泊车路径的难度，从而进一步缩短了确定目标泊车路径的时间。

在本申请的泊车路径生成方法各实施例的一些可选的实现方式中，图2所示实施例中的步骤201和图4所示实施例的步骤401的利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，还包括：根据车辆的当前状态以及预估车辆位于泊车位置的目标状态，确定去除障碍物的情况下的参考泊车路径。其中，上述当前状态和目标状态至少包括以下之一：车辆姿态角、车辆速度、加速。

在考虑了车辆姿态角、车辆速度、加速度之后所生成的泊车路径，与实际情况更加贴合，使得所生成的泊车路径更加有效。

请参考图5，其示出了本申请泊车路径生成方法的一个原理性流程图。

如图5所示，在步骤501中，在车辆待泊车时，车辆的决策系统导入泊车任务。泊车任务包括车辆的当前位置坐标、泊车位置坐标，以及泊车位置附近的障碍物和由当前位置至泊车位置的区域内所包括的障碍物。在步骤502中，决策系统构建泊车任务对应的最优控制模型502(即最优控制模型1)，最优控制模型1的优化目标为最短泊车时间(也即车辆从当前位置到达泊车位置实现泊车所用的时间最短)，约束条件包括运动学方程约束、预设碰撞躲避约束。在步骤503中，去除预设碰撞躲避约束条件，构建简化的最优控制模型(即最优控制模型2)，最优控制模型2的优化目标为最短泊车时间(也即车辆从当前位置到达泊车位置实现泊车所用的时间最短)，约束条件不包括预设碰撞躲避约束。在步骤504中，去除预设碰撞躲避约束条件，将碰撞躲避的需求加入目标函数，构建简化的最优控制模型(即最优控制模型3)，最优控制模型3以泊车时间与碰撞累积时间最短为优化目标，约束条件不包括预设碰撞躲避约束。在步骤505中，求解最优控制模型2，将求解的结果记录为A。在步骤506中，将A作为最优控制模型3的解的初始值，求解最优控制模型3，求解的结果记录为B。在步骤507中，将B作为最优控制模型1的解的初始值，数值求解最优控制模型1，求解的结果记录为C。C即为目标泊车路径，在步骤508中，输出目标泊车路径C。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种泊车路径生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的泊车路径生成装置600包括：第一确定单元601，被配置成利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，其中，泊车路径为车辆从当前位置到达泊车位置的路径；第二确定单元602，被配置成利用最优控制算法基于所述参考泊车路径，确定满足预设条件的目标泊车路径，当车辆按照目标泊车路径行驶时不存在障碍物碰撞情况。

在本实施例中，泊车路径生成装置600的第一确定单元601和第二确定单元602的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201和步骤202的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，所述第一确定单元601进一步被配置成：利用最优控制算法基于第一优化目标确定去除障碍物的情况下的参考泊车路径，第一优化目标包括：车辆的泊车时间最短。

在一些实施例中，第一确定单元601进一步被配置成：建立最优控制模型，最优控制模型包括第一优化目标以及预设约束条件；基于预设算法，获取最优控制模型的数值解；基于上述数值解，确定参考泊车路径。

在一些实施例中，第二确定单元进一步被配置成：利用最优控制算法基于第二优化目标确定候选参考泊车路径，第二优化目标包括：车辆的泊车时间与指示造成碰撞情况的累积时间之和最短；利用最优控制算法基于候选参考泊车路径，确定满足预设避障约束条件且泊车时间最短的目标泊车路径。

在一些实施例中，第一确定单元601进一步被配置成：根据车辆的当前状态以及预估车辆位于泊车位置的目标状态，确定去除障碍物的情况下的参考泊车路径，其中当前状态和目标状态至少包括以下之一：车辆姿态角、车辆位置坐标、车辆速度、加速度。

下面参考图7，其示出了适于用来实现本申请实施例的电子设备的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU，Central Processing Unit)701，其可以根据存储在只读存储器(ROM，Read Only Memory)702中的程序或者从存储部分706加载到随机访问存储器(RAM，Random Access Memory)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM702以及RAM 703通过总线704彼此相连。输入/输出(I/O，Input/Output)接口705也连接至总线704。

以下部件连接至I/O接口705：包括硬盘等的存储部分706；以及包括诸如LAN(局域网，Local Area Network)卡、调制解调器等的网络接口卡的通信部分707。通信部分707经由诸如因特网的网络执行通信处理。驱动器708也根据需要连接至I/O接口705。可拆卸介质709，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器708上，以便于从其上读出的计算机程序根据需要被安装入存储部分706。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分707从网络上被下载和安装，和/或从可拆卸介质709被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一确定单元还可以被描述为“利用最优控制算法，确定去除障碍物的情况下的参考泊车路径的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，其中，泊车路径为车辆从当前位置到达泊车位置的路径；利用最优控制算法基于参考泊车路径，确定满足预设条件的目标泊车路径，当车辆按照目标泊车路径行驶时不存在与障碍物碰撞的情况。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种泊车路径生成方法，包括：

利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，其中，泊车路径为车辆从当前位置到达泊车位置的路径；

利用最优控制算法基于所述参考泊车路径，确定满足预设条件的目标泊车路径，当车辆按照目标泊车路径行驶时不存在与障碍物碰撞的情况。

2.根据权利要求1所述的方法，其中，所述利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，包括：

利用最优控制算法基于第一优化目标确定去除障碍物的情况下的参考泊车路径，第一优化目标包括：车辆的泊车时间最短。

3.根据权利要求2所述的方法，其中，所述利用最优控制算法基于第一优化目标确定去除障碍物的情况下的参考泊车路径，包括：

建立最优控制模型，所述最优控制模型包括第一优化目标以及预设约束条件；

基于预设数值求解方法，获取最优控制模型的数值解；

基于所述数值解，确定所述参考泊车路径。

4.根据权利要求1所述的方法，其中，所述利用最优控制算法基于所述参考泊车路径，确定满足预设条件的目标泊车路径，包括：

利用最优控制算法基于第二优化目标确定候选参考泊车路径，第二优化目标包括：车辆的泊车时间与指示造成碰撞情况的累积时间之和最短；

利用最优控制算法基于所述候选参考泊车路径，确定满足预设避障约束条件且泊车时间最短的目标泊车路径。

5.根据权利要求1所述的方法，其中，所述利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，还包括：

根据车辆的当前状态以及预估车辆位于泊车位置的目标状态，确定去除障碍物的情况下的参考泊车路径，其中

所述当前状态和目标状态至少包括以下之一：车辆姿态角、车辆位置坐标、车辆速度、加速度。

6.一种泊车路径生成装置，包括：

第一确定单元，被配置成利用最优控制算法，确定去除障碍物的情况下的参考泊车路径，其中，泊车路径为车辆从当前位置到达泊车位置的路径；

第二确定单元，被配置成利用最优控制算法基于所述参考泊车路径，确定满足预设条件的目标泊车路径，当车辆按照目标泊车路径行驶时不存在障碍物碰撞情况。

7.根据权利要求6所述的装置，其中，所述第一确定单元进一步被配置成：

利用最优控制算法基于第一优化目标确定去除障碍物的情况下的参考泊车路径，第一优化目标包括：车辆的泊车时间最短。

8.根据权利要求7所述的装置，其中，所述第一确定单元进一步被配置成：

建立最优控制模型，所述最优控制模型包括第一优化目标以及预设约束条件；

基于预设算法，获取最优控制模型的数值解；

基于所述数值解，确定所述参考泊车路径。

9.根据权利要求8所述的装置，其中，所述第二确定单元进一步被配置成：

利用最优控制算法基于第二优化目标确定候选参考泊车路径，第二优化目标包括：车辆的泊车时间与指示造成碰撞情况的累积时间之和最短；

利用最优控制算法基于所述候选参考泊车路径，确定满足预设避障约束条件且泊车时间最短的目标泊车路径。

10.根据权利要求6所述的装置，其中，所述第一确定单元进一步被配置成：

根据车辆的当前状态以及预估车辆位于泊车位置的目标状态，确定去除障碍物的情况下的参考泊车路径，其中

所述当前状态和目标状态至少包括以下之一：车辆姿态角、车辆位置坐标、车辆速度、加速度。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images