CN111397623A - 一种基于最佳泊车起始点的路径规划方法 - Google Patents

一种基于最佳泊车起始点的路径规划方法 Download PDF

Info

Publication number
CN111397623A
CN111397623A CN202010230927.XA CN202010230927A CN111397623A CN 111397623 A CN111397623 A CN 111397623A CN 202010230927 A CN202010230927 A CN 202010230927A CN 111397623 A CN111397623 A CN 111397623A
Authority
CN
China
Prior art keywords
parking
path
point
global
current
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
Application number
CN202010230927.XA
Other languages
English (en)
Inventor
秦兆博
陈鑫
胡满江
边有钢
王晓伟
谢国涛
秦晓辉
徐彪
陈亮
丁荣军
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN202010230927.XA priority Critical patent/CN111397623A/zh
Publication of CN111397623A publication Critical patent/CN111397623A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/343Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于最佳泊车起始点的路径融合方法。该方法规划的路径分为三部分:全局路径,过渡路径和泊车路径。首先在泊车位附近生成全局路径规划的目标区域,再用Jump Point Search(JPS)算法和Hybrid A*算法生成到目标区域的路径,完成全局路径规划。再根据最佳泊车起始点,以及全局路径的最终节点信息,生成过渡路径。最后通过C型垂直泊车生成泊车路径。将三条路径依次相连,即可得到最终路径。

Description

一种基于最佳泊车起始点的路径规划方法
技术领域
本发明涉及智能网联汽车技术领域,具体涉及一种基于最佳泊车起始点的路径规划方法。
背景技术
自动驾驶的快速发展,使得自动泊车成为人们关注研究热点之一。自动泊车系统能缓解城市的交通压力,并减少驾驶员的负担,使得泊车过程更加安全和高效。
作为自动泊车系统中的重要一环,路径规划决定着泊车过程是否顺利。现今市场上的自动泊车系统,大多要求驾驶员精确到达车位附近的某一个位置,才能开始进行泊车路径规划。对于驾驶员来说,如果自动泊车系统能从停车场开始规划路径,驾驶负担将会大大减少,并且省下大量时间。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于最佳泊车起始点的路径融合方法。该方法规划的路径分为三部分:全局路径,过渡路径和泊车路径。首先在泊车位附近生成全局路径规划的目标区域,再用Jump Point Search(JPS)算法和Hybrid A*算法生成到目标区域的路径,完成全局路径规划。再根据最佳泊车起始点,以及全局路径的最终节点信息,生成过渡路径。最后通过C型垂直泊车生成泊车路径。将三条路径依次相连,即可得到最终路径。
为实现上述目的,本发明提供了如下技术方案:一种基于最佳泊车起始点的路径规划方法,包括如下步骤:
步骤1:得到地图信息,确定车辆的起始点和目标点,建立坐标系;
步骤2:根据泊车目标点,确定全局目标点和全局目标区域;
步骤3:使用Jump Point Search(JPS)算法和Hybrid A*算法进行全局路径规划,生成从起始点到达全局目标区域的路径;
步骤4,通过C型垂直泊车中的碰撞约束条件,求出泊车起始横摆角的取值范围,以及每个泊车起始横摆角对应的最佳泊车起始点;
步骤5:根据全局路径的最终节点和最佳泊车起始点信息,生成全局规划路径与泊车路径之间的过渡路径;
步骤6:通过C型垂直泊车,生成泊车路径;
步骤7:连接规划出的全局路径,过渡路径和泊车路径,得到最终路径。
作为本发明的进一步改进,所述步骤2中,根据泊车目标点,确定全局目标点和全局目标区域具体过程如下:
全局目标点Pglobalgoal(xglobalgoal,yglobalgoalglobalgoal)以及全局目标区域Areaglobalgoal的位置在车位附近;全局目标点Pglobalgoal的横坐标xglobalgoal与泊车目标点Pparkinggoal的横坐标xparkinggoal相同,纵坐标离为hmin
其中hmin为在泊车起始横摆角为0的状态下,使用C型垂直泊车时,车辆与车位之间的最短距离,计算公式如下:
Figure BDA0002429254600000021
其中Rmin为车辆的最小转向半径,Wc为车辆的宽度,W为车位的宽度。
全局目标区域是以Pglobalgoal为圆心的圆,其半径Rl计算公式如下:
Figure BDA0002429254600000022
作为本发明的进一步改进,所述步骤3中,确定当前点,当前目标点及当前目标区域的具体过程如下:
令起始点Sstart(xstart,ystartstart)为当前点Ncurrent(xcurrent,ycurrentcurrent),目标点列表中的第一个点P1为当前目标点
Figure BDA0002429254600000031
目标区域中的第一个区域Area1为当前目标区域Areacurrent
作为本发明的进一步改进,所述步骤4中,求出泊车起始横摆角的取值范围具体过程如下:
泊车过程中,左右两侧的泊车路径对称,最大横摆角显然为
Figure BDA0002429254600000032
最小横摆角θmin的计算过程如下所示:
Ws-S1=RRF(sinε-sin(ε+θmin))
Figure BDA0002429254600000033
Figure BDA0002429254600000034
Figure BDA0002429254600000035
其中,H为左侧障碍物与泊车目标点之间的距离,Lx为车的轴距长度,Lf为车的前悬长度。
作为本发明的进一步改进,所述步骤4中,每个泊车起始横摆角对应的最佳泊车起始点确定方法如下:
碰撞约束为:
Figure BDA0002429254600000041
其中,Rmin为车辆最小转向半径,Wc为车辆宽度,Lb为车辆后悬长度,Wo为车位宽度,Lo为车位宽度,Lx为车辆轴宽,Lf为车辆前悬宽度,d为安全距离,H1为右侧障碍物的上边界与泊车目标点之间的距离。
上式中,在θ为某一给定值θi的情况下,未知量仅为R和L1,可通过已知的碰撞约束求出R和L1的取值范围;
当θ为θi,R和L1的取值范围已知时,通过目标函数,即可求出R和L1的最优值,目标函数如下:
Figure BDA0002429254600000042
求出R和L1的最优值后,通过公式求出泊车起始点的横坐标,即可求得θi对应的最佳泊车起始点
Figure BDA0002429254600000043
Figure BDA0002429254600000044
Figure BDA0002429254600000045
作为本发明的进一步改进,所述步骤5中,生成过渡路径的具体过程如下:
Ⅰ.令全局路径的最终节点Pglobalend为当前点N‘i
Ⅱ.用Hybrid A*拓展节点的方式,拓展当前点N‘i,得到新节点N‘i+1,N‘i+2…N‘i+7,并计算新节点的δ值;
Ⅲ.检查新节点中,是否有节点的δ值小于预设误差值E,如果没有,则将所有新节点放入Open列表中,并令δ值最小的节点为当前节点,返回Ⅱ;如果有,则在新节点中挑选δ值最小的节点,用直线段拓展该节点,直至与最佳泊车起始点距离最短,此时车辆位置即为泊车起始点
Figure BDA0002429254600000051
作为本发明的进一步改进,所述δ的计算方法如下:
生成一条与圆弧N‘i+1N‘i+5相切的直线,节点
Figure BDA0002429254600000052
是θi+5对应的最佳泊车起始点,节点
Figure BDA0002429254600000053
是红色直线中与
Figure BDA0002429254600000054
距离最近的节点,两点之间的距离,即为δi+5
本发明的有益效果:
1.提出了一种路径规划方法,规划出的路径能从停车场入口开始引导车辆,直到车辆驶入车位。相比于现在市场上已有的路径规划技术,该方法能更大程度上减少驾驶员的负担,并使得泊车过程更加高效。
2.提出了一种融合全局路径和泊车路径的方法。该方法解决了全局路径和泊车路径之间的转换问题,并保证泊车起始点接近最优。
3.提出了一种计算最佳泊车起始点的方法。相比于已有的泊车路径规划技术,该方法使得泊车起始点的选取更加自由,增大了泊车选择的灵活性,使泊车成功几率更高。
附图说明
图1为路径规划算法的总体流程图;
图2为坐标系示意图;
图3为全局目标区域示意图;
图4为两侧泊车对称示意图;
图5为hmin的计算示意图;
图6为过渡路径示意图;
图7为C型垂直泊车过程示意图;
图8为车辆左前点碰撞示意图;
图9为车辆右前点碰撞示意图;
图10为过渡路径示意图;
图11为C型垂直泊车过程示意图。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
参照图1所示,本实施例的一种基于最佳泊车起始点的路径融合方法。该方法规划的路径分为三部分:全局路径,过渡路径和泊车路径。首先在泊车位附近生成全局路径规划的目标区域,再用JPS算法和Hybrid A*算法生成到目标区域的路径,完成全局路径规划。再根据最佳泊车起始点,以及全局路径的最终节点信息,生成过渡路径。最后通过C型垂直泊车生成泊车路径。将三条路径依次相连,即可得到最终路径因此,方案实施过程如图1所示,主要包含如下过程:
步骤1:得到地图信息,确定车辆的起始点和目标点,建立坐标系。
步骤2:根据泊车目标点,确定全局目标点和全局目标区域。
步骤3:使用Jump Point Search(JPS)算法和Hybrid A*算法进行全局路径规划,生成从起始点到达全局目标区域的路径。
步骤4,通过C型垂直泊车中的碰撞约束条件,求出泊车起始横摆角的取值范围,以及每个泊车起始横摆角对应的最佳泊车起始点。
步骤5:根据全局路径的最终节点和最佳泊车起始点信息,生成全局规划路径与泊车路径之间的过渡路径。
步骤6:通过C型垂直泊车,生成泊车路径。
步骤7:连接规划出的全局路径,过渡路径和泊车路径,得到最终路径。
下面一一予以细述。
步骤1:得到地图信息,确定车辆的起始点和目标点,建立坐标系。
路径规划系统获得地图信息,设定起始点Sstart(xstart,ystartstart),和泊车目标点Pparkinggoal(xparkinggoal,yparkinggoalparkinggoal)。坐标系的建立如图2所示,取泊车目标点Pparkinggoal为坐标原点,其中d为安全距离。
步骤2:根据泊车目标点,确定全局目标点和全局目标区域。
全局目标点Pglobalgoal(xglobalgoal,yglobalgoalglobalgoal)以及全局目标区域Areaglobalgoal的位置在车位附近,如图3所示。全局目标点Pglobalgoal的横坐标xglobalgoal与泊车目标点Pparkinggoal的横坐标xparkinggoal相同,纵坐标离为hmin。其中hmin为在泊车起始横摆角为0的状态下,使用C型垂直泊车时,车辆与车位之间的最短距离,计算公式如下:
Figure BDA0002429254600000071
其中Rmin为车辆的最小转向半径,Wc为车辆的宽度,W为车位的宽度。
全局目标区域是以Pglobalgoal为圆心的圆,其半径Rl计算公式如下:
Figure BDA0002429254600000072
步骤3:使用Jump Point Search(JPS)算法和Hybrid A*算法进行全局路径规划,生成从起始点到达全局目标区域的路径。
设JPS找到的路径点为{P1,P2…Pn},则以以各个路径点{P1,P2…Pglobalgoal}为圆心,Rl为半径,生成对应的目标区域{Area1,Area2…Areaglobalgoal},再用Hybrid A*算法依次生成到达各个目标区域路径,直到到达最终目标区域Areaglobalgoal。步骤4,通过C型垂直泊车中的碰撞约束条件,求出泊车起始横摆角的取值范围,以及每个泊车起始横摆角对应的最佳泊车起始点。
首先确定泊车起始横摆角的取值范围。泊车过程中,左右两侧的泊车路径对称,如图4所示,因此只讨论右侧的泊车情景。最大横摆角显然为
Figure BDA0002429254600000081
最小横摆角θmin的计算过程如图5所示。
Ws-S1=RRF(sinε-sin(ε+θmin))
Figure BDA0002429254600000082
Figure BDA0002429254600000083
Figure BDA0002429254600000084
其中H为左侧障碍物与泊车目标点之间的距离,Lx为车的轴距长度,Lf为车的前悬长度。
在已知泊车起始横摆角θ范围的情况下,根据碰撞约束条件及目标函数,确定最佳泊车起始点。
避障约束为:
Figure BDA0002429254600000091
其中,Rmin为车辆最小转向半径,Wc为车辆宽度,Lb为车辆后悬长度,Wo为车位宽度,Lo为车位宽度,Lx为车辆轴宽,Lf为车辆前悬宽度,d为安全距离,H1为右侧障碍物的上边界与泊车目标点之间的距离。
上式中,在θ为某一给定值θi的情况下,未知量仅为R和L1。可通过上式求出R和L1的取值范围。
当θ为θi,R和L1的取值范围已知时,通过目标函数,即可求出R和L1的最优值。
目标函数如下:
Figure BDA0002429254600000092
求出R和L1的最优值后,如图7所示,通过公式求出泊车起始点的横坐标,即可求得θi对应的最佳泊车起始点
Figure BDA0002429254600000093
Figure BDA0002429254600000094
Figure BDA0002429254600000095
步骤5:根据全局路径的最终节点和最佳泊车起始点信息,生成全局规划路径与泊车路径之间的过渡路径。
Ⅰ.令全局路径的最终节点Pglobalend为当前点N‘i
Ⅱ.如图10所示,用Hybrid A*拓展节点的方式,拓展当前点N‘i,得到新节点N‘i+1,N‘i+2…N‘i+7,并计算新节点的δ值。以新节点
Figure BDA0002429254600000101
为例,δ的计算方法如下:
如图10所示,红色直线与圆弧N‘i+1N‘i+5相切,节点
Figure BDA0002429254600000102
是θi+5对应的最佳泊车起始点,节点
Figure BDA0002429254600000103
是红色直线中与
Figure BDA0002429254600000104
距离最近的节点,两点之间的距离,即为δi+5。同理,即可求得其他新节点的δ值。
Ⅲ.检查新节点中,是否有节点的δ值小于预设误差值E。如果没有,则将所有新节点放入Open列表中,并令δ值最小的节点为当前节点,返回Ⅱ;如果有,则在新节点中挑选δ值最小的节点,按图6所示,用直线段拓展该节点,直至与最佳泊车起始点距离最短。此时车辆位置即为泊车起始点
Figure BDA0002429254600000105
步骤6:通过C型垂直泊车,生成泊车路径。
C型垂直泊车过程如图11所示,在已知泊车起始点
Figure BDA0002429254600000106
后,即可计算路径参数:
Figure BDA0002429254600000107
Figure BDA0002429254600000108
计算出路径参数R和L1后,即可规划出泊车路径。
步骤7:连接规划出的全局路径,过渡路径和泊车路径,得到最终路径。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于最佳泊车起始点的路径规划方法,其特征在于:包括如下步骤:
步骤1:得到地图信息,确定车辆的起始点和目标点,建立坐标系;
步骤2:根据泊车目标点,确定全局目标点和全局目标区域;
步骤3:使用Jump Point Search(JPS)算法和Hybrid A*算法进行全局路径规划,生成从起始点到达全局目标区域的路径;
步骤4,通过C型垂直泊车中的碰撞约束条件,求出泊车起始横摆角的取值范围,以及每个泊车起始横摆角对应的最佳泊车起始点;
步骤5:根据全局路径的最终节点和最佳泊车起始点信息,生成全局规划路径与泊车路径之间的过渡路径;
步骤6:通过C型垂直泊车,生成泊车路径;
步骤7:连接规划出的全局路径,过渡路径和泊车路径,得到最终路径。
2.根据权利要求1所述的基于最佳泊车起始点的路径规划方法,其特征在于:所述步骤2中,根据泊车目标点,确定全局目标点和全局目标区域具体过程如下:
全局目标点Pglobalgoal(xglobalgoal,yglobalgoalglobalgoal)以及全局目标区域Areaglobalgoal的位置在车位附近;全局目标点Pglobalgoal的横坐标xglobalgoal与泊车目标点Pparkinggoal的横坐标xparkinggoal相同,纵坐标离为hmin
其中hmin为在泊车起始横摆角为0的状态下,使用C型垂直泊车时,车辆与车位之间的最短距离,计算公式如下:
Figure FDA0002429254590000011
其中Rmin为车辆的最小转向半径,Wc为车辆的宽度,W为车位的宽度。
全局目标区域是以Pglobalgoal为圆心的圆,其半径Rl计算公式如下:
Figure FDA0002429254590000021
3.根据权利要求1或2所述的基于最佳泊车起始点的路径规划方法,其特征在于:所述步骤3中,确定当前点,当前目标点及当前目标区域的具体过程如下:令起始点Sstart(xstart,ystartstart)为当前点Ncurrent(xcurrent,ycurrentcurrent),目标点列表中的第一个点P1为当前目标点Goalcurrent(xcurrentgoal,ycurrentgoal),目标区域中的第一个区域Area1为当前目标区域Areacurrent
4.根据权利要求1或2所述的基于最佳泊车起始点的路径规划方法,其特征在于:所述步骤4中,求出泊车起始横摆角的取值范围具体过程如下:
泊车过程中,左右两侧的泊车路径对称,最大横摆角显然为
Figure FDA0002429254590000022
最小横摆角θmin的计算过程如下所示:
Ws-S1=RRF(sinε-sin(ε+θmin))
Figure FDA0002429254590000023
Figure FDA0002429254590000024
Figure FDA0002429254590000025
其中,H为左侧障碍物与泊车目标点之间的距离,Lx为车的轴距长度,Lf为车的前悬长度。
5.根据权利要求4所述的基于最佳泊车起始点的自主泊车路径规划方法,其特征在于:所述步骤4中,每个泊车起始横摆角对应的最佳泊车起始点确定方法如下:
碰撞约束为:
Figure FDA0002429254590000031
在θ为某一给定值θi的情况下,未知量仅为R和L1,可通过已知的碰撞约束求出R和L1的取值范围;
当θ为θi,R和L1的取值范围已知时,通过目标函数,即可求出R和L1的最优值,目标函数如下:
Figure FDA0002429254590000032
求出R和L1的最优值后,通过公式求出泊车起始点的横坐标,即可求得θi对应的最佳泊车起始点
Figure FDA0002429254590000033
Figure FDA0002429254590000034
Figure FDA0002429254590000035
6.根据权利要求1或2所述的基于最佳泊车起始点的自主泊车路径规划方法,其特征在于:所述步骤5中,生成过渡路径的具体过程如下:
Ⅰ.令全局路径的最终节点Pglobalend为当前点N‘i
Ⅱ.用Hybrid A*拓展节点的方式,拓展当前点N‘i,得到新节点N‘i+1,N’i+2…N‘i+7,并计算新节点的δ值;
Ⅲ.检查新节点中,是否有节点的δ值小于预设误差值E,如果没有,则将所有新节点放入Open列表中,并令δ值最小的节点为当前节点,返回Ⅱ;如果有,则在新节点中挑选δ值最小的节点,用直线段拓展该节点,直至与最佳泊车起始点距离最短,此时车辆位置即为泊车起始点
Figure FDA0002429254590000041
7.根据权利要求6所述的基于最佳泊车起始点的自主泊车路径规划方法,其特征在于:所述δ的计算方法如下:
生成一条与圆弧N‘i+1N’i+5相切的直线,节点
Figure FDA0002429254590000042
是θi+5对应的最佳泊车起始点,节点
Figure FDA0002429254590000043
是红色直线中与
Figure FDA0002429254590000044
距离最近的节点,两点之间的距离,即为δi+5
CN202010230927.XA 2020-03-27 2020-03-27 一种基于最佳泊车起始点的路径规划方法 Pending CN111397623A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010230927.XA CN111397623A (zh) 2020-03-27 2020-03-27 一种基于最佳泊车起始点的路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010230927.XA CN111397623A (zh) 2020-03-27 2020-03-27 一种基于最佳泊车起始点的路径规划方法

Publications (1)

Publication Number Publication Date
CN111397623A true CN111397623A (zh) 2020-07-10

Family

ID=71433104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010230927.XA Pending CN111397623A (zh) 2020-03-27 2020-03-27 一种基于最佳泊车起始点的路径规划方法

Country Status (1)

Country Link
CN (1) CN111397623A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111982142A (zh) * 2020-07-31 2020-11-24 华南理工大学 一种基于改进a星算法的智能车全局路径规划方法
CN113071477A (zh) * 2021-04-23 2021-07-06 北京智行者科技有限公司 车辆自动泊车方法及装置、车辆自动出库方法及装置、用户终端、移动工具及相关设备
CN114013428A (zh) * 2021-11-29 2022-02-08 江苏大学 一种基于分子间作用力的泊车路径动态规划方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180050691A1 (en) * 2016-08-19 2018-02-22 Dura Operating, Llc Optimized path planner for an autonomous valet parking system for a motor vehicle
CN107933549A (zh) * 2017-11-23 2018-04-20 奇瑞汽车股份有限公司 一种c型垂直自动泊车方法及装置
US20180246515A1 (en) * 2017-02-28 2018-08-30 Mitsubishi Electric Research Laboratories, Inc. Vehicle Automated Parking System and Method
CN108534777A (zh) * 2018-01-25 2018-09-14 江苏大学 一种平行泊车路径规划方法
CN109131318A (zh) * 2018-10-19 2019-01-04 清华大学 一种基于拓扑地图的自主泊车路径协调方法
CN109767646A (zh) * 2019-02-28 2019-05-17 北京智行者科技有限公司 泊车方法及装置
CN109959383A (zh) * 2017-12-25 2019-07-02 大连楼兰科技股份有限公司 一种自动泊车路径规划方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180050691A1 (en) * 2016-08-19 2018-02-22 Dura Operating, Llc Optimized path planner for an autonomous valet parking system for a motor vehicle
US20180246515A1 (en) * 2017-02-28 2018-08-30 Mitsubishi Electric Research Laboratories, Inc. Vehicle Automated Parking System and Method
CN107933549A (zh) * 2017-11-23 2018-04-20 奇瑞汽车股份有限公司 一种c型垂直自动泊车方法及装置
CN109959383A (zh) * 2017-12-25 2019-07-02 大连楼兰科技股份有限公司 一种自动泊车路径规划方法
CN108534777A (zh) * 2018-01-25 2018-09-14 江苏大学 一种平行泊车路径规划方法
CN109131318A (zh) * 2018-10-19 2019-01-04 清华大学 一种基于拓扑地图的自主泊车路径协调方法
CN109767646A (zh) * 2019-02-28 2019-05-17 北京智行者科技有限公司 泊车方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SEBASTIAN KLAUDT ET AL.: "A-Priori map information and path planning for automated valet parking" *
陈无畏;方玉杰;魏振亚;: "基于遗传算法优化的双向垂直泊车路径规划" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111982142A (zh) * 2020-07-31 2020-11-24 华南理工大学 一种基于改进a星算法的智能车全局路径规划方法
CN113071477A (zh) * 2021-04-23 2021-07-06 北京智行者科技有限公司 车辆自动泊车方法及装置、车辆自动出库方法及装置、用户终端、移动工具及相关设备
CN114013428A (zh) * 2021-11-29 2022-02-08 江苏大学 一种基于分子间作用力的泊车路径动态规划方法

Similar Documents

Publication Publication Date Title
CN111674390B (zh) 一种自动泊车路径规划的避障方法及泊车路径规划系统
WO2021180035A1 (zh) 一种泊车路径规划方法、装置、车辆和存储介质
CN111397623A (zh) 一种基于最佳泊车起始点的路径规划方法
CN113916246B (zh) 一种无人驾驶避障路径规划方法和系统
CN111923910B (zh) 车辆变道规划的方法、自动驾驶车辆和存储介质
CN113479217B (zh) 一种基于自动驾驶的变道避障方法与系统
US8098174B2 (en) Feasible region determination for autonomous parking
CN111731269B (zh) 一种自动泊车路径规划方法及其系统
CN114791288B (zh) 矿区车辆的行驶路径规划方法、装置及计算机设备
US11358606B2 (en) Method for operating a motor vehicle for improving working conditions of evaluation units in the motor vehicle, control system for performing a method of this kind, and motor vehicle having a control system of this kind
CN111127950A (zh) 一种车辆碰撞预警处理方法及装置
CN113296119B (zh) 一种基于激光雷达和uwb阵列的无人避障驾驶方法与终端
CN113978452B (zh) 一种自动平行泊车路径规划方法
CN114030463B (zh) 一种自动泊车系统的路径规划方法及装置
CN113419534B (zh) 一种基于贝塞尔曲线的转向路段路径规划方法
CN113696886B (zh) 一种泊车轨迹自动确定方法、装置、介质及电子设备
CN115848359B (zh) 车位自适应泊入路径规划方法、车辆及存储介质
CN111746518A (zh) 一种车辆泊出控制方法及装置
CN114523958A (zh) 一种用于车头泊入车位的路径规划方法、设备及存储介质
CN113335270B (zh) 一种泊车路径规划方法和装置
CN118358560A (zh) 泊车路径规划方法、设备和计算机可读存储介质
CN115056765A (zh) 垂直与斜列车位自主泊车的路径规划方法及装置
CN116476840B (zh) 变道行驶方法、装置、设备及存储介质
CN111158366B (zh) 基于图搜索和几何曲线融合的路径规划方法
CN110626349B (zh) 自动驾驶车辆的控制方法、装置、汽车控制器及存储介质

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200710