CN111414929B - 设计泊车路径规划预判器的方法和泊车路径规划预判器 - Google Patents

设计泊车路径规划预判器的方法和泊车路径规划预判器 Download PDF

Info

Publication number
CN111414929B
CN111414929B CN201910011894.7A CN201910011894A CN111414929B CN 111414929 B CN111414929 B CN 111414929B CN 201910011894 A CN201910011894 A CN 201910011894A CN 111414929 B CN111414929 B CN 111414929B
Authority
CN
China
Prior art keywords
path planning
parking
parameters
parking space
feasibility
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
CN201910011894.7A
Other languages
English (en)
Other versions
CN111414929A (zh
Inventor
范海波
张苇
王柳禕
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.)
SAIC General Motors Corp Ltd
Pan Asia Technical Automotive Center Co Ltd
Original Assignee
SAIC General Motors Corp Ltd
Pan Asia Technical Automotive Center 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 SAIC General Motors Corp Ltd, Pan Asia Technical Automotive Center Co Ltd filed Critical SAIC General Motors Corp Ltd
Priority to CN201910011894.7A priority Critical patent/CN111414929B/zh
Publication of CN111414929A publication Critical patent/CN111414929A/zh
Application granted granted Critical
Publication of CN111414929B publication Critical patent/CN111414929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W30/00Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/06Automatic manoeuvring for parking
    • 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
    • G01C21/3446Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及智能驾驶领域的技术,特别涉及用于设计泊车路径规划预判器的方法、泊车路径规划预判器和实现该方法的车辆控制器和计算机可读存储介质。按照本发明一个方面的用于设计泊车路径规划预判器的方法包含下列步骤:选取路径规划原则;动态改变车身姿态参数和环境参数,基于所述动态改变的参数和所述路径规划原则确定路径规划的可行性标志位;对所确定的路径规划的可行性标志位进行分类以得到参数扫描样本集;以及将泊车路径规划预判器的预判结果设计为与所述参数扫描样本集一致。

Description

设计泊车路径规划预判器的方法和泊车路径规划预判器
技术领域
本发明涉及智能驾驶领域的技术,特别涉及用于设计泊车路径规划预判器的方法、泊车路径规划预判器和实现该方法的车辆控制器和计算机可读存储介质。
背景技术
自动驾驶汽车依靠人工智能。视觉计算、雷达、监控装置和全球定位系统协同合作,可以在无人类主动操作的情况下,自动安全地操作机动车辆。当需要进行泊车操作时,一般采用单次路径规划求解的方法,即将车辆开到车位旁时,启动路径规划求解,所规划的路径一般符合一定的数学方程(诸如圆弧相切等),求解的方法即为满足一定约束条件下的寻优过程。
在汽车自动驾驶中,对于泊车的初始位置较为苛刻,且泊车的结果不可预判,通常在启动规划后才能确定是否成功。在实际操作中,与泊车规划相关的求解参数(诸如,车身初始姿态、车位大小、反向车道宽度等)具有随机性,如果采用既定的规划方程,不能精准预知成功泊车的可能性,而只能通过简单的临界值设定等方法,规划出一个大致可行的泊车区域。
在设计规划方程时,对于不同车型和不同车体参数(例如,轴距、车长、车宽、最小轮转半径等),规划可行区域不具有普遍适用性,而且一般不能找到通用的线性关系。因此,对于不同车体参数的车辆,需要精确标定不同的参数,过程量较为繁琐且工作量较大。
因此,在各种不确定的情况下,泊车成功的概率不能准确预判。
发明内容
为实现以上目的的一个或多个,本发明提供以下技术方案。
按照本发明的第一方面,提供一种用于设计泊车路径规划预判器的方法包含下列步骤:选取路径规划原则;动态改变车身姿态参数和环境参数,基于所述动态改变的参数和所述路径规划原则确定路径规划的可行性标志位;对所确定的路径规划的可行性标志位进行分类以得到参数扫描样本集;以及将泊车路径规划预判器的预判结果设计为与所述参数扫描样本集一致。
根据本发明一实施例的用于设计泊车路径规划预判器的方法,其中,确定路径规划的可行性标志位的步骤包括:
响应于所述车身姿态参数和环境参数的动态改变,依据所述路径规划原则启动路径规划运算;以及在启动路径规划运算后,如果能依据所述路径规划原则成功规划出泊车路径,则路径规划的可行性标志位记为1,否则记为-1。
根据本发明另一实施例或以上任一实施例的用于设计泊车路径规划预判器的方法,其中,所述参数扫描样本集通过以下方式获得:
如果路径规划的可行性标志位为1,则记为正类;以及如果路径规划的可行性标志位为-1,则记为负类。
根据本发明另一实施例或以上任一实施例的用于设计泊车路径规划预判器的方法,其中,当车辆驶进泊车区域时,利用所述泊车路径规划预判器做实时判断或预测判断,若判断为正类,则表示可进行泊车路径规划;以及若判断为负类,则表示不可进行泊车路径规划。
根据本发明另一实施例或以上任一实施例的用于设计泊车路径规划预判器的方法,其中,所述路径规划原则包括待规划的曲线、约束函数和目标函数。
根据本发明另一实施例或以上任一实施例的用于设计泊车路径规划预判器的方法,其中,所述车身姿态参数包括:车身后轴中心距离车位左上顶点的水平距离、车身后轴中心距离车位左上顶点的垂直距离和车身前向轴线和车位的水平夹角;所述环境参数包括:车位垂直长度、车位水平长度和车位距离反向道路边线的距离。
根据本发明另一实施例或以上任一实施例的用于设计泊车路径规划预判器的方法,其中,所述约束函数设计为泊车过程中不与边界碰撞;以及所述目标函数设计为泊车最终状态在满足最小边界约束的条件下接近车位末端,以及使得车辆的中轴线与车位的中轴线重合。
根据本发明的第二方面,提供一种泊车路径规划预判器,其包括:定位识别模块,用于确定动态改变的车身姿态参数和环境参数;
路径规划模块,用于基于所述动态改变的参数和所述路径规划原则确定路径规划的可行性标志位;以及路径规划预判模块,其配置成输出结果与所述路径规划模块输出的所述可行性标志位一致。
根据本发明第二方面的一实施例的泊车路径规划预判器,其中,所述预判器配置为输入为多变量、输出为路径规划可行性分类结果的运算单元。
根据本发明第二方面的一实施例或以上任一实施例的泊车路径规划预判器,其中,任意路径规划方式所涉及的规律改变的车身姿态参数和环境参数均可作为所述预判器的输入。
根据本发明的第三方面,提供一种车辆控制器,包含存储器、处理器以及存储在存储器上并且可在处理器上运行的计算机程序,其中,处理器运行所述程序以实现如本发明的第一方面中的任一实施例所述的用于设计泊车路径规划预判器的方法。
根据本发明的第四方面,提供一种计算机可读存储介质,其上存储计算机程序,其中,该程序可在被处理器执行时实现如本发明的第一方面中的任一实施例所述的用于设计泊车路径规划预判器的方法。
根据本发明,可以采用如上所述的泊车路径规划预判器,基于离线数据进行分类器参数的训练进行泊车预判以及基于预判结果的泊车操作,扩大了泊车初始点的选择范围,即在泊车前不必严格地调整车身姿态,同时针对不同车型以及不同车体参数,可快速地设计出利用一定求解方程进行路径规划基础上的预判分类器,替代了实际情况中繁琐且不精确的参数标定。基于本发明的设计,使得车辆在各种复杂及其不确定的因素下,依然能够预判处是否可进行泊车操作,并提升了泊车成功的信心。
通过纳入本文的附图以及随后与附图一起用于说明本发明的某些原理的具体实施方式,本发明的方法和系统所具有的其它特征和优点将更为具体地变得清楚或得以阐明。
附图说明
本发明的上述和/或其它方面和优点将通过以下结合附图的各个方面的描述变得更加清晰和更容易理解,附图中相同或相似的单元采用相同的标号表示。附图包括:
图1为按照本发明一实施例的用于设计泊车路径规划预判器的方法的流程图。
图2为应用于图1所示实施例的确定动态改变的车身姿态参数和环境参数的方法的流程图。
图3示例性地示出了按照本发明一实施例的泊车路径规划预判器。
图4为按照本发明一实施例的预判车位可泊性的过程示意图。
图5示例性地示出了应用于图3所示泊车路径规划预判器的输入参数。
图6示例性地示出了按照本发明又一实施例的包含输入和输出的泊车路径规划分类器。
图7为按照本发明还有一个实施例的车辆控制器的示意框图。
具体实施方式
在本说明书中,参照其中图示了本发明示意性实施例的附图更为全面地说明本发明。但本发明可以按不同形式来实现,而不应解读为仅限于本文给出的各实施例。给出的各实施例旨在使本文的披露全面完整,以将本发明的保护范围更为全面地传达给本领域技术人员。
诸如“包含”和“包括”之类的用语表示除了具有在说明书中有直接和明确表述的单元和步骤以外,本发明的技术方案也不排除具有未被直接或明确表述的其它单元和步骤的情形。诸如“第一”和“第二”之类的用语并不表示单元在时间、空间、大小等方面的顺序而仅仅是作区分各单元之用。
下文参考根据本发明实施例的方法和系统的流程图说明、框图和/或流程图来描述本发明。将理解这些流程图说明和/或框图的每个框、以及流程图说明和/或框图的组合可以由计算机程序指令来实现。可以将这些计算机程序指令提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器以构成机器,以便由计算机或其他可编程数据处理设备的处理器执行的这些指令创建用于实施这些流程图和/或框和/或一个或多个流程框图中指定的功能/操作的部件。
可以将这些计算机程序指令存储在计算机可读存储器中,这些指令可以指示计算机或其他可编程处理器以特定方式实现功能,以便存储在计算机可读存储器中的这些指令构成包含实施流程图和/或框图的一个或多个框中指定的功能/操作的指令部件的制作产品。
可以将这些计算机程序指令加载到计算机或其他可编程数据处理器上以使一系列的操作步骤在计算机或其他可编程处理器上执行,以便构成计算机实现的进程,以使计算机或其他可编程数据处理器上执行的这些指令提供用于实施此流程图和/或框图的一个或多个框中指定的功能或操作的步骤。还应该注意在一些备选实现中,框中所示的功能/操作可以不按流程图所示的次序来发生。例如,依次示出的两个框实际可以基本同时地执行或这些框有时可以按逆序执行,具体取决于所涉及的功能/操作。
图1为按照本发明一实施例的用于设计泊车路径规划预判器的方法的流程图。
如图1所示,在步骤110,规律改变车身姿态参数和环境参数并且选取路径规划原则,其中,各参数选取范围需要合理,并限制在一定的范围内,所述参数的选取将在下文图5中以图示的方式详细描述。可选地,所述路径规划原则包括待规划的曲线(例如,人字形泊车曲线)、约束函数和目标函数,其中,约束函数设计原则为泊车过程中不与边界碰撞;目标函数设计原则为泊车最终状态在满足最小边界约束的条件下,尽可能接近车辆末端,以及尽可能使得车辆的中轴线和车位的中轴线重合。
在执行步骤110之后,图1所示的方法进入步骤120。在步骤120中,路径规划模块根据动态改变的车身参数和环境参数以及基于路径规划原则确定路径规划的可行性。可选地,可以利用车辆泊车系统中专门的路径规划模块,该路径规划模块响应于动态改变的车身姿态参数和环境参数,依据一定的规划原则(待规划的曲线、约束函数和目标函数),在需要时启动路径规划模块。其中,所述路径规划模块一般具有路径规划可行性判断标志,以用于判断路径规划是否成功。该路径规划模块一般具有规划路径可行性判断标志,具体可以按照以下方式设计:在启动单次路径规划之后,如果所述路径规划模块能够按照给定的方式成功规划出泊车路径,则其可行性判断标志位为1;如果所述路径规划模块不能够按照给定的方式成功规划出泊车路径,则其可行性判断标志位为-1。
在执行步骤120之后,图1所示的方法进入步骤130。在步骤130中,对所确定的路径规划的可行性标志位进行分类以得到包含正类和负类的参数扫描样本集,其中正类(可行性判断标志位为1)代表可成功规划出泊车路径,负类(可行性判断标志位为-1)代表不能成功规划出泊车路径。之后进入步骤140,在步骤140中,基于获得的参数扫描样本集来训练泊车路径规划预判器,设计原则为使得泊车路径规划预判器的预判结果与所述参数扫描样本集一致。在本发明中,基于机器学习思想中的分类器思想来设计泊车路径规划预判器训练样本,即为步骤110中动态改变的车身姿态参数和环境参数,所述训练样本可基于离线测试数据获得。在实际实现中,将分类器程序和训练所得的参数写进泊车程序中作为泊车路径规划预判器。所述预判器的嵌入式应用远离较为简单,即将预判器程序直接嵌入MCU周期性Task中;若允许分类器运行,则运行分类器;反之,则不运行分类器。在本发明中,分类器即为待设计的泊车路径规划预判器,分类器的目的是对MCU中路径规划模块运算的可行性结果进行分类。
在本实施例中,可以采用图2所示的方法来确定动态改变的车身姿态参数和环境参数。图2为应用于图1所示实施例的确定动态改变的车身姿态参数和环境参数的方法的流程图。具体而言,如图2所示,在步骤210,响应于用户输入的泊车的命令启动泊车预判功能。随后进入步骤220,定位识别模块开始搜寻车位。随后进入步骤230,在步骤230中,如果发现车位时,则利用定位识别模块计算车身相对车位的实时方位。如果没有发现车位,则返回步骤220继续搜寻车位。
以下借助图3和4详细描述泊车路径规划预判器和用于确定车位可泊性的方法。其中,图3示例性地示出了按照本发明一实施例的泊车路径规划预判器。图4为按照本发明一实施例的预判车位可泊性的示意图。
图3所示的装置30包括:定位识别模块310,用于确定动态改变的车身姿态参数和环境参数;路径规划模块320,用于基于所述动态改变的参数和路径规划原则确定路径规划的可行性标志位;以及路径规划预判模块330,其配置成输出结果与所述路径规划模块320输出的所述可行性标志位一致。在本实施例中,路径规划模块320基于定位识别模块310确定的动态改变的车身姿态参数和环境参数并且根据路径规划原则,将路径规划可行性结果以标志位的形式输出,其中,如果所述路径规划模块320能够按照给定的方式成功规划出泊车路径,则其标志位为1;如果所述路径规划模块320不能够按照给定的方式成功规划出泊车路径,则其标志位为-1。同时,输入至路径规划预判模块330的运算结果设计为与所述路径规划模块320计算输出的可行性判断标志位一致(即,理论误差为0),此即为路径规划预判模块330的设计准则。
优选地,在本实施例中,路径规划预判模块330可以是输入为多变量、输出为路径规划可行性分类结果的任何运算单元,其中任意路径规划方式所涉及的动态改变参数均可作为该路径规划预判模块330的输入。可选地,上述独立功能模块也可以与泊车系统中的其它功能模块集成在一起。
图4为按照本发明一实施例的预判车位可泊性的示意图。在上图中,由于车辆太靠近车位,所以路径规划模块320判断为不能成功规划路径,此时,路径规划预判模块330持续运行,同时不启动路径规划模块320而继续移动车身(持续调整车身姿态参数)。在下图中,在车辆持续移动过程中,路径规划预判模块330判断为可进行路径规划,此时,逐渐降低车速;当车速降低到0时,则启动路径规划模块320,从而成功规划出泊车路径。
图5示例性地示出了应用于图3所示泊车路径规划预判器的输入参数。示例性地,图5所示车位(图中的下凹区域)的纵向垂直于道路行进方向,并且该车位呈矩形,该矩形的周边构成障碍物的边界。优选地,选取X-Y坐标系,以车位左上顶点为原点(0,0),选取车身姿态参数(x0,y0,theta0)和环境参数(W_slot,L_slot,Lw)。其中,x0表示车身后轴中心距离车位左上顶点的水平距离,y0表示车身后轴中心距离车位左上顶点的垂直距离,theta0表示车身前向轴线和车位的夹角,W_slot表示车位垂直长度,L_slot表示车位水平长度,以及Lw表示车位距离反向道路边线的距离。
优选地,图中所示任意路径规划方式所涉及的规律改变的车身姿态参数和环境参数均可以作为泊车路径规划预判器的输入参数。此外,图中所示出的参数同样适用于平行泊车、斜向泊车等泊车方式,因为平行泊车、斜向泊车等路径规划方式与本文所述的垂直泊车路径规划具有一致性,即采用基于经典路径规划曲线模板的操作(例如,圆弧切直线、B样条、回旋线等)。在做路径规划时,与垂直泊车路径规划的原理相同,即在车辆本身参数的限制下,仍然需要确定图中所示的车身姿态参数(x0,y0,theta0)和环境参数(W_slot,L_slot,Lw)。
图6示例性地示出了按照本发明又一实施例的包含输入和输出的泊车路径规划分类器。如图6所示,其示例性地示出了包含输入和输出的路径规划分类器60的结构示意图,其用于对路径规划模块320运算的可行性结果进行分类。可选地,该分类器的输入为6组参数(x0,y0,theta0,W_slot,L_slot,Lw),输出为正类(+1)和负类(-1)。在实施过程中,选取一个指定的路径规划模块(其中有指定的路径规划方法,诸如人字形泊车方式—直线—相切圆弧—相切圆弧—相切直线),规律改变车身姿态参数(x0,y0,theta0)和环境参数(W_slot,L_slot,Lw),其中,各参数选取范围需要合理,并限制在一定的范围内,并且设计边界碰撞约束函数和目标函数,对该模块进行路径规划程序扫描测试,如果可以成功规划出路径则记为正类;如果不能规划出路径则记为负类。可选地,目标函数设计原则为泊车最终状态在满足最小边界约束的条件下,尽可能接近车位末端(即y0最小),以及尽可能使得车辆的中轴线和车位的中轴线重合;约束函数设计原则为泊车过程中不与边界碰撞。通过该过程得到一组参数扫描样本集,基于所得到的扫描样本集对路径规划分类器60进行训练,从而先验地保存路径规划可行性结果。
在使用分类器60时,将分类器程序及其训练所得的参数写入泊车程序中,作为泊车路径规划预判器。当车辆驶入泊车区域时,可利用分类器60做出实时判断(当前点)或预测判断(一定时间之后的位置),如果判断为正类,则表示可进行泊车规划;如果判断为负类,则表示不可进行泊车规划。
图7为按照本发明还有一个实施例的车辆控制器的示意框图。
图7所示的车辆控制器70包含存储器710、处理器720以及存储在存储器710上并可在处理器720上运行的计算机程序730,其中,执行计算机程序730可以实现上述用于设计泊车路径规划预判器的方法。
按照本发明的另一方面,还提供了一种计算机可读存储介质,其上存储计算机程序,该程序被处理器执行时可实现上述用于设计泊车路径规划预判器的方法。
提供本文中提出的实施例和示例,以便最好地说明按照本技术及其特定应用的实施例,并且由此使本领域的技术人员能够实施和使用本发明。但是,本领域的技术人员将会知道,仅为了便于说明和举例而提供以上描述和示例。所提出的描述不是意在涵盖本发明的各个方面或者将本发明局限于所公开的精确形式。

Claims (10)

1.一种用于设计泊车路径规划预判器的方法,其特征在于,包含下列步骤:
选取路径规划原则,所述路径规划原则包括待规划的曲线、约束函数和目标函数;
动态改变车身姿态参数和环境参数,基于所述动态改变的参数和所述路径规划原则确定路径规划的可行性标志位;
对所确定的路径规划的可行性标志位进行分类以得到参数扫描样本集;以及
将泊车路径规划预判器的预判结果设计为与所述参数扫描样本集一致,
其中所述车身姿态参数包括:车身后轴中心距离车位左上顶点的水平距离、车身后轴中心距离车位左上顶点的垂直距离和车身前向轴线和车位的水平夹角,所述环境参数包括:车位垂直长度、车位水平长度和车位距离反向道路边线的距离。
2.如权利要求1所述的方法,其特征在于,确定所述路径规划的可行性标志位的步骤包括:
响应于所述车身姿态参数和环境参数的动态改变,依据所述路径规划原则启动路径规划运算;以及
在启动所述路径规划运算后,如果能依据所述路径规划原则成功规划出泊车路径,则所述路径规划的可行性标志位记为1,否则记为-1。
3.如权利要求1所述的方法,其特征在于,所述参数扫描样本集通过以下方式获得:
如果所述路径规划的可行性标志位为1,则记为正类;以及
如果所述路径规划的可行性标志位为-1,则记为负类。
4.如权利要求1所述的方法,其特征在于,还包括:
当车辆驶进泊车区域时,利用所述泊车路径规划预判器做实时判断或预测判断,若判断为正类,则表示可进行泊车路径规划;以及
若判断为负类,则表示不可进行泊车路径规划。
5.如权利要求1所述的方法,其特征在于:
所述约束函数设计为泊车过程中不与边界碰撞;以及
所述目标函数设计为泊车最终状态在满足最小边界约束的条件下接近车位末端,以及使得车辆的中轴线与车位的中轴线重合。
6.一种泊车路径规划预判器,其特征在于,包含:
定位识别模块,用于确定动态改变的车身姿态参数和环境参数;
路径规划模块,用于基于所述动态改变的参数和路径规划原则确定路径规划的可行性标志位,所述路径规划原则包括待规划的曲线、约束函数和目标函数;以及
路径规划预判模块,其配置成输出结果与所述路径规划模块输出的所述可行性标志位一致,其中所述车身姿态参数包括:车身后轴中心距离车位左上顶点的水平距离、车身后轴中心距离车位左上顶点的垂直距离和车身前向轴线和车位的水平夹角,所述环境参数包括:车位垂直长度、车位水平长度和车位距离反向道路边线的距离。
7.如权利要求6所述的泊车路径规划预判器,其特征在于,所述预判器配置为输入为多变量、输出为路径规划可行性分类结果的运算单元。
8.如权利要求7所述的泊车路径规划预判器,其特征在于,任意路径规划方式所涉及的规律改变的车身姿态参数和环境参数均可作为所述预判器的输入。
9.一种车辆控制器,包含存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,执行所述程序以实现权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质,其上存储计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-5中任一项所述的方法。
CN201910011894.7A 2019-01-07 2019-01-07 设计泊车路径规划预判器的方法和泊车路径规划预判器 Active CN111414929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910011894.7A CN111414929B (zh) 2019-01-07 2019-01-07 设计泊车路径规划预判器的方法和泊车路径规划预判器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910011894.7A CN111414929B (zh) 2019-01-07 2019-01-07 设计泊车路径规划预判器的方法和泊车路径规划预判器

Publications (2)

Publication Number Publication Date
CN111414929A CN111414929A (zh) 2020-07-14
CN111414929B true CN111414929B (zh) 2024-03-12

Family

ID=71492632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910011894.7A Active CN111414929B (zh) 2019-01-07 2019-01-07 设计泊车路径规划预判器的方法和泊车路径规划预判器

Country Status (1)

Country Link
CN (1) CN111414929B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112378414A (zh) * 2020-11-20 2021-02-19 深圳信息职业技术学院 一种基于pm2.5健康出行的路径规划装置及方法
CN113525356B (zh) * 2021-08-02 2023-06-27 上汽通用汽车有限公司 自动泊车系统、自动泊车方法、存储介质及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102963355A (zh) * 2012-11-01 2013-03-13 同济大学 一种智能辅助泊车方法及其实现系统
CN105857306A (zh) * 2016-04-14 2016-08-17 中国科学院合肥物质科学研究院 一种用于多种泊车场景的车辆自主泊车路径规划方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7010425B2 (en) * 2003-03-31 2006-03-07 Deere & Company Path planner and a method for planning a path of a work vehicle
US7110881B2 (en) * 2003-10-07 2006-09-19 Deere & Company Modular path planner

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102963355A (zh) * 2012-11-01 2013-03-13 同济大学 一种智能辅助泊车方法及其实现系统
CN105857306A (zh) * 2016-04-14 2016-08-17 中国科学院合肥物质科学研究院 一种用于多种泊车场景的车辆自主泊车路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨妮娜 ; 梁华为 ; 王少平 ; .平行泊车的路径规划方法及其仿真研究.电子测量技术.2011,(01),全文. *
王龙 ; 朱凯 ; .基于最短路径的变半径泊车路径规划研究.汽车科技.2015,(06),全文. *

Also Published As

Publication number Publication date
CN111414929A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
US11430227B2 (en) Method, computer program product, and driver assistance system for determining one or more lanes of a road in an environment of a vehicle
CN109760675B (zh) 预测车辆轨迹的方法、装置、存储介质和终端设备
CN111830979B (zh) 一种轨迹优化方法和装置
CN109085829B (zh) 一种动静态目标识别方法
CN105684039B (zh) 用于驾驶员辅助系统的状况分析
CN113267199A (zh) 行驶轨迹规划方法及装置
CN111414929B (zh) 设计泊车路径规划预判器的方法和泊车路径规划预判器
CN111413973A (zh) 车辆的换道决策方法及装置、电子设备、存储介质
CN112731334B (zh) 一种激光定位车辆的方法及装置
CN114906164A (zh) 用于自主驾驶的轨迹验证
US20190180117A1 (en) Roadside object recognition apparatus
CN113895459B (zh) 一种障碍物的筛选方法及系统
US11188083B2 (en) Method, device, and computer readable storage medium with instructions for motion planning for a transportation vehicle
US11899101B2 (en) Predicting the course of a road on the basis of radar data
US11555928B2 (en) Three-dimensional object detection with ground removal intelligence
CN116001779A (zh) 用于自动避开障碍物的方法和系统以及计算机程序产品
CN115097826A (zh) 一种车辆掉头轨迹规划方法及装置
CN115546744A (zh) 使用dbscan进行车道检测
CN112590792B (zh) 一种基于深度强化学习算法的车辆汇合控制方法
CN111231977B (zh) 一种车辆速度的确定方法、装置、车辆及存储介质
CN113753038A (zh) 一种轨迹预测方法、装置、电子设备和存储介质
US11958501B1 (en) Performance-based metrics for evaluating system quality
JP6861911B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
US20230003540A1 (en) Traveling track generation device and traveling track generation method
CN118243122A (zh) 障碍物的行驶轨迹预测方法、系统、车辆及设备

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