CN111750886B - 局部路径规划方法及装置 - Google Patents
局部路径规划方法及装置 Download PDFInfo
- Publication number
- CN111750886B CN111750886B CN202010399191.9A CN202010399191A CN111750886B CN 111750886 B CN111750886 B CN 111750886B CN 202010399191 A CN202010399191 A CN 202010399191A CN 111750886 B CN111750886 B CN 111750886B
- Authority
- CN
- China
- Prior art keywords
- route
- information
- distance
- lane
- collision
- 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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
Abstract
本发明提供了一种局部路径规划方法及装置,方法包括:获取语义信息并处理后,得到决策语义信息;获取环境感知模块发送的环境感知信息;得到动态障碍物预测信息和静态障碍物信息;获取车辆当前位置信息、车道信息和道路信息;根据车辆当前位置信息、当前位置所处的车道信息、动态障碍物预测信息、静态障碍物信息和决策语义信息,确定当前位置所处的车道的最近碰撞障碍物信息;最近碰撞障碍物信息包括最近碰撞障碍物的位置信息和速度信息;以最近碰撞障碍物的位置信息为中心,以车辆的横向安全距离为平移距离进行左右平移,直至不存在碰撞点为止;根据横向偏移距离和车道信息,进行换道处理;根据保持路线、过渡路线和延伸路线,进行避障行驶。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种局部路径规划方法及装置。
背景技术
随着自动驾驶技术的发展,为满足城市交通环境典型工况,自动驾驶车辆自主避障、换道功能尤为重要,与公园、校园等环境区别在于,城市交通环境对自主避障功能的要求,不仅在于安全避障,更加注重避障路径合理性,在兼顾道路结构、车道线等交通标志前提下,规划出符合车辆运动学约束的、符合交通规则的、与他车交互合理的避障、换道路线。
目前典型的路径规划方法有图搜索法和采样方法,其中适用于结构化道路的典型代表为格子规划(Lattice Planner,LC),其采用撒点的方式,将车辆横向偏移距离、纵向偏移距离进行分级,计算不同横纵向偏移距离的点的代价值,选取最优解。
偏移距离分级的方式导致对障碍物的普适应较差,分级过多会导致计算量增大,分级少则可避障范围减小;先计算代价值后选取最优解的方式会增大计算量。
发明内容
本发明实施例的目的是提供一种局部路径规划方法及装置,以解决现有技术中的路径规划方法所存在的普适应较差、计算量增大和可避障范围减小的问题。
为解决现有技术中存在的问题,本发明提供了一种局部路径规划方法,所述局部路径规划方法包括:
根据车辆当前位置信息、当前位置所处的车道信息、动态障碍物预测信息、静态障碍物信息和决策语义信息,确定当前位置所处的车道的最近碰撞障碍物信息;所述最近碰撞障碍物信息包括最近碰撞障碍物的位置信息和速度信息;
根据所述最近碰撞障碍物的位置信息、速度信息和车辆的全局规划路径,确定碰撞点位置;
以所述最近碰撞障碍物的位置信息为中心,以车辆的横向安全距离为平移距离进行左右平移,直至不存在碰撞点为止;
获取不存在碰撞点时的横向偏移距离和纵向碰撞距离;
根据所述横向偏移距离和所述车道信息,进行换道处理;
确定换道处理中的保持路线、过渡路线和延伸路线;
根据所述保持路线、过渡路线和所述延伸路线,进行避障行驶。
在一种可能的实现方式中,所述方法之前还包括:
获取自动驾驶决策模块发送的语义信息;
对所述语义信息进行处理,得到决策语义信息;
获取环境感知模块发送的环境感知信息;
对所述环境感知信息进行处理,得到动态障碍物预测信息和静态障碍物信息;
获取车辆当前位置信息、当前位置所处的车道信息和道路信息。
在一种可能的实现方式中,所述根据所述横向偏移距离和所述车道信息,进行换道处理具体包括:
计算所述车辆距离所处车道的车道边界距离与车辆的半车宽的和值;
当所述横向偏移距离大于所述和值,且当前车道存在相邻车道时,进行换道处理。
在一种可能的实现方式中,所述确定换道处理中的保持路线、过渡路线和延伸路线具体包括:
计算预期保持时间与车辆的当前车速的第一乘积值;
计算路线保持系数与车辆当前位置信息到当前车道边界线实线位置的纵向距离的第二乘积值;
计算纵向碰撞距离与避障所需最短纵向距离的第一差值;
确定所述第一乘积值、所述第二乘积值和所述第一差值中的最小值;
将所述最小值作为所述保持路线的长度;
根据所述保持路线的长度,确定保持路线的终点;
以所述保持路线的终点作为过渡路线的起点,将所述过渡路线的起点至纵向碰撞距离间的路点进行切分,得到切分后的多个路点;切分后的每个路点包括横向距离和纵向距离;
根据切分后的多个路点中每个路点的横向距离和纵向距离,确定每个路点对应的新路点;
根据所述横向偏移距离、每个路点的纵向距离和所述纵向碰撞距离,计算新路点的纵向距离;
根据每个所述新路点的横向距离和所述新路点对应的路点的纵向距离,得到过渡路线;
根据横向偏移距离,对所述过渡路线进行延伸后,继续进行碰撞点检测,直至无碰撞点时,生成与所述保持路线和所述过渡路线相反的路线,使得车辆根据所述相反的路线,行驶至全局规划路径上。
在一种可能的实现方式中,所述根据所述横向偏移距离、每个路点的纵向距离和所述纵向碰撞距离,计算新路点的纵向距离具体包括:
计算两倍的横向偏移距离的第三乘积值;
计算π乘以原路点的纵向距离后,除以纵向避障距离的余弦值,并乘以第三乘积值,得到第四乘积值;
第三乘积值减去第四乘积值,得到新路点的纵向距离。
第二方面,本发明提供了一种局部路径规划装置,所述局部路径规划装置包括:
确定单元,所述确定单元用于根据车辆当前位置信息、当前位置所处的车道信息、动态障碍物预测信息、静态障碍物信息和决策语义信息,确定当前位置所处的车道的最近碰撞障碍物信息;所述最近碰撞障碍物信息包括最近碰撞障碍物的位置信息和速度信息;
所述确定单元还用于,根据所述最近碰撞障碍物的位置信息、速度信息和车辆的全局规划路径,确定碰撞点位置;
平移单元,所述平移单元用于以所述最近碰撞障碍物的位置信息为中心,以车辆的横向安全距离为平移距离进行左右平移,直至不存在碰撞点为止;
获取单元,所述获取单元用于获取不存在碰撞点时的横向偏移距离和纵向碰撞距离;
处理单元,所述处理单元用于根据所述横向偏移距离和所述车道信息,进行换道处理;
所述确定单元还用于,确定换道处理中的保持路线、过渡路线和延伸路线;
行驶单元,所述行驶单元用于根据所述保持路线、过渡路线和所述延伸路线,进行避障行驶。
在一种可能的实现方式中,所述获取单元还用于,获取自动驾驶决策模块发送的语义信息;
所述处理单元还用于,对所述语义信息进行处理,得到决策语义信息;
所述获取单元还用于,获取环境感知模块发送的环境感知信息;
所述处理单元还用于,对所述环境感知信息进行处理,得到动态障碍物预测信息和静态障碍物信息;
所述获取单元还用于,获取车辆当前位置信息、当前位置所处的车道信息和道路信息。
在一种可能的实现方式中,所述处理单元具体用于:
计算所述车辆距离所处车道的车道边界距离与车辆的半车宽的和值;
当所述横向偏移距离大于所述和值,且当前车道存在相邻车道时,进行换道处理。
在一种可能的实现方式中,所述确定单元具体用于:
计算预期保持时间与车辆的当前车速的第一乘积值;
计算路线保持系数与车辆当前位置信息到当前车道边界线实线位置的纵向距离的第二乘积值;
计算纵向碰撞距离与避障所需最短纵向距离的第一差值;
确定所述第一乘积值、所述第二乘积值和所述第一差值中的最小值;
将所述最小值作为所述保持路线的长度;
根据所述保持路线的长度,确定保持路线的终点;
以所述保持路线的终点作为过渡路线的起点,将所述过渡路线的起点至纵向碰撞距离间的路点进行切分,得到切分后的多个路点;切分后的每个路点包括横向距离和纵向距离;
根据切分后的多个路点中每个路点的横向距离和纵向距离,确定每个路点对应的新路点;
根据所述横向偏移距离、每个路点的纵向距离和所述纵向碰撞距离,计算新路点的横向距离;
根据每个所述新路点的横向距离和所述新路点对应的路点的纵向距离,得到过渡路线;
根据横向偏移距离,对所述过渡路线进行延伸后,继续进行碰撞点检测,直至无碰撞点时,生成与所述保持路线和所述过渡路线相反的路线,使得车辆根据所述相反的路线,行驶至全局规划路径上。
在一种可能的实现方式中,所述处理单元具体用于:
计算两倍的横向偏移距离的第三乘积值;
计算π乘以原路点的纵向距离后,除以纵向避障距离的余弦值,并乘以第三乘积值,得到第四乘积值;
第三乘积值减去第四乘积值,得到新路点的纵向距离。
第三方面,本发明提供了一种设备,包括存储器和处理器,存储器用于存储程序,处理器用于执行第一方面任一所述的方法。
第四方面,本发明提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如第一方面任一所述的方法。
第五方面,本发明提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如第一方面任一所述的方法。
通过应用本发明实施例提供的局部路径规划方法及装置,通过对障碍物处理、局部路径规划等步骤,最终生成符合车辆运动学约束的、安全的避障/换道路径,且在此过程中考虑车道标识,满足交规要求,实现车辆自动驾驶状态下的自主避障和换道等功能,便于车辆横向控制。
附图说明
图1为本发明实施例一提供的局部路径规划方法流程示意图;
图2为最近障碍物示意图;
图3为对图2中的最近障碍物进行迭代处理的示意图;
图4为过渡路线示意图;
图5为保持路线示意图;
图6为本发明实施例二提供的局部路径规划装置结构示意图。
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为本发明实施例一提供的局部路径规划方法流程示意图。本申请的执行主体为具有计算功能的终端、服务器或者处理器。本申请以将该方法应用在无人驾驶车辆为例进行说明,当将该方法应用在无人驾驶车辆时,该方法的执行主体为自动驾驶车辆控制单元(Automated Vehicle Control Unit,AVCU),即无人驾驶车辆的中央处理器相当于无人驾驶车辆的“大脑”。在执行本申请图1中的局部路径规划方法之前,本申请还包括下列步骤:
步骤101,获取自动驾驶决策模块发送的语义信息。
具体的,AVCU中包括感知模块、定位模块、决策模块和路径规划模块等,感知模块可以获取各种传感器的环境感知信息,传感器包括但不限于激光雷达、惯性测量单元(Inertial measurement unit,IMU)、毫米波雷达、超声波雷达、视觉模块等传感器,定位模块可以获取全球定位系统(Global Positioning System,GPS)的定位信息,路径规划模块可以根据环境感知信息和定位信息进行路径规划,决策模块可以根据规划路径,得到转向控制信息和扭矩控制信息,以通过转向控制信息控制车辆的转向以及通过扭矩控制信息控制车辆的速度。
自动驾驶的决策模块可以生成指令,环境感知信息可以是前方车辆距离自身10m,左侧车道50m内无车辆,则决策模块会生成一个指令,即比如[油门0.9,转向-0.5,刹车0.0]”,或者环境感知信息可以是前方车辆距离自身10m,左侧、右侧车道50m内均有车辆,则决策模块会生成另一个指令,即[油门0.0,转向0.0,刹车0.5]”,对于决策模块的每一个指令,都可以作为一个语义信息。
步骤102,对语义信息进行处理,得到决策语义信息。
具体的,对于上述语义信息,可以进行处理,得到决策语义信息,此处的决策语义信息可以包括多种行为中每种行为的方向和每种行为的距离信息,行为包括但不限于避障、换道和让行。
对于避障行为,其距离信息为前方(x,y)处可能存在碰撞风险,需要避障,当然,具体的碰撞点会在后续重新计算。
对于换道行为,如果是因为避障超车等引起的换道,则距离信息与上面避障行为中的距离信息相同,对于路口因为转弯等道路连接关系的强制换道,则为到路口前虚线车道的距离,即自车需要在哪个位置点前完成换道才能不压实线。
对于让行,给出让行位置信息,例如前方沿路线长度多远处需要让行。
步骤103,获取感知模块发送的环境感知信息。
具体的,此处感知模块可以得到多个传感器的感知信息,并对该些感知信息进行融合后,得到环境感知信息。
步骤104,对环境感知信息进行处理,得到动态障碍物预测信息和静态障碍物信息。
具体的,对于单帧的环境感知信息,可以进行栅格化处理,得到栅格化的障碍物单元点;获取预设的关注区域内的障碍物单元点;当关注区域的边界的边界点点残缺时,根据障碍物单元点,对边界点进行加密处理;当关注区域的边界不存在障碍物点云时,对边界进行稀疏处理;根据加密处理的结果或稀疏处理的结果,得到每帧的动态障碍物信息;对每帧的动态障碍物信息进行拼接,得到目标动态障碍物信息;目标动态障碍物信息包括动态障碍物的速度和方向;根据动态障碍物的速度和方向,确定预设时长内的动态障碍物预测信息。
其中,障碍物单元点,是激光雷达打到真实的障碍物后,点云聚类后栅格化的点集,可以理解为0.1m栅格内的障碍物点的集合,对于每帧的障碍物单元点,可以将多帧的障碍物单元点进行融合,从而得到动态障碍物信息和静态障碍物信息。对于动态障碍物信息,包括速度,比如0.2m/s。可以根据每帧动态障碍物的速度,拼接得到目标动态障碍物的轨迹,并可以根据动态障碍物的轨迹上每一个点的方向和速度,对未来预设时长内的动态障碍物的轨迹进行预测,并对预测的轨迹上的每个点标注方向和速度,从而得到动态障碍物在预设时长内的动态障碍物预测信息。
关注区域为一个预设区域,可以根据车型进行设定,预设区域可以是车辆前后x米,左右y米的区域。
内部点,指的是关注区域内,处于车辆内的点。删除内部点的目的是删除与计算无关的点,从而提高计算效率。
加密的目的是对于感知盲区,障碍物边界点残缺,通过插值法等,可以进行加密。
如图1所示,本申请包括以下步骤:
步骤201,获取车辆当前位置信息、当前位置所处的车道信息和道路信息。
具体的,定位模块可以获取到GPS的定位信息,定位信息可以是车辆当前位置信息,比如车辆当前所处的经纬度信息。环境感知信息中,还包括感知模块获取的车道信息和道路信息。
车道信息包括车道编号、车道左右边界线类型、车道边界距离和车道终点距离。车道编号可以是根据车辆当前所处的车道,确定车道编号,比如,有三条车道,可以依次编号为1、2、3。车道左右边界线类型,即当前车道的左边界线类型和当前车道的右边界线类型,边界线类型包括白实线、白虚线、黄实线和黄虚线等。车道边界距离,即车辆距离左边界线的距离和车辆距离右边界线的距离,车辆距离左边界线的距离,指的是车辆中点距离左边界线的距离,车辆距离右边界线的距离,指的是车辆中点距离右边界线的距离。此时的左边和右边,是根据车辆前进方向来确定的。
道路信息包括道路编号、道路类型、后续道路连接关系、车道数量和车道编号。道路类型包括但不限于直行、左转、右转。后续道路连接关系,即地图中每条道路和车道都会有拓扑关系描述,只要知道当前车道/道路编号即可。比如当前道路为1,当前车道为1_1_-1,下级道路表述为<successor road id=“2”>......,这个是通用的格式,高精地图里都会有类似的信息,车道数量、编号(id)等也一样,在高精地图中都会有相关定义。
步骤202,根据车辆当前位置信息、当前位置所处的车道信息、动态障碍物预测信息、静态障碍物信息和决策语义信息,确定当前位置所处的车道的最近碰撞障碍物信息;最近碰撞障碍物信息包括最近碰撞障碍物的位置信息和速度信息。
具体的,通过碰撞检测算法,对于对当前车辆位置前方x米车道轨迹线C进行碰撞检测,可以确定最近碰撞障碍物信息。其中,最近碰撞障碍物信息可以是静态障碍物信息,也可以是动态障碍物预测信息,两者择其一。参见图2和图3,黑色框体可以作为最近碰撞障碍物信息P1,其位置信息包括车辆坐标系中的位置和航向角,可以表示为(Px,Py,Pz,heading),其中,可以以车辆的质心作为车辆坐标系的原点,自车面向前方时,指向车辆右侧作为x轴,将自车面向前方时,在行驶的方向上为y轴,与x轴和y轴都垂直,向上的方向为z轴,heading为航向角。速度信息可以表示为(Vx,Vy)。其中,Vx为沿x轴的速度,Vy为沿y轴的速度。
步骤203,根据最近碰撞障碍物的位置信息、速度信息和车辆的全局规划路径,确定碰撞点位置。
具体的,全局规划路径,是已经预先规划好的路径,可以根据最近碰撞障碍物的位置信息、速度信息和全局规划路径,确定碰撞点,比如,碰撞点可以参见图2中的T1。
步骤204,以最近碰撞障碍物的位置信息为中心,以车辆的横向安全距离为平移距离,将当前位置所处的车道进行迭代平移,直至平移后的平移车道线内不存在碰撞点为止。
具体的,参见图3,以P1为中心,以预设的横向安全距离ls为平移距离进行左右平移,生成C1和C2,平移后检测是否存在新的碰撞点T2,如果存在,则继续向外平移安全距离ls,不断迭代,直至法向无碰撞点Tn时,迭代停止。
步骤205,获取不存在碰撞点时的横向偏移距离和纵向碰撞距离。
具体的,参见图4,对于多次迭代后,直至法向无碰撞点时,获取此时横向偏移距离LP和纵向碰撞距离S。
步骤206,根据横向偏移距离和车道信息,进行换道处理。
其中,步骤206包括:计算车辆距离所处车道的车道边界距离与车辆的半车宽的和值;根据横向偏移距离与和值的关系,且当前车道存在相邻车道时,进行换道处理。
具体的,将横向偏移距离L和纵向碰撞距离S投影到地图上,参见图5,当(LP>LL+Lcar),且避障方向存在相邻车道时,进行换道处理,即将LP=2×LL。当(Ld<2×S)且避障方向存在相邻车道时,进行换道处理,即将LP=2×LL。当车辆进行换道时LP=2×LL,其中Lcar为半车宽,LL为自车距离车道右边界的距离,LP为是横向避障距离,是根据最近障碍物的位置信息计算得到的,表示车辆避开最近障碍物的横向最小的移动量。
步骤207,确定换道处理中的保持路线、过渡路线和延伸路线。
根据步骤206,考虑车辆控制延时及舒适性因素,将局部路径规划分为三个子步骤,分别对应三段路线:保持路线、过渡路线和延伸路线,规定纵向距离用S配合下角标表示,横向距离用L配合下角标表示,参考车辆相对于道路的位置的Frenet坐标系定义,车头朝向为S正方向,车头朝向垂直左侧为L正方向,分别对三段路线进行描述。
具体的,对于保持路线,步骤207包括:计算预期保持时间与车辆的当前车速的第一乘积值;计算路线保持系数与车辆当前位置信息到当前车道边界线实线位置的纵向距离的第二乘积值;计算纵向碰撞距离与避障所需最短纵向距离的第一差值;确定第一乘积值、第二乘积值和第一差值中的最小值;将最小值作为保持路线的长度;根据保持路线的长度,确定保持路线的终点。
具体的,对于保持路线,考虑横向控制舒适性,防止规划路径跳边导致横向跟踪问题,保留部分当前原始路线,保持路线长度为Skeep=min(△t×v,k×Sd,S-Salc),其中△t为预期保持时间,v为当前车速,k为路线保持系数,Sd为当前车辆位置到当前车道边界线实线位置的纵向距离,可从地图环境信息中获取,Salc为避障所需最短纵向距离,可根据横向偏移距离L和车辆运动学约束计算得到,此处车辆运动学约束为转弯半径,根据L和转弯半径,可以计算出极限状态下所需要的极限纵向距离,同时考虑当前车速和驾驶舒适性,对极限纵向距离进行一定比例的放大,得到避障所需最短纵向距离Salc,Salc上限为纵向碰撞距离S。保持路线起点为当前车辆位置Ploc,终点为P1,两位置均在原始车道中心线上。
其中,对于过渡路线,步骤207还包括:以保持路线的终点作为过渡路线的起点,将过渡路线的起点至纵向碰撞距离间的路点进行切分,得到切分后的多个路点;切分后的每个路点包括横向距离和纵向距离;根据切分后的多个路点中每个路点的横向距离和纵向距离,确定每个路点对应的新路点;根据横向偏移距离、每个路点的纵向距离和纵向碰撞距离,计算新路点的横向距离;根据每个新路点的横向距离和新路点对应的路点的纵向距离,得到过渡路线。
其中,所述根据所述横向偏移距离、每个路点的纵向距离和所述纵向碰撞距离,计算新路点的纵向距离具体包括:
首先,计算两倍的横向偏移距离的第三乘积值;其次,计算π乘以原路点的纵向距离后,除以纵向避障距离的余弦值,并乘以第三乘积值,得到第四乘积值;最后,第三乘积值减去第四乘积值,得到新路点的纵向距离。
具体的,参见图4,对于过渡路线,以P1作为起点,以余弦函数为基础,生成过渡路线。首先将S按照所包含的路点进行切分,切分为P0、P1、P2.....Pi,其中Pi对应的横向距离和纵向距离为(Lpi,Spi),Spi为路点Pi至路点P0的纵向距离,Lpi为路点Pi至路点P0的横向距离,偏移后对应新生成路点为Pi’,对应的纵向距离为Spi’=2×LP-2×LP×cos(π×Spi/SP),其中,Spi’为新路点的纵向距离,SP为纵向避障距离,是根据最近障碍物的位置信息计算得到的,表示车辆避开最近障碍物的纵向最小的移动量。
其中,对于延伸路线,步骤207还包括:根据横向偏移距离,对过渡路线进行延伸后,继续进行碰撞点检测,直至无碰撞点时,生成与保持路线和过渡路线相反的路线,使得车辆根据相反的路线,行驶至全局规划路径上。
具体的,车辆行驶过过渡路线后即可避过当前可视范围内障碍物,完成避障动作,此时对过渡路线进行延伸,保证车辆完全超过障碍物,此段路径为原始行驶路径的横向偏移,偏移距离为LP,在延伸路线上行驶时,继续寻找碰撞点,若全局规划路径前方无障碍物,向避障反方向生成保持路线和过渡路线,使车辆回到全局规划路径上。
步骤208,根据保持路线、过渡路线和延伸路线,进行避障行驶。
对上述生成的路径进行碰撞检测,如果发生碰撞,则标记碰撞位置,将碰撞位置迭代回步骤203中,重新求解最优点,即迭代至无碰撞点,直至局部规划路径无碰撞。
通过应用本发明实施例提供的局部路径规划方法,通过对障碍物处理、局部路径规划等步骤,最终生成符合车辆运动学约束的、安全的避障/换道路径,且在此过程中考虑车道标识,满足交规要求,实现车辆自动驾驶状态下的自主避障和换道等功能,便于车辆横向控制。
图6为本发明实施例二提供的局部路径规划装置结构示意图。该局部路径规划装置应用在实施例一中的局部路径规划方法中,如图6所示,该局部路径规划装置包括:确定单元601、平移单元602、获取单元603、处理单元604和行驶单元605。
确定单元601用于根据车辆当前位置信息、当前位置所处的车道信息、动态障碍物预测信息、静态障碍物信息和决策语义信息,确定当前位置所处的车道的最近碰撞障碍物信息;最近碰撞障碍物信息包括最近碰撞障碍物的位置信息和速度信息;
确定单元601还用于,根据最近碰撞障碍物的位置信息、速度信息和车辆的全局规划路径,确定碰撞点位置;
平移单元602用于以最近碰撞障碍物的位置信息为中心,以车辆的横向安全距离为平移距离进行左右平移,直至不存在碰撞点为止;
获取单元603用于获取不存在碰撞点时的横向偏移距离和纵向碰撞距离;
处理单元604用于根据横向偏移距离和车道信息,进行换道处理;
确定单元601还用于,确定换道处理中的保持路线、过渡路线和延伸路线;
行驶单元605用于根据保持路线、过渡路线和延伸路线,进行避障行驶。
进一步的,获取单元603还用于,获取自动驾驶决策模块发送的语义信息;
处理单元604还用于,对语义信息进行处理,得到决策语义信息;
获取单元603还用于,获取环境感知模块发送的环境感知信息;
处理单元604还用于,对环境感知信息进行处理,得到动态障碍物预测信息和静态障碍物信息;
获取单元603还用于,获取车辆当前位置信息、当前位置所处的车道信息和道路信息。
进一步的,处理单元604具体用于:
计算车辆距离所处车道的车道边界距离与车辆的半车宽的和值;
当横向偏移距离大于和值,且当前车道存在相邻车道时,进行换道处理。
进一步的,确定单元601具体用于:
计算预期保持时间与车辆的当前车速的第一乘积值;
计算路线保持系数与车辆当前位置信息到当前车道边界线实线位置的纵向距离的第二乘积值;
计算纵向碰撞距离与避障所需最短纵向距离的第一差值;
确定第一乘积值、第二乘积值和第一差值中的最小值;
将最小值作为保持路线的长度;
根据保持路线的长度,确定保持路线的终点;
以保持路线的终点作为过渡路线的起点,将过渡路线的起点至纵向碰撞距离间的路点进行切分,得到切分后的多个路点;切分后的每个路点包括横向距离和纵向距离;
根据切分后的多个路点中每个路点的横向距离和纵向距离,确定每个路点对应的新路点;
根据横向偏移距离、每个路点的纵向距离和纵向碰撞距离,计算新路点的横向距离;
根据每个新路点的横向距离和新路点对应的路点的纵向距离,得到过渡路线;
根据横向偏移距离,对过渡路线进行延伸后,继续进行碰撞点检测,直至无碰撞点时,生成与保持路线和过渡路线相反的路线,使得车辆根据相反的路线,行驶至全局规划路径上。
进一步的,处理单元604具体用于:
计算两倍的横向偏移距离的第三乘积值;
计算π乘以原路点的纵向距离后,除以纵向避障距离的余弦值,并乘以第三乘积值,得到第四乘积值;
第三乘积值减去第四乘积值,得到新路点的纵向距离。
通过应用本发明实施例提供的局部路径规划装置,通过对障碍物处理、局部路径规划等步骤,最终生成符合车辆运动学约束的、安全的避障/换道路径,且在此过程中考虑车道标识,满足交规要求,实现车辆自动驾驶状态下的自主避障和换道等功能,便于车辆横向控制。
本发明实施例三提供了一种设备,包括存储器和处理器,存储器用于存储程序,存储器可通过总线与处理器连接。存储器可以是非易失存储器,例如硬盘驱动器和闪存,存储器中存储有软件程序和设备驱动程序。软件程序能够执行本发明实施例提供的上述方法的各种功能;设备驱动程序可以是网络和接口驱动程序。处理器用于执行软件程序,该软件程序被执行时,能够实现本发明实施例一提供的方法。
本发明实施例四提供了一种包含指令的计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行本发明实施例一提供的方法。
本发明实施例五提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现本发明实施例一提供的方法。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种局部路径规划方法,其特征在于,所述局部路径规划方法包括:
根据车辆当前位置信息、当前位置所处的车道信息、动态障碍物预测信息、静态障碍物信息和决策语义信息,确定当前位置所处的车道的最近碰撞障碍物信息;所述最近碰撞障碍物信息包括最近碰撞障碍物的位置信息和速度信息;
根据所述最近碰撞障碍物的位置信息、速度信息和车辆的全局规划路径,确定碰撞点位置;
以所述最近碰撞障碍物的位置信息为中心,以车辆的横向安全距离为平移距离进行左右平移,直至不存在碰撞点为止;
获取不存在碰撞点时的横向偏移距离和纵向碰撞距离;
计算车辆距离所处车道的车道边界距离与车辆的半车宽的和值,根据所述横向偏移距离和所述和值的关系,且当前车道存在相邻车道时,进行换道处理;
通过对局部路径进行划分,确定换道处理中的保持路线、过渡路线和延伸路线;
根据所述保持路线、过渡路线和所述延伸路线,进行避障行驶;
其中,所述保持路线的起点和终点均在原始车道中心线上;所述过渡路线的起点为保持路线的终点;所述延伸路线为对过渡路线进行延伸后,继续进行碰撞点检测,直至无碰撞点时,生成的与保持路线和过渡路线相反的路线,车辆根据所述相反的路线,行驶至全局规划路径上。
2.根据权利要求1所述的方法,其特征在于,所述方法之前还包括:
获取自动驾驶决策模块发送的语义信息;
对所述语义信息进行处理,得到决策语义信息;
获取环境感知模块发送的环境感知信息;
对所述环境感知信息进行处理,得到动态障碍物预测信息和静态障碍物信息;
获取车辆当前位置信息、当前位置所处的车道信息和道路信息。
3.根据权利要求1所述的方法,其特征在于,根据所述横向偏移距离和所述和值的关系,且当前车道存在相邻车道时,进行换道处理,包括:
当所述横向偏移距离大于所述和值,且当前车道存在相邻车道时,进行换道处理。
4.根据权利要求1所述的方法,其特征在于,所述确定换道处理中的保持路线、过渡路线和延伸路线具体包括:
计算预期保持时间与车辆的当前车速的第一乘积值;
计算路线保持系数与车辆当前位置信息到当前车道边界线实线位置的纵向距离的第二乘积值;
计算纵向碰撞距离与避障所需最短纵向距离的第一差值;
确定所述第一乘积值、所述第二乘积值和所述第一差值中的最小值;
将所述最小值作为所述保持路线的长度;
根据所述保持路线的长度,确定保持路线的终点;
以所述保持路线的终点作为过渡路线的起点,将所述过渡路线的起点至纵向碰撞距离间的路点进行切分,得到切分后的多个路点;切分后的每个路点包括横向距离和纵向距离;
根据切分后的多个路点中每个路点的横向距离和纵向距离,确定每个路点对应的新路点;
根据所述横向偏移距离、每个路点的纵向距离和所述纵向碰撞距离,计算新路点的纵向距离;
根据每个所述新路点的横向距离和所述新路点对应的路点的纵向距离,得到过渡路线;
根据横向偏移距离,对所述过渡路线进行延伸后,继续进行碰撞点检测,直至无碰撞点时,生成与所述保持路线和所述过渡路线相反的路线,使得车辆根据所述相反的路线,行驶至全局规划路径上。
5.根据权利要求4所述的方法,其特征在于,所述根据所述横向偏移距离、每个路点的纵向距离和所述纵向碰撞距离,计算新路点的纵向距离具体包括:
计算两倍的横向偏移距离的第三乘积值;
计算π乘以原路点的纵向距离后,除以纵向避障距离的余弦值,并乘以第三乘积值,得到第四乘积值;
第三乘积值减去第四乘积值,得到新路点的纵向距离。
6.一种局部路径规划装置,其特征在于,所述局部路径规划装置包括:
确定单元,所述确定单元用于根据车辆当前位置信息、当前位置所处的车道信息、动态障碍物预测信息、静态障碍物信息和决策语义信息,确定当前位置所处的车道的最近碰撞障碍物信息;所述最近碰撞障碍物信息包括最近碰撞障碍物的位置信息和速度信息;
所述确定单元还用于,根据所述最近碰撞障碍物的位置信息、速度信息和车辆的全局规划路径,确定碰撞点位置;
平移单元,所述平移单元用于以所述最近碰撞障碍物的位置信息为中心,以车辆的横向安全距离为平移距离进行左右平移,直至不存在碰撞点为止;
获取单元,所述获取单元用于获取不存在碰撞点时的横向偏移距离和纵向碰撞距离;
处理单元,所述处理单元用于计算车辆距离所处车道的车道边界距离与车辆的半车宽的和值,根据所述横向偏移距离和所述和值的关系,且当前车道存在相邻车道时,进行换道处理;
所述确定单元还用于,通过对局部路径进行划分,确定换道处理中的保持路线、过渡路线和延伸路线;
行驶单元,所述行驶单元用于根据所述保持路线、过渡路线和所述延伸路线,进行避障行驶;
其中,所述保持路线的起点和终点均在原始车道中心线上;所述过渡路线的起点为保持路线的终点;所述延伸路线为对过渡路线进行延伸后,继续进行碰撞点检测,直至无碰撞点时,生成的与保持路线和过渡路线相反的路线,车辆根据所述相反的路线,行驶至全局规划路径上。
7.根据权利要求6所述的装置,其特征在于,
所述获取单元还用于,获取自动驾驶决策模块发送的语义信息;
所述处理单元还用于,对所述语义信息进行处理,得到决策语义信息;
所述获取单元还用于,获取环境感知模块发送的环境感知信息;
所述处理单元还用于,对所述环境感知信息进行处理,得到动态障碍物预测信息和静态障碍物信息;
所述获取单元还用于,获取车辆当前位置信息、当前位置所处的车道信息和道路信息。
8.根据权利要求6所述的装置,其特征在于,所述处理单元具体用于:
当所述横向偏移距离大于所述和值,且当前车道存在相邻车道时,进行换道处理。
9.根据权利要求6所述的装置,其特征在于,所述确定单元具体用于:
计算预期保持时间与车辆的当前车速的第一乘积值;
计算路线保持系数与车辆当前位置信息到当前车道边界线实线位置的纵向距离的第二乘积值;
计算纵向碰撞距离与避障所需最短纵向距离的第一差值;
确定所述第一乘积值、所述第二乘积值和所述第一差值中的最小值;
将所述最小值作为所述保持路线的长度;
根据所述保持路线的长度,确定保持路线的终点;
以所述保持路线的终点作为过渡路线的起点,将所述过渡路线的起点至纵向碰撞距离间的路点进行切分,得到切分后的多个路点;切分后的每个路点包括横向距离和纵向距离;
根据切分后的多个路点中每个路点的横向距离和纵向距离,确定每个路点对应的新路点;
根据所述横向偏移距离、每个路点的纵向距离和所述纵向碰撞距离,计算新路点的横向距离;
根据每个所述新路点的横向距离和所述新路点对应的路点的纵向距离,得到过渡路线;
根据横向偏移距离,对所述过渡路线进行延伸后,继续进行碰撞点检测,直至无碰撞点时,生成与所述保持路线和所述过渡路线相反的路线,使得车辆根据所述相反的路线,行驶至全局规划路径上。
10.根据权利要求9所述的装置,其特征在于,所述处理单元具体用于:
计算两倍的横向偏移距离的第三乘积值;
计算π乘以原路点的纵向距离后,除以纵向避障距离的余弦值,并乘以第三乘积值,得到第四乘积值;
第三乘积值减去第四乘积值,得到新路点的纵向距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010399191.9A CN111750886B (zh) | 2020-05-12 | 2020-05-12 | 局部路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010399191.9A CN111750886B (zh) | 2020-05-12 | 2020-05-12 | 局部路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111750886A CN111750886A (zh) | 2020-10-09 |
CN111750886B true CN111750886B (zh) | 2022-06-28 |
Family
ID=72673810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010399191.9A Active CN111750886B (zh) | 2020-05-12 | 2020-05-12 | 局部路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111750886B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114537381A (zh) * | 2020-11-24 | 2022-05-27 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆的车道避障方法及装置 |
WO2022126349A1 (zh) * | 2020-12-15 | 2022-06-23 | 华为技术有限公司 | 控制方法和控制装置 |
CN112799400A (zh) * | 2020-12-28 | 2021-05-14 | 深兰人工智能(深圳)有限公司 | 清扫轨迹规划方法及装置 |
CN113034971B (zh) * | 2021-02-28 | 2023-04-14 | 重庆长安汽车股份有限公司 | 一种车辆自动换道中的偏移控制方法、装置及汽车 |
WO2022241771A1 (zh) * | 2021-05-21 | 2022-11-24 | 华为技术有限公司 | 一种预测方法、装置、车辆和智能驾驶系统 |
CN113267199B (zh) * | 2021-06-24 | 2023-01-06 | 上海欧菲智能车联科技有限公司 | 行驶轨迹规划方法及装置 |
CN113320543B (zh) * | 2021-06-29 | 2024-03-22 | 东软睿驰汽车技术(沈阳)有限公司 | 行车方法、装置、车辆及存储介质 |
CN113534702B (zh) * | 2021-07-05 | 2023-08-29 | 上海高仙环境科技有限公司 | 一种控制方法、装置、设备及存储介质 |
CN113916246B (zh) * | 2021-09-26 | 2023-09-01 | 江苏徐工工程机械研究院有限公司 | 一种无人驾驶避障路径规划方法和系统 |
CN113844451B (zh) * | 2021-09-30 | 2023-12-19 | 上海商汤临港智能科技有限公司 | 行驶设备控制方法、装置、电子设备及存储介质 |
CN114407919B (zh) * | 2021-12-31 | 2023-06-02 | 武汉中海庭数据技术有限公司 | 一种基于自动驾驶的碰撞检测方法及系统 |
CN114721375B (zh) * | 2022-03-14 | 2024-03-26 | 常州江苏大学工程技术研究院 | 一种农机单天线导航路径跟踪方法 |
CN115009305B (zh) * | 2022-06-29 | 2023-04-11 | 北京易航远智科技有限公司 | 窄路通行处理方法及窄路通行处理装置 |
CN116576875A (zh) * | 2023-05-23 | 2023-08-11 | 北京斯年智驾科技有限公司 | 四轮转向车辆外轮廓无碰撞局部路径实时规划方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105261224A (zh) * | 2015-09-02 | 2016-01-20 | 奇瑞汽车股份有限公司 | 智能车辆控制方法和装置 |
CN107139917A (zh) * | 2017-04-27 | 2017-09-08 | 江苏大学 | 一种基于混杂理论的无人驾驶汽车横向控制系统和方法 |
KR20170142620A (ko) * | 2016-06-20 | 2017-12-28 | 주식회사 만도 | 거리감지장치, 충돌방지장치 및 이를 이용한 충돌방지방법 |
CN109017786A (zh) * | 2018-08-09 | 2018-12-18 | 北京智行者科技有限公司 | 车辆避障方法 |
CN110077399A (zh) * | 2019-04-09 | 2019-08-02 | 魔视智能科技(上海)有限公司 | 一种基于道路标线、车轮检测融合的车辆防碰撞方法 |
CN110103967A (zh) * | 2019-05-15 | 2019-08-09 | 广州小鹏汽车科技有限公司 | 一种车辆自动变道方法及车辆控制系统、车辆 |
CN110550029A (zh) * | 2019-08-12 | 2019-12-10 | 华为技术有限公司 | 障碍物避让方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107664504A (zh) * | 2016-07-29 | 2018-02-06 | 法乐第(北京)网络科技有限公司 | 一种路径规划装置 |
CN107702716B (zh) * | 2017-08-31 | 2021-04-13 | 广州小鹏汽车科技有限公司 | 一种无人驾驶路径规划方法、系统和装置 |
-
2020
- 2020-05-12 CN CN202010399191.9A patent/CN111750886B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105261224A (zh) * | 2015-09-02 | 2016-01-20 | 奇瑞汽车股份有限公司 | 智能车辆控制方法和装置 |
KR20170142620A (ko) * | 2016-06-20 | 2017-12-28 | 주식회사 만도 | 거리감지장치, 충돌방지장치 및 이를 이용한 충돌방지방법 |
CN107139917A (zh) * | 2017-04-27 | 2017-09-08 | 江苏大学 | 一种基于混杂理论的无人驾驶汽车横向控制系统和方法 |
CN109017786A (zh) * | 2018-08-09 | 2018-12-18 | 北京智行者科技有限公司 | 车辆避障方法 |
CN110077399A (zh) * | 2019-04-09 | 2019-08-02 | 魔视智能科技(上海)有限公司 | 一种基于道路标线、车轮检测融合的车辆防碰撞方法 |
CN110103967A (zh) * | 2019-05-15 | 2019-08-09 | 广州小鹏汽车科技有限公司 | 一种车辆自动变道方法及车辆控制系统、车辆 |
CN110550029A (zh) * | 2019-08-12 | 2019-12-10 | 华为技术有限公司 | 障碍物避让方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111750886A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111750886B (zh) | 局部路径规划方法及装置 | |
CN109583151B (zh) | 车辆的行驶轨迹预测方法及装置 | |
US11680821B2 (en) | Map information system | |
CN107646114B (zh) | 用于估计车道的方法 | |
Gruyer et al. | Accurate lateral positioning from map data and road marking detection | |
US10553117B1 (en) | System and method for determining lane occupancy of surrounding vehicles | |
CA3127637A1 (en) | Operator assistance for autonomous vehicles | |
Kim et al. | Automated complex urban driving based on enhanced environment representation with GPS/map, radar, lidar and vision | |
JP2022549763A (ja) | 安全性モジュール、自動化運転システム、及びその方法 | |
WO2023071959A1 (zh) | 避障方法、装置、电子设备和存储介质 | |
CN114258366A (zh) | 对于自主车辆的折线轮廓表示 | |
CN112418092B (zh) | 一种障碍物感知的融合方法、装置、设备及储存介质 | |
CN112829753B (zh) | 基于毫米波雷达的护栏估计方法、车载设备和存储介质 | |
US20210072041A1 (en) | Sensor localization from external source data | |
JP2022502311A (ja) | 環境ターゲットの特徴点抽出方法及び装置 | |
US11210941B2 (en) | Systems and methods for mitigating anomalies in lane change detection | |
CN113178091B (zh) | 安全行驶区域方法、装置和网络设备 | |
CN116653963B (zh) | 车辆变道控制方法、系统和智能驾驶域控制器 | |
Jo et al. | Hybrid local route generation combining perception and a precise map for autonomous cars | |
CN114830202A (zh) | 通过自主运载工具针对未知对象的规划 | |
Alrousan et al. | Multi-Sensor Fusion in Slow Lanes for Lane Keep Assist System | |
RU2789921C2 (ru) | Способ и устройство для управления беспилотным автомобилем | |
CN111637898B (zh) | 一种高精度导航电子地图的处理方法和装置 | |
von Eichhorn et al. | Automatic generation of intersection topologies using numerous gps traces | |
Kim et al. | High-level Urban Automated Driving with Sensor Fusion based Integrated Environment Representation |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220310 Address after: 401122 No.1, 1st floor, building 3, No.21 Yunzhu Road, Yubei District, Chongqing Applicant after: Chongqing landshipu Information Technology Co.,Ltd. Address before: B4-006, maker Plaza, 338 East Street, Huilongguan town, Changping District, Beijing 100096 Applicant before: Beijing Idriverplus Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |