CN111862604A - 无人车的控制方法及装置、计算机存储介质、电子设备 - Google Patents

无人车的控制方法及装置、计算机存储介质、电子设备 Download PDF

Info

Publication number
CN111862604A
CN111862604A CN202010698612.8A CN202010698612A CN111862604A CN 111862604 A CN111862604 A CN 111862604A CN 202010698612 A CN202010698612 A CN 202010698612A CN 111862604 A CN111862604 A CN 111862604A
Authority
CN
China
Prior art keywords
unmanned vehicle
value
reference line
road
target
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.)
Granted
Application number
CN202010698612.8A
Other languages
English (en)
Other versions
CN111862604B (zh
Inventor
郑杰
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 Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Qianshi 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 Jingdong Qianshi Technology Co Ltd filed Critical Beijing Jingdong Qianshi Technology Co Ltd
Priority to CN202010698612.8A priority Critical patent/CN111862604B/zh
Publication of CN111862604A publication Critical patent/CN111862604A/zh
Application granted granted Critical
Publication of CN111862604B publication Critical patent/CN111862604B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开涉及自动驾驶技术领域，提供了一种无人车的控制方法、无人车的控制装置、计算机存储介质、电子设备，其中，无人车的控制方法包括：获取无人车的实时位置，根据实时位置从道路参考线上确定目标参考线片段；道路参考线满足运动学约束条件；获取目标参考线片段的曲率平均值；根据曲率平均值的数值大小，确定无人车与道路中心线的行驶间距与道路中心线的行驶间距。本公开中的无人车的控制方法能够解决相关技术中无法自适应调整无人车与道路中心线的行驶间距的问题，保证无人车的安全行驶。

Description

无人车的控制方法及装置、计算机存储介质、电子设备
技术领域
本公开涉及自动驾驶技术领域，特别涉及一种无人车的控制方法、无人车的控制装置、计算机存储介质及电子设备。
背景技术
随着计算机和互联网技术的迅速发展与进步，移动机器人技术领域也在蓬勃兴起。随着近年来机器人应用场景和模式的不断扩展，各式各样的移动机器人层出不穷，无人车就是其中一员。
目前，在没有障碍物的情况下，无人车通常是倾向于沿着道路中心线行驶，因此，现有技术中缺少控制无人驾驶车自适应靠右行驶的策略。
鉴于此，本领域亟需开发一种新的无人车的控制方法及装置。
需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开的目的在于提供一种无人车的控制方法、无人车的控制装置、计算机存储介质及电子设备，进而至少在一定程度上避免了相关技术中无法自适应调整无人车的靠右行驶距离的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的第一方面，提供一种无人车的控制方法，包括：获取无人车的实时位置，从所述实时位置所处的道路参考线上选取一目标参考线片段；所述道路参考线满足运动学约束条件；获取所述目标参考线片段的曲率平均值；根据所述曲率平均值的数值大小，确定所述无人车与道路中心线的行驶间距。
在本公开的示例性实施例中，所述根据所述曲率平均值的数值大小，确定所述无人车与道路中心线的行驶间距，包括：当所述曲率平均值小于曲率阈值时，确定所述无人车与所述道路中心线的行驶间距为一目标数值；当所述曲率平均值大于或等于曲率阈值时，根据所述目标数值、所述曲率平均值与所述曲率阈值，确定所述无人车与所述道路中心线的行驶间距。
在本公开的示例性实施例中，所述根据所述目标数值、所述曲率平均值与所述曲率阈值，确定所述无人车与所述道路中心线的行驶间距，包括：获取所述曲率平均值与所述曲率阈值的差值；根据所述目标数值、所述差值与高斯标准差，确定所述无人车与所述道路中心线的行驶间距。
在本公开的示例性实施例中，所述从所述实时位置所处的道路参考线上选取一目标参考线片段，包括：获取所述实时位置在目标维度方向上的坐标值；获取所述坐标值与搜索半径的差值，以及，所述坐标值与所述搜索半径的和值；根据所述差值与所述和值确定一坐标范围；根据所述坐标范围从所述实时位置所处的道路参考线上选取所述目标参考线片段。
在本公开的示例性实施例中，所述根据所述坐标范围从所述实时位置所处的道路参考线上选取所述目标参考线片段，包括：获取所述道路参考线上各个位置点在Frenet坐标系中的坐标值；确定所述目标维度方向上的坐标值处于所述坐标范围内的多个目标位置点；将所述多个目标位置点组成的片段确定为所述目标参考线片段。
在本公开的示例性实施例中，所述获取无人车的实时位置，包括：获取所述无人车在笛卡尔坐标系中的坐标值；将所述坐标值映射至所述Frenet坐标系中，得到所述无人车的实时位置。
在本公开的示例性实施例中，所述方法还包括：通过设置于所述无人车上的定位传感器，确定所述无人车在所述笛卡尔坐标系中的坐标值。
根据本公开的第二方面，提供一种无人车的控制装置，包括：第一获取模块，用于获取无人车的实时位置，从所述实时位置所处的道路参考线上选取一目标参考线片段；所述道路参考线满足运动学约束条件；第二获取模块，用于获取所述目标参考线片段的曲率平均值；确定模块，用于根据所述曲率平均值的数值大小，确定所述无人车与道路中心线的行驶间距。
根据本公开的第三方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的无人车的控制方法。
根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述第一方面所述的无人车的控制方法。
由上述技术方案可知，本公开示例性实施例中的无人车的控制方法、无人车的控制装置、计算机存储介质及电子设备至少具备以下优点和积极效果：
在本公开的一些实施例所提供的技术方案中，一方面，获取无人车的实时位置，从实时位置所处的道路参考线(满足运动学约束条件)上选取一目标参考线片段，能够从道路参考线上确定出与实时位置距离较近的一片段区间，以对该片段区间进行具体分析，避免对整条行驶道路进行整体分析所导致的准确度较低的技术问题，提高后续确定行驶间距的准确性。另一方面，获取目标参考线片段的曲率平均值，并根据曲率平均值的数值大小，确定无人车与道路中心线的行驶间距与道路中心线的行驶间距，能够根据路况自适应调整无人车与道路中心线的行驶间距，提供了一种自适应调整右侧行驶距离的新思路，解决了相关技术中无法自适应调整无人车的靠右行驶距离的问题，保证无人车的安全行驶。
本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出本公开一示例性实施例中无人车的控制方法的流程示意图；
图2示出本公开一示例性实施例中无人车的控制方法的示意图；
图3示出本公开一示例性实施例中无人车的控制方法的子流程示意图；
图4示出本公开一示例性实施例中无人车的控制方法的子流程示意图；
图5示出本公开一示例性实施例中无人车的控制方法的子流程示意图；
图6示出本公开一示例性实施例中无人车的控制方法的整体流程示意图；
图7示出本公开示例性实施例中无人车的控制装置的结构示意图；
图8示出本公开示例性实施例中计算机存储介质的结构示意图；
图9示出本公开示例性实施例中电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。
目前，在没有障碍物的情况下，无人车通常是倾向于沿着道路中心线行驶，因此，相关技术中缺少控制无人驾驶车自适应靠右行驶的策略。
在本公开的实施例中，首先提供了一种无人车的控制方法，至少在一定程度上克服相关技术中提供的无人车的控制方法无法自适应调整右侧行驶距离的缺陷。
图1示出本公开一示例性实施例中无人车的控制方法的流程示意图，该无人车的控制方法的执行主体可以是对无人车进行控制的服务器。
参考图1，根据本公开的一个实施例的无人车的控制方法包括以下步骤：
步骤S110，获取无人车的实时位置，根据实时位置从道路参考线上确定目标参考线片段；道路参考线满足运动学约束条件；
步骤S120，获取目标参考线片段的曲率平均值；
步骤S130，根据曲率平均值的数值大小，确定无人车与道路中心线的行驶间距与道路中心线的行驶间距。
在图1所示实施例所提供的技术方案中，一方面，获取无人车的实时位置，从实时位置所处的道路参考线(满足运动学约束条件)上选取一目标参考线片段，能够从道路参考线上确定出与实时位置距离较近的一片段区间，以对该片段区间进行具体分析，避免对整条行驶道路进行整体分析所导致的准确度较低的技术问题，提高后续确定行驶间距的准确性。另一方面，获取目标参考线片段的曲率平均值，并根据曲率平均值的数值大小，确定无人车与道路中心线的行驶间距与道路中心线的行驶间距，能够根据路况自适应调整无人车与道路中心线的行驶间距，提供了一种自适应调整右侧行驶距离的新思路，解决了相关技术中无法自适应调整无人车的靠右行驶距离的问题，保证无人车的安全行驶。
以下对图1中的各个步骤的具体实现过程进行详细阐述：
在本公开的示例性实施例中，无人车可以是装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的自动导引车。还可以是依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的无人驾驶汽车，可以根据实际情况自行设定，属于本公开的保护范围。
在步骤S110中，获取无人车的实时位置，从实时位置所处的道路参考线上选取一目标参考线片段。
可以通过定位系统获取无人车的实时位置。示例性的，上述无人车中可以配备有GPS(Global Positioning System，简称：GPS，全球定位系统)定位传感器，以便于通过定位系统获取上述无人车的实时位置。
示例性的，可以通过上述定位系统获取无人车在笛卡尔坐标系中的坐标值，例如：P(Xp，Yp)，进而，可以将无人车在笛卡尔坐标系中的坐标值映射至Frenet坐标系中，得到上述无人车的实时位置，示例性的，得到的无人车的实时位置可以是P(SP，LP)。
其中，笛卡尔坐标系(Cartesian coordinate system)是数学里的一种正交坐标系，是直角坐标系和斜角坐标系的统称。相交于原点的两条数轴，构成了平面放射坐标系，如两条数轴上的度量单位相等，则称其为笛卡尔坐标系。两条数轴互相垂直的笛卡尔坐标系，称为笛卡尔直角坐标系，否则称为笛卡尔斜角坐标系。
Frenet坐标系是一种以比传统X，Y笛卡尔坐标更直观的方式表示道路位置的方式。用Frenet坐标，我们使用变量S和L描述车辆在道路上的位置。该S坐标表示沿道路的距离(也称为纵向位移)和L坐标表示道路上的左右位置(也称为横向位移)。
具体的，可以参考图2，图2示出本公开一示例性实施例中将无人车在笛卡尔坐标系中的坐标值映射至Frenet坐标系中，以得到无人车的实时位置的坐标转换过程示意图，参照图2，YOX所示为笛卡尔坐标系，LO’S所示为Frenet坐标系，直线l1所示为道路左边界线，直线l2所示为道路右边界线，O’S所示为道路中心线。
示例性的，当无人车在笛卡尔坐标系中的坐标值为P(XP，YP)时，可以将无人车在Frenet坐标系中的坐标表示为P(SP，LP)。进而，可以任意在道路中心线上找到距离点P的距离最近的两个点，示例性的，可以是图2中的点M(XM，YM)和点N(XN，YN)，点M在Frenet坐标系中的坐标为(SM，0)，点N在Frenet坐标系中的坐标为(SN，0)。
从而，
Figure BDA0002592181860000061
Figure BDA0002592181860000071
进一步的，
Figure BDA0002592181860000072
在
Figure BDA0002592181860000073
上的投影δ可以表示为：
Figure BDA0002592181860000074
投影δ与
Figure BDA0002592181860000075
的比例λ可以表示为：
Figure BDA0002592181860000076
进而，无人车在Frenet坐标系中的横坐标SP可以表示为SP＝SM+λ(SN-SM)，
Figure BDA0002592181860000077
以实现将无人车在笛卡尔坐标系中的坐标值映射至Frenet坐标系中，得到无人车的实时位置P(SP，LP)。
在确定出上述实时位置之后，可以从实时位置所处的道路参考线上选取一目标参考线片段。需要说明的是，上述道路参考线可以是上述实时位置所处的，且满足运动学约束条件的参考线，举例而言，可以是道路中心线，也可以是与道路中心线平行或相交的其他道路线，可以根据实际情况自行设定，属于本公开的保护范围。其中，运动学约束条件指的是一个动态系统的运动必须符合的约束条件，即使得无人车可以正常行驶的条件。从而，能够保证无人车的安全正常行驶。
具体的，可以参考图3，图3示出本公开一示例性实施例中无人车的控制方法的子流程示意图，具体示出根据实时位置从道路参考线上确定目标参考线片段的子流程示意图，包含步骤S301-S304，以下结合图3对具体的实施方式进行解释。
在步骤S301中，获取实时位置在目标维度方向上的坐标值。
可以获取上述实时位置在目标维度方向上的坐标值，以目标维度为S维度为例进行说明，则目标维度方向上的坐标值可以是SP。上述搜索半径可以根据实际情况自行设定，属于本公开的保护范围。
在步骤S302中，获取坐标值与搜索半径的差值，以及，坐标值与搜索半径的和值。
示例性的，预先设置的搜索半径可以是Δs，进而，可以确定目标维度方向上的坐标值SP与搜索半径的差值为SP-Δs，以及，确定坐标值与搜索半径的SP+Δs。
在步骤S303中，根据差值与和值确定一坐标范围。
则根据上述差值与和值可以确定出一坐标范围[SP-Δs，SP+Δs]。
在步骤S304中，根据坐标范围从实时位置所处的道路参考线上选取目标参考线片段。
进一步的，可以根据上述坐标范围从实时位置所处的道路参考线上选取目标参考线片段。具体的，可以参考图4，图4示出本公开一示例性实施例中无人车控制方法的子流程示意图，具体示出根据坐标范围从实时位置所处的道路参考线上选取目标参考线片段的子流程示意图，包含步骤S401-S403，以下结合图4对步骤S304进行解释。
在步骤S401中，获取道路参考线上各个位置点在Frenet坐标系中的坐标值。
示例性的，可以获取道路参考线上各个位置点在Frenet坐标系中的坐标值，以确定出其在目标维度方向上(S维度)的坐标值。
在步骤S402中，获取目标维度方向上的坐标值处于坐标范围内的目标位置点。
可以确定目标维度方向上的坐标值处于上述坐标范围[SP-Δs，SP+Δs]内的多个目标位置点。
在步骤S403中，将多个目标位置点组成的片段确定为目标参考线片段。
进而，可以将多个目标位置点组成的片段确定为目标参考线片段，从而，能够从道路参考线上确定出与实时位置距离较近的一片段区间，以对该片段区间进行具体分析，避免对整条行驶道路进行整体分析所导致的准确度较低的技术问题，提高后续确定行驶间距的准确性。
在确定出目标参考线片段之后，可以接着参考图1，在步骤S120中，获取目标参考线片段的曲率平均值。
示例性的，可以计算上述目标参考线片段在上述各个目标位置点的曲率kappai(i＝1,2……n)，进而，获取上述多个曲率的曲率平均值kmean。从而，能够将路况信息数值化，便于后续更好的根据路况信息确定行驶间距。
示例性的，可以基于下述公式1计算上述曲率平均值：
Figure BDA0002592181860000081
示例性的，当n＝3时，则曲率平均值
Figure BDA0002592181860000082
继续参考图1，在步骤S130中，根据曲率平均值的数值大小，确定无人车与道路中心线的行驶间距与道路中心线的行驶间距。
在得到曲率平均值之后，可以根据曲率平均值的数值大小，确定无人车与道路中心线的行驶间距。具体的，可以参考图5，图5示出本公开一示例性实施例中无人车的控制方法的子流程示意图，具体示出根据曲率平均值的数值大小，确定无人车与道路中心线的行驶间距的子流程示意图，包含步骤S501-S502，以下结合图5对步骤S130进行解释。
在步骤S501中，当曲率平均值小于曲率阈值时，确定无人车与道路中心线的行驶间距为一目标数值。
示例性的，可以预先设定一曲率阈值kmax，进而，当计算出来的曲率平均值kmean小于曲率阈值kmax时，可以确定无人车与道路中心线的行驶间距为一目标数值，例如：Lmax。从而能够在道路弯曲度较小的情况下，控制无人车尽量靠右侧道路边界线行驶，解决现有技术中的无人车沿道路中心线行驶所导致的来往车辆发生碰撞等事故，保证无人车的驾驶安全。
示例性的，可以用下述公式2表示曲率平均值小于曲率阈值时无人车与道路中心线的行驶间距L：
L＝Lmax，kmean<kmax 公式2
在步骤S502中，当曲率平均值大于或等于曲率阈值时，根据目标数值、曲率平均值与曲率阈值，确定无人车与道路中心线的行驶间距。
当上述曲率平均值大于或等于曲率阈值时，可以计算曲率平均值与曲率阈值的差值，并根据目标数值Lmax、差值与高斯标准差σ，确定上述无人车与道路中心线的行驶间距。
具体的，可以基于下述公式3计算当曲率平均值大于曲率阈值时无人车与道路中心线的行驶间距L：
Figure BDA0002592181860000091
其中，Lmax为上述目标数值，e为自然对数，d为曲率平均值与曲率阈值的差值，d＝kmean-kmax，σ为高斯标准差。
从而，能够在道路弯曲度较大的情况下，控制无人车尽量靠着道路中心线行驶，保证无人车的安全行驶。
示例性的，可以参考图6，图6示出本公开一示例性实施例中无人车的控制方法的整体流程示意图，包含步骤S601-S607，以下结合图6对具体的实施方式进行解释。
在步骤S601中，开始；
在步骤S602中，无人车系统初始化；
在步骤S603中，通过定位系统获取无人车在笛卡尔坐标系下的坐标值；
在步骤S604中，通过坐标变换确定无人车在Frenet坐标系下的实时位置；
在步骤S605中，确定目标参考线片段，并计算其曲率平均值；
在步骤S606中，根据曲率平均值的数值大小，控制(自适应调整)无人车与道路中心线的行驶间距；
在步骤S607中，结束。
基于上述技术方案，一方面，本公开能够从道路参考线上确定出与实时位置距离较近的一片段区间，以对该片段区间进行具体分析，避免对整条行驶道路进行整体分析所导致的准确度较低的技术问题，提高后续确定行驶间距的准确性。另一方面，能够根据路况自适应调整无人车与道路中心线的行驶间距，提供了一种自适应调整右侧行驶距离的新思路，解决了相关技术中无法自适应调整无人车的靠右行驶距离的问题，保证无人车的安全行驶。
本公开还提供了一种无人车的控制装置，图7示出本公开示例性实施例中无人车的控制装置的结构示意图；如图7所示，无人车的控制装置700可以包括第一获取模块701、第二获取模块702和确定模块703。其中：
第一获取模块701，用于获取无人车的实时位置，从实时位置所处的道路参考线上选取一目标参考线片段；道路参考线满足运动学约束条件。
在本公开的示例性实施例中，第一获取模块用于获取实时位置在目标维度方向上的坐标值；获取坐标值与搜索半径的差值，以及，坐标值与搜索半径的和值；根据差值与和值确定一坐标范围；根据坐标范围从实时位置所处的道路参考线上选取目标参考线片段。
在本公开的示例性实施例中，第一获取模块用于获取道路参考线上各个位置点在Frenet坐标系中的坐标值；确定目标维度方向上的坐标值处于坐标范围内的多个目标位置点；将多个目标位置点组成的片段确定为目标参考线片段。
在本公开的示例性实施例中，第一获取模块用于获取无人车在笛卡尔坐标系中的坐标值；将坐标值映射至Frenet坐标系中，得到无人车的实时位置。
在本公开的示例性实施例中，第一获取模块还用于通过设置于无人车上的定位传感器，确定无人车在笛卡尔坐标系中的坐标值。
第二获取模块702，用于获取目标参考线片段的曲率平均值。
在本公开的示例性实施例中，第二获取模块用于获取目标参考线片段的曲率平均值。
确定模块703，用于根据曲率平均值的数值大小，确定无人车与道路中心线的行驶间距。
在本公开的示例性实施例中，确定模块用于当曲率平均值小于曲率阈值时，确定无人车与道路中心线的行驶间距为一目标数值；当曲率平均值大于或等于曲率阈值时，根据目标数值、曲率平均值与曲率阈值，确定无人车与道路中心线的行驶间距。
在本公开的示例性实施例中，确定模块用于获取曲率平均值与曲率阈值的差值；根据目标数值、差值与高斯标准差，确定无人车与道路中心线的行驶间距。
上述无人车的控制装置中各模块的具体细节已经在对应的无人车的控制方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开示例性实施方式中，还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
参考图8所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图9来描述根据本公开的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930以及显示单元940。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执行，使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元910可以执行如图1中所示的：步骤S110，获取无人车的实时位置，从实时位置所处的道路参考线上选取一目标参考线片段；道路参考线满足运动学约束条件；步骤S120，获取目标参考线片段的曲率平均值；步骤S130，根据曲率平均值的数值大小，确定无人车与道路中心线的行驶间距。
存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)9201和/或高速缓存存储单元9202，还可以进一步包括只读存储单元(ROM)9203。
存储单元920还可以包括具有一组(至少一个)程序模块9205的程序/实用工具9204，这样的程序模块9205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线930可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备900也可以与一个或多个外部设备1000(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备900交互的设备通信，和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器960通过总线930与电子设备900的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备900使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种无人车的控制方法，其特征在于，包括：
获取无人车的实时位置，从所述实时位置所处的道路参考线上选取一目标参考线片段；所述道路参考线满足运动学约束条件；
获取所述目标参考线片段的曲率平均值；
根据所述曲率平均值的数值大小，确定所述无人车与道路中心线的行驶间距。
2.根据权利要求1所述的方法，其特征在于，所述根据所述曲率平均值的数值大小，确定所述无人车与道路中心线的行驶间距，包括：
当所述曲率平均值小于曲率阈值时，确定所述无人车与所述道路中心线的行驶间距为一目标数值；
当所述曲率平均值大于或等于曲率阈值时，根据所述目标数值、所述曲率平均值与所述曲率阈值，确定所述无人车与所述道路中心线的行驶间距。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标数值、所述曲率平均值与所述曲率阈值，确定所述无人车与所述道路中心线的行驶间距，包括：
获取所述曲率平均值与所述曲率阈值的差值；
根据所述目标数值、所述差值与高斯标准差，确定所述无人车与所述道路中心线的行驶间距。
4.根据权利要求1所述的方法，其特征在于，所述从所述实时位置所处的道路参考线上选取一目标参考线片段，包括：
获取所述实时位置在目标维度方向上的坐标值；
获取所述坐标值与搜索半径的差值，以及，所述坐标值与所述搜索半径的和值；
根据所述差值与所述和值确定一坐标范围；
根据所述坐标范围从所述实时位置所处的道路参考线上选取所述目标参考线片段。
5.根据权利要求4所述的方法，其特征在于，所述根据所述坐标范围从所述实时位置所处的道路参考线上选取所述目标参考线片段，包括：
获取所述道路参考线上各个位置点在Frenet坐标系中的坐标值；
确定所述目标维度方向上的坐标值处于所述坐标范围内的多个目标位置点；
将所述多个目标位置点组成的片段确定为所述目标参考线片段。
6.根据权利要求5所述的方法，其特征在于，所述获取无人车的实时位置，包括：
获取所述无人车在笛卡尔坐标系中的坐标值；
将所述坐标值映射至所述Frenet坐标系中，得到所述无人车的实时位置。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
通过设置于所述无人车上的定位传感器，确定所述无人车在所述笛卡尔坐标系中的坐标值。
8.一种无人车的控制装置，其特征在于，包括：
第一获取模块，用于获取无人车的实时位置，从所述实时位置所处的道路参考线上选取一目标参考线片段；所述道路参考线满足运动学约束条件；
第二获取模块，用于获取所述目标参考线片段的曲率平均值；
确定模块，用于根据所述曲率平均值的数值大小，确定所述无人车与道路中心线的行驶间距。
9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7中任意一项所述的无人车的控制方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述的无人车的控制方法。
CN202010698612.8A 2020-07-20 2020-07-20 无人车的控制方法及装置、计算机存储介质、电子设备 Active CN111862604B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010698612.8A CN111862604B (zh) 2020-07-20 2020-07-20 无人车的控制方法及装置、计算机存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010698612.8A CN111862604B (zh) 2020-07-20 2020-07-20 无人车的控制方法及装置、计算机存储介质、电子设备

Publications (2)

Publication Number Publication Date
CN111862604A true CN111862604A (zh) 2020-10-30
CN111862604B CN111862604B (zh) 2022-03-04

Family

ID=73001113

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010698612.8A Active CN111862604B (zh) 2020-07-20 2020-07-20 无人车的控制方法及装置、计算机存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN111862604B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113008258A (zh) * 2021-03-02 2021-06-22 京东鲲鹏(江苏)科技有限公司 路径规划方法、装置、设备及存储介质
CN113221241A (zh) * 2021-04-30 2021-08-06 北京京东乾石科技有限公司 无人车的数据处理方法及相关设备
CN113721602A (zh) * 2021-07-28 2021-11-30 广州小鹏自动驾驶科技有限公司 参考线处理方法、装置、设备及存储介质
CN113776550A (zh) * 2021-09-08 2021-12-10 京东鲲鹏(江苏)科技有限公司 一种路线规划方法和装置

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1532101A (zh) * 2003-03-20 2004-09-29 日产自动车株式会社 汽车的车道保持控制设备和方法
JP2005315695A (ja) * 2004-04-28 2005-11-10 Nissan Motor Co Ltd カーブ曲率推定装置及びカーブ曲率推定方法
CN101545784A (zh) * 2008-03-28 2009-09-30 爱信艾达株式会社 道路形状推定装置、道路形状推定方法以及程序
CN102591332A (zh) * 2011-01-13 2012-07-18 同济大学 用于无人驾驶汽车局部路径规划的装置及方法
CN102765385A (zh) * 2011-05-05 2012-11-07 通用汽车环球科技运作有限责任公司 用于调节车道对中转向控制的平滑度的系统和方法
CN104571112A (zh) * 2015-01-14 2015-04-29 中国科学院合肥物质科学研究院 基于转弯曲率估计的无人车横向控制方法
JP2015191445A (ja) * 2014-03-28 2015-11-02 トヨタ自動車株式会社 運転支援装置
CN105163994A (zh) * 2013-05-01 2015-12-16 丰田自动车株式会社 驾驶支持装置和驾驶支持方法
KR20180062534A (ko) * 2016-11-30 2018-06-11 현대엠엔소프트 주식회사 곡률 정보를 이용한 주행차선 맵 매칭 장치 및 방법
CN108297876A (zh) * 2017-08-22 2018-07-20 腾讯科技（深圳）有限公司 行驶速度控制方法、装置、计算机设备和存储介质
CN109177974A (zh) * 2018-08-28 2019-01-11 清华大学 一种智能汽车的人机共驾型车道保持辅助方法
CN109324620A (zh) * 2018-09-25 2019-02-12 北京主线科技有限公司 基于车道线平行偏移进行避障及超车的动态轨迹规划方法
CN110065493A (zh) * 2018-01-23 2019-07-30 本田技研工业株式会社 行驶基准线确定装置和自动驾驶装置
CN110647151A (zh) * 2019-10-16 2020-01-03 北京京东乾石科技有限公司 坐标转换方法及装置、计算机可读存储介质、电子设备
CN110667578A (zh) * 2018-12-29 2020-01-10 长城汽车股份有限公司 自动驾驶车辆的横向决策系统及横向决策确定方法
CN110789517A (zh) * 2019-11-26 2020-02-14 安徽江淮汽车集团股份有限公司 自动驾驶横向控制方法、装置、设备及存储介质
CN110825095A (zh) * 2019-12-06 2020-02-21 苏州智加科技有限公司 一种自动驾驶车辆横向控制方法
CN111176268A (zh) * 2018-10-23 2020-05-19 百度（美国）有限责任公司 用于自动驾驶车辆的模仿人类驾驶行为的两步参考线平滑方法
CN111383474A (zh) * 2018-12-29 2020-07-07 长城汽车股份有限公司 自动驾驶车辆的决策系统及方法

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1532101A (zh) * 2003-03-20 2004-09-29 日产自动车株式会社 汽车的车道保持控制设备和方法
JP2005315695A (ja) * 2004-04-28 2005-11-10 Nissan Motor Co Ltd カーブ曲率推定装置及びカーブ曲率推定方法
CN101545784A (zh) * 2008-03-28 2009-09-30 爱信艾达株式会社 道路形状推定装置、道路形状推定方法以及程序
CN102591332A (zh) * 2011-01-13 2012-07-18 同济大学 用于无人驾驶汽车局部路径规划的装置及方法
CN102765385A (zh) * 2011-05-05 2012-11-07 通用汽车环球科技运作有限责任公司 用于调节车道对中转向控制的平滑度的系统和方法
CN105163994A (zh) * 2013-05-01 2015-12-16 丰田自动车株式会社 驾驶支持装置和驾驶支持方法
JP2015191445A (ja) * 2014-03-28 2015-11-02 トヨタ自動車株式会社 運転支援装置
CN104571112A (zh) * 2015-01-14 2015-04-29 中国科学院合肥物质科学研究院 基于转弯曲率估计的无人车横向控制方法
KR20180062534A (ko) * 2016-11-30 2018-06-11 현대엠엔소프트 주식회사 곡률 정보를 이용한 주행차선 맵 매칭 장치 및 방법
CN108297876A (zh) * 2017-08-22 2018-07-20 腾讯科技（深圳）有限公司 行驶速度控制方法、装置、计算机设备和存储介质
CN110065493A (zh) * 2018-01-23 2019-07-30 本田技研工业株式会社 行驶基准线确定装置和自动驾驶装置
CN109177974A (zh) * 2018-08-28 2019-01-11 清华大学 一种智能汽车的人机共驾型车道保持辅助方法
CN109324620A (zh) * 2018-09-25 2019-02-12 北京主线科技有限公司 基于车道线平行偏移进行避障及超车的动态轨迹规划方法
CN111176268A (zh) * 2018-10-23 2020-05-19 百度（美国）有限责任公司 用于自动驾驶车辆的模仿人类驾驶行为的两步参考线平滑方法
CN110667578A (zh) * 2018-12-29 2020-01-10 长城汽车股份有限公司 自动驾驶车辆的横向决策系统及横向决策确定方法
CN111383474A (zh) * 2018-12-29 2020-07-07 长城汽车股份有限公司 自动驾驶车辆的决策系统及方法
CN110647151A (zh) * 2019-10-16 2020-01-03 北京京东乾石科技有限公司 坐标转换方法及装置、计算机可读存储介质、电子设备
CN110789517A (zh) * 2019-11-26 2020-02-14 安徽江淮汽车集团股份有限公司 自动驾驶横向控制方法、装置、设备及存储介质
CN110825095A (zh) * 2019-12-06 2020-02-21 苏州智加科技有限公司 一种自动驾驶车辆横向控制方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113008258A (zh) * 2021-03-02 2021-06-22 京东鲲鹏(江苏)科技有限公司 路径规划方法、装置、设备及存储介质
CN113008258B (zh) * 2021-03-02 2024-05-17 京东鲲鹏(江苏)科技有限公司 路径规划方法、装置、设备及存储介质
CN113221241A (zh) * 2021-04-30 2021-08-06 北京京东乾石科技有限公司 无人车的数据处理方法及相关设备
CN113721602A (zh) * 2021-07-28 2021-11-30 广州小鹏自动驾驶科技有限公司 参考线处理方法、装置、设备及存储介质
CN113721602B (zh) * 2021-07-28 2024-04-05 广州小鹏汽车科技有限公司 参考线处理方法、装置、设备及存储介质
CN113776550A (zh) * 2021-09-08 2021-12-10 京东鲲鹏(江苏)科技有限公司 一种路线规划方法和装置
CN113776550B (zh) * 2021-09-08 2024-04-16 京东鲲鹏(江苏)科技有限公司 一种路线规划方法和装置

Also Published As

Publication number Publication date
CN111862604B (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
CN111862604B (zh) 无人车的控制方法及装置、计算机存储介质、电子设备
US12038753B2 (en) Speed planning method and apparatus, electronic device and storage medium
KR102292277B1 (ko) 자율 주행 차량에서 3d cnn 네트워크를 사용하여 솔루션을 추론하는 lidar 위치 추정
US10816977B2 (en) Path and speed optimization fallback mechanism for autonomous vehicles
KR102335389B1 (ko) 자율 주행 차량의 lidar 위치 추정을 위한 심층 학습 기반 특징 추출
CN112020014B (zh) 一种换道轨迹规划方法、装置、服务器及存储介质
KR102350181B1 (ko) 자율 주행 차량에서 rnn 및 lstm을 사용하여 시간적 평활화를 수행하는 lidar 위치 추정
CN114212110B (zh) 障碍物轨迹预测方法、装置、电子设备及存储介质
CN110782092A (zh) 无人配送车在非结构化场景中的轨迹规划方法及装置
CN111401779B (zh) 机器人的定位部署方法、装置、设备及存储介质
CN112148033B (zh) 无人机航线的确定方法、装置、设备及存储介质
CN113928340A (zh) 应用于车辆中的避障方法、装置、电子设备和存储介质
CN110658820A (zh) 无人驾驶车辆的控制方法及装置、电子设备、存储介质
CN112327848B (zh) 机器人避障方法及装置、存储介质和电子设备
CN113096441A (zh) 一种车辆预警方法、装置、车辆及存储介质
CN116974291A (zh) 主从协同导航农业机械的控制误差确定方法及装置
CN113741529B (zh) 航天器与交会部的远程制导方法及远程制导装置
CN113483770B (zh) 封闭场景下的路径规划方法、装置、电子设备、存储介质
CN113534702B (zh) 一种控制方法、装置、设备及存储介质
CN113804207B (zh) 车辆路径规划方法、系统、设备及存储介质
CN114115293A (zh) 机器人避障方法、装置、设备及存储介质
CN114055459B (zh) 轨迹规划的方法、装置、电子设备及存储介质
CN114235441A (zh) 无人车实时碰撞检测方法及相关装置
CN114152264A (zh) 无人车路径规划方法及装置、电子设备、存储介质
CN113624245A (zh) 导航方法及装置、计算机存储介质、电子设备

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