CN111998867A - 一种车辆路径规划方法及装置 - Google Patents
一种车辆路径规划方法及装置 Download PDFInfo
- Publication number
- CN111998867A CN111998867A CN202010872114.0A CN202010872114A CN111998867A CN 111998867 A CN111998867 A CN 111998867A CN 202010872114 A CN202010872114 A CN 202010872114A CN 111998867 A CN111998867 A CN 111998867A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- path
- semi
- potential field
- coordinate system
- 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
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
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
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
本申请公开一种车辆路径规划方法及装置,获取车道中心线信息,基于车道中心线信息建立frenet坐标系;采用人工势场法对车辆所处的静态环境进行处理,并确定半全局路径,依据该半全局路径结合车辆所处的动态环境,即结合车辆的初始航向角与车辆相对于道路基准线的横向偏移量,确定多条候选路径,采用代价函数从所有候选路径中确定出代价最低的最优局部路径并转换至笛卡尔坐标系下,使车辆基于笛卡尔坐标系下的最优局部路径行驶,满足在复杂动态环境下规划出一条最优局部路径的要求,能够提高规划算法的实时性与鲁棒性。
Description
技术领域
本发明涉及车辆技术领域,更具体地说,涉及一种车辆路径规划方法及装置。
背景技术
车辆路径规划是指在有障碍物的环境中,考虑车辆动力学约束以及遵守交通规则的情况下,为车辆提供一条能到达目标位置的安全无碰撞路径。由于车辆所处的动态环境日益复杂,且具有大量不确定性因素,因此对车辆路径规划提出的要求也越来越高。目前常用的路径规划算法包括基于势场法的路径规划算法、基于搜索的路径规划算法、基于采样的路径规划算法和基于离散优化的路径规划算法。
使用势场法的路径规划算法中,可以利用构建的势场函数确定一条无碰撞路径,但其安全性与精确度很大程度上取决于所建立势场函数的准确度,且易产生局部最优规划路径出现目标不可达的问题。
使用搜索的路径规划算法中,可以将车辆所处的连续状态空间离散为网格单元,用被占用的单元格表示障碍物,将原来的环境转化为一个搜索图,再采用图搜索算法搜索最优路径。但基于搜索的路径规划算法的网格单元的分辨率会直接影响到路径规划的最优性、路径规划算法的计算效率以及查找路径所需的内存使用。
使用采样的路径规划算法中,对描述车辆位置与方向的状态空间进行随机采样,从而构造从初始位置到目标位置的无碰撞路径。但是该种算法主要用于解决高维空间中的规划问题,适用性较差,难以符合日益复杂的动态环境的规划要求。
使用离散优化的路径规划算法中,先利用车辆运动的微分方程的数值积分计算出一组有限候选路径,然后从计算出的有限候选路径中,选择成本最小化的最优路径。该种算法虽然可以减少解的空间和实时进行规划,但是面临日益复杂的动态环境,其求解代价较大。
由此可知,面对日益复杂的动态环境,目前的路径规划算法对于车辆路径规划都具有一定的局限性。
发明内容
有鉴于此,本发明实施例提供一种车辆路径规划方法及装置,以解决在面对日益复杂的动态环境时,现有技术中路径规划算法对于车辆路径规划具有局限性的问题。
为实现上述目的,本发明实施例提供如下技术方案:
一方面,本发明实施例提供一种车辆路径规划方法,所述方法包括:
获取车道中心线信息,基于所述车道中心线信息建立frenet坐标系;
基于人工势场法建立所述frenet坐标系下静态环境对应的势场,根据车辆在所述势场中的受力情况以及预设步长,确定所述车辆的半全局路径;
以所述半全局路径为参考基准线,基于车辆的初始航向角与所述车辆相对于道路基准线的横向偏移量,确定多条候选路径,所述候选路径由三次样条曲线表征,每条候选路径对应一个终点横向偏移量;
基于候选路径的代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径;
将所述最优局部路径转换至笛卡尔坐标系下,使所述车辆基于笛卡尔坐标系下的最优局部路径行驶。
可选的,使所述车辆基于笛卡尔坐标系下的最优局部路径行驶的情况下,还包括:
判断所述车辆是否到达预设的目标位置;
若到达,结束对车辆的路径规划;
若未到达,判断是否更新所述半全局路径;
若更新,返回执行基于人工势场法建立所述frenet坐标系下静态环境对应的势场,根据车辆在所述势场中的受力情况以及预设步长,确定所述车辆的半全局路径这一步骤;
若不更新,返回执行以所述半全局路径为参考基准线,基于车辆的初始航向角与所述车辆相对于道路基准线的横向偏移量,确定多条候选路径,所述候选路径由三次样条曲线表征,每条候选路径对应一个终点横向偏移量这一步骤。
可选的,所述判断所述车辆是否到达预设的目标位置,包括:
计算所述车辆所在的位置与预设的目标位置之间的距离差值;
判断所述距离差值是否大于预设距离阈值;
若是,确定所述车辆到达预设的目标位置;
若否,确定所述车辆未到达预设的目标位置。
可选的,所述判断是否更新所述半全局路径,包括:
判断静态环境中障碍物的数量是否发生变化;
若是,更新所述半全局路径;
若否,不更新所述半全局路径;
或者,
计算所述车辆所在的位置与所述半全局路径的末端点的距离之差是否大于预设的候选路径长度;
若否,更新所述半全局路径;
若是,不更新所述半全局路径;
或者,
判断规划所述半全局路径的迭代次数是否大于预设迭代次数阈值;
若是,更新所述半全局路径;
若否,不更新所述半全局路径。
可选的,所述获取车道中心线信息,基于所述车道中心线信息建立frenet坐标系,包括:
基于高精度地图确定车道中心线,将所述车道中心线作为道路基准线,用参数曲线方程表示所述道路基准线:
r(t)={x(t),y(t)},ts≤t≤te
其中,ts表示参数曲线的起点,te表示参数曲线的终点;
基于曲线弧长参数化获取道路弧长参数[s1,s2,…,sk]所对应的原参数[t1,t2,…,tk],代入所述参数曲线方程,得到配置点坐标:
rk=[x(tk),y(tk)]k
将所述道路弧长参数和所述配置点坐标进行三次样条差值,得到曲线弧长参数化的样条曲线表达式:
其中,s表示道路弧线长度,i表示道路片段号,ax,i、bx,i、cx,i、dx,i、ay,i、by,i、cy,i和dy,i表示系数,si表示第i道路片段起始位置弧长;
以所述道路基准线为s轴,ρ轴垂直于s轴切线,车辆行驶的方向为正方向,随着道路片段弧长的变化建立frenet坐标系。
可选的,所述基于人工势场法建立所述frenet坐标系下静态环境对应的势场,根据车辆在所述势场中的受力情况以及预设步长,确定所述车辆的半全局路径,包括:
获取构建势场的基础参数;
将车辆坐标和静态障碍物坐标转换到frenet坐标系下;
在frenet坐标系下基于所述基础参数、所述车辆坐标和所述静态障碍物坐标建立静态环境对应的势场,所述势场包括:目标引力势场、车道边缘约束斥力势场和静态障碍物斥力势场;
其中,所述目标引力势场为Utarget(s,ρ)=-wtargets,
wtarget表示所述目标引力势场占所述势场的权重系数,wroad表示所述车道边缘约束斥力势场占所述势场的权重系数,wobs表示所述静态障碍物斥力势场占所述势场的权重系数,σroad表示车道边缘约束斥力势场的影响因子,σs表示所述静态障碍物斥力势场在s轴方向的影响因子,σρ表示所述静态障碍物斥力势场在ρ轴方向的影响因子,s表示所述车辆在frenet坐标系的s轴坐标,ρ表示所述车辆在frenet坐标系的ρ轴坐标,sobs表示所述静态障碍物在frenet坐标系的s轴坐标,ρobs表示所述静态障碍物在frenet坐标系的ρ轴坐标;
计算所述车辆在所述势场中受到的合力,并根据所述合力确定合力方向;
将所述车辆从当前位置延所述合力方向移动一个预设步长,并判断所述半全局路径长度是否达到预设规划长度;
若是,将当前半全局路径作为所述车辆的半全局路径输出;
若否,返回执行将所述车辆从当前位置延所述合力方向移动一个预设步长,并判断所述半全局路径长度是否达到预设规划长度这一步骤。
可选的,所述以所述半全局路径为参考基准线,基于车辆的初始航向角与所述车辆相对于道路基准线的横向偏移量,确定多条候选路径,包括:
将车辆的frenet坐标与候选路径的起点坐标进行三次样条差值,得到候选路径的表达式:
ρ(s)=a(s-sstart)3+b(s-sstart)2+c(s-sstart)+ρstarts∈[sstart,send]
其中,send=sstart+Δs,Δs=kvv+Δsmin;
式中,(sstart,ρstart)表示候选路径起点坐标,(send,ρend)表示候选路径终点坐标,a、b、c表示样条曲线的系数,kv表示车辆速度增益系数,v表示车辆速度,Δsmin表示最小路径规划长度,s表示所述车辆在frenet坐标系的s轴坐标,ρ表示所述车辆在frenet坐标系的ρ轴坐标;
根据ρend的不同,确定所述车辆的多条候选路径。
可选的,所述候选路径的代价函数包括静态环境代价函数和动态障碍物代价函数,所述基于候选路径的代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径,包括:
基于所述静态环境代价函数、静态环境代价函数的权重系数、所述动态障碍物代价函数及动态障碍物代价函数的权重系数确定所述候选路径的最终代价函数;
利用所述最终代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径。
另一方面,本发明实施例提供一种车辆路径规划装置,所述装置包括:
坐标系建立单元,用于获取车道中心线信息,基于所述车道中心线信息建立frenet坐标系;
半全局路径确定单元,用于基于人工势场法建立所述frenet坐标系下静态环境对应的势场,根据车辆在所述势场中的受力情况以及预设步长,确定所述车辆的半全局路径;
候选路径确定单元,用于以所述半全局路径为参考基准线,基于车辆的初始航向角与所述车辆相对于道路基准线的横向偏移量,确定多条候选路径,所述候选路径由三次样条曲线表征,每条候选路径对应一个终点横向偏移量;
最优局部路径确定单元,用于基于候选路径的代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径;
控制单元,用于将所述最优局部路径转换至笛卡尔坐标系下,使所述车辆基于笛卡尔坐标系下的最优局部路径行驶。
可选的,所述装置还包括:
判断单元,用于使所述车辆基于所述最优局部路径行驶的情况下,判断所述车辆是否到达预设的目标位置;若到达,结束对车辆的路径规划;若未到达,判断是否更新所述半全局路径;若更新,返回执行半全局路径确定单元;若不更新,返回执行候选路径确定单元。
基于上述本发明实施例提供的车辆路径规划方法及装置,获取车道中心线信息,基于车道中心线信息建立frenet坐标系;基于人工势场法建立frenet坐标系下静态环境对应的势场,根据车辆在势场中的受力情况以及预设步长,确定车辆的半全局路径;以半全局路径为参考基准线,基于车辆的初始航向角与车辆相对于道路基准线的横向偏移量,确定多条候选路径,基于候选路径的代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径;将最优局部路径转换至笛卡尔坐标系下,使车辆基于笛卡尔坐标系下的最优局部路径行驶。
可见,在本方案中,先采用人工势场法对车辆所处的静态环境进行处理,并确定半全局路径,再依据该半全局路径结合车辆所处的动态环境,即结合车辆的初始航向角与车辆相对于道路基准线的横向偏移量,确定多条候选路径,采用代价函数从所有候选路径中确定出代价最低的最优局部路径并转换至笛卡尔坐标系下,使车辆基于笛卡尔坐标系下的最优局部路径行驶,满足在复杂动态环境下规划出一条最优局部路径的要求,能够提高规划算法的实时性与鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明一实施例公开的车辆路径规划方法的流程示意图;
图2为本发明一实施例公开的最优局部路径示意图;
图3为本发明一实施例公开的确定车辆的半全局路径的流程示意图;
图4为本发明一实施例公开的半全局路径示意图;
图5为本发明一实施例公开的多条候选路径示意图;
图6为本发明另一实施例公开的车辆路径规划方法的流程示意图;
图7为本发明一实施例公开的车辆路径规划装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知,车辆所处的动态环境日益复杂,且具有大量不确定性因素,因此对车辆路径规划提出的要求也越来越高。然而,目前常用的路径规划算法对于车辆路径规划都具有一定的局限性。
为此,本发明实施例提供一种车辆路径规划方法及装置,以解决在面对日益复杂的动态环境时,现有技术中路径规划算法对于车辆路径规划具有局限性的问题。下面通过具体实施例进行详细介绍。
请参考图1,为本发明实施例提供的一种车辆路径规划方法的流程示意图。该方法包括以下步骤:
S101:获取车道中心线信息,基于车道中心线信息建立frenet坐标系。
在步骤S101中,车道中心线是指道路中间长长的黄色或白色直线。
frenet坐标系是指定义纵轴s轴为车辆前进方向,横轴ρ轴与纵轴s轴垂直的坐标系。
在具体实现步骤S101的过程中,首先,基于高精度地图确定车道中心线,将车道中心线作为道路基准线,可以用如式(1)所示的参数曲线方程表示道路基准线:
r(t)={x(t),y(t)},ts≤t≤te (1)
式(1)中,ts表示参数曲线的起点,te表示参数曲线的终点,x(t)表示参数曲线上任一点的x轴坐标,y(t)表示参数曲线上任一点的y轴坐标。
然后,基于曲线弧长参数化获取道路弧长参数[s1,s2,…,sk]所对应的原参数[t1,t2,…,tk],代入式(1)所示的参数曲线方程,得到配置点坐标:
rk=[x(tk),y(tk)]k (2)
然后,将道路弧长参数和配置点坐标进行三次样条差值,得到曲线弧长参数化的样条曲线表达式:
其中,s表示道路弧线长度,i表示道路片段号,ax,i、bx,i、cx,i、dx,i、ay,i、by,i、cy,i和dy,i表示系数,si表示第i道路片段起始位置弧长。
三次样条差值是指通过一系列形值点的一条光滑曲线,数学上通过求解三弯矩方程组得出曲线函数组的过程。
最后,以道路基准线为s轴,ρ轴垂直于s轴切线,车辆行驶的方向为正方向,随着道路片段弧长的变化建立frenet坐标系。
在具体实现过程中,以道路基准线为s轴,ρ轴垂直于s轴切线,车辆行驶的方向为正方向,基于式(3)中x0与s和si之间的关系、以及y0与s和si之间的关系,随着si的变化建立frenet坐标系。
S102:基于人工势场法建立frenet坐标系下静态环境对应的势场,根据车辆在势场中的受力情况以及预设步长,确定车辆的半全局路径。
在步骤S102中,人工势场法指将被控对象在周围环境中的运动,设计成一种抽象的人造引力场中的运动,目标点对被控对象产生“引力”,障碍物对被控对象产生“斥力”,最后通过求合力来控制被控对象的运动的方法。
静态环境为车辆所处的静态环境。
因此,基于人工势场法建立车辆所处的静态环境对应的势场,再根据车辆在势场中的受力情况以及预设步长,能够得到车辆在势场中的运动轨迹,也就是前文所述的车辆的半全局路径。
S103:以半全局路径为参考基准线,基于车辆的初始航向角与车辆相对于道路基准线的横向偏移量,确定多条候选路径。
在步骤S103中,候选路径由三次样条曲线表征,每条候选路径对应一个终点横向偏移量。
三次样条曲线可以通过三次样条差值得到。
每条候选路径对应的终点横向偏移量是不同的,即每条候选路径的ρend是不同的。
在具体实现步骤S103的过程中,将车辆的frenet坐标与候选路径的起点坐标进行三次样条差值,得到候选路径的表达式:
ρ(s)=a(s-sstart)3+b(s-sstart)2+c(s-sstart)+ρstarts∈[sstart,send] (13)
其中,send=sstart+Δs (14)
Δs=kvv+Δsmin (15)
上式中,(sstart,ρstart)表示候选路径起点坐标,(send,ρend)表示候选路径终点坐标,a、b、c表示样条曲线的系数,kv表示车辆速度增益系数,v表示车辆速度,Δsmin表示最小路径规划长度,s表示车辆在frenet坐标系的s轴坐标,ρ表示车辆在frenet坐标系的ρ轴坐标。
在式(13)中,send可以由式(14)和式(15)得到,候选路径起点坐标与车辆起点位置坐标一致。
系数a、b、c可以通过以下边界条件和式(13)得到:
将式(16)代入式(13),可以得到四组方程,求解四组方程,基于选择不同的ρend,可以得到系数a、b、c的多组值。根据系数a、b、c的多组值可以得到多条候选路径。在具体实现中,得到的多条候选路径可以如图5所示。
这里需要说明的是,式(16)中的Δθstart表示的是候选路径起点的切线方向和x轴的夹角与道路基准线和x轴的夹角的差值,Δθend表示的是候选路径终点的切线方向和x轴的夹角与道路基准线和x轴的夹角的差值。
而最终得到的候选路径应满足:候选路径起点的切线方向与车辆初始航向一致,候选路径终点的切线方向与道路基准线方向一致。因此,Δθend=0。
S104:基于候选路径的代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径。
在步骤S104中,候选路径的代价函数包括静态环境代价函数和动态障碍物代价函数。
在具体实现步骤S104的过程中,基于静态环境代价函数、静态环境代价函数的权重系数、动态障碍物代价函数及动态障碍物代价函数的权重系数确定候选路径的最终代价函数。
可以由如下式(4)得到静态环境代价函数:
其中,U表示前述步骤S102中建立的静态环境对应的势场。
由如下式(5)得到动态障碍物代价函数:
其中,Lv表示车辆到碰撞区域的距离,Lob表示障碍车辆到碰撞区域的距离,Dv表示车辆跟随障碍车辆行驶时的最小安全距离,vv表示车辆速度,vob表示障碍车辆速度。
根据式(4)、(5)、静态环境代价函数的权重系数ws和动态障碍物代价函数的权重系数wd可以得到候选路径的最终代价函数f(ri):
最后,利用如式(6)表示的最终代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径。在具体实现中,得到的最优局部路径可以如图2所示。
S105:将最优局部路径转换至笛卡尔坐标系下,使车辆基于笛卡尔坐标系下的最优局部路径行驶。
在具体实现步骤S105的过程中,基于frenet坐标系与笛卡尔坐标系之间的坐标转换关系,将最优局部路径从frenet坐标系转换至笛卡尔坐标系,使车辆基于笛卡尔坐标系下的最优局部路径行驶。
基于上述本发明实施例提供的车辆路径规划方法,先采用人工势场法对车辆所处的静态环境进行处理,并确定半全局路径,再依据该半全局路径结合车辆所处的动态环境,即结合车辆的初始航向角与车辆相对于道路基准线的横向偏移量,确定多条候选路径,采用代价函数从所有候选路径中确定出代价最低的最优局部路径并转换至笛卡尔坐标系下,使车辆基于笛卡尔坐标系下的最优局部路径行驶,满足在复杂动态环境下规划出一条最优局部路径的要求,能够提高规划算法的实时性与鲁棒性。
上述本发明实施例图1步骤S102中涉及的基于人工势场法建立frenet坐标系下静态环境对应的势场,根据车辆在势场中的受力情况以及预设步长,确定车辆的半全局路径的过程,参见图3,示出了本发明一实施例提供的确定车辆的半全局路径的流程示意图,包括以下步骤:
S301:获取构建势场的基础参数。
在步骤S301中,基础参数至少包括车道宽度、预设规划长度、预设步长、目标引力势场占势场的权重系数、车道边缘约束斥力势场占势场的权重系数、静态障碍物斥力势场占势场的权重系数、车道边缘约束斥力势场的影响因子、静态障碍物斥力势场在s轴方向的影响因子以及静态障碍物斥力势场在ρ轴方向的影响因子。
需要说明的是,步骤S301中的基础参数为初始化后的基础参数。基础参数的初始化具体数值可以根据实际场景需要进行设置。
S302:将车辆坐标和静态障碍物坐标转换到frenet坐标系下。
在具体实现步骤S302的过程中,基于笛卡尔坐标系与frenet坐标系之间的坐标转换关系,将车辆坐标从笛卡尔坐标系转换到frenet坐标系下,将静态障碍物坐标从笛卡尔坐标系转换到frenet坐标系下。
S303:在frenet坐标系下基于基础参数、车辆坐标和静态障碍物坐标建立静态环境对应的势场。
在步骤S303中,该势场包括:目标引力势场、车道边缘约束斥力势场和静态障碍物斥力势场。
该目标引力势场可以由下式表示为:
Utarget(s,ρ)=-wtargets (7)
该车道边缘约束斥力势场可以由下式表示为:
该静态障碍物斥力势场可以由下式表示为:
上式中,wtarget表示目标引力势场占势场的权重系数,wroad表示车道边缘约束斥力势场占势场的权重系数,wobs表示静态障碍物斥力势场占势场的权重系数,σroad表示车道边缘约束斥力势场的影响因子,σs表示静态障碍物斥力势场在s轴方向的影响因子,σρ表示静态障碍物斥力势场在ρ轴方向的影响因子,s表示车辆在frenet坐标系的s轴坐标,ρ表示车辆在frenet坐标系的ρ轴坐标,sobs表示静态障碍物在frenet坐标系的s轴坐标,ρobs表示静态障碍物在frenet坐标系的ρ轴坐标。
综上,根据目标引力势场、车道边缘约束斥力势场和静态障碍物斥力势场可以得到静态环境对应的势场为:
U=Utarget+Uroad+Uobs (10)
S304:计算车辆在势场中受到的合力,并根据合力确定合力方向。
在具体实现步骤S304的过程中,对执行步骤S303得到的势场在s轴方向和ρ轴方向求偏导计算车辆在势场中受到的合力,如下式:
再根据式(11)和式(12)确定合力方向。
S305:将车辆从当前位置延合力方向移动一个预设步长,并判断半全局路径长度是否达到预设规划长度。若是,执行步骤S306;若否,返回执行步骤S305。
在步骤S305中,预设步长为执行步骤S301之后得到的预设步长。预设步长的大小会影响计算耗时及半全局路径的平滑度,即预设步长越小,计算耗时越长,半全局路径越平滑。
预设规划长度为执行步骤S301之后得到的预设规划长度。
S306:将当前半全局路径作为车辆的半全局路径输出。
在具体实现中,执行步骤S306输出的车辆的半全局路径可以如图4所示。
在本发明实施例中,构建车辆所处静态环境对应的势场,根据车辆在势场中受到的合力,结合预设步长及预设规划长度,最终确定车辆的半全局路径,以便于后续以该半全局路径作为依据确定候选路径进而确定最优局部路径,满足在复杂动态环境下规划出一条最优局部路径的要求,能够提高规划算法的实时性与鲁棒性。
请参考图6,为本发明实施例提供的另一种车辆路径规划方法的流程示意图。该方法包括以下步骤:
S601:获取车道中心线信息,基于车道中心线信息建立frenet坐标系。
S602:基于人工势场法建立frenet坐标系下静态环境对应的势场,根据车辆在势场中的受力情况以及预设步长,确定车辆的半全局路径。
S603:以半全局路径为参考基准线,基于车辆的初始航向角与车辆相对于道路基准线的横向偏移量,确定多条候选路径。
S604:基于候选路径的代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径。
S605:将最优局部路径转换至笛卡尔坐标系下,使车辆基于笛卡尔坐标系下的最优局部路径行驶。
上述步骤S601至S605的执行原理可以参见前述步骤S101至S105。
S606:判断车辆是否到达预设的目标位置。若到达,结束对车辆的路径规划。若未到达,执行步骤S607。
在步骤S606中,预设的目标位置为预先设置车辆到达的目的地。
在具体实现步骤S606的过程中,计算车辆所在的位置与预设的目标位置之间的距离差值,判断距离差值是否大于预设距离阈值。若是,确定车辆到达预设的目标位置;若否,确定车辆未到达预设的目标位置。
在具体实现中,可以先获取车辆所在的位置的frenet坐标和预设的目标位置的frenet坐标,通过计算车辆所在的位置的frenet坐标与预设的目标位置的frenet坐标之间的坐标差值,基于该坐标差值得到车辆所在的位置与预设的目标位置之间的距离差值,然后判断距离差值与预设距离阈值的大小。
或者,获取车辆所在的位置的笛卡尔坐标和预设的目标位置的笛卡尔坐标,通过计算车辆所在的位置的笛卡尔坐标与预设的目标位置的笛卡尔坐标之间的坐标差值,基于该坐标差值得到车辆所在的位置与预设的目标位置之间的距离差值,然后判断距离差值与预设距离阈值的大小。
S607:判断是否更新半全局路径。若更新,返回执行步骤S602。若不更新,返回执行步骤S603。
在具体实现步骤S607的过程中,判断是否更新半全局路径的方案可以有很多种。
可选的,第一种方案为:判断静态环境中障碍物的数量是否发生变化。若是,更新半全局路径;若否,不更新半全局路径。
可以理解的是,静态环境中障碍物的数量变多或变少,均可以视为静态环境中障碍物的数量发生变化。
在具体实现中,例如,可以采用雷达设备获得静态环境的图像信息,对雷达设备输出的图像信息进行分析,以判断静态环境中障碍物的数量是否发生变化。当然,还可以有其他的实现方式。
第二种方案为:计算车辆所在的位置与半全局路径的末端点的距离之差是否大于预设的候选路径长度。若否,更新半全局路径;若是,不更新半全局路径。
在具体实现中,可以先获取车辆所在的位置的frenet坐标和半全局路径的末端点的frenet坐标,通过计算车辆所在的位置的frenet坐标与半全局路径的末端点的frenet坐标的坐标之差,基于该坐标之差得到车辆所在的位置与半全局路径的末端点的距离之差,然后判断距离之差与预设的候选路径长度的大小。
或者,获取车辆所在的位置的笛卡尔坐标和半全局路径的末端点的笛卡尔坐标,通过计算车辆所在的位置的笛卡尔坐标与半全局路径的末端点的笛卡尔坐标的坐标之差,基于该坐标之差得到车辆所在的位置与半全局路径的末端点的距离之差,然后判断距离之差与预设的候选路径长度的大小。
第三种方案为:判断规划半全局路径的迭代次数是否大于预设迭代次数阈值。若是,更新半全局路径;若否,不更新半全局路径。
在具体实现中,预设迭代次数阈值可以根据实际场景需要预先进行设置。
基于上述本发明实施例提供的车辆路径规划方法,先采用人工势场法对车辆所处的静态环境进行处理,并确定半全局路径,再依据该半全局路径结合车辆所处的动态环境,即结合车辆的初始航向角与车辆相对于道路基准线的横向偏移量,确定多条候选路径,采用代价函数从所有候选路径中确定出代价最低的最优局部路径并转换至笛卡尔坐标系下,使车辆基于笛卡尔坐标系下的最优局部路径行驶,判断车辆是否到达预设的目标位置,若到达,结束路径规划,若未到达,可以通过多种方式判断是否更新半全局路径,以便于后续以当前半全局路径或更新后的半全局路径为依据确定候选路径进而确定最优局部路径,满足在复杂动态环境下规划出一条最优局部路径的要求,能够提高规划算法的实时性与鲁棒性。
上述本发明实施例公开了车辆路径规划方法,相应的,本发明实施例还公开一种车辆路径规划装置,请参考图7,为本发明实施例提供的一种车辆路径规划装置的结构框图。
该车辆路径规划装置包括:坐标系建立单元701、半全局路径确定单元702、候选路径确定单元703、最优局部路径确定单元704和控制单元705。
坐标系建立单元701,用于获取车道中心线信息,基于车道中心线信息建立frenet坐标系。
半全局路径确定单元702,用于基于人工势场法建立frenet坐标系下静态环境对应的势场,根据车辆在势场中的受力情况以及预设步长,确定车辆的半全局路径。
候选路径确定单元703,用于以半全局路径确定单元702确定的半全局路径为参考基准线,基于车辆的初始航向角与车辆相对于道路基准线的横向偏移量,确定多条候选路径,所述候选路径由三次样条曲线表征,每条候选路径对应一个终点横向偏移量。
最优局部路径确定单元704,用于基于候选路径的代价函数评价候选路径确定单元703确定的所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径。
控制单元705,用于将最优局部路径确定单元704确定的最优局部路径转换至笛卡尔坐标系下,使车辆基于笛卡尔坐标系下的最优局部路径行驶。
可选的,该车辆路径规划装置还包括:判断单元。
判断单元,用于在控制单元使车辆基于最优局部路径行驶的情况下,判断车辆是否到达预设的目标位置;若到达,结束对车辆的路径规划;若未到达,判断是否更新半全局路径;若更新,返回执行半全局路径确定单元;若不更新,返回执行候选路径确定单元。
可选的,用于判断车辆是否到达预设的目标位置的判断单元,具体用于计算车辆所在的位置与预设的目标位置之间的距离差值;判断距离差值是否大于预设距离阈值;若是,确定车辆到达预设的目标位置;若否,确定车辆未到达预设的目标位置。
可选的,用于判断是否更新半全局路径的判断单元,具体用于判断静态环境中障碍物的数量是否发生变化;若是,更新半全局路径;若否,不更新半全局路径;或者,计算车辆所在的位置与半全局路径的末端点的距离之差是否大于预设的候选路径长度;若否,更新半全局路径;若是,不更新半全局路径;或者,判断规划半全局路径的迭代次数是否大于预设迭代次数阈值;若否,不更新半全局路径;若是,更新半全局路径。
可选的,坐标系建立单元,具体用于基于高精度地图确定车道中心线,将车道中心线作为道路基准线,用参数曲线方程表示道路基准线:r(t)={x(t),y(t)},ts≤t≤te;基于曲线弧长参数化获取道路弧长参数[s1,s2,…,sk]所对应的原参数[t1,t2,…,tk],代入参数曲线方程,得到配置点坐标:rk=[x(tk),y(tk)]k;将道路弧长参数和配置点坐标进行三次样条差值,得到曲线弧长参数化的样条曲线表达式;以道路基准线为s轴,ρ轴垂直于s轴切线,车辆行驶的方向为正方向,随着道路片段弧长的变化建立frenet坐标系;
其中,ts表示参数曲线的起点,te表示参数曲线的终点,所述曲线弧长参数化的样条曲线表达式为:
s表示道路弧线长度,i表示道路片段号,ax,i、bx,i、cx,i、dx,i、ay,i、by,i、cy,i和dy,i表示系数,si表示第i道路片段起始位置弧长。
可选的,半全局路径确定单元,具体用于获取构建势场的基础参数;将车辆坐标和静态障碍物坐标转换到frenet坐标系下;在frenet坐标系下基于基础参数、车辆坐标和静态障碍物坐标建立静态环境对应的势场;计算车辆在势场中受到的合力,并根据合力确定合力方向;将车辆从当前位置延合力方向移动一个预设步长,并判断半全局路径长度是否达到预设规划长度;若是,将当前半全局路径作为车辆的半全局路径输出;若否,返回执行将车辆从当前位置延合力方向移动一个预设步长,并判断半全局路径长度是否达到预设规划长度这一步骤;
其中,所述势场包括:目标引力势场、车道边缘约束斥力势场和静态障碍物斥力势场;
目标引力势场为Utarget(s,ρ)=-wtargets,
wtarget表示目标引力势场占势场的权重系数,wroad表示车道边缘约束斥力势场占势场的权重系数,wobs表示静态障碍物斥力势场占势场的权重系数,σroad表示车道边缘斥力影响因子,σs表示静态障碍物在s轴方向的影响因子,σρ表示静态障碍物在ρ轴方向的影响因子,s表示车辆在frenet坐标系的s轴坐标,ρ表示车辆在frenet坐标系的ρ轴坐标,sobs表示静态障碍物在frenet坐标系的s轴坐标,ρobs表示静态障碍物在frenet坐标系的ρ轴坐标。
可选的,候选路径确定单元,具体用于将车辆的frenet坐标与候选路径的起点坐标进行三次样条差值,得到候选路径的表达式:ρ(s)=a(s-sstart)3+b(s-sstart)2+c(s-sstart)+ρstarts∈[sstart,send];根据ρend的不同,确定所述车辆的多条候选路径;
其中,send=sstart+Δs,Δs=kvv+Δsmin;
式中,(sstart,ρstart)表示候选路径起点坐标,(send,ρend)表示候选路径终点坐标,a、b、c表示样条曲线的系数,kv表示车辆速度增益系数,v表示车辆速度,Δsmin表示最小路径规划长度,s表示所述车辆在frenet坐标系的s轴坐标,ρ表示所述车辆在frenet坐标系的ρ轴坐标。
可选的,最优局部路径确定单元,具体用于基于静态环境代价函数、静态环境代价函数的权重系数、动态障碍物代价函数及动态障碍物代价函数的权重系数确定候选路径的最终代价函数;利用最终代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径。
上述本发明实施例公开的车辆路径规划装置中的各个单元的具体实现原理可参见上述本发明实施例公开的车辆路径规划方法中相应的内容,这里不再赘述。
基于上述本发明实施例提供的车辆路径规划装置,半全局路径确定单元先采用人工势场法对车辆所处的静态环境进行处理,并确定半全局路径,候选路径确定单元再依据该半全局路径结合车辆所处的动态环境,即结合车辆的初始航向角与车辆相对于道路基准线的横向偏移量,确定多条候选路径,最优局部路径确定单元采用代价函数从所有候选路径中确定出代价最低的最优局部路径并由控制单元将其转换至笛卡尔坐标系下,使车辆基于笛卡尔坐标系下的最优局部路径行驶,满足在复杂动态环境下规划出一条最优局部路径的要求,能够提高规划算法的实时性与鲁棒性。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车辆路径规划方法,其特征在于,所述方法包括:
获取车道中心线信息,基于所述车道中心线信息建立frenet坐标系;
基于人工势场法建立所述frenet坐标系下静态环境对应的势场,根据车辆在所述势场中的受力情况以及预设步长,确定所述车辆的半全局路径;
以所述半全局路径为参考基准线,基于车辆的初始航向角与所述车辆相对于道路基准线的横向偏移量,确定多条候选路径,所述候选路径由三次样条曲线表征,每条候选路径对应一个终点横向偏移量;
基于候选路径的代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径;
将所述最优局部路径转换至笛卡尔坐标系下,使所述车辆基于笛卡尔坐标系下的最优局部路径行驶。
2.根据权利要求1所述的方法,其特征在于,使所述车辆基于所述最优局部路径行驶的情况下,还包括:
判断所述车辆是否到达预设的目标位置;
若到达,结束对车辆的路径规划;
若未到达,判断是否更新所述半全局路径;
若更新,返回执行基于人工势场法建立所述frenet坐标系下静态环境对应的势场,根据车辆在所述势场中的受力情况以及预设步长,确定所述车辆的半全局路径这一步骤;
若不更新,返回执行以所述半全局路径为参考基准线,基于车辆的初始航向角与所述车辆相对于道路基准线的横向偏移量,确定多条候选路径,所述候选路径由三次样条曲线表征,每条候选路径对应一个终点横向偏移量这一步骤。
3.根据权利要求2所述的方法,其特征在于,所述判断所述车辆是否到达预设的目标位置,包括:
计算所述车辆所在的位置与预设的目标位置之间的距离差值;
判断所述距离差值是否大于预设距离阈值;
若是,确定所述车辆到达预设的目标位置;
若否,确定所述车辆未到达预设的目标位置。
4.根据权利要求2所述的方法,其特征在于,所述判断是否更新所述半全局路径,包括:
判断静态环境中障碍物的数量是否发生变化;
若是,更新所述半全局路径;
若否,不更新所述半全局路径;
或者,
计算所述车辆所在的位置与所述半全局路径的末端点的距离之差是否大于预设的候选路径长度;
若否,更新所述半全局路径;
若是,不更新所述半全局路径;
或者,
判断规划所述半全局路径的迭代次数是否大于预设迭代次数阈值;
若是,更新所述半全局路径;
若否,不更新所述半全局路径。
5.根据权利要求1所述的方法,其特征在于,所述获取车道中心线信息,基于所述车道中心线信息建立frenet坐标系,包括:
基于高精度地图确定车道中心线,将所述车道中心线作为道路基准线,用参数曲线方程表示所述道路基准线:
r(t)={x(t),y(t)},ts≤t≤te
其中,ts表示参数曲线的起点,te表示参数曲线的终点;
基于曲线弧长参数化获取道路弧长参数[s1,s2,…,sk]所对应的原参数[t1,t2,…,tk],代入所述参数曲线方程,得到配置点坐标:
rk=[x(tk),y(tk)]k
将所述道路弧长参数和所述配置点坐标进行三次样条差值,得到曲线弧长参数化的样条曲线表达式:
其中,s表示道路弧线长度,i表示道路片段号,ax,i、bx,i、cx,i、dx,i、ay,i、by,i、cy,i和dy,i表示系数,si表示第i道路片段起始位置弧长;
以所述道路基准线为s轴,ρ轴垂直于s轴切线,车辆行驶的方向为正方向,随着道路片段弧长的变化建立frenet坐标系。
6.根据权利要求1所述的方法,其特征在于,所述基于人工势场法建立所述frenet坐标系下静态环境对应的势场,根据车辆在所述势场中的受力情况以及预设步长,确定所述车辆的半全局路径,包括:
获取构建势场的基础参数;
将车辆坐标和静态障碍物坐标转换到frenet坐标系下;
在frenet坐标系下基于所述基础参数、所述车辆坐标和所述静态障碍物坐标建立静态环境对应的势场,所述势场包括:目标引力势场、车道边缘约束斥力势场和静态障碍物斥力势场;
其中,所述目标引力势场为Utarget(s,ρ)=-wtargets,
wtarget表示所述目标引力势场占所述势场的权重系数,wroad表示所述车道边缘约束斥力势场占所述势场的权重系数,wobs表示所述静态障碍物斥力势场占所述势场的权重系数,σroad表示车道边缘约束斥力势场的影响因子,σs表示所述静态障碍物斥力势场在s轴方向的影响因子,σρ表示所述静态障碍物斥力势场在ρ轴方向的影响因子,s表示所述车辆在frenet坐标系的s轴坐标,ρ表示所述车辆在frenet坐标系的ρ轴坐标,sobs表示所述静态障碍物在frenet坐标系的s轴坐标,ρobs表示所述静态障碍物在frenet坐标系的ρ轴坐标;
计算所述车辆在所述势场中受到的合力,并根据所述合力确定合力方向;
将所述车辆从当前位置延所述合力方向移动一个预设步长,并判断所述半全局路径长度是否达到预设规划长度;
若是,将当前半全局路径作为所述车辆的半全局路径输出;
若否,返回执行将所述车辆从当前位置延所述合力方向移动一个预设步长,并判断所述半全局路径长度是否达到预设规划长度这一步骤。
7.根据权利要求1所述的方法,其特征在于,所述以所述半全局路径为参考基准线,基于车辆的初始航向角与所述车辆相对于道路基准线的横向偏移量,确定多条候选路径,包括:
将车辆的frenet坐标与候选路径的起点坐标进行三次样条差值,得到候选路径的表达式:
ρ(s)=a(s-sstart)3+b(s-sstart)2+c(s-sstart)+ρstart s∈[sstart,send]
其中,send=sstart+Δs,Δs=kvv+Δsmin;
式中,(sstart,ρstart)表示候选路径起点坐标,(send,ρend)表示候选路径终点坐标,a、b、c表示样条曲线的系数,kv表示车辆速度增益系数,v表示车辆速度,Δsmin表示最小路径规划长度,s表示所述车辆在frenet坐标系的s轴坐标,ρ表示所述车辆在frenet坐标系的ρ轴坐标;
根据ρend的不同,确定所述车辆的多条候选路径。
8.根据权利要求1所述的方法,其特征在于,所述候选路径的代价函数包括静态环境代价函数和动态障碍物代价函数,所述基于候选路径的代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径,包括:
基于所述静态环境代价函数、静态环境代价函数的权重系数、所述动态障碍物代价函数及动态障碍物代价函数的权重系数确定所述候选路径的最终代价函数;
利用所述最终代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径。
9.一种车辆路径规划装置,其特征在于,所述装置包括:
坐标系建立单元,用于获取车道中心线信息,基于所述车道中心线信息建立frenet坐标系;
半全局路径确定单元,用于基于人工势场法建立所述frenet坐标系下静态环境对应的势场,根据车辆在所述势场中的受力情况以及预设步长,确定所述车辆的半全局路径;
候选路径确定单元,用于以所述半全局路径为参考基准线,基于车辆的初始航向角与所述车辆相对于道路基准线的横向偏移量,确定多条候选路径,所述候选路径由三次样条曲线表征,每条候选路径对应一个终点横向偏移量;
最优局部路径确定单元,用于基于候选路径的代价函数评价所有候选路径,从所有候选路径中确定出一条代价最低的最优局部路径;
控制单元,用于将所述最优局部路径转换至笛卡尔坐标系下,使所述车辆基于笛卡尔坐标系下的最优局部路径行驶。
10.根据权利要求9所述的装置,其特征在于,还包括:
判断单元,用于使所述车辆基于所述最优局部路径行驶的情况下,判断所述车辆是否到达预设的目标位置;若到达,结束对车辆的路径规划;若未到达,判断是否更新所述半全局路径;若更新,返回执行半全局路径确定单元;若不更新,返回执行候选路径确定单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010872114.0A CN111998867B (zh) | 2020-08-26 | 2020-08-26 | 一种车辆路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010872114.0A CN111998867B (zh) | 2020-08-26 | 2020-08-26 | 一种车辆路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111998867A true CN111998867A (zh) | 2020-11-27 |
CN111998867B CN111998867B (zh) | 2022-07-29 |
Family
ID=73470909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010872114.0A Active CN111998867B (zh) | 2020-08-26 | 2020-08-26 | 一种车辆路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111998867B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112550287A (zh) * | 2020-12-16 | 2021-03-26 | 重庆大学 | 一种面向结构化道路的驾驶风险评估方法 |
CN112631295A (zh) * | 2020-12-17 | 2021-04-09 | 北京汽车研究总院有限公司 | 路径规划方法、装置及车辆 |
CN112631304A (zh) * | 2020-12-24 | 2021-04-09 | 的卢技术有限公司 | 车辆轨迹规划方法、系统、电子设备和计算机可读存储介质 |
CN112729328A (zh) * | 2020-12-25 | 2021-04-30 | 际络科技(上海)有限公司 | 节油行驶轨迹规划方法、装置、电子设备与存储介质 |
CN112937570A (zh) * | 2021-02-20 | 2021-06-11 | 福瑞泰克智能系统有限公司 | 一种行驶路径的确定方法、装置、设备及车辆 |
CN113137974A (zh) * | 2021-03-15 | 2021-07-20 | 北京汽车研究总院有限公司 | 智能车及其路径规划方法、装置 |
CN113551679A (zh) * | 2021-07-23 | 2021-10-26 | 杭州海康威视数字技术股份有限公司 | 一种示教过程中的地图信息构建方法、构建装置 |
CN113561992A (zh) * | 2021-07-30 | 2021-10-29 | 广州文远知行科技有限公司 | 自动驾驶车辆轨迹生成方法、装置、终端设备及介质 |
CN113654569A (zh) * | 2021-08-16 | 2021-11-16 | 江铃汽车股份有限公司 | 一种路径规划方法、系统及存储介质 |
CN113741526A (zh) * | 2021-09-13 | 2021-12-03 | 北京微纳星空科技有限公司 | 无人机偏离运行轨迹的纠正方法、装置及可读存储介质 |
WO2021249926A1 (en) * | 2020-06-08 | 2021-12-16 | Robert Bosch Gmbh | Representing objects in a surrounding environment of a vehicle using a frenet coordinate system |
CN113945221A (zh) * | 2021-09-26 | 2022-01-18 | 华中科技大学 | 一种考虑近迫感效应的自动驾驶车道宽度确定方法 |
CN114216473A (zh) * | 2021-11-19 | 2022-03-22 | 深圳优地科技有限公司 | 行驶路径的选择方法、装置、设备以及可读存储介质 |
CN114237229A (zh) * | 2021-11-26 | 2022-03-25 | 青岛德智汽车科技有限公司 | 基于经验路径拟合的非结构化道路作业车辆路径规划方法 |
CN114234993A (zh) * | 2021-12-15 | 2022-03-25 | 北京福田戴姆勒汽车有限公司 | 车辆局部路径规划方法、自动驾驶系统和自动驾驶车辆 |
CN114442634A (zh) * | 2022-01-30 | 2022-05-06 | 中国第一汽车股份有限公司 | 一种车辆的路径规划方法、装置、设备及介质 |
CN114485712A (zh) * | 2022-01-30 | 2022-05-13 | 重庆长安汽车股份有限公司 | 一种处理st图构建时障碍物多次侵入本车轨迹的方法 |
CN116817955A (zh) * | 2023-06-30 | 2023-09-29 | 北京易航远智科技有限公司 | 车辆路径规划方法、装置、电子设备及存储介质 |
CN116817948A (zh) * | 2023-06-07 | 2023-09-29 | 重庆大学 | 一种基于顶点风险评估的车辆分段路径规划方法 |
JP7454752B2 (ja) | 2020-12-28 | 2024-03-22 | チャイナ レールウェイ ナンバー2 エンジニアリング グループ カンパニー リミテッド | 既知座標点と対応する線路走行距離及びオフセットを逆算する方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120138A1 (en) * | 2013-10-28 | 2015-04-30 | GM Global Technology Operations LLC | Path planning for evasive steering manuever employing a virtual potential field technique |
KR101701901B1 (ko) * | 2016-05-13 | 2017-02-02 | 한국과학기술정보연구원 | 교통신호에 따른 자율주행 차량 제어를 위한 방법 및 시스템 |
CN108995646A (zh) * | 2017-06-07 | 2018-12-14 | 上海汽车集团股份有限公司 | 一种应用于自动驾驶车辆的车道保持方法及装置 |
CN110333714A (zh) * | 2019-04-09 | 2019-10-15 | 武汉理工大学 | 一种无人驾驶汽车路径规划方法和装置 |
CN110962843A (zh) * | 2018-09-30 | 2020-04-07 | 上海汽车集团股份有限公司 | 一种自动泊车控制决策方法及系统 |
CN111289008A (zh) * | 2020-04-28 | 2020-06-16 | 南京维思科汽车科技有限公司 | 一种用于无人驾驶车辆的局部路径规划算法 |
-
2020
- 2020-08-26 CN CN202010872114.0A patent/CN111998867B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120138A1 (en) * | 2013-10-28 | 2015-04-30 | GM Global Technology Operations LLC | Path planning for evasive steering manuever employing a virtual potential field technique |
KR101701901B1 (ko) * | 2016-05-13 | 2017-02-02 | 한국과학기술정보연구원 | 교통신호에 따른 자율주행 차량 제어를 위한 방법 및 시스템 |
CN108995646A (zh) * | 2017-06-07 | 2018-12-14 | 上海汽车集团股份有限公司 | 一种应用于自动驾驶车辆的车道保持方法及装置 |
CN110962843A (zh) * | 2018-09-30 | 2020-04-07 | 上海汽车集团股份有限公司 | 一种自动泊车控制决策方法及系统 |
CN110333714A (zh) * | 2019-04-09 | 2019-10-15 | 武汉理工大学 | 一种无人驾驶汽车路径规划方法和装置 |
CN111289008A (zh) * | 2020-04-28 | 2020-06-16 | 南京维思科汽车科技有限公司 | 一种用于无人驾驶车辆的局部路径规划算法 |
Non-Patent Citations (3)
Title |
---|
MORITZ WERLING等: "Optimal trajectory generation for dynamic street scenarios in a Frenét Frame", 《2010 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
李晓芸: "考虑避撞的多智能车平台动态路径跟踪控制研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
赵倬祺等: "城市道路汽车自动驾驶路径生成算法", 《汽车实用技术》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021249926A1 (en) * | 2020-06-08 | 2021-12-16 | Robert Bosch Gmbh | Representing objects in a surrounding environment of a vehicle using a frenet coordinate system |
US11753006B2 (en) | 2020-06-08 | 2023-09-12 | Robert Bosch Gmbh | Representing objects in a surrounding environment of a vehicle using a frenet coordinate system |
CN112550287A (zh) * | 2020-12-16 | 2021-03-26 | 重庆大学 | 一种面向结构化道路的驾驶风险评估方法 |
CN112631295A (zh) * | 2020-12-17 | 2021-04-09 | 北京汽车研究总院有限公司 | 路径规划方法、装置及车辆 |
CN112631304A (zh) * | 2020-12-24 | 2021-04-09 | 的卢技术有限公司 | 车辆轨迹规划方法、系统、电子设备和计算机可读存储介质 |
CN112729328A (zh) * | 2020-12-25 | 2021-04-30 | 际络科技(上海)有限公司 | 节油行驶轨迹规划方法、装置、电子设备与存储介质 |
CN112729328B (zh) * | 2020-12-25 | 2023-01-31 | 际络科技(上海)有限公司 | 节油行驶轨迹规划方法、装置、电子设备与存储介质 |
JP7454752B2 (ja) | 2020-12-28 | 2024-03-22 | チャイナ レールウェイ ナンバー2 エンジニアリング グループ カンパニー リミテッド | 既知座標点と対応する線路走行距離及びオフセットを逆算する方法 |
CN112937570A (zh) * | 2021-02-20 | 2021-06-11 | 福瑞泰克智能系统有限公司 | 一种行驶路径的确定方法、装置、设备及车辆 |
CN113137974A (zh) * | 2021-03-15 | 2021-07-20 | 北京汽车研究总院有限公司 | 智能车及其路径规划方法、装置 |
CN113137974B (zh) * | 2021-03-15 | 2023-05-19 | 北京汽车研究总院有限公司 | 智能车及其路径规划方法、装置 |
CN113551679A (zh) * | 2021-07-23 | 2021-10-26 | 杭州海康威视数字技术股份有限公司 | 一种示教过程中的地图信息构建方法、构建装置 |
CN113561992B (zh) * | 2021-07-30 | 2023-10-20 | 广州文远知行科技有限公司 | 自动驾驶车辆轨迹生成方法、装置、终端设备及介质 |
CN113561992A (zh) * | 2021-07-30 | 2021-10-29 | 广州文远知行科技有限公司 | 自动驾驶车辆轨迹生成方法、装置、终端设备及介质 |
CN113654569A (zh) * | 2021-08-16 | 2021-11-16 | 江铃汽车股份有限公司 | 一种路径规划方法、系统及存储介质 |
CN113741526A (zh) * | 2021-09-13 | 2021-12-03 | 北京微纳星空科技有限公司 | 无人机偏离运行轨迹的纠正方法、装置及可读存储介质 |
CN113945221B (zh) * | 2021-09-26 | 2024-02-13 | 华中科技大学 | 一种考虑近迫感效应的自动驾驶车道宽度确定方法 |
CN113945221A (zh) * | 2021-09-26 | 2022-01-18 | 华中科技大学 | 一种考虑近迫感效应的自动驾驶车道宽度确定方法 |
CN114216473A (zh) * | 2021-11-19 | 2022-03-22 | 深圳优地科技有限公司 | 行驶路径的选择方法、装置、设备以及可读存储介质 |
CN114216473B (zh) * | 2021-11-19 | 2024-01-30 | 深圳优地科技有限公司 | 行驶路径的选择方法、装置、设备以及可读存储介质 |
CN114237229A (zh) * | 2021-11-26 | 2022-03-25 | 青岛德智汽车科技有限公司 | 基于经验路径拟合的非结构化道路作业车辆路径规划方法 |
CN114237229B (zh) * | 2021-11-26 | 2023-06-13 | 青岛德智汽车科技有限公司 | 基于经验路径拟合的非结构化道路作业车辆路径规划方法 |
CN114234993A (zh) * | 2021-12-15 | 2022-03-25 | 北京福田戴姆勒汽车有限公司 | 车辆局部路径规划方法、自动驾驶系统和自动驾驶车辆 |
CN114485712A (zh) * | 2022-01-30 | 2022-05-13 | 重庆长安汽车股份有限公司 | 一种处理st图构建时障碍物多次侵入本车轨迹的方法 |
CN114442634A (zh) * | 2022-01-30 | 2022-05-06 | 中国第一汽车股份有限公司 | 一种车辆的路径规划方法、装置、设备及介质 |
CN116817948A (zh) * | 2023-06-07 | 2023-09-29 | 重庆大学 | 一种基于顶点风险评估的车辆分段路径规划方法 |
CN116817948B (zh) * | 2023-06-07 | 2024-05-07 | 重庆大学 | 一种基于顶点风险评估的车辆分段路径规划方法 |
CN116817955A (zh) * | 2023-06-30 | 2023-09-29 | 北京易航远智科技有限公司 | 车辆路径规划方法、装置、电子设备及存储介质 |
CN116817955B (zh) * | 2023-06-30 | 2024-04-12 | 北京易航远智科技有限公司 | 车辆路径规划方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111998867B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111998867B (zh) | 一种车辆路径规划方法及装置 | |
CN112673234B (zh) | 路径规划方法和路径规划装置 | |
CN110749333B (zh) | 基于多目标优化的无人驾驶车辆运动规划方法 | |
CN110750877B (zh) | 一种Apollo平台下的车辆跟驰行为预测方法 | |
WO2022052406A1 (zh) | 一种自动驾驶训练方法、装置、设备及介质 | |
CN109213153B (zh) | 一种车辆自动驾驶方法及电子设备 | |
WO2020243162A1 (en) | Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout | |
CN111898804B (zh) | 局部规划的道路自适应采样方法 | |
JP6664813B2 (ja) | 運転支援装置及び運転支援方法 | |
CN113110521B (zh) | 移动机器人路径规划控制方法及其控制装置、存储介质 | |
Yoshihara et al. | Autonomous predictive driving for blind intersections | |
CN112185148A (zh) | 用于评估可能轨迹的方法 | |
CN113255998B (zh) | 基于多智能体强化学习的高速道路无人驾驶车辆编队方法 | |
WO2018100836A1 (ja) | 連続値最適化問題の非線形最適化プログラム、経路探索プログラム、及び経路探索装置 | |
CN112406905B (zh) | 基于交通工具的数据处理方法、装置、计算机及存储介质 | |
CN113848914A (zh) | 动态环境下碰撞系数人工势场法局部路径规划方法 | |
CN114115298A (zh) | 一种无人车路径平滑方法及系统 | |
CN113886764A (zh) | 一种基于Frenet坐标系的智能车辆多场景轨迹规划方法 | |
Heinrich et al. | Real-time trajectory optimization under motion uncertainty using a GPU | |
CN114442630A (zh) | 一种基于强化学习和模型预测的智能车规划控制方法 | |
CN114187781B (zh) | 一种分布式多车协同行为决策方法和系统 | |
CN114670870A (zh) | 障碍物slt空间风险场环境建模方法及其装置、相关产品 | |
CN114063618A (zh) | 考虑车辆形状约束的平滑曲线路径路线点生成方法及系统 | |
Tasaki | Perception and Decision Making for the Autonomous Driving System | |
Bajić et al. | Trajectory planning for autonomous vehicle using digital map |
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: 20220530 Address after: No. 203, Shanghai Songjiang Road, No. 201563, Pudong New Area Applicant after: SAIC Motor Corp.,Ltd. Applicant after: Shanghai automotive industry (Group) Co.,Ltd. Address before: 201203 Room 509, Building No. 1, 563 Songtao Road, Zhangjiang High-tech Park, Pudong New Area, Shanghai Applicant before: SAIC Motor Corp.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |