CN112000090A - 一种用于非结构化道路的轨迹队列管理方法 - Google Patents
一种用于非结构化道路的轨迹队列管理方法 Download PDFInfo
- Publication number
- CN112000090A CN112000090A CN202010632409.0A CN202010632409A CN112000090A CN 112000090 A CN112000090 A CN 112000090A CN 202010632409 A CN202010632409 A CN 202010632409A CN 112000090 A CN112000090 A CN 112000090A
- Authority
- CN
- China
- Prior art keywords
- line segment
- point
- interval
- waypoint
- path
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000009499 grossing Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0293—Convoy travelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种用于非结构化道路的轨迹队列管理方法,属于无人驾驶自动控制技术领域。该方法包括如下步骤:预处理阶段,对全局规划模块下发的一系列顺序连接任务点的原始路径点进行平滑处理得到目标路径;读取定位模块的无人车辆自身GPS位置及航向角,进行局部增量式和全局相结合的混合式路网匹配确定最近关联线段;依据最近关联线段和行驶方向,存储和下发目标路段的一串路点;依据预瞄距离,最终计算得到车辆当前位姿与目标跟踪点的之间的方位角偏差和横向角偏差,并下发给底层路径跟踪控制模块。本发明提出的计算方法和流程能够有效实现无人车辆自主行驶任务下的轨迹队列管理,算法计算量小、实用性高。
Description
技术领域
本发明属于无人驾驶自动控制领域,具体涉及一种用于非结构化道路的混合式路网匹配与轨迹队列管理方法及流程。
背景技术
全局路径点的管理和计算是无人驾驶车辆路径规划与跟踪控制等核心模块的重要支撑环节,涉及到车辆位姿状态与全局路网的实时匹配以及目标路段的多属性管理和计算。路网匹配与轨迹队列管理的处理过程是否准确、算法是否具备实时性以及路点的平顺性等都对无人车辆的驾驶行为有着直接的影响。
目前主要通过基于搜索方法的全局规划得到的全局路点存在折线,路点的直线连接不利于车辆的平顺行驶。无人车辆行驶过程中,需要将车辆当前读取的GPS位置信息关联到全局路点构成的路网上,以便向前搜索目标跟踪点及相应的位姿偏差解算。以上路网匹配的过程要求算法的实时性和匹配的精确性。针对常见野外非结构化道路条件下的路网特点,即存在较少的平行道路或复杂拓扑关系路网,如何设计高效的路网匹配算法以及与目标跟踪点之间的实时位姿偏差解算是关键。
发明内容
有鉴于此,本发明提供了一种用于非结构化道路的轨迹队列管理方法,该方法设计的曲线插值方法能够确保路点的平滑和合适的稀疏度,同时路网匹配过程能够实现最近关联线段匹配的精确性和实时性。
一种用于非结构化道路的轨迹队列管理方法,该方法实现的步骤如下:
步骤一:预处理阶段的路径平滑,对全局规划模块下发的一系列顺序连接任务点的原始路径点进行平滑处理得到目标路径,依据原始路径点坐标的单调性划分区间,确保每个区间的横坐标x满足单调递增或单调递减,记单调区间为P1,P2,...,Pm,从第一个区间P1开始求解三次样条插值曲线的系数,对于给定的单调区间路径点坐标{(x1,y1),...,(xn,yn)},其中x1<x2<…xn(满足单调性),定义分段的三次多项式函数为f1,…,fn-1,其中fi:具体表达式为:
fi(x):=ai(x-xi)3+bi(x-xi)2+ci(x-xi)+yi,x∈[xi,xi+1],
函数的微分为:
为了确保分段函数整体的二阶连续可微,需要满足下列条件:
其中hi:=xi+1-xi。上述给出了3(n-1)个方程,为了简化计算可以将a和c表达成关于b的关系式,由二阶微分连续性可得到下式:
联合以上方程可求解分段函数的系数;
针对第二个单调区间重复上述计算过程,为了确保前后两个区间连接处的连续性,在计算当前一个区间的插值函数时,将前一个区间的尾部端点作为下一个区间的首部端点,依照此步骤处理直到最后一个区间计算完毕;
对上述三次样条插值后的曲线,重新按近似等间距离散化处理以获取目标路径点,其中间距的选择依据路径跟踪控制精度的需要进行,一般选取间距参数为0.5m;
步骤二:读取定位模块的无人车辆自身GPS位置及航向角,进行局部增量式和全局相结合的混合式路网匹配确定最近关联线段;
在停车开始启动任务时的程序初始化或定位偏差较大时进行全局搜索,结合了航向角的相似度和距离的双重信息判断,车辆当前的航向角记为ψo,为了简化计算,将当前路点指向下一个路点的射线方向定义为该点的期望航向角,记为ψd,
其中距离定义为点到线段的最短距离,考虑如图3所示的三种位置关系,依据向量内积可以求取点P到线段AB的最短距离:
式中当0<r<1时投影点C的坐标为:C=(1-r)A+rB。
基于上述航向角和距离信息,定义基于加权函数的最近线段匹配准则如下:
W=Wψ+Wdist
其中Wψ为航向角相似度的加权函数,Wdist为点到线段的最近距离加权函数,W为两者总和,具体的计算式为:
Wψ=C1|Δψ|=C1|ψo-ψd|,Wdist=C2dpc
其中C1和C2分别为航向角差值与距离的加权系数,取常数值;
上述加权函数W的定义结合了航向角的相似度和距离的双重信息判断,依据该函数的大小来实现匹配,全局搜索时针对车辆当前位置到线段的加权函数W,计算得到的最小值,即认为最近关联线段匹配成功,找到匹配线段的目标路点在整个路点中的序号point_index,并将序号point_index之前的路点存放到traj_past队列容器里,从序号point_index开始的路点存放到traj_future队列容器里。
动态行驶过程中的局部搜索,仅在traj_future队列容器里依照点到线段的位置关系进行匹配,每次从traj_future队列容器里由前往后的顺序选取3个路点构成2条选段,例如图2(a)所示的选取pn+2,pn+3,pn+4这三个点,比较车辆当前的位置点m与pn+2pn+3和pn+3pn+4这两条线段之间的关系,参照图3所示的点和线段的三种位置关系,记m与pn+2pn+3和pn+3pn+4之间的投影矢量分别为r1和r2,如果r1≤0且r2≤0,即退出循环判断,认为pn+2pn+3即为最近关联线段,否则,依次往后取点pn+3,pn+4,pn+5进行判断,直到满足条件退出。
步骤三:依据最近关联线段和行驶方向,存储和下发目标路段的一串路点。
步骤四:依据预瞄距离,最终计算得到车辆当前位姿与目标跟踪点的之间的方位角偏差和横向角偏差,并下发给底层路径跟踪控制模块,如图4所示,其具体计算式为:
Δψe=ψ0-ψr,ela=e+xlasinΔψ。
有益效果:
1、本发明利用三次样条曲线对原始路径点进行插值平滑处理,求解过程存在解析解,实时计算量小,且可依据底层控制对路径点稀疏度的需要对曲线进行离散化。
2、本发明所提出的基于局部增量式和全局搜索相结合的混合式路网匹配算法既确保了结果的精确性也确保了实时性,通过在停车开始启动任务时的程序初始化或定位偏差较大时等特殊情况下的全局搜索以确保复杂路网条件下匹配结果的精确性(如图2(a)和图2(b)),在行驶过程中通过历史轨迹队列traj_past和未来轨迹队列traj_future的动态管理以及局部的增量式匹配确保了路网匹配过程的实时性。
附图说明
图1为预处理阶段的路径平滑过程;
图2为混合式路网匹配过程及复杂路网结构示意图;
图3为点到线段位置关系;
图4为路径跟踪的方位角偏差和横向角偏差几何表示;
图5为本发明的轨迹队列管理方法流程图;
图6为典型非结构化环境下的某地段原始路径点;
图7为路网匹配结果图。
具体实施方式
下面给出一组初值离散路径点为例,结合附图对本发明的具体计算方法和过程作进一步说明。如图6所示,以典型非结构化环境下的某地段原始路径点为例,图中的右下角为全局路径点经纬度转换为平面XY坐标。
首先,依照X坐标的单调性将坐标点划分为两个区间,确保每个区间的横坐标x满足单调递增或单调递减,记单调区间为P1,P2,从第一个区间P1开始求解三次样条插值曲线的系数,对于给定的单调区间路径点坐标{(x1,y1),...,(xn,yn)},其中x1<x2<…xn(满足单调性),定义分段的三次多项式函数为f1,…,fn-1,其中fi:具体表达式为:
fi(x):=ai(x-xi)3+bi(x-xi)2+ci(x-xi)+yi,x∈[xi,xi+1],
由端点条件、微分连续性可得到各多项式函数满足的关系:
其中,hi:=xi+1-xi,联合以上方程可求解分段函数的系数。
针对第二个单调区间重复上述计算过程,为了确保前后两个区间连接处的连续性,在计算当前一个区间的插值函数时,将前一个区间的尾部端点作为下一个区间的首部端点。
对上述三次样条插值后的曲线,重新按近似等间距离散化处理以获取目标路径点,其中间距的选择依据路径跟踪控制精度的需要进行。如图7所示,实线是依据三次样条曲线插值后的路径点,点划线为无人车辆实际行走的轨迹点。
读取定位模块的无人车辆自身GPS位置及航向角,进行局部增量式和全局相结合的混合式路网匹配确定最近关联线段。在停车开始启动任务时的程序初始化或定位偏差较大时进行全局搜索车辆当前的航向角记为ψo,将当前路点指向的下一个路径点的射线方向定义为该点的期望航向角,记为ψd,
其中距离定义为点到线段的最短距离,考虑如图3所示的三种位置关系,依据向量内积可以求取点P到线段AB的最短距离:
式中当0<r<1时投影点C的坐标为:C=(1-r)A+rB。
基于上述航向角和距离信息,定义基于加权函数的最近线段匹配准则如下:
W=Wψ+Wdist=C1|ψo-ψd|+C2dpc
其中Wψ为航向角相似度的加权函数,Wdist为点到线段的最近距离加权函数,W为两者总和,C1和C2分别为航向角差值与距离的加权系数,取常数值。具体判断时,航向角的单位为弧度,距离单位为米,加权系数依据角度和距离信息的相对重要性来选取,这里选取C1=5,C2=1。
在起始点和中间人工干预重启程序时,均启用基于全局搜索的路网匹配,找到匹配线段的目标路点在整个路点中的序号point_index,并将序号point_index之前的路点存放到traj_past队列容器里,从序号point_index开始的路点存放到traj_future队列容器里。依据车辆路网匹配结果,划分路点在动态行驶过程中的局部搜索,仅在traj_future队列容器里依照点到线段的位置关系进行匹配,每次从traj_future队列容器里由前往后的顺序选取3个路点构成2条选段,对应的投影矢量记为r1和r2。如果r1≤0且r2≤0,即退出循环判断,认为最近关联线段匹配成功,否则,依次往后取点进行判断,直到满足条件退出。基于以上过程,如图7所示,全程实现了实时精准匹配结果。
依据车辆行驶速度和偏差,选择预瞄距离,最终计算得到车辆当前位姿与目标跟踪点的之间的方位角偏差和横向角偏差,并下发给底层路径跟踪控制模块,其具体计算式为:
Δψe=ψ0-ψr,ela=e+xlasinΔψ
每一个控制周期,底层闭环控制接收上述偏差计算结果参与到控制量的计算,以实现路径跟踪控制。
综上所述,以上仅为本发明的较佳实施例而已,并非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,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于非结构化道路的轨迹队列管理方法,其特征在于,该方法实现的步骤如下:
步骤1.1,预处理阶段的路径平滑,对全局规划模块下发的一系列顺序连接任务点的原始路径点进行平滑处理得到目标路径;
步骤1.2,读取定位模块的无人车辆自身GPS位置及航向角,进行局部增量式和全局相结合的混合式路网匹配确定最近关联线段;
步骤1.3,依据最近关联线段和行驶方向,存储和下发目标路段的一串路点;
步骤1.4,依据预瞄距离,最终计算得到车辆当前位姿与目标跟踪点的之间的方位角偏差和横向角偏差,并下发给底层路径跟踪控制模块。
2.如权利要求1所述的一种用于非结构化道路的轨迹队列管理方法,其特征在于,所述步骤1.1中原始路径点的平滑处理采用分段三次样条曲线插值方法,具体步骤包括:
步骤2.1,依据原始路径点坐标的单调性划分区间,确保每个区间的横坐标x满足单调递增或单调递减,记单调区间为P1,P2,...,Pm;
步骤2.2,从第一个区间P1开始求解三次样条插值曲线的系数,对于给定的单调区间路径点坐标{(x1,y1),...,(xn,yn)},其中x1<x2<…xn(满足单调性),定义分段的三次多项式函数为f1,…,fn-1,其中具体表达式为:
fi(x):=ai(x-xi)3+bi(x-xi)2+ci(x-xi)+yi,x∈[xi,xi+1],
函数的微分为:
为了确保分段函数整体的二阶连续可微,需要满足下列条件:
其中hi:=xi+1-xi;上述给出了3(n-1)个方程,为了简化计算可以将a和c表达成关于b的关系式,由二阶微分连续性得到下式:
联合以上方程可求解分段函数的系数;
步骤2.3,针对第二个单调区间重复上述计算过程,为了确保前后两个区间连接处的连续性,在计算当前一个区间的插值函数时,将前一个区间的尾部端点作为下一个区间的首部端点,依照此步骤处理直到最后一个区间计算完毕;
步骤2.4对上述三次样条插值后的曲线,重新按近似等间距离散化处理以获取目标路径点,其中间距的选择依据路径跟踪控制精度的需要进行,选取间距参数为0.5m。
3.如权利要求2所述的一种用于非结构化道路的轨迹队列管理方法,其特征在于,所述步骤1.2中涉及的局部增量式和全局相结合的混合式路网匹配确定最近关联线段,匹配过程如图2所示,其具体步骤为:
步骤3.1在停车开始启动任务时的程序初始化或定位偏差较大时进行全局搜索,依照航向角和最近距离进行最近关联线段的匹配,找到匹配线段的目标路点在整个路点中的序号point_index,并将序号point_index之前的路点存放到traj_past队列容器里,从序号point_index开始的路点存放到traj_future队列容器里;
步骤3.2在动态行驶过程中进行局部增量式搜索,仅在traj_future队列容器里依照点到线段的位置关系进行匹配,找到匹配线段的目标路点在traj_future队列容器里中的序号,同时将已通过的路点存放到traj_past队列容器里,从序号开始的路点存放到traj_future队列容器里,由此实现了路点的实时动态管理。
4.如权利要求3所述的一种用于非结构化道路的轨迹队列管理方法,其特征在于,结合了航向角的相似度和距离的双重信息判断,车辆当前的航向角记为ψo,为了简化计算,将当前路点指向下一个路点的射线方向定义为该点的期望航向角,记为ψd,
其中距离定义为点到线段的最短距离,依据向量内积可以求取点P到线段AB的最短距离:
式中当0<r<1时投影点C的坐标为:C=(1-r)A+rB;
基于上述航向角和距离信息,定义基于加权函数的最近线段匹配准则如下:
W=Wψ+Wdist
其中Wψ为航向角相似度的加权函数,Wdist为点到线段的最近距离加权函数,W为两者总和,具体的计算式为:
Wψ=C1|Δψ|=C1|ψo-ψd|,Wdist=C2dpc
其中C1和C2分别为航向角差值与距离的加权系数,取常数值。
5.如权利要求4所述的一种用于非结构化道路的轨迹队列管理方法,其特征在于,仅在traj_future队列容器里依照点到线段的位置关系进行匹配,每次从traj_future队列容器里由前往后的顺序选取3个路点构成2条选段。
6.如权利要求5所述的一种用于非结构化道路的轨迹队列管理方法,其特征在于,所述步骤1.4中涉及的车辆当前位姿与目标跟踪点的之间的方位角偏差和横向角偏差的计算,具体计算式为:
Δψe=ψ0-ψr,ela=e+xlasinΔψ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010632409.0A CN112000090B (zh) | 2020-07-03 | 2020-07-03 | 一种用于非结构化道路的轨迹队列管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010632409.0A CN112000090B (zh) | 2020-07-03 | 2020-07-03 | 一种用于非结构化道路的轨迹队列管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112000090A true CN112000090A (zh) | 2020-11-27 |
CN112000090B CN112000090B (zh) | 2023-06-27 |
Family
ID=73466401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010632409.0A Active CN112000090B (zh) | 2020-07-03 | 2020-07-03 | 一种用于非结构化道路的轨迹队列管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112000090B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114326737A (zh) * | 2021-12-30 | 2022-04-12 | 深兰人工智能(深圳)有限公司 | 路径规划方法、装置、电子设备及计算机可读存储介质 |
WO2022179270A1 (zh) * | 2021-02-23 | 2022-09-01 | 京东科技信息技术有限公司 | 机器人行驶方法、装置及电子设备、存储介质及程序产品 |
CN116238545A (zh) * | 2023-05-12 | 2023-06-09 | 禾多科技(北京)有限公司 | 一种自动驾驶轨迹偏差检测方法及检测系统 |
CN116481560A (zh) * | 2023-06-21 | 2023-07-25 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915970A (zh) * | 2015-06-12 | 2015-09-16 | 南京邮电大学 | 一种基于轨迹关联的多目标跟踪方法 |
CN108725585A (zh) * | 2017-04-14 | 2018-11-02 | 上海汽车集团股份有限公司 | 车辆自主泊车的轨迹跟踪控制方法及装置 |
WO2019042295A1 (zh) * | 2017-08-31 | 2019-03-07 | 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 |
CN110109451A (zh) * | 2019-04-10 | 2019-08-09 | 东南大学 | 一种考虑路径曲率的新型几何学路径跟踪算法 |
CN110989625A (zh) * | 2019-12-25 | 2020-04-10 | 湖南大学 | 一种车辆路径跟踪控制方法 |
-
2020
- 2020-07-03 CN CN202010632409.0A patent/CN112000090B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915970A (zh) * | 2015-06-12 | 2015-09-16 | 南京邮电大学 | 一种基于轨迹关联的多目标跟踪方法 |
CN108725585A (zh) * | 2017-04-14 | 2018-11-02 | 上海汽车集团股份有限公司 | 车辆自主泊车的轨迹跟踪控制方法及装置 |
WO2019042295A1 (zh) * | 2017-08-31 | 2019-03-07 | 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 |
CN110109451A (zh) * | 2019-04-10 | 2019-08-09 | 东南大学 | 一种考虑路径曲率的新型几何学路径跟踪算法 |
CN110989625A (zh) * | 2019-12-25 | 2020-04-10 | 湖南大学 | 一种车辆路径跟踪控制方法 |
Non-Patent Citations (1)
Title |
---|
戴冠雄;陈伟海;吕章刚;王迪臻;赵志文;: "改进的车辆跟踪虚杆模型算法及仿真", 哈尔滨工程大学学报, no. 11 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022179270A1 (zh) * | 2021-02-23 | 2022-09-01 | 京东科技信息技术有限公司 | 机器人行驶方法、装置及电子设备、存储介质及程序产品 |
CN114326737A (zh) * | 2021-12-30 | 2022-04-12 | 深兰人工智能(深圳)有限公司 | 路径规划方法、装置、电子设备及计算机可读存储介质 |
CN116238545A (zh) * | 2023-05-12 | 2023-06-09 | 禾多科技(北京)有限公司 | 一种自动驾驶轨迹偏差检测方法及检测系统 |
CN116238545B (zh) * | 2023-05-12 | 2023-10-27 | 禾多科技(北京)有限公司 | 一种自动驾驶轨迹偏差检测方法及检测系统 |
CN116481560A (zh) * | 2023-06-21 | 2023-07-25 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
CN116481560B (zh) * | 2023-06-21 | 2023-10-03 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112000090B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112000090B (zh) | 一种用于非结构化道路的轨迹队列管理方法 | |
US11460311B2 (en) | Path planning method, system and device for autonomous driving | |
EP3605264B1 (en) | Method and device for determining lane center line | |
CN110989625B (zh) | 一种车辆路径跟踪控制方法 | |
CN110262506A (zh) | 预瞄点的确认方法、车辆行驶控制方法、装置及设备 | |
CN112526988B (zh) | 一种自主移动机器人及其路径导航和路径规划方法、系统 | |
CN116185014A (zh) | 一种基于动态规划的智能车全局最优轨迹规划方法与系统 | |
CN115617052B (zh) | 流速下的无人船入库方法、装置、计算机设备及存储介质 | |
CN110794874B (zh) | 一种定位误差约束下的飞行器航迹快速规划方法 | |
CN113815646A (zh) | 车辆的智能驾驶方法、车辆和可读存储介质 | |
CN110928314B (zh) | 一种基于轨迹预测的纯跟踪模型改进算法 | |
CN108801262B (zh) | 一种船舶自动航行控制器航路规划与纠偏修正方法 | |
CN111994069B (zh) | 一种自动泊车控制系统中的轨迹预瞄计算方法和系统 | |
CN117193321A (zh) | 一种无人船导航自主决策系统及自主航行方法 | |
CN116430856A (zh) | 一种基于变前视距离los算法的船舶航迹控制方法 | |
CN115547087B (zh) | 基于两阶段法与方向诱导的城市路网最短路径获取方法及应用 | |
CN116243724A (zh) | 基于A*算法与改进最小化snap的无人飞行器路径规划方法 | |
Chen et al. | FDSPC: Fast and Direct Smooth Path Planning via Continuous Curvature Integration | |
CN114114930B (zh) | 汽车局部参考路径生成方法、装置、设备及介质 | |
CN115435800A (zh) | 基于高精度地图的路径规划方法、装置、设备及介质 | |
Li et al. | DF-FS based path planning algorithm with sparse waypoints in unstructured terrain | |
CN114838737B (zh) | 一种行驶路径的确定方法、装置、电子设备及存储介质 | |
CN117906625A (zh) | 路径规划方法、装置以及车辆 | |
CN114964292B (zh) | 全局路径规划方法、装置、电子设备及存储介质 | |
CN115900747A (zh) | 一种自动驾驶车辆在规划轨迹中的相对定位方法 |
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 |