CN112068548B - 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 - Google Patents
5g环境下面向特殊场景的无人驾驶车辆路径规划方法 Download PDFInfo
- Publication number
- CN112068548B CN112068548B CN202010789006.7A CN202010789006A CN112068548B CN 112068548 B CN112068548 B CN 112068548B CN 202010789006 A CN202010789006 A CN 202010789006A CN 112068548 B CN112068548 B CN 112068548B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- path
- cloud platform
- road
- sensor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 45
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000009286 beneficial effect Effects 0.000 claims description 8
- 230000000903 blocking effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 6
- 230000008447 perception Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000005065 mining Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了5G环境下面向特殊场景的无人驾驶车辆路径规划方法，依赖于基于5G通信的无人驾驶车辆路径规划系统，路径规划系统包括无人驾驶车辆、路侧单元、云平台和5G网络。本发明的方法传输速度快、传输信息多、信号质量高的特点能够克服特殊场景通信问题，实现了无人驾驶车辆、路侧单元和云平台之间高效、稳定、快速的信息交互；通过历史信息和实时感知的有机结合，有效减少云平台在常规运行中占用的计算资源，保证了无人驾驶的安全性和可达性；车、路、云三者交互，能够做到全时段、全天候、全覆盖、高精度的协同感知，共同完成路径规划和调整的决策，从而提高车辆运行效率。
Description
技术领域
本发明属于智能交通、无人驾驶技术领域，尤其涉及5G环境下面向特殊场景的无人驾驶车辆路径规划方法。
背景技术
不同于普通道路，特殊场景是指符合下列特点的道路环境：行人少、车辆构成单一，车流量不大、速度要求不高，同时相比于城市范围空间上较小，环境单一，不具有结构化道路，没有固定车道、标志标线等基础设施，没有既定法律法规的限制，其典型场景如矿区、农田、战场等。这些道路环境适合无人驾驶车辆的推广应用，但也因为上述特点使得特殊场景下无人驾驶车辆路径规划面临很多问题。
一方面，现有的路径规划方法主要针对路网拓扑结构稳定的城市道路环境，在海量历史数据的基础上，使用静态道路数据即可进行路径规划，通常以时间最少、路程最短或费用最少等标准规划路径；然而在特殊场景下，道路状态不稳定，道路阻断时有发生，路网信息难以长期保持不发生变化，现有路径规划方法缺乏实时的道路信息的快速收集和分析能力，因此难以适应特殊场景。另一方面，传统的移动通信技术在特殊场景的地形条件复杂、位置偏僻条件下信号强度难以保证，电磁信号易受到严重的相互干扰，这些问题对移动通信网络在实际场景中的稳定性提出严峻的挑战。
随着2019年中国5G元年的开启，各个城市都已经开始大规模的5G网络部署，无人驾驶迎来新的机遇。相比于传统移动通信技术的高延时，5G通信技术能达到上一代4G LTE技术10到100倍的传输速率，峰值速率达到20Gbps(下行峰值数据速率可达20Gbps，上行峰值数据速率可能超过10Gbps)，和低至1毫秒的延迟，这对于无人驾驶车辆在复杂动态环境中及时响应传感器感知到的危险和接收实时指令等十分重要。因此，5G网络为充分增强无人驾驶车辆与道路环境感知设备间的交互，提高无人驾驶车辆实时处理事件能力，解决特殊场景的无人驾驶车辆路径规划提供了新的工具。
发明内容
为了解决现有路径规划方法无法适应在特殊场景下无人驾驶的问题，本发明提出5G环境下面向特殊场景的无人驾驶车辆路径规划方法，本发明的具体技术方案如下：
5G环境下面向特殊场景的无人驾驶车辆路径规划方法，其特征在于，所述路径规划方法依赖于基于5G通信的无人驾驶车辆路径规划系统，所述路径规划系统包括无人驾驶车辆、路侧单元、云平台和5G网络，其中，
所述无人驾驶车辆上搭载的车载终端包括车载传感器、车载单元、车载处理器、车载5G通信模块；所述车载传感器包括车载摄像机、车载雷达、GPS传感器；所述车载单元提供电子标签与所述路侧单元配合识别车辆身份；所述车载处理器用于计算所述车载传感器感知到的数据、所述路侧单元发送的数据及响应云指令；所述车载5G通信模块连接所述5G网络完成信息收发，与所述云平台和所述路侧单元实时通信；
所述路侧单元集成路侧传感器、路侧处理器和路侧5G通信模块；所述路侧传感器包括路侧雷达和路侧摄像机；路侧处理器用于局部道路信息采集与处理；所述路侧5G通信模块连接所述5G网络完成信息收发，与所述无人驾驶车辆和所述路侧单元实时通信；
所述云平台由高性能服务器及其附属的存储设备组成，用于分析计算、发送指令、存储数据；所述5G网络用于传递所述无人驾驶车辆、所述云平台和所述路侧单元之间的信息；
所述路径规划方法包括以下步骤：
S1：云平台建立基于历史轨迹路径的备择路径库；
根据车辆历史行驶的GPS轨迹数据提取出的路径作为潜在路径，组成备择路径库，以供系统结合当前实际情况进行路径选择；
S2：路侧单元中路侧传感器实时道路状态感知与监测；
通过路侧雷达、路侧摄像机感知其所在位置附近的局部道路状态，出现不利于无人驾驶车辆通行的道路变化或损毁情况则通过路侧5G通信模块向云平台发送预警信息；
无人驾驶车辆行驶过程中，车载传感器作为辅助感知设备，感知路侧传感器无法感知的局部道路状态，出现不利于无人驾驶车辆通行的道路状态则生成相关预警信息，并将感知数据及预警信息通过5G网络上传至云平台进行分析；
S3：无人驾驶车辆通过5G网络向云平台请求路径规划方案；
无人驾驶车辆根据自身实际生产作业或任务情况，通过5G网络向云平台请求路径规划方案，并将自身位置和目标位置上传至云平台；
S4：云平台计算并给出路径规划方案；
云平台根据步骤S2实时道路状态感知和监测收集到的道路状态和预警信息，从备择路径库中选择不经过当前预警区域的路径方案并发送至无人驾驶车辆；
S5：无人驾驶车辆通过5G网络接收路径规划方案并执行。
进一步地，所述车载传感器、所述车载单元、所述车载处理器和所述车载5G通信模块间通过串口完成信息交换与传输。
进一步地，所述步骤S5中所述无人驾驶车辆执行路径规划方案时，所述车载传感器和所述路侧传感器实时进行协同感知、通信，并通过所述云平台计算完成实时的路径规划方案更新。
进一步地，所述步骤S5中，车载传感器和路侧传感器获悉车辆行驶路径中的道路障碍物数量少于等于可接受值，或无人驾驶车辆行驶过程中通过车载雷达和车载摄像机感知到距离车辆小于15m的障碍物，则无人驾驶车辆通过车载传感器数据和路侧传感器数据协同感知并判断障碍物的位置、大小和距离信息，通过5G网络的精准定位以及车载处理器的控制算法完成高精度的自主避障，并将感知的障碍物信息和行驶轨迹上传至云平台，云平台记录这一路径更新的轨迹，作为下一次的路径规划的依据；
进一步地，所述步骤S5中，车载传感器和路侧传感器获悉道路状态临时变化大，即出现在车辆规划路径中心线两侧各一个最大车体宽度的范围内障碍物数量多于可接受值，使得按照预定路线行驶会出现场避障距离长、次数多的情况，则云平台指派没有运输任务的无人驾驶车辆靠近障碍物探测收集具体的道路状态信息，为后续车辆路径规划提供支撑；
云平台综合车载传感器和路侧传感器获取的数据，表明原路径能够通过避障继续通行，即车辆规划路径中心线两侧各一个最大车体宽度的范围内障碍物数量少于可接受值且道路中所有障碍物的阻挡范围不大于车辆规划路径中心线两侧各两个最大车体宽度的范围，则车辆通过车载传感器数据和路侧传感器数据协同感知并判断障碍物的位置、大小和距离信息，通过5G网络的精准定位以及车载处理器的控制算法完成高精度的自主避障，并将感知的障碍物信息和行驶轨迹上传至云平台，云平台记录这一路径更新的轨迹，作为下一次的路径规划的依据；
云平台综合车载传感器和路侧传感器获取的数据，表明原路径完全阻断，即车辆规划路径中心线两侧各一个最大车体宽度的范围内障碍物数量多于可接受值或障碍物的阻挡范围超过车辆规划路径中心线两侧各两个最大车体宽度的范围，云平台发送信息告知无人驾驶车辆减速行驶并按步骤S4制定和发送新的路径规划方案。
进一步地，所述步骤S5中的可接受值为3个。
本发明的有益效果在于：
1.针对特殊场景位置偏僻、信号差，通信水平不能满足无人驾驶系统的现状，本发明的方法传输速度快、传输信息多、信号质量高的特点能够克服特殊场景通信问题，实现了无人驾驶车辆、路侧单元和云平台之间高效、稳定、快速的信息交互，同时可以实现厘米级精确定位为无人驾驶精确避障提供技术支持。
2.特殊场景与普通场景下的无人驾驶不同，道路状态不稳定，变化明显，本发明提出通过不断地收集无人驾驶车辆历史轨迹数据和道路状态信息构建备择路径库，通过历史信息和实时感知的有机结合，有效减少云平台在常规运行中占用的计算资源，保证了无人驾驶的安全性和可达性。
3.在每次路径规划的全过程中，既有车车通信，通过5G通信保证车辆间安全距离；也有车路配合，车路感知和执行的信息都要上传云平台，由其在必要时进行集中调配，并保存历史数据，用于新的数据统计与挖掘，使得各系统工作都富有价值，而不孤立，形成了冗余保护，车、路、云三者交互，能够做到全时段、全天候、全覆盖、高精度的协同感知，共同完成路径规划和调整的决策，从而提高车辆运行效率。
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，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，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，可以根据这些附图获得其他的附图。其中：
图1是本发明的基于5G通信的无人驾驶车辆路径规划系统结构图；
图2是本发明的特殊场景下基于5G通信的无人驾驶车辆路径规划系统运行示意图。
附图标号说明：
1-云平台；2-云平台服务器；3-路侧传感器；4-云平台数据库；5-5G基站；6-无人驾驶车辆；7-特殊场景。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
以某矿区应用的本发明的路径规划方法为例说明本发明方法的有效性，无人驾驶车辆路径规划系统如图1所示，图2为基于5G通信的无人驾驶车辆路径规划系统运行示意图所示，依赖于5G网络，因此需要布设5G基站和5G发射器模块，完成特殊场景下的5G信号全覆盖，再将车载和路侧的所有传感器安装5G通信模块，接入到5G网络中。
具体地，5G环境下面向特殊场景的无人驾驶车辆路径规划方法，其特征在于，路径规划方法依赖于基于5G通信的无人驾驶车辆路径规划系统，路径规划系统包括无人驾驶车辆、路侧单元、云平台和5G网络，其中，
无人驾驶车辆上搭载的车载终端包括车载传感器、车载单元、车载处理器、车载5G通信模块；车载传感器包括车载摄像机、车载雷达、GPS传感器；车载单元提供电子标签与路侧单元配合识别车辆身份；车载处理器用于计算车载传感器感知到的数据、路侧单元发送的数据及响应云指令；车载5G通信模块连接5G网络完成信息收发，与云平台和路侧单元实时通信；
路侧单元集成路侧传感器、路侧处理器和路侧5G通信模块；路侧传感器包括路侧雷达和路侧摄像机，用于道路状态感知和监测；路侧处理器用于局部道路信息采集与处理，使用高性能计算芯片作为路侧处理器；路侧5G通信模块连接5G网络完成信息收发，与无人驾驶车辆和路侧单元实时通信；5G网络带宽百倍于4G，可以有效降低传感器本身计算、处理数据的要求，在云平台工作非常繁忙时，路侧处理器能够直接计算获取的信息再通过5G网络发送，降低云平台运算负担，在其余时段更多依靠云平台服务器计算。
云平台由高性能服务器及其附属的存储设备组成，用于分析计算、发送指令、存储数据，包括：计算路径规划方案并发送指令、存储和分析车辆轨迹信息、接收和分析路侧单元的预警信息、存储路径方案等。
5G网络用于传递无人驾驶车辆、云平台和路侧单元之间的信息；如云平台下达给无人驾驶车辆的行驶指令，车辆与路侧上传路况信息、危险预警信息，以及无人驾驶车辆之间的信息等。5G中应用的波束赋形技术使移动的无人驾驶车辆被精准对准、追踪，提升了覆盖和抑制干扰能力，而小基站的布设位置灵活，不易受到障碍物遮挡，提高了特殊场景无人驾驶车辆路径规划系统的通信可靠性，减少了信号覆盖盲区，降低了无人驾驶车辆持续移动时小区切换对信号的影响。
基于上述路径规划系统，在如有障碍物阻挡等道路状态不稳定的情况下，实时、动态、准确的无人驾驶车辆路径规划方法能够借助5G通信技术高效完成车辆和路侧单元对道路状态的实时感知和监测、云平台的实时计算和分析。
无人驾驶路车辆径规划方法可分为两个阶段，阶段一主要是在云平台中根据历史数据和实时信息进行初始计算和决策，阶段二则是依托车路协同感知与云平台的信息交互完成的路径的实时监测和更新。
由于矿区作业频繁，地形起伏、沙土较多，导致其可视条件不佳，这更适于5G环境下无人驾驶发挥其功能，而在如下雨等气象条件不佳时，道路往往会变得非常泥泞，土坡也会发生坍塌的情况，对于车、路、云三者协同有了更大需求。具体的，车辆与路侧单元的协同主要在于避障，多传感器融合感知的数据有助于丰富车辆接收的数据范围、提升避障效果；路侧单元和云平台协同在于危险预警，当车辆行驶路径区域内突然出现需要躲避的路障时，众多的路侧单元可以提前标定出这些路障的位置、大小信息而通过5G网络传递给云平台判断其危险等级而将信息下发给车辆；无人驾驶车辆与云平台之间更重要的是信息交互，当完成避障时，需要把自己的路径上传至云平台，由其共享给其他矿车，减少了再次避障的运算量，下次避障时只用判断路障是否发生变化，不变时直接执行云平台共享的后续路线；三者有时会同步配合，在一些挖矿运输作业非常繁忙或者突发情况非常难以处理的时刻，充分调动5G资源，集中利用云平台的计算、调度能力，充分利用各位置分布的传感器提高决策水平和执行效率。
具体地，路径规划方法包括以下步骤：
S1：云平台建立基于历史轨迹路径的备择路径库；
根据车辆历史行驶的GPS轨迹数据提取出的路径作为潜在路径，组成备择路径库，以供系统结合当前实际情况进行路径选择；建立备择路径库的优点为当每次选择初始路径且现实条件允许时，无需再基于卫星、雷达或者视频等道路实况监测方式确定路线，而直接从备择路径库中提取，大大降低了运算量。
S2：路侧单元中路侧传感器实时道路状态感知与监测；
通过路侧雷达、路侧摄像机感知其所在位置附近的局部道路状态，出现不利于无人驾驶车辆通行的道路变化或损毁情况(道路坍塌、异物堵塞、几何条件变化等)则通过路侧5G通信模块向云平台发送预警信息；
无人驾驶车辆行驶过程中，车载传感器作为辅助感知设备，感知路侧传感器无法感知的局部道路状态，出现不利于无人驾驶车辆通行的道路状态则生成相关预警信息，并将感知数据及预警信息通过5G网络上传至云平台进行分析；
S3：无人驾驶车辆通过5G网络向云平台请求路径规划方案；
无人驾驶车辆根据自身实际生产作业或任务情况，通过5G网络向云平台请求路径规划方案，并将自身位置和目标位置上传至云平台；
S4：云平台计算并给出路径规划方案；
云平台根据步骤S2实时道路状态感知和监测收集到的道路状态和预警信息，从备择路径库中选择不经过当前预警区域的路径方案并发送至无人驾驶车辆；
S5：无人驾驶车辆通过5G网络接收路径规划方案并执行。
车载传感器、车载单元、车载处理器和车载5G通信模块间通过串口完成信息交换与传输。
步骤S5中无人驾驶车辆执行路径规划方案时，车载传感器和路侧传感器实时进行协同感知、通信，并通过云平台计算完成实时的路径规划方案更新。
步骤S5中，车载传感器和路侧传感器获悉车辆行驶路径中的道路障碍物数量少于等于可接受值，或无人驾驶车辆行驶过程中通过车载雷达和车载摄像机感知到距离车辆小于15m的障碍物，则无人驾驶车辆通过车载传感器数据和路侧传感器数据协同感知并判断障碍物的位置、大小和距离信息，通过5G网络的精准定位以及车载处理器的控制算法完成高精度的自主避障，并将感知的障碍物信息和行驶轨迹上传至云平台，云平台记录这一路径更新的轨迹，作为下一次的路径规划的依据；
步骤S5中，车载传感器和路侧传感器获悉道路状态临时变化大，即出现在车辆规划路径中心线两侧各一个最大车体宽度的范围内障碍物数量多于可接受值，使得按照预定路线行驶会出现场避障距离长、次数多的情况，则云平台指派没有运输任务的无人驾驶车辆靠近障碍物探测收集具体的道路状态信息，为后续车辆路径规划提供支撑；
云平台综合车载传感器和路侧传感器获取的数据，表明原路径能够通过避障继续通行，即车辆规划路径中心线两侧各一个最大车体宽度的范围内障碍物数量少于可接受值且道路中所有障碍物的阻挡范围不大于车辆规划路径中心线两侧各两个最大车体宽度的范围，则车辆通过车载传感器数据和路侧传感器数据协同感知并判断障碍物的位置、大小和距离信息，通过5G网络的精准定位以及车载处理器的控制算法完成高精度的自主避障，并将感知的障碍物信息和行驶轨迹上传至云平台，云平台记录这一路径更新的轨迹，作为下一次的路径规划的依据；
云平台综合车载传感器和路侧传感器获取的数据，表明原路径完全阻断，即车辆规划路径中心线两侧各一个最大车体宽度的范围内障碍物数量多于可接受值或障碍物的阻挡范围超过车辆规划路径中心线两侧各两个最大车体宽度的范围，云平台发送信息告知无人驾驶车辆减速行驶并按步骤S4制定和发送新的路径规划方案。
步骤S5中的可接受值为3个。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本发明中，术语“第一”、“第二”、“第三”、“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上，除非另有明确的限定。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (3)
1.5G环境下面向特殊场景的无人驾驶车辆路径规划方法，其特征在于，所述路径规划方法依赖于基于5G通信的无人驾驶车辆路径规划系统，所述路径规划系统包括无人驾驶车辆、路侧单元、云平台和5G网络，其中，
所述无人驾驶车辆上搭载的车载终端包括车载传感器、车载单元、车载处理器、车载5G通信模块；所述车载传感器包括车载摄像机、车载雷达、GPS传感器；所述车载单元提供电子标签与所述路侧单元配合识别车辆身份；所述车载处理器用于计算所述车载传感器感知到的数据、所述路侧单元发送的数据及响应云指令；所述车载5G通信模块连接所述5G网络完成信息收发，与所述云平台和所述路侧单元实时通信；
所述路侧单元集成路侧传感器、路侧处理器和路侧5G通信模块；所述路侧传感器包括路侧雷达和路侧摄像机；路侧处理器用于局部道路信息采集与处理；所述路侧5G通信模块连接所述5G网络完成信息收发，与所述无人驾驶车辆和所述路侧单元实时通信；
所述云平台由高性能服务器及其附属的存储设备组成，用于分析计算、发送指令、存储数据；所述5G网络用于传递所述无人驾驶车辆、所述云平台和所述路侧单元之间的信息；
所述路径规划方法包括以下步骤：
S1：云平台建立基于历史轨迹路径的备择路径库；
根据车辆历史行驶的GPS轨迹数据提取出的路径作为潜在路径，组成备择路径库，以供系统结合当前实际情况进行路径选择；
S2：路侧单元中路侧传感器实时道路状态感知与监测；
通过路侧雷达、路侧摄像机感知其所在位置附近的局部道路状态，出现不利于无人驾驶车辆通行的道路变化或损毁情况则通过路侧5G通信模块向云平台发送预警信息；
无人驾驶车辆行驶过程中，车载传感器作为辅助感知设备，感知路侧传感器无法感知的局部道路状态，出现不利于无人驾驶车辆通行的道路状态则生成相关预警信息，并将感知数据及预警信息通过5G网络上传至云平台进行分析；
S3：无人驾驶车辆通过5G网络向云平台请求路径规划方案；
无人驾驶车辆根据自身实际生产作业或任务情况，通过5G网络向云平台请求路径规划方案，并将自身位置和目标位置上传至云平台；
S4：云平台计算并给出路径规划方案；
云平台根据步骤S2实时道路状态感知和监测收集到的道路状态和预警信息，从备择路径库中选择不经过当前预警区域的路径方案并发送至无人驾驶车辆；
S5：无人驾驶车辆通过5G网络接收路径规划方案并执行；
所述无人驾驶车辆执行路径规划方案时，所述车载传感器和所述路侧传感器实时进行协同感知、通信，并通过所述云平台计算完成实时的路径规划方案更新；
车载传感器和路侧传感器获悉车辆行驶路径中的道路障碍物数量少于等于可接受值，或无人驾驶车辆行驶过程中通过车载雷达和车载摄像机感知到距离车辆小于15m的障碍物，则无人驾驶车辆通过车载传感器数据和路侧传感器数据协同感知并判断障碍物的位置、大小和距离信息，通过5G网络的精准定位以及车载处理器的控制算法完成高精度的自主避障，并将感知的障碍物信息和行驶轨迹上传至云平台，云平台记录这一路径更新的轨迹，作为下一次的路径规划的依据；
车载传感器和路侧传感器获悉道路状态临时变化大，即出现在车辆规划路径中心线两侧各一个最大车体宽度的范围内障碍物数量多于可接受值，使得按照预定路线行驶会出现场避障距离长、次数多的情况，则云平台指派没有运输任务的无人驾驶车辆靠近障碍物探测收集具体的道路状态信息，为后续车辆路径规划提供支撑；
云平台综合车载传感器和路侧传感器获取的数据，表明原路径能够通过避障继续通行，即车辆规划路径中心线两侧各一个最大车体宽度的范围内障碍物数量少于可接受值且道路中所有障碍物的阻挡范围不大于车辆规划路径中心线两侧各两个最大车体宽度的范围，则车辆通过车载传感器数据和路侧传感器数据协同感知并判断障碍物的位置、大小和距离信息，通过5G网络的精准定位以及车载处理器的控制算法完成高精度的自主避障，并将感知的障碍物信息和行驶轨迹上传至云平台，云平台记录这一路径更新的轨迹，作为下一次的路径规划的依据；
云平台综合车载传感器和路侧传感器获取的数据，表明原路径完全阻断，即车辆规划路径中心线两侧各一个最大车体宽度的范围内障碍物数量多于可接受值或障碍物的阻挡范围超过车辆规划路径中心线两侧各两个最大车体宽度的范围，云平台发送信息告知无人驾驶车辆减速行驶并按步骤S4制定和发送新的路径规划方案。
2.根据权利要求1所述的5G环境下面向特殊场景的无人驾驶车辆路径规划方法，其特征在于，所述车载传感器、所述车载单元、所述车载处理器和所述车载5G通信模块间通过串口完成信息交换与传输。
3.根据权利要求1或2所述的5G环境下面向特殊场景的无人驾驶车辆路径规划方法，其特征在于，所述步骤S5中的可接受值为3个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010789006.7A CN112068548B (zh) | 2020-08-07 | 2020-08-07 | 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010789006.7A CN112068548B (zh) | 2020-08-07 | 2020-08-07 | 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112068548A CN112068548A (zh) | 2020-12-11 |
| CN112068548B true CN112068548B (zh) | 2022-06-07 |
Family
ID=73662537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010789006.7A Active CN112068548B (zh) | 2020-08-07 | 2020-08-07 | 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112068548B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11829159B2 (en) * | 2020-11-20 | 2023-11-28 | Thomas KUEHBECK | Method of organizing self-driving vehicles on a high safety level by retrofitting and infrastructure support |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112590817B (zh) * | 2020-12-23 | 2023-01-17 | 江苏徐工工程机械研究院有限公司 | 运输系统的安全保护系统、方法和机群管理设备 |
| CN112859839B (zh) * | 2020-12-31 | 2023-08-29 | 联通(浙江)产业互联网有限公司 | 微公交自动驾驶系统 |
| CN112744229B (zh) * | 2021-01-18 | 2021-12-21 | 国汽智控(北京)科技有限公司 | 一种自动驾驶领域专有语言的生成系统 |
| CN112911551B (zh) * | 2021-01-18 | 2022-01-04 | 国汽智控(北京)科技有限公司 | 一种车路云算力动态分配系统 |
| CN112904820B (zh) * | 2021-01-22 | 2022-04-29 | 上海伯镭智能科技有限公司 | 无人驾驶工程车辆矿区流量调配方法及装置 |
| CN112799409A (zh) * | 2021-01-29 | 2021-05-14 | 中科大路(青岛)科技有限公司 | 基于车路云协同架构的用于机场的地面交通管控集成系统 |
| CN113324552B (zh) * | 2021-05-28 | 2023-03-14 | 上海国际汽车城（集团）有限公司 | 一种基于边缘计算的智能汽车高精度地图系统 |
| CN113406932A (zh) * | 2021-06-02 | 2021-09-17 | 上海追势科技有限公司 | 一种用于车辆生产线的低速自动驾驶系统及其方法 |
| CN113485319A (zh) * | 2021-06-08 | 2021-10-08 | 中兴智能汽车有限公司 | 基于5g车路协同的自动驾驶系统 |
| CN113378947A (zh) * | 2021-06-21 | 2021-09-10 | 北京踏歌智行科技有限公司 | 一种面向露天矿区无人运输的车路云融合感知系统及方法 |
| CN113479190B (zh) * | 2021-06-21 | 2022-09-20 | 上汽通用五菱汽车股份有限公司 | 智能泊车系统、方法、设备及计算机可读存储介质 |
| CN113254219B (zh) * | 2021-06-28 | 2021-10-15 | 国汽智控(北京)科技有限公司 | 协同处理方法、协同处理装置、电子设备及存储介质 |
| CN113611139B (zh) * | 2021-06-29 | 2022-08-05 | 无锡市明大交通科技咨询有限公司 | 适用于突发路况的智能化预警方法以及系统 |
| CN113625710A (zh) * | 2021-07-22 | 2021-11-09 | 江苏天一机场专用设备股份有限公司 | 一种航空5g自动驾驶系统 |
| CN113852925A (zh) * | 2021-08-06 | 2021-12-28 | 云度新能源汽车有限公司 | 一种车辆指挥方法和系统 |
| CN113706892A (zh) * | 2021-08-25 | 2021-11-26 | 苏州昆朋智能网联科技有限公司 | 一种服务于低速无人物流车的特定场景库 |
| CN113848921B (zh) * | 2021-09-29 | 2023-10-13 | 中国第一汽车股份有限公司 | 车路云协同感知的方法和系统 |
| CN114248803A (zh) * | 2021-11-19 | 2022-03-29 | 北京望云家德智能技术有限公司 | 基于车路协同的自动驾驶数字孪生支持系统 |
| CN114283619A (zh) * | 2021-12-25 | 2022-04-05 | 重庆长安汽车股份有限公司 | 一种基于v2x的车辆避障系统、平台构架、方法及车辆 |
| CN114428504A (zh) * | 2022-01-18 | 2022-05-03 | 上汽通用五菱汽车股份有限公司 | 无人驾驶车辆避障方法、系统、电子设备及存储介质 |
| CN114429715A (zh) * | 2022-01-27 | 2022-05-03 | 中国第一汽车股份有限公司 | 车路云协同的路径确定方法、装置、系统、设备和介质 |
| WO2024021083A1 (en) * | 2022-07-29 | 2024-02-01 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Sensor data transfer with self adaptive configurations for autonomous driving vehicle |
| CN115630887B (zh) * | 2022-10-17 | 2023-11-03 | 国网山东省电力公司莱西市供电公司 | 用于大件运输管控的可视及自动探路系统、方法与设备 |
| CN115802535B (zh) * | 2023-01-30 | 2023-12-26 | 承德政通电子工程有限公司 | 基于物联网的环境自适应led照明方法 |
| CN115996356B (zh) * | 2023-03-23 | 2023-06-16 | 西安航天天绘数据技术有限公司 | 一种区宽通信下机动中心车载路径规划系统及方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3410068A1 (en) * | 2017-06-01 | 2018-12-05 | Wipro Limited | Method and system for generating a safe navigation path for navigating a driverless vehicle |
| US10209711B1 (en) * | 2016-09-28 | 2019-02-19 | Amazon Technologies, Inc. | Techniques for contention resolution for mobile drive units |
| CN109828574A (zh) * | 2019-02-22 | 2019-05-31 | 深兰科技（上海）有限公司 | 一种避障方法及电子设备 |
| CN110148313A (zh) * | 2019-06-24 | 2019-08-20 | 深圳成谷科技有限公司 | 道路障碍物信息的处理方法、装置及系统 |
| CN110262508A (zh) * | 2019-07-06 | 2019-09-20 | 深圳数翔科技有限公司 | 应用于封闭场地无人驾驶货运车辆上的自动引导系统及方法 |
| CN110516935A (zh) * | 2019-08-13 | 2019-11-29 | 北京航空航天大学 | 一种基于端边云架构的矿车无人驾驶运输系统路权云智能分配方法 |
| CN110852244A (zh) * | 2019-11-06 | 2020-02-28 | 深圳创维数字技术有限公司 | 车辆控制方法、装置及计算机可读存储介质 |
| CN110906934A (zh) * | 2019-11-29 | 2020-03-24 | 华中科技大学 | 一种基于碰撞危险系数的无人艇避障方法和系统 |
| CN110991320A (zh) * | 2019-11-29 | 2020-04-10 | 北京百度网讯科技有限公司 | 路况检测方法和装置、电子设备、存储介质 |
| CN111258307A (zh) * | 2018-11-14 | 2020-06-09 | 长沙智能驾驶研究院有限公司 | 无人驾驶辅助定位方法、装置、设备和存储介质 |
| CN111332285A (zh) * | 2018-12-19 | 2020-06-26 | 长沙智能驾驶研究院有限公司 | 车辆避开障碍物的方法及装置、电子设备和存储介质 |
| CN111367292A (zh) * | 2020-03-20 | 2020-07-03 | 特路（北京）科技有限公司 | 自动驾驶汽车智能道路系统 |
| CN111374596A (zh) * | 2018-12-28 | 2020-07-07 | 珠海市一微半导体有限公司 | 基于区域规划的扫地机器人作业方法、装置和清洁系统 |
| CN111402588A (zh) * | 2020-04-10 | 2020-07-10 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构异常道路高精地图快速生成系统与方法 |
| CN111462481A (zh) * | 2020-03-03 | 2020-07-28 | 北京理工大学 | 包含多功能无人车的云大脑智能交通系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130055392A (ko) * | 2011-11-18 | 2013-05-28 | 한국전자통신연구원 | 점 대 다점 네트워크에서의 보호 절체 방법 및 장치 |
| CN105974917B (zh) * | 2016-05-11 | 2018-12-14 | 江苏大学 | 一种基于新型人工势场法的车辆避障路径规划研究方法 |
| US10878706B2 (en) * | 2018-10-12 | 2020-12-29 | Aurora Flight Sciences Corporation | Trajectory planner for a vehicle |
| CN110782696B (zh) * | 2019-01-25 | 2022-01-04 | 长城汽车股份有限公司 | 用于代客泊车的控制系统 |
| CN110675016B (zh) * | 2019-08-08 | 2020-04-07 | 北京航空航天大学 | 一种基于端边云架构的矿车无人驾驶运输系统云智能调度系统及充电方法 |
| CN110488835B (zh) * | 2019-08-28 | 2020-12-08 | 北京航空航天大学 | 一种基于双反向传播神经网络的无人系统智能局部路径规划方法 |
-
2020
- 2020-08-07 CN CN202010789006.7A patent/CN112068548B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10209711B1 (en) * | 2016-09-28 | 2019-02-19 | Amazon Technologies, Inc. | Techniques for contention resolution for mobile drive units |
| EP3410068A1 (en) * | 2017-06-01 | 2018-12-05 | Wipro Limited | Method and system for generating a safe navigation path for navigating a driverless vehicle |
| CN111258307A (zh) * | 2018-11-14 | 2020-06-09 | 长沙智能驾驶研究院有限公司 | 无人驾驶辅助定位方法、装置、设备和存储介质 |
| CN111332285A (zh) * | 2018-12-19 | 2020-06-26 | 长沙智能驾驶研究院有限公司 | 车辆避开障碍物的方法及装置、电子设备和存储介质 |
| CN111374596A (zh) * | 2018-12-28 | 2020-07-07 | 珠海市一微半导体有限公司 | 基于区域规划的扫地机器人作业方法、装置和清洁系统 |
| CN109828574A (zh) * | 2019-02-22 | 2019-05-31 | 深兰科技（上海）有限公司 | 一种避障方法及电子设备 |
| CN110148313A (zh) * | 2019-06-24 | 2019-08-20 | 深圳成谷科技有限公司 | 道路障碍物信息的处理方法、装置及系统 |
| CN110262508A (zh) * | 2019-07-06 | 2019-09-20 | 深圳数翔科技有限公司 | 应用于封闭场地无人驾驶货运车辆上的自动引导系统及方法 |
| CN110516935A (zh) * | 2019-08-13 | 2019-11-29 | 北京航空航天大学 | 一种基于端边云架构的矿车无人驾驶运输系统路权云智能分配方法 |
| CN110852244A (zh) * | 2019-11-06 | 2020-02-28 | 深圳创维数字技术有限公司 | 车辆控制方法、装置及计算机可读存储介质 |
| CN110906934A (zh) * | 2019-11-29 | 2020-03-24 | 华中科技大学 | 一种基于碰撞危险系数的无人艇避障方法和系统 |
| CN110991320A (zh) * | 2019-11-29 | 2020-04-10 | 北京百度网讯科技有限公司 | 路况检测方法和装置、电子设备、存储介质 |
| CN111462481A (zh) * | 2020-03-03 | 2020-07-28 | 北京理工大学 | 包含多功能无人车的云大脑智能交通系统 |
| CN111367292A (zh) * | 2020-03-20 | 2020-07-03 | 特路（北京）科技有限公司 | 自动驾驶汽车智能道路系统 |
| CN111402588A (zh) * | 2020-04-10 | 2020-07-10 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构异常道路高精地图快速生成系统与方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11829159B2 (en) * | 2020-11-20 | 2023-11-28 | Thomas KUEHBECK | Method of organizing self-driving vehicles on a high safety level by retrofitting and infrastructure support |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112068548A (zh) | 2020-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112068548B (zh) | 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 | |
| US11955002B2 (en) | Autonomous vehicle control system with roadside unit (RSU) network's global sensing | |
| US11881101B2 (en) | Intelligent road side unit (RSU) network for automated driving | |
| US10867512B2 (en) | Intelligent road infrastructure system (IRIS): systems and methods | |
| WO2018132378A2 (en) | Connected automated vehicle highway systems and methods | |
| CN109686082B (zh) | 一种基于边缘计算节点的城市交通监测系统及部署方法 | |
| AU2018208404B2 (en) | Connected automated vehicle highway systems and methods | |
| CN105717946A (zh) | 多基站无人机连续跟踪系统及方法 | |
| CN113178076B (zh) | 一种车路协同系统和车路协同方法 | |
| US11735035B2 (en) | Autonomous vehicle and cloud control (AVCC) system with roadside unit (RSU) network | |
| CN113643534B (zh) | 交通管控的方法及设备 | |
| CN112562409A (zh) | 一种基于多接入边缘计算的自主泊车系统及方法 | |
| CN111225336B (zh) | 一种基于智慧灯杆的基站选择与切换方法及系统 | |
| CN112583872B (zh) | 一种通信方法及装置 | |
| Lu et al. | An anti-collision algorithm for self-organizing vehicular ad-hoc network using deep learning | |
| CN215678774U (zh) | 一种矿用卡车及其感知系统 | |
| US20240040600A1 (en) | Vehicle communication control device, system, and method | |
| US20230316911A1 (en) | Intersection-based map message generation and broadcasting | |
| US20230316907A1 (en) | Intersection-based offboard vehicle path generation | |
| US20230316912A1 (en) | Path prediction based on intersection information from map messages | |
| US20230316921A1 (en) | Collision warning based on intersection information from map messages |
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 |