CN112092810A - 一种车辆泊出方法、装置及电子设备 - Google Patents
一种车辆泊出方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112092810A CN112092810A CN202011015491.9A CN202011015491A CN112092810A CN 112092810 A CN112092810 A CN 112092810A CN 202011015491 A CN202011015491 A CN 202011015491A CN 112092810 A CN112092810 A CN 112092810A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- path
- global
- local
- planned 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000009471 action Effects 0.000 claims abstract description 33
- 238000005070 sampling Methods 0.000 claims description 41
- 238000005457 optimization Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 abstract description 17
- 241000282414 Homo sapiens Species 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000036461 convulsion Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供了一种车辆泊出方法、装置及电子设备,在进行车辆泊车出库时,车辆的可通行空间是已经排除了障碍物所在的区域,若存在完全位于可通行空间内的路径,则说明存在不与障碍物发生碰撞的行驶路线,则按照选取的路径控制车辆行驶。若是每一路径均不完全位于车辆的可通行空间内,则说明当前生成的路径不适合当前车辆的所在行驶环境,此时控制车辆执行与所述库位类型对应的预设车辆动作,然后重复上述步骤,直到满足预设泊车出库停止条件时停止。本发明中,能够实时判断生成的局部规划路径是否位于可通行空间内,并依据判断结果执行相应操作,能够保证车辆在泊车出库的过程中,避开障碍物,保证车辆能够安全的泊车出库。
Description
技术领域
本发明涉及自动驾驶领域,更具体的说,涉及一种车辆泊出方法、装置及电子设备。
背景技术
随着智能驾驶技术的发展,自动泊车出库技术已经在越来越多的车辆上使用。
在自动泊车出库时,一般是一次性规划一个全局规划路径,然后生成局部规划路径,使得局部规划路径不断跟随全局规划路径,直至车辆成功泊出。但是若在车辆泊车出库时遇到动态障碍物、且该动态障碍物位于全局规划路径上,若仍按照原先规划的全局规划路径进行车辆行驶,则会导致车辆与动态障碍物发生碰撞,车辆泊车出库失败且影响车辆的安全性。
发明内容
有鉴于此,本发明提供一种车辆泊出方法、装置及电子设备,以解决若在车辆泊车出库时遇到动态障碍物、且该动态障碍物位于全局规划路径上,若仍按照原先规划的全局规划路径进行车辆行驶,则会导致车辆与动态障碍物发生碰撞,车辆泊车出库失败且影响车辆的安全性的问题。
为解决上述技术问题,本发明采用了如下技术方案:
一种车辆泊出方法,包括:
获取全局规划路径;所述全局规划路径与车辆所在库位的库位类型以及所述车辆的当前位置均对应;
对所述全局规划路径进行采样,依据采样结果生成至少一条局部规划路径;
在判断出所述至少一条局部规划路径中存在参考局部规划路径的情况下,按照预设规划路径选取规则,从所述参考局部规划路径中选出一条目标局部规划路径,并控制车辆按照所述目标局部规划路径行驶;所述参考局部规划路径为完全位于所述车辆当前的可通行空间内的局部规划路径;
在判断出所述至少一条局部规划路径中不存在参考局部规划路径的情况下,控制车辆执行与所述库位类型对应的预设车辆动作,并在所述车辆成功执行所述预设车辆动作后,返回所述获取全局规划路径的步骤,并顺序执行,直至满足预设泊车出库停止条件时停止。
可选地,获取全局规划路径,包括:
在车辆所在库位的库位类型为非水平库位的情况下,判断是否能够采集到距离车辆所在库位最近的目标道路的中心线;
若能够采集到,则基于所述车辆的当前位置与所述中心线,采用几何路径方式,生成初始全局规划路径;
对所述初始全局规划路径进行优化操作,得到全局规划路径。
可选地,控制车辆执行与所述库位类型对应的预设车辆动作,包括:
控制车辆停止行驶。
可选地,获取全局规划路径,包括:
在车辆所在库位的库位类型为水平库位的情况下,获取已进行优化操作的参考全局规划路径;
在所述全局规划路径不完全位于所述车辆当前的可通行空间内的情况下,控制车辆倒车行驶,直至满足预设倒车停止条件时停止;
基于所述车辆的当前位置,生成初始全局规划路径,并对所述初始全局规划路径进行优化操作,得到全局规划路径。
可选地,控制车辆执行与所述库位类型对应的预设车辆动作,包括:
控制车辆倒车行驶,并在满足所述预设倒车停止条件时停止倒车。
一种车辆泊出装置,包括:
路径获取模块,用于获取全局规划路径;所述全局规划路径与车辆所在库位的库位类型以及所述车辆的当前位置均对应;
路径采样模块,用于对所述全局规划路径进行采样,依据采样结果生成至少一条局部规划路径;
行驶控制模块,用于在判断出所述至少一条局部规划路径中存在参考局部规划路径的情况下,按照预设规划路径选取规则,从所述参考局部规划路径中选出一条目标局部规划路径,并控制车辆按照所述目标局部规划路径行驶;所述参考局部规划路径为完全位于所述车辆当前的可通行空间内的局部规划路径;在判断出所述至少一条局部规划路径中不存在参考局部规划路径的情况下,控制车辆执行与所述库位类型对应的预设车辆动作;
所述路径获取模块还用于:在所述车辆成功执行所述预设车辆动作后,获取与车辆所在库位的库位类型以及所述车辆的当前位置均对应的全局规划路径;
判断模块,用于判断是否满足预设泊车出库停止条件;若是,则停止;
所述路径获取模块还用于:在所述判断模块判断出不满足预设泊车出库停止条件后,获取全局规划路径。
可选地,所述路径获取模块具体用于:
在车辆所在库位的库位类型为非水平库位的情况下,判断是否能够采集到距离车辆所在库位最近的目标道路的中心线;若能够采集到,则基于所述车辆的当前位置与所述中心线,采用几何路径方式,生成初始全局规划路径;对所述初始全局规划路径进行优化操作,得到全局规划路径。
可选地,所述行驶控制模块用于控制车辆执行与所述库位类型对应的预设车辆动作时,具体用于:
控制车辆停止行驶。
可选地,所述路径获取模块具体用于:
在车辆所在库位的库位类型为水平库位的情况下,获取已进行优化操作的参考全局规划路径;在所述全局规划路径不完全位于所述车辆当前的可通行空间内的情况下,控制车辆倒车行驶,直至满足预设倒车停止条件时停止;基于所述车辆的当前位置,生成初始全局规划路径,并对所述初始全局规划路径进行优化操作,得到全局规划路径。
一种电子设备,包括:存储器和处理器;
其中,所述存储器用于存储程序;
处理器调用程序并用于:
获取全局规划路径;所述全局规划路径与车辆所在库位的库位类型以及所述车辆的当前位置均对应;
对所述全局规划路径进行采样,依据采样结果生成至少一条局部规划路径;
在判断出所述至少一条局部规划路径中存在参考局部规划路径的情况下,按照预设规划路径选取规则,从所述参考局部规划路径中选出一条目标局部规划路径,并控制车辆按照所述目标局部规划路径行驶;所述参考局部规划路径为完全位于所述车辆当前的可通行空间内的局部规划路径;
在判断出所述至少一条局部规划路径中不存在参考局部规划路径的情况下,控制车辆执行与所述库位类型对应的预设车辆动作,并在所述车辆成功执行所述预设车辆动作后,返回所述获取全局规划路径的步骤,并顺序执行,直至满足预设泊车出库停止条件时停止。
相较于现有技术,本发明具有以下有益效果:
本发明提供了一种车辆泊出方法、装置及电子设备,在进行车辆泊车出库时,会判断生成的局部规划路径是否完全位于车辆的可通行空间内,由于车辆的可通行空间已经排除了障碍物所在的区域,若存在至少一条局部规划路径完全位于可通行空间内,则说明确定的局部规划路径是不会与障碍物发生碰撞的行驶路线,则按照选取的局部规划路径控制车辆行驶。若是每一局部规划路径均不完全位于车辆的可通行空间内,则说明当前生成的局部规划路径不适合当前车辆的所在行驶环境,此时控制车辆执行与所述库位类型对应的预设车辆动作,然后重复上述步骤,直到满足预设泊车出库停止条件时停止。本发明中,能够实时判断生成的局部规划路径是否位于可通行空间内,并依据判断结果执行相应操作,能够保证车辆在泊车出库的过程中,避开障碍物,保证车辆能够安全的泊车出库。
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为本发明实施例提供的一种车辆泊出方法的方法流程图;
图2为本发明实施例提供的另一种车辆泊出方法的方法流程图;
图3为本发明实施例提供的一种车辆泊出的场景示意图;
图4为本发明实施例提供的又一种车辆泊出方法的方法流程图;
图5为本发明实施例提供的另一种车辆泊出的场景示意图;
图6为本发明实施例提供的再一种车辆泊出的场景示意图;
图7为本发明实施例提供的又一种车辆泊出的场景示意图;
图8为本发明实施例提供的一种车辆泊出装置的结构示意图。
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。
随着智能驾驶技术的发展,智能车辆的路径规划技术已经成为一大研究热点。路径规划可以分为三层,全局路径规划,全局轨迹优化和局部路径规划,这三层并不一定会完全存在,有时候只有两层或者一层单独存在。现分别进行介绍:
1、全局路径规划方法
全局路径规划方法主要包括基于搜索的方法和基于采样的规划方法。
基于搜索的方法主要有:结合Djikstar方法和BFS(广度优先搜索)优点的A*算法,适用于动态变化环境路径搜索的D*,加入车辆非完整性约束的hybrid A*(混合A星算法)算法。基于搜索的算法受到搜索空间维度和计算速度的约束,需要较长时间求解。且传统搜索算法,如Djikstar方法,BFS(Breadth First Search,宽度优先搜索算法),A*算法都需要环境是已知且不变的,且生成的路径都不满足车辆动力学约束,存在车辆不可到达的解,之后针对环境的变化演化出了D*,但生成的路径依然不满足车辆动力学约束。加入车辆非完整性约束的hybrid A*算法生成的轨迹则满足动力学约束。
基于随机采样的运动规划算法通过对状态空间均匀随机采样来构建连通图,不需要对状态空间显示建模,轨迹的可行性由碰撞检测来验证。典型的这类算法有PRM(概率路图法)和快速随机扩展树法(RRT),这类算法通过构建采样地图,稀疏了整个状态空间,使得求解效率更高,但往往无法获得全局最优解,且没有考虑动力学可行性。
针对无法获得最优解和没有考虑动力学可行的问题,派生出一些RRT(rapidlyexploring random tree,快速扩展随机树)算法的变式:如可以获得最短搜索路径的RRT*算法,由于RRT*算法后期收敛效率较低,派生出在一定区域内有针对性的优化路径的InformedRRT*算法,提高了算法效率。另外一方面,考虑动力学和运动学约束,派生出KinodynamicRRT*方法,以及考虑动态环境的AnytimeRRT*算法。这类算法常用于非结构化广阔场景的求解,不适用于有狭窄走廊的场景。
2、全局轨迹优化
全局规划规划出的路径还需要考虑舒适性和安全性。如果直接使用通过搜索和采样获得的路径,即使在考虑车辆动力学的情况下仍然不能完全满足舒适性和安全性要求。此时需要轨迹优化,通常采用Minimum snap或者Minimum jerk的优化方法,加上路径点约束,路径连续性约束,构造一个QP优化问题,来求解优化路径。但一般的QP求解后的路径可能会发生碰撞,解决由于一般QP优化发生碰撞的方法主要分为两种:基于硬约束的优化问题和基于软约束的优化问题。
基于硬约束的轨迹优化问题通常将轨迹约束在可通行的环境走廊内来优化轨迹,具有隐形优化轨迹生成时间的性质,但硬约束的轨迹优化对环境走廊中的点一视同仁,从而导致无法控制轨迹远离障碍物。基于软约束的轨迹优化问题则可以很好让轨迹趋向于远离障碍物,但基于软约束的轨迹优化问题由于将所有的约束都添加到代价函数中,因此导致了由于轨迹碰撞代价而不能利用QP求解器的问题。
3、局部路径规划
局部路径规划的任务是从车辆所在位置规划一条到达全局路径的路径,需要考虑障碍物以及车辆非完整性约束,目前较多的轨迹生成方式有:
纯跟踪方法:简单高效的生成一条从车辆当前位置到全局路径的满足车辆动力学约束的轨迹。缺点是生成线的形状没有显示的数学表达。
回旋线/样条曲线/多项式螺旋线:生成的线有显示数学表达,但不一定满足动力学约束。
在泊车过程中,采用上述的方法进行路径规划时,通常采用的是静态一次规划,即通过几何路径的方式,生成一次全局规划路径,然后再局部规划跟上该路径,这种路径规划方法对动态环境的适应性较差,一旦环境发生变化,障碍物移动等都会提升泊车失败的概率。
为了解决停车场环境存在动态移动的障碍物,车辆感知范围有限,且存在并未事先获得停车场的地图的情况(如来到一个陌生的停车场环境,并未来得及构建环境地图),考虑如何在动态环境中进行泊车出库操作。发明人经过研究发现,纯几何方法生成路径的效率高,计算耗时短。将hybridA*用于停车场地图已知的泊车,也很好的找到了泊车路径,但hybridA*计算耗时较长,不利于每个周期都运行。本发明实施例考虑将hybridA*与几何路径生成结合的方式来生成全局规划路径,局部路径针对动态障碍物采用采样方式规避部分障碍物,提高泊出成功率。
具体的,若直接使用hybridA*重新生成路径的话会耗时比较久。此处采用的策略是先用A*生成一条粗糙的路径,然后再平滑,但不能保证遇到动态障碍物时,这个是路径是完全没有碰撞的,再次使用A*耗时比较久,于是采用实时动态采样来应对动态障碍物造成的影响。
参照图1,本发明实施例提供了一种车辆泊出方法,可以包括:
S11、获取与车辆所在库位的库位类型以及所述车辆的当前位置均对应的全局规划路径。
本实施例中的库位类型分为两种,分别为水平库位和非水平库位,非水平库位又分为垂直库位和斜库位。
在实际应用中,不依赖于感知到的库位角点信息,仅根据全局参考路径和车辆的几何位置进行库位类型判断。根据全局参考路径和车辆的位置关系,判断车辆是否在库位内,若在库位内,根据全局参考路径距离车辆较近的点(已经换算到车辆坐标系下),来判断库位类型属于平行库位或垂直库位或斜库位。
对于不同的库位类型,其确定的全局规划路径的方式是不同的,现分别进行介绍。
1、在车辆所在库位的库位类型为非水平库位的情况下,参照图2,步骤S11可以包括:
S21、判断是否能够采集到距离车辆所在库位最近的目标道路的中心线;若是,执行步骤S22;若否,则结束。
对于非水平库位的泊出,这里考虑较为简单的情况,具体的,由于调整空间有限,考虑的工况为:车辆在库位内只能前向运动,在库位外可以倒车。
参照图3,首次全局路径生成时,人类驾驶泊出习惯一般是会先往前开,再转向,再回正。所述本实施例中,可以考虑采用几何路径生成的方式进行路径生成,具体的,首先通过车辆上安装的摄像头、雷达等设备,判断是否能够采集到距离车辆所在库位最近的目标道路的中心线,如图3中的车道中心线,一般情况下,是能够采集得到该车道中心线,但是在该道路上有障碍物,如行驶的车辆时,或者该车道线时间比较长,颜色较浅时,采集不到该车道中心线。
若是能够采集到该中心线,则基于所述车辆的当前位置与所述中心线,采用几何路径方式,生成初始全局规划路径,为了进一步的提升曲线的平顺性和安全性,采用上述的全局轨迹优化算法中的带软约束的minimumsnap优化方法对初始全局规划路径进行优化操作,得到全局规划路径。
具体的,基于MinimumSnap的软约束优化包括:
对一般的MinimumSnap优化问题而言,假设各段轨迹都是多项式,此处p为多项式系数,t为运动时间。
其中,i为多项式的次幂;T为时间点,(TM-1,TM)表示一段时间区间;fM(t)表示第M段的多项式;pM,i为系数;N为多项式的阶次;
需要满足平顺性约束,该约束包含以下部分:
起点和终点约束(包括位置,速度,加速度,冲击度)
k表示第k阶的导数。
中间路点位置约束。
连续性约束:即两段轨迹的连接点的各阶导数相等。
假设每段轨迹为一个7次多项式,则可以构造一个基本的等式约束方程。
但基本的MinimumSnap优化,并未考虑轨迹与障碍物的距离以及动力学限制(如加速度和速度阈值),需要添加一些额外的约束,如果通过软约束的形式对该轨迹进行优化,则其优化的代价函数如下:
J=Js+Jc+Jd
其中,第一项为上文中一般minimumsnap对应的代价项,该项主要控制路径的平顺性,也称为平顺性项。第二项为安全性指标,针对当先地图构建一个距离场地图,表示地图上各个点距离环境障碍物的距离,安全性指标是一个与距离呈负相关的函数,即距离越大,该项数值越小,距离障碍物越近,该项数值越大,第三项为动力学约束项,即计算出来的轨迹上的点需要受到速度或者加速度限制,如果防止由于过快的加速度和速度对乘坐人员造成的不适。
由于第二项和第三项为离散项,因此无法对该方程直接通过求导,求出方程的解析解,因此可以运用牛顿法或高斯法通过数值计算的方式求该方程的数值解。从而求出各段曲线多项式参数,获得一条光滑的无碰撞的轨迹。
在实际应用中,参考人类驾驶习惯生成一段直线加圆弧再连接到车道中心线上,作为全局规划路径。
2、在车辆所在库位的库位类型为水平库位的情况下,参照图3,步骤S11可以包括:
S31、获取已进行优化操作的参考全局规划路径。
平行库位泊出相比垂直库位较为复杂,在能够使用纯跟踪算法生成的一条全局规划路径时,采用纯跟踪算法生成的一条全局规划路径,并对该全局规划路径进行优化操作,具体优化操作,请参照上述相应说明,得到参考全局规划路径。若是不能使用纯跟踪算法生成的一条全局规划路径时,在库位内时就需要涉及档位切换,如果只考虑hybridA*可能无法符合人类驾驶习惯的完成水平泊出,因此,在库位内调整时考虑结合人类驾驶经验的hybridA*,在采用hybrid A*的同时,采用状态机切换,调整车辆向前和向后的运动,为了求解方便,此处的hybridA*只生成向前的运动轨迹,向后运动轨迹由预设的与库位类型相关的圆弧完成。
S32、在所述全局规划路径不完全位于所述车辆当前的可通行空间内的情况下,控制车辆倒车行驶,直至满足预设倒车停止条件时停止。
首先判断生成的直接由纯跟踪方法生成的路径的一定范围内是否与freespace有碰撞,如果没有碰撞时,可以直接采用纯跟踪算法生成的参考全局规划路径开出去。
一旦旁边库位有车辆或者无法直接通行时,以车道在车辆左侧的水平泊出为例,人类驾驶员会先倒车,然后再向前左打死方向盘,如果依然无法泊出,则向后右打死方向盘,再向前调整,需要增加一个倒车控制逻辑。
在实际应用中,如果该路径有碰撞,则先倒车一定距离,本实施例中,在倒车过程中,会在满足预设倒车停止条件时停止,其中,预设倒车停止条件可以是倒车了指定距离,或者是在倒车的过程中,距离可通行空间的最短距离小于预设距离阈值时停止,此时可以避免车辆在倒车过程中与障碍物等物体碰撞。
S33、基于所述车辆的当前位置,生成初始全局规划路径,并对所述初始全局规划路径进行优化操作,得到全局规划路径。
在车辆倒车停止后,基于所述车辆的当前位置,进行hybridA*前向路径搜索,得到初始全局规划路径,然后优化,得到全局规划路径。
S12、对所述全局规划路径进行采样,依据采样结果生成至少一条局部规划路径。
本实施例中,对于静态环境而言,直接生成一条路径,不需要考虑动力学约束,直接采用纯跟踪的方式跟随该轨迹即可。然而在实际运动过程中,停车场环境是有所变化的,不论是有车寻库还是有车出库,都有可能影响我们当前规划的路径。因此针对动态环境的泊车显得非常关键。
在生成全局轨迹后,对全局规划路径进行采样,生成一组局部规划路径,再对每一条局部规划路径进行判断,选择一条适合当前环境的局部规划路径。
S13、判断所述至少一条局部规划路径中是否存在参考局部规划路径;若是,执行步骤S14;若否,则结束。
本实施例中,定义参考局部规划路径为完全位于所述车辆当前的可通行空间内的局部规划路径。也就是说,在当前车辆的可通行空间内,为车辆规划的所有局部规划路径中,是否存在能够在当前的可通信空间内行驶的路径,若存在,则说明,当前规划的局部规划路径中,有可以使用的路径,若都不存在,则说明当前规划的局部规划路径中,没有可以使用的路径。
其中,判断为车辆规划的所有局部规划路径中,是否存在能够在当前的可通信空间内行驶的路径时,采用碰撞校验的方式,碰撞校验依赖于给出的可通行区域,freespace,并需要将其投影到车辆周围的栅格地图上,进行碰撞校验。
具体的,Freespace由融合模块给出,是围绕车辆周围360度的可通行区域,返回的是720个距离点,规划模块将这些点连接成线,并将其投影到车辆周围一定区域的栅格地图中,将车辆沿着局部路径生成box,并投影到栅格地图中,判断这些box中是否有freespace边界,如果这些box经过freespace边界则判断该点车辆会和freespace边界发生碰撞。
S14、按照预设规划路径选取规则,从所述参考局部规划路径中选出一条目标局部规划路径,并控制车辆按照所述目标局部规划路径行驶。
判断所生成的局部规划路径(前向轨迹簇)与freespace是否发生碰撞一般会遇到三种情况:
1)所有轨迹均与freespace碰撞,表明泊出失败,此时清空所有轨迹。且一段时间(为了防止由于一时的freespace误检导致清空所有局部规划路径,需要等待一段时间)后仍然没有符合条件的局部规划路径,则重新进行hybrid A*搜索,如果搜索不到则泊出失败,如果搜索到则重复上述过程。
2)仅有一条轨迹与freespace无碰撞,则该轨迹为安全轨迹,选择该轨迹作为目标局部规划轨迹下发给控制层。
3)当有多条轨迹与freespace无碰撞,则这些轨迹为可选轨迹,此时需要一个价值函数,来选择一条无碰撞,靠近全局参考路径,离freespace尽量远的路径,且需要考虑车辆的舒适性,两次轨迹之间的横向偏差不宜过大。
本实施例中,在参考局部规划路径为多条时,需要从中选择出一条较优的参考局部规划路径,并确定为目标局部规划路径,在选择过程中,可以使用预设规划路径选取规则,预设规划路径选取规则可以是选择出与全局规划路径最接近、且与上一次行驶的局部规划路径的横向偏差不大于预设阈值的参考局部规划路径。
在选择出目标局部规划路径后,控制车辆按照所述目标局部规划路径行驶即可。
S15、控制车辆执行与所述库位类型对应的预设车辆动作。
在实际应用中,若是判断出所述至少一条局部规划路径中不存在参考局部规划路径的情况下,依据库位类型的不同,执行不同的预设车辆动作。
在实际应用中,在车辆所在库位的库位类型为非水平库位的情况下,控制车辆执行与所述库位类型对应的预设车辆动作是指控制车辆停止行驶。
在车辆所在库位的库位类型为水平库位的情况下,控制车辆执行与所述库位类型对应的预设车辆动作是指:控制车辆倒车行驶,并在满足所述预设倒车停止条件时停止倒车。
本实施例中的预设倒车停止条件与上述的预设倒车停止条件相同,参照上述相应部分的解释说明。
在成功执行步骤S15后,会返回执行步骤S11。需要说明的是,若是非水平库位,参照图6,当车辆运动到库位外时,且被障碍物逼停,在几何参考路径下无法生成泊车所需要的局部采样轨迹时,考虑停车进行hybridA*的全局路径搜索。
若是水平库位,在实际往前行驶,直到遇到障碍物或与freespace发生碰撞,则再用几何方法生成倒车圆弧轨迹,行驶一段长度或发生碰撞后,再进行hybridA*前向路径搜索,然后优化,最后生成采样路径组,如果采样路径组存在一条与freespace无碰撞的局部规划路线,则往前行驶,于此循环往复,直到车辆泊出或前后调整超过一定次数。
其中,参照图7,进行hybridA*前向路径搜索是指:
选择车道中心线上一定距离没有障碍物的点作为全局规划路径的终点,将车辆运动学方程用于生成hybridA*的子节点,并根据栅格地图对投射在一个格子内或freespace的节点进行裁剪,最终当搜索到距离终点一定距离时,采用Reedssheep曲线生成一条从当前位置到期望位姿的探索节点,一旦找到该节点则停止搜索,极大程度的减少了hybridA*的运行时间。当存在可使用的曲线(如图7中右边那条延伸到车道中心线的曲线)时,即很快的找到了路径,提高了搜索的效率。
需要说明的是,在库位外行驶但没有到达期望泊出点时,遇到动态障碍物,如其他寻库车辆,当障碍物速度较高时停车等待,当障碍物低速或运动到一定位置停止时,本车运用hybridA*搜索路径,注意在库位外的hybridA*增加了倒车轨迹的生成。
S16、判断是否满足预设泊车出库停止条件;若是,则结束;若否,则返回执行步骤S11。
本实施例中的,预设泊车出库停止条件可以是档位切换次数小于限制值,当档位切换次数(D档到R档为一次)超过一定限制值时,车辆还未到达指定位置,则判断泊出失败。
综上可知,对于非水平库位,在第一次生成泊出路径时,用几何方式生成一条全局规划路径,再通过局部采样生成局部采样路径组,接着对局部采样路径根据freespace筛选,沿着局部路径行驶,如果满足泊出完成条件则退出泊出逻辑。如果遭遇障碍物且局部采样路径组全部与障碍物发生碰撞,则用hybridA*搜索出一条全局路径,再采用软约束的路径优化方法进行全局路径优化,获得一条更加平顺安全的全局轨迹,通过局部采样生成局部采样路径组,接着对局部采样路径根据freespace筛选,沿着局部路径行驶,如果满足泊出完成条件则退出泊出逻辑。
对于水平库位,首先判断生成的直接由纯跟踪生成的路径的一定范围内是否与freespace有碰撞,如果没有碰撞,则直接以该路径作为当前规划路径,直接泊出。如果该路径有碰撞,则先倒车一定距离,再进行hybridA*前向路径搜索,然后优化,最后生成采样路径组,如果采样路径组存在一条与freespace无碰撞的局部规划路线,则往前行驶,直到遇到障碍物或与freespace发生碰撞,则再用几何方法生成倒车圆弧轨迹,行驶一段长度或发生碰撞后,再进行hybridA*前向路径搜索,然后优化,最后生成采样路径组,如果采样路径组存在一条与freespace无碰撞的局部规划路线,则往前行驶,于此循环往复,直到车辆泊出或前后调整超过一定次数。
本实施例中,在进行车辆泊车出库时,会判断生成的局部规划路径是否完全位于车辆的可通行空间内,由于车辆的可通行空间已经排除了障碍物所在的区域,若存在至少一条局部规划路径完全位于可通行空间内,则说明确定的局部规划路径是不会与障碍物发生碰撞的行驶路线,则按照选取的局部规划路径控制车辆行驶。若是每一局部规划路径均不完全位于车辆的可通行空间内,则说明当前生成的局部规划路径不适合当前车辆的所在行驶环境,此时控制车辆执行与所述库位类型对应的预设车辆动作,然后重复上述步骤,直到满足预设泊车出库停止条件时停止。本发明中,能够实时判断生成的局部规划路径是否位于可通行空间内,并依据判断结果执行相应操作,能够保证车辆在泊车出库的过程中,避开障碍物,保证车辆能够安全的泊车出库。
另外,本发明应用于智能驾驶技术领域,主要解决了车辆在动态停车场环境中,从库位里泊车出库到车道上的问题。在智能车辆行驶时,依据地图先验知识与车载传感器获取车道信息和车辆周围可通行区域(freespace)信息进行泊车出库的路径规划,从而在动态环境下为智能车辆提供安全高效的通行方案。
可选地,在上述车辆泊出方法的实施例的基础上,本发明的另一实施例提供了一种车辆泊出装置,包括:
路径获取模块11,用于获取与车辆所在库位的库位类型以及所述车辆的当前位置均对应的全局规划路径;
路径采样模块12,用于对所述全局规划路径进行采样,依据采样结果生成至少一条局部规划路径;
行驶控制模块13,用于在判断出所述至少一条局部规划路径中存在参考局部规划路径的情况下,按照预设规划路径选取规则,从所述参考局部规划路径中选出一条目标局部规划路径,并控制车辆按照所述目标局部规划路径行驶;所述参考局部规划路径为完全位于所述车辆当前的可通行空间内的局部规划路径;在判断出所述至少一条局部规划路径中不存在参考局部规划路径的情况下,控制车辆执行与所述库位类型对应的预设车辆动作;
所述路径获取模块11还用于:在所述车辆成功执行所述预设车辆动作后,获取与车辆所在库位的库位类型以及所述车辆的当前位置均对应的全局规划路径;
判断模块14,用于判断是否满足预设泊车出库停止条件;若是,则停止;
所述路径获取模块11还用于:在所述判断模块判断出不满足预设泊车出库停止条件后,获取与车辆所在库位的库位类型以及所述车辆的当前位置均对应的全局规划路径。
进一步,所述路径获取模块具体用于:
在车辆所在库位的库位类型为非水平库位的情况下,判断是否能够采集到距离车辆所在库位最近的目标道路的中心线;若能够采集到,则基于所述车辆的当前位置与所述中心线,采用几何路径方式,生成初始全局规划路径;对所述初始全局规划路径进行优化操作,得到全局规划路径。
进一步,所述行驶控制模块用于控制车辆执行与所述库位类型对应的预设车辆动作时,具体用于:
控制车辆停止行驶。
进一步,所述路径获取模块具体用于:
在车辆所在库位的库位类型为水平库位的情况下,获取已进行优化操作的参考全局规划路径;在所述全局规划路径不完全位于所述车辆当前的可通行空间内的情况下,控制车辆倒车行驶,直至满足预设倒车停止条件时停止;基于所述车辆的当前位置,生成初始全局规划路径,并对所述初始全局规划路径进行优化操作,得到全局规划路径。
进一步,所述行驶控制模块用于控制车辆执行与所述库位类型对应的预设车辆动作时,具体用于:
控制车辆倒车行驶,并在满足所述预设倒车停止条件时停止倒车。
本实施例中,在进行车辆泊车出库时,会判断生成的局部规划路径是否完全位于车辆的可通行空间内,由于车辆的可通行空间已经排除了障碍物所在的区域,若存在至少一条局部规划路径完全位于可通行空间内,则说明确定的局部规划路径是不会与障碍物发生碰撞的行驶路线,则按照选取的局部规划路径控制车辆行驶。若是每一局部规划路径均不完全位于车辆的可通行空间内,则说明当前生成的局部规划路径不适合当前车辆的所在行驶环境,此时控制车辆执行与所述库位类型对应的预设车辆动作,然后重复上述步骤,直到满足预设泊车出库停止条件时停止。本发明中,能够实时判断生成的局部规划路径是否位于可通行空间内,并依据判断结果执行相应操作,能够保证车辆在泊车出库的过程中,避开障碍物,保证车辆能够安全的泊车出库。
需要说明的是,本实施例中的各个模块的工作过程,请参照上述实施例中的相应说明,在此不再赘述。
可选地,在上述车辆泊出方法及装置的实施例的基础上,本发明的另一实施例提供了一种电子设备,包括:存储器和处理器;
其中,所述存储器用于存储程序;
处理器调用程序并用于:
获取与车辆所在库位的库位类型以及所述车辆的当前位置均对应的全局规划路径;
对所述全局规划路径进行采样,依据采样结果生成至少一条局部规划路径;
在判断出所述至少一条局部规划路径中存在参考局部规划路径的情况下,按照预设规划路径选取规则,从所述参考局部规划路径中选出一条目标局部规划路径,并控制车辆按照所述目标局部规划路径行驶;所述参考局部规划路径为完全位于所述车辆当前的可通行空间内的局部规划路径;
在判断出所述至少一条局部规划路径中不存在参考局部规划路径的情况下,控制车辆执行与所述库位类型对应的预设车辆动作,并在所述车辆成功执行所述预设车辆动作后,返回所述获取与车辆所在库位的库位类型以及所述车辆的当前位置均对应的全局规划路径的步骤,并顺序执行,直至满足预设泊车出库停止条件时停止。
需要说明的是,处理器除了执行本实施例中的方法外,还执行上述的车辆泊出方法中的其他方法步骤。
本实施例中,在进行车辆泊车出库时,会判断生成的局部规划路径是否完全位于车辆的可通行空间内,由于车辆的可通行空间已经排除了障碍物所在的区域,若存在至少一条局部规划路径完全位于可通行空间内,则说明确定的局部规划路径是不会与障碍物发生碰撞的行驶路线,则按照选取的局部规划路径控制车辆行驶。若是每一局部规划路径均不完全位于车辆的可通行空间内,则说明当前生成的局部规划路径不适合当前车辆的所在行驶环境,此时控制车辆执行与所述库位类型对应的预设车辆动作,然后重复上述步骤,直到满足预设泊车出库停止条件时停止。本发明中,能够实时判断生成的局部规划路径是否位于可通行空间内,并依据判断结果执行相应操作,能够保证车辆在泊车出库的过程中,避开障碍物,保证车辆能够安全的泊车出库。
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)
1.一种车辆泊出方法,其特征在于,包括:
获取全局规划路径;所述全局规划路径与车辆所在库位的库位类型以及所述车辆的当前位置均对应;
对所述全局规划路径进行采样,依据采样结果生成至少一条局部规划路径;
在判断出所述至少一条局部规划路径中存在参考局部规划路径的情况下,按照预设规划路径选取规则,从所述参考局部规划路径中选出一条目标局部规划路径,并控制车辆按照所述目标局部规划路径行驶;所述参考局部规划路径为完全位于所述车辆当前的可通行空间内的局部规划路径;
在判断出所述至少一条局部规划路径中不存在参考局部规划路径的情况下,控制车辆执行与所述库位类型对应的预设车辆动作,并在所述车辆成功执行所述预设车辆动作后,返回所述获取全局规划路径的步骤,并顺序执行,直至满足预设泊车出库停止条件时停止。
2.根据权利要求1所述的车辆泊出方法,其特征在于,获取全局规划路径,包括:
在车辆所在库位的库位类型为非水平库位的情况下,判断是否能够采集到距离车辆所在库位最近的目标道路的中心线;
若能够采集到,则基于所述车辆的当前位置与所述中心线,采用几何路径方式,生成初始全局规划路径;
对所述初始全局规划路径进行优化操作,得到全局规划路径。
3.根据权利要求2所述的车辆泊出方法,其特征在于,控制车辆执行与所述库位类型对应的预设车辆动作,包括:
控制车辆停止行驶。
4.根据权利要求1所述的车辆泊出方法,其特征在于,获取全局规划路径,包括:
在车辆所在库位的库位类型为水平库位的情况下,获取已进行优化操作的参考全局规划路径;
在所述全局规划路径不完全位于所述车辆当前的可通行空间内的情况下,控制车辆倒车行驶,直至满足预设倒车停止条件时停止;
基于所述车辆的当前位置,生成初始全局规划路径,并对所述初始全局规划路径进行优化操作,得到全局规划路径。
5.根据权利要求4所述的车辆泊出方法,其特征在于,控制车辆执行与所述库位类型对应的预设车辆动作,包括:
控制车辆倒车行驶,并在满足所述预设倒车停止条件时停止倒车。
6.一种车辆泊出装置,其特征在于,包括:
路径获取模块,用于获取全局规划路径;所述全局规划路径与车辆所在库位的库位类型以及所述车辆的当前位置均对应;
路径采样模块,用于对所述全局规划路径进行采样,依据采样结果生成至少一条局部规划路径;
行驶控制模块,用于在判断出所述至少一条局部规划路径中存在参考局部规划路径的情况下,按照预设规划路径选取规则,从所述参考局部规划路径中选出一条目标局部规划路径,并控制车辆按照所述目标局部规划路径行驶;所述参考局部规划路径为完全位于所述车辆当前的可通行空间内的局部规划路径;在判断出所述至少一条局部规划路径中不存在参考局部规划路径的情况下,控制车辆执行与所述库位类型对应的预设车辆动作;
所述路径获取模块还用于:在所述车辆成功执行所述预设车辆动作后,获取与车辆所在库位的库位类型以及所述车辆的当前位置均对应的全局规划路径;
判断模块,用于判断是否满足预设泊车出库停止条件;若是,则停止;
所述路径获取模块还用于:在所述判断模块判断出不满足预设泊车出库停止条件后,获取全局规划路径。
7.根据权利要求6所述的车辆泊出装置,其特征在于,所述路径获取模块具体用于:
在车辆所在库位的库位类型为非水平库位的情况下,判断是否能够采集到距离车辆所在库位最近的目标道路的中心线;若能够采集到,则基于所述车辆的当前位置与所述中心线,采用几何路径方式,生成初始全局规划路径;对所述初始全局规划路径进行优化操作,得到全局规划路径。
8.根据权利要求7所述的车辆泊出装置,其特征在于,所述行驶控制模块用于控制车辆执行与所述库位类型对应的预设车辆动作时,具体用于:
控制车辆停止行驶。
9.根据权利要求6所述的车辆泊出装置,其特征在于,所述路径获取模块具体用于:
在车辆所在库位的库位类型为水平库位的情况下,获取已进行优化操作的参考全局规划路径;在所述全局规划路径不完全位于所述车辆当前的可通行空间内的情况下,控制车辆倒车行驶,直至满足预设倒车停止条件时停止;基于所述车辆的当前位置,生成初始全局规划路径,并对所述初始全局规划路径进行优化操作,得到全局规划路径。
10.一种电子设备,其特征在于,包括:存储器和处理器;
其中,所述存储器用于存储程序;
处理器调用程序并用于:
获取全局规划路径;所述全局规划路径与车辆所在库位的库位类型以及所述车辆的当前位置均对应;
对所述全局规划路径进行采样,依据采样结果生成至少一条局部规划路径;
在判断出所述至少一条局部规划路径中存在参考局部规划路径的情况下,按照预设规划路径选取规则,从所述参考局部规划路径中选出一条目标局部规划路径,并控制车辆按照所述目标局部规划路径行驶;所述参考局部规划路径为完全位于所述车辆当前的可通行空间内的局部规划路径;
在判断出所述至少一条局部规划路径中不存在参考局部规划路径的情况下,控制车辆执行与所述库位类型对应的预设车辆动作,并在所述车辆成功执行所述预设车辆动作后,返回所述获取全局规划路径的步骤,并顺序执行,直至满足预设泊车出库停止条件时停止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011015491.9A CN112092810B (zh) | 2020-09-24 | 2020-09-24 | 一种车辆泊出方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011015491.9A CN112092810B (zh) | 2020-09-24 | 2020-09-24 | 一种车辆泊出方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112092810A true CN112092810A (zh) | 2020-12-18 |
CN112092810B CN112092810B (zh) | 2022-06-14 |
Family
ID=73755386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011015491.9A Active CN112092810B (zh) | 2020-09-24 | 2020-09-24 | 一种车辆泊出方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112092810B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113147743A (zh) * | 2021-04-27 | 2021-07-23 | 东风汽车集团股份有限公司 | 自动泊车方法、系统及存储介质 |
CN114153210A (zh) * | 2021-12-01 | 2022-03-08 | 苏州盈科电子有限公司 | 机器人的移动控制方法及系统 |
CN115092141A (zh) * | 2022-06-23 | 2022-09-23 | 哈尔滨工业大学 | 应用于自动驾驶车辆变道超车的轨迹规划方法及设备 |
CN117901850A (zh) * | 2024-03-20 | 2024-04-19 | 北京理工大学 | 一种非结构化场景自主泊车轨迹规划方法及相关装置 |
Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101077578A (zh) * | 2007-07-03 | 2007-11-28 | 北京控制工程研究所 | 一种基于二元环境信息的移动机器人局部路径规划方法 |
CN101943916A (zh) * | 2010-09-07 | 2011-01-12 | 陕西科技大学 | 一种基于卡尔曼滤波器预测的机器人避障方法 |
DE102009028992A1 (de) * | 2009-08-28 | 2011-03-03 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bestimmung der Position eines Hindernisses relativ zu einem Fahrzeug, insbesondere einem Kraftfahrzeug, zur Verwendung in einem Fahrerassistenzsystem des Fahrzeuges |
CN102598080A (zh) * | 2010-04-12 | 2012-07-18 | 丰田自动车株式会社 | 车辆远程操作系统以及车载机器 |
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
CN103241239A (zh) * | 2013-04-27 | 2013-08-14 | 重庆邮电大学 | 一种自动泊车系统车位识别方法 |
CN104260722A (zh) * | 2014-09-23 | 2015-01-07 | 北京理工大学 | 一种自动泊车系统 |
CN104354656A (zh) * | 2014-10-20 | 2015-02-18 | 同济大学 | 智能泊车系统的障碍物检测与库位判别方法及实现系统 |
US20160129907A1 (en) * | 2014-11-12 | 2016-05-12 | Hyundai Motor Company | Driving path planning apparatus and method for autonomous vehicle |
DE102014224073A1 (de) * | 2014-11-26 | 2016-06-02 | Robert Bosch Gmbh | Server zum Betreiben eines Parkplatzes |
CN105764773A (zh) * | 2013-08-29 | 2016-07-13 | 罗伯特·博世有限公司 | 用于控制车辆的方法 |
CN106251016A (zh) * | 2016-08-01 | 2016-12-21 | 南通大学 | 一种基于动态时间窗的泊车系统路径规划方法 |
CN106553645A (zh) * | 2016-11-30 | 2017-04-05 | 浙江吉利控股集团有限公司 | 自动泊车控制系统及基于该系统的控制方法 |
CN108068827A (zh) * | 2017-12-28 | 2018-05-25 | 清华大学苏州汽车研究院(吴江) | 一种车载超声波传感器系统 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
CN108622083A (zh) * | 2017-03-15 | 2018-10-09 | 本田技研工业株式会社 | 泊车辅助装置 |
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 |
CN109311443A (zh) * | 2016-07-01 | 2019-02-05 | 歌乐株式会社 | 停车辅助装置 |
CN109606354A (zh) * | 2018-10-18 | 2019-04-12 | 同济大学 | 一种基于分层规划的自动泊车方法及辅助系统 |
CN109798911A (zh) * | 2019-02-28 | 2019-05-24 | 北京智行者科技有限公司 | 一种用于代客泊车的全局路径规划方法 |
CN109814557A (zh) * | 2019-01-23 | 2019-05-28 | 西北工业大学 | 一种全局规划器主导的机器人路径规划方法 |
CN109895764A (zh) * | 2018-06-29 | 2019-06-18 | 华为技术有限公司 | 确定自动泊车策略的方法和装置 |
CN110562244A (zh) * | 2019-08-07 | 2019-12-13 | 武汉乐庭软件技术有限公司 | 一种基于目标停车位出库的自动泊车轨迹规划方法 |
CN110766220A (zh) * | 2019-10-21 | 2020-02-07 | 湖南大学 | 一种结构化道路局部路径规划方法 |
CN111152784A (zh) * | 2020-01-07 | 2020-05-15 | 江苏大学 | 一种智能代客泊车局部路径规划方法 |
CN111169470A (zh) * | 2020-01-06 | 2020-05-19 | 上海汽车集团股份有限公司 | 一种自动泊车方法、装置及电子设备 |
CN111196271A (zh) * | 2020-01-21 | 2020-05-26 | 北京百度网讯科技有限公司 | 自动泊车方法、装置、设备及存储介质 |
CN111301409A (zh) * | 2020-03-11 | 2020-06-19 | 中国第一汽车股份有限公司 | 一种泊车路径规划方法、装置、车辆和存储介质 |
CN111552284A (zh) * | 2020-04-20 | 2020-08-18 | 宁波吉利汽车研究开发有限公司 | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 |
CN111639811A (zh) * | 2020-06-01 | 2020-09-08 | 中国农业大学 | 基于改进蚁群算法的多农机协同作业远程管理调度方法 |
-
2020
- 2020-09-24 CN CN202011015491.9A patent/CN112092810B/zh active Active
Patent Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101077578A (zh) * | 2007-07-03 | 2007-11-28 | 北京控制工程研究所 | 一种基于二元环境信息的移动机器人局部路径规划方法 |
DE102009028992A1 (de) * | 2009-08-28 | 2011-03-03 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bestimmung der Position eines Hindernisses relativ zu einem Fahrzeug, insbesondere einem Kraftfahrzeug, zur Verwendung in einem Fahrerassistenzsystem des Fahrzeuges |
CN102598080A (zh) * | 2010-04-12 | 2012-07-18 | 丰田自动车株式会社 | 车辆远程操作系统以及车载机器 |
CN101943916A (zh) * | 2010-09-07 | 2011-01-12 | 陕西科技大学 | 一种基于卡尔曼滤波器预测的机器人避障方法 |
CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
CN103241239A (zh) * | 2013-04-27 | 2013-08-14 | 重庆邮电大学 | 一种自动泊车系统车位识别方法 |
CN105764773A (zh) * | 2013-08-29 | 2016-07-13 | 罗伯特·博世有限公司 | 用于控制车辆的方法 |
CN104260722A (zh) * | 2014-09-23 | 2015-01-07 | 北京理工大学 | 一种自动泊车系统 |
CN104354656A (zh) * | 2014-10-20 | 2015-02-18 | 同济大学 | 智能泊车系统的障碍物检测与库位判别方法及实现系统 |
US20160129907A1 (en) * | 2014-11-12 | 2016-05-12 | Hyundai Motor Company | Driving path planning apparatus and method for autonomous vehicle |
DE102014224073A1 (de) * | 2014-11-26 | 2016-06-02 | Robert Bosch Gmbh | Server zum Betreiben eines Parkplatzes |
CN109311443A (zh) * | 2016-07-01 | 2019-02-05 | 歌乐株式会社 | 停车辅助装置 |
CN106251016A (zh) * | 2016-08-01 | 2016-12-21 | 南通大学 | 一种基于动态时间窗的泊车系统路径规划方法 |
CN106553645A (zh) * | 2016-11-30 | 2017-04-05 | 浙江吉利控股集团有限公司 | 自动泊车控制系统及基于该系统的控制方法 |
CN108622083A (zh) * | 2017-03-15 | 2018-10-09 | 本田技研工业株式会社 | 泊车辅助装置 |
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 |
CN108088456A (zh) * | 2017-12-21 | 2018-05-29 | 北京工业大学 | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 |
CN108068827A (zh) * | 2017-12-28 | 2018-05-25 | 清华大学苏州汽车研究院(吴江) | 一种车载超声波传感器系统 |
CN109895764A (zh) * | 2018-06-29 | 2019-06-18 | 华为技术有限公司 | 确定自动泊车策略的方法和装置 |
CN109606354A (zh) * | 2018-10-18 | 2019-04-12 | 同济大学 | 一种基于分层规划的自动泊车方法及辅助系统 |
CN109814557A (zh) * | 2019-01-23 | 2019-05-28 | 西北工业大学 | 一种全局规划器主导的机器人路径规划方法 |
CN109798911A (zh) * | 2019-02-28 | 2019-05-24 | 北京智行者科技有限公司 | 一种用于代客泊车的全局路径规划方法 |
CN110562244A (zh) * | 2019-08-07 | 2019-12-13 | 武汉乐庭软件技术有限公司 | 一种基于目标停车位出库的自动泊车轨迹规划方法 |
CN110766220A (zh) * | 2019-10-21 | 2020-02-07 | 湖南大学 | 一种结构化道路局部路径规划方法 |
CN111169470A (zh) * | 2020-01-06 | 2020-05-19 | 上海汽车集团股份有限公司 | 一种自动泊车方法、装置及电子设备 |
CN111152784A (zh) * | 2020-01-07 | 2020-05-15 | 江苏大学 | 一种智能代客泊车局部路径规划方法 |
CN111196271A (zh) * | 2020-01-21 | 2020-05-26 | 北京百度网讯科技有限公司 | 自动泊车方法、装置、设备及存储介质 |
CN111301409A (zh) * | 2020-03-11 | 2020-06-19 | 中国第一汽车股份有限公司 | 一种泊车路径规划方法、装置、车辆和存储介质 |
CN111552284A (zh) * | 2020-04-20 | 2020-08-18 | 宁波吉利汽车研究开发有限公司 | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 |
CN111639811A (zh) * | 2020-06-01 | 2020-09-08 | 中国农业大学 | 基于改进蚁群算法的多农机协同作业远程管理调度方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113147743A (zh) * | 2021-04-27 | 2021-07-23 | 东风汽车集团股份有限公司 | 自动泊车方法、系统及存储介质 |
CN114153210A (zh) * | 2021-12-01 | 2022-03-08 | 苏州盈科电子有限公司 | 机器人的移动控制方法及系统 |
CN114153210B (zh) * | 2021-12-01 | 2024-03-19 | 苏州盈科电子有限公司 | 机器人的移动控制方法及系统 |
CN115092141A (zh) * | 2022-06-23 | 2022-09-23 | 哈尔滨工业大学 | 应用于自动驾驶车辆变道超车的轨迹规划方法及设备 |
CN117901850A (zh) * | 2024-03-20 | 2024-04-19 | 北京理工大学 | 一种非结构化场景自主泊车轨迹规划方法及相关装置 |
CN117901850B (zh) * | 2024-03-20 | 2024-05-14 | 北京理工大学 | 一种非结构化场景自主泊车轨迹规划方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112092810B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112092810B (zh) | 一种车辆泊出方法、装置及电子设备 | |
CN114234998B (zh) | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 | |
CN112590775B (zh) | 一种自动泊车方法、装置、车辆及存储介质 | |
CN111397622B (zh) | 基于改进A*算法与Morphin算法的智能汽车局部路径规划方法 | |
CN103823466A (zh) | 一种动态环境下移动机器人路径规划方法 | |
CN112256034B (zh) | 自主避障规划方法和装置 | |
CN111152784B (zh) | 一种智能代客泊车局部路径规划方法 | |
CN113895463B (zh) | 一种适用于自动驾驶车辆掉头的路径规划方法 | |
WO2022062349A1 (zh) | 车辆控制方法、设备、存储介质和电子装置 | |
KR20210121595A (ko) | 최적 경로 탐색 장치 및 이의 동작 방법 | |
CN112965476A (zh) | 一种基于多窗口抽样的高速无人车轨迹规划系统及方法 | |
CN117341683B (zh) | 一种基于多目标识别的车辆动态轨迹拟合避障方法及系统 | |
CN115077553A (zh) | 基于栅格搜索轨迹规划方法、系统、汽车、设备及介质 | |
CN112269381A (zh) | 基于改进人工鱼群算法的移动机器人路径规划方法 | |
CN114995415B (zh) | 一种基于时空可达集理论的自动驾驶汽车轨迹规划方法 | |
CN114594756A (zh) | 动态障碍环境下的多车协同编队控制方法、终端及介质 | |
CN111891137B (zh) | 一种自动驾驶窄路掉头方法、系统以及车辆 | |
Zhang et al. | Improved occlusion scenario coverage with a POMDP-based behavior planner for autonomous urban driving | |
CN115309163A (zh) | 基于改进方向评价函数dwa算法的局部路径规划方法 | |
CN112441089B (zh) | 列车调度控制方法、平台及系统、智能车厢和介质 | |
CN113335312A (zh) | 一种绕障行驶方法、装置、电子设备及介质 | |
CN115657548A (zh) | 一种基于模型预测控制和强化学习融合的自动泊车决策方法 | |
CN115840454A (zh) | 非结构化道路冲突区域的多车轨迹协同规划方法及装置 | |
CN113173161B (zh) | 一种基于迭代预测模型的障碍物碰撞距离计算方法 | |
CN114764243A (zh) | 一种无人车路径规划方法及系统 |
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 |