CN112581790B - 车辆避障的方法、装置、计算设备和存储介质 - Google Patents

车辆避障的方法、装置、计算设备和存储介质 Download PDF

Info

Publication number
CN112581790B
CN112581790B CN201910940623.XA CN201910940623A CN112581790B CN 112581790 B CN112581790 B CN 112581790B CN 201910940623 A CN201910940623 A CN 201910940623A CN 112581790 B CN112581790 B CN 112581790B
Authority
CN
China
Prior art keywords
obstacle
vehicle
time
path
action
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
Application number
CN201910940623.XA
Other languages
English (en)
Other versions
CN112581790A (zh
Inventor
于宁
朱帆
薛晶晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910940623.XA priority Critical patent/CN112581790B/zh
Publication of CN112581790A publication Critical patent/CN112581790A/zh
Application granted granted Critical
Publication of CN112581790B publication Critical patent/CN112581790B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/166Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

根据本公开的实施例,提供了车辆避障的方法、装置、计算设备和存储介质。一种车辆避障的方法包括感测用于所述车辆的自动驾驶的规划路径中的可移动的障碍物;预测所述障碍物的与时间有关的运动轨迹;至少部分地基于所预测的所述障碍物的所述运动轨迹,确定将要由所述车辆执行的动作,所述动作包括以下中的一项:忽略所述障碍物并且沿着所述规划路径行驶,沿着新的规划路径行驶以绕过所述障碍物,以及停车等待。这种避障方式更加高效、灵活且安全。

Description

车辆避障的方法、装置、计算设备和存储介质
技术领域
本公开的实施例总体上涉及计算机技术领域,并且更具体地涉及自动驾驶技术。
背景技术
自动驾驶(也称为无人驾驶)技术是近年来新兴的技术。在自动驾驶车辆行驶的过程中经常会遇到各种各样的障碍物,例如,行人、动物、行驶或停放的车辆、锥桶、路边灌木和草丛、石头以及道路设施等等。自动驾驶车辆需要对这些障碍物进行避让或绕行,以便顺利通过相应路段。特别是,在自动驾驶车辆的实际演示和运营中常见的调头场景中,需要对障碍物进行应对处理,以提高车辆调头的成功率。
发明内容
根据本公开的实施例,提供了车辆避障的方法、装置、计算设备和计算机可读存储介质。
在本公开的第一方面中,提供了一种车辆避障的方法。该方法包括:确定所述车辆的预定路径中的可移动的障碍物;确定所述障碍物当前处于静止状态还是运动状态;根据所述障碍物当前处于所述运动状态,预测所述障碍物的与时间相关的运动轨迹;至少部分地基于所述车辆的与时间相关的运动轨迹和所预测的所述障碍物的所述运动轨迹,确定所述车辆在所述预定路径中与所述障碍物碰撞的可能性;以及至少部分地基于所述碰撞的所述可能性,确定所述车辆将采取的动作,所述动作包括以下中的一项:忽略所述障碍物并且沿着所述预定路径行驶,沿着新的路径行驶以绕过所述障碍物,以及停车等待。
在本公开的第二方面中,提供了用于车辆避障的装置。该装置包括:障碍物确定模块,被配置为确定所述车辆的预定路径中的可移动的障碍物;状态确定模块,被配置为确定所述障碍物当前处于静止状态还是运动状态;轨迹预测模块,被配置为根据所述障碍物当前处于所述运动状态,预测所述障碍物的与时间相关的运动轨迹;碰撞确定模块,被配置为至少部分地基于所述车辆的与时间相关的运动轨迹和所预测的所述障碍物的所述运动轨迹,确定所述车辆在所述预定路径中与所述障碍物碰撞的可能性;以及动作确定模块,被配置为至少部分地基于所述碰撞的所述可能性,确定所述车辆将采取的动作,所述动作包括以下中的一项:忽略所述障碍物并且沿着所述预定路径行驶,沿着新的路径行驶以绕过所述障碍物,以及停车等待。
在本公开的第三方面中,提供了一种计算设备,包括一个或多个处理器;以及存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使计算设备执行根据本公开的第一方面的方法。
在本公开的第四方面中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现根据本公开的第一方面的方法。
在本公开的第五方面中,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开的第一方面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素,其中:
图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图;
图2示出了根据本公开的一些实施例的由计算设备控制车辆的自动驾驶的系统的框图;
图3根据本公开的一些实施例的用于车辆避障的方法的流程图;
图4根据本公开的一些实施例的用于车辆避障的装置的流程图;以及
图5示出了能够实施本公开的多个实施例的设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
在本公开的实施例的描述中,术语“包括”及其类似用语应当理解为开放性包含,即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
在自动驾驶车辆行驶的过程中,需要对各种各样的障碍物进行应对处理,以便顺利通过相应路段。例如,对于在自动驾驶车辆的实际演示和运营常见的调头场景,一种传统的调头避障方式是基于全局坐标系。全局坐标系例如是世界坐标系统,诸如地球大地系统(World Geodetic System 1984,简称“WGS-84”)坐标系、通用横轴横墨卡托(UniversalTransverse Mercartor,简称为“UTM”)坐标系等等。该避障方式将车辆和障碍物都投射到全局坐标系中,并且在车辆和障碍物外部加缓冲框,以防止碰撞。如果车辆按照既定路线行驶时存在安全风险,则可以采用停车避让或绕行的处理方式。
这种避障方式没有考虑到障碍物的类型。在实际中,自动驾驶车辆在调头过程中会遇到各种类型的障碍物,包括具有可移动属性的障碍物,诸如行人、动物和行驶的车辆等等,还包括不具有可移动属性的障碍物,诸如锥桶、路边灌木和草丛以及石头等等。
本公开的实施例提出了一种车辆避障的方案,该方案考虑了障碍物的可移动属性。根据该方案,在确定具有可移动属性的障碍物存在于车辆的预定规划路径中之后,确定障碍物当前的动静状态。如果障碍物处于运动状态,则预测障碍物的与时间相关的运动轨迹,并且根据车辆的与时间相关的运动轨迹和所预测的障碍物的运动轨迹,确定车辆与障碍物碰撞的可能性。继而,基于碰撞的可能性,确定车辆将执行的动作,包括忽略所述障碍物并且沿着所述规划路径行驶,沿着新的规划路径行驶以绕过所述障碍物,以及停车等待中的一种动作。
根据本公开的实施例的车辆避障的方案综合考虑了障碍物的可移动属性以及障碍物的动静状态,来确定障碍物与车辆碰撞的可能性,并且采取相应的动作。这种避障方式更加高效、灵活且安全。
图1示出了本公开的实施例能够在其中实现的示例环境100的示意图。
如所示出的,在环境100的示例中,车辆110正在道路115上行驶。应当理解,图1所示的环境100仅是车辆可能在其中行驶的一种示例环境。除了在室外道路上行驶之外,车辆还可能在隧道、室外停车场、建筑内部(例如,室内停车场)、小区、园区等各种环境中行驶。
车辆110可以是可以承载人和/或物并且通过发动机等动力系统移动的任何类型的载具,包括但不限于轿车、卡车、巴士、电动车、摩托车、房车、火车等等。车辆110可以是具有一定级别的自动驾驶能力或者不具有自动驾驶能力的车辆。
在环境100中,车辆110正沿着预定路径120行驶。在此示例中,预定路径120是从参考点122到目标点124的掉头路径。应当理解,图1所示的掉头路径仅是车辆100将要行驶的预定路径120的示例。预定路径120可以是左右转弯、绕行环岛、直行、倒车、甚至避障等等任意其他路径。
在车辆110沿着预定路径120行驶时,障碍物125出现在预定路径120中。在此示例中,障碍物125是具有可移动属性的行人。障碍物125还可以是具有可移动属性的动物和行驶的车辆等等,以及不具有可移动属性的停放的车辆、道路设施、植物和石头等等。在本公开的各个实施例中,可以根据障碍物125当前的动静状态来确定车辆110的避障方式。
图2示出了根据本公开的一些实施例的用于车辆避障的示例系统200的框图。
在系统200中,计算设备210作为独立设备被放置在车辆110的内部,用于控制车辆110的行驶。特别地,计算设备210提供车辆避障的决策功能。计算设备210还可以集成到车体中,被附加到车身外侧,或者可以在车辆110外部。计算设备210甚至可以远程布置,例如包括远端计算机、服务器。备选地,计算设备210可以分布式地一部分布置在车辆110中,一部分布置在车辆110外部。
计算设备210是具有计算能力的设备。计算设备210可以是被单独设计和封装的设备,例如包括,但不限于,个人计算机(PC)、膝上型计算机、平板式计算机、个人数字助理(PDA)、刀片机、移动电话、诸如智能穿戴设备的智能设备,等等。计算设备210还可以被集成到设备中,例如被集成到车辆110的车体中,或者被集成到用户的移动终端(诸如移动电话)或其他智能设备中。例如,用户的移动终端可以提供一种应用,用于实现本文中描述的计算设备210的功能。
系统200还包括驾驶控制设备220,其被集成在车辆110中,用于控制车辆的行驶。驾驶控制设备220可以控制车辆110的转向、驱动、致动等方面的操作,还可以控制车辆110的转向灯、喇叭、门窗、空调等部件的行为。
在系统200中,计算设备210与驾驶控制设备220分开布置。计算设备210可以与驾驶控制设备220通过链路225通信,以便将所确定的避障方式提供给驾驶控制设备220,从而控制车辆110的行驶。计算设备210与驾驶控制设备220之间的通信可以采取有线或无线方式。在有线通信的示例中,计算设备210可以经由有线接口、线缆、插头等连接组件连接到驾驶控制设备220。在无线通信的示例中,计算设备210可以利用各种无线通信技术与驾驶控制设备220建立无线通信连接。无线通信技术例如可以是车联网(V2X)技术、Wi-Fi、蓝牙、无线局域网(WLAN)、城域网(MLAN)、蜂窝通信技术等等。
在某些实施例中,计算设备210可以集成在驾驶控制设备220中。驾驶控制设备220还可以与其他设备集成,例如可以与在系统200中的传感器230集成。
传感器230被布置在车辆110外部,用于监测车辆110所处的环境,以获得与环境100相关的感测信息。这种感测信息可以包括环境100中的车辆110和/或其他物体(例如,障碍物125)相关的各类信息。传感器230可以被布置在车辆行驶的道路115附近,例如,被布置在道路115的两侧。在一些示例中,除了被固定在特定位置之外,传感器230还可以是可移动的,诸如为可移动感知站点等。
传感器230的示例可以包括但不限于:图像传感器(例如摄像头)、激光雷达、毫米波雷达、红外传感器、定位传感器、光照传感器、压力传感器、温度传感器、湿度传感器、风速传感器、风向传感器、空气质量传感器、运动传感器等等。图像传感器可以感测与环境100相关的图像信息;激光雷达和毫米波雷达可以感测与环境100相关的激光点云数据;红外传感器可以利用红外线来探测环境100中的环境状况;定位传感器可以感测与环境100相关的物体的位置信息;光照传感器可以感测指示环境100中的光照强度的度量值;压力、温度和湿度传感器可以分别感测指示环境100中的压力、温度和湿度的度量值;风速、风向传感器可以分别感测用于指示环境100中的风速、风向的度量值;空气质量传感器可以感测环境100中一些与空气质量相关的指标,诸如空气中的氧气浓度、二氧化碳浓度、粉尘浓度、污染物浓度等。运动传感器可以感测环境100中的物体(包括车辆110以及道路115中出现的其他物体)的运动状态,诸如运动方向、运动速度等等。运动传感器例如包括可以感测与物体的加速度相关的信息的加速度计,以及可以用于检测物体的角运动的陀螺仪。
在某实施例中,传感器230可以具有多种感测功能,或者是多种传感器的集成。在某些实施例中,除了传感器230之外,还可以在系统200中布置一个或多个其他传感器。其他传感器与传感器230具有不同的类型。多个不同类型的传感器可以被集成在某个位置,或者可以被分布在环境100的各个区域中,以用于监测特定类型的感测信息。
在控制车辆110的行驶时,计算设备210可以通过无线通信链路235从传感器230接收车辆110所处的环境100的相关感测信息,并且基于所获取的信息来确定控制车辆110行驶的指令。在图2所示的系统200的示例布置中,计算设备210通过无线链路225与传感器230通信。该无线通信可以利用如上所述的各种无线通信技术来进行。
在某些实施例中,传感器230可以布置在车辆110中。在这些实施例中,除了无线方式,计算设备210还可以以如上所述的有线方式与传感器230通信。在某些实施例中,计算设备210可以与传感器230集成。备选地或附加地,计算设备210可以集成有另外的传感器(未示出),并且还从所集成的传感器获得感测信息,以确定控制车辆110行驶的指令。
图3示出了根据本公开实施例的用于车辆避障的方法300的流程图。方法300可以由图2的计算设备210实现。为讨论方便,下面将结合图1和图2来描述方法300。
在框305,计算设备210确定车辆110的预定路径120中的可移动的障碍物125。障碍物125的检测可以由传感器230执行。例如,可以通过由图像传感器实现的传感器230感测障碍物125的图像信息。计算设备210在从传感器230获得该图像信息后,可以确定障碍物125的可移动属性。
障碍物125的可移动属性可以根据障碍物125的类型来确定。例如,如果通过图像感测确定障碍物125是行人、动物和行驶的车辆等类型,则可以确定障碍物125是可移动的。如果确定障碍物125是停放的车辆、道路设施、植物和石头等类型时,则可以确定障碍物125是不可移动的。
在框310,计算设备210确定障碍物125当前处于静止状态还是运动状态。障碍物125的动静状态检测也可以由传感器230执行。例如,传感器230在感测到具有可移动属性的障碍物125之后,可以通过图像感测、定位感测、或者运动感测来检测障碍物125是否正在运动。继而,传感器230可以将感测到的障碍物125的动静状态信息发送给计算设备210。
在某些实施例中,除了感测障碍物125的动静状态之外,传感器230还可以感测障碍物125的其他信息,例如,位置、尺寸、形状、运动速度、运动方向等等。
如果确定了障碍物125当前处于运动状态,在框315,计算设备210预测障碍物125的与时间相关的运动轨迹。可以采用任意适当方式来进行运动轨迹预测。例如,在传感器230感测到了障碍物125的位置、运动速度和运动方向的情况下,计算设备210可以根据障碍物125的位置、运动速度和运动方向来预测障碍物125的运动轨迹。备选地或附加地,还可以基于障碍物125的类型以及运动趋势(例如,运动是否正在减速)等信息来预测障碍物125的运动轨迹。应当理解,当前已知以及未来开发的任意适当运动轨迹预测技术都可以在此使用,本公开的范围在此方面不受限制。
在框320,计算设备210至少部分地基于车辆110的与时间相关的运动轨迹和所预测的障碍物的运动轨迹,确定车辆110在预定路径120中与障碍物125碰撞的可能性。碰撞的可能性可以由碰撞概率来指示。车辆110的与时间相关的运动轨迹也可以基于车辆110的运动速度和运动方向来确定。车辆110的运动速度和运动方向也可以由传感器230感测,或者由车辆110内部的传感器来感测。除了车辆110以及障碍物125的运动轨迹,确定车辆110与障碍物125碰撞的可能性还可以考虑车辆110和障碍物125的尺寸,以及/或者车辆110和障碍物125的形状。
在框325,计算设备210至少部分地基于碰撞的可能性,确定车辆110将采取的动作。该动作包括忽略障碍物125并且沿着预定路径120行驶,沿着新的路径行驶以绕过障碍物125,或者停车等待之一。在某些实施例中,可以基于所确定的碰撞的可能性与预定阈值可能性的比较来确定。在的碰撞的可能性由碰撞概率来表示的实施例中,阈值可能性也可以由概率来指示。可以根据历史统计来预设置该阈值可能性。如果所确定的碰撞的可能性在阈值可能性以下,可以确定车辆110将采取的动作是忽略障碍物125并且沿着预定路径120行驶。
如果所确定的碰撞的可能性高于预定阈值可能性,则确定车辆110将沿着新的路径行驶以绕过障碍物125或者停车等待。可以根据任意适当准则和/或考虑任意适当因素来确定此时车辆110是要绕行还是停车避让。在某些实施例中,可以基于车辆110需要停车等待的时间长度来选择避障策略。需要停车等待的时间长度可以基于障碍物125的运动速度和运动方向来估计。
如果该时间长度在预定阈值时间长度以下,则可以确定车辆110将采取的动作是停车等待。否则,则确定车辆110将沿着新的路径行驶以绕过障碍物125。该阈值时间长度可以是预设的,或者可以是动态确定的。例如,阈值时间长度可以与障碍物125的类型有关。对于行人和动物这种移动速度较慢的障碍物,可以设置较高的阈值时间长度;对于车辆这种移动速度较快的障碍物,可以设置较低的阈值时间长度。
附加地,在图1所示的车辆110调头的场景中,如果调头空间狭小,则对障碍物125不合理的绕行策略,会导致车辆110进入到不利于完成调头任务的区域。是否对障碍物125绕行的决策,可以基于对调头空间的评估。如果车辆110的调头空间充足,则可以采取绕行策略。
调头空间与车辆110在预定路径120上的行驶完成度有关。行驶完成度可以例如由车辆110在预定路径120(例如,调头路径)中行驶的距离与预定路径120的长度的比率来指示。相应地,在某些实施例中,可以考虑车辆110在预定路径120上的行驶完成度来确定阈值时间长度。例如,可以将阈值时间长度设置为与车辆110在调头路径中行驶的距离与调头路径的长度的比率成反比。在调头场景中,路径完成度越低,表明车辆绕行后,调头空间越狭窄,则阈值时间长度越大。相应地,选择停车等待动作的可能性就越高。
在某些实施例中,计算设备210在确定车辆110将采取的动作时还可以考虑障碍物125的感测相关的置信度。例如,所感测到的障碍物125的位置、尺寸、类型、运动趋势(例如,从运动到静止、从静止到运动、保持静止或者保持运动)等信息具有相应的置信度,用于指示感测结果的可信程度。如果置信度较高,说明感知结果的可信度越高,也就是越准确。相应地,计算设备210可以选择更加保守的策略,以保证安全。例如,在根据车辆110与障碍物125的碰撞可能性选择避障策略时,如果障碍物125的感测信息的置信度较低,那么在碰撞可能性较低的情况下,也可以选择绕行或者停车等待这种比较保守的策略,从而保证安全性。
如果在框310确定了障碍物125当前处于静止状态,则在框330,计算设备210可以确定车辆110将停车等待。车辆110停车等待的时间长度可以是预定的。在车辆110停车等待了预定时间长度之后,计算设备210可以再次确定障碍物125的动静状态。如果障碍物125仍然静止不动,则计算设备210可以指令车辆110继续停车等待预定时间长度。上述确定障碍物125的动静状态确定和指令车辆110停车等待的过程可以重复进行,直到超过了最大等待时间为止。最大等待时间也可以是预设的,或者可以考虑路径完成度等因素而动态确定。在车辆110停车等待超过了最大等待时间之后,计算设备110可以确定车辆110将采取绕行策略。
当需要避让障碍物125时,计算设备210还可以确定车辆110将行驶的新的路径。可以任意适当方式来确定新路径。在某些实施例中,计算设备210可以以车辆110的当前位置为起点,以目标点124为终点,生成候选路径集合。道路115上与车辆110的目的地和/或绕过障碍物125的意图有关的任何其他点也可以作为终点。在某些实施例中,候选路径的生成还可以考虑车辆110当前所处路段的道路特征,例如道路类型(诸如双向车道道路、单向车道、环岛、隧道、普通交叉路口、高速出入口等等),道路几何特征(诸如直道、弯道、折线道、道路宽度等等),等等。
在生成了候选路径集合后,计算设备210可以对各候选路径进行评估。例如,计算设备210可以确定车辆110在各个候选路径上与障碍物125碰撞的可能性,并且基于碰撞可能性对候选路径进行排名。碰撞可能性较小(例如,最小)的候选路径可以被选为车辆110将行驶的新路径。如果在所有候选路径上发生碰撞的可能性都很高,例如都高于某个阈值可能性,计算设备210可以确定车辆110将停车等待。
在车辆110调头的场景中,绕行车速可以采用预定车速,以实现安全且简化的处理。用于前向行驶绕行和后向行驶绕行的车速可以不同。
图4示出了根据本公开实施例的用于车辆避障的装置400的示意性框图。装置400可以被包括在图2的计算设备210中或者被实现为计算设备210。
如图4所示,装置400包括障碍物确定模块405,被配置为确定车辆110的预定路径120中的可移动的障碍物125;状态确定模块410,被配置为确定障碍物125当前处于静止状态还是运动状态;轨迹预测模块415,被配置为根据障碍物125当前处于运动状态,预测障碍物125的与时间相关的运动轨迹;碰撞确定模块420,被配置为至少部分地基于车辆110的与时间相关的运动轨迹和所预测的障碍物125的运动轨迹,确定车辆110在预定路径120中与障碍物碰撞的可能性;以及动作确定模块425,被配置为至少部分地基于碰撞的可能性,确定车辆110将采取的动作,动作包括以下中的一项:忽略障碍物并且沿着预定路径120行驶,沿着新的路径行驶以绕过障碍物,以及停车等待。
在某些实施例中,碰撞确定模块420被配置为还基于车辆110的尺寸以及障碍物125的尺寸来确定碰撞的可能性。
在某些实施例中,动作确定模块425包括:第一确定模块,被配置为确定碰撞的可能性是否在预定阈值可能性以下;以及第二确定模块,被配置为根据确定碰撞的可能性在预定阈值可能性以下,确定动作是忽略障碍物125并且沿着预定路径120行驶。
在某些实施例中,动作确定模块425还包括:第三确定模块,被配置为根据确定碰撞的可能性高于预定阈值可能性,确定动作是沿着新的路径行驶以绕过障碍物125或者停车等待。
在某些实施例中,动作确定模块425还包括:时间估计模块,被配置为基于障碍物125的运动速度和运动方向,估计车辆需要停车等待的时间长度;以及第四确定模块,被配置为根据确定时间长度在预定阈值时间长度以下,确定动作是停车等待。
在某些实施例中,动作确定模块425还包括:第五确定模块,被配置为根据确定时间长度高于阈值时间长度,确定动作是沿着新的路径行驶以绕过障碍物125。
在某些实施例中,预定路径120包括从参考点到目标点的调头路径,并且装置400还包括:完成度确定模块,被配置为确定车辆110在调头路径中行驶的距离与调头路径的长度的比率;以及阈值确定模块,被配置为将阈值时间确定为与比率成反比。
在某些实施例中,装置400还包括:第六确定模块,被配置为根据障碍物125当前处于静止状态,确定车辆110将停车等待。
在某些实施例中,装置400还包括:第七确定模块,被配置为在车辆110停车等待预定时间段之后,确定障碍物125是否仍然保持静止;以及第八确定模块,被配置为根据确定障碍物125仍然保持静止,确定车辆110将沿着新的路径行驶以绕过障碍物125。
在某些实施例中,停车等待的时间长度为预定时间长度。
在某些实施例中,装置400还包括:路径确定模块,被配置为在确定车辆110将沿着新的路径行驶以绕过障碍物125的情况下,确定车辆110将行驶的新的路径。
在某些实施例中,动作确定模块被配置为还基于障碍物125的感测相关的置信度来确定车辆110将采取的动作。
应当理解,装置400中记载的每个模块分别与参考图1至3描述的方法300中的每个步骤相对应。因此,上文结合图1至3描述的操作和特征同样适用于装置400及其中包含的模块,并且具有同样的效果,具体细节不再赘述。
图5示出了可以用来实施本公开的实施例的示例设备500的示意性框图。设备500可以用于实现图2的计算设备210。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序指令或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序指令,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如方法300。例如,在一些实施例中,方法300可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM503并由计算单元501执行时,可以执行上文描述的方法300的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法300。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (22)

1.一种车辆避障的方法,包括:
确定所述车辆的预定路径中的可移动的障碍物,所述预定路径包括从参考点到目标点的调头路径;
确定所述障碍物当前处于静止状态还是运动状态;
根据所述障碍物当前处于所述运动状态,预测所述障碍物的与时间相关的运动轨迹;
至少部分地基于所述车辆的与时间相关的运动轨迹和所预测的所述障碍物的所述运动轨迹,确定所述车辆在所述调头路径中与所述障碍物碰撞的可能性;以及
至少部分地基于所述碰撞的所述可能性以及对调头空间的评估,确定所述车辆将采取的动作,所述动作包括以下中的一项:
忽略所述障碍物并且沿着所述调头路径行驶,
沿着新的路径行驶以绕过所述障碍物,以及
停车等待,
其中确定所述车辆将采取的所述动作还包括:
确定所述车辆在所述调头路径上的行驶完成度,其中所述行驶完成度指示对所述调头空间的所述评估;
基于所述行驶完成度,确定阈值时间;
基于所述障碍物的所述运动速度和所述运动方向,估计所述车辆需要停车等待的时间长度;
根据确定所述时间长度在所述阈值时间长度以下,确定所述动作是停车等待;以及
根据确定所述时间长度高于所述阈值时间长度,确定所述动作是沿着所述新的路径行驶以绕过所述障碍物。
2.根据权利要求1所述的方法,其中所述碰撞的所述可能性的所述确定还基于所述车辆的尺寸以及所述障碍物的尺寸。
3.根据权利要求1所述的方法,其中确定所述车辆将采取的所述动作包括:
确定所述碰撞的所述可能性是否在预定阈值可能性以下;以及
根据确定所述碰撞的所述可能性在所述预定阈值可能性以下,确定所述动作是忽略所述障碍物并且沿着所述调头路径行驶。
4.根据权利要求3所述的方法,其中确定所述车辆将采取的所述动作还包括:
根据确定所述碰撞的所述可能性高于所述预定阈值可能性,确定所述动作是沿着所述新的路径行驶以绕过所述障碍物或者停车等待。
5.根据权利要求1所述的方法,其中确定所述行驶完成度包括:
确定所述车辆在所述调头路径中行驶的距离与所述调头路径的长度的比率以指示所述行驶完成度;并且
其中确定所述阈值时间包括:
将所述阈值时间确定为与所述比率成反比。
6.根据权利要求1所述的方法,还包括:
根据所述障碍物当前处于所述静止状态,确定所述车辆将停车等待。
7.根据权利要求6所述的方法,还包括:
在所述车辆停车等待预定时间段之后,确定所述障碍物是否仍然保持静止;以及
根据确定所述障碍物仍然保持静止,确定所述车辆将沿着新的路径行驶以绕过所述障碍物。
8.根据权利要求1所述的方法,其中所述停车等待的时间长度为预定时间长度。
9.根据权利要求1所述的方法,还包括:
在确定所述车辆将沿着新的路径行驶以绕过所述障碍物的情况下,确定所述车辆将行驶的所述新的路径。
10.根据权利要求1所述的方法,其中所述车辆将采取的所述动作的所述确定还基于所述障碍物的感测相关的置信度。
11.一种用于车辆避障的装置,包括:
障碍物确定模块,被配置为确定所述车辆的预定路径中的可移动的障碍物,所述预定路径包括从参考点到目标点的调头路径;
状态确定模块,被配置为确定所述障碍物当前处于静止状态还是运动状态;
轨迹预测模块,被配置为根据所述障碍物当前处于所述运动状态,预测所述障碍物的与时间相关的运动轨迹;
碰撞确定模块,被配置为至少部分地基于所述车辆的与时间相关的运动轨迹和所预测的所述障碍物的所述运动轨迹,确定所述车辆在所述调头路径中与所述障碍物碰撞的可能性;以及
动作确定模块,被配置为至少部分地基于所述碰撞的所述可能性以及对调头空间的评估,确定所述车辆将采取的动作,所述动作包括以下中的一项:
忽略所述障碍物并且沿着所述调头路径行驶,
沿着新的路径行驶以绕过所述障碍物,以及
停车等待,
其中所述动作确定模块还包括:
第九确定模块,被配置为确定所述车辆在所述调头路径上的行驶完成度,其中所述行驶完成度指示对所述调头空间的所述评估;
阈值时间确定模块,被配置为基于所述评估,确定阈值时间;
时间估计模块,被配置为基于所述障碍物的所述运动速度和所述运动方向,估计所述车辆需要停车等待的时间长度;以及
第四确定模块,被配置为根据确定所述时间长度在预定阈值时间长度以下,确定所述动作是停车等待;
第五确定模块,被配置为根据确定所述时间长度高于所述阈值时间长度,确定所述动作是沿着所述新的路径行驶以绕过所述障碍物。
12.根据权利要求11所述的装置,其中所述碰撞确定模块被配置为还基于所述车辆的尺寸以及所述障碍物的尺寸来确定所述碰撞的所述可能性。
13.根据权利要求11所述的装置,其中所述动作确定模块包括:
第一确定模块,被配置为确定所述碰撞的所述可能性是否在预定阈值可能性以下;以及
第二确定模块,被配置为根据确定所述碰撞的所述可能性在所述预定阈值可能性以下,确定所述动作是忽略所述障碍物并且沿着所述调头路径行驶。
14.根据权利要求13所述的装置,其中所述动作确定模块还包括:
第三确定模块,被配置为根据确定所述碰撞的所述可能性高于所述预定阈值可能性,确定所述动作是沿着所述新的路径行驶以绕过所述障碍物或者停车等待。
15.根据权利要求11所述的装置,其中所述第九确定模块包括:
完成度确定模块,被配置为确定所述车辆在所述调头路径中行驶的距离与所述调头路径的长度的比率;并且其中所述阈值时间确定模块包括:
阈值确定模块,被配置为将所述阈值时间确定为与所述比率成反比。
16.根据权利要求11所述的装置,还包括:
第六确定模块,被配置为根据所述障碍物当前处于所述静止状态,确定所述车辆将停车等待。
17.根据权利要求16所述的装置,还包括:
第七确定模块,被配置为在所述车辆停车等待预定时间段之后,确定所述障碍物是否仍然保持静止;以及
第八确定模块,被配置为根据确定所述障碍物仍然保持静止,确定所述车辆将沿着新的路径行驶以绕过所述障碍物。
18.根据权利要求11所述的装置,其中所述停车等待的时间长度为预定时间长度。
19.根据权利要求11所述的装置,还包括:
路径确定模块,被配置为在确定所述车辆将沿着新的路径行驶以绕过所述障碍物的情况下,确定所述车辆将行驶的所述新的路径。
20.根据权利要求11所述的装置,其中所述动作确定模块被配置为还基于所述障碍物的感测相关的置信度来确定所述车辆将采取的所述动作。
21.一种计算设备,包括:
一个或多个处理器;以及
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述计算设备执行如权利要求1至10中任一项所述的方法。
22.一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求1至10中任一项所述的方法。
CN201910940623.XA 2019-09-30 2019-09-30 车辆避障的方法、装置、计算设备和存储介质 Active CN112581790B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910940623.XA CN112581790B (zh) 2019-09-30 2019-09-30 车辆避障的方法、装置、计算设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910940623.XA CN112581790B (zh) 2019-09-30 2019-09-30 车辆避障的方法、装置、计算设备和存储介质

Publications (2)

Publication Number Publication Date
CN112581790A CN112581790A (zh) 2021-03-30
CN112581790B true CN112581790B (zh) 2023-02-17

Family

ID=75116256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910940623.XA Active CN112581790B (zh) 2019-09-30 2019-09-30 车辆避障的方法、装置、计算设备和存储介质

Country Status (1)

Country Link
CN (1) CN112581790B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113246973B (zh) * 2021-06-11 2022-05-03 北京三快在线科技有限公司 障碍物的轨迹预测方法、装置、存储介质及电子设备
CN114590248B (zh) * 2022-02-23 2023-08-25 阿波罗智能技术(北京)有限公司 行驶策略的确定方法、装置、电子设备和自动驾驶车辆
CN114647248B (zh) * 2022-05-23 2022-09-09 风林科技(深圳)有限公司 机器人避障方法、电子设备及可读存储介质
CN114771514B (zh) * 2022-06-14 2022-09-02 小米汽车科技有限公司 车辆行驶控制方法、装置、设备、介质、芯片及车辆

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1572597A (zh) * 2003-05-30 2005-02-02 丰田自动车株式会社 冲撞预测装置
CN102227612A (zh) * 2008-10-24 2011-10-26 格瑞股份公司 自主驾驶车辆的控制和系统
CN106959696A (zh) * 2017-05-10 2017-07-18 北京京东尚科信息技术有限公司 运动目标的控制方法和装置
CN109878513A (zh) * 2019-03-13 2019-06-14 百度在线网络技术(北京)有限公司 防御性驾驶策略生成方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE539097C2 (en) * 2015-08-20 2017-04-11 Scania Cv Ab Method, control unit and system for avoiding collision with vulnerable road users

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1572597A (zh) * 2003-05-30 2005-02-02 丰田自动车株式会社 冲撞预测装置
CN102227612A (zh) * 2008-10-24 2011-10-26 格瑞股份公司 自主驾驶车辆的控制和系统
CN104133473A (zh) * 2008-10-24 2014-11-05 格瑞股份公司 自主驾驶车辆的控制方法
CN106959696A (zh) * 2017-05-10 2017-07-18 北京京东尚科信息技术有限公司 运动目标的控制方法和装置
CN109878513A (zh) * 2019-03-13 2019-06-14 百度在线网络技术(北京)有限公司 防御性驾驶策略生成方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112581790A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN112581790B (zh) 车辆避障的方法、装置、计算设备和存储介质
US20220269277A1 (en) Systems and methods for navigating with sensing uncertainty
US11427211B2 (en) Methods for handling sensor failures in autonomous driving vehicles
CN108068815B (zh) 用于自动驾驶车辆的基于规划反馈的决策改进系统
EP3798577B1 (en) Method and apparatus for determining turn-round path of vehicle, and medium
US11702070B2 (en) Autonomous vehicle operation with explicit occlusion reasoning
US20210061269A1 (en) Method of handling occlusions at intersections in operation of autonomous vehicle
US20220105959A1 (en) Methods and systems for predicting actions of an object by an autonomous vehicle to determine feasible paths through a conflicted area
US11353878B2 (en) Soft-boundary based path optimization for complex scenes for autonomous driving vehicles
CN111615476B (zh) 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统
US11106212B2 (en) Path planning for complex scenes with self-adjusting path length for autonomous driving vehicles
US11584248B2 (en) Method of parking an autonomous driving vehicle for autonomous charging
US11878712B2 (en) Trajectory planning with obstacle avoidance for autonomous driving vehicles
CN114754780A (zh) 车道线规划方法及相关装置
US20210262819A1 (en) A mixed regular and open-space trajectory planning method for autonomous driving vehicle
CN113424209B (zh) 使用深度学习多预测器融合和贝叶斯优化的轨迹预测
US11904906B2 (en) Systems and methods for prediction of a jaywalker trajectory through an intersection
US11338855B2 (en) Optimal planner switch method for three point turn of autonomous driving vehicles
US20230056589A1 (en) Systems and methods for generating multilevel occupancy and occlusion grids for controlling navigation of vehicles
CN116674593A (zh) 用于自主车辆的具有异常检测的安全增强规划系统
US20230382368A1 (en) System, Method, and Computer Program Product for Identification of Intention and Prediction for Parallel Parking Vehicles
US20230043601A1 (en) Methods And System For Predicting Trajectories Of Actors With Respect To A Drivable Area
US11724717B2 (en) Implementation of dynamic cost function of self-driving vehicles
US20230399026A1 (en) State Identification For Road Actors With Uncertain Measurements Based On Compliant Priors
US11242057B2 (en) Method for optimizing three-point turn of autonomous driving vehicles

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