CN112612287B - 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 - Google Patents
一种自动驾驶汽车局部路径规划系统、方法、介质及设备 Download PDFInfo
- Publication number
- CN112612287B CN112612287B CN202011576923.3A CN202011576923A CN112612287B CN 112612287 B CN112612287 B CN 112612287B CN 202011576923 A CN202011576923 A CN 202011576923A CN 112612287 B CN112612287 B CN 112612287B
- Authority
- CN
- China
- Prior art keywords
- module
- vehicle
- information
- decision
- planning
- 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 37
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000003993 interaction Effects 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 20
- 230000008447 perception Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization 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
- G05D1/0231—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, 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
- G05D1/0212—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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种自动驾驶汽车局部路径规划系统、方法、介质及设备,其高精度地图模块经V2X车辆通讯模块与决策模块进行信息交互,环境感知模块将获得的定位信息和环境信息传输至决策模块;决策模块经车载CAN总线与车辆控制模块进行信息交互,决策模块根据接收到的信息输出带速度的轨迹点序列,并经车载CAN总线传输至车辆控制模块,由车辆控制模块完成车辆位置和速度的跟踪;车辆控制模块向决策模块反馈当前车辆状态信息。本发明可以实现通用场景的路径规划同时,还可利用地图中的高精度地图中存储的决策信息实现对高精度地图覆盖的全场景下的针对性路径规划,实现拥堵、事故、杂乱等场景规划出可执行轨迹。
Description
技术领域
本发明涉及一种自动驾驶汽车局部路径规划方法,特别是关于一种基于高精度地图决策信息的自动驾驶汽车局部路径规划系统、方法、介质及设备。
背景技术
在自动驾驶汽车系统中,车辆的局部路径规划是自动驾驶决策技术的重要组成部分之一。局部路径规划主要通过车辆感知信息、全局路径及自车状态等信息通过规划算法获取一条车辆实时运动轨迹。感知信息通常由相机、毫米波雷达、激光雷达等车在传感器获取,得到障碍物的类型、位置、速度和加速度等信息,自车状态容如车辆速度、方向盘、加速度等信息由车载网络获取。常用的轨迹规划方法如采样法和优化方法通过构建目标函数。采样方法在控制空间或状态空间边界范围内通过多项式、贝塞尔等曲线拟合待定轨迹,并通过建立轨迹评价方法评价轨迹的平顺性、跟随性、碰撞风险等。在具有明确边界的引导线的结构化道路环境下,通常可以根据上述设计并结合全局路径参考轨迹选取一条最优轨迹,该类方法在进行规划的过程中需手动设计适当的损失函数和相应的权重,对应不同的交通场景下,同一套轨迹参数所获取的实时局部轨迹通常因场景的不同有较大差异的执行效果,而将场景分为有限特定类别的方式虽然可以解决常见场景的规划问题,但现实的交通场景数量无法完整列举,局部路径规划很难适应所有复杂动态的场景。
发明内容
针对上述问题,本发明的目的是提供一种自动驾驶汽车局部路径规划系统、方法、介质及设备,可以实现通用场景的路径规划同时,还可利用地图中的高精度地图中存储的决策信息实现对高精度地图覆盖的全场景下的针对性路径规划,实现拥堵、事故、杂乱等场景规划出可执行轨迹。
为实现上述目的,本发明采取以下技术方案:一种自动驾驶汽车局部路径规划系统,其包括:高精度地图模块、V2X车辆通讯模块、环境感知模块、决策模块和车辆控制模块;
所述高精度地图模块经所述V2X车辆通讯模块与所述决策模块进行信息交互,所述环境感知模块将获得的定位信息和环境信息传输至所述决策模块;所述决策模块经车载CAN总线与所述车辆控制模块进行信息交互所述,决策模块根据接收到的信息输出带速度的轨迹点序列,并经所述车载CAN总线传输至所述车辆控制模块,由所述车辆控制模块完成车辆位置和速度的跟踪;所述车辆控制模块向所述决策模块反馈当前车辆状态信息。
进一步,所述高精度地图模块存储在云端服务平台;所述高精度地图模块用于存储精细的交通网,低等级决策信息和高等级决策信息,地图信息根据定位结果获取或车辆请求通过所述V2X车辆通讯模块发送当前位置的路网及所需决策信息。
进一步,所述环境感知模块包括GNSS\IMU定位模块和自车环境感知模块;所述GNSS\IMU定位模块用于获取车辆绝对位置和姿态信息,并传输至所述决策模块。
进一步,所述环境感知模块通过激光雷达,毫米波雷达或相机获取障碍物相对位置pi’、相对速度vi’和形状Shapei’,并通过自车位置、姿态经过坐标转换计算障碍物绝对位置pi和绝对速度vi。
进一步,所述决策模块包括局部路径规划模块和全局路径规划模块;
所述全局路径规划模块用于读取所述高精度地图模块内的道路级和车道级静态路网,生成从当前位置PA到目标位置PB的全局路径R,全局路径利用规划方法得到道路级别路径,并传输至所述局部路径规划模块作为参考轨迹;所述全局路径R为一系列的路径点,并根据决策规则输出参考目标状态。
进一步,所述局部路径规划模块接收目标状态点、全局路径R、车辆位置及状态,通过局部路径规划算法进行局部路径规划,或者根据采样方法进行轨迹筛选;同时从所述高精度地图中获取修正的规划特征参数或损失函数形式,通过局部路径规划算法进行轨迹规划计算并获得路径点序列,并将轨迹点发送给所述车辆控制模块。
进一步,所述车辆控制模块根据车辆位置,利用传统控制方法将车辆按照轨迹参考速度行驶在当前接收的轨迹坐标上。
一种自动驾驶汽车局部路径规划方法,该方法基于上述系统实现,包括:
步骤1)智能车将通过GNSS获取的绝对坐标发送给高精度地图模块;
步骤2)车辆从地图中获取局部路网,交通状态等全局路径规划信息以及地理特异性信息F;
步骤3)根据决策单元给出的目标点状态,利用传统A*算法实现全局轨迹生成;
步骤4)利用车载算法以及车载参数实现局部路径规划;同时判断车载规划参数与读取的地理特异性信息F是否存在差异,当存在差异时,通过地理特异性信息F中的规划参数重新进行局部路径算法参数调整,并生成调整轨迹;
步骤5)当获取无碰撞轨迹后发送给车辆控制模块,控制车辆在制定道路上行驶。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行上述系统中的任一功能。
一种计算设备,其包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行上述系统中的任一功能的指令。
本发明由于采取以上技术方案,其具有以下优点:1、本发明不改变路径规划规划算法构架,而是融合了自动驾驶高精度地图和讯通技术,符合自动驾驶发展方向。2、本发明提升了车辆对场景的理解,提高了算法对于高动态复杂场景的适应能力。3、本发明可以同时实现对自动驾驶车辆的网联调度。
附图说明
图1是本发明的路径规划框架图;
图2是本发明的驾驶决策信息获取流程示意图。
具体实施方式
本发明提供的是在高精度地图覆盖场景下,基于地图决策信息的自动驾驶汽车局部路径规划系统及方法。本发明的核心为,完成一种基于采样的局部路径规划方法基准,包含采样逻辑和判断方法。其中轨迹的评价函数类型和评价权重采用地图存储的方式,通过规则或人工经验在高精度地图不同区间存储针对当前位置环境和交通状况的评价函数类型和权重。从而改变自动驾驶汽车规划过程中的目的性,完成不同环境下的局部轨迹规划。下面结合附图和实施例对本发明进行详细的描述。
如图1所示,本发明提供一种自动驾驶汽车局部路径规划系统,其包括高精度地图模块、V2X车辆通讯模块、环境感知模块、决策模块和车辆控制模块。
高精度地图模块经V2X车辆通讯模块与决策模块进行信息交互,环境感知模块将获得的定位信息和环境信息传输至决策模块;决策模块经车载CAN总线与车辆控制模块进行信息交互,决策模块根据接收到的信息输出带速度的轨迹点序列,并经车载CAN总线传输至车辆控制模块,由车辆控制模块完成车辆位置和速度的跟踪;车辆控制模块向决策模块反馈当前车辆车速,方向盘转角等状态信息。
在一个优选的实施例中,高精度地图模块存储在云端服务平台;高精度地图模块用于存储精细的交通网,静态道路环境、动态交通流信息、部分动态障碍物信息、限速和换道规则等低等级决策信息,损失函数系数、系数转换规则等高等级决策信息,地图信息可根据定位结果获取或车辆请求通过V2X车辆通讯模块发送当前位置的路网及所需决策信息。
其中,高精度地图模块通过输入的位置p0(x0,y0),读取车辆所在的位置。
在一个优选的实施例中,环境感知模块包括GNSS\IMU定位模块和自车环境感知模块;GNSS\IMU定位模块用于获取车辆绝对位置和姿态信息,并传输至决策模块;环境感知模块用于获取环境目标相对位置Pi、相对速度Vi和几何形状Shapei,并发送给决策模块。
其中,GNSS\IMU定位模块实时获取的信息包括当前绝对位置P0、航向角θi、速v0、加速度a0等信息。
环境感知模块通过激光雷达,毫米波雷达、相机等传感器获取障碍物相对位置pi’、相对速度vi’和形状Shapei’,并通过自车位置、姿态等绝对状态经过坐标转换计算障碍物绝对位置pi和绝对速度vi。
在一个优选的实施例中,决策模块包括局部路径规划模块和全局路径规划模块;其中:
全局路径规划模块用于读取高精度地图模块内的道路级和车道级静态路网,生成从当前位置PA到目标位置PB的全局路径R,全局路径利用例如A*算法等规划方法得到道路级别路径,并传输至局部路径规划模块作为参考轨迹;全局路径R为一系列的路径点(xi,yi),并根据决策规则输出参考目标状态Ptarget(xt,yt,tt,θt,at),其中tt为到达的时间,thetat为目标航向角,at为目标加速度。其中,决策规则采用已有决策模块,例如A*算法来得到道路级车道。
局部路径规划模块接收目标状态点、全局路径R、车辆位置及状态,通过局部路径规划算法(例如IDM跟车模型算法及LaneUtility算法)进行局部路径规划,或者根据采样方法进行轨迹筛选。同时从高精度地图中获取修正的规划特征参数或损失函数形式。通过上述局部路径规划算法进行轨迹规划计算并获得路径点序列(X,Y,V),并将一系列轨迹点发送给车辆控制模块。
通过以上方式获得车辆纵向规划后,再结合横向规划将局部路径规划结果处理为路径点序列形式。
依然以IDM模型为例,规划算法的最优参数在不同的地区,不同的道路结构,时间段,或者交通流情况均不同。车端存储一套固定的例如Tα,aα,bα,参数。而云端服务平台如自动驾驶高精度地图中存储了适应当地驾驶特征的参数。例如在繁忙拥挤的城市道路,云端服务平台动态调整云端模型特征参数,将期望时间距离与期望目标距离Tα,减小。通过V2X技术传递到车端,进行局部路径规划模块的动态调整。存储的参数不限于特征参数,还可以根据决策算法的不同,调整为损失函数权重等。这里将云端服务平台存储的特征信息统一描述为地理特异性信息F。
车辆控制模块根据车辆位置(x0,y0,theta0,v0),利用传统控制方法例如PID控制,轨迹预瞄控制等,将车辆按照轨迹参考速度行驶在当前接收的轨迹坐标(xi,yi,vi)上。
在轨迹规划过程中,分为地图修正数据获取环节,在Frenet坐标系下的道路点采样环节,损失计算环节和碰撞检测环节。其中采样按照一定的沿车道横向及纵向距离dx,dy进行采样。碰撞检测即检查轨迹是否与未来障碍物估计有干涉。
基于上述系统,本发明提供一种自动驾驶汽车局部路径规划方法,其包括:
步骤1)智能车将通过GNSS获取的绝对坐标发送给高精度地图模块(云端服务平台);
步骤2)车辆从地图中获取局部路网,交通状态等全局路径规划信息以及地理特异性信息F;
步骤3)根据决策单元给出的目标点状态,车端利用传统A*等算法实现全局轨迹生成;
步骤4)利用例如IDM,LaneUtility等车载算法以及车载参数实现局部路径规划;同时判断车载规划参数与读取的地理特异性信息F是否存在差异,当存在差异时,通过地理特异性信息F中的规划参数重新进行局部路径算法参数调整,并生成调整轨迹。
步骤5)当获取无碰撞轨迹后发送给车辆控制模块,控制车辆在制定道路上行驶。
本发明还提供一种存储一个或多个程序的计算机可读存储介质,一个或多个程序包括指令,指令当由计算设备执行时,使得计算设备执行上述系统中的任一功能。
本发明还提供一种计算设备,其包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在存储器中并被配置为一个或多个处理器执行,一个或多个程序包括用于执行上述系统中的任一功能的指令。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (9)
1.一种自动驾驶汽车局部路径规划系统,其特征在于,包括:高精度地图模块、V2X车辆通讯模块、环境感知模块、决策模块和车辆控制模块;
所述高精度地图模块经所述V2X车辆通讯模块与所述决策模块进行信息交互,所述环境感知模块将获得的定位信息和环境信息传输至所述决策模块;所述决策模块经车载CAN总线与所述车辆控制模块进行信息交互,所述决策模块根据接收到的信息输出带速度的轨迹点序列,并经所述车载CAN总线传输至所述车辆控制模块,由所述车辆控制模块完成车辆位置和速度的跟踪;所述车辆控制模块向所述决策模块反馈当前车辆状态信息;
所述高精度地图模块存储在云端服务平台;所述高精度地图模块用于存储精细的交通网,低等级决策信息和高等级决策信息,地图信息根据定位结果获取或车辆请求通过所述V2X车辆通讯模块发送当前位置的路网及所需决策信息;所述低等级决策信息包括静态道路环境、动态交通流信息、部分动态障碍物信息、限速和换道规则,所述高等级决策信息包括损失函数系数和系数转换规则。
2.如权利要求1所述系统,其特征在于,所述环境感知模块包括GNSS\IMU定位模块和自车环境感知模块;所述GNSS\IMU定位模块用于获取车辆绝对位置和姿态信息,并传输至所述决策模块。
5.如权利要求4所述系统,其特征在于,所述局部路径规划模块接收目标状态点、全局路径R、车辆位置及状态,通过局部路径规划算法进行局部路径规划,或者根据采样方法进行轨迹筛选;同时从所述高精度地图中获取修正的规划特征参数或损失函数形式,通过局部路径规划算法进行轨迹规划计算并获得路径点序列,并将轨迹点发送给所述车辆控制模块。
6.如权利要求1所述系统,其特征在于,所述车辆控制模块根据车辆位置,利用传统控制方法将车辆按照轨迹参考速度行驶在当前接收的轨迹坐标上。
7.一种自动驾驶汽车局部路径规划方法,其特征在于,该方法基于如权利要求1至6任一项所述系统实现,包括:
步骤1) 智能车将通过GNSS获取的绝对坐标发送给高精度地图模块;
步骤2)车辆从地图中获取局部路网,交通状态等全局路径规划信息以及地理特异性信息F;
步骤3)根据决策单元给出的目标点状态,利用传统A*算法实现全局轨迹生成;
步骤4)利用车载算法以及车载参数实现局部路径规划;同时判断车载规划参数与读取的地理特异性信息F是否存在差异,当存在差异时,通过地理特异性信息F中的规划参数重新进行局部路径算法参数调整,并生成调整轨迹;
步骤5)当获取无碰撞轨迹后发送给车辆控制模块,控制车辆在制定道路上行驶。
8.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行如权利要求1至6所述系统中的任一功能。
9.一种计算设备,其特征在于,包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行如权利要求1至6所述系统中的任一功能的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011576923.3A CN112612287B (zh) | 2020-12-28 | 2020-12-28 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011576923.3A CN112612287B (zh) | 2020-12-28 | 2020-12-28 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112612287A CN112612287A (zh) | 2021-04-06 |
CN112612287B true CN112612287B (zh) | 2022-03-15 |
Family
ID=75248200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011576923.3A Active CN112612287B (zh) | 2020-12-28 | 2020-12-28 | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112612287B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296500B (zh) * | 2021-04-30 | 2023-04-25 | 浙江吉利控股集团有限公司 | 一种局部路径规划方法及系统 |
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 |
CN113359740A (zh) * | 2021-06-18 | 2021-09-07 | 广州蓝胖子移动科技有限公司 | 一种轮式移动机器人及其控制方法、控制系统、存储介质 |
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 |
CN114397877A (zh) * | 2021-06-25 | 2022-04-26 | 南京交通职业技术学院 | 一种智能汽车自动驾驶系统 |
CN113483770A (zh) * | 2021-06-30 | 2021-10-08 | 上海西井信息科技有限公司 | 封闭场景下的路径规划方法、装置、电子设备、存储介质 |
CN113641734B (zh) * | 2021-08-12 | 2024-04-05 | 驭势科技(北京)有限公司 | 一种数据处理方法、装置、设备及介质 |
CN113859265B (zh) * | 2021-09-30 | 2023-05-23 | 国汽智控(北京)科技有限公司 | 一种驾驶过程中的提醒方法及设备 |
CN114056351B (zh) * | 2021-11-26 | 2024-02-02 | 文远苏行(江苏)科技有限公司 | 自动驾驶方法及装置 |
CN114179829A (zh) * | 2021-12-24 | 2022-03-15 | 中汽创智科技有限公司 | 多端协同的车辆行驶方法、装置、系统及介质 |
CN114279459A (zh) * | 2021-12-28 | 2022-04-05 | 清华大学苏州汽车研究院(吴江) | 一种用于自动驾驶的前后端分离的路由导航系统 |
CN115909789A (zh) * | 2022-11-02 | 2023-04-04 | 云控智行科技有限公司 | 结合路径规划和行驶状态规划的网联自动驾驶方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107024927A (zh) * | 2016-02-01 | 2017-08-08 | 上海无线通信研究中心 | 一种自动驾驶系统和方法 |
CN107145936A (zh) * | 2017-04-22 | 2017-09-08 | 大连理工大学 | 一种基于强化学习的车辆跟驰模型建立方法 |
CN108137050A (zh) * | 2015-09-30 | 2018-06-08 | 索尼公司 | 驾驶控制装置、驾驶控制方法和程序 |
CN108875998A (zh) * | 2018-04-20 | 2018-11-23 | 北京智行者科技有限公司 | 一种自动驾驶车辆规划方法和系统 |
CN108931981A (zh) * | 2018-08-14 | 2018-12-04 | 汽-大众汽车有限公司 | 一种自动驾驶车辆的路径规划方法 |
CN109087503A (zh) * | 2018-09-04 | 2018-12-25 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于v2x的车车协同系统及方法 |
CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
CN110688729A (zh) * | 2019-08-26 | 2020-01-14 | 南京航空航天大学 | 基于自适应卡尔曼滤波的lstm-idm跟驰特性融合方法、存储介质及设备 |
CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
CN111367275A (zh) * | 2020-02-18 | 2020-07-03 | 吉利汽车研究院(宁波)有限公司 | 一种智能驾驶控制方法、装置、系统及存储介质 |
CN111880533A (zh) * | 2020-07-16 | 2020-11-03 | 华人运通(上海)自动驾驶科技有限公司 | 驾驶场景重构方法、装置、系统、车辆、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101951035B1 (ko) * | 2016-01-29 | 2019-05-10 | 한국전자통신연구원 | 차량의 자율 주행 시스템 및 그 방법 |
CN106114507B (zh) * | 2016-06-21 | 2018-04-03 | 百度在线网络技术(北京)有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
EP3575172A1 (en) * | 2018-05-31 | 2019-12-04 | Visteon Global Technologies, Inc. | Adaptive longitudinal control using reinforcement learning |
-
2020
- 2020-12-28 CN CN202011576923.3A patent/CN112612287B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108137050A (zh) * | 2015-09-30 | 2018-06-08 | 索尼公司 | 驾驶控制装置、驾驶控制方法和程序 |
CN107024927A (zh) * | 2016-02-01 | 2017-08-08 | 上海无线通信研究中心 | 一种自动驾驶系统和方法 |
CN107145936A (zh) * | 2017-04-22 | 2017-09-08 | 大连理工大学 | 一种基于强化学习的车辆跟驰模型建立方法 |
CN108875998A (zh) * | 2018-04-20 | 2018-11-23 | 北京智行者科技有限公司 | 一种自动驾驶车辆规划方法和系统 |
CN108931981A (zh) * | 2018-08-14 | 2018-12-04 | 汽-大众汽车有限公司 | 一种自动驾驶车辆的路径规划方法 |
CN109087503A (zh) * | 2018-09-04 | 2018-12-25 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于v2x的车车协同系统及方法 |
CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
CN110688729A (zh) * | 2019-08-26 | 2020-01-14 | 南京航空航天大学 | 基于自适应卡尔曼滤波的lstm-idm跟驰特性融合方法、存储介质及设备 |
CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
CN111367275A (zh) * | 2020-02-18 | 2020-07-03 | 吉利汽车研究院(宁波)有限公司 | 一种智能驾驶控制方法、装置、系统及存储介质 |
CN111880533A (zh) * | 2020-07-16 | 2020-11-03 | 华人运通(上海)自动驾驶科技有限公司 | 驾驶场景重构方法、装置、系统、车辆、设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
基于蚁群算法的AGV车辆End_To_End最优路径规划研究;赵晓敏;《国外电子测量技术》;20200515(第05期);全文 * |
智能车与网联技术分析;郄广等;《移动通信》;20200115(第01期);全文 * |
短程自主泊车的轨迹跟随控制方法研究;王俊等;《上海汽车》;20161010(第10期);全文 * |
道路几何设计对IDM模型跟驰行为的影响;覃频频等;《交通运输系统工程与信息》;20171215(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112612287A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112612287B (zh) | 一种自动驾驶汽车局部路径规划系统、方法、介质及设备 | |
RU2751382C1 (ru) | Планирование траектории | |
EP3861291B1 (en) | Spline curve and spiral curve based reference line smoothing method | |
US10875531B2 (en) | Vehicle lateral motion control | |
Wang et al. | Review of lane-changing maneuvers of connected and automated vehicles: models, algorithms and traffic impact analyses | |
US11731651B2 (en) | Automatic parameter tuning framework for controllers used in autonomous driving vehicles | |
US11055540B2 (en) | Method for determining anchor boxes for training neural network object detection models for autonomous driving | |
US11167770B2 (en) | Autonomous vehicle actuation dynamics and latency identification | |
CN112937607B (zh) | 一种用于景区观光车的网联自动驾驶系统及方法 | |
US20180345968A1 (en) | Vehicle controller, vehicle control method, and storage medium | |
CN112567439B (zh) | 一种交通流信息的确定方法、装置、电子设备和存储介质 | |
US11567506B2 (en) | Speed planning guidance line for mild slow down | |
CN112977435A (zh) | 车辆的自动驾驶控制设备和方法 | |
US20210323578A1 (en) | Bayesian global optimization-based parameter tuning for vehicle motion controllers | |
CN113821022B (zh) | 基于相对速度的缓冲区的速度规划 | |
Wang et al. | ECASS: Edge computing based auxiliary sensing system for self-driving vehicles | |
CN112394725A (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
Wang et al. | Trajectory prediction for turning vehicles at intersections by fusing vehicle dynamics and driver’s future input estimation | |
CN117007052A (zh) | 机场无人驾驶车辆安全运行检测方法、电子设备及存储介质 | |
CN116225026A (zh) | 自动驾驶车辆操作方法、电子设备以及计算机可读介质 | |
EP3838697A1 (en) | Speed planning using a speed planning guideline for idle speed of autonomous driving vehicles | |
US20210303874A1 (en) | A point cloud-based low-height obstacle detection system | |
CN116300970B (zh) | 车辆自主编队方法及装置 | |
US20240025442A1 (en) | Trajectory planning in autonomous driving vehicles for unforeseen scenarios | |
US20240185611A1 (en) | Image signal processing (isp) tuning with downstream perception metric in autonomous driving |
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 |