CN112631295A - 路径规划方法、装置及车辆 - Google Patents
路径规划方法、装置及车辆 Download PDFInfo
- Publication number
- CN112631295A CN112631295A CN202011493255.8A CN202011493255A CN112631295A CN 112631295 A CN112631295 A CN 112631295A CN 202011493255 A CN202011493255 A CN 202011493255A CN 112631295 A CN112631295 A CN 112631295A
- Authority
- CN
- China
- Prior art keywords
- path
- vehicle
- points
- planning
- optimal
- 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 38
- 238000009499 grossing Methods 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 230000001133 acceleration Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 239000006185 dispersion Substances 0.000 claims description 7
- 238000013138 pruning Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种路径规划方法、装置及车辆，其中，方法包括：将车体坐标系和最后周期内的行车轨迹投影至预设坐标系，以生成可行域；在可行域里生成的带全有向无环图，求得单条轨迹，并均匀采样目标点，筛选出最优路径；根据障碍物的移动路径基于最大曲率约束删减最优路径中不满足预设条件的路径点，并对剩余的路径点进行平滑处理，生成车辆的路径规划结果。本申请实施例可以在有动态障碍物情形下，准确规划车辆的局部路径，有效保证路径的可行性，更加可靠稳定，保证安全驾驶，由此，解决了相关技术中针对动态障碍物情形下，无法有效规划车辆的局部路径及速度，规划的可行性和实时性较低，无法有效保证安全驾等技术问题。
Description
技术领域
本申请涉及车辆智能控制技术领域，特别涉及一种路径规划方法、装置及车辆。
背景技术
相关技术中，对于存在障碍物的环境，车辆通常将障碍物信息(如形状、位置等)及环境信息抽象成数学模型进行计算，常用决策树、基于知识或结合人工智能的决策模型描述车辆的驾驶状态、场景特征与驾驶行为的映射，又或者使用模型MPC(Model PredictiveControl，预测模型)在运动学约束下进行轨迹的规划，并使用数值优化法生成目标路径点。
然而，相关技术中，一部分未充分考虑车辆的非完整性约束限制，规划路径不一定可行，或者需要对整体环境进行建模，计算量大，效率低，实时性无法保证；另一部分，在复杂环境中，轨迹规划的控制逻辑非常复杂，且一般未考虑环境中的不确定因素。另外，基于人工智能算法模型，场景数据来源困难，需提前训练模型，并不断对模型进行优化，并且模型预测算法的约束众多，优化其轨迹难度很较大，解决的多数是静态障碍物或者静态复杂环境下的路径规划问题，应用到动态障碍物的情形时，规划出的路径存在曲线不光滑，曲率突变等问题，针对动态障碍物情形下，车辆的局部路径规划亟待解决。
申请内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一目的在于提出一种车辆的路径规划方法，该方法可以在有动态障碍物情形下，准确规划车辆的局部路径，有效保证路径的可行性，更加可靠稳定，保证安全驾驶。
本申请的第二个目的在于提出一种车辆的路径规划装置。
本申请的第三个目的在于提出一种车辆。
为达到上述目的，本申请第一方面实施例提供一种车辆的路径规划方法，包括以下步骤：
将车辆所处的车体坐标系投影至预设坐标系，同时将所述车辆最后周期内的行车轨迹投影至所述预设坐标系，以生成可行域；
利用动态规划搜索在所述可行域里生成的带全有向无环图，求得单条轨迹，并均匀采样目标点，筛选出最优路径；以及
预测当前障碍物的移动路径，并根据所述移动路径基于最大曲率约束删减所述最优路径中不满足预设条件的路径点，并对剩余的路径点进行平滑处理，生成所述车辆的路径规划结果。
根据本申请实施例的车辆的路径规划方法，根据障碍物的移动路径基于最大曲率约束删减最优路径中不满足条件的路径点，并对剩余的路径点进行平滑处理以得到车辆的路径规划结果，从而在有动态障碍物情形下，准确规划车辆的局部路径，有效保证路径的可行性，更加可靠稳定，保证安全驾驶，由此，解决了相关技术中针对动态障碍物情形下，无法有效规划车辆的局部路径及速度，规划的可行性和实时性较低，无法有效保证安全驾等技术问题。
另外，根据本申请上述实施例的车辆的路径规划方法还可以具有以下附加的技术特征：
可选地，在本申请的一个实施例中，还包括：
将所述规划路径和所述移动路径按时间离散投影至预设网格上，并加上至少一项预设约束，生成最优路径；
根据所述当前障碍物与所述车辆的相关信息计算期望加速度；
将所述期望加速度与由所述最优路径得到的速度及道路约束融合得到初始速度规划，并用样条曲线拟合将所述初始速度进行平滑优化，得到速度规划结果。
可选地，在本申请的一个实施例中，所述将所述车辆最后周期内的行车轨迹投影至所述预设坐标系，包括：
将所述最后周期内的行车轨迹投至Frenet坐标系，以获取所述车辆的速度曲线；
根据所述速度曲线绘制所述车辆的预计路线，生成所述可行域。
可选地，在本申请的一个实施例中，所述根据所述移动路径基于最大曲率约束删减所述最优路径中不满足预设条件的路径点，包括：
从所述最优路径的第一个路径点依次连接后序路径点，其中，若路径点间连线与所述移动路径无交集，则选择删减，直至连线与所述移动路径产生交集，并以碰撞前一路径点为新的第一个路径点，重复删减，直至达到所述最优路径的最后一个路径点。
可选地，在本申请的一个实施例中，所述对剩余的路径点进行平滑处理，包括：
连线所述剩余的路径点，并检测相邻路径点间的夹角；
在所述夹角小于平缓夹角时，插入新的路径点，使得所述夹角大于或等于所述平缓夹角，并利用三次B样条曲线生成所述路径规划结果。
为达到上述目的，本申请第二方面实施例提供一种车辆的路径规划装置，包括：
第一生成模块，用于将车辆所处的车体坐标系投影至预设坐标系，同时将所述车辆最后周期内的行车轨迹投影至所述预设坐标系，以生成可行域；
筛选模块，用于用动态规划搜索在所述可行域里生成的带全有向无环图，求得单条轨迹，并均匀采样目标点，筛选出最优路径；以及
路径规划模块，用于预测当前障碍物的移动路径，并根据所述移动路径基于最大曲率约束删减所述最优路径中不满足预设条件的路径点，并对剩余的路径点进行平滑处理，生成所述车辆的路径规划结果。
根据本申请实施例的车辆的路径规划装置，根据障碍物的移动路径基于最大曲率约束删减最优路径中不满足条件的路径点，并对剩余的路径点进行平滑处理以得到车辆的路径规划结果，从而在有动态障碍物情形下，准确规划车辆的局部路径，有效保证路径的可行性，更加可靠稳定，保证安全驾驶，由此，解决了相关技术中针对动态障碍物情形下，无法有效规划车辆的局部路径及速度，规划的可行性和实时性较低，无法有效保证安全驾等技术问题。
另外，根据本申请上述实施例的车辆的路径规划装置还可以具有以下附加的技术特征：
可选地，在本申请的一个实施例中，还包括：
第二生成模块，用于将所述规划路径和所述移动路径按时间离散投影至预设网格上，并加上至少一项预设约束，生成最优路径；
计算模块，用于根据所述当前障碍物与所述车辆的相关信息计算期望加速度；
速度规划模块，用于将所述期望加速度与由所述最优路径得到的速度及道路约束融合得到初始速度规划，并用样条曲线拟合将所述初始速度进行平滑优化，得到速度规划结果。
可选地，在本申请的一个实施例中，所述路径规划模块包括：
删减单元，用于从所述最优路径的第一个路径点依次连接后序路径点，其中，若路径点间连线与所述移动路径无交集，则选择删减，直至连线与所述移动路径产生交集，并以碰撞前一路径点为新的第一个路径点，重复删减，直至达到所述最优路径的最后一个路径点。
可选地，在本申请的一个实施例中，所述路径规划模块还包括：
检测单元，用于连线所述剩余的路径点，并检测相邻路径点间的夹角；
平滑单元，用于在所述夹角小于平缓夹角时，插入新的路径点，使得所述夹角大于或等于所述平缓夹角，并利用三次B样条曲线生成所述路径规划结果。
为达到上述目的，本申请第三方面实施例提供一种车辆，其包括：上述实施例所述的车辆的路径规划装置。
根据本申请实施例的车辆，根据障碍物的移动路径基于最大曲率约束删减最优路径中不满足条件的路径点，并对剩余的路径点进行平滑处理以得到车辆的路径规划结果，从而在有动态障碍物情形下，准确规划车辆的局部路径，有效保证路径的可行性，更加可靠稳定，保证安全驾驶，由此，解决了相关技术中针对动态障碍物情形下，无法有效规划车辆的局部路径及速度，规划的可行性和实时性较低，无法有效保证安全驾等技术问题。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种车辆的路径规划方法的流程图；
图2为根据本申请一个实施例的车辆的路径规划方法的流程图；
图3为根据本申请一个具体实施例的车辆的路径规划方法的流程图；
图4为根据本申请实施例的车辆的路径规划装置的示例图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的路径规划方法、装置及车辆。针对上述背景技术中心提到的相关技术中针对动态障碍物情形下，无法有效规划车辆的局部路径及速度，规划的可行性和实时性较低，无法有效保证安全驾的问题，本申请提供了一种车辆的路径规划方法，在该方法中，根据障碍物的移动路径基于最大曲率约束删减最优路径中不满足条件的路径点，并对剩余的路径点进行平滑处理以得到车辆的路径规划结果，从而在有动态障碍物情形下，准确规划车辆的局部路径，有效保证路径的可行性，更加可靠稳定，保证安全驾驶，由此，解决了相关技术中针对动态障碍物情形下，无法有效规划车辆的局部路径及速度，规划的可行性和实时性较低，无法有效保证安全驾等技术问题。
具体而言，图1为本申请实施例所提供的一种车辆的路径规划方法的流程示意图。
如图1所示，该车辆的路径规划方法包括以下步骤：
在步骤S101中，将车辆所处的车体坐标系投影至预设坐标系，同时将车辆最后周期内的行车轨迹投影至预设坐标系，以生成可行域。
首先，如图2所示，车辆的决策模块，其包含计算单元及存储装置，决策模块中所有的建模、计算、优化均可以在计算单元中完成，生成轨迹及更新存储在存储器中。决策模块分为两部分全局规划和局部规划，而本申请实施例针对于局部规划分，尤其是针对在有动态障碍物情形下，准确规划车辆的局部路径。
需要说明的是，预设坐标系可以为Frenet坐标系，也可以由本领域技术人员进行设置，在此不做具体限制。
可选地，在本申请的一个实施例中，将车辆最后周期内的行车轨迹投影至预设坐标系，包括：将最后周期内的行车轨迹投至Frenet坐标系，以获取车辆的速度曲线；根据速度曲线绘制车辆的预计路线，生成可行域。
作为一种可能实现的方式，车体坐标系投影至Frenet坐标系车辆状态由位置、航向、曲率(x，y，θ，κ，dκ)转换为位移、横向距离、横向导数(s，l，dl，ddl，dddl)。同时，将车辆的最后一周期内的轨迹投至Frenet坐标系，获取速度曲线，并用此绘制本车预计路线，类似处理动态障碍物的预计路线(按时间离散为轨迹点)。
在步骤S102中，利用动态规划搜索在可行域里生成的带全有向无环图，求得单条轨迹，并均匀采样目标点，筛选出最优路径。
作为一种可能实现的方式，在上述步骤中生成的可行域里，在状态空间中lattice采样并向前连接(等价于把连续构型空间离散为lattice空间)，基于图搜索，用动态规划搜索该带全有向无环图。求出单条轨迹后，均匀采样目标点，得到多条备选轨迹，构造如下代价函数，选择出最优路径：
Ctot(f(s))＝α·Csmth(f)+β·Cobs(f)+γ·Cgds(f)，
其中，Csmth(f)是路径光滑度代价函数，与本车与障碍物航向偏差相关；避障代价函数Cobs(f)由本车与障碍物边界距离决定，大于安全距离时取值为0，在安全距离内但无碰撞时，为单调递减函数；引导线代价函数Cgds(f)以车道为约束，若路径点超出道路，取值会非常大。
在步骤S103中，预测当前障碍物的移动路径，并根据移动路径基于最大曲率约束删减最优路径中不满足预设条件的路径点，并对剩余的路径点进行平滑处理，生成车辆的路径规划结果。
可以理解的是，如图3所示，对于上述步骤生成的路径点，本申请实施例可以基于最大曲率约束对其进行删减(删减目的是减小计算量，若路径点过多，计算效率降低，造成资源浪费，同时影响实时性)，再对新的路径点进行平滑处理，如利用三次B样条曲线平滑，更新路径，得到路径规划结果。
可选地，在本申请的一个实施例中，根据移动路径基于最大曲率约束删减最优路径中不满足预设条件的路径点，包括：从最优路径的第一个路径点依次连接后序路径点，其中，若路径点间连线与移动路径无交集，则选择删减，直至连线与移动路径产生交集，并以碰撞前一路径点为新的第一个路径点，重复删减，直至达到最优路径的最后一个路径点。
作为一种可能实现的方式，对于生成的路径点，从第一个节点/路径点(初始状态)依次连接后序路径点，若节点间连线与障碍物路径无交集，则删去它们之间的节点，依次推至连线与障碍物路径有交集产生(碰撞产生)，则以碰撞前一节点为新起点，重复以上直至达到最后一个节点(目标状态)。
进一步地，在本申请的一个实施例中，对剩余的路径点进行平滑处理，包括：连线剩余的路径点，并检测相邻路径点间的夹角；在夹角小于平缓夹角时，插入新的路径点，使得夹角大于或等于平缓夹角，并利用三次B样条曲线生成路径规划结果。
作为一种可能实现的方式，设定夹角阈值
对以上生成的路径点连线，若相邻连线间的夹角
在两节点间基于
插入新节点，以平缓夹角。
进一步地，B样条曲线：
基函数：
三次B样条曲线：n＝3，对任意相邻的四个节点，取k＝0、1、2、3，其曲线表达式为：
对以上曲线，利用优化的反解控制点算法，得到控制点集，加入并更新规划路径点。
另外，在本申请的一个实施例中，本申请实施例的规划方法还包括：将规划路径和移动路径按时间离散投影至预设网格上，并加上至少一项预设约束，生成最优路径；根据当前障碍物与车辆的相关信息计算期望加速度；将期望加速度与由最优路径得到的速度及道路约束融合得到初始速度规划，并用样条曲线拟合将初始速度进行平滑优化，得到速度规划结果。
可以理解的是，本申请实施例在有动态障碍物情形下，不但针对车辆的局部路径规划问题，还可以针对车辆的速度规划问题，
具体而言，如图3所示，局部规划不但仅为为路径规划(上方虚线框)，而且包括速度规划(下方虚线框)，其包括以下步骤：
步骤一：将路径规划子模块生成的轨迹和预测障碍物轨迹按时间离散投影至ST图的网格上，同时加上道路限速、车辆动力等约束；
步骤二：状态空间内构造有约束(限速、车辆动力、道路结构等)的代价函数，选择最优路径：
其中，Cvel(S)是速度保持代价函数，与道路限速、道路曲率等相关；Cobs(S)评估本车与障碍物距离；Csmth(S)由加速度决定，表示速度平滑度。
步骤三：对于规划出的速度，基于模糊控制，在约束条件下进行融合优化，将结果用样条插值进行平滑。具体如下：
a)结合障碍物与本车信息，根据模糊逻辑表，得到期望加速度。
步骤四：将速度及道路约束进行融合，得到路径点的速度规划。
步骤五：用样条曲线拟合将b)的速度进行平滑优化。
具体地，通过路径-速度解耦分别优化路径和速度，并且结合障碍物运动轨迹及约束，动态规划出局部路径点，并对路径点进行修剪、平滑，及用模糊控制对速度规划二次融合，并对速度进行平滑优化处理，不但充分考虑车辆本身的状态及道路、交规约束限制，规划路径可行性大大提升，保证了安全驾驶，并且通过对路径点的修剪、平滑，提高了计算效率，实时性得到了保证，以及对速度规划采用二次融合及平滑优化，避免出现速度跳变，有效解决动态障碍物或动静态障碍物同时存在的路径规划问题。
根据本申请实施例的车辆的路径规划方法，根据障碍物的移动路径基于最大曲率约束删减最优路径中不满足条件的路径点，并对剩余的路径点进行平滑处理以得到车辆的路径规划结果，从而在有动态障碍物情形下，准确规划车辆的局部路径，有效保证路径的可行性，更加可靠稳定，保证安全驾驶，由此，解决了相关技术中针对动态障碍物情形下，无法有效规划车辆的局部路径及速度，规划的可行性和实时性较低，无法有效保证安全驾等技术问题。
其次参照附图描述根据本申请实施例提出的车辆的路径规划装置。
图4是本申请实施例的车辆的路径规划装置的方框示意图。
如图4所示，该车辆的路径规划装置10包括：第一生成模块100、筛选模块200和路径规划模块300。
具体地，第一生成模块100，用于将车辆所处的车体坐标系投影至预设坐标系，同时将车辆最后周期内的行车轨迹投影至预设坐标系，以生成可行域。
筛选模块200，用于用动态规划搜索在可行域里生成的带全有向无环图，求得单条轨迹，并均匀采样目标点，筛选出最优路径。
路径规划模块300，用于预测当前障碍物的移动路径，并根据移动路径基于最大曲率约束删减最优路径中不满足预设条件的路径点，并对剩余的路径点进行平滑处理，生成车辆的路径规划结果。
可选地，在本申请的一个实施例中，本申请实施例的规划装置10还包括：第二生成模块、计算模块和速度规划模块。
其中，第二生成模块，用于将规划路径和移动路径按时间离散投影至预设网格上，并加上至少一项预设约束，生成最优路径。
计算模块，用于根据当前障碍物与车辆的相关信息计算期望加速度。
速度规划模块，用于将期望加速度与由最优路径得到的速度及道路约束融合得到初始速度规划，并用样条曲线拟合将初始速度进行平滑优化，得到速度规划结果。
可选地，在本申请的一个实施例中，路径规划模块300包括：删减单元。
其中，删减单元，用于从最优路径的第一个路径点依次连接后序路径点，其中，若路径点间连线与移动路径无交集，则选择删减，直至连线与移动路径产生交集，并以碰撞前一路径点为新的第一个路径点，重复删减，直至达到最优路径的最后一个路径点。
可选地，在本申请的一个实施例中，路径规划模块300还包括：检测单元和平滑单元。
其中，检测单元，用于连线剩余的路径点，并检测相邻路径点间的夹角。
平滑单元，用于在夹角小于平缓夹角时，插入新的路径点，使得夹角大于或等于平缓夹角，并利用三次B样条曲线生成路径规划结果。
需要说明的是，前述对车辆的路径规划方法实施例的解释说明也适用于该实施例的车辆的路径规划装置，此处不再赘述。
根据本申请实施例的车辆的路径规划装置，根据障碍物的移动路径基于最大曲率约束删减最优路径中不满足条件的路径点，并对剩余的路径点进行平滑处理以得到车辆的路径规划结果，从而在有动态障碍物情形下，准确规划车辆的局部路径，有效保证路径的可行性，更加可靠稳定，保证安全驾驶，由此，解决了相关技术中针对动态障碍物情形下，无法有效规划车辆的局部路径及速度，规划的可行性和实时性较低，无法有效保证安全驾等技术问题。
此外，本申请实施例还公开了一种车辆，该车辆包括上述实施例所述的车辆的路径规划装置。根据本申请实施例的车辆可以根据障碍物的移动路径基于最大曲率约束删减最优路径中不满足条件的路径点，并对剩余的路径点进行平滑处理以得到车辆的路径规划结果，从而在有动态障碍物情形下，准确规划车辆的局部路径，有效保证路径的可行性，更加可靠稳定，保证安全驾驶，由此，解决了相关技术中针对动态障碍物情形下，无法有效规划车辆的局部路径及速度，规划的可行性和实时性较低，无法有效保证安全驾等技术问题。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种车辆的路径规划方法，其特征在于，包括以下步骤：
将车辆所处的车体坐标系投影至预设坐标系，同时将所述车辆最后周期内的行车轨迹投影至所述预设坐标系，以生成可行域；
利用动态规划搜索在所述可行域里生成的带全有向无环图，求得单条轨迹，并均匀采样目标点，筛选出最优路径；以及
预测当前障碍物的移动路径，并根据所述移动路径基于最大曲率约束删减所述最优路径中不满足预设条件的路径点，并对剩余的路径点进行平滑处理，生成所述车辆的路径规划结果。
2.根据权利要求1所述的方法，其特征在于，还包括：
将所述规划路径和所述移动路径按时间离散投影至预设网格上，并加上至少一项预设约束，生成最优路径；
根据所述当前障碍物与所述车辆的相关信息计算期望加速度；
将所述期望加速度与由所述最优路径得到的速度及道路约束融合得到初始速度规划，并用样条曲线拟合将所述初始速度进行平滑优化，得到速度规划结果。
3.根据权利要求1所述的方法，其特征在于，所述将所述车辆最后周期内的行车轨迹投影至所述预设坐标系，包括：
将所述最后周期内的行车轨迹投至Frenet坐标系，以获取所述车辆的速度曲线；
根据所述速度曲线绘制所述车辆的预计路线，生成所述可行域。
4.根据权利要求1所述的方法，其特征在于，所述根据所述移动路径基于最大曲率约束删减所述最优路径中不满足预设条件的路径点，包括：
从所述最优路径的第一个路径点依次连接后序路径点，其中，若路径点间连线与所述移动路径无交集，则选择删减，直至连线与所述移动路径产生交集，并以碰撞前一路径点为新的第一个路径点，重复删减，直至达到所述最优路径的最后一个路径点。
5.根据权利要求4所述的方法，其特征在于，所述对剩余的路径点进行平滑处理，包括：
连线所述剩余的路径点，并检测相邻路径点间的夹角；
在所述夹角小于平缓夹角时，插入新的路径点，使得所述夹角大于或等于所述平缓夹角，并利用三次B样条曲线生成所述路径规划结果。
6.一种车辆的路径规划装置，其特征在于，包括：
第一生成模块，用于将车辆所处的车体坐标系投影至预设坐标系，同时将所述车辆最后周期内的行车轨迹投影至所述预设坐标系，以生成可行域；
筛选模块，用于用动态规划搜索在所述可行域里生成的带全有向无环图，求得单条轨迹，并均匀采样目标点，筛选出最优路径；以及
路径规划模块，用于预测当前障碍物的移动路径，并根据所述移动路径基于最大曲率约束删减所述最优路径中不满足预设条件的路径点，并对剩余的路径点进行平滑处理，生成所述车辆的路径规划结果。
7.根据权利要求6所述的装置，其特征在于，还包括：
第二生成模块，用于将所述规划路径和所述移动路径按时间离散投影至预设网格上，并加上至少一项预设约束，生成最优路径；
计算模块，用于根据所述当前障碍物与所述车辆的相关信息计算期望加速度；
速度规划模块，用于将所述期望加速度与由所述最优路径得到的速度及道路约束融合得到初始速度规划，并用样条曲线拟合将所述初始速度进行平滑优化，得到速度规划结果。
8.根据权利要求6所述的装置，其特征在于，所述路径规划模块包括：
删减单元，用于从所述最优路径的第一个路径点依次连接后序路径点，其中，若路径点间连线与所述移动路径无交集，则选择删减，直至连线与所述移动路径产生交集，并以碰撞前一路径点为新的第一个路径点，重复删减，直至达到所述最优路径的最后一个路径点。
9.根据权利要求8所述的装置，其特征在于，所述路径规划模块还包括：
检测单元，用于连线所述剩余的路径点，并检测相邻路径点间的夹角；
平滑单元，用于在所述夹角小于平缓夹角时，插入新的路径点，使得所述夹角大于或等于所述平缓夹角，并利用三次B样条曲线生成所述路径规划结果。
10.一种车辆，其特征在于，包括：如权利要求6-9任一项所述的车辆的路径规划装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011493255.8A CN112631295B (zh) | 2020-12-17 | 2020-12-17 | 路径规划方法、装置及车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011493255.8A CN112631295B (zh) | 2020-12-17 | 2020-12-17 | 路径规划方法、装置及车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112631295A true CN112631295A (zh) | 2021-04-09 |
| CN112631295B CN112631295B (zh) | 2023-06-06 |
Family
ID=75316822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011493255.8A Active CN112631295B (zh) | 2020-12-17 | 2020-12-17 | 路径规划方法、装置及车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112631295B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019971A (zh) * | 2021-11-04 | 2022-02-08 | 北京三快在线科技有限公司 | 一种无人设备控制方法、装置、存储介质及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020000192A1 (en) * | 2018-06-26 | 2020-01-02 | Psa Automobiles Sa | Method for providing vehicle trajectory prediction |
| CN111982143A (zh) * | 2020-08-11 | 2020-11-24 | 北京汽车研究总院有限公司 | 车辆及车辆路径规划方法、装置 |
| CN111998867A (zh) * | 2020-08-26 | 2020-11-27 | 上海汽车集团股份有限公司 | 一种车辆路径规划方法及装置 |
| CN112068545A (zh) * | 2020-07-23 | 2020-12-11 | 哈尔滨工业大学（深圳） | 一种无人驾驶车辆在十字路口的行驶轨迹规划方法、系统及存储介质 |
| CN112082566A (zh) * | 2020-08-31 | 2020-12-15 | 南方科技大学 | 电动汽车路径规划方法、装置、终端及存储介质 |
-
2020
- 2020-12-17 CN CN202011493255.8A patent/CN112631295B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020000192A1 (en) * | 2018-06-26 | 2020-01-02 | Psa Automobiles Sa | Method for providing vehicle trajectory prediction |
| CN112068545A (zh) * | 2020-07-23 | 2020-12-11 | 哈尔滨工业大学（深圳） | 一种无人驾驶车辆在十字路口的行驶轨迹规划方法、系统及存储介质 |
| CN111982143A (zh) * | 2020-08-11 | 2020-11-24 | 北京汽车研究总院有限公司 | 车辆及车辆路径规划方法、装置 |
| CN111998867A (zh) * | 2020-08-26 | 2020-11-27 | 上海汽车集团股份有限公司 | 一种车辆路径规划方法及装置 |
| CN112082566A (zh) * | 2020-08-31 | 2020-12-15 | 南方科技大学 | 电动汽车路径规划方法、装置、终端及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 道格拉斯 B.韦斯特: "《图论导引 原书第2版典藏版》", 31 May 2020, 机械工业出版社 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114019971A (zh) * | 2021-11-04 | 2022-02-08 | 北京三快在线科技有限公司 | 一种无人设备控制方法、装置、存储介质及电子设备 |
| CN114019971B (zh) * | 2021-11-04 | 2024-03-26 | 北京三快在线科技有限公司 | 一种无人设备控制方法、装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112631295B (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11403526B2 (en) | Decision making for autonomous vehicle motion control | |
| Han et al. | Mobile robot path planning with surrounding point set and path improvement | |
| CN111982143B (zh) | 车辆及车辆路径规划方法、装置 | |
| US20210370980A1 (en) | Autonomous vehicle planning | |
| US20210103286A1 (en) | Systems and methods for adaptive path planning | |
| CN111708364B (zh) | 一种基于a*算法改进的agv路径规划方法 | |
| CN105955262A (zh) | 一种基于栅格地图的移动机器人实时分层路径规划方法 | |
| Hart et al. | Graph neural networks and reinforcement learning for behavior generation in semantic environments | |
| CN112486178A (zh) | 一种基于有向d＊算法的动态路径规划方法 | |
| CN112631295B (zh) | 路径规划方法、装置及车辆 | |
| Le et al. | Search-based planning and replanning in robotics and autonomous systems | |
| Vallon et al. | Data-driven strategies for hierarchical predictive control in unknown environments | |
| CN114559439B (zh) | 一种移动机器人智能避障控制方法、装置和电子设备 | |
| Dhiman et al. | A review of path planning and mapping technologies for autonomous mobile robot systems | |
| Neuman et al. | Anytime policy planning in large dynamic environments with interactive uncertainty | |
| Liu et al. | A robot obstacle avoidance approach with lidar and rgb camera data combined | |
| Saboori et al. | Optimal robot path planning based on fuzzy model of obstacles | |
| Chen et al. | GVD-Exploration: An Efficient Autonomous Robot Exploration Framework Based on Fast Generalized Voronoi Diagram Extraction | |
| Dellinger et al. | Automated waypoint generation with the growing neural gas algorithm | |
| CN113961016B (zh) | 基于a*算法的无人机动态目标航迹规划方法及系统 | |
| González-Sieira et al. | Anytime motion replanning in state lattices for wheeled robots | |
| Cserna | Real-time Planning For Robots | |
| CN116011762A (zh) | 一种多数量仓储无人车智能调度方法及装置 | |
| Drenth | Investigation of Frontier and Rapidly-Exploring Random Tree Based Robot Exploration Algorithms and Implementation of Multi Robot Exploration | |
| Shafie | Optimal tour constructions for multiple mobile robots |
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 |