CN112631304A - 车辆轨迹规划方法、系统、电子设备和计算机可读存储介质 - Google Patents
车辆轨迹规划方法、系统、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112631304A CN112631304A CN202011572848.3A CN202011572848A CN112631304A CN 112631304 A CN112631304 A CN 112631304A CN 202011572848 A CN202011572848 A CN 202011572848A CN 112631304 A CN112631304 A CN 112631304A
- Authority
- CN
- China
- Prior art keywords
- track
- vehicle
- cost
- sampling
- smaller
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 17
- 238000011478 gradient descent method Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 41
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明公开了车辆轨迹规划方法、系统、电子设备和计算机可读存储介质。本发明对采样后的轨迹进行梯度下降法优化处理,使得轨迹更加平滑;同时,本发明引入轨迹的换道代价计算,限制车辆不会跳跃多个局部路径,确保车辆前进路径的平滑性。
Description
技术领域
本发明属于自动驾驶领域,特别涉及了一种车辆轨迹规划技术。
背景技术
轨迹规划(Trajectories Planning)主要指考虑实际临时或者移动障碍物,考虑速度、动力学约束的情况下,尽量按照规划路径进行轨迹规划。轨迹规划的核心就是要解决车辆该怎么走的问题。轨迹规划的输入包括拓扑地图,障碍物及障碍物的预测轨迹,交通信号灯的状态,还有定位导航、车辆状态等其他信息。而轨迹规划的输出就是一个轨迹,轨迹是一个时间到位置的函数,就是在特定的时刻车辆在特定的位置上。轨迹规划的目标是计算出安全、舒适的轨迹供无人驾驶车辆完成预定的行驶任务。
现有的轨迹规划存在以下问题:
(1)未对采样后的轨迹进行平滑优化处理,导致局部轨迹不平滑;
(2)在选择最优轨迹时,未考虑轨迹切换的平滑性代价,导致轨迹切换不连续,跳变较大。
发明内容
为了解决上述背景技术提到的技术问题,本发明提出了车辆轨迹规划方法、系统、电子设备和计算机可读存储介质。
为了实现上述技术目的,本发明的技术方案为:
一种基于空间样条采样的车辆轨迹规划方法,包括以下步骤:
(1)基于全局规划生成的全局路径、车辆的当前位置信息以及设定的最大截取距离,提取全局路径中的一段轨迹;
(2)基于步骤(1)提取的全局路径中的一段轨迹,对路径点进行垂直分布点采样,得到一系列采样路径点轨迹;
(3)采用梯度下降法对步骤(2)得到的各条采样路径点轨迹进行优化;
(4)针对步骤(3)优化后的各条采样路径点轨迹进行优先选择代价计算,优选选择代价越小的轨迹被选择的可能性越大;
(5)针对步骤(3)优化后的各条采样路径点轨迹进行换道代价计算,换道代价越小的轨迹被选择的可能性越大;
(6)针对步骤(3)优化后的各条采样路径点轨迹进行障碍物代价计算,障碍物代价越小的轨迹被选择的可能性越大;
(7)根据步骤(4)-(6)的结果确定出最佳轨迹。
进一步地,在步骤(4)中,对于所述优先选择代价,分别计算各条轨迹与中间道路参考线的距离,距离越小对应的优先选择代价越小。
进一步地,在步骤(5)中,对于所述换道代价,分别计算各条轨迹到其邻近的候选轨迹的距离,距离越小对应的换道代价越小。
进一步地,在步骤(6)中,对于所述障碍物代价,分别计算各条轨迹与障碍物之间的距离,距离越小对应的障碍物代价越小。
一种基于空间样条采样的车辆轨迹规划系统,包括控制模块、数据处理模块、参数输入模块、位置采集模块和视觉相机模块;所述参数输入模块用于输入全局规划参数和最大截取距离参数;所述位置采集模块用于采集车辆当前位置信息;所述视觉相机模块用于采集中间道路参考线的位置信息和障碍物的位置信息;所述数据处理模块根据参数输入模块和位置采集模块输出的信息提取全局路径中的一段轨迹,对提取的轨迹进行垂直分布点采样,得到一系列采样路径点轨迹,对各条采样路径点轨迹进行梯度下降处理,并结合视觉相机模块采集的信息计算各条轨迹的优先选择代价、换道代价和障碍物代价,根据代价确定出最佳轨迹;所述控制模块与车辆驾驶系统相连,控制模块根据处理模块确定的最佳轨迹生成相应的车辆控制指令并传送给车辆驾驶系统。
一种基于空间样条采样的车辆轨迹规划电子设备,包括处理器和存储器,所述存储器存储有所述处理器的执行指令,所述处理器配置为执行所述执行指令以实现上述车辆轨迹规划方法。
一种计算机可读存储介质,用于存储程序,执行所述程序以实现上述车辆轨迹规划方法。
采用上述技术方案带来的有益效果:
1、本发明对采样后的轨迹进行梯度下降法优化处理,使得轨迹更加平滑;
2、本发明引入轨迹的换道代价计算,限制车辆不会跳跃多个局部路径,确保车辆前进路径的平滑性。
附图说明
图1是本发明设计的车辆轨迹规划方法流程图;
图2是本发明步骤1-3的过程示意图;
图3是本发明设计的车辆轨迹规划系统结构图;
图4是现有轨迹规划方法的仿真图;
图5是本发明设计的轨迹规划方法的仿真图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本发明设计了一种基于空间样条采样的车辆轨迹规划方法,如图1所示,步骤如下:
步骤1、全局路径分割
基于全局规划生成的全局路径、车辆的当前位置信息以及设定的最大截取距离,提取全局路径中的一段轨迹。
步骤2、基于提取路径采样
基于步骤1提取的全局路径中的一段轨迹,对路径点进行垂直分布点采样,得到一系列采样路径点轨迹。
步骤3、轨迹平滑优化
采用梯度下降法对步骤2得到的各条采样路径点轨迹进行优化。步骤1-3的过程如图2所示,其中(a)为原始图,(b)为步骤1提取的路径,(c)为采样生成多条离散轨迹,(d)为梯度下降法优化后的轨迹。
步骤4、优先选择代价计算
针对优化后的各条采样路径点轨迹进行优先选择代价计算,优选选择代价越小的轨迹被选择的可能性越大。具体地,对于所述优先选择代价,分别计算各条轨迹与中间道路参考线的距离,距离越小对应的优先选择代价越小。
步骤5、换道代价计算
针对优化后的各条采样路径点轨迹进行换道代价计算,换道代价越小的轨迹被选择的可能性越大。具体地,对于所述换道代价,分别计算各条轨迹到其邻近的候选轨迹的距离,距离越小对应的换道代价越小。
步骤6、障碍物代价计算
针对优化后的各条采样路径点轨迹进行障碍物代价计算,障碍物代价越小的轨迹被选择的可能性越大。具体地,对于所述障碍物代价,分别计算各条轨迹与障碍物之间的距离,距离越小对应的障碍物代价越小。
步骤7、根据步骤4-6确定最佳轨迹。
本发明设计了一种基于空间样条采样的车辆轨迹规划系统,如图3所示,包括控制模块、数据处理模块、参数输入模块、位置采集模块和视觉相机模块。所述参数输入模块用于输入全局规划参数和最大截取距离参数;所述位置采集模块用于采集车辆当前位置信息;所述视觉相机模块用于采集中间道路参考线的位置信息和障碍物的位置信息;所述数据处理模块根据参数输入模块和位置采集模块输出的信息提取全局路径中的一段轨迹,对提取的轨迹进行垂直分布点采样,得到一系列采样路径点轨迹,对各条采样路径点轨迹进行梯度下降处理,并结合视觉相机模块采集的信息计算各条轨迹的优先选择代价、换道代价和障碍物代价,根据代价确定出最佳轨迹;所述控制模块与车辆驾驶系统相连,控制模块根据处理模块确定的最佳轨迹生成相应的车辆控制指令并传送给车辆驾驶系统。
本发明还设计了一种基于空间样条采样的车辆轨迹规划电子设备,包括处理器和存储器,所述存储器存储有所述处理器的执行指令,所述处理器配置为执行所述执行指令以实现上述车辆轨迹规划方法。
本发明还设计了一种计算机可读存储介质,用于存储程序,执行所述程序以实现上述车辆轨迹规划方法。
为了验证本发明的可行性,基于ROS平台,分别对现有轨迹规划方法和本发明设计的轨迹规划方法进行仿真,仿真效果如图4和图5所示,图中灰色正方形方块障碍物突然出现在所示的全局规划路径上,白色线条表示选取的最佳路径。对比图4 中的离散点和图5中的离散点,可以看出未经优化的轨迹(图4)不顺滑,图5中的轨迹无跳变现象,而图4中的白色轨迹和原始全局路径存在干扰。
实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (7)
1.一种基于空间样条采样的车辆轨迹规划方法,其特征在于,包括以下步骤:
(1)基于全局规划生成的全局路径、车辆的当前位置信息以及设定的最大截取距离,提取全局路径中的一段轨迹;
(2)基于步骤(1)提取的全局路径中的一段轨迹,对路径点进行垂直分布点采样,得到一系列采样路径点轨迹;
(3)采用梯度下降法对步骤(2)得到的各条采样路径点轨迹进行优化;
(4)针对步骤(3)优化后的各条采样路径点轨迹进行优先选择代价计算,优选选择代价越小的轨迹被选择的可能性越大;
(5)针对步骤(3)优化后的各条采样路径点轨迹进行换道代价计算,换道代价越小的轨迹被选择的可能性越大;
(6)针对步骤(3)优化后的各条采样路径点轨迹进行障碍物代价计算,障碍物代价越小的轨迹被选择的可能性越大;
(7)根据步骤(4)-(6)的结果确定出最佳轨迹。
2.根据权利要求1所述基于空间样条采样的车辆轨迹规划方法,其特征在于,在步骤(4)中,对于所述优先选择代价,分别计算各条轨迹与中间道路参考线的距离,距离越小对应的优先选择代价越小。
3.根据权利要求1所述基于空间样条采样的车辆轨迹规划方法,其特征在于,在步骤(5)中,对于所述换道代价,分别计算各条轨迹到其邻近的候选轨迹的距离,距离越小对应的换道代价越小。
4.根据权利要求1所述基于空间样条采样的车辆轨迹规划方法,其特征在于,在步骤(6)中,对于所述障碍物代价,分别计算各条轨迹与障碍物之间的距离,距离越小对应的障碍物代价越小。
5.一种基于空间样条采样的车辆轨迹规划系统,其特征在于:包括控制模块、数据处理模块、参数输入模块、位置采集模块和视觉相机模块;所述参数输入模块用于输入全局规划参数和最大截取距离参数;所述位置采集模块用于采集车辆当前位置信息;所述视觉相机模块用于采集中间道路参考线的位置信息和障碍物的位置信息;所述数据处理模块根据参数输入模块和位置采集模块输出的信息提取全局路径中的一段轨迹,对提取的轨迹进行垂直分布点采样,得到一系列采样路径点轨迹,对各条采样路径点轨迹进行梯度下降处理,并结合视觉相机模块采集的信息计算各条轨迹的优先选择代价、换道代价和障碍物代价,根据代价确定出最佳轨迹;所述控制模块与车辆驾驶系统相连,控制模块根据处理模块确定的最佳轨迹生成相应的车辆控制指令并传送给车辆驾驶系统。
6.一种基于空间样条采样的车辆轨迹规划电子设备,其特征在于,包括处理器和存储器,所述存储器存储有所述处理器的执行指令,所述处理器配置为执行所述执行指令以实现权利要求1-4中任意一项所述车辆轨迹规划方法。
7.一种计算机可读存储介质,用于存储程序,其特征在于,执行所述程序以实现权利要求1-4中任意一项所述车辆轨迹规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011572848.3A CN112631304A (zh) | 2020-12-24 | 2020-12-24 | 车辆轨迹规划方法、系统、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011572848.3A CN112631304A (zh) | 2020-12-24 | 2020-12-24 | 车辆轨迹规划方法、系统、电子设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112631304A true CN112631304A (zh) | 2021-04-09 |
Family
ID=75325826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011572848.3A Pending CN112631304A (zh) | 2020-12-24 | 2020-12-24 | 车辆轨迹规划方法、系统、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112631304A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114371703A (zh) * | 2021-12-22 | 2022-04-19 | 杭州鸿泉物联网技术股份有限公司 | 一种无人车轨迹预测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102947676A (zh) * | 2010-04-23 | 2013-02-27 | 通腾科技股份有限公司 | 导航装置及在其上实行的方法 |
US20200231150A1 (en) * | 2019-01-17 | 2020-07-23 | Mazda Motor Corporation | Vehicle driving assistance system and method |
CN111694356A (zh) * | 2020-06-10 | 2020-09-22 | 上海高仙自动化科技发展有限公司 | 一种行驶控制方法、装置、电子设备及存储介质 |
CN111780777A (zh) * | 2020-07-13 | 2020-10-16 | 江苏中科智能制造研究院有限公司 | 一种基于改进a*算法和深度强化学习的无人车路径规划方法 |
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 |
-
2020
- 2020-12-24 CN CN202011572848.3A patent/CN112631304A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102947676A (zh) * | 2010-04-23 | 2013-02-27 | 通腾科技股份有限公司 | 导航装置及在其上实行的方法 |
US20200231150A1 (en) * | 2019-01-17 | 2020-07-23 | Mazda Motor Corporation | Vehicle driving assistance system and method |
CN111694356A (zh) * | 2020-06-10 | 2020-09-22 | 上海高仙自动化科技发展有限公司 | 一种行驶控制方法、装置、电子设备及存储介质 |
CN111780777A (zh) * | 2020-07-13 | 2020-10-16 | 江苏中科智能制造研究院有限公司 | 一种基于改进a*算法和深度强化学习的无人车路径规划方法 |
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 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114371703A (zh) * | 2021-12-22 | 2022-04-19 | 杭州鸿泉物联网技术股份有限公司 | 一种无人车轨迹预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Deep imitation learning for autonomous driving in generic urban scenarios with enhanced safety | |
CN112964271A (zh) | 一种面向多场景的自动驾驶规划方法及系统 | |
CN102566571B (zh) | 用于构建供飞行器遵循的最优飞行路线的方法和装置 | |
CN113753077A (zh) | 预测障碍物的运动轨迹的方法、装置及自动驾驶车辆 | |
CN106647769A (zh) | 基于a*提取引导点的agv路径跟踪与避障协调方法 | |
CN107851373A (zh) | 场景评估装置、行驶辅助装置、场景评估方法 | |
CN107851372A (zh) | 驾驶计划装置、行驶辅助装置、驾驶计划方法 | |
CN107851375A (zh) | 驾驶计划装置、行驶辅助装置、驾驶计划方法 | |
CN107851376A (zh) | 场景评估装置、行驶辅助装置、场景评估方法 | |
CN112595337B (zh) | 避障路径规划方法、装置、电子装置、车辆及存储介质 | |
CN108268483A (zh) | 生成用于无人车导航控制的网格地图的方法 | |
CN110553660A (zh) | 一种基于a*算法和人工势场的无人车轨迹规划方法 | |
Artuñedo et al. | A decision-making architecture for automated driving without detailed prior maps | |
CN110986945B (zh) | 基于语义高度地图的局部导航方法和系统 | |
CN108268518A (zh) | 生成用于无人车导航控制的网格地图的装置 | |
CN113536454B (zh) | 一种tacs系统性能仿真方法、装置、电子设备及介质 | |
Chen et al. | Continuous decision making for on-road autonomous driving under uncertain and interactive environments | |
CN113879339A (zh) | 自动驾驶的决策规划方法、电子设备及计算机存储介质 | |
WO2021244956A1 (en) | Generating simulation environments for testing av behaviour | |
CN112631304A (zh) | 车辆轨迹规划方法、系统、电子设备和计算机可读存储介质 | |
CN114386599B (zh) | 训练轨迹预测模型和轨迹规划的方法和装置 | |
US20200139964A1 (en) | Deadlock detection device, information processing device, deadlock detection method, and non-transitory computer readable medium | |
CN110726416A (zh) | 一种基于障碍区域扩张策略的强化学习路径规划方法 | |
CN107851374A (zh) | 场景评估装置、行驶辅助装置、场景评估方法 | |
CN113110449A (zh) | 一种车辆自动驾驶技术的仿真模拟系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |
|
RJ01 | Rejection of invention patent application after publication |