CN112729320B - 一种障碍物地图构建方法、装置、设备及存储介质 - Google Patents
一种障碍物地图构建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112729320B CN112729320B CN202011534425.2A CN202011534425A CN112729320B CN 112729320 B CN112729320 B CN 112729320B CN 202011534425 A CN202011534425 A CN 202011534425A CN 112729320 B CN112729320 B CN 112729320B
- Authority
- CN
- China
- Prior art keywords
- grid
- obstacle
- map
- vehicle
- target
- 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 51
- 230000008447 perception Effects 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 abstract description 18
- 230000004888 barrier function Effects 0.000 description 21
- 238000001514 detection method Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000010276 construction Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种障碍物地图构建方法、装置、设备及存储介质。该方法包括:将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;根据所述第一栅格地图和所述第二栅格地图构建障碍物地图,通过本发明的技术方案,以实现能够为自动驾驶泊车路径规划算法提供有效支持。
Description
技术领域
本发明实施例涉及车辆技术,尤其涉及一种障碍物地图构建方法、装置、设备及存储介质。
背景技术
对于自动驾驶车辆,为了实现车辆的自主泊车,需要通过路径规划算法从车辆所在位姿规划一条不与障碍物碰撞的路径到达目标位姿,让自动驾驶车辆得以安全并高效的到达预定停车位。针对这一需求,自动驾驶车辆需要先通过传感器数据和感知算法检测出障碍物,再与预先建好的地图结合,得到泊车环境中可行驶的区域和有障碍物的区域(障碍物地图),然后在得到的障碍物地图进行路径规划。本发明描述重点在障碍物地图构建上,导航地图和检测障碍物作为已知条件,具体路径规划算法不作描述。
对于自动驾驶车辆,当前大部分的算法针对结构化道路设计。结构化道路是指城市道路或者高速路这类有明确边界和车道线的道路。结构化的道路本身被视作可行驶区域,一开始左右的边界都由车道边界限定。识别出的障碍物主要用于限定车道当前可行驶的车道前方距离以及调整车道的左右边界。由此可见,此类算法对于车道环境强依赖,并不适合没有车道的泊车环境。
自动驾驶车辆自主泊车的工况与服务型移动机器人的工况非常类似。都是一个有障碍物的,没有参考线的开放空间。但大多数服务型机器人的俯视外轮廓都会被设计成接近圆形的形状。与之相关的障碍物地图生成方法都与其接近圆形的外形强相关。而自动驾驶车辆的外轮廓并不接近圆形,因此用于服务型移动机器人的算法并不适用于无人车。
发明内容
本发明实施例提供一种障碍物地图构建方法、装置、设备及存储介质,以实现能够为自动驾驶泊车路径规划算法提供有效支持。
第一方面,本发明实施例提供了一种障碍物地图构建方法,包括:
将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;
将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;
将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;
根据所述第一栅格地图和所述第二栅格地图构建障碍物地图。
进一步的,还包括:
获取车辆的外轮廓;
根据所述车辆的外轮廓确定两个圆心;
根据所述两个圆心和车辆的外轮廓得到车辆的目标轮廓,其中,所述车辆的目标轮廓包括:两个半圆和两条直线,且所述目标轮廓上的每一个点到两个圆心连线的最短距离等于半圆的半径。
进一步的,还包括:
若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离小于或者等于所述半圆的半径,则确定车辆与障碍物碰撞;
若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离大于所述半圆的半径,则确定车辆与障碍物未碰撞。
进一步的,还包括:
根据每一个带标记的栅格的中心点和所述半圆的半径对所述障碍物地图进行膨胀处理。
进一步的,根据每一个带标记的栅格的中心点和所述半圆的半径对所述障碍物地图进行膨胀处理包括:
以每一个带标记的栅格的中心点为圆心,以所述半圆的半径为半径画目标圆;
将所述目标圆中的栅格进行标记。
进一步的,所述带标记的栅格为带障碍物标记的栅格。
第二方面,本发明实施例还提供了一种障碍物地图构建装置,该装置包括:
第一标记模块,用于将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;
输入模块,用于将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;
第二标记模块,用于将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;
构建模块,用于根据所述第一栅格地图和所述第二栅格地图构建障碍物地图。
进一步的,还包括:
获取模块,用于获取车辆的外轮廓;
确定模块,用于根据所述车辆的外轮廓确定两个圆心;
得到模块,用于根据所述两个圆心和车辆的外轮廓得到车辆的目标轮廓,其中,所述车辆的目标轮廓包括:两个半圆和两条直线,且所述目标轮廓上的每一个点到两个圆心连线的最短距离等于半圆的半径。
进一步的,还包括:
碰撞确定模块,用于若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离小于或者等于所述半圆的半径,则确定车辆与障碍物碰撞;
未碰撞确定模块,用于若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离大于所述半圆的半径,则确定车辆与障碍物未碰撞。
进一步的,还包括:
膨胀处理模块,用于根据每一个带标记的栅格的中心点和所述半圆的半径对所述障碍物地图进行膨胀处理。
进一步的,所述膨胀处理模块具体用于:
以每一个带标记的栅格的中心点为圆心,以所述半圆的半径为半径画目标圆;
将所述目标圆中的栅格进行标记。
进一步的,所述带标记的栅格为带障碍物标记的栅格。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的障碍物地图构建方法。
第四方面,本发明实施例还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如本发明实施例中任一所述的障碍物地图构建方法。
本发明实施例通过将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;根据所述第一栅格地图和所述第二栅格地图构建障碍物地图,以实现能够为自动驾驶泊车路径规划算法提供有效支持。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中的一种障碍物地图构建方法的流程图;
图1a是本发明实施例一中的第一栅格地图的图示;
图1b是本发明实施例一中的第二栅格地图的图示;
图1c是本发明实施例一中的车辆的目标轮廓的图示;
图1d是本发明实施例一中的膨胀处理后的栅格的图示;
图2是本发明实施例二中的一种障碍物地图构建装置的结构示意图;
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种障碍物地图构建方法的流程图,本实施例可适用于障碍物地图构建的情况,该方法可以由本发明实施例中的障碍物地图构建装置来执行,该装置可采用软件和/或硬件的方式实现,如图1所示,该方法具体包括如下步骤:
S110,将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图。
其中,所述导航地图中包括目标区域,所述目标区域为不可形式区域。
其中,将所述目标区域的投影覆盖的栅格进行标记的方式可以为将所述目标区域的投影覆盖的栅格标记为黑色,也可以为将目标区域的投影覆盖的栅格标记为障碍物,本发明实施例对此不进行限制。
示例性的,对于由导航地图得到的障碍物栅格,一旦被标记为有障碍物,就不能更改,因为导航地图并不会动态变化。
S120,将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息。
其中,所述三维障碍物信息可以为覆盖障碍物的三维图形,本发明实施例对此不进行限制。其中,所述三维障碍物信息可以为静态的障碍物信息,也可以为动态的障碍物信息,还可以既包含动态的障碍物信息,也包含静态的障碍物信息。
S130,将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图。
示例性的,由于感知模型输出的障碍物信息中包含会移动的障碍物的信息,所以需要对其进行动态更新。每一次获取到感知模型输出的障碍物信息,都要根据障碍物信息进行标注。
S140,根据所述第一栅格地图和所述第二栅格地图构建障碍物地图。
示例性的,将两个图层用或的关系进行叠加得到最后得到栅格地图,只要有其中一个图层的栅格被标记为障碍物,就认为该栅格有障碍物。
可选的,还包括:
获取车辆的外轮廓;
根据所述车辆的外轮廓确定两个圆心;
根据所述两个圆心和车辆的外轮廓得到车辆的目标轮廓,其中,所述车辆的目标轮廓包括:两个半圆和两条直线,且所述目标轮廓上的每一个点到两个圆心连线的最短距离等于半圆的半径。
示例性的,自动驾驶车辆的外轮廓在这里会被构建为两个半圆加两条直线。这样,外轮廓的每一个点到两个半圆圆心连线的最短距离都等于半圆的半径。在这样的构建下,只要检测到两个半圆圆心连线上的点到最近障碍物的距离不小于半圆的半径,就表示车辆与障碍物没有碰撞。
可选的,还包括:
若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离小于或者等于所述半圆的半径,则确定车辆与障碍物碰撞;
若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离大于所述半圆的半径,则确定车辆与障碍物未碰撞。
可选的,还包括:
根据每一个带标记的栅格的中心点和所述半圆的半径对所述障碍物地图进行膨胀处理。
可选的,根据每一个带标记的栅格的中心点和所述半圆的半径对所述障碍物地图进行膨胀处理包括:
以每一个带标记的栅格的中心点为圆心,以所述半圆的半径为半径画目标圆;
将所述目标圆中的栅格进行标记。
可选的,所述带标记的栅格为带障碍物标记的栅格。
在一个具体的例子中,自动驾驶车辆在现实中存在于三维空间中。但是用于车辆都是贴地行驶的,所以车辆的运行环境就被简化成一个二维的平面。车辆与障碍物的关系除了取决于两者的位置,也取决于障碍物和车辆的高度。但是由于车辆只会在平面上移动,所以对于所有高度上有可能与车辆相碰撞的障碍物,都可以直接投影到车辆行驶的二维平面上一起处理。因此,用于自动驾驶车辆自主泊车的障碍物地图的构建问题,可以被简化为一个在二维平面上标注可行驶和有障碍物区域的问题。
对于上面描述的问题,由于自动驾驶感知算法很多情况下输出的是各个障碍物的三维包围凸多边体。所以一般的处理方法是直接将三维包围投影到二维平面得到二维的凸多边形。而车辆一般会在二维平面上被建模成一个长方形。检测车辆是否与障碍物有碰撞时,会检测车辆模型长方形的每条边是否在多边形内,如果边都不在多边形内,则认为无碰撞。这样的处理方法主要有以下问题:1.对于导航地图中的障碍物,需要转化为凸多边形,这一过程有时候会大大减少可行驶的区域;2.路径规划过程中要反复在每一个路径点对车和各个障碍物的凸多边形进行检测,当障碍物数量增加时,运算消耗会较大;3.这样的处理方法只能得到是否有碰撞的信息,无法知道无碰撞的情况下是否离障碍物太近。因此规划出来的路径可能会离障碍物太近,碰撞风险提高。
本发明实施例解决的技术问题是针对上述现有技术的不足,提供一种运用于自动驾驶自主泊车的车身建模和障碍物地图构建方法。该算法为自动驾驶泊车工况特别设计,考虑了路径规划时障碍物碰撞检测的效率;同时也考虑了路径需要尽量不离障碍物过近的需求。
本发明实施例针对上述问题,提供了一种专门针对自动驾驶汽车泊车需求的障碍物地图构建和车身建模方法。该方法充分考虑自动驾驶车辆外形特性及自主泊车工况,可以为自动驾驶泊车路径规划算法提供有效支持。
在本发明实施例中,障碍物地图会以栅格地图的方式来表示。栅格地图是一种对二维平面离散化的方式。原本连续的二维空间,在栅格地图中被表示成一个一个紧挨着的小格子。格子的大小(分辨率)取决于实际使用时对于精确度的需求。精确度要求越高,格子就需要被设定地约小(分辨率越高)。在这样的栅格地图中,障碍物和可行驶区域可以直接通过对各个栅格的标注实现。如图1a所示,由此表示的障碍物地图,在碰撞检测时,可以直接通过查表的方式直接查看当前位置点所在栅格是否被标记为障碍物。如果发现是被标注为障碍物,则表示有碰撞。由于障碍物检测由查表就能完成。因此,路径规划中的碰撞检测的运算消耗就不再与障碍物数量有关。障碍物的数量就不再会影响路径规划算法的效率。相比于检测点或边是否在多边形内,查表的可以在常数时间内完成,运算消耗更小。
在障碍物地图构建时,使用两张栅格地图图层叠加的方式进行。如图1b所示,第一个图层称为静态障碍物层,是根据事先建好的导航地图(会标注车位,不可行驶区域等等),直接将不可行驶的区域投影到栅格地图上,将所有对应的栅格标记成有障碍物得到。对于由导航地图得到的障碍物栅格,一旦被标记为有障碍物,就不能更改,因为导航地图并不会动态变化。第二个图层,称为动态障碍物层,是由感知算法输出的障碍物,将其几何形状垂直投影到二维平面上,然后将其所有投影面积上的栅格全部标记为有障碍物得到。由于感知得到的障碍物中包含会移动的障碍物,所以需要对其进行动态更新。每一次感知输入变化,都要重新标注。最后,将两个图层用或的关系进行叠加得到最后得到栅格地图,只要有其中一个图层的栅格被标记为障碍物,就认为该栅格有障碍物。
上述障碍物地图构建方法简化了碰撞检测过程,但是由于车体不是一个点。因此,还是需要对整个车身的二维投影面进行检测才能确定是否有碰撞。为了进一步简化这一过程,自动驾驶车辆的外轮廓在这里会被构建为两个半圆加两条直线。如图1c所示,外轮廓的每一个点到两个半圆圆心连线的最短距离都等于半圆的半径。在这样的构建下,只要检测到两个半圆圆心连线上的点到最近障碍物的距离不小于半圆的半径,就表示车辆与障碍物没有碰撞。
为了高效就行上述检测,需要对障碍物地图进行膨胀处理:以每一个障碍物栅格的中心点为中心,以车辆模型中半圆的半径为半径,画一个圆,将圆内的栅格也全部标记为有障碍物。这样就得到了一张“膨胀”后的障碍物地图。如图1d所示,在这张膨胀的地图中,每一个没有被标注为障碍物的点到实际障碍物的距离都大于刚刚用的半径长度。经过这样处理,车辆路径规划过程中的碰撞检测又进一步简化。在“膨胀”后的栅格地图中,只需直接检测连线是否有经过标记为障碍物的栅格。只要没有经过任何被标记为障碍物的栅格,就表示没有碰撞。
用上述同样方法,障碍物地图可以进一步进行膨胀操作。对更远的栅格可以标注到障碍物的距离。对于重复被标注的栅格取最小值。这样,在后续的路径规划算法中,就可以通过查表得知当前点到障碍物的距离,以优化规划的路径使其尽量不离障碍物过近,增加安全性。
本发明实施例通过车辆模型的特殊构建与膨胀障碍物地图的结合运用,实现自动驾驶车辆在泊车路径规划过程中的高效障碍物检测和障碍物距离信息获取。
本实施例的技术方案,通过将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;根据所述第一栅格地图和所述第二栅格地图构建障碍物地图,以实现能够为自动驾驶泊车路径规划算法提供有效支持。
实施例二
图2为本发明实施例二提供的一种障碍物地图构建装置的结构示意图。本实施例可适用于障碍物地图构建的情况,该装置可采用软件和/或硬件的方式实现,该装置可集成在任何提供障碍物地图构建功能的设备中,如图2所示,所述障碍物地图构建装置具体包括:第一标记模块210、输入模块220、第二标记模块230和构建模块240。
其中,第一标记模块210,用于将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;
输入模块220,用于将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;
第二标记模块230,用于将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;
构建模块240,用于根据所述第一栅格地图和所述第二栅格地图构建障碍物地图。
可选的,还包括:
获取模块,用于获取车辆的外轮廓;
确定模块,用于根据所述车辆的外轮廓确定两个圆心;
得到模块,用于根据所述两个圆心和车辆的外轮廓得到车辆的目标轮廓,其中,所述车辆的目标轮廓包括:两个半圆和两条直线,且所述目标轮廓上的每一个点到两个圆心连线的最短距离等于半圆的半径。
可选的,还包括:
碰撞确定模块,用于若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离小于或者等于所述半圆的半径,则确定车辆与障碍物碰撞;
未碰撞确定模块,用于若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离大于所述半圆的半径,则确定车辆与障碍物未碰撞。
可选的,还包括:
膨胀处理模块,用于根据每一个带标记的栅格的中心点和所述半圆的半径对所述障碍物地图进行膨胀处理。
可选的,所述膨胀处理模块具体用于:
以每一个带标记的栅格的中心点为圆心,以所述半圆的半径为半径画目标圆;
将所述目标圆中的栅格进行标记。
可选的,所述带标记的栅格为带障碍物标记的栅格。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
为了高效就行上述检测,需要对障碍物地图进行膨胀处理:以每一个障碍物栅格的中心点为中心,以车辆模型中半圆的半径为半径,画一个圆,将圆内的栅格也全部标记为有障碍物。这样就得到了一张“膨胀”后的障碍物地图。在膨胀的地图中,每一个没有被标注为障碍物的点到实际障碍物的距离都大于刚刚用的半径长度。经过这样处理,车辆路径规划过程中的碰撞检测又进一步简化。在“膨胀”后的栅格地图中,只需直接检测连线是否有经过标记为障碍物的栅格。只要没有经过任何被标记为障碍物的栅格,就表示没有碰撞。
用上述同样方法,障碍物地图可以进一步进行膨胀操作。对更远的栅格可以标注到障碍物的距离。对于重复被标注的栅格取最小值。这样,在后续的路径规划算法中,就可以通过查表得知当前点到障碍物的距离,以优化规划的路径使其尽量不离障碍物过近,增加安全性。
本发明实施例通过车辆模型的特殊构建与膨胀障碍物地图的结合运用,实现自动驾驶车辆在泊车路径规划过程中的高效障碍物检测和障碍物距离信息获取。
本实施例的技术方案,通过将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;根据所述第一栅格地图和所述第二栅格地图构建障碍物地图,以实现能够为自动驾驶泊车路径规划算法提供有效支持。
实施例三
图3为本发明实施例三中的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外,本实施例中的计算机设备12,显示器24不是作为独立个体存在,而是嵌入镜面中,在显示器24的显示面不予显示时,显示器24的显示面与镜面从视觉上融为一体。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网Wide AreaNetwork,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的障碍物地图构建方法:
将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;
将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;
将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;
根据所述第一栅格地图和所述第二栅格地图构建障碍物地图。
实施例四
本发明实施例四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如本申请所有发明实施例提供的障碍物地图构建方法:
将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;
将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;
将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;
根据所述第一栅格地图和所述第二栅格地图构建障碍物地图。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收用户输入的源文本,将所述源文本翻译为目标语种对应的目标文本;获取所述用户的历史纠正行为;根据所述历史纠正行为对所述目标文本进行纠正,获得翻译结果,并将所述翻译结果推送至所述用户所在的客户端。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
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:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种障碍物地图构建方法,其特征在于,包括:
将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;
将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;
将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;
根据所述第一栅格地图和所述第二栅格地图构建障碍物地图;
获取车辆的外轮廓;
根据所述车辆的外轮廓确定两个圆心;
根据所述两个圆心和车辆的外轮廓得到车辆的目标轮廓,其中,所述车辆的目标轮廓包括:两个半圆和两条直线,且所述目标轮廓上的每一个点到两个圆心连线的最短距离等于半圆的半径。
2.根据权利要求1所述的方法,其特征在于,还包括:
若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离小于或者等于所述半圆的半径,则确定车辆与障碍物碰撞;
若车辆的目标轮廓的两个圆心连线上的点到最近带标记的栅格的距离大于所述半圆的半径,则确定车辆与障碍物未碰撞。
3.根据权利要求1所述的方法,其特征在于,还包括:
根据每一个带标记的栅格的中心点和所述半圆的半径对所述障碍物地图进行膨胀处理。
4.根据权利要求3所述的方法,其特征在于,根据每一个带标记的栅格的中心点和所述半圆的半径对所述障碍物地图进行膨胀处理包括:
以每一个带标记的栅格的中心点为圆心,以所述半圆的半径为半径画目标圆;
将所述目标圆中的栅格进行标记。
5.根据权利要求4所述的方法,其特征在于,所述带标记的栅格为带障碍物标记的栅格。
6.一种障碍物地图构建装置,其特征在于,包括:
第一标记模块,用于将导航地图中的目标区域投影到栅格地图,并将所述目标区域的投影覆盖的栅格进行标记,得到第一栅格地图;
输入模块,用于将车辆传感器采集的环境数据输入感知模型,得到三维障碍物信息;
第二标记模块,用于将所述三维障碍物信息投影到二维平面,将投影面积上的栅格进行标记,得到第二栅格地图;
构建模块,用于根据所述第一栅格地图和所述第二栅格地图构建障碍物地图;
获取模块,用于获取车辆的外轮廓;
确定模块,用于根据所述车辆的外轮廓确定两个圆心;
得到模块,用于根据所述两个圆心和车辆的外轮廓得到车辆的目标轮廓,其中,所述车辆的目标轮廓包括:两个半圆和两条直线,且所述目标轮廓上的每一个点到两个圆心连线的最短距离等于半圆的半径。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5中任一所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011534425.2A CN112729320B (zh) | 2020-12-22 | 2020-12-22 | 一种障碍物地图构建方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011534425.2A CN112729320B (zh) | 2020-12-22 | 2020-12-22 | 一种障碍物地图构建方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112729320A CN112729320A (zh) | 2021-04-30 |
CN112729320B true CN112729320B (zh) | 2022-05-17 |
Family
ID=75604227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011534425.2A Active CN112729320B (zh) | 2020-12-22 | 2020-12-22 | 一种障碍物地图构建方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112729320B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110505A (zh) * | 2021-05-12 | 2021-07-13 | 上海高仙自动化科技发展有限公司 | 路径规划方法、装置、设备及存储介质 |
CN113848943B (zh) * | 2021-10-18 | 2023-08-08 | 追觅创新科技(苏州)有限公司 | 栅格地图的修正方法及装置、存储介质及电子装置 |
CN114831567A (zh) * | 2022-03-31 | 2022-08-02 | 苏州三六零机器人科技有限公司 | 智能选择清扫路径方法、装置、设备及可读存储介质 |
CN115381354A (zh) * | 2022-07-28 | 2022-11-25 | 广州宝乐软件科技有限公司 | 清洁机器人的避障方法、避障装置、存储介质和设备 |
CN115406459A (zh) * | 2022-09-09 | 2022-11-29 | 中国第一汽车股份有限公司 | 路径确定方法、装置、非易失性存储介质及计算机设备 |
CN116533993B (zh) * | 2023-07-07 | 2023-09-22 | 广汽埃安新能源汽车股份有限公司 | 一种泊车控制方法及装置 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987357A (zh) * | 2006-12-26 | 2007-06-27 | 浙江工业大学 | 基于全方位计算机视觉的智能停车辅助装置 |
KR20120043446A (ko) * | 2010-10-26 | 2012-05-04 | 한국전자통신연구원 | 차량 및 장애물의 위치 검출 장치 및 그 방법 |
CN106671974A (zh) * | 2015-11-10 | 2017-05-17 | 新乡航空工业(集团)有限公司 | 一种用于智能泊车系统的车位检测方法 |
CN106908798A (zh) * | 2015-12-23 | 2017-06-30 | 法雷奥汽车内部控制(深圳)有限公司 | 用于检测车辆侧向的盲点区域中的障碍物的方法和装置 |
CN107672588A (zh) * | 2017-08-29 | 2018-02-09 | 广州小鹏汽车科技有限公司 | 一种自动泊车路径障碍物碰撞检测方法、装置及系统 |
CN108536149A (zh) * | 2018-04-25 | 2018-09-14 | 吉林大学 | 一种基于Dubins路径的无人驾驶车辆避障控制装置及控制方法 |
CN109085608A (zh) * | 2018-09-12 | 2018-12-25 | 奇瑞汽车股份有限公司 | 车辆周围障碍物检测方法及装置 |
CN109141441A (zh) * | 2018-07-19 | 2019-01-04 | 北京汽车集团有限公司 | 车辆的障碍分析方法和装置 |
CN109710711A (zh) * | 2018-12-13 | 2019-05-03 | 中国联合网络通信集团有限公司 | 地图栅格化方法及平台 |
CN110488280A (zh) * | 2019-08-29 | 2019-11-22 | 广州小鹏汽车科技有限公司 | 一种停车位轮廓的修正方法及装置、车辆、存储介质 |
CN110606071A (zh) * | 2019-09-06 | 2019-12-24 | 中国第一汽车股份有限公司 | 一种泊车方法、装置、车辆和存储介质 |
WO2020028893A1 (en) * | 2018-08-03 | 2020-02-06 | Continental Automotive Systems, Inc. | Automated reversing by following user-selected trajectories and estimating vehicle motion |
CN110834631A (zh) * | 2019-11-01 | 2020-02-25 | 中国第一汽车股份有限公司 | 一种行人避让方法、装置、车辆及存储介质 |
CN110907193A (zh) * | 2019-11-29 | 2020-03-24 | 北京京东乾石科技有限公司 | 自动驾驶车辆编队行驶的测试方法、装置和系统 |
CN111338340A (zh) * | 2020-02-21 | 2020-06-26 | 天津大学 | 基于模型预测的无人驾驶汽车局部路径规划方法 |
CN111368760A (zh) * | 2020-03-09 | 2020-07-03 | 北京百度网讯科技有限公司 | 一种障碍物检测方法、装置、电子设备及存储介质 |
CN111409625A (zh) * | 2020-04-02 | 2020-07-14 | 北京四维智联科技有限公司 | 一种泊车轨迹确定方法及装置 |
CN111532260A (zh) * | 2020-05-20 | 2020-08-14 | 湖北亿咖通科技有限公司 | 一种车位检测性能评价方法及电子设备 |
CN111783595A (zh) * | 2020-06-24 | 2020-10-16 | 中国第一汽车股份有限公司 | 一种车辆泊车方法、装置、车载设备及存储介质 |
KR20200119421A (ko) * | 2019-04-01 | 2020-10-20 | 인천대학교 산학협력단 | 어라운드 뷰 모니터링 시스템을 이용한 자율 주행 차량을 위한 이동 경로 생성 장치 및 방법 |
CN111881239A (zh) * | 2020-07-17 | 2020-11-03 | 上海高仙自动化科技发展有限公司 | 构建方法、构建装置、智能机器人及可读存储介质 |
CN111897341A (zh) * | 2020-08-05 | 2020-11-06 | 三一专用汽车有限责任公司 | 泊车路径规划方法、装置和计算机可读存储介质 |
CN111913183A (zh) * | 2020-07-27 | 2020-11-10 | 中国第一汽车股份有限公司 | 车辆侧向避障方法、装置、设备及车辆 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9121719B2 (en) * | 2013-03-15 | 2015-09-01 | Abalta Technologies, Inc. | Vehicle range projection |
US10377376B2 (en) * | 2016-10-06 | 2019-08-13 | Ford Global Technologies, Llc | Vehicle with environmental context analysis |
-
2020
- 2020-12-22 CN CN202011534425.2A patent/CN112729320B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987357A (zh) * | 2006-12-26 | 2007-06-27 | 浙江工业大学 | 基于全方位计算机视觉的智能停车辅助装置 |
KR20120043446A (ko) * | 2010-10-26 | 2012-05-04 | 한국전자통신연구원 | 차량 및 장애물의 위치 검출 장치 및 그 방법 |
CN106671974A (zh) * | 2015-11-10 | 2017-05-17 | 新乡航空工业(集团)有限公司 | 一种用于智能泊车系统的车位检测方法 |
CN106908798A (zh) * | 2015-12-23 | 2017-06-30 | 法雷奥汽车内部控制(深圳)有限公司 | 用于检测车辆侧向的盲点区域中的障碍物的方法和装置 |
CN107672588A (zh) * | 2017-08-29 | 2018-02-09 | 广州小鹏汽车科技有限公司 | 一种自动泊车路径障碍物碰撞检测方法、装置及系统 |
CN108536149A (zh) * | 2018-04-25 | 2018-09-14 | 吉林大学 | 一种基于Dubins路径的无人驾驶车辆避障控制装置及控制方法 |
CN109141441A (zh) * | 2018-07-19 | 2019-01-04 | 北京汽车集团有限公司 | 车辆的障碍分析方法和装置 |
WO2020028893A1 (en) * | 2018-08-03 | 2020-02-06 | Continental Automotive Systems, Inc. | Automated reversing by following user-selected trajectories and estimating vehicle motion |
CN109085608A (zh) * | 2018-09-12 | 2018-12-25 | 奇瑞汽车股份有限公司 | 车辆周围障碍物检测方法及装置 |
CN109710711A (zh) * | 2018-12-13 | 2019-05-03 | 中国联合网络通信集团有限公司 | 地图栅格化方法及平台 |
KR20200119421A (ko) * | 2019-04-01 | 2020-10-20 | 인천대학교 산학협력단 | 어라운드 뷰 모니터링 시스템을 이용한 자율 주행 차량을 위한 이동 경로 생성 장치 및 방법 |
CN110488280A (zh) * | 2019-08-29 | 2019-11-22 | 广州小鹏汽车科技有限公司 | 一种停车位轮廓的修正方法及装置、车辆、存储介质 |
CN110606071A (zh) * | 2019-09-06 | 2019-12-24 | 中国第一汽车股份有限公司 | 一种泊车方法、装置、车辆和存储介质 |
CN110834631A (zh) * | 2019-11-01 | 2020-02-25 | 中国第一汽车股份有限公司 | 一种行人避让方法、装置、车辆及存储介质 |
CN110907193A (zh) * | 2019-11-29 | 2020-03-24 | 北京京东乾石科技有限公司 | 自动驾驶车辆编队行驶的测试方法、装置和系统 |
CN111338340A (zh) * | 2020-02-21 | 2020-06-26 | 天津大学 | 基于模型预测的无人驾驶汽车局部路径规划方法 |
CN111368760A (zh) * | 2020-03-09 | 2020-07-03 | 北京百度网讯科技有限公司 | 一种障碍物检测方法、装置、电子设备及存储介质 |
CN111409625A (zh) * | 2020-04-02 | 2020-07-14 | 北京四维智联科技有限公司 | 一种泊车轨迹确定方法及装置 |
CN111532260A (zh) * | 2020-05-20 | 2020-08-14 | 湖北亿咖通科技有限公司 | 一种车位检测性能评价方法及电子设备 |
CN111783595A (zh) * | 2020-06-24 | 2020-10-16 | 中国第一汽车股份有限公司 | 一种车辆泊车方法、装置、车载设备及存储介质 |
CN111881239A (zh) * | 2020-07-17 | 2020-11-03 | 上海高仙自动化科技发展有限公司 | 构建方法、构建装置、智能机器人及可读存储介质 |
CN111913183A (zh) * | 2020-07-27 | 2020-11-10 | 中国第一汽车股份有限公司 | 车辆侧向避障方法、装置、设备及车辆 |
CN111897341A (zh) * | 2020-08-05 | 2020-11-06 | 三一专用汽车有限责任公司 | 泊车路径规划方法、装置和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于凸近似的避障原理及无人驾驶车辆路径规划模型预测算法;韩月起等;《自动化学报》;20181101;第46卷(第1期);第153-167页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112729320A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112729320B (zh) | 一种障碍物地图构建方法、装置、设备及存储介质 | |
US11320836B2 (en) | Algorithm and infrastructure for robust and efficient vehicle localization | |
EP3361278B1 (en) | Autonomous vehicle localization based on walsh kernel projection technique | |
US11131999B2 (en) | Method and apparatus for identifying laser point cloud data of autonomous vehicle | |
KR102099152B1 (ko) | 자율 주행 차량의 경로 및 속도 최적화에 대한 폴백 메카니즘 | |
US11294392B2 (en) | Method and apparatus for determining road line | |
EP3109842B1 (en) | Map-centric map matching method and apparatus | |
JP6878493B2 (ja) | 自動運転車両(adv)に用いるピッチ角の補正方法 | |
KR102628778B1 (ko) | 위치결정을 위한 방법, 컴퓨팅 기기, 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램 | |
US20210373161A1 (en) | Lidar localization using 3d cnn network for solution inference in autonomous driving vehicles | |
CN111417871A (zh) | 基于激光雷达利用高清晰度地图的集成运动估计的迭代最近点处理 | |
US20210354718A1 (en) | Lidar localization using rnn and lstm for temporal smoothness in autonomous driving vehicles | |
US10928819B2 (en) | Method and apparatus for comparing relevant information between sensor measurements | |
CN111489368B (zh) | 利用实例分割检测基于cnn的伪3d边界的方法及装置 | |
US11077756B2 (en) | Area occupancy determining device | |
CN111402387A (zh) | 从用于导航自主车辆的高清晰度地图的点云中移除短时点 | |
US20220075387A1 (en) | Electronic device and control method thereof | |
KR20210111181A (ko) | 환경 변화를 검출하기 위한 방법, 장치, 기기 및 매체 | |
CN112148033B (zh) | 无人机航线的确定方法、装置、设备及存储介质 | |
KR20210061971A (ko) | 차량용 장애물 회피 방법, 장치, 전자 기기 및 컴퓨터 저장 매체 | |
KR20220017481A (ko) | 2d 궤적 플래너용 도로 모델 매니폴드 | |
JP2020083310A (ja) | 車両挙動予測のための圧縮環境特徴の表示 | |
JP7344182B2 (ja) | 情報処理装置 | |
US20220155455A1 (en) | Method and system for ground surface projection for autonomous driving | |
CN113311836A (zh) | 一种控制方法、装置、设备及存储介质 |
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 |