CN112747763B - 局部路径规划方法、装置、电子设备和存储介质 - Google Patents

局部路径规划方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112747763B
CN112747763B CN202011613337.1A CN202011613337A CN112747763B CN 112747763 B CN112747763 B CN 112747763B CN 202011613337 A CN202011613337 A CN 202011613337A CN 112747763 B CN112747763 B CN 112747763B
Authority
CN
China
Prior art keywords
node
planning
vehicle
position information
path
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
CN202011613337.1A
Other languages
English (en)
Other versions
CN112747763A (zh
Inventor
陈海波
谢梦琦
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.)
Shenlan Robot Shanghai Co ltd
Original Assignee
Shenlan Artificial Intelligence Shenzhen 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 Shenlan Artificial Intelligence Shenzhen Co Ltd filed Critical Shenlan Artificial Intelligence Shenzhen Co Ltd
Priority to CN202011613337.1A priority Critical patent/CN112747763B/zh
Publication of CN112747763A publication Critical patent/CN112747763A/zh
Application granted granted Critical
Publication of CN112747763B publication Critical patent/CN112747763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例涉及自动驾驶技术领域，提供了一种局部路径规划方法、装置、电子设备和存储介质，包括：基于车辆在当前路径点的位置信息和姿态信息，以及车辆的约束条件，对车辆进行局部路径规划；其中，约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，动力学约束条件用于约束车辆的姿态信息变化，全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度。本申请提供的方法、装置、电子设备和存储介质，结合动力学约束条件条件和全局规划约束条件进行局部路径规划，得到包含各个路径点的位置信息和姿态信息的局部规划路径，相较于仅对车辆位置进行规划的局部路径规划方法，实现了更加丰富、更加精细化的路径规划。

Description

局部路径规划方法、装置、电子设备和存储介质
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种局部路径规划方法、装置、电子设备和存储介质。
背景技术
自动驾驶车辆是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。对于自动驾驶车辆而言，路径规划是关系到车辆行驶安全性及稳定性的重要因素。
目前的局部路径规划大多是根据起终点位置、车辆所在区域的道路情况、障碍物情况等进行的。由此规划所得的局部路径并未考虑车辆本身的动力学约束，无法满足自动驾驶的路径规划需求。
发明内容
本申请提供一种局部路径规划方法、装置、电子设备和存储介质，以实现更加准确、全面，更能够贴合自动驾驶需求的局部路径规划。
本申请提供一种局部路径规划方法，包括：
确定车辆在当前路径点的位置信息和姿态信息；
基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划；
其中，所述约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，所述动力学约束条件用于约束所述车辆的姿态信息变化，所述全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度。
根据本申请提供的一种局部路径规划方法，所述基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划，包括：
基于A*搜索算法进行节点拓展，所述节点拓展包括基于当前节点的位置信息和姿态信息以及所述动力学约束条件，确定所述当前节点可抵达的子节点集合，基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点；
基于所述全局规划约束条件下以距离为单位的g、h成本值计算方式，应用A*搜索算法确定局部规划路径。
根据本申请提供的一种局部路径规划方法，所述基于当前节点的位置信息和姿态信息以及所述动力学约束条件，确定所述当前节点可抵达的子节点集合，包括：
基于各个有效前轮转角，对所述车辆在当前节点的位置信息和姿态信息进行状态转换，得到各个有效前轮转角分别对应的车辆在各子节点处的位置信息和姿态信息；
其中，所述各个有效前轮转角是对所述动力学约束条件限定的有效前轮转角区间进行离散化取值得到的。
根据本申请提供的一种局部路径规划方法，所述g、h成本值计算方式，包括：
基于任一节点的位置信息到所述全局规划路径的距离，确定所述任一节点的偏离程度；
基于所述任一节点的位置信息、姿态信息和偏离程度，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值；
基于所述任一节点的位置信息，以及所述局部路径规划的终点的位置信息，确定所述任一节点的h成本值。
根据本申请提供的一种局部路径规划方法，所述基于所述任一节点的位置信息、姿态信息和偏离程度，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值，包括：
基于任一节点的位置信息和姿态信息，以及所述父节点的位置信息和姿态信息，确定所述任一节点的相对移动代价；
基于所述任一节点的偏离程度，确定所述任一节点的偏离移动代价；
基于所述任一节点的相对移动代价和偏离移动代价，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值。
根据本申请提供的一种局部路径规划方法，所述g成本值包括前进惩罚项、后退惩罚项、档位切换惩罚项、转向惩罚项和转向切换惩罚项中的多种。
根据本申请提供的一种局部路径规划方法，所述局部路径规划的终点是基于所需规划的路径长度，以及所述车辆的当前位置信息在所述全局规划路径上的投影点，从所述全局规划路径中选取的。
根据本申请提供的一种局部路径规划方法，所述基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点，包括：
确定静态障碍物区域；
删除所述子节点集合中与所述静态障碍物区域存在重合的节点。
根据本申请提供的一种局部路径规划方法，所述全局规划路径是基于如下步骤确定的：
基于所述车辆在所述全局起终点的位置信息和姿态信息，以及所述车辆的动力学约束条件，对所述车辆进行全局路径规划。
本申请还提供一种局部路径规划装置，包括：
当前信息确定单元，用于确定车辆在当前路径点的位置信息和姿态信息；
局部规划单元，用于基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划；
其中，所述约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，所述动力学约束条件用于约束所述车辆的姿态信息变化，所述全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度。
根据本申请提供的一种局部路径规划装置，所述局部规划单元包括：
节点拓展单元，用于基于A*搜索算法进行节点拓展，所述节点拓展包括基于当前节点的位置信息和姿态信息以及所述动力学约束条件，确定所述当前节点可抵达的子节点集合，基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点；
路径搜索单元，用于基于所述全局规划约束条件下以距离为单位的g、h成本值计算方式，应用A*搜索算法确定局部规划路径。
根据本申请提供的一种局部路径规划装置，所述节点拓展单元用于：
基于各个有效前轮转角，对所述车辆在当前节点的位置信息和姿态信息进行状态转换，得到各个有效前轮转角分别对应的车辆在各子节点处的位置信息和姿态信息；
其中，所述各个有效前轮转角是对所述动力学约束条件限定的有效前轮转角区间进行离散化取值得到的。
根据本申请提供的一种局部路径规划装置，所述局部规划单元还包括：
偏离计算子单元，用于基于任一节点的位置信息到所述全局规划路径的距离，确定所述任一节点的偏离程度；
g成本值计算子单元，用于基于所述任一节点的位置信息、姿态信息和偏离程度，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值；
h成本值计算子单元，用于基于所述任一节点的位置信息，以及所述局部路径规划的终点的位置信息，确定所述任一节点的h成本值。
根据本申请提供的一种局部路径规划装置，所述g成本值计算子单元用于：
基于任一节点的位置信息和姿态信息，以及所述父节点的位置信息和姿态信息，确定所述任一节点的相对移动代价；
基于所述任一节点的偏离程度，确定所述任一节点的偏离移动代价；
基于所述任一节点的相对移动代价和偏离移动代价，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值。
根据本申请提供的一种局部路径规划装置，所述g成本值包括前进惩罚项、后退惩罚项、档位切换惩罚项、转向惩罚项和转向切换惩罚项中的多种。
根据本申请提供的一种局部路径规划装置，所述基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点，包括：
确定静态障碍物区域；
删除所述子节点集合中与所述静态障碍物区域存在重合的节点。
根据本申请提供的一种局部路径规划装置，还包括：
全局规划单元，用于基于所述车辆在所述全局起终点的位置信息和姿态信息，以及所述车辆的动力学约束条件，对所述车辆进行全局路径规划。本申请还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述局部路径规划方法的步骤。
本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述局部路径规划方法的步骤。
本申请提供的局部路径规划方法、装置、电子设备和存储介质，结合车辆的动力学约束条件、全局规划约束条件和无碰撞约束条件对车辆进行局部路径规划，由此得到包含各个路径点的位置信息和姿态信息的局部规划路径，相较于传统的仅对于各个路径点的车辆位置进行规划的局部路径规划方法，实现了更加丰富、更加精细化的路径规划，更能够贴合自动驾驶需求。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。
图1是本申请提供的局部路径规划方法的流程示意图；
图2是本申请提供的局部路径规划方法中步骤120的实施方式的流程示意图；
图3是本申请提供的邻近节点搜索示意图；
图4是本申请提供的成本值的计算方法的流程示意图；
图5是本申请提供的g成本值计算方法的流程示意图；
图6是本申请提供的局部路径规划装置的结构示意图之一；
图7是本申请提供的局部路径规划装置的局部规划单元的结构示意图；
图8是本申请提供的局部路径规划装置的成本计算单元的结构示意图；
图9是本申请提供的局部路径规划装置的结构示意图之二；
图10是本申请提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1是本申请提供的局部路径规划方法的流程示意图，如图1所示，该方法包括：
步骤110，确定车辆在当前路径点的位置信息和姿态信息；
步骤120，基于车辆在当前路径点的位置信息和姿态信息，以及车辆的约束条件，对车辆进行局部路径规划。其中，约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，动力学约束条件用于约束车辆的姿态信息变化，全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度。
此处的车辆即需要进行局部路径规划的车辆，行驶中的车辆在不同时刻可以对应不同的位置信息和姿态信息。其中，车辆的位置信息可以是通过车辆内置的定位装置采集得到的车辆在对应时刻的位置，定位装置可以是GPS定位装置或者其他类型的定位装置，当前时刻的位置具体可以是车辆所处位置的经纬度，也可以是车辆在预先设定好的区域坐标系下的坐标信息，本申请实施例对此不作具体限定。车辆的姿态信息用于表示车辆的行驶姿态，具体可以是车辆的行驶的方向，或者车头的朝向，姿态信息可以通过车辆内置的姿态传感器采集得到，姿态传感器可以是陀螺仪或者其他类型的姿态传感设备。
当前路径点即局部路径规划的起点，车辆在当前路径点的位置信息和姿态信息对应为局部路径规划中起点的位置信息和姿态信息。局部路径规划的终点可以是与当前路径点之间间隔预设距离的路径点，局部路径规划的终点通常在全局规划路径上。
在局部路径规划过程中，不仅要考虑局部路径规划起点的位置信息和姿态信息，还需要考虑车辆的动力学约束条件、全局规划约束条件和无碰撞约束条件。其中，动力学约束条件可以是车辆在执行转弯动作时，最大前轮转角的约束，通过最大前轮转角的约束，来约束局部路径规划过程中两个连续路径点的姿态信息的变化量。需要说明的是，车辆的动力学约束条件与车辆本身的设计参数相关联，不同车辆可以对应不同的动力学约束条件。
此外，全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度，通常局部规划路径应当以全局规划路径为基准进行规划，但考虑到实际行驶场景下的避障需求，局部规划路径存在偏离开全局规划路径方向的可能。针对这一情况，可以设置全局规划约束条件，用于约束局部路径规划过程中偏离开全局规划路径的最大偏离程度，从而使得局部路径规划所得的路径能够尽量贴近全局规划路径，从而加速局部路径规划的收敛。
无碰撞约束条件用于根据静态障碍物的位置约束车辆的行驶路径，以保证车辆在行驶过程中不会与障碍物发生碰撞。
此处的局部路径规划可以在路径查找和图搜索算法的基础上实现，例如可以基于A*算法实现。此处得到的局部路径序列中，包含了各个路径点的行驶顺序，还包含了各个路径点的预估的位置信息和姿态信息。特别地，局部路径规划可能存在无解的情况，此时局部路径序列为空。由此得到的局部路径序列，不仅包含有常规的规划路径，还更加精细化地实现了各个路径点的车辆姿态规划，从而能够合理预估车辆在行驶过程中的行驶姿态，进一步提高路径规划的准确性和可靠性。
本申请实施例提供的方法，结合车辆的动力学约束条件、全局规划约束条件和无碰撞约束条件对车辆进行局部路径规划，由此得到包含各个路径点的位置信息和姿态信息的局部规划路径，相较于传统的仅对于各个路径点的车辆位置进行规划的局部路径规划方法，实现了更加丰富、更加精细化的路径规划，更能够贴合自动驾驶需求。
本申请实施例提供的方法，相较于将轨迹规划和车辆动力学分开考虑的方案，能够满足复杂场景下的精准规划和最小溜边误差的需求，提高车辆运行的安全性。
基于上述实施例，任一路径点的状态信息可以包括车辆在该路径点的位置信息和姿态信息，状态信息si可以表示为如下形式：
si＝(xi,yi,ti)
其中，xi,yi即车辆在第i个路径点的位置信息中的x轴坐标和y轴坐标，ti即车辆在第i个路径点的姿态信息。
需要说明的是，不同路径点的状态信息中，各参数均属于对应参数集合，例如xi∈X，yi∈Y，ti∈T，其中X、Y、T和V分别为x轴坐标集合、y轴坐标集合和车辆姿态集合，车辆姿态集合中可以包含各个车辆姿态角，车辆姿态角的取值在0到2π之间。
基于上述任一实施例，图2是本申请提供的局部路径规划方法中步骤120的实施方式的流程示意图，如图2所示，步骤120包括：
步骤121，基于A*搜索算法进行节点拓展，所述节点拓展包括基于当前节点的位置信息和姿态信息以及所述动力学约束条件，确定所述当前节点可抵达的子节点集合，基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点；
步骤122，基于所述全局规划约束条件下以距离为单位的g、h成本值计算方式，应用A*搜索算法确定局部规划路径。
具体地，局部轨迹规划可以是基于A*搜索算法实现的，具体可以划分为两个阶段，即节点拓展和路径搜索。其中，步骤121对应于节点拓展，步骤122对应于路径搜索。
步骤121中，在现有的A*搜索算法进行节点拓展的基础上，增加了动力学约束条件和无碰撞约束条件。具体在节点拓展过程中，以当前节点为例，需要根据当前节点的状态信息，在动力学约束条件下，估计车辆从当前节点出发经过预设距离后可能达到的区域范围，从中选取出由若干个候选的子节点构成的子节点集合。此后，还可以基于无碰撞约束条件，预设在对应时刻子节点集合中的各个候选的子节点是否可能与障碍物发生碰撞，从而删除子节点集合中可能发生碰撞的子节点。
步骤122中，可以根据现有的A*搜索算法，在步骤121节点扩展所得的父节点与子节点的关系的基础上，计算各节点的g、h成本值，从而搜索得到成本消耗最小的轨迹点序列。此处，各个节点的g、h成本值分别表示各个节点的移动代价和估算成本，对应于节点扩展阶段所得的父子节点之间间隔的距离是固定值，即预设距离，g、h成本值以距离为单位进行计算。
基于上述任一实施例，步骤121中，所述基于当前节点的位置信息和姿态信息以及动力学约束条件，确定当前节点可抵达的子节点集合包括：
基于各个有效前轮转角，对所述车辆在当前节点的位置信息和姿态信息进行状态转换，得到各个有效前轮转角分别对应的车辆在各子节点处的位置信息和姿态信息；
其中，所述各个有效前轮转角是对所述动力学约束条件限定的有效前轮转角区间进行离散化取值得到的。
具体地，动力学约束条件预先设定了有效前轮转角区间Steer，对有效前轮转角区间Steer进行离散化取值，即可得到多个有效前轮转角，例如steer0,steer1,steer2,…,steern-1，其中n为离散化取值所得的有效前轮转角的数量。
在步骤121执行之前，可以预先构建车辆行驶的动力学模型，用于实现当前节点的位置信息和姿态信息到邻近节点的位置信息和姿态信息的状态转换，而有效前轮转角即状态转换所需的。
在状态转换过程中，将当前节点的位置信息、姿态信息，以及任意有效前轮转角代入到动力学模型中，从而得到动力学模型输出的该有效前轮转角下的邻近节点的位置信息和姿态信息。
例如，图3是本申请提供的邻近节点搜索示意图，如图3所示，节点S1、S2、S3和S4均为起点start即当前路径点的邻近节点，从起点start的状态信息到节点S1、S2、S3和S4的状态信息的状态转换，可以表示为如下公式：
δ(start,steer0)＝s1
δ(start,steer1)＝s2
δ(start,steer2)＝s3
δ(start,steer3)＝s4
其中，δ为动力学模型的数学表示，start为当前节点的状态信息，包括当前节点的位置信息和姿态信息，steer0、steer1、steer2和steer3均为有效前轮转角，s1、s2、s3和s4为车辆在动力学约束条件下从起点出发后达到的邻近节点的状态信息，包括邻近节点的位置信息和姿态信息。
基于上述任一实施例，图4是本申请提供的成本值的计算方法的流程示意图，如图4所示，成本值的确定方法包括：
步骤410，基于任一节点的位置信息到全局规划路径的距离，确定该节点的偏离程度；
步骤420，基于所述任一节点的位置信息、姿态信息和偏离程度，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值；
步骤430，基于该节点的位置信息，以及局部路径规划的终点的位置信息，确定该节点的h成本值。
具体地，在A*搜索算法中，各个节点的成本值计算，通常划分为两部分考虑，其中一部分是车辆从起点行驶至当前节点所消耗的g成本值，即移动代价，另一部分是车辆从当前节点行驶至终点所消耗的h成本值，即估算成本。可以将这两部分的总和，即移动代价g成本值和估算成本h成本值之和，作为该节点的成本值。
此处，针对任一节点，该节点的偏离程度可以通过该节点的位置信息到全局规划路径的距离确定，该节点的位置信息到全局规划路径的距离可以通过将该节点投影到全局规划路径的投影距离，距离越大，则偏离程度越高，相反地，距离越小，则偏离程度越低。
步骤420在确定节点的偏离程度之后，即可结合节点的偏离程度，以及车辆从父节点行驶到该节点的过程中位置信息和姿态信息的变化，判断行驶过程中是否由于加减档位、转弯等引起损耗等因素，从而计算从父节点行驶到该节点的消耗，在此基础上结合父节点的移动代价，进行该节点的移动代价的计算。步骤430可以基于车辆从该节点行驶到终点的预估距离，进行该节点的估算成本的计算。
需要说明的是，本申请实施例不对步骤410、420与步骤430的执行顺序作具体限定，步骤410、420可以与步骤430同步执行，步骤410、420也可以在步骤430之前或者之后执行。
基于上述任一实施例，图5是本申请提供的g成本值计算方法的流程示意图，如图5所示，步骤420包括：
步骤421，基于任一节点的位置信息和姿态信息，以及所述任一节点的父节点的位置信息和姿态信息，确定所述任一节点的相对移动代价；
步骤422，基于所述任一节点的偏离程度，确定所述任一节点的偏离移动代价；
步骤423，基于所述任一节点的相对移动代价和偏离移动代价，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值。
具体地，假设父节点为current_node，父节点的子节点即上述任一节点为next_node，可以将父节点的移动代价记为last_node.g_cost，从父节点行驶至该节点的移动代价记为：
TrajCost(current_node,next_node)
由此，可以得到该节点的移动代价next_node.g_cost表示为如下形式：
next_node.g_cost
＝current_node.g_cost
+TrajCost(current_node,next_node)
在此基础上，还可以结合该节点的估算成本next_node.h_cost，得到该节点的成本值next_node.f_cost＝next_node.g_cost+next_node.h_cost。
需要说明的是，上述公式中从父节点行驶至该节点的移动代价TrajCost(last_node,next_node)可以进一步划分为两个部分，具体可以表示为如下公式：
TrajCost(last_node,next_node)
＝errorCost(last_node,next_node)
+relativeCost(last_node,next_node)
其中一部分为偏离移动代价errorCost(last_node,next_node)，用于表示该节点到全局规划路径的偏离为回归全局规划路带来的代价，偏移程度越高，偏离移动代价越高；
另一部分为相对移动代价relativeCost(last_node,next_node)，用于表示从父节点到当前节点的相对移动对于车辆行驶带来的代价，可以结合车辆从父节点行驶到该节点的过程中位置信息和姿态信息的变化，判断行驶过程中是否由于加减档位、转弯等引起损耗等因素，从而计算从父节点行驶到该节点的消耗。
基于上述任一实施例，g成本值包括前进惩罚项、后退惩罚项、档位切换惩罚项、转向惩罚项和转向切换惩罚项中的多种。
此处，前进惩罚项、后退惩罚项、档位切换惩罚项、转向惩罚项和转向切换惩罚项分别表示车辆在行驶过程中由于前进、后退、档位切换、前轮转角调整和前轮转角方向切换引起的成本消耗。
以父节点到任一节点为例，若此段行驶路径中车辆前进，则基于前进距离和预先设定的前进惩罚系数，确定前进惩罚项；若此段行驶路径中车辆后退，则基于后退距离和预先设定的后退惩罚系数，确定后退惩罚项；若此段行驶路径中存在档位切换，例如从前进挡切换至倒车档，或者从1档切换至2档，则可以根据档位切换的类型确定对应的档位切换惩罚项；若此段行驶路径中存在前轮转角调整，可以基于调整前后的前轮转角差值，以及预先设定的前轮转角调整惩罚系数，确定转向惩罚项；若此段行驶路径中存在行驶方向的切换，例如从左转切换为右转，或者由右转切换为左转，则引入转向切换惩罚项。上述各项惩罚项可以结合作为g成本值。
基于上述任一实施例，局部路径规划的终点是基于所需规划的路径长度，以及车辆的当前位置信息在全局规划路径上的投影点，从全局规划路径中选取的。
具体地，可以预先设定局部路径规划的规划长度，即所需规划的路径长度，在确定车辆的当前位置信息之后，将当前位置信息投影到全局规划路径上，从而得到当前位置信息在全局规划路径上的投影点，将投影点为起点，将沿全局规划路径向前规划路径长度的路径点作为局部路径规划的终点。
基于上述任一实施例，步骤121中，所述基于无碰撞约束条件删除子节点集合中的所有碰撞的节点，包括：
确定静态障碍物区域；删除子节点集合中与静态障碍物区域存在重合的节点。
具体地，在节点扩充过程中，需要保证选取所得的子节点不会与场景中已有的障碍物发生碰撞。对此，可以在选取子节点之前，将可能会和静态障碍物发生碰撞的节点，从子节点集合中删除。
此处所指的静态障碍物区域反映的是静态障碍物所处的区域位置。在确定静态障碍物区域后，可以直接删除规划行驶时间点相对应的子节点集合中与障碍物区域存在重合的节点，保留与障碍物区域不重合的节点。因此在实现节点扩充时，仅在与障碍物区域不重合的节点中进行选择，从而在局部路径规划的同时实现了车辆避障，保证了车辆行驶安全。
基于上述任一实施例，全局规划路径是基于如下步骤确定的：
基于车辆在全局起终点的位置信息和姿态信息，以及车辆的动力学约束条件，对车辆进行全局路径规划。
具体地，全局起终点即全局路径规划的起点和终点。与局部路径规划相似地，在全局路径规划时，同样需要考虑车辆的动力学约束条件，即车辆在执行转弯动作时，最大前轮转角的约束。
结合车辆在全局起终点的位置信息和姿态信息，以及车辆的动力学约束条件，可以在路径查找和图搜索算法的基础上实现车辆的全局路径规划，从而得到全局规划路径。此处的路径查找和图搜索算法可以是A*算法，全局路径规划的具体执行方式可以参照上文去除全局路径规划约束后的局部路径规划方式，此处不再赘述。
需要说明的是，上述各个实施例中局部路径规划方法和全局路径规划方法均可应用于结构化的道路和非结构化的道路，此处所指的非结构化的道路是相对于马路或者其他公开规则道路而言的，非结构化的道路多现于开放空间。本申请不对局部路径规划方法和全局路径规划方法的应用场景作具体限定。本申请实施例在分层阶梯规划的基础上，对于结构化和非结构化道路建立了统一的描述框架，从而可以实现统一的局部路径规划和全局路径规划，既能适应在结构化道路上的高速稳定行驶，也能够满足在复杂非结构化道路上的智能机动需求。局部路径规划和全局路径规划在结构化和非结构化道路的兼容性，有助于路径规划算法的推广，从而扩宽自动驾驶的适用范围。
尤其需要说明的是，针对于非结构化的道路所属的开放空间场景，目前的局部路径规划方式均未从实时性的角度进行考虑，而本申请实施例提供的局部路径规划方法本身具备较低的实时规划复杂度和较短的运行时长，有助于实时性的开放空间局部路径规划的实现。
下面对本申请提供的局部路径规划装置进行描述，下文描述的局部路径规划装置与上文描述的局部路径规划方法可相互对应参照。
图6是本申请提供的局部路径规划装置的结构示意图之一，如图6所示，局部路径规划装置包括：
当前信息确定单元610，用于确定车辆在当前路径点的位置信息和姿态信息；
局部规划单元620，用于基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划；
其中，所述约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，所述动力学约束条件用于约束所述车辆的姿态信息变化，所述全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度。
本申请实施例提供的装置，结合车辆的动力学约束条件条件和全局规划约束条件条件对车辆进行局部路径规划，由此得到包含各个路径点的位置信息和姿态信息的局部规划路径，相较于传统的仅对于各个路径点的车辆位置进行规划的局部路径规划方法，实现了更加丰富、更加精细化的路径规划，更能够贴合自动驾驶需求。
基于上述任一实施例，图7是本申请提供的局部路径规划装置的局部规划单元的结构示意图之一，如图7所示，所述局部规划单元620包括：
节点拓展单元621，用于基于A*搜索算法进行节点拓展，所述节点拓展包括基于当前节点的位置信息和姿态信息以及所述动力学约束条件，确定所述当前节点可抵达的子节点集合，基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点；
路径搜索单元622，用于基于所述全局规划约束条件下以距离为单位的g、h成本值计算方式，应用A*搜索算法确定局部规划路径。
基于上述任一实施例，所述节点拓展单元621用于：
基于各个有效前轮转角，对所述车辆在当前节点的位置信息和姿态信息进行状态转换，得到各个有效前轮转角分别对应的车辆在各子节点处的位置信息和姿态信息；
其中，所述各个有效前轮转角是对所述动力学约束条件限定的有效前轮转角区间进行离散化取值得到的。
基于上述任一实施例，图8是本申请提供的局部路径规划装置的局部规划单元的结构示意图之二，如图8所示，所述局部规划单元620还包括：
偏离计算子单元623-1，用于基于任一节点的位置信息到所述全局规划路径的距离，确定所述任一节点的偏离程度；
g成本值计算子单元623-2，用于基于所述任一节点的位置信息、姿态信息和偏离程度，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值；
h成本值计算子单元623-3，用于基于所述任一节点的位置信息，以及所述局部路径规划的终点的位置信息，确定所述任一节点的h成本值。。
基于上述任一实施例，所述g成本值计算子单元623-2用于：
基于任一节点的位置信息和姿态信息，以及所述父节点的位置信息和姿态信息，确定所述任一节点的相对移动代价；
基于所述任一节点的偏离程度，确定所述任一节点的偏离移动代价；
基于所述任一节点的相对移动代价和偏离移动代价，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值。
基于上述任一实施例，所述g成本值包括前进惩罚项、后退惩罚项、档位切换惩罚项、转向惩罚项和转向切换惩罚项中的多种。
基于上述任一实施例，所述局部路径规划的终点是基于所需规划的路径长度，以及车辆的当前位置信息在全局规划路径上的投影点，从所述全局规划路径中选取的。
基于上述任一实施例，所述节点拓展单元621还用于：确定静态障碍物区域；删除所述子节点集合中与所述静态障碍物区域存在重合的节点。
基于上述任一实施例，图9是本申请提供的局部路径规划装置的结构示意图之二，如图9所示，该装置还包括：
全局规划单元630，用于基于所述车辆在所述全局起终点的位置信息和姿态信息，以及所述车辆的动力学约束条件，对所述车辆进行全局路径规划。
本申请实施例提供的局部路径规划装置用于执行上述局部路径规划方法，其实施方式与本申请提供的局部路径规划方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。
图10示例了一种电子设备的实体结构示意图，如图10所示，该电子设备可以包括：处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040，其中，处理器1010，通信接口1020，存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令，以执行局部路径规划方法，该方法包括：确定车辆在当前路径点的位置信息和姿态信息；基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划；其中，所述约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，所述动力学约束条件用于约束所述车辆的姿态信息变化，所述全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度。
此外，上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供的电子设备中的处理器1010可以调用存储器1030中的逻辑指令，实现上述局部路径规划方法，其实施方式与本申请提供的局部路径规划方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。
另一方面，本申请还提供一种计算机程序产品，下面对本申请提供的计算机程序产品进行描述，下文描述的计算机程序产品与上文描述的局部路径规划方法可相互对应参照。
所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的局部路径规划方法，该方法包括：确定车辆在当前路径点的位置信息和姿态信息；基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划；其中，所述约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，所述动力学约束条件用于约束所述车辆的姿态信息变化，所述全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度。
本申请实施例提供的计算机程序产品被执行时，实现上述局部路径规划方法，其实施方式与本申请提供的局部路径规划方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。
又一方面，本申请还提供一种非暂态计算机可读存储介质，下面对本申请提供的非暂态计算机可读存储介质进行描述，下文描述的非暂态计算机可读存储介质与上文描述的局部路径规划方法可相互对应参照。
本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的局部路径规划方法，该方法包括：确定车辆在当前路径点的位置信息和姿态信息；基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划；其中，所述约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，所述动力学约束条件用于约束所述车辆的姿态信息变化，所述全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度。
本申请实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时，实现上述局部路径规划方法，其实施方式与本申请提供的局部路径规划方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (15)

1.一种局部路径规划方法，其特征在于，包括：
确定车辆在当前路径点的位置信息和姿态信息；
基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划；
其中，所述约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，所述动力学约束条件用于约束所述车辆的姿态信息变化，所述全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度；
所述基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划，包括：
基于A*搜索算法进行节点拓展，所述节点拓展包括基于当前节点的位置信息和姿态信息以及所述动力学约束条件，确定所述当前节点可抵达的子节点集合，基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点；
基于所述全局规划约束条件下以距离为单位的g、h成本值计算方式，应用A*搜索算法确定局部规划路径；
所述g、h成本值计算方式，包括：
基于任一节点的位置信息到所述全局规划路径的距离，确定所述任一节点的偏离程度；
基于所述任一节点的位置信息、姿态信息和偏离程度，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值；
基于所述任一节点的位置信息，以及所述局部路径规划的终点的位置信息，确定所述任一节点的h成本值。
2.根据权利要求1所述的局部路径规划方法，其特征在于，所述基于当前节点的位置信息和姿态信息以及所述动力学约束条件，确定所述当前节点可抵达的子节点集合，包括：
基于各个有效前轮转角，对所述车辆在当前节点的位置信息和姿态信息进行状态转换，得到各个有效前轮转角分别对应的车辆在各子节点处的位置信息和姿态信息；
其中，所述各个有效前轮转角是对所述动力学约束条件限定的有效前轮转角区间进行离散化取值得到的。
3.根据权利要求1所述的局部路径规划方法，其特征在于，所述基于所述任一节点的位置信息、姿态信息和偏离程度，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值，包括：
基于任一节点的位置信息和姿态信息，以及所述任一节点的父节点的位置信息和姿态信息，确定所述任一节点的相对移动代价；
基于所述任一节点的偏离程度，确定所述任一节点的偏离移动代价；
基于所述任一节点的相对移动代价和偏离移动代价，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值。
4.根据权利要求1所述的局部路径规划方法，其特征在于，所述g成本值包括前进惩罚项、后退惩罚项、档位切换惩罚项、转向惩罚项和转向切换惩罚项中的多种。
5.根据权利要求1所述的局部路径规划方法，其特征在于，所述局部路径规划的终点是基于所需规划的路径长度，以及所述车辆的当前位置信息在所述全局规划路径上的投影点，从所述全局规划路径中选取的。
6.根据权利要求1所述的局部路径规划方法，其特征在于，所述基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点，包括：
确定静态障碍物区域；
删除所述子节点集合中与所述静态障碍物区域存在重合的节点。
7.根据权利要求1至6中任一项所述的局部路径规划方法，其特征在于，所述全局规划路径是基于如下步骤确定的：
基于所述车辆在所述全局起终点的位置信息和姿态信息，以及所述车辆的动力学约束条件，对所述车辆进行全局路径规划。
8.一种局部路径规划装置，其特征在于，包括：
当前信息确定单元，用于确定车辆在当前路径点的位置信息和姿态信息；
局部规划单元，用于基于所述车辆在当前路径点的位置信息和姿态信息，以及所述车辆的约束条件，对所述车辆进行局部路径规划；
其中，所述约束条件包括动力学约束条件、全局规划约束条件和无碰撞约束条件，所述动力学约束条件用于约束所述车辆的姿态信息变化，所述全局规划约束条件用于约束局部规划路径相较于全局规划路径的偏离程度；
所述局部规划单元包括：
节点拓展单元，用于基于A*搜索算法进行节点拓展，所述节点拓展包括基于当前节点的位置信息和姿态信息以及所述动力学约束条件，确定所述当前节点可抵达的子节点集合，基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点；
路径搜索单元，用于基于所述全局规划约束条件下以距离为单位的g、h成本值计算方式，应用A*搜索算法确定局部规划路径；
所述局部规划单元还包括：
偏离计算子单元，用于基于任一节点的位置信息到所述全局规划路径的距离，确定所述任一节点的偏离程度；
g成本值计算子单元，用于基于所述任一节点的位置信息、姿态信息和偏离程度，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值；
h成本值计算子单元，用于基于所述任一节点的位置信息，以及所述局部路径规划的终点的位置信息，确定所述任一节点的h成本值。
9.根据权利要求8所述的局部路径规划装置，其特征在于，所述节点拓展单元用于：
基于各个有效前轮转角，对所述车辆在当前节点的位置信息和姿态信息进行状态转换，得到各个有效前轮转角分别对应的车辆在各子节点处的位置信息和姿态信息；
其中，所述各个有效前轮转角是对所述动力学约束条件限定的有效前轮转角区间进行离散化取值得到的。
10.根据权利要求8所述的局部路径规划装置，其特征在于，所述g成本值计算子单元用于：
基于任一节点的位置信息和姿态信息，以及所述父节点的位置信息和姿态信息，确定所述任一节点的相对移动代价；
基于所述任一节点的偏离程度，确定所述任一节点的偏离移动代价；
基于所述任一节点的相对移动代价和偏离移动代价，以及所述任一节点的父节点的g成本值，确定所述任一节点的g成本值。
11.根据权利要求8所述的局部路径规划装置，其特征在于，所述g成本值包括前进惩罚项、后退惩罚项、档位切换惩罚项、转向惩罚项和转向切换惩罚项中的多种。
12.根据权利要求8所述的局部路径规划装置，其特征在于，所述基于所述无碰撞约束条件删除所述子节点集合中的所有碰撞的节点，包括：
确定静态障碍物区域；
删除所述子节点集合中与所述静态障碍物区域存在重合的节点。
13.根据权利要求8至12中任一项所述的局部路径规划装置，其特征在于，还包括：
全局规划单元，用于基于所述车辆在所述全局起终点的位置信息和姿态信息，以及所述车辆的动力学约束条件，对所述车辆进行全局路径规划。
14.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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至7任一项所述局部路径规划方法的步骤。
15.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述局部路径规划方法的步骤。
CN202011613337.1A 2020-12-30 2020-12-30 局部路径规划方法、装置、电子设备和存储介质 Active CN112747763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011613337.1A CN112747763B (zh) 2020-12-30 2020-12-30 局部路径规划方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011613337.1A CN112747763B (zh) 2020-12-30 2020-12-30 局部路径规划方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112747763A CN112747763A (zh) 2021-05-04
CN112747763B true CN112747763B (zh) 2024-04-09

Family

ID=75649937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011613337.1A Active CN112747763B (zh) 2020-12-30 2020-12-30 局部路径规划方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112747763B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105867381A (zh) * 2016-04-25 2016-08-17 广西大学 一种基于概率地图的工业机器人路径搜索优化算法
WO2017041730A1 (zh) * 2015-09-09 2017-03-16 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
CN107289938A (zh) * 2017-05-27 2017-10-24 中国北方车辆研究所 一种地面无人平台局部路径规划方法
CN108170134A (zh) * 2017-11-15 2018-06-15 国电南瑞科技股份有限公司 一种变电站智能巡检机器人路径规划方法
CN110609557A (zh) * 2019-10-09 2019-12-24 中国人民解放军陆军装甲兵学院 无人车混合路径规划算法
CN110782092A (zh) * 2019-10-25 2020-02-11 北京京东乾石科技有限公司 无人配送车在非结构化场景中的轨迹规划方法及装置
CN110806218A (zh) * 2019-11-29 2020-02-18 北京京东乾石科技有限公司 泊车路径规划方法、装置和系统
CN111781920A (zh) * 2019-11-26 2020-10-16 北京京东乾石科技有限公司 自动驾驶方法、装置和存储介质
CN111811517A (zh) * 2020-07-15 2020-10-23 中国科学院上海微系统与信息技术研究所 一种动态局部路径规划方法及系统
CN111832142A (zh) * 2019-03-29 2020-10-27 北京京东乾石科技有限公司 用于输出信息的方法和装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017041730A1 (zh) * 2015-09-09 2017-03-16 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
CN105867381A (zh) * 2016-04-25 2016-08-17 广西大学 一种基于概率地图的工业机器人路径搜索优化算法
CN107289938A (zh) * 2017-05-27 2017-10-24 中国北方车辆研究所 一种地面无人平台局部路径规划方法
CN108170134A (zh) * 2017-11-15 2018-06-15 国电南瑞科技股份有限公司 一种变电站智能巡检机器人路径规划方法
CN111832142A (zh) * 2019-03-29 2020-10-27 北京京东乾石科技有限公司 用于输出信息的方法和装置
CN110609557A (zh) * 2019-10-09 2019-12-24 中国人民解放军陆军装甲兵学院 无人车混合路径规划算法
CN110782092A (zh) * 2019-10-25 2020-02-11 北京京东乾石科技有限公司 无人配送车在非结构化场景中的轨迹规划方法及装置
CN111781920A (zh) * 2019-11-26 2020-10-16 北京京东乾石科技有限公司 自动驾驶方法、装置和存储介质
CN110806218A (zh) * 2019-11-29 2020-02-18 北京京东乾石科技有限公司 泊车路径规划方法、装置和系统
CN111811517A (zh) * 2020-07-15 2020-10-23 中国科学院上海微系统与信息技术研究所 一种动态局部路径规划方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于运动微分约束的无人车辆纵横向协同规划算法的研究;姜岩;龚建伟;熊光明;陈慧岩;;自动化学报;20131215(第12期);全文 *

Also Published As

Publication number Publication date
CN112747763A (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN112964271B (zh) 一种面向多场景的自动驾驶规划方法及系统
Urmson et al. Autonomous driving in traffic: Boss and the urban challenge
CN109927716B (zh) 基于高精度地图的自主垂直泊车方法
CN112783166A (zh) 局部轨迹规划方法、装置、电子设备和存储介质
CN110836671B (zh) 轨迹规划方法、轨迹规划装置、存储介质与电子设备
CN107063280A (zh) 一种基于控制采样的智能车辆路径规划系统及方法
US20210064031A1 (en) Path planning for autonomous and semi-autonomous vehicles
CN116045998A (zh) 使用动态步长搜索用于自主驾驶车辆的环境感知路径规划
US20220315037A1 (en) Lane changing based only on local information
CN112747763B (zh) 局部路径规划方法、装置、电子设备和存储介质
CN114763133A (zh) 车辆泊车规划方法、装置、设备及计算机存储介质
Huy et al. A practical and optimal path planning for autonomous parking using fast marching algorithm and support vector machine
CN112212875B (zh) 车辆掉头轨迹规划方法、装置、车辆及存储介质
CN115840454B (zh) 非结构化道路冲突区域的多车轨迹协同规划方法及装置
CN117170377A (zh) 一种自动驾驶方法、装置及车辆
CN115158299A (zh) 一种泊车路径规划方法、装置、车辆和可读存储介质
CN115014380A (zh) 泊车路径规划方法以及装置、电子设备、存储介质
Dariani et al. Optimal control based approach for autonomous driving
Cheedalla et al. Parallel Parking and Parking Assist System for Autonomous and Semi-Autonomous Vehicles
CN117622227B (zh) 一种车辆换道避障控制方法及装置
Li et al. DFA based autonomous decision-making for UGV in unstructured terrain
US20240059317A1 (en) System and Method for Controlling Movement of a Vehicle
CN117734676B (zh) 一种自动泊车方法、装置、设备及存储介质
Sun et al. A dynamic local trajectory planning and tracking method for ugv based on optimal algorithm
US20230356710A1 (en) Auto parking planning system and method

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
TR01 Transfer of patent right

Effective date of registration: 20240516

Address after: Room 6227, No. 999, Changning District, Shanghai 200050

Patentee after: Shenlan robot (Shanghai) Co.,Ltd.

Country or region after: China

Address before: 518000 room 115, building 8, 1970 Science Park, Minzhi community, Minzhi street, Longhua District, Shenzhen City, Guangdong Province

Patentee before: Shenlan artificial intelligence (Shenzhen) Co.,Ltd.

Country or region before: China