CN112783166A - 局部轨迹规划方法、装置、电子设备和存储介质 - Google Patents
局部轨迹规划方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112783166A CN112783166A CN202011613342.2A CN202011613342A CN112783166A CN 112783166 A CN112783166 A CN 112783166A CN 202011613342 A CN202011613342 A CN 202011613342A CN 112783166 A CN112783166 A CN 112783166A
- Authority
- CN
- China
- Prior art keywords
- node
- state information
- vehicle
- trajectory planning
- track
- 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 86
- 230000001133 acceleration Effects 0.000 claims description 44
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000004888 barrier function Effects 0.000 claims description 19
- 238000010845 search algorithm Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 17
- 238000010586 diagram Methods 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G05D1/0212—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
-
- 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
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- 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
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请实施例涉及自动驾驶技术领域,提供一种局部轨迹规划方法、装置、电子设备和存储介质,包括:基于起点和终点的状态信息,以及约束条件,对车辆进行局部轨迹规划,得到车辆从起点到终点的轨迹点序列,状态信息包括车辆位置、车辆姿态和车辆速度;约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。相较于传统的以车辆位置和姿态为搜索空间的路径规划和以时间和路程为搜索空间的速度规划构成的解耦的轨迹规划,本申请实现了车辆位置、车辆姿态和车辆速度多维度构成的搜索空间的轨迹搜索,保留了解空间的完整度,提高了规划的灵活性,搜索过程中实现了车辆在动态场景中对动态障碍物的决策,且场景覆盖面更广,适应性和兼容性更强。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种局部轨迹规划方法、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,轨迹规划是关系到车辆行驶安全性及稳定性的重要因素。
目前的局部轨迹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轨迹并未考虑车辆本身的运动学约束条件,无法满足自动驾驶的轨迹规划需求。
发明内容
本申请提供一种局部轨迹规划方法、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轨迹规划。
本申请提供一种局部轨迹规划方法,包括:
确定车辆在起点和终点的状态信息,所述状态信息包括车辆位置、车辆姿态和车辆速度;
基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,得到所述车辆从所述起点到所述终点的轨迹点序列,所述约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。
根据本申请提供的一种局部轨迹规划方法,所述动力学约束条件包括有效前轮转角区间,所述运动学约束条件包括有效加速度区间和有效速度区间,以及位移、速度和加速度之间的约束关系。
根据本申请提供的一种局部轨迹规划方法,所述基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,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状态信息,以及所述动力学约束条件和所述运动学约束条件,确定所述当前节点在预设时长后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;
基于以时间为单位的g、h成本值计算方式,应用A*搜索算法确定所述轨迹点序列。
根据本申请提供的一种局部轨迹规划方法,所述基于当前节点的状态信息,以及所述动力学约束条件和所述运动学约束条件,确定所述当前节点在预设时长后可抵达的子节点集合,包括:
基于所述预设时长和各个约束组合,对所述当前节点的状态信息进行状态转换,得到各个约束组合分别对应的邻近节点的状态信息;
其中,各个约束组合是各个有效加速度和各个有效前轮转角的组合,所述有效加速度和所述有效前轮转角是分别对所述有效加速度区间和所述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轨迹规划方法,所述g、h成本值计算方式包括:
基于任一节点的状态信息和所述任一节点的父节点的状态信息,以及所述父节点的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状态信息以及所述终点的状态信息,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轨迹规划方法,所述基于任一节点的状态信息和所述任一节点的父节点的状态信息,以及所述父节点的g成本值,确定所述任一节点的g成本值,包括:
基于任一节点的状态信息和所述父节点的状态信息,确定从所述父节点行驶至所述任一节点的g成本值;
基于所述父节点的g成本值,以及从所述父节点行驶至所述任一节点的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轨迹规划方法,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至少两种。
根据本申请提供的一种局部轨迹规划方法,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:
基于当前节点所在序列中节点的数量,确定规划行驶时间点;
确定预估障碍物轨迹中所述规划行驶时间点的动态障碍物区域;
删除在所述规划行驶时间点的所述子节点集合中与所述动态障碍物区域存在重合的节点。
本申请还提供一种局部轨迹规划装置,包括:
状态确定单元,用于确定车辆在起点和终点的状态信息,所述状态信息包括车辆位置、车辆姿态和车辆速度;
轨迹规划单元,用于基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,得到所述车辆从所述起点到所述终点的轨迹点序列,所述约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。
根据本申请提供的一种局部轨迹规划装置,所述动力学约束条件包括有效前轮转角区间,所述运动学约束条件包括有效加速度区间和有效速度区间,以及位移、速度和加速度之间的约束关系。
根据本申请提供的一种局部轨迹规划装置,所述轨迹规划单元包括:
节点拓展子单元,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状态信息,以及所述动力学约束条件和所述运动学约束条件,确定所述当前节点在预设时长后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;;
轨迹搜索子单元,用于基于以时间为单位的g、h成本值计算方式,应用A*搜索算法确定所述轨迹点序列。
根据本申请提供的一种局部轨迹规划装置,所述节点拓展子单元用于:
基于所述预设时长和各个约束组合,对所述当前节点的状态信息进行状态转换,得到各个约束组合分别对应的邻近节点的状态信息;
其中,各个约束组合是各个有效加速度和各个有效前轮转角的组合,所述有效加速度和所述有效前轮转角是分别对所述有效加速度区间和所述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轨迹规划装置,所述轨迹规划单元还包括:
g成本计算子单元,用于基于任一节点的状态信息和所述任一节点的父节点的状态信息,以及所述父节点的g成本值,确定所述任一节点的g成本值;
h成本计算子单元,用于基于所述任一节点的状态信息以及所述终点的状态信息,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轨迹规划装置,所述g成本计算子单元用于:
基于任一节点的状态信息和所述父节点的状态信息,确定从所述父节点行驶至所述任一节点的g成本值;
基于所述父节点的g成本值,以及从所述父节点行驶至所述任一节点的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轨迹规划装置,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至少两种。
根据本申请提供的一种局部轨迹规划装置,所述轨迹规划单元还包括:
避障子单元,用于基于当前节点所在序列中节点的数量,确定规划行驶时间点;
确定预估障碍物轨迹中所述规划行驶时间点的动态障碍物区域;
删除在所述规划行驶时间点的所述子节点集合中与所述动态障碍物区域存在重合的节点。
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轨迹规划方法的步骤。
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轨迹规划方法的步骤。
本申请提供的局部轨迹规划方法、装置、电子设备和存储介质,通过结合车辆的动力学约束条件、运动学约束条件和无碰撞约束条件对车辆进行局部轨迹规划,由此得到包含各个轨迹点的车辆方位、控制状态和车辆速度的规划轨迹,相较于传统的以车辆位置和姿态为搜索空间的路径规划和以时间和路程为搜索空间的速度规划构成的解耦的轨迹规划,本申请实现了车辆位置、车辆姿态和车辆速度多维度构成的搜索空间的轨迹搜索,保留了解空间的完整度,提高了规划的灵活性,搜索过程中实现了车辆在动态场景中对动态障碍物的决策,且场景覆盖面更广,适应性和兼容性更强。
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轨迹规划方法的流程示意图;
图2是本申请提供的局部轨迹规划方法中步骤120的实施方式的流程示意图;
图3是本申请提供的子节点搜索示意图;
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是本申请提供的避障方法的流程示意图;
图7是本申请提供的局部轨迹规划装置的结构示意图;
图8是本申请提供的局部轨迹规划装置的轨迹规划单元的结构示意图之一;
图9是本申请提供的局部轨迹规划装置的轨迹规划单元的结构示意图之二;
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轨迹规划方法的流程示意图,如图1所示,该方法包括:
步骤110,确定车辆在起点和终点的状态信息,状态信息包括车辆位置、车辆姿态和车辆速度。
步骤120,基于起点和终点的状态信息,以及约束条件,对车辆进行局部轨迹规划,得到车辆从起点到终点的轨迹点序列,约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。
此处的车辆即需要进行局部轨迹规划的车辆,车辆在不同位置可以对应不同的状态信息。
状态信息中,车辆位置可以是通过车辆内置的定位装置采集得到的车辆在当前时刻的位置信息,定位装置可以是GPS定位装置或者其他类型的定位装置,当前时刻的位置信息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。车辆姿态可以表示车辆的行驶姿态,具体可以是车辆的行驶的方向,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。车辆速度即车辆的行驶速度。
在需要进行局部轨迹规划时,首先需要确定局部轨迹规划的起点和终点,以及起点和终点分别对应的状态信息。此处,针对于起终点,其状态信息可以包含起终点的位置信息以及预估的车辆在起终点处的姿态信息,车辆速度在起终点处可以直接设置为0。
车辆的约束条件包括动力学约束条件、运动学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,运动学约束条件可以是车辆在执行加减速动作时,对于加速度范畴的约束,还可以是车辆行驶过程中对于一段时间内的加速度、速度和位移之间的约束;无碰撞约束条件用于根据障碍物的运动轨迹约束车辆的行驶轨迹,以保证车辆在行驶过程中不会与障碍物发生碰撞。需要说明的是,车辆的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约束条件。
在确定起终点的状态信息后,可以在约束条件的约束下,对车辆进行局部轨迹规划,从而得到车辆从起点到终点的轨迹点序列。此处的局部轨迹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。此处得到的轨迹点序列中,包含了各个轨迹点的行驶顺序,还包含了各个轨迹点的预估的状态信息。特别地,局部轨迹规划可能存在无解的情况,此时轨迹点序列为空。需要说明的是,起终点均为轨迹点序列中的轨迹点。由此得到的轨迹点序列,不仅包含有常规的规划路径,还更加精细化地实现了各个轨迹点的车辆速度规划,从而能够合理预估车辆在行驶过程中的行驶速度和行驶时间,进一步提高轨迹规划的准确性和可靠性。
本申请实施例提供的方法,通过结合车辆的动力学约束条件、运动学约束条件和无碰撞约束条件对车辆进行局部轨迹规划,由此得到包含各个轨迹点的车辆方位、控制状态和车辆速度的规划轨迹,相较于传统的以车辆位置和姿态为搜索空间的路径规划和以时间和路程为搜索空间的速度规划构成的解耦的轨迹规划,本申请实现了车辆位置、车辆姿态和车辆速度多维度构成的搜索空间的轨迹搜索,保留了解空间的完整度,提高了规划的灵活性,搜索过程中实现了车辆在动态场景中对动态障碍物的决策,且场景覆盖面更广,适应性和兼容性更强。
需要说明的是,此处所指的含决策是指可基于局部轨迹规划所得的轨迹点序列中各轨迹点对应的车辆姿态和车辆速度的变化,直接得到行驶过程中的决策,例如前方车辆急刹时的“停车决策”、对面车辆面向当前车辆方向开来时的“后退让行决策”。在常规的局部路径规划与车辆速度解耦的方案,速度规划单独应用一套逻辑实现,而本申请实施例中在局部轨迹规划的过程中实现了各个轨迹点的车辆速度规划,因此可以直接得到行驶过程中的决策。
本申请实施例提供的方法,相较于将轨迹规划和车辆运动学分开考虑的方案,将此两者融合起来,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。
基于上述任一实施例,任一轨迹点的状态信息si可以表示为如下形式:
si=(xi,yi,ti,vi)
其中,xi,yi即第i个轨迹点的车辆位置中的x轴坐标和y轴坐标,ti即第i个轨迹点处的车辆姿态,vi即第i个轨迹点处的车辆速度。
需要说明的是,不同轨迹点的状态信息中,各参数均属于对应参数集合,例如xi∈X,yi∈Y,ti∈T,vi∈V,其中X、Y、T和V分别为x轴坐标集合、y轴坐标集合、车辆姿态集合和车辆速度集合,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,动力学约束条件包括有效前轮转角区间,运动学约束条件包括有效加速度区间和有效速度区间,以及位移、速度和加速度之间的约束关系。
其中,有效前轮转角区间限制了车辆转弯的最大角度,在此基础上结合上一轨迹点的车辆位置和车辆姿态,可以限制选取下一轨迹点的区域范围。
有效加速度区间即车辆在单位时间内的可行驶的加速度范围,有效加速度区间限制了局部轨迹规划过程中两个相邻轨迹点处车辆速度的差值大小,在此基础上结合前一轨迹点的车辆速度,可以预估预设时长内车辆可以行使的距离,进而结合前一轨迹点的位置信息,限制选取下一轨迹点的区域范围。
有效速度区间即车辆可行驶的速度范围,有效速度区间限制了局部轨迹规划过程中各个轨迹点处的车辆速度。位移、速度和加速度之间的约束关系反映的是车辆行驶过程中行驶位移、速度和加速度之间的相互制约的特性。
通过约束条件的设置,使得局部轨迹规划过程能够尽量缩小新的轨迹点的选取范围,以减小局部轨迹规划的计算量,同时确保新的轨迹点的选取尽量合理,以提高局部轨迹规划的可靠性。
基于上述任一实施例,图2是本申请提供的局部轨迹规划方法中步骤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,节点拓展包括基于当前节点的状态信息,以及动力学约束条件和运动学约束条件,确定当前节点在预设时长后可抵达的子节点集合,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;
步骤122,基于以时间为单位的g、h成本值计算方式,应用A*搜索算法确定所述轨迹点序列。
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、运动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,在动力学约束条件和运动学约束条件下,估计车辆从当前节点出发经过预设时长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时长是固定值,即预设时长,g、h成本值以时间为单位进行计算。
基于上述任一实施例,步骤121中,基于当前节点的状态信息,以及所述动力学约束条件和所述运动学约束条件,确定所述当前节点在预设时长后可抵达的子节点集合,包括:
基基于所述预设时长和各个约束组合,对所述当前节点的状态信息进行状态转换,得到各个约束组合分别对应的邻近节点的状态信息;
其中,各个约束组合是各个有效加速度和各个有效前轮转角的组合,所述有效加速度和所述有效前轮转角是分别对所述有效加速度区间和所述有效前轮转角区间进行离散化取值得到的。
此处预设时长即预先设定好的两个轨迹点之间的行驶间隔时长,在局部轨迹规划中,车辆每行驶预设时长,对应设置一个轨迹点。相对应地,轨迹点序列中,两个相邻轨迹点在车辆行驶过程中的时间间隔即为预设时长。
约束条件预先设定了有效加速度区间A和有效前轮转角区间Steer,分别对有效加速度区间A和有效前轮转角区间Steer进行离散化取值,即可得到多个有效加速度,例如a0,a1,a2,…,am-1,其中m为离散化取值所得的有效加速度的数量。此外,还可以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。
在此之前,还可以预先构建车辆行驶的动力学和运动学模型,用于实现当前节点的状态信息到子节点的状态信息的状态转换,而约束组合即状态转换所需的条件。此处,约束组合可以是有效加速度和有效前轮转角的两两组合,约束组合的数量可以是m·n。
在状态转换过程中,将当前轨迹点的状态信息、预设时长,以及任意约束组合代入到动力学和运动学模型中,从而得到动力学和运动学模型输出的该约束组合下的子节点的状态信息。
例如,图3是本申请提供的子节点搜索示意图,如图3所示,节点S1、S2、S3和S4均为起点start的子节点,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,a0,steer0,Δt)=s1
δ(start,a1,steer1,Δt)=s2
δ(start,a2,steer2,Δt)=s3
δ(start,a3,steer3,Δt)=s4
其中,δ为动力学和运动学模型的数学表示,start为起点的状态信息,a0、a1、a2和a3均为有效加速度,steer0、steer1、steer2和steer3均为有效前轮转角,Δt为预设时长,s1、s2、s3和s4为车辆在约束条件下从起点出发经过预设时长后达到的子节点的状态信息。
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,基于任一节点的状态信息和该节点的父节点的状态信息,以及所述父节点的g成本值,确定该节点的g成本值;
步骤420,基于该节点的状态信息以及终点的状态信息,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。
其中,步骤410中可以结合车辆从父节点行驶到该节点的过程中状态信息的变化,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420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和步骤420的执行顺序作具体限定,步骤410可以在步骤420之前或者之后执行,也可以与步骤420同步执行。
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410包括:
步骤411,基于任一节点的状态信息和父节点的状态信息,确定从父节点行驶至该节点的g成本值;
步骤412,基于父节点的g成本值,以及从父节点行驶至该节点的g成本值,确定该节点的g成本值。
假设父节点为当前节点current_node,基于父节点下的任一子节点为next_node,将父节点的移动代价记为current_node.g_cost,从父节点行驶至该节点的g成本值记为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。
基于上述任一实施例,移动代价包括前进惩罚项、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至少两种。
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,若此段行驶轨迹中车辆前进,则基于前进时长和预先设定的前进惩罚系数,确定前进惩罚项;若此段行驶轨迹中车辆后退,则基于后退时长和预先设定的后退惩罚系数,确定后退惩罚项;若此段行驶轨迹中存在档位切换,例如从前进档切换至倒车档,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;若此段行驶轨迹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;若此段行驶轨迹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移动代价。
基于上述任一实施例,图6是本申请提供的避障方法的流程示意图,如图6所示,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:
步骤122-1,基于当前节点所在序列中节点的数量,确定规划行驶时间点;
步骤122-2,确定预估障碍物轨迹中规划行驶时间点的障碍物区域;
步骤122-3,删除在规划行驶时间点的子节点集合中与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移动的障碍物发生碰撞。对此,可以在选取子节点之前,将移动障碍物可能经过的节点,以及存在静态障碍物的节点,从子节点集合中删除。
由于本申请实施例的局部轨迹规划是每间隔预设时长进行一次节点扩充,因此可以直接基于当前节点所在序列中节点的数量,确定车辆行驶到子节点集合中各点对应的时刻,即规划行驶时间点。例如,当前节点所在序列内共包含3个节点,目前需要选取的是第4个节点,预设时长为0.5s,则规划行驶时间为1.5s后。
预估障碍物轨迹是根据车辆上装设的传感器采集所得的障碍物信息进行运动轨迹估计得到的,预估障碍物轨迹可以反映障碍物在后续各个时刻的具体位置,因此可以直接在预估障碍物轨迹上定位到规划行驶时间点障碍物的具体位置,由此确定规划行驶时间点的障碍物区域。此处,障碍物区域即障碍物在规划行驶时间所处的区域位置。
在确定障碍物区域后,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,从而在局部轨迹规划的同时实现了车辆避障,保证了车辆行驶安全。
需要说明的是,上述各个实施例中局部轨迹规划方法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。本申请不对局部轨迹规划方法的应用场景作具体限定。本申请实施例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轨迹规划,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。局部轨迹规划在结构化和非结构化道路的兼容性,有助于轨迹规划算法的推广,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,目前的局部轨迹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轨迹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轨迹规划的实现。
下面对本申请提供的局部轨迹规划装置进行描述,下文描述的局部轨迹规划装置与上文描述的局部轨迹规划方法可相互对应参照。
图7是本申请提供的局部轨迹规划装置的结构示意图,如图7所示,局部轨迹规划装置包括:
状态确定单元710,用于确定车辆在起点和终点的状态信息,所述状态信息包括车辆位置、车辆姿态和车辆速度;
轨迹规划单元720,用于基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,得到所述车辆从所述起点到所述终点的轨迹点序列,所述约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。
本申请实施例提供的装置,通过结合车辆的动力学约束条件、运动学约束条件和无碰撞约束条件对车辆进行局部轨迹规划,由此得到包含各个轨迹点的车辆方位、控制状态和车辆速度的规划轨迹,相较于传统的以车辆位置和姿态为搜索空间的路径规划和以时间和路程为搜索空间的速度规划构成的解耦的轨迹规划仅对于各个轨迹点的车辆位置进行规划的局部路径规划方法,本申请实现了车辆位置、车辆姿态和车辆速度多个维度构成的搜索空间的轨迹搜索,保留了解空间的完整度,相结合的同时的轨迹规划,提高了轨迹规划的灵活性,搜索过程中实现了车辆在动态场景中对动态障碍物的决策,且场景覆盖面更广,适应性和兼容性更强含决策,且场景覆盖面更广、兼容性更大。
基于上述任一实施例,所述动力学约束条件包括有效前轮转角区间,所述运动学约束条件包括有效加速度区间和有效速度区间,以及位移、速度和加速度之间的约束关系。
基于上述任一实施例,图8是本申请提供的局部轨迹规划装置的轨迹规划单元的结构示意图之一,如图8所示,所述轨迹规划单元720包括:
节点拓展子单元721,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状态信息,以及所述动力学约束条件和所述运动学约束条件,确定所述当前节点在预设时长后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;;
轨迹搜索子单元722,用于基于以时间为单位的g、h成本值计算方式,应用A*搜索算法确定所述轨迹点序列。
基于上述任一实施例,所述节点拓展子单元722用于:
基于所述预设时长和各个约束组合,对所述当前节点的状态信息进行状态转换,得到各个约束组合分别对应的邻近节点的状态信息;
其中,各个约束组合是各个有效加速度和各个有效前轮转角的组合,所述有效加速度和所述有效前轮转角是分别对所述有效加速度区间和所述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9是本申请提供的局部轨迹规划装置的轨迹规划单元的结构示意图之二,所述轨迹规划单元720还包括:
g成本计算子单元722-1,用于基于任一节点的状态信息和所述任一节点的父节点的状态信息,以及所述父节点的g成本值,确定所述任一节点的g成本值;
h成本计算子单元722-2,用于基于所述任一节点的状态信息以及所述终点的状态信息,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成本计算子单元722-1用于:
基于任一节点的状态信息和所述父节点的状态信息,确定从所述父节点行驶至所述任一节点的g成本值;
基于所述父节点的g成本值,以及从所述父节点行驶至所述任一节点的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至少两种。
基于上述任一实施例,所述节点拓展子单元还包括:
避障子单元721,用于基于当前节点所在序列中节点的数量,确定规划行驶时间点;
确定预估障碍物轨迹中所述规划行驶时间点的动态障碍物区域;
删除在所述规划行驶时间点的所述子节点集合中与所述动态障碍物区域存在重合的节点。
本申请实施例提供的局部轨迹规划装置用于执行上述局部轨迹规划方法,其实施方式与本申请提供的局部轨迹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,以执行局部轨迹规划方法,该方法包括:确定车辆在起点和终点的状态信息,所述状态信息包括车辆位置、车辆姿态和车辆速度;基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,得到所述车辆从所述起点到所述终点的轨迹点序列,所述约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。
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,实现上述局部轨迹规划方法,其实施方式与本申请提供的局部轨迹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轨迹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轨迹规划方法,该方法包括:确定车辆在起点和终点的状态信息,所述状态信息包括车辆位置、车辆姿态和车辆速度;基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,得到所述车辆从所述起点到所述终点的轨迹点序列,所述约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。
本申请实施例提供的计算机程序产品被执行时,实现上述局部轨迹规划方法,其实施方式与本申请提供的局部轨迹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轨迹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轨迹规划方法,该方法包括:确定车辆在起点和终点的状态信息,所述状态信息包括车辆位置、车辆姿态和车辆速度;基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,得到所述车辆从所述起点到所述终点的轨迹点序列,所述约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。
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,实现上述局部轨迹规划方法,其实施方式与本申请提供的局部轨迹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 (18)
1.一种局部轨迹规划方法,其特征在于,包括:
确定车辆在起点和终点的状态信息,所述状态信息包括车辆位置、车辆姿态和车辆速度;
基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,得到所述车辆从所述起点到所述终点的轨迹点序列,所述约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。
2.根据权利要求1所述的局部轨迹规划方法,其特征在于,所述动力学约束条件包括有效前轮转角区间,所述运动学约束条件包括有效加速度区间和有效速度区间,以及位移、速度和加速度之间的约束关系。
3.根据权利要求2所述的局部轨迹规划方法,其特征在于,所述基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,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状态信息,以及所述动力学约束条件和所述运动学约束条件,确定所述当前节点在预设时长后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;
基于以时间为单位的g、h成本值计算方式,应用A*搜索算法确定所述轨迹点序列。
4.根据权利要求3所述的局部轨迹规划方法,其特征在于,所述基于当前节点的状态信息,以及所述动力学约束条件和所述运动学约束条件,确定所述当前节点在预设时长后可抵达的子节点集合,包括:
基于所述预设时长和各个约束组合,对所述当前节点的状态信息进行状态转换,得到各个约束组合分别对应的邻近节点的状态信息;
其中,各个约束组合是各个有效加速度和各个有效前轮转角的组合,所述有效加速度和所述有效前轮转角是分别对所述有效加速度区间和所述有效前轮转角区间进行离散化取值得到的。
5.根据权利要求3所述的局部轨迹规划方法,其特征在于,所述g、h成本值计算方式包括:
基于任一节点的状态信息和所述任一节点的父节点的状态信息,以及所述父节点的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状态信息以及所述终点的状态信息,确定所述任一节点的h成本值。
6.根据权利要求5所述的局部轨迹规划方法,其特征在于,所述基于任一节点的状态信息和所述任一节点的父节点的状态信息,以及所述父节点的g成本值,确定所述任一节点的g成本值,包括:
基于任一节点的状态信息和所述父节点的状态信息,确定从所述父节点行驶至所述任一节点的g成本值;
基于所述父节点的g成本值,以及从所述父节点行驶至所述任一节点的g成本值,确定所述任一节点的g成本值。
7.根据权利要求5或6所述的局部轨迹规划方法,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至少两种。
8.根据权利要求3至6中任一项所述的局部轨迹规划方法,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:
基于当前节点所在序列中节点的数量,确定规划行驶时间点;
确定预估障碍物轨迹中所述规划行驶时间点的动态障碍物区域;
删除在所述规划行驶时间点的所述子节点集合中与所述动态障碍物区域存在重合的节点。
9.一种局部轨迹规划装置,其特征在于,包括:
状态确定单元,用于确定车辆在起点和终点的状态信息,所述状态信息包括车辆位置、车辆姿态和车辆速度;
轨迹规划单元,用于基于所述起点和终点的状态信息,以及约束条件,对所述车辆进行局部轨迹规划,得到所述车辆从所述起点到所述终点的轨迹点序列,所述约束条件包括动力学约束条件、运动学约束条件和无碰撞约束条件。
10.根据权利要求9所述的局部轨迹规划装置,其特征在于,所述动力学约束条件包括有效前轮转角区间,所述运动学约束条件包括有效加速度区间和有效速度区间,以及位移、速度和加速度之间的约束关系。
11.根据权利要求9所述的局部轨迹规划装置,其特征在于,所述轨迹规划单元包括:
节点拓展子单元,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状态信息,以及所述动力学约束条件和所述运动学约束条件,确定所述当前节点在预设时长后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;
轨迹搜索子单元,用于基于以时间为单位的g、h成本值计算方式,应用A*搜索算法确定所述轨迹点序列。
12.根据权利要求11所述的局部轨迹规划装置,其特征在于,所述节点拓展子单元用于:
基于所述预设时长和各个约束组合,对所述当前节点的状态信息进行状态转换,得到各个约束组合分别对应的邻近节点的状态信息;
其中,各个约束组合是各个有效加速度和各个有效前轮转角的组合,所述有效加速度和所述有效前轮转角是分别对所述有效加速度区间和所述有效前轮转角区间进行离散化取值得到的。
13.根据权利要求11所述的局部轨迹规划装置,其特征在于,所述轨迹规划单元还包括:
g成本计算子单元,用于基于任一节点的状态信息和所述任一节点的父节点的状态信息,以及所述父节点的g成本值,确定所述任一节点的g成本值;
h成本计算子单元,用于基于所述任一节点的状态信息以及所述终点的状态信息,确定所述任一节点的h成本值。
14.根据权利要求13所述的局部轨迹规划装置,其特征在于,所述g成本计算子单元用于:
基于任一节点的状态信息和所述父节点的状态信息,确定从所述父节点行驶至所述任一节点的g成本值;
基于所述父节点的g成本值,以及从所述父节点行驶至所述任一节点的g成本值,确定所述任一节点的g成本值。
15.根据权利要求13或14所述的局部轨迹规划装置,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至少两种。
16.根据权利要求11至14中任一项所述的局部轨迹规划装置,其特征在于,所述节点拓展子单元包括:
避障子单元,用于基于当前节点所在序列中节点的数量,确定规划行驶时间点;
确定预估障碍物轨迹中所述规划行驶时间点的动态障碍物区域;
删除在所述规划行驶时间点的所述子节点集合中与所述动态障碍物区域存在重合的节点。
17.一种电子设备,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8任一项所述局部轨迹规划方法的步骤。
18.一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8任一项所述局部轨迹规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011613342.2A CN112783166A (zh) | 2020-12-30 | 2020-12-30 | 局部轨迹规划方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011613342.2A CN112783166A (zh) | 2020-12-30 | 2020-12-30 | 局部轨迹规划方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112783166A true CN112783166A (zh) | 2021-05-11 |
Family
ID=75754055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011613342.2A Pending CN112783166A (zh) | 2020-12-30 | 2020-12-30 | 局部轨迹规划方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112783166A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552575A (zh) * | 2021-07-16 | 2021-10-26 | 铁将军汽车电子股份有限公司 | 泊车障碍物侦测方法及装置 |
CN114475658A (zh) * | 2022-02-23 | 2022-05-13 | 广州小鹏自动驾驶科技有限公司 | 一种自动驾驶速度的规划方法及装置、车辆和存储介质 |
CN114995378A (zh) * | 2022-04-21 | 2022-09-02 | 阿波罗智能技术(北京)有限公司 | 一种轨迹规划方法、装置、电子设备、介质及车辆 |
CN117537841A (zh) * | 2023-12-08 | 2024-02-09 | 北京斯年智驾科技有限公司 | 一种自动驾驶车辆的倒车路径生成方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN110836671A (zh) * | 2019-11-14 | 2020-02-25 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN111026133A (zh) * | 2019-12-31 | 2020-04-17 | 北京易控智驾科技有限公司 | 路径规划方法及车辆、计算机可读介质 |
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 |
-
2020
- 2020-12-30 CN CN202011613342.2A patent/CN112783166A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN110836671A (zh) * | 2019-11-14 | 2020-02-25 | 北京京邦达贸易有限公司 | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 |
CN111026133A (zh) * | 2019-12-31 | 2020-04-17 | 北京易控智驾科技有限公司 | 路径规划方法及车辆、计算机可读介质 |
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 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552575A (zh) * | 2021-07-16 | 2021-10-26 | 铁将军汽车电子股份有限公司 | 泊车障碍物侦测方法及装置 |
CN113552575B (zh) * | 2021-07-16 | 2024-05-07 | 铁将军汽车电子股份有限公司 | 泊车障碍物侦测方法及装置 |
CN114475658A (zh) * | 2022-02-23 | 2022-05-13 | 广州小鹏自动驾驶科技有限公司 | 一种自动驾驶速度的规划方法及装置、车辆和存储介质 |
CN114475658B (zh) * | 2022-02-23 | 2023-08-25 | 广州小鹏自动驾驶科技有限公司 | 一种自动驾驶速度的规划方法及装置、车辆和存储介质 |
CN114995378A (zh) * | 2022-04-21 | 2022-09-02 | 阿波罗智能技术(北京)有限公司 | 一种轨迹规划方法、装置、电子设备、介质及车辆 |
CN114995378B (zh) * | 2022-04-21 | 2023-02-17 | 阿波罗智能技术(北京)有限公司 | 一种轨迹规划方法、装置、电子设备、介质及车辆 |
CN117537841A (zh) * | 2023-12-08 | 2024-02-09 | 北京斯年智驾科技有限公司 | 一种自动驾驶车辆的倒车路径生成方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112783166A (zh) | 局部轨迹规划方法、装置、电子设备和存储介质 | |
Urmson et al. | Autonomous driving in traffic: Boss and the urban challenge | |
CN111369066B (zh) | 路径规划方法、装置、电子设备及可读存储介质 | |
Miller et al. | Team Cornell's Skynet: Robust perception and planning in an urban environment | |
Liu et al. | The role of the hercules autonomous vehicle during the covid-19 pandemic: An autonomous logistic vehicle for contactless goods transportation | |
CN108602509A (zh) | 基于运动规划来操作自动驾驶车辆的方法和系统 | |
CN110345957A (zh) | 车辆路径识别 | |
CN113608531B (zh) | 基于安全a*引导点的无人车实时全局路径规划方法 | |
CN110836671B (zh) | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 | |
CN107664993A (zh) | 一种路径规划方法 | |
CN115235500B (zh) | 基于车道线约束的位姿校正方法及装置、全工况静态环境建模方法及装置 | |
CN111752294B (zh) | 一种飞行控制方法及相关装置 | |
CN112539749A (zh) | 机器人导航方法、机器人、终端设备及存储介质 | |
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 | |
CN111813112A (zh) | 一种车辆轨迹点确定方法、装置、车辆及存储介质 | |
US20220340177A1 (en) | Systems and methods for cooperative driving of connected autonomous vehicles in smart cities using responsibility-sensitive safety rules | |
CN115230719B (zh) | 一种行驶轨迹规划方法和装置 | |
CN115116220A (zh) | 一种用于矿区装卸场景的无人驾驶多车协同控制方法 | |
CN114620071A (zh) | 绕行轨迹规划方法、装置、设备及存储介质 | |
CN114763133A (zh) | 车辆泊车规划方法、装置、设备及计算机存储介质 | |
CN113504782A (zh) | 障碍物防撞方法、装置、系统和移动工具 | |
CN112212875B (zh) | 车辆掉头轨迹规划方法、装置、车辆及存储介质 | |
CN112747763B (zh) | 局部路径规划方法、装置、电子设备和存储介质 | |
CN116552564A (zh) | 行车轨迹确定方法及装置、电子设备及可读存储介质 | |
CN115158299A (zh) | 一种泊车路径规划方法、装置、车辆和可读存储介质 |
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 |