CN113022553B - 一种矿区无人驾驶车辆的泊车方法及系统 - Google Patents

一种矿区无人驾驶车辆的泊车方法及系统 Download PDF

Info

Publication number
CN113022553B
CN113022553B CN202110429802.4A CN202110429802A CN113022553B CN 113022553 B CN113022553 B CN 113022553B CN 202110429802 A CN202110429802 A CN 202110429802A CN 113022553 B CN113022553 B CN 113022553B
Authority
CN
China
Prior art keywords
cost
vehicle
distance
value
determining
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
CN202110429802.4A
Other languages
English (en)
Other versions
CN113022553A (zh
Inventor
柯秋璧
王亚飞
古雪峰
雷雨标
秦晓驹
梅贵周
姜广宇
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.)
Anhui Haibo Intelligent Technology Co ltd
Original Assignee
Anhui Haibo Intelligent Technology 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 Anhui Haibo Intelligent Technology Co ltd filed Critical Anhui Haibo Intelligent Technology Co ltd
Publication of CN113022553A publication Critical patent/CN113022553A/zh
Application granted granted Critical
Publication of CN113022553B publication Critical patent/CN113022553B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/06—Automatic manoeuvring for parking
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种矿区无人驾驶车辆的泊车方法及系统，包括：根据车辆的当前姿态和当前位置，确定以下各项相关的代价权值和预测行驶时间：距离代价、朝向代价、方向代价和避障代价；根据车辆的当前速度，对所述车辆的各个前轮转角进行遍历，并利用阿克曼模型预测所述车辆的在所述预测时间内的各行驶轨迹；确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价；针对每一预测的行驶轨迹计算得到其各项代价与代价权值的乘积之和，比较以获得各乘积之和中的最小值及其对应的作为最优轨迹的行驶轨迹，基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车。本发明避免了与障碍物的碰撞，实现了避障。

Description

一种矿区无人驾驶车辆的泊车方法及系统
技术领域
本发明涉及矿区车辆驾驶领域，特别涉及一种矿区无人驾驶车辆的泊车方法及系统。
背景技术
在矿区中，矿车一般以较低速度(6km/h以下)均匀进行泊车到挖机旁边进行装料。由于矿区的复杂性，对矿车的行驶路径和最终的位置、朝向均有一定的要求，否则矿区的无人驾驶车辆可能无法进行正常的装料，在泊车的过程中，行驶区域内会出现较大体积的散落的障碍物(可能是矿石)，此时，若不能避障将会出现碰撞风险。
发明内容
本发明的目的是提供一种矿区无人驾驶车辆的泊车方法及系统，该矿区无人驾驶车辆的泊车方法及系统克服了现有技术中泊车的过程中，行驶区域内会出现较大体积的散落的障碍物的问题，避免了与障碍物的碰撞，实现了避障。
为了实现上述目的，本发明提供了一种矿区无人驾驶车辆的泊车方法，所述矿区无人驾驶车辆的泊车方法包括：根据车辆的当前姿态和当前位置，确定以下各项相关的代价权值和预测行驶时间：距离代价、朝向代价、方向代价和避障代价；根据车辆的当前速度，对所述车辆的各个前轮转角进行遍历，并利用阿克曼模型预测所述车辆的在所述预测时间内的各行驶轨迹；确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价；针对每一预测的行驶轨迹计算得到其各项代价与代价权值的乘积之和，比较以获得各乘积之和中的最小值及其对应的作为最优轨迹的行驶轨迹，基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车。
优选地，所述根据车辆的当前姿态和当前位置，确定各项代价权值和预测行驶时间包括：在车辆的当前姿态示出所述车辆的朝向与期望朝向的夹角小于预设角度阈值时，确定所述距离代价的代价权值为第一预设值且所述朝向代价的代价权值为第二预设值，否则确定所述距离代价的代价权值为第三预设值且所述朝向代价的代价权值为第四预设值；其中，所述第一预设值大于第二预设值，所述第三预设值小于第四预设值；获取所述车辆与障碍物之间的间隔距离，根据所述间隔距离与预测距离相关值的比较大小，确定所述避障代价的代价权值；配置所述方向代价的代价权值为第五预设值；以及获取所述车辆的当前位置与期望位置的垂直距离，根据以下两者中任意一者确定所述预测行驶时间：所述垂直距离与预设定距离阈值的大小关系、所述间隔距离与预测距离相关值的大小关系。
优选地，所述根据所述间隔距离与预测距离相关值的比较大小，确定所述避障代价的代价权值包括：在所述间隔距离大于所述预测距离的两倍时，确定所述避障代价的代价权值为0，否则所述避障代价的代价权值被配置为与用户需求相关联。
优选地，确定所述预测行驶时间的方法包括：在所述垂直距离大于预设定距离阈值或所述间隔距离小于预测距离的两倍时，所述预测行驶时间配置为第一预设时间值；否则，所述预测行驶时间配置为第二预设时间值，其中所述第一预设时间值小于所述第二预设时间值。
优选地，所述确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价包括：将所述预测的行驶轨迹的末端至期望位置的垂直距离确定为距离代价；将所述车辆在预测的行驶轨迹的末端位置的朝向与期望朝向之间的夹角作为朝向代价；将所述车辆在预测的行驶轨迹的末端位置的朝向与预设方向之间的夹角作为方向代价，其中所述预设方向被配置为所述预测的行驶轨迹的末端与所述期望位置的连线所在方向；通过下述公式计算避障代价：
Figure GDA0003597568530000021
其中，所述ri为比较得到的第i条行驶轨迹中所述车辆的所有前轴中心位置和后轴中心位置离障碍物的最小距离，n为行驶轨迹的数量，rj(j＝1,2，...,n)为n条行驶轨迹中的第j条行驶轨迹中所述车辆的所有前轴中心位置和后轴中心位置离障碍物的最小距离。
优选地，在基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车之后，所述矿区无人驾驶车辆的泊车方法还包括：判断车辆是否到达终点，在到达终点的情况下，控制所述车辆停止；否则继续执行根据车辆的当前姿态和当前位置，确定各项相关的代价权值和预测行驶时间的步骤，直至所述车辆到达终点。
另外，本发明提供一种矿区无人驾驶车辆的泊车系统，所述矿区无人驾驶车辆的泊车系统包括：权值时间确定单元，用于根据车辆的当前姿态、当前位置，确定以下各项相关的代价权值和预测行驶时间：距离代价、朝向代价、方向代价和避障代价；轨迹确定单元，用于根据车辆的当前速度，对所述车辆的各个前轮转角进行遍历，并利用阿克曼模型预测所述车辆的在所述预测时间内的各行驶轨迹；车辆控制单元，用于确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价；并用于针对每一预测的行驶轨迹计算得到其各项代价与代价权值的乘积之和，比较以获得各乘积之和中的最小值及其对应的作为最优轨迹的行驶轨迹，基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车。
优选地，所述权值时间确定单元包括：距离朝向代价权值确定模块，用于在车辆的当前姿态示出所述车辆的朝向与期望朝向的夹角小于预设角度阈值时，确定所述距离代价的代价权值为第一预设值且所述朝向代价的代价权值为第二预设值，否则确定所述距离代价的代价权值为第三预设值且所述朝向代价的代价权值为第四预设值；其中，所述第一预设值大于第二预设值，所述第三预设值小于第四预设值；避障代价权值确定模块，用于获取所述车辆与障碍物之间的间隔距离，根据所述间隔距离与预测距离相关值的比较大小，确定所述避障代价的代价权值；方向代价权值配置模块，用于配置所述方向代价的代价权值为第五预设值；以及预测行驶时间确定模块，用于获取所述车辆的当前位置与期望位置的垂直距离，根据以下两者中任意一者确定所述预测行驶时间：所述垂直距离与预设定距离阈值的大小关系、所述间隔距离与预测距离相关值的大小关系。
根据上述技术方案，本发明不同于传统的机器人动态窗口法，利用阿克曼转向运动学模型来进行轨迹的预测，在低速泊车的情况下基本符合实际的车辆运动学特性。此外，将所有的行驶相关代价作为各个权重来整体进行分析，以最终得到的数值的比较结果确定最优的行驶轨迹，基于该最优轨迹来控制车辆泊车，整个过程可以自动执行，克服了现有技术中矿车无法避障且无法自动控制车辆行驶的问题。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是说明本发明的一种矿区无人驾驶车辆的泊车方法的流程图；
图2是说明本发明的一种矿区无人驾驶车辆的泊车方法行驶轨迹的仿真效果图；
图3是说明本发明的一种确定各预测的行驶轨迹中以下各项代价的效果图；以及
图4是说明本发明的另一种矿区无人驾驶车辆的泊车方法的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。图1是本发明的一种矿区无人驾驶车辆的泊车方法的流程图，如图1所示，所述矿区无人驾驶车辆的泊车方法包括：
S101，根据车辆的当前姿态和当前位置，确定以下各项相关的代价权值和预测行驶时间：距离代价、朝向代价、方向代价和避障代价。
其中，所述当前姿态包括车辆的各个前轮转角、车辆的转向角度、车身长度等数据，所述当前位置为车辆的地址，具体的，所述车辆的位置包括了车辆前轴中心位置和所述车辆的后轴中心位置，本发明为了避免碰撞，在前轴中心位置的预设范围内(例如5m)作为碰撞危险范围，在后轴中心位置的预设范围内(例如4.5m)作为碰撞危险范围，其中所述车辆到障碍物的距离为障碍物距离所述轨迹范围的距离。
S102，根据车辆的当前速度，对所述车辆的各个前轮转角进行遍历，并利用阿克曼模型预测所述车辆的在所述预测时间内的各行驶轨迹。
其中，所述遍历的轨迹图如图2所示，且图2是仿真的效果图，其中，(-10，25)位置为障碍物的位置，(0，0)位置为挖机位置，即期望所述车辆行驶方向上的位置。行驶轨迹如图中所述，最上方为车辆的最外部的轮廓。
S103，确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价；针对每一预测的行驶轨迹计算得到其各项代价与代价权值的乘积之和，比较以获得各乘积之和中的最小值及其对应的作为最优轨迹的行驶轨迹，基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车。
其中，所述行驶轨迹中的各项代价利用归一化来进行处理后得到，其中，各种乘积之和越小说明行驶轨迹中越接近期望的位置，模拟的路线越好。
优选地，具体而言，在不考虑动力学的情况下(低速场景)，根据车辆当前的姿态，给定一组速度与前轮转角信息，在指定的时间内会生成对应的轨迹(包括前轴中心与后轴中心)，所述根据车辆的当前姿态和当前位置，确定各项代价权值和预测行驶时间包括：
在车辆的当前姿态示出所述车辆的朝向与期望朝向的夹角小于预设角度阈值70°时，确定所述距离代价的代价权值W1为第一预设值170且所述朝向代价的代价权值W2为第二预设值2，否则确定所述距离代价的代价权值W1为第三预设值1且所述朝向代价W2的代价权值为第四预设值100；其中，所述第一预设值大于第二预设值，所述第三预设值小于第四预设值。W1代价权值越小，说明车辆与期望朝向之间距离越小。W2代价权值越小，说明车辆最终的朝向与期望朝向越接近。
获取所述车辆与障碍物之间的间隔距离，根据所述间隔距离与预测距离相关值的比较大小，确定所述避障代价的代价权值W4，其中所述间隔距离为车辆位置与所述障碍物之间的距离；所述车辆位置可以定义成车辆的中心位置
配置所述方向代价的代价权值W3为第五预设值2；以及
获取所述车辆的当前位置与期望位置的垂直距离，根据以下两者中任意一者确定所述预测行驶时间：所述垂直距离与预设定距离阈值的大小关系、所述间隔距离与预测距离相关值的大小关系。
优选地，所述根据所述间隔距离与预测距离相关值的比较大小，确定所述避障代价的代价权值可以包括：在所述间隔距离大于所述预测距离(16m)的两倍时，确定所述避障代价的代价权值W4为0，否则所述避障代价的代价权值W4被配置为与用户需求相关联。
优选地，确定所述预测行驶时间的方法可以包括：在所述垂直距离大于预设定距离阈值或所述间隔距离小于预测距离dist的两倍时，所述预测行驶时间配置为第一预设时间值2s；否则，所述预测行驶时间配置为第二预设时间值4s，其中所述第一预设时间值2s小于所述第二预设时间值4s。
优选地，如图3所示，所述确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价包括：
将所述预测的行驶轨迹的末端a至期望位置(挖机)的垂直距离确定为距离代价，即a点到期望位置的直线垂直距离值，其中，O点为预测的行驶轨迹的初始位置；
将所述车辆在预测的行驶轨迹的末端a位置的朝向(图3的a点的竖直向上)与期望朝向之间的夹角作为朝向代价；
将所述车辆在预测的行驶轨迹的末端位置的朝向(图3的a点的竖直向上)与预设方向(W-a连线的方向)之间的夹角作为方向代价，其中所述预设方向被配置为所述预测的行驶轨迹的末端与所述期望位置的连线所在方向；
通过下述公式计算避障代价：
Figure GDA0003597568530000061
其中，所述ri为比较得到的第i条行驶轨迹中所述车辆的所有前轴中心位置和后轴中心位置离障碍物的最小距离，n为行驶轨迹的数量，rj(j＝1,2，...,n)为n条行驶轨迹中的第j条行驶轨迹中所述车辆的所有前轴中心位置和后轴中心位置离障碍物的最小距离。其中在符合在不碰撞条件的预测路径中，采用上述的公式计算出障碍物代价情况。
优选地，如图4所示，在基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车之后，所述矿区无人驾驶车辆的泊车方法还包括：判断车辆是否到达终点，在到达终点的情况下，控制所述车辆停止；否则继续执行根据车辆的当前姿态和当前位置，确定各项相关的代价权值和预测行驶时间的步骤，直至所述车辆到达终点。
本发明还提供一种矿区无人驾驶车辆的泊车系统，所述矿区无人驾驶车辆的泊车系统包括：权值时间确定单元，用于根据车辆的当前姿态、当前位置，确定以下各项相关的代价权值和预测行驶时间：距离代价、朝向代价、方向代价和避障代价；轨迹确定单元，用于根据车辆的当前速度，对所述车辆的各个前轮转角进行遍历，并利用阿克曼模型预测所述车辆的在所述预测时间内的各行驶轨迹；车辆控制单元，用于确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价；并用于针对每一预测的行驶轨迹计算得到其各项代价与代价权值的乘积之和，比较以获得各乘积之和中的最小值及其对应的作为最优轨迹的行驶轨迹，基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车。
优选地，所述权值时间确定单元包括：距离朝向代价权值确定模块，用于在车辆的当前姿态示出所述车辆的朝向与期望朝向的夹角小于预设角度阈值时，确定所述距离代价的代价权值为第一预设值且所述朝向代价的代价权值为第二预设值，否则确定所述距离代价的代价权值为第三预设值且所述朝向代价的代价权值为第四预设值；其中，所述第一预设值大于第二预设值，所述第三预设值小于第四预设值；避障代价权值确定模块，用于获取所述车辆与障碍物之间的间隔距离，根据所述间隔距离与预测距离相关值的比较大小，确定所述避障代价的代价权值；方向代价权值配置模块，用于配置所述方向代价的代价权值为第五预设值；以及预测行驶时间确定模块，用于获取所述车辆的当前位置与期望位置的垂直距离，根据以下两者中任意一者确定所述预测行驶时间：所述垂直距离与预设定距离阈值的大小关系、所述间隔距离与预测距离相关值的大小关系。
其中，所述矿区无人驾驶车辆的泊车方法相对于现有技术而言具有与矿区无人驾驶车辆的泊车系统相同的区别技术特征和技术效果。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种矿区无人驾驶车辆的泊车方法，其特征在于，所述矿区无人驾驶车辆的泊车方法包括：
根据车辆的当前姿态和当前位置，确定以下各项相关的代价权值和预测行驶时间：距离代价、朝向代价、方向代价和避障代价；
根据车辆的当前速度，对所述车辆的各个前轮转角进行遍历，并利用阿克曼模型预测所述车辆的在所述预测行驶时间内的各行驶轨迹；
确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价；针对每一预测的行驶轨迹计算得到其各项代价与代价权值的乘积之和，比较以获得各乘积之和中的最小值及其对应的作为最优轨迹的行驶轨迹，基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车。
2.根据权利要求1所述的矿区无人驾驶车辆的泊车方法，其特征在于，所述根据车辆的当前姿态和当前位置，确定各项代价权值和预测行驶时间包括：
在车辆的当前姿态示出所述车辆的朝向与期望朝向的夹角小于预设角度阈值时，确定所述距离代价的代价权值为第一预设值且所述朝向代价的代价权值为第二预设值，否则确定所述距离代价的代价权值为第三预设值且所述朝向代价的代价权值为第四预设值；其中，所述第一预设值大于第二预设值，所述第三预设值小于第四预设值；
获取所述车辆与障碍物之间的间隔距离，根据所述间隔距离与预测距离相关值的比较大小，确定所述避障代价的代价权值；
配置所述方向代价的代价权值为第五预设值；以及
获取所述车辆的当前位置与期望位置的垂直距离，根据以下两者中任意一者确定所述预测行驶时间：所述垂直距离与预设定距离阈值的大小关系、所述间隔距离与预测距离相关值的大小关系。
3.根据权利要求2所述的矿区无人驾驶车辆的泊车方法，其特征在于，所述根据所述间隔距离与预测距离相关值的比较大小，确定所述避障代价的代价权值包括：
在所述间隔距离大于所述预测距离的两倍时，确定所述避障代价的代价权值为0，否则所述避障代价的代价权值被配置为与用户需求相关联。
4.根据权利要求2所述的矿区无人驾驶车辆的泊车方法，其特征在于，确定所述预测行驶时间的方法包括：
在所述垂直距离大于预设定距离阈值或所述间隔距离小于预测距离的两倍时，所述预测行驶时间配置为第一预设时间值；否则，所述预测行驶时间配置为第二预设时间值，其中所述第一预设时间值小于所述第二预设时间值。
5.根据权利要求1所述的矿区无人驾驶车辆的泊车方法，其特征在于，所述确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价包括：
将所述预测的行驶轨迹的末端至期望位置的垂直距离确定为距离代价；
将所述车辆在预测的行驶轨迹的末端位置的朝向与期望朝向之间的夹角作为朝向代价；
将所述车辆在预测的行驶轨迹的末端位置的朝向与预设方向之间的夹角作为方向代价，其中所述预设方向被配置为所述预测的行驶轨迹的末端与所述期望位置的连线所在方向；
通过下述公式计算避障代价：
Figure FDA0003597568520000021
其中，所述ri为比较得到的第i条行驶轨迹中所述车辆的所有前轴中心位置和后轴中心位置离障碍物的最小距离，n为行驶轨迹的数量，rj(j＝1,2，...,n)为n条行驶轨迹中的第j条行驶轨迹中所述车辆的所有前轴中心位置和后轴中心位置离障碍物的最小距离。
6.根据权利要求1所述的矿区无人驾驶车辆的泊车方法，其特征在于，在基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车之后，所述矿区无人驾驶车辆的泊车方法还包括：
判断车辆是否到达终点，在到达终点的情况下，控制所述车辆停止；否则继续执行根据车辆的当前姿态和当前位置，确定各项相关的代价权值和预测行驶时间的步骤，直至所述车辆到达终点。
7.一种矿区无人驾驶车辆的泊车系统，其特征在于，所述矿区无人驾驶车辆的泊车系统包括：
权值时间确定单元，用于根据车辆的当前姿态、当前位置，确定以下各项相关的代价权值和预测行驶时间：距离代价、朝向代价、方向代价和避障代价；
轨迹确定单元，用于根据车辆的当前速度，对所述车辆的各个前轮转角进行遍历，并利用阿克曼模型预测所述车辆的在所述预测行驶时间内的各行驶轨迹；
车辆控制单元，用于确定各预测的行驶轨迹中以下各项代价：距离代价、朝向代价、方向代价和避障代价；并用于针对每一预测的行驶轨迹计算得到其各项代价与代价权值的乘积之和，比较以获得各乘积之和中的最小值及其对应的作为最优轨迹的行驶轨迹，基于所述最优轨迹对应的前轮转角控制所述车辆进行泊车。
8.根据权利要求7所述的矿区无人驾驶车辆的泊车系统，其特征在于，所述权值时间确定单元包括：
距离朝向代价权值确定模块，用于在车辆的当前姿态示出所述车辆的朝向与期望朝向的夹角小于预设角度阈值时，确定所述距离代价的代价权值为第一预设值且所述朝向代价的代价权值为第二预设值，否则确定所述距离代价的代价权值为第三预设值且所述朝向代价的代价权值为第四预设值；其中，所述第一预设值大于第二预设值，所述第三预设值小于第四预设值；
避障代价权值确定模块，用于获取所述车辆与障碍物之间的间隔距离，根据所述间隔距离与预测距离相关值的比较大小，确定所述避障代价的代价权值；
方向代价权值配置模块，用于配置所述方向代价的代价权值为第五预设值；以及
预测行驶时间确定模块，用于获取所述车辆的当前位置与期望位置的垂直距离，根据以下两者中任意一者确定所述预测行驶时间：所述垂直距离与预设定距离阈值的大小关系、所述间隔距离与预测距离相关值的大小关系。
CN202110429802.4A 2020-11-20 2021-04-21 一种矿区无人驾驶车辆的泊车方法及系统 Active CN113022553B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011307154.7A CN112572416A (zh) 2020-11-20 2020-11-20 一种矿区无人驾驶车辆的泊车方法及系统
CN2020113071547 2020-11-20

Publications (2)

Publication Number Publication Date
CN113022553A CN113022553A (zh) 2021-06-25
CN113022553B true CN113022553B (zh) 2022-07-12

Family

ID=75122967

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202011307154.7A Pending CN112572416A (zh) 2020-11-20 2020-11-20 一种矿区无人驾驶车辆的泊车方法及系统
CN202110429802.4A Active CN113022553B (zh) 2020-11-20 2021-04-21 一种矿区无人驾驶车辆的泊车方法及系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202011307154.7A Pending CN112572416A (zh) 2020-11-20 2020-11-20 一种矿区无人驾驶车辆的泊车方法及系统

Country Status (1)

Country Link
CN (2) CN112572416A (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114018276A (zh) * 2021-09-14 2022-02-08 武汉光庭信息技术股份有限公司 一种最佳泊车位确定方法、系统、电子设备及存储介质
CN114415652B (zh) * 2021-11-09 2024-03-26 南京南自信息技术有限公司 一种轮式机器人路径规划方法
CN114940164B (zh) * 2022-05-20 2023-05-23 重庆邮电大学 一种面向泊车场景的无人驾驶车辆行驶轨迹优化方法及系统
CN116012972A (zh) * 2022-12-15 2023-04-25 悦享雄安科技有限公司 车辆轨迹的处理方法以及车辆轨迹的处理装置
CN115826590B (zh) * 2023-02-21 2023-06-02 山东大学 一种自适应参数的移动机器人局部路径规划方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549378A (zh) * 2018-05-02 2018-09-18 长沙学院 一种基于栅格地图的混合路径规划方法和系统
CN110077397A (zh) * 2019-05-14 2019-08-02 芜湖汽车前瞻技术研究院有限公司 一种智能车避障轨迹规划方法及装置
CN110954123A (zh) * 2019-12-10 2020-04-03 电子科技大学 一种基于阿克曼约束的路径规划方法
CN111006666A (zh) * 2019-11-21 2020-04-14 深圳市优必选科技股份有限公司 机器人路径规划方法、装置、存储介质和机器人

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11117569B2 (en) * 2018-06-27 2021-09-14 Baidu Usa Llc Planning parking trajectory generation for self-driving vehicles using optimization method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549378A (zh) * 2018-05-02 2018-09-18 长沙学院 一种基于栅格地图的混合路径规划方法和系统
CN110077397A (zh) * 2019-05-14 2019-08-02 芜湖汽车前瞻技术研究院有限公司 一种智能车避障轨迹规划方法及装置
CN111006666A (zh) * 2019-11-21 2020-04-14 深圳市优必选科技股份有限公司 机器人路径规划方法、装置、存储介质和机器人
CN110954123A (zh) * 2019-12-10 2020-04-03 电子科技大学 一种基于阿克曼约束的路径规划方法

Also Published As

Publication number Publication date
CN112572416A (zh) 2021-03-30
CN113022553A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN113022553B (zh) 一种矿区无人驾驶车辆的泊车方法及系统
CN113386795B (zh) 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策系统
CN108256233B (zh) 基于驾驶员风格的智能车轨迹规划及跟踪方法和系统
CN110471408B (zh) 基于决策过程的无人驾驶车辆路径规划方法
CN110362096A (zh) 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN110597245A (zh) 基于二次型规划和神经网络的自动驾驶换道轨迹规划方法
CN107933548A (zh) 一种自动泊车的车位识别方法及系统
CN111770865B (zh) 车辆行驶控制装置
CN112896188B (zh) 一种考虑前车遭遇的自动驾驶决策控制的系统
CN113895463B (zh) 一种适用于自动驾驶车辆掉头的路径规划方法
CN114148348B (zh) 自动驾驶车辆的停止控制方法、装置及计算机程序
Fritz et al. CHAUFFEUR Assistant: a driver assistance system for commercial vehicles based on fusion of advanced ACC and lane keeping
CN113978452B (zh) 一种自动平行泊车路径规划方法
CN106218612B (zh) 一种汽车安全行驶的方法、装置以及终端
CN113291318B (zh) 基于部分可观测马尔科夫模型的无人车盲区转弯规划方法
CN116465427B (zh) 一种基于时空风险量化的智能车辆换道避障路径规划方法
CN113110489A (zh) 一种轨迹规划方法、装置、电子设备和存储介质
CN114987461A (zh) 一种多车复杂交通环境下的智能客车动态变道轨迹规划方法
Hang et al. Human-like lane-change decision making for automated driving with a game theoretic approach
WO2022004042A1 (ja) 車両制御装置および車両制御システム
CN115140048B (zh) 一种自动驾驶行为决策与轨迹规划模型与方法
CN115092183B (zh) 一种基于势场力的车辆主动避障控制方法及系统
CN116443049A (zh) 自动驾驶车辆的防碰撞方法及装置
Rahim et al. A longitudinal speed controller for autonomous multi-trailer articulated heavy vehicles
CN115981308A (zh) 一种基于势力场的路径规划方法及装置

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