CN113085850B - 车辆避障方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开涉及无人驾驶技术领域，提供了一种车辆避障方法、装置、电子设备及存储介质。该方法应用于无人驾驶设备，即自动驾驶设备或无人车，包括：对车辆的行驶路径上的障碍物进行碰撞检测，当检测结果为预测发生碰撞时，执行第一反馈处理；第一反馈处理用于对车辆的行驶路径进行重新规划；根据第一反馈处理的结果进行碰撞检测，当检测结果为预测发生碰撞时，执行第二反馈处理；第二反馈处理用于对车辆的行驶速度进行重新规划；根据第二反馈处理的结果进行碰撞检测，并执行以上迭代处理过程，直至为车辆规划出避障轨迹，以便车辆沿避障轨迹行驶。本公开能够降低避障时轨迹规划的耗时，提升规划算法的兼容性，提升车辆对动态环境的响应能力。

Description

车辆避障方法、装置、电子设备及存储介质

技术领域

本公开涉及无人驾驶技术领域，尤其涉及一种车辆避障方法、装置、电子设备及存储介质。

背景技术

无人驾驶的运动规划技术是无人驾驶车辆的核心技术之一，通常可包括路径规划和速度规划。另外，在自动驾驶车辆的行驶过程中对障碍物进行避让是自动驾驶车辆的常见需求之一，在运动规划中一般具有专门的决策规划方法来对车辆躲避障碍物时的轨迹进行规划。

在现有技术中，常规的用于自动驾驶车辆的避障规划方法，一般只需要考虑障碍物的信息以及在运动规划的同一运行周期内的路径规划，因而不会提前对车辆与障碍物之间的碰撞进行预测，这种反应式避障处理方式对动态障碍物的避让效果较差；而基于同一运行周期内的路径规划进行避障处理时，由于往往需要在同一运行周期内反复调用规划算法进行迭代才能规划出避让轨迹，因此，导致避让轨迹的规划耗时过长，降低了车辆对动态环境的响应能力。

基于现有技术，需要提供一种能实现动态障碍物的避让，降低车辆避让轨迹规划耗时，提升车辆响应能力的车辆避障方案。

发明内容

有鉴于此，本公开实施例提供了一种车辆避障方法、装置、电子设备及存储介质，以解决现有技术存在的对动态障碍物的避让效果较差，车辆避让轨迹的规划耗时过长，车辆对动态环境的响应能力低的问题。

本公开实施例的第一方面，提供了一种车辆避障方法，包括：对车辆的行驶路径上的障碍物进行碰撞检测，当检测结果为预测发生碰撞时，执行第一反馈处理；其中，第一反馈处理用于对车辆的行驶路径进行重新规划；根据第一反馈处理的结果进行碰撞检测，当检测结果为预测发生碰撞时，执行第二反馈处理；其中，第二反馈处理用于对车辆的行驶速度进行重新规划；根据第二反馈处理的结果进行碰撞检测，并执行以上迭代处理过程，直至为车辆规划出避障轨迹，以便车辆沿避障轨迹行驶。

本公开实施例的第二方面，提供了一种车辆避障装置，包括：第一反馈处理模块，用于对车辆的行驶路径上的障碍物进行碰撞检测，当检测结果为预测发生碰撞时，执行第一反馈处理；其中，第一反馈处理用于对车辆的行驶路径进行重新规划；第二反馈处理模块，用于根据第一反馈处理的结果进行碰撞检测，当检测结果为预测发生碰撞时，执行第二反馈处理；其中，第二反馈处理用于对车辆的行驶速度进行重新规划；迭代处理模块，用于根据第二反馈处理的结果进行碰撞检测，并执行以上迭代处理过程，直至为车辆规划出避障轨迹，以便车辆沿避障轨迹行驶。

本公开实施例的第三方面，提供了一种电子设备，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，处理器执行程序时实现上述方法的步骤。

本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

本公开实施例采用的上述至少一个技术方案能够达到以下有益效果：

通过对车辆的行驶路径上的障碍物进行碰撞检测，当检测结果为预测发生碰撞时，执行第一反馈处理；其中，第一反馈处理用于对车辆的行驶路径进行重新规划；根据第一反馈处理的结果进行碰撞检测，当检测结果为预测发生碰撞时，执行第二反馈处理；其中，第二反馈处理用于对车辆的行驶速度进行重新规划；根据第二反馈处理的结果进行碰撞检测，并执行以上迭代处理过程，直至为车辆规划出避障轨迹，以便车辆沿避障轨迹行驶。基于本方案，能够降低无人驾驶车辆对避障轨迹的规划耗时，提升规划算法的兼容性，同时在不同反馈处理过程之间进行迭代的方式，不会降低车辆对动态环境的响应能力。

附图说明

为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。

图1是相关技术中对于动态障碍物的避障轨迹进行迭代优化的示意图；

图2是本公开实施例提供的车辆避障方法的流程示意图；

图3是本公开实施例提供的前后帧之间迭代过程的示意图；

图4是本公开实施例提供的车辆避障装置的结构示意图；

图5是本公开实施例提供的电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。

对于无人驾驶运动规划来说，车辆在行驶过程中需要不断地处理周围障碍物，这里面包括动态障碍物和静态障碍物，其中，对于动态障碍物而言，除了需要采集动态障碍物自身的信息之外，还需要对动态障碍物在未来时间（如8秒）内的轨迹进行预测，对于有预测轨迹的动态障碍物来说，需要专门的决策规划算法来处理。目前，现有技术中对于有预测轨迹的动态障碍物，一种主流的算法是采用最大期望算法来对避障的轨迹进行优化，下面结合附图对该迭代优化过程进行详细说明，如图1所示，其示出了相关技术中对于动态障碍物的避障轨迹进行迭代优化的示意图，该迭代优化过程可以包括以下步骤：

a）在前一帧结束后的路径规划，即图1中StageA：Historical Planning（步骤A：历史规划）的基础上，对当前帧（以下步骤b～步骤e为同一帧内完成的操作）检测到的动态障碍物进行碰撞检测，若碰撞检测结果为将会产生碰撞，则进入第一路径迭代周期，即StageB：Path Planning Cycle 1（步骤B：第一路径迭代周期）；

b）在执行完第一路径迭代后，无人驾驶车辆将在碰撞处进行避障绕行，并进入第一速度迭代周期，即StageC：Speed Planning Cycle 1（步骤C：第一速度迭代周期）；

c）在执行完第一速度迭代后，无人驾驶车辆将在临近障碍物附近进行减速，并进入第二路径迭代周期，即Stage D：Path Planning Cycle 2（步骤D：第二路径迭代周期）；

d）在执行完第二路径迭代后，无人驾驶车辆将根据最新规划的路径和速度进行碰撞检测，从而更新绕行轨迹，并进入第二速度迭代周期，即Stage E：Speed Planning Cycle2（步骤E：第二速度迭代周期）；

e）在执行完第二速度迭代后，无人驾驶车辆将按照原先的路径轨迹，并在临近障碍物附近时沿最新迭代后的速度进行减速行驶，从而实现规划绕行减速轨迹的目的。

通过以上技术方案可以看出，相关技术对避障轨迹迭代优化的方法中，通过在同一帧内反复执行路径迭代和速度迭代，即反复循环调用路径规划算法和速度规划算法达到规划避障轨迹的目的。但是，目前主流的规划算法中，调用一次路径规划算法和速度规划算法的耗时基本在50-100ms，而自动驾驶系统为满足实时规划避障的要求，运动规划模块的总耗时不能超过100ms，因此，这种需要在同一帧内反复循环调用路径迭代和速度迭代的算法，无法满足运动规划模块的耗时要求，导致避障时轨迹规划的耗时过高。

另外，由于需要在同一帧内反复调用规划算法进行迭代，因此需要采用同一类型的规划算法，否则将会直接影响迭代过程以及迭代结果的准确性，然而在实际的自动驾驶系统中，运动规划模块在进行路径规划的迭代时，往往需要将多种不同类型的规划算法进行按需调用，显然，这种对避障轨迹进行迭代的方案，使得算法的兼容性降低，无法在同一迭代过程中适配不同类型的规划算法，因此算法的泛化能力较差。

需要说明的是，本公开实施例中的“帧”并非传统意义上的图像帧，在自动驾驶车辆的运动规划中，一帧可以认为是一次完整的循环处理过程，将一帧视为一个完整的运行周期（或称为运算周期），也可以认为是一个完整的响应周期；下面通过举例对帧的概念进行解释说明，例如：运动规划模块接收雷达或摄像头等上游设备输入的障碍物信息，对障碍物信息执行处理，并下发给控制模块，由控制模块实现对方向盘或油门的控制过程就可以认为是一帧。

下面结合以上对相关技术方案的描述，对图1中的元素进行说明：

在图1所示的每个步骤中，位于上方的矩形块表示动态障碍物，位于下方的矩形块表示无人驾驶车辆，图中s=40表示无人驾驶车辆将在40米处与动态障碍物发生碰撞，位于下方矩形块的曲线表示无人驾驶车辆的运动轨迹，相应地，动态障碍物也有自身运动轨迹。

在本公开实施例中，基于采用最大期望算法进行迭代优化的思路基础上，通过将同一帧内的规划算法分布到不同的帧之间，即将同一帧内的迭代过程分布到不同的帧之间进行，在每帧只运行一次规划算法，因此，避免了在同一帧内反复循环调用路径规划算法和速度规划算法导致耗时过高，极大降低了对避障轨迹进行规划的耗时。由于采用前后跨帧进行迭代的方式，因此，本方案不会影响前后帧切换时采用的规划算法，允许前后帧之间使用不同类型的规划算法进行迭代，提升了算法的兼容性和泛化能力。

最大期望算法（Expectation-Maximization algorithm, EM），是一类通过迭代进行极大似然估计的优化算法，最大期望算法的标准计算框架由E步（Expectation-step）和M步（Maximization step）交替组成，算法的收敛性可以确保迭代至少逼近局部极大值。

其中，极大似然估计也称为最大概似估计或最大似然估计，是求估计的一种方法，通俗来讲就是利用已知的样本结果信息，反推最具有可能（最大概率）导致这些样本结果出现的模型参数值。

图2是本公开实施例提供的车辆避障方法的流程示意图。图2的车辆避障方法可以由自动驾驶系统中的电子设备执行。该方法具体可以包括以下步骤S201至S203。

在步骤S201中，对车辆的行驶路径上的障碍物进行碰撞检测，当检测结果为预测发生碰撞时，执行第一反馈处理；其中，第一反馈处理用于对车辆的行驶路径进行重新规划。

在本公开实施例中，利用反馈处理来代替上述“帧”的概念，在无人驾驶车辆的运动规划中，一帧可以理解为一次反馈处理的操作过程。因此，以下实施例中的第一反馈处理也可以称为第一帧，第二反馈处理也可以称为第二帧。反馈处理过程可以认为是一个完整的、具有一定时间周期（比如100ms）的规划响应过程，反馈处理包含规划算法的运算周期，且在自动驾驶系统中反馈处理的过程是连续的循环过程；当然，也可以使用其它名词代替上述“帧”的概念，比如运行周期、运算周期、响应周期等，名词上的变化不构成对本方案的限定。

在一些实施例中，障碍物为动态障碍物，对车辆的行驶路径上的障碍物进行碰撞检测，包括：

根据对车辆的历史运动规划确定车辆的初始规划路径和初始规划速度，并获取障碍物信息；将障碍物信息、初始规划路径以及初始规划速度作为参数，利用碰撞检测算法进行处理得到初始碰撞位置。

具体地，本公开实施例中的障碍物为具有预测轨迹的动态障碍物，在实际应用中，可以通过安装在无人驾驶车辆上的激光雷达检测前方障碍物，通过计算障碍物的速度来判断障碍物是否为动态障碍物；另外，还可以3D障碍物点云图像判断障碍物是否为动态障碍物，例如将前后帧的3D障碍物点云图像进行比对，在上一帧和当前帧的3D障碍物点云图像的重叠区域中，上一帧存在的点云在该帧同样存在，就可以认为该障碍物在这两帧中处于同样的位置，即处于静止状态，否则属于动态障碍物。

下面结合具体实施例对障碍物的碰撞检测过程进行解释说明，具体可以包括以下内容：

在利用碰撞检测算法进行碰撞检测时，通过历史运动规划获取车辆的初始规划路径和初始规划速度，历史运动规划可以认为是前一反馈处理输出的规划路径和速度，根据车辆行驶的规划路径、速度以及车辆的尺寸和航向信息可以计算出车辆在规划路径上的矩形运动轨迹；另外，通过获取动态障碍物的信息，比如动态障碍物的长、宽、中心点坐标、航向、速度、障碍物的预测轨迹，根据动态障碍物的信息同样可以计算出动态障碍物对应的矩形运动轨迹，通过将车辆的矩形运动轨迹与动态障碍物的矩形运动轨迹进行碰撞检测就可以预测出车辆与动态障碍物的碰撞位置。

在一些实施例中，执行第一反馈处理，包括：

获取执行第一反馈处理的时刻所对应的障碍物信息，将初始规划路径、初始规划速度、第一反馈处理对应的障碍物信息、初始碰撞位置、以及车辆的当前位置和速度信息作为参数，利用预设的路径规划算法对车辆的路径进行重新规划。

具体地，由于反馈处理的过程是在一段时间内所执行的操作，因此，第一反馈处理（也可以称为第一帧）的时刻可以认为是运动规划模块在执行完前一帧的处理之后，在执行下一帧（此处认为是第一帧）时对应的起始时刻，获取这一时刻对应的障碍物信息，在以下实施例中视为第一反馈处理对应的障碍物信息。

进一步地，在第一反馈处理中，将获取到的初始规划路径、初始规划速度、第一反馈处理对应的障碍物信息、初始碰撞位置、以及当前车辆的位置和速度信息作为路径规划算法的输入，在实际应用中，第一反馈处理阶段所使用的路径规划算法可以采用latticeplanner算法。

这里，lattice planner算法是自动驾驶中路径规划算法的一种，latticeplanner算法隶属于规划模块，规划模块在Apollo中是一个承上启下的重要模块，规划模块以预测模块、routing模块、高精地图和定位的结果作为输入，通过算法，输出一条平稳、舒适、安全的轨迹，交给控制模块去执行。lattice planner算法遵循先采样后选择的逻辑，依据从安全性、舒适性和交规中抽象出的cost函数来保障轨迹的平滑。

根据本公开实施例提供的技术方案，在对无人驾驶车辆的避障轨迹进行规划时，不仅考虑动态障碍物的信息，还会基于前一帧的规划结果，对动态障碍物进行碰撞检测，确定碰撞的位置；除此之外，还会结合历史运动规划所得到的初始规划路径和初始规划速度，并将这些信息一起作为路径规划的输入实现对车辆路径的重新规划。由于本公开实施例在进行车辆避障的路径规划时，结合来自前后帧、车辆以及障碍物等多维度的信息，从而提高了路径规划的效果，使路径规划更加合理。

在本公开实施例中，通过执行步骤S201的操作，可以根据历史规划的结果对车辆的避障路径进行重新规划，由于路径规划的结果只能表示车辆在避障时所行驶的路径，而为了使车辆能够沿合理的轨迹进行避障的话，还需要对车辆的速度进行规划，下面结合实施例对速度规划的过程进行描述。

在步骤S202中，根据第一反馈处理的结果进行碰撞检测，当检测结果为预测发生碰撞时，执行第二反馈处理；其中，第二反馈处理用于对车辆的行驶速度进行重新规划。

在一些实施例中，根据第一反馈处理的结果进行碰撞检测，包括：

获取执行第一反馈处理后的障碍物信息，将第一反馈处理后的障碍物信息、规划路径以及规划速度作为参数，利用碰撞检测算法进行处理得到第二反馈处理对应的碰撞位置。

具体地，在执行完第一反馈处理（即第一帧或者第一路径规划）后，运动规划模块将会获取第一帧重新规划后的路径以及车辆初始的规划速度。为了使车辆在临近障碍物的附近减速让行，需要根据第一反馈处理后的结果进行第二反馈处理（即第二帧或者第二速度规划），在执行第二帧处理之前需要对车辆与障碍物之间的碰撞再次进行检测。

在实际应用中，步骤S202中碰撞检测所采用的方法与前述实施例中障碍物碰撞检测的过程基本一致，因此，不再对碰撞检测的详细过程进行赘述。

进一步地，在一些实施例中，执行第二反馈处理，包括：

获取执行第二反馈处理的时刻所对应的障碍物信息，将第一反馈处理后的规划路径、规划速度、第二反馈处理对应的障碍物信息、第二反馈处理对应的碰撞位置、以及车辆的当前位置和速度信息作为参数，利用预设的速度规划算法对车辆的速度进行重新规划。

具体地，执行第二反馈处理的时刻所对应的障碍物信息可以认为是，运动规划模块在执行完第一帧的处理（即第一反馈处理）之后，在执行下一帧（此处为第二帧）时对应的起始时刻，获取该时刻对应的障碍物信息，即第二反馈处理对应的障碍物信息。

在第二反馈处理中，将获取到的第一帧处理后的规划路径、规划速度、第一帧的障碍物信息、初始碰撞位置、以及车辆的当前位置和速度信息作为速度规划算法的输入，在实际应用中，第二反馈处理阶段所使用的速度规划算法可以采用分段加加速度优化算法（Piecewise Jerk Path Optimization Algorithm），简称piecewise jerk planner算法。

这里，piecewise jerk planner算法的输入由以下四个部分组成：

1. 光滑的道路指引线，用于在弗莱纳坐标系下的运动分解；

2. 当前无人驾驶车辆的运动状态，包括位置、朝向、即时转向、速度与加速度，车辆运动状态会按照光滑指引线进行分解；

3. 环境中静态障碍物的信息，投影到指引线上；

4. 车辆自身的属性、运动学模型等，用于计算优化过程中合理的变量限制条件。

piecewise jerk planner算法的输出为连续曲率的平滑行驶路径，算法的优化目标是减小横向位移的零阶、一阶、二阶和三阶导数，使路径尽可能贴近指引线的同时保证舒适性。

根据本公开实施例提供的技术方案，通过在前后两帧之间分别部署路径规划和速度规划，每一帧内只运行一次规划算法，因此，避免了在同一帧内反复调用规划算法导致耗时增加的问题，降低了规划算法迭代的耗时。

在步骤S203中，根据第二反馈处理的结果进行碰撞检测，并执行以上迭代处理过程，直至为车辆规划出避障轨迹，以便车辆沿避障轨迹行驶。

在一些实施例中，根据第二反馈处理的结果进行碰撞检测，包括：

获取执行第二反馈处理后的障碍物信息，将第二反馈处理后的障碍物信息、规划路径以及规划速度作为参数，利用碰撞检测算法进行处理得到下一反馈处理对应的碰撞位置。

具体地，在执行完第二反馈处理（即第二帧或者第二速度规划）后，运动规划模块将会获取第二帧重新规划后的速度以及第一帧所规划得到的路径，需要说明的是，由于第二帧是对速度进行的规划，并没有产生新的路径规划，因此在根据第二帧的规划结果进行碰撞检测时，所依据的路径仍然是第一帧路径规划的结果。

在实际应用中，步骤S203中碰撞检测所采用的方法与前述实施例中障碍物碰撞检测的过程基本一致，因此，不再对碰撞检测的详细过程进行赘述。

下面结合附图对本公开实施例中通过前后帧之间进行迭代的算法框架进行说明，如图3所示，其示出了本公开实施例提供的前后帧之间迭代过程的示意图；该迭代过程主要包括以下内容：

第一帧（即第一反馈处理）获取前一帧输出的速度规划和路径规划，在第一帧执行路径规划之前，对障碍物进行碰撞检测，之后利用路径规划算法对车辆的避障路径进行重新规划；

第二帧（即第二反馈处理）获取第一帧输出的重新规划后的路径以及前一帧输出的速度规划，在第二帧执行速度规划之前，对障碍物进行碰撞检测，之后利用速度规划算法对车辆避障时临近障碍物的速度进行重新规划；

可以看出，第一反馈处理和第二反馈处理分别对应运动规划中两个连续的运行周期；因此，可以将上述处理过程认为是一次迭代过程，通过前后帧之间连续执行以上迭代过程，使路径规划和速度规划逐渐收敛，直至规划出合理的绕行减速轨迹。其中，路径可以认为是规划出的坐标点序列，例如规划出一串坐标点，坐标点包含x、y坐标、航向、曲率等信息，将路径的坐标点发送给车辆控制模块，控制车辆沿坐标点行驶，通过在路径的坐标点上叠加速度加速度后就是轨迹。

需要说明的是，本公开实施例迭代过程中使用的路径规划算法和速度规划算法可以为不同类型的规划算法，具体地，除了前述实施例中的lattice planner算法、piecewisejerk planner算法外，还可以采用RRT*算法，例如在第一帧中可以使用RRT*算法进行路径规划。

在本公开实施例中，车辆包括但不限于以下类型的车辆：自动驾驶车辆、无人驾驶车辆和智能驾驶车辆。

本公开以上实施例的迭代过程是以连续的两帧作为迭代的循环周期来说的，但是在实际应用中，也可以将三个连续的帧作为一次迭代的过程，例如，第一帧执行路径规划，第二帧执行速度规划，第三帧执行路径规划；应当理解，其它连续的多个帧也同样适用，一次迭代过程中包含的帧的个数（即规划算法的次数）不构成对本方案的限定。

根据本公开实施例提供的技术方案，通过在利用最大期望算法对运动规划的路径和速度进行迭代时，采用前后帧之间迭代的算法框架，每一帧只需要运行一次规划算法，极大降低了避障时运动规划迭代的耗时；因采用前后帧迭代的方式，因此，不影响前后帧之间切换不同类型的规划算法，能够兼容多种规划算法，提升了规划算法的兼容性和扩展性；并且，不会因跨帧迭代而降低车辆对动态环境的响应能力，实车测试性能良好且耗时满足要求。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图4是本公开实施例提供的车辆避障装置的结构示意图。如图4所示，该车辆避障装置包括：

第一反馈处理模块401，用于对车辆的行驶路径上的障碍物进行碰撞检测，当检测结果为预测发生碰撞时，执行第一反馈处理；其中，第一反馈处理用于对车辆的行驶路径进行重新规划；

第二反馈处理模块402，用于根据第一反馈处理的结果进行碰撞检测，当检测结果为预测发生碰撞时，执行第二反馈处理；其中，第二反馈处理用于对车辆的行驶速度进行重新规划；

迭代处理模块403，用于根据第二反馈处理的结果进行碰撞检测，并执行以上迭代处理过程，直至为车辆规划出避障轨迹，以便车辆沿避障轨迹行驶。

在一些实施例中，障碍物为动态障碍物，图4的第一反馈处理模块401根据对车辆的历史运动规划确定车辆的初始规划路径和初始规划速度，并获取障碍物信息；

将障碍物信息、初始规划路径以及初始规划速度作为参数，利用碰撞检测算法进行处理得到初始碰撞位置。

在一些实施例中，图4的第一反馈处理模块401获取执行第一反馈处理的时刻所对应的障碍物信息，将初始规划路径、初始规划速度、第一反馈处理对应的障碍物信息、初始碰撞位置、以及车辆的当前位置和速度信息作为参数，利用预设的路径规划算法对车辆的路径进行重新规划。

在一些实施例中，图4的第二反馈处理模块402获取执行第二反馈处理的时刻所对应的障碍物信息，将第一反馈处理后的规划路径、规划速度、第二反馈处理对应的障碍物信息、第二反馈处理对应的碰撞位置以及车辆的当前位置和速度信息作为参数，利用预设的速度规划算法对车辆的速度进行重新规划。

在一些实施例中，图4的迭代处理模块403获取执行第二反馈处理后的障碍物信息，将第二反馈处理后的障碍物信息、规划路径以及规划速度作为参数，利用碰撞检测算法进行处理得到下一反馈处理对应的碰撞位置。

在一些实施例中，第一反馈处理和第二反馈处理分别对应运动规划中两个连续的运行周期；

迭代过程中使用的路径规划算法和速度规划算法为不同类型的规划算法。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。

图5是本公开实施例提供的电子设备5的结构示意图。如图5所示，该实施例的电子设备5包括：处理器501、存储器502以及存储在该存储器502中并且可以在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者，处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。

示例性地，计算机程序503可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器502中，并由处理器501执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序503在电子设备5中的执行过程。

电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解，图5仅仅是电子设备5的示例，并不构成对电子设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，电子设备还可以包括输入输出设备、网络接入设备、总线等。

处理器501可以是中央处理单元（Central Processing Unit，CPU），也可以是其它通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器502可以是电子设备5的内部存储单元，例如，电子设备5的硬盘或内存。存储器502也可以是电子设备5的外部存储设备，例如，电子设备5上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器502还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及电子设备所需的其它程序和数据。存储器502还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

在本公开所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的模块/单元如果以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存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，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公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。

Claims (10)

1.一种车辆避障方法，其特征在于，包括：

对车辆的行驶路径上的障碍物进行碰撞检测，当检测结果为预测发生碰撞时，执行第一反馈处理；其中，所述第一反馈处理为运动规划中的第一帧，所述第一反馈处理用于对所述车辆的行驶路径进行重新规划；

根据所述第一反馈处理的结果进行碰撞检测，当检测结果为预测发生碰撞时，执行第二反馈处理；其中，所述第二反馈处理为运动规划中的第二帧，所述第二反馈处理用于对所述车辆的行驶速度进行重新规划；

根据所述第二反馈处理的结果进行碰撞检测，并执行以上跨帧迭代处理过程，直至为所述车辆规划出避障轨迹，以便车辆沿所述避障轨迹行驶；

其中，帧用于表示运动规划过程中一个完整的运算周期。

2.根据权利要求1所述的方法，其特征在于，所述障碍物为动态障碍物，所述对车辆的行驶路径上的障碍物进行碰撞检测，包括：

根据对所述车辆的历史运动规划确定所述车辆的初始规划路径和初始规划速度，并获取障碍物信息；

将所述障碍物信息、所述初始规划路径以及所述初始规划速度作为参数，利用碰撞检测算法进行处理得到初始碰撞位置。

3.根据权利要求2所述的方法，其特征在于，所述执行第一反馈处理，包括：

获取执行所述第一反馈处理的时刻所对应的障碍物信息，将所述初始规划路径、所述初始规划速度、所述第一反馈处理对应的障碍物信息、所述初始碰撞位置、以及所述车辆的当前位置和速度信息作为参数，利用预设的路径规划算法对所述车辆的路径进行重新规划。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一反馈处理的结果进行碰撞检测，包括：

获取执行所述第一反馈处理后的障碍物信息，将所述第一反馈处理后的障碍物信息、所述规划路径以及所述规划速度作为参数，利用所述碰撞检测算法进行处理得到所述第二反馈处理对应的碰撞位置。

5.根据权利要求4所述的方法，其特征在于，所述执行第二反馈处理，包括：

获取执行所述第二反馈处理的时刻所对应的障碍物信息，将所述第一反馈处理后的规划路径、所述规划速度、所述第二反馈处理对应的障碍物信息、所述第二反馈处理对应的碰撞位置以及所述车辆的当前位置和速度信息作为参数，利用预设的速度规划算法对所述车辆的速度进行重新规划。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第二反馈处理的结果进行碰撞检测，包括：

获取执行所述第二反馈处理后的障碍物信息，将所述第二反馈处理后的障碍物信息、所述规划路径以及所述规划速度作为参数，利用碰撞检测算法进行处理得到下一反馈处理对应的碰撞位置。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述第一反馈处理和第二反馈处理分别对应运动规划中两个连续的运行周期；

所述迭代处理过程中使用的路径规划算法和速度规划算法为不同类型的规划算法。

8.一种车辆避障装置，其特征在于，包括：

第一反馈处理模块，用于对车辆的行驶路径上的障碍物进行碰撞检测，当检测结果为预测发生碰撞时，执行第一反馈处理；其中，所述第一反馈处理为运动规划中的第一帧，所述第一反馈处理用于对所述车辆的行驶路径进行重新规划；

第二反馈处理模块，用于根据所述第一反馈处理的结果进行碰撞检测，当检测结果为预测发生碰撞时，执行第二反馈处理；其中，所述第二反馈处理为运动规划中的第二帧，所述第二反馈处理用于对所述车辆的行驶速度进行重新规划；

迭代处理模块，用于根据所述第二反馈处理的结果进行碰撞检测，并执行以上跨帧迭代处理过程，直至为所述车辆规划出避障轨迹，以便车辆沿所述避障轨迹行驶；

其中，帧用于表示运动规划过程中一个完整的运算周期。

9.一种电子设备，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权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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中任一项所述的方法。

Images