CN113238565A - 车辆路径规划方法、装置、车辆和存储介质 - Google Patents
车辆路径规划方法、装置、车辆和存储介质 Download PDFInfo
- Publication number
- CN113238565A CN113238565A CN202110665284.6A CN202110665284A CN113238565A CN 113238565 A CN113238565 A CN 113238565A CN 202110665284 A CN202110665284 A CN 202110665284A CN 113238565 A CN113238565 A CN 113238565A
- Authority
- CN
- China
- Prior art keywords
- curve
- candidate
- obstacle
- cost
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000001133 acceleration Effects 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007790 scraping Methods 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- 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
- G05D1/028—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)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明实施例公开了一种车辆路径规划方法、装置、车辆和存储介质,该车辆路径规划方法包括:为目标车辆生成多条候选位移‑时间ST曲线;根据第一障碍物与每条候选ST曲线的位置关系信息及第二障碍物与每条候选ST曲线的位置关系信息计算每条候选ST曲线的行驶代价,得到多个行驶代价,其中,第一障碍物包括未与目标车辆的第一规划路径发生碰撞的障碍物,第二障碍物包括与第一规划路径发生碰撞的障碍物;确定多个行驶代价中的最小者,并将最小者对应的候选ST曲线确定为目标ST曲线;根据目标ST曲线为目标车辆生成第二规划路径。本发明实施例能够降低潜在的安全威胁,提升车辆行驶安全。
Description
技术领域
本发明涉及车辆控制技术,尤其涉及一种车辆路径规划方法、装置、车辆和存储介质。
背景技术
在为无人车规划行驶路径时,通常是根据障碍物的位移-时间(ST)图,通过搜索算法找到一条最优的ST曲线,从而利用该最优的ST曲线生成规划路径。在实现本发明的过程中,发明人发现,由于障碍物ST图只是根据与当前路径发生碰撞的障碍物生成,即路径规划时只考虑了与当前路径发生碰撞的障碍物,而未考虑其他障碍物,考虑的障碍物比较片面,而其他障碍物可能对无人车行驶产生潜在的安全威胁。比如,与无人车并排行驶的障碍物,当这种障碍物超车时,可能导致无人车产生卡顿现象,严重的可能导致剐蹭事故。
发明内容
本发明实施例提供一种车辆路径规划方法、装置、车辆和存储介质,能够降低潜在的安全威胁,提升行驶安全。
第一方面,本发明实施例提供一种车辆路径规划方法,包括:
为目标车辆生成多条候选位移-时间ST曲线;
根据第一障碍物与所述多条候选位移-时间ST曲线中的每条候选ST曲线的位置关系信息及第二障碍物与所述每条候选ST曲线的位置关系信息计算所述每条候选ST曲线的行驶代价,得到多个行驶代价,其中,所述第一障碍物包括未与所述目标车辆的第一规划路径发生碰撞的障碍物,所述第二障碍物包括与所述第一规划路径发生碰撞的障碍物;
确定所述多个行驶代价中的最小者,并将所述最小者对应的所述候选ST曲线确定为目标ST曲线;
根据所述目标ST曲线为所述目标车辆生成第二规划路径。
第二方面,本发明实施例提供一种车辆路径规划装置,包括:
曲线生成模块,用于为目标车辆生成多条候选位移-时间ST曲线;
计算模块,用于根据第一障碍物与所述多条候选位移-时间ST曲线中的每条候选ST曲线的位置关系信息及第二障碍物与所述每条候选ST曲线的位置关系信息计算所述每条候选ST曲线的行驶代价,得到多个行驶代价,其中,所述第一障碍物包括未与所述目标车辆的第一规划路径发生碰撞的障碍物,所述第二障碍物包括与所述第一规划路径发生碰撞的障碍物;
确定模块,用于确定所述多个行驶代价中的最小者,并将所述最小者对应的所述候选ST曲线确定为目标ST曲线;
路径生成模块,用于根据所述目标ST曲线为所述目标车辆生成第二规划路径。
第三方面,本发明实施例还提供了一种车辆,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车辆路径规划方法。
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车辆路径规划方法。
本发明实施例中,在为目标车辆生成多条候选位移-时间ST曲线之后,会根据第一障碍物与每条候选ST曲线的位置关系信息及第二障碍物与每条候选ST曲线的位置关系信息计算每条候选ST曲线的行驶代价,得到多个行驶代价,其中,第一障碍物包括未与目标车辆的第一规划路径发生碰撞的障碍物,第二障碍物包括与第一规划路径发生碰撞的障碍物;确定多个行驶代价中的最小者,并将最小者对应的候选ST曲线确定为目标ST曲线;根据目标ST曲线为目标车辆生成第二规划路径。即本发明实施例中,在为目标车辆规划路径时,不仅考虑了与目标车辆的第一规划路径发生碰撞的障碍物,还考虑了未与目标车辆的第一规划路径发生碰撞的障碍物(比如并行障碍物),考虑的障碍物更全面,降低了潜在的安全威胁,提升了行驶安全。
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是本发明实施例提供的车辆路径规划方法的一个流程示意图。
图2是本发明实施例提供的候选ST曲线的生成方法的一个流程示意图。
图3是本发明实施例提供的一个AT图。
图4是本发明实施例提供的障碍物ST图的生成方法的一个流程示意图。
图5是本发明实施例提供的候选ST曲线的行驶代价计算方法的一个流程示意图。
图6是本发明实施例提供的车辆路径规划装置的一个结构示意图。
图7是本发明实施例提供的车辆的一个结构示意图。
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。
图1为本发明实施例提供的车辆路径规划方法的一个流程示意图,该方法可以由本发明实施例提供的车辆路径规划装置来执行,该装置可采用软件和/或硬件的方式实现。在一个具体的实施例中,该装置可以集成在车辆中,车辆可以是无人车、自动驾驶车辆。以下实施例将以该装置集成在车辆中为例进行说明,参考图1,该方法具体可以包括如下步骤:
步骤101,为目标车辆生成多条候选位移-时间ST曲线。
示例地,目标车辆可以是无人车、自动驾驶车辆,目标车辆可以为正在道路上行驶的当前车辆,目标车辆具有第一规划路径,第一规划路径可以为当前采用的规划路径,第一规划路径可采用已有相关方法生成。
具体地,在目标车辆行驶时,可以通过目标车辆的感知模块获取目标车辆四周的各个障碍物的属性信息,该属性信息可以包括障碍物的位置、大小、状态(运动、静止、速度、行驶方向)等信息,根据各个障碍物的属性信息将各个障碍物分类。示例地,可以根据各个障碍物的属性信息确定未与目标车辆的第一规划路径发生碰撞的障碍物,将这些障碍物归为第一障碍物,第一障碍物可以包括一个或多个障碍物;将与目标车辆的第一规划路径发生碰撞的障碍物归为第二障碍物,第二障碍物可以包括一个或多个障碍物。示例地,第一障碍物比如可以为在目标车辆的前方的障碍物,第二障碍物比如可以为与目标车辆并行行驶、或在目标车辆的后方等的障碍物。
在对各个障碍物分类之后,可以根据与第一规划路径发生碰撞的障碍物(即第二障碍物)生成障碍物位移-时间ST图,障碍物ST图中涉及的第二障碍物可以包括静态障碍物和动态障碍物。比如,可以根据各个第二障碍物的属性信息确定每个时刻每个第二障碍物的位置信息,根据每个时刻每个第二障碍物的位置信息生成障碍物ST图。在得到障碍物ST图,可以基于障碍物ST图为目标车辆生成多条候选ST曲线。
示例地,比如可以根据障碍物ST图为目标车辆生成一系列初始ST曲线,再根据目标车辆的最大速度、道路信息等对初始ST曲线进行过滤,得到多条候选ST曲线。其中,目标车辆的最大速度可以为固定值;道路信息可以包括道路结构(例如当前车道、相邻车道、汇入车道、路口等信息),道路限速(例如道路的最大限速、最小限速),道路上的交通信号和标示(例如红绿灯、人行横道、减速带等)。比如,可以根据障碍物ST图采用搜索算法为目标车辆找到一系列不与障碍物ST曲线中涉及的障碍物碰撞的初始ST曲线,再去除初始ST曲线中速度超过目标车辆的最大速度、与道路边界发生碰撞、超过道路最大限速等的ST曲线,得到多条候选ST曲线。
示例地,比如还可以通过人工设置数据产生一系列初始ST曲线,然后根据障碍物ST图、目标车辆的最大速度、道路信息等对初始ST曲线进行过滤,得到多条候选ST曲线。比如,可以去除初始ST曲线中速度超过目标车辆的最大速度、与障碍物ST图中涉及的障碍物发生碰撞、与道路边界发生碰撞、超过道路最大限速等的ST曲线,得到多条候选ST曲线。
步骤102,根据第一障碍物与每条候选ST曲线的位置关系信息及第二障碍物与每条候选ST曲线的位置关系信息计算每条候选ST曲线的行驶代价,得到多个行驶代价,其中,第一障碍物包括未与目标车辆的第一规划路径发生碰撞的障碍物,第二障碍物包括与第一规划路径发生碰撞的障碍物。
具体的,可以通过目标车辆的感知模块感知目标车辆四周的各个障碍物的属性信息,该属性信息可以包括障碍物的位置、大小、状态(运动、静止、速度)等,根据各个障碍物的属性信息将各个障碍物分类。示例地,可以根据各个障碍物的属性信息确定未与目标车辆的第一规划路径发生碰撞的障碍物,将这些障碍物归为第一障碍物,第一障碍物可以包括一个或多个障碍物;将与目标车辆的第一规划路径发生碰撞的障碍物归为第二障碍物,第二障碍物可以包括一个或多个障碍物。示例地,第一障碍物比如可以为在目标车辆的前方的障碍物,第二障碍物比如可以为与目标车辆并行行驶、或在目标车辆的后方等的障碍物。
在确定第一障碍物和第二障碍物之后,可以确定第一障碍物与每条候选ST曲线的位置关系信息以及第二障碍物与每条候选ST曲线的位置关系信息,根据第一障碍物与每条候选ST曲线的位置关系信息及第二障碍物与每条候选ST曲线的位置关系信息计算每条候选ST曲线的行驶代价,得到多个行驶代价,该位置关系信息可以通过距离表示。本发明实施例中,距离与行驶代价呈反比,即采用某条候选ST曲线时,障碍物与目标车辆之间的距离越小,相对越危险,相应的行驶代价就越大。
比如,可以根据采用某条候选ST曲线时,在每个时刻第一障碍物与目标车辆之间的距离计算第一代价值,以及在每个时刻第二障碍物与目标车辆之间的距离计算第二代价值,计算第一代价值与第二代价值的和,得到该候选ST曲线的行驶代价。依次类推,可以计算得到每条候选ST曲线的行驶代价。
步骤103,确定多个行驶代价中的最小者,并将最小者对应的候选ST曲线确定为目标ST曲线。
比如,在得到每条候选ST曲线的行驶代价之后,可以按照从大到小的顺序对多个行驶代价排序,根据排序选取多个行驶代价中的最小者对应的候选ST曲线,将选取的候选ST曲线确定为目标ST曲线。在一个具体的实施例中,计算得到的各候选ST曲线的行驶代价比如表1所示:
候选ST曲线 | 行驶代价 |
候选ST曲线1 | Cost1 |
候选ST曲线2 | Cost2 |
候选ST曲线3 | Cost3 |
候选ST曲线4 | Cost4 |
表1
表1所示,即候选ST曲线有四条,这四条候选ST曲线的行驶代价分别为Cost1、Cost2、Cost3和Cost4,假如这四个值的排序为Cost3>Cost1>Cost4>Cost2,即Cost2为最小值,则可以将Cost2对应的候选ST曲线(即候选ST曲线2)确定为目标ST曲线。
步骤104,根据目标ST曲线为目标车辆生成第二规划路径。
具体生成第二规划路径的方法可以如下:
(1)根据目标ST曲线及障碍物ST图确定路径边界。
比如,针对目标ST曲线中的每个(s,t)点,可以根据障碍物ST图确定每个t时刻与障碍物ST曲线中涉及的障碍物无碰撞的上下边界,即找到每个时刻的路径边界。
(2)根据道路的速度-位移VS曲线确定速度边界。
其中,道路的速度-位移VS曲线可根据道路信息绘制;具体地,可以根据道路信息确定每一段道路的各种限速,将每一段道路的各种限速进行整合,从而得到道路的VS曲线。
比如,当道路旁边有行人时,我们要减速慢行;当我们要借道避让时,也要减速慢行。这样的速度限制可能是对整条道路,比如道路限速,也有可能是对道路中的一小段,比如减速带。可以将每一段道路的各种限速(比如道路限速,减速带,和人行道限速)整合集成到一起,从而得到整条道路的限速,即得到道路的VS曲线。根据道路的VS曲线可以确定目标ST曲线中每个时刻的最大限速,即找到每个时刻的速度边界。
(3)根据路径边界和速度边界生成第二规划路径。
比如,可以将每个时刻的路径边界和速度边界传给二次优化器或非线性优化器进行平滑处理,从而得到目标车辆的第二规划路径。
本发明实施例中,在为目标车辆生成多条候选位移-时间ST曲线之后,会根据第一障碍物与每条候选ST曲线的位置关系信息及第二障碍物与每条候选ST曲线的位置关系信息计算每条候选ST曲线的行驶代价,得到多个行驶代价,其中,第一障碍物包括未与目标车辆的第一规划路径发生碰撞的障碍物,第二障碍物包括与第一规划路径发生碰撞的障碍物;确定多个行驶代价中的最小者,并将最小者对应的候选ST曲线确定为目标ST曲线;根据目标ST曲线为目标车辆生成第二规划路径。即本发明实施例中,在为目标车辆规划路径时,不仅考虑了与目标车辆的第一规划路径发生碰撞的障碍物,还考虑了未与目标车辆的第一规划路径发生碰撞的障碍物(比如并行障碍物),考虑的障碍物更全面,降低了潜在的安全威胁,提升了行驶安全。
下面具体描述候选ST曲线的生成方法,如图2所示,本发明实施例提供的候选ST曲线的生成方法可以包括如下步骤:
步骤1011,在每个采样时间点设置多个加速度。
比如,可以按照预设时间间隔设置多个采样时间点,在每个采样时间点按照固定步长或可变步长设置多个加速度,所设置的加速度可以包括正值的加速度和负值的加速度(即减速度),根据每个采样时间点设置的多个加速度采用搜索算法创建加速度-时间AT图,AT图中可以包括多条AT曲线。其中,采样时间点的设置及每个采样时间点的加速度设置,均可以根据实际需要、实验或经验进行设置,此处不做具体限定。
在一个具体的实施例中,所创建的AT图比如可如图3所示,图3所示,每个采样时间点设置了三个加速度,包括正值的加速度、负值的加速度和0,通过每个采样点设置的这三个加速度创建了AT图。
步骤1012,根据每个采样时间点设置的多个加速度创建多条初始加速度-时间AT曲线。
步骤1013,从多条初始AT曲线中过滤掉加速度超过目标车辆的最大加速度的AT曲线,得到剩余AT曲线。
其中,目标车辆的最大加速度可以为一个已知的固定值,不同车辆的最大加速度可能不同,最大加速度可由车辆的性能决定。
步骤1014,对每条剩余AT曲线进行积分运算,得到每条剩余AT曲线对应的初始速度-时间VT曲线。
步骤1015,从初始VT曲线中过滤掉速度超过目标车辆的最大速度的VT曲线,得到剩余VT曲线,将剩余VT曲线对应的剩余AT曲线作为目标AT曲线。
其中,目标车辆的最大速度可以为一个已知的固定值,不同车辆的最大速度可能不同,最大速度可由车辆的性能决定。即得到的目标AT曲线是符合目标车辆的加速度要求及速度要求的AT曲线。
步骤1016,对每条目标AT曲线进行积分运算,得到每条目标AT曲线对应的目标速度-时间VT曲线和初始ST曲线。
即一条目标AT曲线可以对应一条目标VT曲线和一条初始ST曲线,该目标AT曲线对应的目标VT曲线和初始ST曲线之间,也可以具有对应关系。
步骤1017,根据目标VT曲线、障碍物ST图、道路信息从初始ST曲线中选取候选ST曲线。
其中,道路信息可以包括道路结构、道路限速、道路上的交通信号和标示等,道路结构例如:当前车道、相邻车道、汇入车道、路口等,道路限速例如:最大限速、最小限速,道路上的交通信号和标示例如:红绿灯、人行横道、减速带等。
比如,可以参照每条初始ST曲线对应的目标VT曲线,去除各个初始ST曲线中速度超过道路最大限速、与障碍物ST图中涉及的障碍物发生碰撞、与道路边界发生碰撞等的ST曲线,得到多条候选ST曲线。
采用图2所示方法生成候选ST曲线,通过采样设置的加速度生成AT图,基于AT图搜索生成多条候选ST曲线,可以减小搜索空间,减小计算代价,提高处理效率,提高路径规划准确度。
下面介绍障碍物ST图的生成方法,如图4所示,具体可以包括如下步骤:
步骤201,获取各个障碍物的属性信息。
具体地,可以通过目标车辆的感知模块获取目标车辆周围的各个障碍物的属性信息,该属性信息可以包括障碍物的位置、大小、状态(运动、静止)等信息,针对运动状态的障碍物,还可以获取该障碍物的速度、行驶方向等信息。
步骤202,根据各个障碍物的属性信息确定与第一规划路径发生碰撞的障碍物,并将与第一规划路径发生碰撞的障碍物确定为第二障碍物。
比如,可以将获取的各个障碍物的属性信息、道路信息、第一规划路径结合在同一局域地图中,从而确定与第一规划路径发生碰撞的障碍物。
步骤203,根据第二障碍物生成障碍物ST图。
比如,可以根据各个第二障碍物的属性信息确定每个时刻每个第二障碍物的位置信息,根据每个时刻每个第二障碍物的位置信息生成障碍物ST图。
通过实时生成障碍物ST图,可以确保障碍物识别的准确性,提高后续路径规划的准确性。
下面介绍候选ST曲线的行驶代价的计算方法,以计算任意一条候选ST曲线的行驶代价为例,如图5所示,本发明实施例提供的候选ST曲线的行驶代价的计算方法可包括如下步骤:
步骤1021,根据第一障碍物与候选ST曲线的位置关系信息计算第一代价值。
具体地,可以通过如下公式对第一障碍物与该候选ST曲线的位置关系信息进行处理,得到第一代价值:
其中,costj1表示第j条候选ST曲线对应的第一代价值,w1为第一代价值的权重,exp表示以自然常数e为底的指数函数,a、b为sigmoid函数的参数,dij表示采用第j条候选ST曲线时在ti时刻目标车辆与第一障碍物之间的距离,第一障碍物为未与第一规划路径发生碰撞的障碍物,即不在障碍物ST图中的障碍物。可以看出,该距离与代价值成反比,距离越小,代表越危险,代价越大。
sigmoid函数也称为S型生长曲线,在信息科学中,由于其单增以及反函数单增等性质,Sigmoid函数常被用作神经网络的激活函数,将变量映射到0,1之间。Sigmoid函数的形式如下:
步骤1022,根据第二障碍物与对应的候选ST曲线的位置关系信息计算第二代价值。
具体地,可以通过如下公式对第二障碍物与该候选ST曲线的位置关系信息进行处理,得到第二代价值:
其中,costj2表示第j条候选ST曲线对应的第二代价值,w2为第二代价值的权重,sij表示采用第j条候选ST曲线时在ti时刻目标车辆与第二障碍物之间的距离。可以看出,该距离与代价值成反比,距离越小,代表越危险,代价越大。
步骤1023,根据采用对应的候选ST曲线时目标车辆的规划速度与目标车辆的最大速度计算第三代价值。
具体地,可以通过如下公式对采用该候选ST曲线时目标车辆的规划速度与目标车辆的最大速度进行处理,得到第三代价值:
其中,costj3表示第j条候选ST曲线对应的第三代价值,w3为第三代价值的权重,vij表示采用第j条候选ST曲线时在ti时刻目标车辆的规划速度,vmax表示目标车辆的最大速度。将目标车辆的规划速度与最大速度的差记为速度偏差,可以看出,速度偏差与行驶代价成正比,速度偏差越大,行驶代价越大。
步骤1024,根据采用对应的候选ST曲线时目标车辆的规划加速度计算第四代价值和第五代价值。
具体地,可以通过如下公式对采用该候选ST曲线时目标车辆的规划加速度进行处理,得到第四代价值:
其中,costj4表示第j条候选ST曲线对应的第四代价值,w4为第四代价值的权重,aij表示采用第j条候选ST曲线时在ti时刻目标车辆的规划加速度。
具体地,可以通过如下公式对采用该候选ST曲线时目标车辆的规划加速度进行处理,得到第五代价值:
其中,costj5表示第j条候选ST曲线对应的第五代价值,w5为第五代价值的权重,daij表示采用第j条候选ST曲线时在ti时刻目标车辆的规划加速度的微分。
步骤1025,计算第一代价值、第二代价值、第三代价值、第四代价值、第五代价值的和,得到对应的候选ST曲线的行驶代价。
具体地,可以通过如下公式对第一代价值、第二代价值、第三代价值、第四代价值、第五代价值进行处理,得到该候选ST曲线的行驶代价:
cost(j)=costj1+costj2+costj3+costj4+costj5
其中,cost(j)表示第j条候选ST曲线的行驶代价。
以候选ST曲线有四条为例,则各候选ST曲线的行驶代价计算过程可如表2所示:
候选ST曲线 | 行驶代价 |
候选ST曲线1 | cost1=cost<sub>11</sub>+cost<sub>12</sub>+cost<sub>13</sub>+cost<sub>14</sub>+cost<sub>15</sub> |
候选ST曲线2 | cost2=cost<sub>21</sub>+cost<sub>22</sub>+cost<sub>23</sub>+cost<sub>24</sub>+cost<sub>25</sub> |
候选ST曲线3 | cost3=cost<sub>31</sub>+cost<sub>32</sub>+cost<sub>33</sub>+cost<sub>34</sub>+cost<sub>35</sub> |
候选ST曲线4 | cost4=cost<sub>41</sub>+cost<sub>42</sub>+cost<sub>43</sub>+cost<sub>44</sub>+cost<sub>45</sub> |
表2
在计算每条候选ST曲线的行驶代价时、不仅考虑距离信息,还考虑了速度、加速度等信息,可以确保最终规划路径的平滑性。
图6是本发明是实施例提供的车辆路径规划装置的一个结构图,该装置适用于执行本发明实施例提供的车辆路径规划方法。如图6所示,该装置具体可以包括:
曲线生成模块401,用于为目标车辆生成多条候选位移-时间ST曲线;
计算模块402,用于根据第一障碍物与所述多条候选位移-时间ST曲线中的每条候选ST曲线的位置关系信息及第二障碍物与所述每条候选ST曲线的位置关系信息计算所述每条候选ST曲线的行驶代价,得到多个行驶代价,其中,所述第一障碍物包括未与所述目标车辆的第一规划路径发生碰撞的障碍物,所述第二障碍物包括与所述第一规划路径发生碰撞的障碍物;
确定模块403,用于确定所述多个行驶代价中的最小者,并将所述最小者对应的所述候选ST曲线确定为目标ST曲线;
路径生成模块404,用于根据所述目标ST曲线为所述目标车辆生成第二规划路径。
一实施例中,所述曲线生成模块401具体用于:
在每个采样时间点设置多个加速度;
根据每个采样时间点设置的多个加速度创建多条初始加速度-时间AT曲线;
对所述多条初始AT曲线进行过滤,得到目标AT曲线;
根据所述目标AT曲线生成所述多条候选ST曲线。
一实施例中,所述曲线生成模块401对所述多条初始AT曲线进行过滤,得到目标AT曲线,包括:
从所述多条初始AT曲线中过滤掉加速度超过所述目标车辆的最大加速度的AT曲线,得到剩余AT曲线;
对所述剩余AT曲线中的每条剩余AT曲线进行积分运算,得到所述每条剩余AT曲线对应的初始速度-时间VT曲线;
从所述初始VT曲线中过滤掉速度超过所述目标车辆的最大速度的VT曲线,得到剩余VT曲线,将所述剩余VT曲线对应的所述剩余AT曲线作为所述目标AT曲线。
一实施例中,所述曲线生成模块401根据所述目标AT曲线生成所述多条候选ST曲线,包括:
对所述目标AT曲线中的每条目标AT曲线进行积分运算,得到所述每条目标AT曲线对应的目标速度-时间VT曲线和初始ST曲线;
根据所述目标VT曲线、障碍物ST图、道路信息从所述初始ST曲线中选取所述候选ST曲线。
一实施例中,所述装置还包括:
ST图生成模块,用于获取各个障碍物的属性信息;根据各个障碍物的属性信息确定与所述第一规划路径发生碰撞的障碍物,并将与所述第一规划路径发生碰撞的障碍物确定为所述第二障碍物;根据所述第二障碍物生成所述障碍物ST图。
一实施例中,所述计算模块402具体用于:
根据所述第一障碍物与所述每条候选ST曲线的位置关系信息计算第一代价值;
根据所述第二障碍物与对应的所述候选ST曲线的位置关系信息计算第二代价值;
根据所述第一代价值和所述第二代价值计算对应的所述候选ST曲线的行驶代价。
一实施例中,所述计算模块402通过如下公式对所述第一障碍物与所述每条候选ST曲线的位置关系信息进行处理,得到所述第一代价值:
其中,costj1表示第j条所述候选ST曲线对应的所述第一代价值,w1为所述第一代价值的权重,a、b为sigmoid函数的参数,dij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆与所述第一障碍物之间的距离;
所述计算模块402通过如下公式对所述第二障碍物与对应的所述候选ST曲线的位置关系信息进行处理,得到所述第二代价值:
其中,costj2表示第j条所述候选ST曲线对应的所述第二代价值,w2为所述第二代价值的权重,sij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆与所述第二障碍物之间的距离。
一实施例中,所述计算模块402还用于:
根据采用对应的所述候选ST曲线时所述目标车辆的规划速度与所述目标车辆的最大速度计算第三代价值;
根据采用对应的所述候选ST曲线时所述目标车辆的规划加速度计算第四代价值和第五代价值;
所述计算模块402根据所述第一代价值和所述第二代价值计算对应的所述候选ST曲线的行驶代价,包括:
根据所述第一代价值、所述第二代价值、所述第三代价值、所述第四代价值和所述第五代价值计算对应的所述候选ST曲线的行驶代价。
一实施例中,所述计算模块402通过如下公式对采用对应的所述候选ST曲线时所述目标车辆的规划速度与所述目标车辆的最大速度进行处理,得到所述第三代价值:
其中,costj3表示第j条所述候选ST曲线对应的所述第三代价值,w3为所述第三代价值的权重,vij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆的规划速度,vmax表示所述目标车辆的最大速度;
所述计算模块402通过如下公式对采用对应的所述候选ST曲线时所述目标车辆的规划加速度进行处理,得到所述第四代价值:
其中,costj4表示第j条所述候选ST曲线对应的所述第四代价值,w4为所述第四代价值的权重,aij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆的规划加速度;
所述计算模块402通过如下公式对采用对应的所述候选ST曲线时所述目标车辆的规划加速度进行处理,得到所述第五代价值:
其中,costj5表示第j条所述候选ST曲线对应的所述第五代价值,w5为所述第五代价值的权重,daij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆的规划加速度的微分。
一实施例中,所述计算模块402根据所述第一代价值、所述第二代价值、所述第三代价值、所述第四代价值和所述第五代价值计算对应的所述候选ST曲线的行驶代价,包括:
计算所述第一代价值、所述第二代价值、所述第三代价值、所述第四代价值、所述第五代价值的和,得到对应的所述候选ST曲线的行驶代价。
本领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能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模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述功能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。
本发明实施例的装置,在为目标车辆生成多条候选位移-时间ST曲线之后,会根据第一障碍物与每条候选ST曲线的位置关系信息及第二障碍物与每条候选ST曲线的位置关系信息计算每条候选ST曲线的行驶代价,得到多个行驶代价,其中,第一障碍物包括未与目标车辆的第一规划路径发生碰撞的障碍物,第二障碍物包括与第一规划路径发生碰撞的障碍物;确定多个行驶代价中的最小者,并将最小者对应的候选ST曲线确定为目标ST曲线;根据目标ST曲线为目标车辆生成第二规划路径。即本发明实施例中,在为目标车辆规划路径时,不仅考虑了与目标车辆的第一规划路径发生碰撞的障碍物,还考虑了未与目标车辆的第一规划路径发生碰撞的障碍物(比如并行障碍物),考虑的障碍物更全面,降低了潜在的安全威胁,提升了行驶安全。
本发明实施例还提供了一种车辆,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程序时实现上述任一实施例提供的车辆路径规划方法。
本发明实施例还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例提供的车辆路径规划方法。
下面参考图7,其示出了适于用来实现本发明实施例的车辆的计算机系统500的结构示意图。图7示出的电子设备仅仅是一个示例,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7所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本发明中,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。而在本发明中,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。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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,上述模块、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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块和/或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。所描述的模块和/或单元也可以设置在处理器中,例如,可以描述为:一种处理器包括曲线生成模块、计算模块、确定模块和路径生成模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。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一个该设备执行时,使得该设备包括:为目标车辆生成多条候选位移-时间ST曲线;根据第一障碍物与所述多条候选位移-时间ST曲线中的每条候选ST曲线的位置关系信息及第二障碍物与所述每条候选ST曲线的位置关系信息计算所述每条候选ST曲线的行驶代价,得到多个行驶代价,其中,所述第一障碍物包括未与所述目标车辆的第一规划路径发生碰撞的障碍物,所述第二障碍物包括与所述第一规划路径发生碰撞的障碍物;确定所述多个行驶代价中的最小者,并将所述最小者对应的所述候选ST曲线确定为目标ST曲线;根据所述目标ST曲线为所述目标车辆生成第二规划路径。
根据本发明实施例的技术方案,在为目标车辆生成多条候选位移-时间ST曲线之后,会根据第一障碍物与每条候选ST曲线的位置关系信息及第二障碍物与每条候选ST曲线的位置关系信息计算每条候选ST曲线的行驶代价,得到多个行驶代价,其中,第一障碍物包括未与目标车辆的第一规划路径发生碰撞的障碍物,第二障碍物包括与第一规划路径发生碰撞的障碍物;确定多个行驶代价中的最小者,并将最小者对应的候选ST曲线确定为目标ST曲线;根据目标ST曲线为目标车辆生成第二规划路径。即本发明实施例中,在为目标车辆规划路径时,不仅考虑了与目标车辆的第一规划路径发生碰撞的障碍物,还考虑了未与目标车辆的第一规划路径发生碰撞的障碍物(比如并行障碍物),考虑的障碍物更全面,降低了潜在的安全威胁,提升了行驶安全。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (13)
1.一种车辆路径规划方法,其特征在于,包括:
为目标车辆生成多条候选位移-时间ST曲线;
根据第一障碍物与所述多条候选位移-时间ST曲线中的每条候选ST曲线的位置关系信息及第二障碍物与所述每条候选ST曲线的位置关系信息计算所述每条候选ST曲线的行驶代价,得到多个行驶代价,其中,所述第一障碍物包括未与所述目标车辆的第一规划路径发生碰撞的障碍物,所述第二障碍物包括与所述第一规划路径发生碰撞的障碍物;
确定所述多个行驶代价中的最小者,并将所述最小者对应的所述候选ST曲线确定为目标ST曲线;
根据所述目标ST曲线为所述目标车辆生成第二规划路径。
2.根据权利要求1所述的车辆路径规划方法,其特征在于,所述为目标车辆生成所述多条候选ST曲线,包括:
在每个采样时间点设置多个加速度;
根据每个采样时间点设置的多个加速度创建多条初始加速度-时间AT曲线;
对所述多条初始AT曲线进行过滤,得到目标AT曲线;
根据所述目标AT曲线生成所述多条候选ST曲线。
3.根据权利要求2所述的车辆路径规划方法,其特征在于,所述对所述多条初始AT曲线进行过滤,得到目标AT曲线,包括:
从所述多条初始AT曲线中过滤掉加速度超过所述目标车辆的最大加速度的AT曲线,得到剩余AT曲线;
对所述剩余AT曲线中的每条剩余AT曲线进行积分运算,得到所述每条剩余AT曲线对应的初始速度-时间VT曲线;
从所述初始VT曲线中过滤掉速度超过所述目标车辆的最大速度的VT曲线,得到剩余VT曲线,将所述剩余VT曲线对应的所述剩余AT曲线作为所述目标AT曲线。
4.根据权利要求2所述的车辆路径规划方法,其特征在于,所述根据所述目标AT曲线生成所述多条候选ST曲线,包括:
对所述目标AT曲线中的每条目标AT曲线进行积分运算,得到所述每条目标AT曲线对应的目标速度-时间VT曲线和初始ST曲线;
根据所述目标VT曲线、障碍物ST图、道路信息从所述初始ST曲线中选取所述候选ST曲线。
5.根据权利要求4所述的车辆路径规划方法,其特征在于,所述障碍物ST图通过如下方法生成:
获取各个障碍物的属性信息;
根据所述各个障碍物的属性信息确定与所述第一规划路径发生碰撞的障碍物,并将与所述第一规划路径发生碰撞的障碍物确定为所述第二障碍物;
根据所述第二障碍物生成所述障碍物ST图。
6.根据权利要求1至5任一所述的车辆路径规划方法,其特征在于,所述根据第一障碍物与所述每条候选ST曲线的位置关系信息及第二障碍物与所述每条候选ST曲线的位置关系信息计算所述每条候选ST曲线的行驶代价,包括:
根据所述第一障碍物与所述每条候选ST曲线的位置关系信息计算第一代价值;
根据所述第二障碍物与对应的所述候选ST曲线的位置关系信息计算第二代价值;
根据所述第一代价值和所述第二代价值计算对应的所述候选ST曲线的行驶代价。
7.根据权利要求6所述的车辆路径规划方法,其特征在于,通过如下公式对所述第一障碍物与所述每条候选ST曲线的位置关系信息进行处理,得到所述第一代价值:
其中,costj1表示第j条所述候选ST曲线对应的所述第一代价值,w1为所述第一代价值的权重,a、b为sigmoid函数的参数,dij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆与所述第一障碍物之间的距离;
通过如下公式对所述第二障碍物与对应的所述候选ST曲线的位置关系信息进行处理,得到所述第二代价值:
其中,costj2表示第j条所述候选ST曲线对应的所述第二代价值,w2为所述第二代价值的权重,sij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆与所述第二障碍物之间的距离。
8.根据权利要求6所述的车辆路径规划方法,其特征在于,在所述根据所述第一代价值和所述第二代价值计算对应的所述候选ST曲线的行驶代价之前,还包括:
根据采用对应的所述候选ST曲线时所述目标车辆的规划速度与所述目标车辆的最大速度计算第三代价值;
根据采用对应的所述候选ST曲线时所述目标车辆的规划加速度计算第四代价值和第五代价值;
所述根据所述第一代价值和所述第二代价值计算对应的所述候选ST曲线的行驶代价,包括:
根据所述第一代价值、所述第二代价值、所述第三代价值、所述第四代价值和所述第五代价值计算对应的所述候选ST曲线的行驶代价。
9.根据权利要求8所述的车辆路径规划方法,其特征在于,通过如下公式对采用对应的所述候选ST曲线时所述目标车辆的规划速度与所述目标车辆的最大速度进行处理,得到所述第三代价值:
其中,costj3表示第j条所述候选ST曲线对应的所述第三代价值,w3为所述第三代价值的权重,vij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆的规划速度,vmax表示所述目标车辆的最大速度;
通过如下公式对采用对应的所述候选ST曲线时所述目标车辆的规划加速度进行处理,得到所述第四代价值:
其中,costj4表示第j条所述候选ST曲线对应的所述第四代价值,w4为所述第四代价值的权重,aij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆的规划加速度;
通过如下公式对采用对应的所述候选ST曲线时所述目标车辆的规划加速度进行处理,得到所述第五代价值:
其中,costj5表示第j条所述候选ST曲线对应的所述第五代价值,w5为所述第五代价值的权重,daij表示采用第j条所述候选ST曲线时在ti时刻所述目标车辆的规划加速度的微分。
10.根据权利要求8所述的车辆路径规划方法,其特征在于,所述根据所述第一代价值、所述第二代价值、所述第三代价值、所述第四代价值和所述第五代价值计算对应的所述候选ST曲线的行驶代价,包括:
计算所述第一代价值、所述第二代价值、所述第三代价值、所述第四代价值、所述第五代价值的和,得到对应的所述候选ST曲线的行驶代价。
11.一种车辆路径规划装置,其特征在于,包括:
曲线生成模块,用于为目标车辆生成多条候选位移-时间ST曲线;
计算模块,用于根据第一障碍物与所述多条候选位移-时间ST曲线中的每条候选ST曲线的位置关系信息及第二障碍物与所述每条候选ST曲线的位置关系信息计算所述每条候选ST曲线的行驶代价,得到多个行驶代价,其中,所述第一障碍物包括未与所述目标车辆的第一规划路径发生碰撞的障碍物,所述第二障碍物包括与所述第一规划路径发生碰撞的障碍物;
确定模块,用于确定所述多个行驶代价中的最小者,并将所述最小者对应的所述候选ST曲线确定为目标ST曲线;
路径生成模块,用于根据所述目标ST曲线为所述目标车辆生成第二规划路径。
12.一种车辆,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10中任一所述的车辆路径规划方法。
13.一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至10中任一所述的车辆路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110665284.6A CN113238565A (zh) | 2021-06-16 | 2021-06-16 | 车辆路径规划方法、装置、车辆和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110665284.6A CN113238565A (zh) | 2021-06-16 | 2021-06-16 | 车辆路径规划方法、装置、车辆和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113238565A true CN113238565A (zh) | 2021-08-10 |
Family
ID=77140039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110665284.6A Pending CN113238565A (zh) | 2021-06-16 | 2021-06-16 | 车辆路径规划方法、装置、车辆和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113238565A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114719875A (zh) * | 2022-03-10 | 2022-07-08 | 阿波罗智能技术(北京)有限公司 | 自动驾驶路径规划方法、装置、电子设备、介质及车辆 |
CN115060279A (zh) * | 2022-06-08 | 2022-09-16 | 合众新能源汽车有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170166204A1 (en) * | 2015-12-11 | 2017-06-15 | Hyundai Motor Company | Method and apparatus for controlling path of autonomous driving system |
US20180345963A1 (en) * | 2015-12-22 | 2018-12-06 | Aisin Aw Co., Ltd. | Autonomous driving assistance system, autonomous driving assistance method, and computer program |
CN110928290A (zh) * | 2019-03-06 | 2020-03-27 | 纽劢科技(上海)有限公司 | 五次曲线路径规划方法及车道中心线维护方法 |
CN111123952A (zh) * | 2019-12-31 | 2020-05-08 | 华为技术有限公司 | 一种轨迹规划方法及装置 |
CN111258308A (zh) * | 2018-11-15 | 2020-06-09 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行驶轨迹规划系统及方法 |
CN111591306A (zh) * | 2020-03-30 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质 |
CN111679678A (zh) * | 2020-06-30 | 2020-09-18 | 安徽海博智能科技有限责任公司 | 一种横纵向分离的轨迹规划方法、系统及计算机设备 |
CN112965501A (zh) * | 2021-03-31 | 2021-06-15 | 东风商用车有限公司 | 一种自动驾驶速度规划方法及装置 |
-
2021
- 2021-06-16 CN CN202110665284.6A patent/CN113238565A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170166204A1 (en) * | 2015-12-11 | 2017-06-15 | Hyundai Motor Company | Method and apparatus for controlling path of autonomous driving system |
US20180345963A1 (en) * | 2015-12-22 | 2018-12-06 | Aisin Aw Co., Ltd. | Autonomous driving assistance system, autonomous driving assistance method, and computer program |
CN111258308A (zh) * | 2018-11-15 | 2020-06-09 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行驶轨迹规划系统及方法 |
CN110928290A (zh) * | 2019-03-06 | 2020-03-27 | 纽劢科技(上海)有限公司 | 五次曲线路径规划方法及车道中心线维护方法 |
CN111123952A (zh) * | 2019-12-31 | 2020-05-08 | 华为技术有限公司 | 一种轨迹规划方法及装置 |
CN111591306A (zh) * | 2020-03-30 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质 |
CN111679678A (zh) * | 2020-06-30 | 2020-09-18 | 安徽海博智能科技有限责任公司 | 一种横纵向分离的轨迹规划方法、系统及计算机设备 |
CN112965501A (zh) * | 2021-03-31 | 2021-06-15 | 东风商用车有限公司 | 一种自动驾驶速度规划方法及装置 |
Non-Patent Citations (2)
Title |
---|
周慧子;胡学敏;陈龙;田梅;熊豆;: "面向自动驾驶的动态路径规划避障算法", 计算机应用, no. 03 * |
肖宏宇;付志强;陈慧勇;: "面向低速自动驾驶车辆的避障规划研究", 同济大学学报(自然科学版), no. 1 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114719875A (zh) * | 2022-03-10 | 2022-07-08 | 阿波罗智能技术(北京)有限公司 | 自动驾驶路径规划方法、装置、电子设备、介质及车辆 |
CN114719875B (zh) * | 2022-03-10 | 2023-05-05 | 阿波罗智能技术(北京)有限公司 | 自动驾驶路径规划方法、装置、电子设备、介质及车辆 |
CN115060279A (zh) * | 2022-06-08 | 2022-09-16 | 合众新能源汽车有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
CN115060279B (zh) * | 2022-06-08 | 2024-04-16 | 合众新能源汽车股份有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108345822B (zh) | 一种点云数据处理方法及装置 | |
EP3959576A1 (en) | Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout | |
CN113421432B (zh) | 交通限行信息检测方法、装置、电子设备和存储介质 | |
US11932244B2 (en) | Apparatus and method for controlling autonomous driving of vehicle | |
CN107316048A (zh) | 点云分类方法及装置 | |
CN110807924A (zh) | 基于全量全样实时交通数据的多参数融合方法及系统 | |
CN113238565A (zh) | 车辆路径规划方法、装置、车辆和存储介质 | |
Niranjan et al. | Deep learning based object detection model for autonomous driving research using carla simulator | |
CN110798805B (zh) | 基于gps轨迹的数据处理方法、装置及存储介质 | |
CN111583716B (zh) | 一种车辆避障方法、装置、电子设备及存储介质 | |
CN115056754B (zh) | 一种物流行李牵引车制动控制系统及方法 | |
US20230159052A1 (en) | Method for processing behavior data, method for controlling autonomous vehicle, and autonomous vehicle | |
CN114495026A (zh) | 一种激光雷达识别方法、装置、电子设备和存储介质 | |
CN112249009A (zh) | 车速控制方法、装置、系统及电子设备 | |
Quinn et al. | Traffic flow monitoring in crowded cities | |
Chen et al. | An effective detection algorithm of zebra-crossing | |
CN112699773A (zh) | 交通灯识别方法、装置及电子设备 | |
US11555928B2 (en) | Three-dimensional object detection with ground removal intelligence | |
CN116206286A (zh) | 高速路况下的障碍物检测方法、装置、设备和介质 | |
CN114582125B (zh) | 道路通行方向的识别的方法、装置、设备及存储介质 | |
CN115112138A (zh) | 轨迹规划信息生成方法、装置、电子设备以及存储介质 | |
CN115171075A (zh) | 道路类型识别方法、装置及设备 | |
CN114724113A (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
Prun et al. | Development of Active Safety Software of Road Freight Transport, Aimed at Improving Inter-City Road Safety, Based on Stereo Vision Technologies and Road Scene Analysis | |
CN114154510A (zh) | 自动驾驶车辆的控制方法、装置、电子设备及存储介质 |
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 |