CN113561996B - 轨迹规划方法及装置 - Google Patents
轨迹规划方法及装置 Download PDFInfo
- Publication number
- CN113561996B CN113561996B CN202111111644.4A CN202111111644A CN113561996B CN 113561996 B CN113561996 B CN 113561996B CN 202111111644 A CN202111111644 A CN 202111111644A CN 113561996 B CN113561996 B CN 113561996B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- unmanned vehicle
- lane
- determining
- 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.)
- Active
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/107—Longitudinal acceleration
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/408—Traffic behavior, e.g. swarm
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种轨迹规划方法及装置,该方法包括:获取多个邻近车辆各自对应的第一概率,第一概率为邻近车辆在未来时段内与无人驾驶车辆同车道行驶的概率。根据多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值。若至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离,则确定无人驾驶车辆在未来时段内的目标速度轨迹。根据无人驾驶车辆对应的预设路径轨迹和目标速度轨迹,确定无人驾驶车辆的行车轨迹。其中,在距离无人驾驶车辆预设距离之内存在至少一个待选车辆时,对无人驾驶车辆在未来时段内速度轨迹进行修正,以提高轨迹规划的可靠性。
Description
技术领域
本申请实施例涉及无人驾驶技术领域,尤其涉及一种轨迹规划方法及装置。
背景技术
无人驾驶车辆包括车载传感器、轨迹规划设备以及车辆控制器,通过车载传感器系统感知车辆周围环境,轨迹规划设备根据感知所获得的道路、车辆位置和障碍物等信息规划行车轨迹并将行车轨迹发给车辆控制器以控制车辆的转向和速度,最终使得车辆到达预定目的地。
在相关技术中,在车辆行驶的过程中,若在明确感知到障碍物存在之前,车辆会根据当前行车轨迹行驶,在明确感知到障碍物存在之后,会生成新的行车轨迹并发给车辆控制器,从而控制车辆按照新的行车轨迹行驶。
然而,在无人驾驶车辆与障碍物的距离较近时,车载传感器才能确定该障碍物确实存在。若在明确障碍物确定存在时,无人驾驶车辆的行驶速度过高来不及实现有效降速或转向,容易造成交通事故、安全性较低,存在轨迹规划可靠性较低的问题。
发明内容
本申请提供一种轨迹规划方法及装置,以提高轨迹规划的可靠性。
第一方面,本申请提供一种轨迹规划方法,应用于无人驾驶车辆,所述方法包括:
获取多个邻近车辆各自对应的第一概率,所述第一概率为所述邻近车辆在未来时段内与所述无人驾驶车辆同车道行驶的概率;
根据所述多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,所述待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值;
若所述至少一个待选车辆中存在待选车辆与所述无人驾驶车辆之间距离小于或等于预设距离,则确定所述无人驾驶车辆在所述未来时段内的目标速度轨迹;
根据所述无人驾驶车辆对应的预设路径轨迹和所述目标速度轨迹,确定所述无人驾驶车辆的行车轨迹。
在一种可能的设计中,所述确定所述无人驾驶车辆在所述未来时段内的目标速度轨迹,包括:
获取所述无人驾驶车辆当前的第一行驶速度;
根据所述第一行驶速度,确定所述无人驾驶车辆对应的第一加速度;
根据所述第一行驶速度和所述第一加速度,确定所述无人驾驶车辆在所述未来时段内的目标速度轨迹。
在一种可能的设计中,所述根据所述第一行驶速度,确定所述无人驾驶车辆对应的第一加速度,包括:
获取所述无人驾驶车辆的纵向动力学模型,所述纵向动力学模型用于指示制动力、油门开度、行驶速度与加速度之间的关系;
获取预设参数,所述预设参数中包括第一制动力、第一油门开度;
根据所述第一行驶速度、所述纵向动力学模型和所述预设参数,确定所述无人驾驶车辆对应的第一加速度。
在一种可能的设计中,所述针对所述多个邻近车辆中的任意一个邻近车辆;所述获取所述邻近车辆各自对应的第一概率,包括:
获取所述邻近车辆在所述未来时段内的预测车道信息,所述预测车道信息中包括所述邻近车辆的目标行驶车道和所述目标行驶车道对应的第二概率;
根据所述无人驾驶车辆对应的预设路径轨迹,确定所述无人驾驶车辆在所述未来时段内行驶的第一车道;
根据所述邻近车辆的预测车道信息和所述第一车道,确定多个邻近车辆各自对应的第一概率。
在一种可能的设计中,所述根据所述邻近车辆的预测车道信息和所述第一车道,确定多个邻近车辆各自对应的第一概率,包括:
判断所述邻近车辆的目标行驶车道是否与所述第一车道为同一车道;
若是,则将所述邻近车辆在目标行驶车道对应的第二概率,确定为所述邻近车辆对应的第一概率;
若否,则将所述邻近车辆对应的第一概率确定为0;
在一种可能的设计中,所述获取所述邻近车辆在所述未来时段内的预测车道信息,包括:
获取所述邻近车辆的历史路径轨迹;
根据所述邻近车辆的历史路径轨迹,对所述邻近车辆在所述未来时段内在路径轨迹进行预测,确定所述邻近车辆的至少一条预测路径轨迹;
根据所述邻近车辆的至少一条预测路径轨迹,确定所述邻近车辆在所述未来时段内在各个车道的行驶概率;
将行驶概率最大的车道确定为所述目标行驶车道,以及,将所述目标行驶车道对应的行驶概率确定为所述第二概率。
第二方面,本申请提供一种轨迹规划装置,应用于无人驾驶车辆,所述装置包括:
获取模块,用于获取多个邻近车辆各自对应的第一概率,所述第一概率为所述邻近车辆在未来时段内与所述无人驾驶车辆同车道行驶的概率;
第一确定模块,用于根据所述多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,所述待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值;
处理模块,用于若所述至少一个待选车辆中存在待选车辆与所述无人驾驶车辆之间距离小于或等于预设距离,则确定所述无人驾驶车辆在所述未来时段内的目标速度轨迹;
第二确定模块,用于根据所述无人驾驶车辆对应的预设路径轨迹和所述目标速度轨迹,确定所述无人驾驶车辆的行车轨迹。
在一种可能的设计中,所述处理模块具体用于:
获取所述无人驾驶车辆当前的第一行驶速度;
根据所述第一行驶速度,确定所述无人驾驶车辆对应的第一加速度;
根据所述第一行驶速度和所述第一加速度,确定所述无人驾驶车辆在所述未来时段内的目标速度轨迹。
在一种可能的设计中,所述处理模块具体用于:
获取所述无人驾驶车辆的纵向动力学模型,所述纵向动力学模型用于指示制动力、油门开度、行驶速度与加速度之间的关系;
获取预设参数,所述预设参数中包括第一制动力、第一油门开度;
根据所述第一行驶速度、所述纵向动力学模型和所述预设参数,确定所述无人驾驶车辆对应的第一加速度。
在一种可能的设计中,所述针对所述多个邻近车辆中的任意一个邻近车辆;所述获取模块具体用于:
获取所述邻近车辆在所述未来时段内的预测车道信息,所述预测车道信息中包括所述邻近车辆的目标行驶车道和所述目标行驶车道对应的第二概率;
根据所述无人驾驶车辆对应的预设路径轨迹,确定所述无人驾驶车辆在所述未来时段内行驶的第一车道;
根据所述邻近车辆的预测车道信息和所述第一车道,确定多个邻近车辆各自对应的第一概率。
在一种可能的设计中,所述获取模块具体用于:
判断所述邻近车辆的目标行驶车道是否与所述第一车道为同一车道;
若是,则将所述邻近车辆在目标行驶车道对应的第二概率,确定为所述邻近车辆对应的第一概率;
若否,则将所述邻近车辆对应的第一概率确定为0;
在一种可能的设计中,所述获取模块具体用于:
获取所述邻近车辆的历史路径轨迹;
根据所述邻近车辆的历史路径轨迹,对所述邻近车辆在所述未来时段内在路径轨迹进行预测,确定所述邻近车辆的至少一条预测路径轨迹;
根据所述邻近车辆的至少一条预测路径轨迹,预测所述邻近车辆在所述未来时段内在各个车道的行驶概率;
将行驶概率最大的车道确定为所述目标行驶车道,以及,将所述目标行驶车道对应的行驶概率确定为所述第二概率。
第三方面,本申请提供一种轨迹规划设备,包括:
存储器,用于存储程序;
处理器,用于执行所述存储器存储的所述程序,当所述程序被执行时,所述处理器用于执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
第四方面,本申请提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
第五方面,本申请提供一种计算机程序产品,所述程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
本申请提供一种轨迹规划方法及装置,该方法包括:获取多个邻近车辆各自对应的第一概率,第一概率为邻近车辆在未来时段内与无人驾驶车辆同车道行驶的概率。根据多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值。若至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离,则确定无人驾驶车辆在未来时段内的目标速度轨迹。根据无人驾驶车辆对应的预设路径轨迹和目标速度轨迹,确定无人驾驶车辆的行车轨迹。其中,在存在至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离时,将无人驾驶车辆在未来时段内速度轨迹修正为目标速度轨迹,这可以提高无人驾驶车辆行驶的安全性。
附图说明
为了更清楚地说明本申请实施例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性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种应用场景的示意图;
图2为本申请实施例提供的轨迹规划方法的流程图一;
图3为本申请实施例提供的轨迹规划方法的流程图二;
图4为本申请实施例提供的轨迹规划装置的结构示意图;
图5为本申请实施例提供的轨迹规划设备的硬件结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例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。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
为了便于理解本申请的技术方案,首先对本申请所涉及的相关背景技术进行介绍:
在无人驾驶车辆中设置有车载检测器、轨迹预测设备、轨迹规划设备以及车辆控制器。其中,车载检测器可以为红外线测距仪器或毫米波雷达等设备。无人驾驶车辆通过车载检测器检测该无人驾驶车辆的邻近车辆,获取邻近车辆的情况,例如,邻近车辆与该无人驾驶车辆的距离,邻近车辆所行驶的车道信息、行驶速度等。根据邻近车辆所行驶的车道信息以及行驶速度,轨迹预测设备可以对邻近车辆进行轨迹预测,得到邻近车辆各自对应的预测行车轨迹。无人驾驶车辆中的轨迹规划设备根据邻近车辆各自对应的预测行车轨迹为无人驾驶车辆规划出一条行车轨迹,以避免无人驾驶车辆在行驶的过程中与各邻近车辆所行驶线路相同导致发生交通事故,以提高无人驾驶车辆行驶的安全性。
下面,对本申请所涉及的现有技术、现有技术存在的技术问题以及本申请的技术构思进行介绍:
在现有技术中,在车辆行驶的过程中,若在明确感知到障碍物存在之前,车辆会根据当前行车轨迹行驶,在明确感知到障碍物存在之后,会生成新的行车轨迹并发给车辆控制器,从而控制车辆按照新的行车轨迹行驶。
然而现有技术中,在无人驾驶车辆与障碍物的距离较近时,车载检测器才能确定该障碍物确实存在。若在明确障碍物确定存在时,无人驾驶车辆的行驶速度过高来不及实现有效降速或转向,容易造成交通事故、安全性较低,存在轨迹规划可靠性较低的问题。
基于上述存在的问题,本申请提出了如下的技术构思:在无人驾驶车辆的行驶过程中,一般会根据邻近车辆的历史行车轨迹对邻近车辆在未来时段内的行驶轨迹进行预测。根据邻近车辆在未来时段内的行驶轨迹,确定邻近车辆在未来时段内行驶车道。之后,轨迹规划单元会根据多个邻近车辆在未来时段内的行驶车道,对无人驾驶车辆在未来时段内的行车轨迹进行规划,以避免与邻近车辆在未来时段内的行驶车道相同。考虑到当明确邻近车辆在未来时段内与无人驾驶车辆同车道,或,明确邻近车辆在未来时段内不会与无人驾驶车辆同车道时,那么轨迹规划单元会对无人驾驶车辆规划出正确的行车轨迹。但当不能明确邻近车辆在未来时段内是否与无人驾驶车辆同车道时,那么轨迹规划单元对无人驾驶车辆规划出的行车轨迹存在不正确的可能。为了避免因行车轨迹规划不正确导致发生安全事故,考虑在当不能明确邻近车辆在未来时段内是否与无人驾驶车辆同车道时,对无人驾驶车辆的行车轨迹中速度轨迹进行修正。具体的,考虑模拟人类驾驶在遇到不明确的行驶实际情况时“既不踩刹车,也不踩油门,等等看,等邻近车辆的行驶意图明朗后再决定下一步如何行驶”的驾驶思维,对无人驾驶车辆在未来时段内速度轨迹进行修正。这样,随着时间的推移,邻近车辆在未来时段内是否与无人驾驶车辆同车道时的情况,越来越明确。当明确邻近车辆在未来时段内与无人驾驶车辆同车道,或明确邻近车辆在未来时段内不会与无人驾驶车辆同车道时,这时轨迹规划单元会对无人驾驶车辆规划出正确的行车轨迹。之后,无人驾驶车辆按照轨迹规划单元规划的行车轨迹行驶即可。
下面,结合图1,介绍本申请实施例的一种应用场景,图1为本申请实施例提供的一种应用场景的示意图。
请参见图1,在单向车道的3个车道中包括无人驾驶车辆以及无人驾驶车辆的3个邻近车辆,3个邻近车辆分别为邻近车辆1、邻近车辆2以及邻近车辆3。对应的,也画出了各个车辆在未来时段内的路径轨迹。如图1所示,无人驾驶车辆、邻近车辆2以及邻近车辆3在未来时段内均会沿着各自当前的车道继续行驶,不会发生改变行驶车道。邻近车辆1的路径轨迹显示有2条,表明邻近车辆1有可能沿着当前的车道继续行驶,也有可能会变道行驶在无人驾驶车辆所在的车道。
当无人驾驶车辆在发现邻近车辆1的行驶车道不确定时,对无人驾驶车辆的速度轨迹进行修正,以使无人驾驶车辆以制动力为0、油门开度为0向前滑行。
下面,通过具体实施例,对本申请所示的技术方案进行详细说明。需要说明的是,下面几个实施例可以单独存在,也可以相互结合,对于相同或相似的内容,在不同的实施例中不再重复说明。
基于上述介绍的技术构思,下面结合图2具体的实施例对本申请所提供的轨迹规划方法进行详细介绍,图2为本申请实施例提供的轨迹规划方法的流程图一。
如图2所示,该方法包括:
S201、获取多个邻近车辆各自对应的第一概率,第一概率为邻近车辆在未来时段内与无人驾驶车辆同车道行驶的概率。
本申请所提的轨迹规划方法应用于无人驾驶车辆,本申请实施例的执行主体可以为无人驾驶车辆中的处理器,也可以为设置在处理器中的数据处理装置。其中,处理器中的数据处理装置可以通过软件和/或硬件的结合来实现。
在本申请实施例中,邻近车辆是指在无人驾驶车辆在行驶的过程中,行驶在无人驾驶车辆附近的车辆。
需要说明的是,无人驾驶车辆内的车载检测器会对无人驾驶车辆附近的车辆进行检测,经过短时间内的持续检测可以获取各邻近车辆的行驶轨迹信息以及行驶速度等行车信息。之后,无人驾驶车辆内的轨迹预测单元根据多个邻近车辆的历史行驶轨迹信息,对各个邻近车辆在未来时段内的行驶轨迹进行预测,得到各个邻近车辆在未来时段内的行驶轨迹。之后,根据各个邻近车辆在未来时段内的行驶轨迹,确定各个邻近车辆在未来时段内的行驶车道。其中,未来时段内例如可以为未来的8秒、10秒等,具体可以根据实际需求进行设定,对此不作限制。
下面,对获取多个邻近车辆各自对应的第一概率的一种可能的实现方式进行示例性的说明。
在一种可能的实现方式中,根据无人驾驶车辆内轨迹规划单元为无人驾驶车辆规划在未来时段内的行车轨迹。其中,该行车轨迹中包括速度轨迹和路径轨迹。根据无人驾驶车辆在未来时段内的路径轨迹,可以确定无人驾驶车辆在未来时段内行驶的车道信息。在获取了无人驾驶车辆在未来时段内行驶的车道信息后,接下来,根据轨迹预测单元对多个邻近车辆预测的行车轨迹,确定出多个邻近车辆在未来时段内的车道信息。其中,车道信息例如可以为邻近车辆在未来时段内行驶在各车道的概率。针对各邻近车辆,将邻近车辆在无人驾驶车辆在未来时段内所行驶车道上行驶的概率,确定为邻近车辆对应的第一概率。其中,第一概率为邻近车辆在未来时段内与无人驾驶车辆同车道行驶的概率。
S202、根据多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值。
在本实施例中,第一阈值和第二阈值的大小均处于大于或等于0,且小于或等于1的范围。同时,第一阈值与第二阈值的大小关系为第一阈值小于第二阈值。
在本申请中,考虑到各邻近车辆对应的第一概率的大小在一定程度上能够表明是否会与无人驾驶车辆同车道。具体的,若邻近车辆对应的第一概率小于第一阈值,则表明该邻近车辆与无人驾驶车辆同车道的概率较小,可以确定该邻近车辆不会与无人驾驶车辆同车道行驶。同理,若邻近车辆对应的第一概率大于第二阈值,则表明该邻近车辆与无人驾驶车辆同车道的概率较大,可以确定该邻近车辆会与无人驾驶车辆同车道行驶。在基于这种可以明确邻近车辆与无人驾驶车辆同车道驾驶,或,明确邻近车辆与无人驾驶车辆不会同车道驾驶的情况,那么轨迹规划单元会对无人驾驶车辆规划出正确的行车轨迹。那么针对不确定的情况(当邻近车辆对应的第一概率小于或等于第一阈值,且小于或等于第二阈值时,即不能确定邻近车道与无人驾驶车辆是否同车道行驶的情况),将多个邻近车辆中第一概率大于或等于第一阈值,且小于或等于第二阈值对应的邻近车辆确定为待选车辆。
S203、若至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离,则确定无人驾驶车辆在未来时段内的目标速度轨迹。
需要说明的是,若在距离与无人驾驶车辆的预设距离之内存在至少一个待选车辆,则无人驾驶车辆需要修正未来时段内的速度轨迹,以避免无人驾驶车辆与预设距离范围内的至少一个待选车辆发生碰撞。另外,对于预设距离的具体取值可以根据实际需求进行选择,对此不做限制。
在本实施例中,当不能明确邻近车辆在未来时段内是否与无人驾驶车辆同车道时,那么轨迹规划单元对无人驾驶车辆规划出的行车轨迹存在不正确的可能。为了避免因行车轨迹规划不正确导致发生安全事故,发明人考虑在当不能明确邻近车辆在未来时段内是否与无人驾驶车辆同车道时,对无人驾驶车辆的行车轨迹中速度轨迹进行修正。具体的,发明人考虑模拟人类驾驶在遇到不明确的行驶情况时所采用的“既不踩刹车,也不踩油门,等等看,等邻近车辆的行驶意图明朗后再决定下一步如何行驶”的驾驶思维,对无人驾驶车辆在未来时段内速度轨迹进行修正,以提高轨迹规划可靠性,进而提升无人驾驶车辆的行车的安全性。
在本实施例中,通过判断在至少一个待选车辆中是否存在待选车辆与无人驾驶车辆之间的距离小于或等于预设距离,来确定是否要对无人驾驶车辆在未来时段内的速度轨迹进行修正。若不存在,则不需要对无人驾驶车辆在未来时段内的速度轨迹进行修正,采用轨迹规划单元为无人驾驶车辆规划的未来时段内的速度轨迹进行行驶即可。若存在,则需要对对无人驾驶车辆在未来时段内的速度轨迹进行修正。具体的修正方法为,使无人驾驶车辆以制动力为0、油门开度为0的状态进行滑行为目标,确定目标速度轨迹。
目标速度轨迹用于描述在未来时段内无人驾驶车辆在以预设时长为间隔确定的多个时间点上的速度信息。具体的,每个时间点对应的速度信息可以包括但不限于无人驾驶车辆的行驶速度、加速度以及行驶距离。其中,行驶距离为从上一时间点到的当前时间点所行驶的距离。
下面,以未来时段内时间点数量为K为例,对以制动为0、油门开度为0的状态进行滑行为目标,对确定每个时间点对应的速度信息的一种可能的实现方式进行示例性的介绍。
需要强调说明的是,在确定无人驾驶车辆在每个时间点对应的行驶速度和行驶距离之前,需要先确定无人驾驶车辆在每个时间点对应的加速度。
首先,对确定在未来时段内每个时间点对应的加速度的一种可能的实现方式进行示例性的介绍。
在一种可能的实现方式中,获取无人驾驶车辆对应的纵向动力学模型以及获取无
人驾驶车辆的行驶速度。其中,无人驾驶车辆对应的纵向动力学模型用于
描述制动力、油门开度、车辆行驶速度、加速度之间的关系。具体的,无人驾驶车辆对应的纵
向动力学模型的形式例如可以为函数表达式,如公式一所示:
其中,Ldm( )表示制动力、油门开度、车辆行驶速度、加速度之间关系的函数,
表示无人驾驶车辆的制动力(刹车)的大小,表示无人驾驶车辆的油门开度的大小,v用
于表示无人驾驶车辆对应的行驶速度,为表示无人驾驶车辆对应的行驶速度。
需要说明的是,中,为无人驾驶车辆判断在至少一个待选车辆
中存在待选车辆与无人驾驶车辆之间的距离小于或等于预设距离时的行驶速度,为在未来时段内的第i个时间点时无人驾驶车辆的行驶速度。对应的,
为根据无人驾驶车辆的纵向动力学模型,获得无人驾驶车辆在行驶速度为、制动力为0以
及油门开度为0时的加速度。为根据无人驾驶车辆的纵向动力学模型,获得
无人驾驶车辆在未来时段的第i时间点的行驶速度为、制动力为0以及油
门开度为0时的加速度。
接下来,在一种可能的实现方式中,确定目标速度轨迹中无人驾驶车辆在每个时间点对应的行驶速度的计算方法,可以参见公式二。
下面,在一种可能的实现方式中,确定目标速度轨迹中每个时段点对应的行驶距离的计算方法,例如可以参考公式三。
基于上述确定了无人驾驶车辆在未来时段内的行驶速度,即确定了无人驾驶车辆在未来时段内的速度轨迹。需要说明的是,对于未来时段以及预设时长的具体取值可以根据实际情况进行选择。接下来,以未来时段为8秒,以1秒为预设时长为例,也就是说,将未来8秒以1秒为间隔确定了8个时间点。无人驾驶车辆在未来8秒内的目标速度轨迹中每个时间点的速度轨迹点可以如表1所示。
表1
S204、根据无人驾驶车辆对应的预设路径轨迹和目标速度轨迹,确定无人驾驶车辆的行车轨迹。
其中,无人驾驶车辆对应的预设路径轨迹为无人驾驶车辆内轨迹规划单元为无人驾驶车辆确定。对于确定预设路径轨迹的具体实现方法可以参考现有技术中的方法即可,在此不再赘述。
例如,无人驾驶车辆的预设路径轨迹以函数的形式标识,例如可以参照公式四。
基于上述步骤S203确定了无人驾驶车辆的目标速度轨迹,将无人驾驶车辆对应预设路径轨迹和目标速度轨迹组成,无人驾驶车辆的行车轨迹。也就是说,在未来时段内无人驾驶车辆按照预设路径轨迹以及目标速度轨迹行驶。
下面,对根据无人驾驶车辆对应的预设路径轨迹和目标速度轨迹,确定无人驾驶车辆的行车轨迹的一种可能的实现方式进行示例性的介绍。
在一种可能的实现方式中,根据无人驾驶车辆的预设路径轨迹,确定无人驾驶车辆在未来时段内各个时间点所处的经度和纬度。根据无人驾驶车辆在未来时段内各个时间点的速度信息,以及所处的经度和纬度,即确定了无人驾驶车辆在未来时段内的各个时间点的行车轨迹。
下面,通过具体示例,对该种可能的实现方式进行说明。
以未来时段为8秒内,以1秒为预设时长为例,即将未来8秒以1秒为间隔确定了8个时间点。无人驾驶车辆在未来8秒内的目标速度轨迹中每个时间点的行驶轨迹点可以如表2所示。
表2
本申请实施例提供的轨迹规划方法,包括:获取多个邻近车辆各自对应的第一概率,第一概率为邻近车辆在未来时段内与无人驾驶车辆同车道行驶的概率。根据多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值。若至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离,则确定无人驾驶车辆在未来时段内的目标速度轨迹。根据无人驾驶车辆对应的预设路径轨迹和目标速度轨迹,确定无人驾驶车辆的行车轨迹。其中,在存在至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离时,将无人驾驶车辆在未来时段内速度轨迹修正为目标速度轨迹,这可以提高无人驾驶车辆行驶的安全性。
在上述实施例的基础上,下面结合一个具体的实施例对本申请提供的轨迹规划方法进行进一步的介绍,结合图3进行介绍,图3为本申请实施例提供的轨迹规划方法的流程图二。
如图3所示,该方法包括:
S301、获取邻近车辆的历史路径轨迹。
在本实施例中,邻近车辆为在无人驾驶车辆行驶的过程中行驶在无人驾驶车辆附近的车辆。
下面,对获取邻近车辆的历史路径轨迹的一种可能的实现方式进行示例性的说明。
在一种可能的实现方式中,通过无人驾驶车辆上设置的车载检测器可以检测在无人驾驶车辆附近行驶的邻近车辆的路径轨迹。其中,邻近车辆的路径轨迹可以为邻近车辆所处的经度和纬度。因此,通过无人驾驶车辆的车载检测器可以获得在历史时段内的多个邻近车辆各自对应的历史路径轨迹。
S302、根据邻近车辆的历史路径轨迹,对邻近车辆在未来时段内在路径轨迹进行预测,确定邻近车辆的至少一条预测路径轨迹。
下面,对根据邻近车辆的历史路径轨迹,确定邻近车辆的至少一条预测路径轨迹的一种可能的实现方式进行示例性说明。
在一种可能的实现方式中,针对各邻近车辆,向无人驾驶车辆内的轨迹预测单元中输入邻近车辆对应的历史路径轨迹。之后,轨迹预测单元输出邻近车辆对应的至少一条预测路径轨迹。其中,每条预测路径轨迹中包括邻近车辆在未来时段内的各个时间点对应的位置信息、行驶速度等信息。
S303、根据邻近车辆的至少一条预测路径轨迹,确定邻近车辆在未来时段内在各个车道的行驶概率。
下面,对根据邻近车辆的历史路径轨迹,确定邻近车辆的至少一条预测路径轨迹的一种可能的实现方式进行示例性说明。
在一种可能的实现方式中,通过轨迹预测单元可以得到邻近车辆的至少一条预测路径轨迹各自的概率。由于根据预测路径轨迹中的临近车辆的位置信息,可以确定无人驾驶车辆在各车道的行驶概率,即预测路径对应的概率为邻近车辆在各车道上的概率。因此,根据邻近车辆在至少一条预测路径各自的概率,确定邻近车辆在未来时段内各个车道的行驶概率。
S304、将行驶概率最大的车道确定为目标行驶车道,以及,将目标行驶车道对应的行驶概率确定为第二概率。
基于上述步骤S302,确定各邻近车辆对在各个车道的行驶概率后,接下来为各邻近车辆确定在未来时段内的目标行驶车道。
在一种可能的实现方式中,针对各邻近车辆,将行驶概率最大的车道确定为该邻近车辆对应的目标行驶车道,以及,将该目标行驶车道对应的行驶概率确定为该邻近车辆对应的第二概率。
S305、根据无人驾驶车辆对应的预设路径轨迹,确定无人驾驶车辆在未来时段内行驶的第一车道。
在本实施例中,无人驾驶车辆中的轨迹规划单元为无人驾驶车辆已规划好该无人驾驶车辆在未来时段内的路径轨迹,即预设路径轨迹。其中,预设路径轨迹包括该无人驾驶车辆在未来时段内所应行驶的多个位置,由多个位置可以构成路径轨迹。其中,每个位置可以为具体的坐标点,例如(经度,纬度)。
需要说明的是,根据无人驾驶车辆中的定位系统,可以获取到无人驾驶车辆所在的道路信息。其中,道路信息中例如可以包括车道的数量以及各车道的位置范围。其中,定位系统例如可以为北斗定位系统、全球定位系统(Global Positioning System,GPS)等,对此不作限定。
下面,对根据无人驾驶车辆对应的预设路径轨迹,确定无人驾驶车辆在未来时段内行驶的第一车道的一种可能的实现方式进行示例性的说明。
在一种可能的实现方式中,根据无人驾驶车辆对应的预设路径轨迹中的多个位置以及各车道的位置范围,判断无人驾驶车辆在未来时段内行驶的车道。具体的,若多个位置在一个车道的位置范围内,则该无人驾驶车辆在未来时段内的行驶的车道为该车道。那么,将该车道确定为无人驾驶车辆在未来时段内行驶的第一车道。
S306、判断邻近车辆的目标行驶车道是否与第一车道为同一车道,若是,则执行S307,若否,则执行S308。
在本实施例中,为确定是否有邻近车辆在未来时段内与无人驾驶车辆同车道行驶,则需要通过判断邻近车辆的目标行驶车辆的目标行驶车道是否与第一车道相同来决定。具体的,当邻近车辆的目标行驶车道与第一车道为同一车道时,则确定该邻近车辆与无人驾驶车辆在未来时段内将会同车道行驶;相反,当邻近车辆的目标行驶车道与第一车道为不同车道时,则确定该邻近车辆将不会与无人驾驶车辆在未来时段内同车道行驶。
S307、将邻近车辆在目标行驶车道对应的第二概率,确定为邻近车辆对应的第一概率。
第一概率是指邻近车辆与无人驾驶车辆同车道行驶的概率。
在本实施例中,针对各个邻近车辆,当确定邻近车辆的目标行驶车道与第一车道为同一车道时,将该邻近车辆在目标行驶车道对应的第二概率,确定为邻近车辆对应的第一概率。
S308、将邻近车辆对应的第一概率确定为0。
在本实施例中,针对各个邻近车辆,当确定邻近车辆的目标行驶车道与第一车道为不同车道时,也就是说,在未来时段内无限驾驶汽车与邻近车辆同车道行驶的概率为0,那么将邻近车辆对应的第一概率确定为0。
S309、根据多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值。
需要说明的是,当邻近车辆对的第一概率小于或等于第一阈值时,则认为该邻近车辆确定不与无人驾驶车辆同车道行驶;以及,当邻近车辆对一个的第一概率大于第二阈值时,则认为该邻近车辆确定与无人驾驶车辆同车道行驶。
待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值。可以理解的是,待选车辆与无人驾驶车辆同车道行驶的可能性并不确定。在不确定待选车辆与无人驾驶车辆是否同车道行驶的场景下,无人驾车车辆中的轨迹预测单元很难为无人驾驶车辆规划出正确的行车轨迹,以保证行车的安全。
在本实施例中,针对各个邻近车辆,若邻近车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值,则将该邻近车辆确定为待选车辆。
S310、若至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离,则获取无人驾驶车辆当前的第一行驶速度。
基于上述步骤在多个邻近车辆中确定了至少一个待选车辆后,接下来,判断在至少一个待选车辆中是否存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离。
在一种可能的实现的方式中,通过无人驾驶车辆内的车载检测器检测无人驾驶车辆与各待选车辆之间的距离,因此可以通过车载检测器获取到至少一个待选车辆与无人驾驶车辆之间距离。
接下来,通过判断待选车辆与无人驾驶车辆之间距离与预设距离的大小关系,来确定在距离无人驾驶车辆预设距离内是否存在有待选车辆,在一种可能的实现方式中,若确定至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离,则例如可以获取无人驾驶车辆当前的第一行驶速度。
其中,第一行驶速度为确定在至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离时,无人驾驶车辆的行驶速度。
在一种可能的实现方式中,通过车速传感器获取无人驾驶车辆当前的第一行驶速度。
S311、获取无人驾驶车辆的纵向动力学模型,纵向动力学模型用于指示制动力、油门开度、行驶速度与加速度之间的关系。
需要说明的是,每辆汽车均对应有各自的纵向动力学模型。其中,纵向动力学模型用于指示该车辆的制动力大小、油门开度大小、行驶速度以及加速度之间的关系。示例性的,纵向动力学模型例如可以以表格的形式呈现。
在一种可能的实现方式中,根据无人驾驶车辆的型号,获取无人驾驶车辆对应的纵向动力学模型。
S312、获取预设参数,预设参数中包括第一制动力、第一油门开度。
S313、根据第一行驶速度、纵向动力学模型和预设参数,确定无人驾驶车辆对应的第一加速度。
接下来,对步骤S312和步骤S313放在一起进行介绍。
在本实施例中,发明人考虑模拟人类驾驶在遇到不明确的行驶实际情况时“既不踩刹车,也不踩油门,等等看,等邻近车辆的行驶意图明朗后再决定下一步如何行驶”的驾驶思维,对无人驾驶车辆在未来时段内速度轨迹进行修正。因此,获取预测参数,其中,第一制动力为0,第一油门开度为0。可以理解的是,在确定在预设距离内存在至少一个待选车辆时,将无人驾驶车辆的第一制动力控制为0,以及第一油门开度为0,即让无人驾驶车辆不刹车、不加油以当前速度向前滑行。
在一种可能的实现方式中,根据无人驾驶车辆的第一驾驶速度、第一制动力为0、油门开度为0,查阅纵向动力学模型对应的表格,来确定无人驾驶车辆对应的第一加速度。
S314、根据第一行驶速度和第一加速度,确定无人驾驶车辆在未来时段内的目标速度轨迹。
在本实施例中,根据第一行驶速度与第一加速度,确定无人驾驶车辆在未来时段内的目标速度轨迹的实现方式,可以参考步骤S203中的实现方式。
S315、根据无人驾驶车辆对应的预设路径轨迹和目标速度轨迹,确定无人驾驶车辆的行车轨迹。
其中,步骤S315与步骤S204的实现方式类似,在此不再赘述。
本申请实施例提供的轨迹规划方法,包括:获取邻近车辆的历史路径轨迹。根据邻近车辆的历史路径轨迹,对邻近车辆在未来时段内在路径轨迹进行预测,确定邻近车辆的至少一条预测路径轨迹。根据邻近车辆的至少一条预测路径轨迹,确定邻近车辆在未来时段内在各个车道的行驶概率。将行驶概率最大的车道确定为目标行驶车道,以及,将目标行驶车道对应的行驶概率确定为第二概率。根据无人驾驶车辆对应的预设路径轨迹,确定无人驾驶车辆在未来时段内行驶的第一车道。判断邻近车辆的目标行驶车道是否与第一车道为同一车道。若是,则将邻近车辆在目标行驶车道对应的第二概率,确定为邻近车辆对应的第一概率。若否,则将邻近车辆对应的第一概率确定为0。根据多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值。若至少一个待选车辆中存在待选车辆与无人驾驶车辆之间距离小于或等于预设距离,则获取无人驾驶车辆当前的第一行驶速度。获取无人驾驶车辆的纵向动力学模型,纵向动力学模型用于指示制动力、油门开度、行驶速度与加速度之间的关系。获取预设参数,预设参数中包括第一制动力、第一油门开度。根据第一行驶速度、纵向动力学模型和预设参数,确定无人驾驶车辆对应的第一加速度。根据第一行驶速度和第一加速度,确定无人驾驶车辆在未来时段内的目标速度轨迹。根据无人驾驶车辆对应的预设路径轨迹和目标速度轨迹,确定无人驾驶车辆的行车轨迹。
图4为本申请实施例提供的轨迹规划装置的结构示意图。如图4所示,该装置40包括:获取模块401、第一确定模块402、处理模块403以及第二确定模块404。
获取模块401,用于获取多个邻近车辆各自对应的第一概率,所述第一概率为所述邻近车辆在未来时段内与所述无人驾驶车辆同车道行驶的概率;
第一确定模块402,用于根据所述多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,所述待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值;
处理模块403,用于若所述至少一个待选车辆中存在待选车辆与所述无人驾驶车辆之间距离小于或等于预设距离,则确定所述无人驾驶车辆在所述未来时段内的目标速度轨迹;
第二确定模块404,用于根据所述无人驾驶车辆对应的预设路径轨迹和所述目标速度轨迹,确定所述无人驾驶车辆的行车轨迹。
在一种可能的设计中,所述处理模块403具体用于:
获取所述无人驾驶车辆当前的第一行驶速度;
根据所述第一行驶速度,确定所述无人驾驶车辆对应的第一加速度;
根据所述第一行驶速度和所述第一加速度,确定所述无人驾驶车辆在所述未来时段内的目标速度轨迹。
在一种可能的设计中,所述处理模块403具体用于:
获取所述无人驾驶车辆的纵向动力学模型,所述纵向动力学模型用于指示制动力、油门开度、行驶速度与加速度之间的关系;
获取预设参数,所述预设参数中包括第一制动力、第一油门开度;
根据所述第一行驶速度、所述纵向动力学模型和所述预设参数,确定所述无人驾驶车辆对应的第一加速度。
在一种可能的设计中,所述针对所述多个邻近车辆中的任意一个邻近车辆;所述获取模块401具体用于:
获取所述邻近车辆在所述未来时段内的预测车道信息,所述预测车道信息中包括所述邻近车辆的目标行驶车道和所述目标行驶车道对应的第二概率;
根据所述无人驾驶车辆对应的预设路径轨迹,确定所述无人驾驶车辆在所述未来时段内行驶的第一车道;
根据所述邻近车辆的预测车道信息和所述第一车道,确定多个邻近车辆各自对应的第一概率。
在一种可能的设计中,所述获取模块401具体用于:
判断所述邻近车辆的目标行驶车道是否与所述第一车道为同一车道;
若是,则将所述邻近车辆在目标行驶车道对应的第二概率,确定为所述邻近车辆对应的第一概率;
若否,则将所述邻近车辆对应的第一概率确定为0;
在一种可能的设计中,所述获取模块401具体用于:
获取所述邻近车辆的历史路径轨迹;
根据所述邻近车辆的历史路径轨迹,对所述邻近车辆在所述未来时段内在路径轨迹进行预测,确定所述邻近车辆的至少一条预测路径轨迹;
根据所述邻近车辆的至少一条预测路径轨迹,预测所述邻近车辆在所述未来时段内在各个车道的行驶概率;
将行驶概率最大的车道确定为所述目标行驶车道,以及,将所述目标行驶车道对应的行驶概率确定为所述第二概率。
本实施例提供的装置,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
图5为本申请实施例提供的轨迹规划设备的硬件结构示意图,如图5所示,本实施例的轨迹规划设备50包括:处理器501以及存储器502;其中
存储器502,用于存储计算机执行指令;
处理器501,用于执行存储器存储的计算机执行指令,以实现上述实施例中轨迹规划方法所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地,存储器502既可以是独立的,也可以跟处理器501集成在一起。
当存储器502独立设置时,该轨迹规划设备还包括总线503,用于连接所述存储器502和处理器501。
本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上轨迹规划设备所执行的轨迹规划方法。
本申请实施例还提供一种计算机程序产品,程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,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,例如多个模块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信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (7)
1.一种轨迹规划方法,其特征在于,应用于无人驾驶车辆,所述方法包括:
获取多个邻近车辆各自对应的第一概率,所述第一概率为所述邻近车辆在未来时段内与所述无人驾驶车辆同车道行驶的概率;
根据所述多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,所述待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值;
若所述至少一个待选车辆中存在待选车辆与所述无人驾驶车辆之间距离小于或等于预设距离,获取所述无人驾驶车辆当前的第一行驶速度;
获取所述无人驾驶车辆的纵向动力学模型,所述纵向动力学模型用于指示制动力、油门开度、行驶速度与加速度之间的关系;
获取预设参数,所述预设参数中包括第一制动力、第一油门开度,其中,所述第一制动力为0、第一油门开度为0;
根据所述第一行驶速度、所述纵向动力学模型和所述预设参数,确定所述无人驾驶车辆对应的第一加速度;
根据所述第一行驶速度和所述第一加速度,确定所述无人驾驶车辆在所述未来时段内的目标速度轨迹,所述目标速度轨迹用于描述在未来时段内所述无人驾驶车辆在以预设时长为间隔确定的多个时间点上的速度信息;
根据所述无人驾驶车辆对应的预设路径轨迹和所述目标速度轨迹,确定所述无人驾驶车辆的行车轨迹。
2.根据权利要求1所述的方法,其特征在于,针对所述多个邻近车辆中的任意一个邻近车辆;所述获取所述邻近车辆各自对应的第一概率,包括:
获取所述邻近车辆在所述未来时段内的预测车道信息,所述预测车道信息中包括所述邻近车辆的目标行驶车道和所述目标行驶车道对应的第二概率;
根据所述无人驾驶车辆对应的预设路径轨迹,确定所述无人驾驶车辆在所述未来时段内行驶的第一车道;
根据所述邻近车辆的预测车道信息和所述第一车道,确定多个邻近车辆各自对应的第一概率。
3.根据权利要求2所述的方法,其特征在于,所述根据所述邻近车辆的预测车道信息和所述第一车道,确定多个邻近车辆各自对应的第一概率,包括:
判断所述邻近车辆的目标行驶车道是否与所述第一车道为同一车道;
若是,则将所述邻近车辆在目标行驶车道对应的第二概率,确定为所述邻近车辆对应的第一概率;
若否,则将所述邻近车辆对应的第一概率确定为0。
4.根据权利要求2或3所述的方法,其特征在于,所述获取所述邻近车辆在所述未来时段内的预测车道信息,包括:
获取所述邻近车辆的历史路径轨迹;
根据所述邻近车辆的历史路径轨迹,对所述邻近车辆在所述未来时段内在路径轨迹进行预测,确定所述邻近车辆的至少一条预测路径轨迹;
根据所述邻近车辆的至少一条预测路径轨迹,确定所述邻近车辆在所述未来时段内在各个车道的行驶概率;
将行驶概率最大的车道确定为所述目标行驶车道,以及,将所述目标行驶车道对应的行驶概率确定为所述第二概率。
5.一种轨迹规划装置,其特征在于,应用于无人驾驶车辆,所述装置包括:
获取模块,用于获取多个邻近车辆各自对应的第一概率,所述第一概率为所述邻近车辆在未来时段内与所述无人驾驶车辆同车道行驶的概率;
第一确定模块,用于根据所述多个邻近车辆各自对应的第一概率,确定至少一个待选车辆,所述待选车辆对应的第一概率大于或等于第一阈值,且小于或等于第二阈值;
处理模块,用于若所述至少一个待选车辆中存在待选车辆与所述无人驾驶车辆之间距离小于或等于预设距离,获取所述无人驾驶车辆当前的第一行驶速度;获取所述无人驾驶车辆的纵向动力学模型,所述纵向动力学模型用于指示制动力、油门开度、行驶速度与加速度之间的关系;获取预设参数,所述预设参数中包括第一制动力、第一油门开度,其中,所述第一制动力为0、第一油门开度为0;根据所述第一行驶速度、所述纵向动力学模型和所述预设参数,确定所述无人驾驶车辆对应的第一加速度;根据所述第一行驶速度和所述第一加速度,确定所述无人驾驶车辆在所述未来时段内的目标速度轨迹,所述目标速度轨迹用于描述在未来时段内所述无人驾驶车辆在以预设时长为间隔确定的多个时间点上的速度信息;
第二确定模块,用于根据所述无人驾驶车辆对应的预设路径轨迹和所述目标速度轨迹,确定所述无人驾驶车辆的行车轨迹。
6.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至4中任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1至4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111111644.4A CN113561996B (zh) | 2021-09-23 | 2021-09-23 | 轨迹规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111111644.4A CN113561996B (zh) | 2021-09-23 | 2021-09-23 | 轨迹规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113561996A CN113561996A (zh) | 2021-10-29 |
CN113561996B true CN113561996B (zh) | 2021-12-21 |
Family
ID=78174137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111111644.4A Active CN113561996B (zh) | 2021-09-23 | 2021-09-23 | 轨迹规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113561996B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117392855B (zh) * | 2023-12-13 | 2024-02-20 | 南昌工程学院 | 基于卫星定位数据的车辆超限超载概率识别方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3018026A1 (en) * | 2014-11-06 | 2016-05-11 | Autoliv Development AB | System and method for vehicle path prediction |
CN106950956A (zh) * | 2017-03-22 | 2017-07-14 | 合肥工业大学 | 融合运动学模型和行为认知模型的行车轨迹预测系统 |
CN107731003A (zh) * | 2016-08-11 | 2018-02-23 | Trw汽车股份有限公司 | 用于沿路径引导机动车辆并且避免碰撞的控制系统和方法 |
CN109684702A (zh) * | 2018-12-17 | 2019-04-26 | 清华大学 | 基于轨迹预测的行车风险辨识方法 |
CN109727490A (zh) * | 2019-01-25 | 2019-05-07 | 江苏大学 | 一种基于行车预测场的周边车辆行为自适应矫正预测方法 |
CN111373458A (zh) * | 2017-11-07 | 2020-07-03 | 图森有限公司 | 用于自主车辆的轨迹规划的基于预测的系统和方法 |
EP3699055A1 (en) * | 2019-02-19 | 2020-08-26 | Baidu Online Network Technology (Beijing) Co., Ltd. | Decision method, device, equipment in a lane changing process and storage medium |
CN112347567A (zh) * | 2020-11-27 | 2021-02-09 | 青岛莱吉传动系统科技有限公司 | 一种车辆意图和轨迹预测的方法 |
-
2021
- 2021-09-23 CN CN202111111644.4A patent/CN113561996B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3018026A1 (en) * | 2014-11-06 | 2016-05-11 | Autoliv Development AB | System and method for vehicle path prediction |
CN107731003A (zh) * | 2016-08-11 | 2018-02-23 | Trw汽车股份有限公司 | 用于沿路径引导机动车辆并且避免碰撞的控制系统和方法 |
CN106950956A (zh) * | 2017-03-22 | 2017-07-14 | 合肥工业大学 | 融合运动学模型和行为认知模型的行车轨迹预测系统 |
CN111373458A (zh) * | 2017-11-07 | 2020-07-03 | 图森有限公司 | 用于自主车辆的轨迹规划的基于预测的系统和方法 |
CN109684702A (zh) * | 2018-12-17 | 2019-04-26 | 清华大学 | 基于轨迹预测的行车风险辨识方法 |
CN109727490A (zh) * | 2019-01-25 | 2019-05-07 | 江苏大学 | 一种基于行车预测场的周边车辆行为自适应矫正预测方法 |
EP3699055A1 (en) * | 2019-02-19 | 2020-08-26 | Baidu Online Network Technology (Beijing) Co., Ltd. | Decision method, device, equipment in a lane changing process and storage medium |
CN112347567A (zh) * | 2020-11-27 | 2021-02-09 | 青岛莱吉传动系统科技有限公司 | 一种车辆意图和轨迹预测的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113561996A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3699048B1 (en) | Travelling track prediction method and device for vehicle | |
EP3091370B1 (en) | Method and arrangement for determining safe vehicle trajectories | |
US8751157B2 (en) | Method and device for determining the position of a vehicle on a carriageway and motor vehicle having such a device | |
JP5125400B2 (ja) | 車両走行制御装置 | |
JP6243039B2 (ja) | 自動車の誤走行の確実性を検査する方法および制御検出装置 | |
CN111976741A (zh) | 用于控制自动驾驶车辆的装置和方法 | |
JP6838241B2 (ja) | 移動体挙動予測装置 | |
US20100315217A1 (en) | Driving support device and program | |
CN105984342A (zh) | 行驶控制装置 | |
CN111775940A (zh) | 一种自动换道方法、装置、设备及存储介质 | |
JP2009037561A (ja) | 走行計画生成装置 | |
US11661061B2 (en) | Method and device for assisting a driver in a vehicle | |
CN111833648A (zh) | 一种车辆碰撞预警方法及装置 | |
JP3973008B2 (ja) | 安全走行支援装置、その方法及び記録媒体 | |
CN111984018A (zh) | 自动驾驶方法及装置 | |
JP2017081382A (ja) | 自動運転装置 | |
CN116390879A (zh) | 用于避免即将发生的碰撞的系统和方法 | |
CN114291116B (zh) | 周围车辆轨迹预测方法、装置、车辆及存储介质 | |
CN113561996B (zh) | 轨迹规划方法及装置 | |
JP6898388B2 (ja) | 車両の制御システム、車両の制御方法、およびプログラム | |
JP4983542B2 (ja) | 車両の走行制御装置 | |
WO2011155043A1 (ja) | 周囲状況予測装置 | |
GB2599309A (en) | Vehicle control system and method | |
CN114217601B (zh) | 自驾车的混合决策方法及其系统 | |
US20230415741A1 (en) | Target of Interest Selection on Roadway Ramps |
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 |