CN113568403A - 处理方法、处理装置、车辆及存储介质 - Google Patents
处理方法、处理装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN113568403A CN113568403A CN202110748765.3A CN202110748765A CN113568403A CN 113568403 A CN113568403 A CN 113568403A CN 202110748765 A CN202110748765 A CN 202110748765A CN 113568403 A CN113568403 A CN 113568403A
- Authority
- CN
- China
- Prior art keywords
- spline curve
- target
- derivative
- processing method
- constraint
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 230000006870 function Effects 0.000 claims description 72
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
本发明公开了一种处理方法、处理装置、车辆及存储介质。处理方法包括:根据样条曲线的控制点确定目标函数;根据参考路径上的离散点形成约束条件;根据约束条件优化目标函数,以得到样条曲线的目标控制点;根据目标控制点和样条曲线,生成与参考路径对应的目标路径。上述处理方法、处理装置、车辆及存储介质,通过优化目标函数,得到样条曲线的目标控制点,进而根据目标控制点和样条曲线得到平滑的目标路径,能够提高车辆自动驾驶的稳定性。
Description
技术领域
本发明涉及自动驾驶技术领域,特别涉及一种处理方法、处理装置、车辆及存储介质。
背景技术
随着人工智能的发展,车辆正朝着实现自动驾驶的方向发展,例如,车辆可以根据预先规划的目标路径自动驾驶。然而,在相关技术中,直接对道路的中心线上的离散点进行拟合、插值得到目标路径,这样得到的目标路径不一定是最合适的,存在平滑性不够的问题,不利于车辆自动驾驶。
发明内容
本发明的实施方式提供了一种处理方法、处理装置、车辆及存储介质。
本发明实施方式的处理方法包括:根据样条曲线的控制点确定目标函数;根据参考路径上的离散点形成约束条件;根据所述约束条件优化所述目标函数,以得到所述样条曲线的目标控制点;根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径。
上述处理方法,通过优化目标函数,得到样条曲线的目标控制点,进而根据目标控制点和样条曲线得到平滑的目标路径,能够提高车辆自动驾驶的稳定性。
在某些实施方式中,所述目标函数包括道路居中代价、样条曲线一阶微分平滑性代价、样条曲线二阶微分平滑性代价和样条曲线三阶微分平滑性代价,所述道路居中代价根据所述样条曲线的所述控制点和所述参考路径上的所述离散点确定,所述样条曲线一阶微分平滑性代价根据所述样条曲线的一阶导数的控制点确定,所述样条曲线二阶微分平滑性代价根据所述样条曲线的二阶导数的控制点确定,所述样条曲线三阶微分平滑性代价根据所述样条曲线的三阶导数的控制点确定。
在某些实施方式中,所述约束条件包括道路边界约束、曲率约束和曲率导数的约束,所述道路边界约束的上、下限根据所述参考路径上的所述离散点确定,所述曲率约束的上、下限的绝对值为第一阈值,所述曲率导数的约束的上、下限的绝对值为第二阈值,所述曲率根据所述样条曲线的一阶导数和所述样条曲线的二阶导数确定,所述曲率导数根据所述样条曲线的所述一阶导数、所述样条曲线的所述二阶导数和所述样条曲线的三阶导数确定。
在某些实施方式中,所述根据所述约束条件优化所述目标函数,以得到所述样条曲线的目标控制点,包括:在满足所述约束条件的情况下,将使得所述目标函数取得最小值时对应的所述目标函数的自变量的取值作为所述样条曲线的所述目标控制点。
在某些实施方式中,所述样条曲线为三阶B样条曲线,所述根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径,包括:根据所述目标控制点和所述三阶B样条曲线的微分表达式,生成与所述参考路径对应的所述目标路径。
在某些实施方式中,其特征在于,所述样条曲线为五阶B样条曲线,所述根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径,包括:根据所述目标控制点和所述五阶B样条曲线的微分表达式,生成与所述参考路径对应的所述目标路径。
在某些实施方式中,在所述根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径之后,所述处理方法还包括:根据所述目标路径控制车辆自动驾驶。
本发明实施方式的处理装置包括确定模块、约束模块、优化模块和生成模块。确定模块用于根据样条曲线的控制点确定目标函数。约束模块用于根据参考路径上的离散点形成约束条件。优化模块用于根据所述约束条件优化所述目标函数,以得到所述样条曲线的目标控制点。生成模块用于根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径。
上述处理装置,通过优化目标函数,得到样条曲线的目标控制点,进而根据目标控制点和样条曲线得到平滑的目标路径,能够提高车辆自动驾驶的稳定性。
本发明实施方式的车辆包括本体和车载终端。所述车载终端安装于所述本体。所述车载终端包括一个或多个处理器和存储器。所述存储器存储有计算机程序。所述计算机程序被所述处理器执行的情况下,实现上述任一实施方式的处理方法的步骤。
上述车辆,通过优化目标函数,得到样条曲线的目标控制点,进而根据目标控制点和样条曲线得到平滑的目标路径,能够提高车辆自动驾驶的稳定性。
本发明实施方式的计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行的情况下,实现上述任一实施方式的处理方法的步骤。
上述计算机可读存储介质,通过优化目标函数,得到样条曲线的目标控制点,进而根据目标控制点和样条曲线得到平滑的目标路径,能够提高车辆自动驾驶的稳定性。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解,其中:
图1是本发明实施方式的处理方法的流程示意图;
图2是本发明实施方式的处理装置的示意图;
图3是本发明实施方式的车辆的车载终端的示意图;
图4是本发明实施方式的处理方法的另一流程示意图;
图5是本发明实施方式的处理方法的又一流程示意图;
图6是本发明实施方式的处理方法的场景示意图;
图7是本发明实施方式的处理方法的另一场景示意图;
图8是本发明实施方式的处理方法的又一场景示意图;
图9是本发明实施方式的处理方法的再一流程示意图;
图10是本发明实施方式的处理方法的再一流程示意图;
图11是本发明实施方式的车辆的立体结构示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的实施方式在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
请参阅图1-图4,本发明实施方式的处理方法包括:
S12:根据样条曲线的控制点确定目标函数;
S14:根据参考路径上的离散点形成约束条件;
S16:根据约束条件优化目标函数,以得到样条曲线的目标控制点;
S18:根据目标控制点和样条曲线,生成与参考路径对应的目标路径。
本发明实施方式的处理方法可由本发明实施方式的处理装置100实现。具体地,处理装置100包括确定模块20、约束模块40、优化模块60和生成模块80。确定模块20用于根据样条曲线的控制点确定目标函数。约束模块40用于根据参考路径上的离散点形成约束条件。优化模块60用于根据约束条件优化目标函数,以得到样条曲线的目标控制点。生成模块80用于根据目标控制点和样条曲线,生成与参考路径对应的目标路径。
本发明实施方式的处理方法可由本发明实施方式的车辆1000实现。具体地,车辆1000包括车载终端200和本体300。车载终端200安装于本体300。车载终端200包括一个或多个处理器202和存储器204,存储器204存储有计算机程序,计算机程序被处理器202执行的情况下,实现本发明实施方式的处理方法的步骤。例如,程序被处理器202执行的情况下,实现上述步骤S12、S14、S16和S18。
上述处理方法、处理装置100及车载终端200,通过优化目标函数,得到样条曲线的目标控制点,进而根据目标控制点和样条曲线得到平滑的目标路径,能够提高车辆自动驾驶的稳定性。
可以理解,在相关技术中,基于数值优化生成目标路径的方法中,通常将参考路径离散化,直接调整参考路径上离散点的位置以使得设计的目标函数最小化,并将使得设计的目标函数最小化时离散点的位置作为目标路径的离散点。也即是说,在相关技术中,得到的目标路径由离散点组成,存在平滑性不够的问题。进一步地,如果想要形成平滑的目标路径,需要通过拟和、插值等方式求取相邻的两个离散点中间的点,且为了尽可能地平滑,需要对参考路径密集采样才能获得较好的中间插值点,这样又会带来计算量较大、时间成本较高等问题。
而本发明实施方式的控制方法,根据样条曲线的多阶导数的特点设计目标函数,同时根据参考路径的离散点行程约束条件,利用约束条件对目标函数进行优化,能够得到样条曲线较优的目标控制点,进一步地,根据目标控制点和样条曲线能够直接生成平滑的目标路径。
具体地,车辆1000包括但不限于纯电动车、混合动力电动车、增程式电动车、燃油车等。样条曲线具有一组控制点,也即是说,样条曲线的控制点包括多个。在某些实施方式中,样条曲线包括B样条曲线。如此,在确定目标控制点之后,能够获得平滑的目标路径。B样条曲线的一阶导数仍然是B样条,B样条曲线的二阶导数仍然是B样条,B样条曲线的三阶导数仍然是B样条,根据这一特点设计目标函数,使得目标函数具有多阶微分曲线的平滑性代价,这样优化目标函数就能够得到同时使得多阶微分曲线平滑的目标解,进而将目标解作为B样条曲线的目标控制点,就能够生成平滑的目标路径,进一步地,如果在优化目标函数时根据参考路径来制定约束条件,根据约束条件优化该目标函数,最后生成的目标路径即参考路径对应的平滑曲线,从而可以达到平滑参考路径的效果。
在某些实施方式中,参考路径为道路的中心线。道路的中心线可以通过高精地图直接获取到,在获取道路的中心线的同时,还可以获取到道路的左右边界信息。如此,能够快速准确地确定约束条件。进一步地,可在笛卡尔坐标系中绘制道路的中心线和道路的左右边界,这样,中心线和左右边界上的每个位置对应一个坐标,便于计算。同时,为了节省运算量,可以对中心线进行离散化处理,即按照预设路径长度在中心线上选取均匀分布的一系列离散点。预设路径长度可以为1个车身长度或1.5个车身长度。
在某些实施方式中,目标函数包括道路居中代价、样条曲线一阶微分平滑性代价、样条曲线二阶微分平滑性代价和样条曲线三阶微分平滑性代价,道路居中代价根据样条曲线的控制点和参考路径上的离散点确定,样条曲线一阶微分平滑性代价根据样条曲线的一阶导数的控制点确定,样条曲线二阶微分平滑性代价根据样条曲线的二阶导数的控制点确定,样条曲线三阶微分平滑性代价根据样条曲线的三阶导数的控制点确定。
如此,目标函数与参考路径相关,通过优化包括道路居中代价和样条曲线多阶微分平滑性代价的目标函数,能够得到参考路径上的离散点对应的样条曲线的目标控制点,且能够使得样条曲线更加平滑。可以理解,目标函数的自变量为样条曲线的控制点,优化目标函数得到的最优解即样条曲线的目标控制点。
如此,通过优化目标函数能够得到目标控制点。
具体地,目标函数的自变量为{Q0,Q1,...,Qn-1},{Q0,Q1,...,Qn-1}同时也是样条曲线的控制点,其中,任意一个控制点Qi在笛卡尔坐标系中的坐标为(Qx,i,Qy,i),目标函数中的控制点的坐标值为可变化的且待确定的,目标函数中的控制点的初始解为参考路径上的离散点。参考路径(道路的中心线)上的离散点为{q0,q1,...,qn-1},其中,任意一个离散点qi对应的道路的左边界点在笛卡尔坐标系中的坐标为(xi,left,yi,left),任意一个离散点qi对应的道路的右边界点在笛卡尔坐标系中的坐标为(xi,right,yi,right),每两个相邻的离散点之间的路径长度为Δs。可以理解,参考路径上的离散点qi对应的道路的左边界点和右边界点的确定方式为:过离散点qi作参考路径的切线,并过离散点qi作该切线的法线,将该切线的法线与道路的左、右边界的交点分别作为参考路径上的离散点qi对应的道路的左边界点和右边界点,因此,对于给定的参考路径,由于其上的离散点qi的坐标值为固定的数值,因此,目标函数中的xi,left、yi,left、xi,right、yi,right也为已知的固定的数值。ωcenter为第一项的权重,ω1d为第二项的权重,ω2d为第三项的权重,ω3d为第四项的权重,各项的权重为已知的预先设定的值,在优化目标函数的过程中,各项的权重保持不变。在某些实施方式中,ωcenter<ω1d<ω2d<ω3d。
在某些实施方式中,约束条件包括道路边界约束、曲率约束和曲率导数的约束,道路边界约束的上、下限根据参考路径上的离散点确定,曲率约束的上、下限的绝对值为第一阈值,曲率导数的约束的上、下限的绝对值为第二阈值,曲率根据样条曲线的一阶导数和样条曲线的二阶导数确定,曲率导数根据样条曲线的一阶导数、样条曲线的二阶导数和样条曲线的三阶导数确定。
如此,通过多项约束条件对目标函数的自变量进行约束,使得最终得到的目标控制点更利于平滑参考路径。
具体地,道路边界约束、曲率约束和曲率导数的约束均为线性约束。道路边界约束包括x坐标的边界约束和y坐标的边界约束,其中,x坐标的边界约束为:xi,left≤Qx,i≤xi,right,y坐标的边界约束为:yi,left≤Qy,i≤yi,right。xi,left、yi,left、xi,right、yi,right为根据参考路径上的离散点qi确定的,确定方式为:过离散点qi作参考路径的切线,并过离散点qi作该切线的法线,将该切线的法线与道路的左、右边界的交点分别作为参考路径上的离散点qi对应的道路的左边界点(xi,left,yi,left)和右边界点(xi,right,yi,right)。
在某些实施方式中,曲率约束的上、下限的绝对值为0.2,即-0.2≤K≤0.2。控制点Qi的曲率K的计算公式为:(2),其中,和为根据控制点计算的样条曲线的一阶导数,和为根据控制点计算的样条曲线的二阶导数。
在某些实施方式中,曲率导数的约束的上、下限的绝对值为0.02,即-0.02≤dK≤0.02。控制点Qi的曲率导数dK的计算公式为:(3),其中,和为根据控制点计算的样条曲线的一阶导数,和为根据控制点计算的样条曲线的二阶导数,和为根据控制点计算的样条曲线的三阶导数。
在一个例子中,样条曲线为三阶B样条曲线,样条曲线的一阶导数为 (4),将对应控制点的x坐标分别代入公式(4),可求出的数值,将对应控制点的y坐标分别代入公式(4),可求出的数值。样条曲线的二阶导数为 (5),将对应控制点的x坐标分别代入公式(5),可求出的数值,将对应控制点的y坐标分别代入公式(5),可求出的数值。样条曲线的三阶导数为 (6),将对应控制点的x坐标分别代入公式(6),可求出的数值,将对应控制点的y坐标分别代入公式(6),可求出的数值。进而根据公式(2)可以计算出控制点Qi的曲率,根据公式(3)可以计算出控制点Qi的曲率导数,并能够判断控制点Qi是否满足约束条件。
请参阅图4,在某些实施方式中,步骤S16包括:
S162:在满足约束条件的情况下,将使得目标函数取得最小值时对应的目标函数的自变量的取值作为样条曲线的目标控制点。
上述实施方式的处理方法可由本发明实施方式的处理装置100实现。具体地,优化模块60用于在满足约束条件的情况下,将使得目标函数取得最小值时对应的目标函数的自变量的取值作为样条曲线的目标控制点。
上述实施方式的处理方法可由本发明实施方式的车载终端200实现。具体地,处理器202用于在满足约束条件的情况下,将使得目标函数取得最小值时对应的目标函数的自变量的取值作为样条曲线的目标控制点。
如此,能够确定合适的目标控制点。可以理解,由于目标函数是基于曲线的平滑性代价设计的,当目标函数取得最小值时,意味着曲线的平滑性最好,将此时目标函数的自变量的取值作为样条曲线的目标控制点,能够生成平滑的目标路径。
具体地,在约束条件内,调整目标函数的自变量的取值,以使得目标函数的函数值取得最小值,当目标函数的函数值取得最小值时,将使得目标函数取得最小值时对应的目标函数的自变量的取值作为样条曲线的目标控制点。
请参阅图5,在某些实施方式中,样条曲线为三阶B样条曲线,步骤S18包括:
S182:根据目标控制点和三阶B样条曲线的微分表达式,生成与参考路径对应的目标路径。
上述实施方式的处理方法可由本发明实施方式的处理装置100实现。具体地,生成模块80用于根据目标控制点和三阶B样条曲线的微分表达式,生成与参考路径对应的目标路径。
上述实施方式的处理方法可由本发明实施方式的车载终端200实现。具体地,处理器202用于根据目标控制点和三阶B样条曲线的微分表达式,生成与参考路径对应的目标路径。
如此,能够生成比参考路径平滑的目标路径,从而起到平滑参考路径的效果。
具体地,在节点向量s∈[si,si+1)的k阶B样条曲线可以通过其控制点写为k阶多项式函数的矩阵形式:
M1=[1]
因此,k阶B样条曲线的微分表达形式如下:
其中,pi,k (l)(s)为pi,k(s)的第l阶导数,b(l)为b的第l阶导数,b=b(0)=[1u u2 u3... uk]T,b(1)=[0 1 2u 3u2 ... kuk-1]T,b(2)=[0 0 2 6u ... k(k-1)uk-2]T,b(3)=[0 0 06 ...k (k-1)(k-2)uk-3]T。
进一步地,当样条曲线为三阶B样条曲线时,可以确定三阶B样条曲线的微分表达式为(12),其中,在u=0时,根据公式(12)可以推导得到,三阶B样条曲线的零阶导数的公式为 (13),三阶B样条曲线的一阶导数的公式为(14),三阶B样条曲线的二阶导数的公式为(15),三阶B样条曲线的三阶导数的公式为(16),可以理解,在优化目标函数的过程中,控制点的曲率约束和曲率的导数的约束可以通过公式(14)、公式(15)和公式(16)计算得到,在目标函数优化完成得到目标控制点之后,将目标控制点的x坐标代入公式(13),计算得到的结果即为目标路径上的目标点的x坐标,将目标控制点的y坐标代入公式(13),计算得到的结果即为目标路径上的目标点的y坐标。需要指出的是,目标路径包括目标点和每两个目标点之间的连接点,由于公式(13)表示的是在u取0时三阶B样条曲线的零阶导数,而不是u取[0,1]内任意值时三阶B样条曲线的零阶导数,因此根据公式(13)和目标控制点只能够求出目标路径的目标点,目标路径上的目标点为离散的若干个点,为了进一步得到连续的目标路径,应当将u取[0,1]内每一数值,然后根据三阶B样条曲线的零阶导数的公式和目标控制点,确定每两个目标点之间的连接点。
在一个例子中,请结合图6-图8,其中,图6为本方法得到的目标路径P1与参考路径P2的对比图,图7为本方法得到的目标路径上各点的朝向θ1与参考路径的上各点的朝向θ2的对比图,图8为本方法得到的目标路径上各点的曲率K1与参考路径的上各点的曲率K2的对比图,通过对比发现,本方法得到的目标路径相较于参考路径,平滑性得到提升。
请参阅图9,在某些实施方式中,样条曲线为五阶B样条曲线,步骤S18包括:
S184:根据目标控制点和五阶B样条曲线的微分表达式,生成与参考路径对应的目标路径。
上述实施方式的处理方法可由本发明实施方式的处理装置100实现。具体地,生成模块80用于根据目标控制点和五阶B样条曲线的微分表达式,生成与参考路径对应的目标路径。
上述实施方式的处理方法可由本发明实施方式的车载终端200实现。具体地,处理器202用于根据目标控制点和五阶B样条曲线的微分表达式,生成与参考路径对应的目标路径。
如此,能够生成比参考路径平滑的目标路径,从而起到平滑参考路径的效果。
具体地,当样条曲线为五阶B样条曲线时,可以确定五阶B样条曲线的微分表达式为(17),其中,在u=0时,根据公式(17)可以推导得到,五阶B样条曲线的零阶导数的公式为 (18),五阶B样条曲线的一阶导数的公式为 (19),三阶B样条曲线的二阶导数的公式为 (20),五阶B样条曲线的三阶导数的公式为(21),五阶B样条曲线的四阶导数的公式为(22),五阶B样条曲线的五阶导数的公式为(23),可以理解,在优化目标函数的过程中,控制点的曲率约束和曲率的导数的约束可以通过公式(19)、公式(20)和公式(21)计算得到,在目标函数优化完成得到目标控制点之后,将目标控制点的x坐标代入公式(18),计算得到的结果即为目标路径上的目标点的x坐标,将目标控制点的y坐标代入公式(18),计算得到的结果即为目标路径上的目标点的y坐标。需要指出的是,目标路径包括目标点和每两个目标点之间的连接点,由于公式(18)表示的是在u取0时五阶B样条曲线的零阶导数,而不是u取[0,1]内任意值时五阶B样条曲线的零阶导数,因此根据公式(18)和目标控制点只能够求出目标路径的目标点,目标路径上的目标点为离散的若干个点,为了进一步得到连续的目标路径,应当将u取[0,1]内每一数值,然后根据五阶B样条曲线的零阶导数的公式和目标控制点,确定每两个目标点之间的连接点。
请参阅图10,在某些实施方式中,在步骤S18之后,处理方法还包括:
S19:根据目标路径控制车辆自动驾驶。
上述实施方式的处理方法可由本发明实施方式的处理装置100实现。具体地,处理装置100还包括驾驶模块90。驾驶模块90用于根据目标路径控制车辆自动驾驶。
上述实施方式的处理方法可由本发明实施方式的车载终端200实现。具体地,处理器202用于根据目标路径控制车辆自动驾驶。
如此,车辆可以按照目标路径稳定地自动行驶,提升用户体验。
具体地,目标路径可存储在车辆本地或云端。当目标路径存储在车辆本地时,可直接从本地调取目标路径,进而控制车辆按照目标路径自动驾驶。当目标路径存储在云端时,车辆能够与云端进行通讯,进而获取到目标路径并按照目标路径自动驾驶。
本发明实施方式的计算机可读存储介质,其上存储有计算机程序,程序被处理器执行的情况下,实现上述任一实施方式的处理方法的步骤。
例如,程序被处理器执行的情况下,实现以下处理方法的步骤:
S12:根据样条曲线的控制点确定目标函数;
S14:根据参考路径上的离散点形成约束条件;
S16:根据约束条件优化目标函数,以得到样条曲线的目标控制点;
S18:根据目标控制点和样条曲线,生成与参考路径对应的目标路径。
计算机可读存储介质可设置在车载终端200或车辆1000,也可设置在服务器等云端。当计算机可读存储介质设置在车载终端200或车辆1000时,处理器可以直接从本地调取相应的程序。当计算机可读存储介质设置在云端时,车载终端200或车辆1000能够与云端进行通讯来获取到相应的程序。
可以理解,在本发明中,计算机程序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。存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。控制器是一个单片机芯片,集成了处理器、存储器,通讯模块等。处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、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。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施方式进行变化、修改、替换和变型。
Claims (11)
1.一种处理方法,其特征在于,所述处理方法包括:
根据样条曲线的控制点确定目标函数;
根据参考路径上的离散点形成约束条件;
根据所述约束条件优化所述目标函数,以得到所述样条曲线的目标控制点;
根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径。
2.根据权利要求1所述的处理方法,其特征在于,所述目标函数包括道路居中代价、样条曲线一阶微分平滑性代价、样条曲线二阶微分平滑性代价和样条曲线三阶微分平滑性代价,所述道路居中代价根据所述样条曲线的所述控制点和所述参考路径上的所述离散点确定,所述样条曲线一阶微分平滑性代价根据所述样条曲线的一阶导数的控制点确定,所述样条曲线二阶微分平滑性代价根据所述样条曲线的二阶导数的控制点确定,所述样条曲线三阶微分平滑性代价根据所述样条曲线的三阶导数的控制点确定。
3.根据权利要求1所述的处理方法,其特征在于,所述参考路径为道路的中心线。
4.根据权利要求1所述的处理方法,其特征在于,所述约束条件包括道路边界约束、曲率约束和曲率导数的约束,所述道路边界约束的上、下限根据所述参考路径上的所述离散点确定,所述曲率约束的上、下限的绝对值为第一阈值,所述曲率导数的约束的上、下限的绝对值为第二阈值,所述曲率根据所述样条曲线的一阶导数和所述样条曲线的二阶导数确定,所述曲率导数根据所述样条曲线的所述一阶导数、所述样条曲线的所述二阶导数和所述样条曲线的三阶导数确定。
5.根据权利要求1所述的处理方法,其特征在于,所述根据所述约束条件优化所述目标函数,以得到所述样条曲线的目标控制点,包括:
在满足所述约束条件的情况下,将使得所述目标函数取得最小值时对应的所述目标函数的自变量的取值作为所述样条曲线的所述目标控制点。
6.根据权利要求1所述的处理方法,其特征在于,所述样条曲线为三阶B样条曲线,所述根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径,包括:
根据所述目标控制点和所述三阶B样条曲线的微分表达式,生成与所述参考路径对应的所述目标路径。
7.根据权利要求1所述的处理方法,其特征在于,所述样条曲线为五阶B样条曲线,所述根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径,包括:
根据所述目标控制点和所述五阶B样条曲线的微分表达式,生成与所述参考路径对应的所述目标路径。
8.根据权利要求1所述的处理方法,其特征在于,在所述根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径之后,所述处理方法还包括:
根据所述目标路径控制车辆自动驾驶。
9.一种处理装置,其特征在于,所述处理装置包括:
确定模块,用于根据样条曲线的控制点确定目标函数;
约束模块,用于根据参考路径上的离散点形成约束条件;
优化模块,用于根据所述约束条件优化所述目标函数,以得到所述样条曲线的目标控制点;
生成模块,用于根据所述目标控制点和所述样条曲线,生成与所述参考路径对应的目标路径。
10.一种车辆,其特征在于,所述车辆包括:
本体,和
车载终端,所述车载终端安装于所述本体,所述车载终端包括一个或多个处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行的情况下,实现权利要求1-8任一项所述的处理方法的步骤。
11.一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,所述程序被处理器执行的情况下,实现权利要求1-8任一项所述的处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110748765.3A CN113568403A (zh) | 2021-07-02 | 2021-07-02 | 处理方法、处理装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110748765.3A CN113568403A (zh) | 2021-07-02 | 2021-07-02 | 处理方法、处理装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113568403A true CN113568403A (zh) | 2021-10-29 |
Family
ID=78163459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110748765.3A Pending CN113568403A (zh) | 2021-07-02 | 2021-07-02 | 处理方法、处理装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113568403A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114137972A (zh) * | 2021-11-24 | 2022-03-04 | 广州小鹏自动驾驶科技有限公司 | 路径生成方法、装置、交通工具及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190035120A1 (en) * | 2017-07-26 | 2019-01-31 | Robert Bosch Gmbh | Method And System For Automated Generation Of Constrained Curves In Computer Graphics |
CN109521763A (zh) * | 2017-09-18 | 2019-03-26 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于约束平滑样条的路径优化 |
EP3517893A1 (en) * | 2018-01-26 | 2019-07-31 | Baidu USA LLC | Path and speed optimization fallback mechanism for autonomous vehicles |
CN110239526A (zh) * | 2019-06-05 | 2019-09-17 | 北京理工大学 | 一种基于准均匀b样条曲线的泊车路径规划方法 |
CN112269965A (zh) * | 2020-08-10 | 2021-01-26 | 中国北方车辆研究所 | 一种非完整约束条件下的连续曲率路径优化方法 |
CN112673234A (zh) * | 2020-01-17 | 2021-04-16 | 华为技术有限公司 | 路径规划方法和路径规划装置 |
-
2021
- 2021-07-02 CN CN202110748765.3A patent/CN113568403A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190035120A1 (en) * | 2017-07-26 | 2019-01-31 | Robert Bosch Gmbh | Method And System For Automated Generation Of Constrained Curves In Computer Graphics |
CN109521763A (zh) * | 2017-09-18 | 2019-03-26 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于约束平滑样条的路径优化 |
EP3517893A1 (en) * | 2018-01-26 | 2019-07-31 | Baidu USA LLC | Path and speed optimization fallback mechanism for autonomous vehicles |
CN110239526A (zh) * | 2019-06-05 | 2019-09-17 | 北京理工大学 | 一种基于准均匀b样条曲线的泊车路径规划方法 |
CN112673234A (zh) * | 2020-01-17 | 2021-04-16 | 华为技术有限公司 | 路径规划方法和路径规划装置 |
CN112269965A (zh) * | 2020-08-10 | 2021-01-26 | 中国北方车辆研究所 | 一种非完整约束条件下的连续曲率路径优化方法 |
Non-Patent Citations (5)
Title |
---|
HEE-SANG YOON: "Smooth Path Planning Method for Autonomous Mobile Robots Using Cardinal Spline", TRANSACTIONS OF THE KOREAN INSTITUTE OF ELECTRICAL ENGINEERING, pages 803 - 808 * |
修彩靖: "基于改进人工势场法的无人驾驶车辆局部路径规划的研究", 汽车工程, 15 September 2013 (2013-09-15), pages 808 - 811 * |
屈盼让;李林;任晓琨;荆立雄;: "基于B样条曲线的无人车路径规划算法", 电脑知识与技术, no. 26 * |
师强: "基于能量函数的智能车辆路径曲率平滑方法研究", 《智能科学与技术学报》, pages 161 - 168 * |
苏致远: "具有时空约束的无人车集群构型变换方法", 交通运输系统工程与信息, 15 April 2020 (2020-04-15), pages 211 - 217 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114137972A (zh) * | 2021-11-24 | 2022-03-04 | 广州小鹏自动驾驶科技有限公司 | 路径生成方法、装置、交通工具及存储介质 |
CN114137972B (zh) * | 2021-11-24 | 2023-10-31 | 广州小鹏自动驾驶科技有限公司 | 路径生成方法、装置、交通工具及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110836671B (zh) | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 | |
CN111177934B (zh) | 参考路径规划的方法、设备和存储介质 | |
CN111522245B (zh) | 用于控制无人设备的方法及装置 | |
WO2022135408A1 (zh) | 车辆方向盘的转角控制方法、装置及车辆 | |
CN110789530B (zh) | 一种四轮独立转向-独立驱动车辆轨迹跟踪方法和系统 | |
CN111532285B (zh) | 一种车辆控制方法及装置 | |
CN113568403A (zh) | 处理方法、处理装置、车辆及存储介质 | |
CN115900742A (zh) | 车辆的参考轨迹规划方法、装置、电子设备及存储介质 | |
CN115309170A (zh) | 一种考虑舒适性约束的轨迹规划方法、装置和系统 | |
CN109189781B (zh) | 一种车联网知识库表示方法,装置及系统 | |
CN117146844A (zh) | 路径规划中参考线平滑优化方法、装置、设备及介质 | |
CN111798177A (zh) | 订单压单方法及装置 | |
CN114115268B (zh) | 路径生成方法、装置、交通工具及存储介质 | |
CN114940163B (zh) | 一种后轮转向车辆的横向运动控制方法、后轮转向车辆及电子系统 | |
JP6724820B2 (ja) | 走行軌道生成装置 | |
CN115542899A (zh) | 车辆路径跟踪的方法、装置、车辆、电子设备及介质 | |
CN113370995B (zh) | 速度曲线的处理方法、装置、电动汽车及电子设备 | |
CN115097826A (zh) | 一种车辆掉头轨迹规划方法及装置 | |
CN114114930B (zh) | 汽车局部参考路径生成方法、装置、设备及介质 | |
CN114137972B (zh) | 路径生成方法、装置、交通工具及存储介质 | |
CN113515108A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN114089742B (zh) | 基于路径曲率的agv行驶车速控制方法、装置及介质 | |
CN116542869A (zh) | 车道线矢量的平滑方法、高精地图绘制方法、装置及设备 | |
CN117724501A (zh) | 路径跟踪控制方法、装置、车辆及介质 | |
CN115309145A (zh) | 车辆的避障控制方法及装置、存储介质、终端 |
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 |