CN113625724B - 无人驾驶车路径规划方法、装置、设备及存储介质 - Google Patents
无人驾驶车路径规划方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113625724B CN113625724B CN202111017480.9A CN202111017480A CN113625724B CN 113625724 B CN113625724 B CN 113625724B CN 202111017480 A CN202111017480 A CN 202111017480A CN 113625724 B CN113625724 B CN 113625724B
- Authority
- CN
- China
- Prior art keywords
- determining
- local
- path
- target
- energy recovery
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001133 acceleration Effects 0.000 claims abstract description 142
- 238000011084 recovery Methods 0.000 claims abstract description 88
- 230000006870 function Effects 0.000 claims description 45
- 230000004888 barrier function Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G05D1/0212—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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人驾驶车路径规划方法、装置、设备及存储介质。该方法包括:获取车辆周边环境信息并确定障碍物信息;根据障碍物信息确定目标速度范围以及目标旋转加速度范围;根据当前位置信息、目标速度范围以及目标旋转加速度范围生成若干局部路径;根据当前速度以及目标速度范围确定各局部路径对应的能量回收制动等级;根据能量回收制动等级确定各局部路径对应的代价函数值;根据各局部路径对应的代价函数值确定最优局部路径。本发明基于障碍物信息预测速度以及旋转加速度,确定多条局部路径以及能量回收制动等级,基于能量回收等级选择最优规划路径,保证车辆在沿着最优规划路径行驶时保持能量回收效率,提高了无人驾驶车辆能量回收效率。
Description
技术领域
本发明涉及无人驾驶技术领域,尤其涉及一种无人驾驶车路径规划方法、装置、设备及存储介质。
背景技术
现有无人驾驶车在进行能量回收时,通常根据感知及定位等模块确定当前工况,通过不同工况调节电机执行器和制动阀的控制比例,以实现回收能量,这种方法没有突出无人驾驶车辆实时规划路径的优势,缺乏前瞻性。而现有的无人驾驶车在进行路径规划时,一般仅考虑位置信息以及与障碍物之间的距离信息,不能最大化回收能量。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种无人驾驶车路径规划方法、装置、设备及存储介质,旨在解决现有的无人驾驶车能量回收效率低的技术问题。
为实现上述目的,本发明提供了一种无人驾驶车路径规划方法,所述方法包括以下步骤:
获取车辆周边环境信息,并根据所述车辆周边环境信息确定障碍物信息;
根据所述障碍物信息确定目标速度范围以及目标旋转加速度范围;
根据当前位置信息、所述目标速度范围以及所述目标旋转加速度范围生成若干局部路径;
根据当前速度以及所述目标速度范围确定各局部路径对应的能量回收制动等级;
根据所述能量回收制动等级确定各局部路径对应的代价函数值;
根据所述各局部路径对应的代价函数值确定最优局部路径。
可选地,所述根据所述能量回收制动等级确定各局部路径对应的代价函数值之前,所述方法还包括:
获取目的地信息,并根据所述目的地信息生成全局参考路径;
根据所述全局参考路径确定各局部路径分别对应的路径代价值;
所述根据所述能量回收制动等级确定各局部路径对应的代价函数值,包括:
根据所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值。
可选地,所述根据所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值之前,所述方法还包括:
确定各局部路径分别对应的终点位置信息;
根据所述终点位置信息以及所述障碍物信息确定障碍物距离代价值;
所述根据所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值,包括:
根据所述障碍物距离代价值、所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值。
可选地,所述根据当前位置信息、所述目标速度范围以及所述目标旋转加速度范围生成若干局部路径,包括:
按照预设选取策略从所述目标速度范围内选取若干目标速度,并从所述目标旋转加速度范围选取若干目标旋转加速度;
基于所述若干目标速度以及所述若干目标旋转加速度生成若干预测组合,其中,所述预测组合包括一一对应的目标速度以及目标旋转加速度;
根据所述当前位置信息以及所述若干预测组合对预设时间间隔内的行驶轨迹进行拟合,生成若干局部路径。
可选地,所述根据当前速度以及所述目标速度范围确定各局部路径对应的能量回收制动等级,包括:
根据当前速度以及所述目标速度范围确定各局部路径对应的制动加速度;
根据所述制动加速度确定制动强度;
根据所述制动强度确定各局部路径对应的能量回收制动等级。
可选地,所述根据所述制动强度确定各局部路径对应的能量回收制动等级,包括:
将所述制动强度与第一预设阈值以及第二预设阈值进行比对,得到比对结果;
根据所述比对结果确定各局部路径对应的能量回收制动等级。
可选地,其特征在于,所述根据所述障碍物信息确定目标速度范围以及目标旋转加速度范围,包括:
根据当前位置信息以及所述障碍物信息确定当前障碍物距离;
根据所述当前障碍物距离以及预设刹车加速度确定安全速度集合;
根据所述当前障碍物距离以及预设刹车旋转加速度确定安全旋转加速度集合;
根据预设动力加速度、当前速度以及预设时间间隔确定动力速度集合;
根据预设动力旋转加速度、当前旋转加速度以及所述设时间间隔确定动力旋转加速度集合;
根据所述安全速度集合以及所述动力速度集合确定第一交集,将所述第一交集作为目标速度范围;
根据所述安全旋转加速度集合以及所述动力旋转加速度集合确定第二交集,将所述第二交集作为目标旋转加速度范围。
此外,为实现上述目的,本发明还提出一种无人驾驶车路径规划装置,所述无人驾驶车路径规划装置包括:
获取模块,用于获取车辆周边环境信息,并根据所述车辆周边环境信息确定障碍物信息;
确定模块,用于根据所述障碍物信息确定目标速度范围以及目标旋转加速度范围;
生成模块,用于根据当前位置信息、所述目标速度范围以及所述目标旋转加速度范围生成若干局部路径;
所述确定模块,还用于根据当前速度以及所述目标速度范围确定各局部路径对应的能量回收制动等级;
所述确定模块,还用于根据所述能量回收制动等级确定各局部路径对应的代价函数值;
所述确定模块,还用于根据所述各局部路径对应的代价函数值确定最优局部路径。
此外,为实现上述目的,本发明还提出一种无人驾驶车路径规划设备,所述无人驾驶车路径规划设备包括: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无人驾驶车路径规划程序,所述无人驾驶车路径规划程序配置为实现如上文所述的无人驾驶车路径规划方法。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有无人驾驶车路径规划程序,所述无人驾驶车路径规划程序被处理器执行时实现如上文所述的无人驾驶车路径规划方法。
本发明通过获取车辆周边环境信息,并根据车辆周边环境信息确定障碍物信息;根据障碍物信息确定目标速度范围以及目标旋转加速度范围;根据当前位置信息、目标速度范围以及目标旋转加速度范围生成若干局部路径;根据当前速度以及目标速度范围确定各局部路径对应的能量回收制动等级;根据能量回收制动等级确定各局部路径对应的代价函数值;根据各局部路径对应的代价函数值确定最优局部路径。通过上述方式,基于障碍物信息预测速度以及旋转加速度,根据预测的速度以及旋转加速度确定多条局部路径,并根据预测的速度确定能量回收制动等级,根据能量回收等级从多条局部路径中选择最优规划路径,现有的无人驾驶车辆生成局部路径未考虑车辆能量回收,而本发明保证车辆在沿着最优规划路径行驶时保持能量回收效率,提高了无人驾驶车辆能量回收效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的无人驾驶车路径规划设备的结构示意图;
图2为本发明无人驾驶车路径规划方法第一实施例的流程示意图;
图3为本发明无人驾驶车路径规划方法第二实施例的流程示意图;
图4为本发明无人驾驶车路径规划装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的无人驾驶车路径规划设备结构示意图。
如图1所示,该无人驾驶车路径规划设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘 (Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器 (Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对无人驾驶车路径规划设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及无人驾驶车路径规划程序。
在图1所示的无人驾驶车路径规划设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明无人驾驶车路径规划设备中的处理器1001、存储器1005可以设置在无人驾驶车路径规划设备中,所述无人驾驶车路径规划设备通过处理器1001调用存储器1005中存储的无人驾驶车路径规划程序,并执行本发明实施例提供的无人驾驶车路径规划方法。
本发明实施例提供了一种无人驾驶车路径规划方法,参照图2,图2为本发明无人驾驶车路径规划方法第一实施例的流程示意图。
本实施例中,所述无人驾驶车路径规划方法包括以下步骤:
步骤S10:获取车辆周边环境信息,并根据所述车辆周边环境信息确定障碍物信息。
可以理解的是,本实施例的执行主体为无人驾驶车路径规划设备,所述无人驾驶车路径规划设备可以为车载电脑、计算机、电子控制单元等设备,还可以为安装于无人驾驶车辆上的移动设备,本实施例对此不加以限制。
需要说明的是,本实施例通过安装于无人驾驶车辆四周的摄像头以及传感器确定周边的障碍物信息,通过车辆目标识别技术识别车辆四周的车辆,并通过车道线识别技术识别车道线。障碍物信息至少包括障碍物位置信息以及相对速度信息。
步骤S20:根据所述障碍物信息确定目标速度范围以及目标旋转加速度范围。
可以理解的是,本实施例中根据障碍物信息确定一小段时间后无人驾驶车可能处于的目标速度范围以及目标旋转加速度范围。在具体实现中,可以根据障碍物的当前位置以及相对速度对预设时间后的障碍物位置进行预测,假设在一个时间片中车辆的加速度以及旋转加速度保持不变,根据无人驾驶车的当前位置、当前速度、当前旋转加速度以及障碍物位置对预设时间后的速度以及旋转加速度进行预测。
具体地,所述步骤S20,包括:根据当前位置信息以及所述障碍物信息确定当前障碍物距离;根据所述当前障碍物距离以及预设刹车加速度确定安全速度集合;根据所述当前障碍物距离以及预设刹车旋转加速度确定安全旋转加速度集合;根据预设动力加速度、当前速度以及预设时间间隔确定动力速度集合;根据预设动力旋转加速度、当前旋转加速度以及所述设时间间隔确定动力旋转加速度集合;根据所述安全速度集合以及所述动力速度集合确定第一交集,将所述第一交集作为目标速度范围;根据所述安全旋转加速度集合以及所述动力旋转加速度集合确定第二交集,将所述第二交集作为目标旋转加速度范围。
需要说明的是,本实施例中根据当前障碍物距离确定安全的速度,即无人驾驶车能够在与障碍物碰撞前能停止,预设存储区域中提前存储有预设刹车加速度以及预设刹车旋转加速度/>根据公式(1)确定无人驾驶车不与障碍物碰撞的安全速度集合以及安全旋转加速度集合,表征为Va:
其中,dist(v,w)为当前障碍物距离,v为安全速度,w为安全旋转加速度。
在具体实现中,考虑无人驾驶车的动力加速度,无人驾驶车只能达到车辆动力所支持的可到达的速度,预设存储区域中提前存储有预设动力加速度预设动力旋转加速度以及预设时间间隔t,获取当前速度以及当前旋转加速度(va,wa),根据公式(2)确定无人驾驶车动力所能达到的动力速度集合以及动力旋转加速度集合,表征为Vd:
需要说明的是,预设时间间隔t内无法达到速度集合Vd以外的速度。确定交集v′∈Va∩Vd,即无人驾驶车目标速度范围以及目标旋转加速度范围内的速度表征无人驾驶车不与障碍物碰撞且为动力可达到的速度。
步骤S30:根据当前位置信息、所述目标速度范围以及所述目标旋转加速度范围生成若干局部路径。
可以理解的是,基于目标速度范围以及目标旋转加速度范围选取若干个预设时间间隔内无人驾驶车的速度以及旋转加速度,根据速度以及旋转加速度对局部路径进行拟合,从而生成若干局部路径。
具体地,所述步骤S30,包括:按照预设选取策略从所述目标速度范围内选取若干目标速度,并从所述目标旋转加速度范围选取若干目标旋转加速度;基于所述若干目标速度以及所述若干目标旋转加速度生成若干预测组合,其中,所述预测组合包括一一对应的目标速度以及目标旋转加速度;根据所述当前位置信息以及所述若干预测组合对预设时间间隔内的行驶轨迹进行拟合,生成若干局部路径。
需要说明的是,预设选取策略可以为按照预设速度间隔从目标速度范围内选取若干目标速度,按照预设旋转加速度间隔从目标旋转加速度范围选取若干目标旋转加速度,例如,每隔1km/h选取一个作为目标速度,每隔0.5r/s 选取一个作为目标旋转加速度。将若干目标速度以及若干目标旋转加速度随机排列生成预测组合。
在具体实现中,根据公式(3)以及(4)确定局部路径:
其中,x(t)、y(t)、θ(t)分别表示无人驾驶车辆在世界坐标系下的x坐标、 y坐标以及车辆车前朝向角度,x(t0)以及x(tn)分别表示车辆在t0和tn时刻的x 坐标,v(t)则表示车辆的速度。
可以理解的是,假设有n个时间片,每个时间片表示为[ti,ti+1],根据公式 (5)确定时间片后无人驾驶车的x坐标:
需要说明的是,假设每个时间片中认为车辆的加速度vi以及旋转加速度wi保持不变,则将公式(5)简化为公式(6):
其中,表示为公式(7):
同样的,根据公式(8)确定y坐标:
其中,表示为公式(9):
可以理解的是,当目标旋转加速度wi=0时,拟合出的无人驾驶车局部路径为一条直线,当目标旋转加速度wi≠0时,拟合出的无人驾驶车局部路径为圆弧。
步骤S40:根据当前速度以及所述目标速度范围确定各局部路径对应的能量回收制动等级。
具体地,所述步骤S40,包括:根据当前速度以及所述目标速度范围确定各局部路径对应的制动加速度;根据所述制动加速度确定制动强度;根据所述制动强度确定各局部路径对应的能量回收制动等级。
需要说明的是,从目标速度范围内选择若干个预设时间间隔内无人驾驶车的速度,根据若干速度以及预设时间间隔确定制动加速度,根据公式(10) 确定制动强度:
其中,z为制动强度,v为速度,t为预设时间间隔,g为重力加速度。
可以理解的是,前后轮制动作用力根据公式(11)以及公式(12)确定:
其中,Fzf与Fzr分别表示前轮及后轮的制动作用力,z表示制动强度, G=Mg表示车重,g表示重力加速度,L表示前后轮轴距,a表示质心距前轴的距离,b表示质心距后轴的距离,hg为质心高度,表示加速度。
简化制动时车辆前后轴制动作用力,表示为公式(13):
其中,ΔFz表示车辆制动力,得出车辆制动力与制动强度z有关,制动强度越大,车辆制动力越大。
具体地,所述根据所述制动强度确定各局部路径对应的能量回收制动等级,包括:将所述制动强度与第一预设阈值以及第二预设阈值进行比对,得到比对结果;根据所述比对结果确定各局部路径对应的能量回收制动等级。
需要说明的是,在具体实现中,在制动强度小于第一预设阈值时,确定当前局部路径对应的能量回收制动等级为弱强度制动,此时采用前轴驱动电机实现制动,即当前强度制动均进行能量回收;在制动强度大于等于第一预设阈值,且小于第二预设阈值时,表明当前能量回收制动等级为中强度制动,此时前轴驱动电机已经不能实现完全制动,需结合后轴制动力共同制动,即当前强度制动只针对驱动电机制动部分进行能量回收;在制动强度大于等于第二预设阈值时,表明当前能量回收制动等级为高强度制动,此时认定无人驾驶车进入紧急制动状态,不考虑能量回收。
可以理解的是,以第一预设阈值为0.1,第二预设阈值为0.7为例进行说明,根据公式(14)确定各局部路径对应的能量回收制动等级Braking level:
步骤S50:根据所述能量回收制动等级确定各局部路径对应的代价函数值。
需要说明的是,有当z<0.1时,Braking level=weak,即当前无人驾驶车制动均进行能量回收,此时为奖励因子,对应的代价函数权重最高;有当 0.1≤z<0.7时,Brakinglevel=mid,当前无人驾驶车采用驱动电机与后轴制动力共同制动,只针对驱动电机制动部分进行能量回收,此时为正常因子,对应的代价函数权重较高;有当z≥0.7时,Brakinglevel=strong,当前无人驾驶车不考虑能量回收,此时为惩罚因子,对应的代价函数权重最低。
进一步地,所述步骤S50之前,所述方法还包括:获取目的地信息,并根据所述目的地信息生成全局参考路径;根据所述全局参考路径确定各局部路径分别对应的路径代价值;
所述步骤S50,包括:根据所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值。
可以理解的是,无人驾驶车已设定目的地,并根据目的地全局参考路径,本实施例中考虑局部路径与全局参考路径之间的相似度,在无人驾驶车局部路径与全局参考路径重合时,路径代价值最大。在具体实现中,根据公式(15) 确定各局部路径对应的代价函数值:
G(v′,w,z)=(α*heading(v′,w))*Braking level(z) (15)
其中,α为预设的权重值,Braking level(z)为能量回收制动等级对应的代价函数权重值,在具体实现中,可以设置weak=2,mid=1,strong=1/2。
步骤S60:根据所述各局部路径对应的代价函数值确定最优局部路径。
需要说明的是,从若干局部路径中选择代价函数值最大的局部路径作为最优局部路径。
本实施例通过获取车辆周边环境信息,并根据车辆周边环境信息确定障碍物信息;根据障碍物信息确定目标速度范围以及目标旋转加速度范围;根据当前位置信息、目标速度范围以及目标旋转加速度范围生成若干局部路径;根据当前速度以及目标速度范围确定各局部路径对应的能量回收制动等级;根据能量回收制动等级确定各局部路径对应的代价函数值;根据各局部路径对应的代价函数值确定最优局部路径。通过上述方式,基于障碍物信息预测速度以及旋转加速度,根据预测的速度以及旋转加速度确定多条局部路径,并根据预测的速度确定能量回收制动等级,根据能量回收等级从多条局部路径中选择最优规划路径,现有的无人驾驶车辆生成局部路径未考虑车辆能量回收,而本实施例保证车辆在沿着最优规划路径行驶时保持能量回收效率,提高了无人驾驶车辆能量回收效率。
参考图3,图3为本发明无人驾驶车路径规划方法第二实施例的流程示意图。
基于上述第一实施例,本实施例无人驾驶车路径规划方法在所述步骤S60 之前,还包括:
步骤S501:确定各局部路径分别对应的终点位置信息。
应当理解的是,在预设时间间隔内,车辆按照各局部路径对应的速度以及旋转加速度行驶时,对应的终点位置不同,具体地,根据当前位置、各局部路径对应的速度以及旋转加速度根据公式(6)和(8)确定预设时间间隔后车辆的终点x坐标及终点y坐标,从而确定各局部路径分别对应的终点位置信息。
步骤S502:根据所述终点位置信息以及所述障碍物信息确定障碍物距离代价值。
需要说明的是,根据障碍物与当前车辆的相对速度信息确定预设时间间隔后障碍物的位置信息,根据车辆的终点位置信息以及障碍物的位置信息确定障碍物距离代价值,具体地,为了保证无人驾驶车尽可能避开障碍物,车辆位置与障碍物位置越近,障碍物距离代价值越小,车辆位置与障碍物位置越远,障碍物距离代价值越大。
步骤S503:获取目的地信息,并根据所述目的地信息生成全局参考路径。
可以理解的是,目的地信息可以由乘客手动输入,也可以由无人驾驶车路径规划设备根据用户习惯自动获取,在获取到目的地信息时,基于导航软件生成当前位置至目的地位置的全局参考路径。
步骤S504:根据所述全局参考路径确定各局部路径分别对应的路径代价值。
需要说明的是,路径代价值表征局部路径与全局参考路径之间的相似度,在无人驾驶车局部路径与全局参考路径重合时,路径代价值最大。
所述步骤S50,包括:
步骤S505:根据所述障碍物距离代价值、所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值。
需要说明的是,具体地,根据公式(16)对应的代价函数确定各局部路径对应的代价函数值:
G(v′,w,z)=(α*heading(v′,w)+β*dist(v′,w))*Braking level(z) (16)
其中,heading表示无人驾驶车与目标位置的路径代价值,dist表示无人驾驶车与障碍物之间的障碍物距离代价值,Braking level表示奖励因子、正常因子或惩罚因子,设置weak=2,mid=1,strong=1/2,评价函数heading以及dist两个部分都被正则化到[0,1]上,在具体实现中,设置α=2,β=0.2。本实施例在尽可能贴合全局路径规划以及避免与障碍物相交的前提下,引入奖励、惩罚因子对局部路径规划的能量回收强度进行评估,得到最优局部路径规划实现能量回收最大化。
本实施例获取车辆周边环境信息,并根据车辆周边环境信息确定障碍物信息;根据障碍物信息确定目标速度范围以及目标旋转加速度范围;根据当前位置信息、目标速度范围以及目标旋转加速度范围生成若干局部路径;根据当前速度以及目标速度范围确定各局部路径对应的能量回收制动等级;获取目的地信息,并根据目的地信息生成全局参考路径;根据全局参考路径确定各局部路径分别对应的路径代价值;确定各局部路径分别对应的终点位置信息;根据终点位置信息以及障碍物信息确定障碍物距离代价值;根据障碍物距离代价值、路径代价值以及能量回收制动等级确定各局部路径对应的代价函数值;根据各局部路径对应的代价函数值确定最优局部路径。通过上述方式,基于障碍物信息预测速度以及旋转加速度,根据预测的速度以及旋转加速度确定多条局部路径,并根据预测的速度确定能量回收制动等级,根据能量回收等级、与全局参考路径之间的代价值以及与障碍物之间的距离值从多条局部路径中选择最优规划路径,保证车辆以符合全局参考路径、与障碍物距离远以及高效率能量回收效率的局部路径进行行驶,提高了无人驾驶车辆能量回收效率。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有无人驾驶车路径规划程序,所述无人驾驶车路径规划程序被处理器执行时实现如上文所述的无人驾驶车路径规划方法。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
参照图4,图4为本发明无人驾驶车路径规划装置第一实施例的结构框图。
如图4所示,本发明实施例提出的无人驾驶车路径规划装置包括:
获取模块10,用于获取车辆周边环境信息,并根据所述车辆周边环境信息确定障碍物信息。
确定模块20,用于根据所述障碍物信息确定目标速度范围以及目标旋转加速度范围。
生成模块30,用于根据当前位置信息、所述目标速度范围以及所述目标旋转加速度范围生成若干局部路径。
所述确定模块20,还用于根据当前速度以及所述目标速度范围确定各局部路径对应的能量回收制动等级。
所述确定模块20,还用于根据所述能量回收制动等级确定各局部路径对应的代价函数值。
所述确定模块20,还用于根据所述各局部路径对应的代价函数值确定最优局部路径。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通过获取车辆周边环境信息,并根据车辆周边环境信息确定障碍物信息;根据障碍物信息确定目标速度范围以及目标旋转加速度范围;根据当前位置信息、目标速度范围以及目标旋转加速度范围生成若干局部路径;根据当前速度以及目标速度范围确定各局部路径对应的能量回收制动等级;根据能量回收制动等级确定各局部路径对应的代价函数值;根据各局部路径对应的代价函数值确定最优局部路径。通过上述方式,基于障碍物信息预测速度以及旋转加速度,根据预测的速度以及旋转加速度确定多条局部路径,并根据预测的速度确定能量回收制动等级,根据能量回收等级从多条局部路径中选择最优规划路径,现有的无人驾驶车辆生成局部路径未考虑车辆能量回收,而本实施例保证车辆在沿着最优规划路径行驶时保持能量回收效率,提高了无人驾驶车辆能量回收效率。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的无人驾驶车路径规划方法,此处不再赘述。
在一实施例中,所述确定模块20,还用于获取目的地信息,并根据所述目的地信息生成全局参考路径;根据所述全局参考路径确定各局部路径分别对应的路径代价值;根据所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值。
在一实施例中,所述确定模块20,还用于确定各局部路径分别对应的终点位置信息;根据所述终点位置信息以及所述障碍物信息确定障碍物距离代价值;根据所述障碍物距离代价值、所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值。
在一实施例中,所生成模块30,还用于按照预设选取策略从所述目标速度范围内选取若干目标速度,并从所述目标旋转加速度范围选取若干目标旋转加速度;基于所述若干目标速度以及所述若干目标旋转加速度生成若干预测组合,其中,所述预测组合包括一一对应的目标速度以及目标旋转加速度;根据所述当前位置信息以及所述若干预测组合对预设时间间隔内的行驶轨迹进行拟合,生成若干局部路径。
在一实施例中,所述确定模块20,还用于根据当前速度以及所述目标速度范围确定各局部路径对应的制动加速度;根据所述制动加速度确定制动强度;根据所述制动强度确定各局部路径对应的能量回收制动等级。
在一实施例中,所述确定模块20,还用于将所述制动强度与第一预设阈值以及第二预设阈值进行比对,得到比对结果;根据所述比对结果确定各局部路径对应的能量回收制动等级。
在一实施例中,所述确定模块20,还用于根据当前位置信息以及所述障碍物信息确定当前障碍物距离;根据所述当前障碍物距离以及预设刹车加速度确定安全速度集合;根据所述当前障碍物距离以及预设刹车旋转加速度确定安全旋转加速度集合;根据预设动力加速度、当前速度以及预设时间间隔确定动力速度集合;根据预设动力旋转加速度、当前旋转加速度以及所述设时间间隔确定动力旋转加速度集合;根据所述安全速度集合以及所述动力速度集合确定第一交集,将所述第一交集作为目标速度范围;根据所述安全旋转加速度集合以及所述动力旋转加速度集合确定第二交集,将所述第二交集作为目标旋转加速度范围。
此外,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种无人驾驶车路径规划方法,其特征在于,所述无人驾驶车路径规划方法包括:
获取车辆周边环境信息,并根据所述车辆周边环境信息确定障碍物信息;
根据所述障碍物信息确定目标速度范围以及目标旋转加速度范围;
根据当前位置信息、所述目标速度范围以及所述目标旋转加速度范围生成若干局部路径;
根据当前速度以及所述目标速度范围确定各局部路径对应的能量回收制动等级;
根据所述能量回收制动等级确定各局部路径对应的代价函数值;
根据所述各局部路径对应的代价函数值确定最优局部路径;
其中,所述根据所述障碍物信息确定目标速度范围以及目标旋转加速度范围,包括:
根据当前位置信息以及所述障碍物信息确定当前障碍物距离;
根据所述当前障碍物距离以及预设刹车加速度确定安全速度集合;
根据所述当前障碍物距离以及预设刹车旋转加速度确定安全旋转加速度集合;
根据预设动力加速度、当前速度以及预设时间间隔确定动力速度集合;
根据预设动力旋转加速度、当前旋转加速度以及所述设时间间隔确定动力旋转加速度集合;
根据所述安全速度集合以及所述动力速度集合确定第一交集,将所述第一交集作为目标速度范围;
根据所述安全旋转加速度集合以及所述动力旋转加速度集合确定第二交集,将所述第二交集作为目标旋转加速度范围。
2.如权利要求1所述的无人驾驶车路径规划方法,其特征在于,所述根据所述能量回收制动等级确定各局部路径对应的代价函数值之前,所述方法还包括:
获取目的地信息,并根据所述目的地信息生成全局参考路径;
根据所述全局参考路径确定各局部路径分别对应的路径代价值;
所述根据所述能量回收制动等级确定各局部路径对应的代价函数值,包括:
根据所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值。
3.如权利要求2所述的无人驾驶车路径规划方法,其特征在于,所述根据所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值之前,所述方法还包括:
确定各局部路径分别对应的终点位置信息;
根据所述终点位置信息以及所述障碍物信息确定障碍物距离代价值;
所述根据所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值,包括:
根据所述障碍物距离代价值、所述路径代价值以及所述能量回收制动等级确定各局部路径对应的代价函数值。
4.如权利要求1所述的无人驾驶车路径规划方法,其特征在于,所述根据当前位置信息、所述目标速度范围以及所述目标旋转加速度范围生成若干局部路径,包括:
按照预设选取策略从所述目标速度范围内选取若干目标速度,并从所述目标旋转加速度范围选取若干目标旋转加速度;
基于所述若干目标速度以及所述若干目标旋转加速度生成若干预测组合,其中,所述预测组合包括一一对应的目标速度以及目标旋转加速度;
根据所述当前位置信息以及所述若干预测组合对预设时间间隔内的行驶轨迹进行拟合,生成若干局部路径。
5.如权利要求1所述的无人驾驶车路径规划方法,其特征在于,所述根据当前速度以及所述目标速度范围确定各局部路径对应的能量回收制动等级,包括:
根据当前速度以及所述目标速度范围确定各局部路径对应的制动加速度;
根据所述制动加速度确定制动强度;
根据所述制动强度确定各局部路径对应的能量回收制动等级。
6.如权利要求5所述的无人驾驶车路径规划方法,其特征在于,所述根据所述制动强度确定各局部路径对应的能量回收制动等级,包括:
将所述制动强度与第一预设阈值以及第二预设阈值进行比对,得到比对结果;
根据所述比对结果确定各局部路径对应的能量回收制动等级。
7.一种无人驾驶车路径规划装置,其特征在于,所述无人驾驶车路径规划装置包括:
获取模块,用于获取车辆周边环境信息,并根据所述车辆周边环境信息确定障碍物信息;
确定模块,用于根据所述障碍物信息确定目标速度范围以及目标旋转加速度范围;
生成模块,用于根据当前位置信息、所述目标速度范围以及所述目标旋转加速度范围生成若干局部路径;
所述确定模块,还用于根据当前速度以及所述目标速度范围确定各局部路径对应的能量回收制动等级;
所述确定模块,还用于根据所述能量回收制动等级确定各局部路径对应的代价函数值;
所述确定模块,还用于根据所述各局部路径对应的代价函数值确定最优局部路径;
所述确定模块,还用于根据当前位置信息以及所述障碍物信息确定当前障碍物距离;
根据所述当前障碍物距离以及预设刹车加速度确定安全速度集合;
根据所述当前障碍物距离以及预设刹车旋转加速度确定安全旋转加速度集合;
根据预设动力加速度、当前速度以及预设时间间隔确定动力速度集合;
根据预设动力旋转加速度、当前旋转加速度以及所述设时间间隔确定动力旋转加速度集合;
根据所述安全速度集合以及所述动力速度集合确定第一交集,将所述第一交集作为目标速度范围;
根据所述安全旋转加速度集合以及所述动力旋转加速度集合确定第二交集,将所述第二交集作为目标旋转加速度范围。
8.一种无人驾驶车路径规划设备,其特征在于,所述设备包括: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无人驾驶车路径规划程序,所述无人驾驶车路径规划程序配置为实现如权利要求1至6中任一项所述的无人驾驶车路径规划方法。
9.一种存储介质,其特征在于,所述存储介质上存储有无人驾驶车路径规划程序,所述无人驾驶车路径规划程序被处理器执行时实现如权利要求1至6任一项所述的无人驾驶车路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017480.9A CN113625724B (zh) | 2021-08-31 | 2021-08-31 | 无人驾驶车路径规划方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017480.9A CN113625724B (zh) | 2021-08-31 | 2021-08-31 | 无人驾驶车路径规划方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113625724A CN113625724A (zh) | 2021-11-09 |
CN113625724B true CN113625724B (zh) | 2023-07-21 |
Family
ID=78388644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017480.9A Active CN113625724B (zh) | 2021-08-31 | 2021-08-31 | 无人驾驶车路径规划方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113625724B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1990002985A1 (de) * | 1988-09-09 | 1990-03-22 | Eckhard Freund | Verfahren und vorrichtung zur automatischen kollisionsvermeidung für automatisch führbare fahrzeuge |
DE102011088478A1 (de) * | 2011-12-14 | 2013-06-20 | Robert Bosch Gmbh | Verfahren zur Rekuperation von Bremsenergie |
WO2016156013A1 (de) * | 2015-03-27 | 2016-10-06 | Robert Bosch Gmbh | VERFAHREN UND VORRICHTUNG ZUR REGELUNG EINER DIE FAHRZEUGLÄNGSDYNAMIK EINES SICH IN EINEM UNTERSTEUERZUSTANDES BEFINDENDEN KRAFTFAHRZEUGS BESCHREIBENDEN GRÖßE WÄHREND EINER KURVENFAHRT |
CN111032468A (zh) * | 2017-08-30 | 2020-04-17 | 马自达汽车株式会社 | 车辆控制装置 |
CN111857112A (zh) * | 2019-04-12 | 2020-10-30 | 广州汽车集团股份有限公司 | 一种汽车局部路径规划方法及电子设备 |
CN111998864A (zh) * | 2020-08-11 | 2020-11-27 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
CN112092797A (zh) * | 2020-09-23 | 2020-12-18 | 中国第一汽车股份有限公司 | 一种基于多维度的换挡控制方法、装置、车辆及介质 |
CN112141090A (zh) * | 2020-06-24 | 2020-12-29 | 上汽通用五菱汽车股份有限公司 | 自动泊车路径规划方法、系统及计算机存储介质 |
CN113291307A (zh) * | 2021-05-26 | 2021-08-24 | 东风柳州汽车有限公司 | 汽车动力控制方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2539676B (en) * | 2015-06-23 | 2020-11-25 | Bentley Motors Ltd | A method of controlling speed of a vehicle |
TWI674984B (zh) * | 2018-11-15 | 2019-10-21 | 財團法人車輛研究測試中心 | 自動駕駛車輛之行駛軌跡規劃系統及方法 |
JP2020111300A (ja) * | 2019-01-17 | 2020-07-27 | マツダ株式会社 | 車両運転支援システム及び方法 |
CN111775961B (zh) * | 2020-06-29 | 2022-01-04 | 阿波罗智能技术(北京)有限公司 | 自动驾驶车辆规划方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-31 CN CN202111017480.9A patent/CN113625724B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1990002985A1 (de) * | 1988-09-09 | 1990-03-22 | Eckhard Freund | Verfahren und vorrichtung zur automatischen kollisionsvermeidung für automatisch führbare fahrzeuge |
DE102011088478A1 (de) * | 2011-12-14 | 2013-06-20 | Robert Bosch Gmbh | Verfahren zur Rekuperation von Bremsenergie |
WO2016156013A1 (de) * | 2015-03-27 | 2016-10-06 | Robert Bosch Gmbh | VERFAHREN UND VORRICHTUNG ZUR REGELUNG EINER DIE FAHRZEUGLÄNGSDYNAMIK EINES SICH IN EINEM UNTERSTEUERZUSTANDES BEFINDENDEN KRAFTFAHRZEUGS BESCHREIBENDEN GRÖßE WÄHREND EINER KURVENFAHRT |
CN111032468A (zh) * | 2017-08-30 | 2020-04-17 | 马自达汽车株式会社 | 车辆控制装置 |
CN111857112A (zh) * | 2019-04-12 | 2020-10-30 | 广州汽车集团股份有限公司 | 一种汽车局部路径规划方法及电子设备 |
CN112141090A (zh) * | 2020-06-24 | 2020-12-29 | 上汽通用五菱汽车股份有限公司 | 自动泊车路径规划方法、系统及计算机存储介质 |
CN111998864A (zh) * | 2020-08-11 | 2020-11-27 | 东风柳州汽车有限公司 | 无人车局部路径规划方法、装置、设备及存储介质 |
CN112092797A (zh) * | 2020-09-23 | 2020-12-18 | 中国第一汽车股份有限公司 | 一种基于多维度的换挡控制方法、装置、车辆及介质 |
CN113291307A (zh) * | 2021-05-26 | 2021-08-24 | 东风柳州汽车有限公司 | 汽车动力控制方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
无人驾驶汽车避障方法略谈;黄迅;;黑龙江科技信息(第11期);30 * |
欠驱动USV实时自主避障路径规划算法;董蛟;刘忠;张建强;李泽方;伊戈;;电光与控制(第05期);14-17+55 * |
Also Published As
Publication number | Publication date |
---|---|
CN113625724A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019205817B2 (en) | Software validation for autonomous vehicles | |
EP4261092A1 (en) | Control method, related device, and computer-readable storage medium | |
US10507813B2 (en) | Method and system for automated vehicle emergency light control of an autonomous driving vehicle | |
CN104736409B (zh) | 用于促使驾驶风格统一的方法和系统 | |
JP4416020B2 (ja) | 走行計画生成装置 | |
US10183641B2 (en) | Collision prediction and forward airbag deployment system for autonomous driving vehicles | |
JP2019537530A (ja) | 自律走行車の停車位置のプランニング | |
CN109760678A (zh) | 一种汽车自适应巡航系统的限速方法 | |
CN110473310A (zh) | 汽车行驶数据记录方法、系统、设备及存储介质 | |
JP2020515446A (ja) | 衝突後の分析に基づく自動運転車の車両動作の最適化 | |
CN110435542A (zh) | 汽车开门的安全预警方法、系统、设备及存储介质 | |
JP7487178B2 (ja) | 情報処理方法、プログラム、及び、情報処理装置 | |
WO2022065045A1 (ja) | 自動運転装置 | |
CN113246980A (zh) | 车速规划方法、装置、车辆和存储介质 | |
DE112018004773B4 (de) | Informationsverarbeitungseinrichtung, informationsverarbeitungsverfahren, programm und fahrzeug | |
JP2021030956A (ja) | 運転支援装置 | |
CN114115216B (zh) | 车辆编队控制方法、装置、设备及存储介质 | |
KR20220131497A (ko) | 차량 감속 계획을 생성하는 시스템 및 차량 비일시적 컴퓨터 판독 가능 저장 매체 | |
CN113625724B (zh) | 无人驾驶车路径规划方法、装置、设备及存储介质 | |
CN111572561B (zh) | 自动驾驶汽车的车速控制方法、装置、设备及存储介质 | |
CN117172888A (zh) | 骑行风险检测方法、装置、设备及存储介质 | |
US20200247409A1 (en) | Adaptive cruise control | |
CN113002530B (zh) | 基于不平路面的自动泊车方法、装置、设备及存储介质 | |
CN114043905A (zh) | 车辆座椅分级旋转方法、装置、设备及存储介质 | |
CN112455404A (zh) | 车辆制动控制的方法、设备、存储介质及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |