CN113759888A - 一种指引线平滑方法、装置、设备和存储介质 - Google Patents
一种指引线平滑方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113759888A CN113759888A CN202010515072.5A CN202010515072A CN113759888A CN 113759888 A CN113759888 A CN 113759888A CN 202010515072 A CN202010515072 A CN 202010515072A CN 113759888 A CN113759888 A CN 113759888A
- Authority
- CN
- China
- Prior art keywords
- line
- determining
- characteristic
- smoothed
- guiding line
- 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.)
- Granted
Links
- 238000009499 grossing Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 123
- 230000006870 function Effects 0.000 claims description 41
- 230000008859 change Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor 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, 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
- G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开了一种指引线平滑方法、装置、设备和存储介质,该方法包括:确定目标车辆对应的待平滑的第一指引线;获取预先构建的预设非线性优化模型,其中,预设非线性优化模型是以最小化车轮偏转角变化量为目标的优化模型;根据预设非线性优化模型,对所第一指引线进行平滑,确定出目标车辆对应的第二指引线。通过本发明实施例的技术方案,可以保证指引线的平滑性,进而保证用户乘坐舒适度。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种指引线平滑方法、装置、设备和存储介质。
背景技术
随着计算机技术的快速发展,车辆可以在道路中实现无人自动驾驶。在无人自动驾驶场景中,车辆需要沿着指引线进行自动行驶,从而指引线的平滑程度会直接影响车辆的横向控制稳定性,进而影响用户乘坐舒适度。
现有技术中,为了计算便捷,往往通过最小化行驶时间的方式对指引线进行平滑。
然而,在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
通过最小化行驶时间的方式获得的指引线的平滑性并不一定是最好的,使得最小化行驶时间并不能充分保证指引线的平滑性,进行无法保证用户乘坐舒适度。
发明内容
本发明实施例提供了一种指引线平滑方法、装置、设备和存储介质,以保证指引线的平滑性,进而保证用户乘坐舒适度。
第一方面,本发明实施例提供了一种指引线平滑方法,包括:
确定目标车辆对应的待平滑的第一指引线;
获取预先构建的预设非线性优化模型,其中,所述预设非线性优化模型是以最小化车轮偏转角变化量为目标的优化模型;
根据所述预设非线性优化模型,对所第一指引线进行平滑,确定出所述目标车辆对应的第二指引线。
第二方面,本发明实施例还提供了一种指引线平滑装置,包括:
第一指引线确定模块,用于确定目标车辆对应的待平滑的第一指引线;
预设非线性优化模型获取模块,用于获取预先构建的预设非线性优化模型,其中,所述预设非线性优化模型是以最小化车轮偏转角变化量为目标的优化模型;
第一指引线平滑模块,用于根据所述预设非线性优化模型,对所第一指引线进行平滑,确定出所述目标车辆对应的第二指引线。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所提供的指引线平滑方法。
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任意实施例所提供的指引线平滑方法。
上述发明中的实施例具有如下优点或有益效果:
通过预先构建出以最小化车轮偏转角变化量为目标的预设非线性优化模型,其中,车轮偏转角变化量可以从本质上反映出车辆沿着指引线行驶时的指引线平滑程度,即车轮偏转角变化量越小,指引线越平滑,从而可以基于预设非线性优化模型,对目标车辆对应的待平滑的第一指引线进行平滑,获得车轮偏转角变化量最小的指引线,即获得平滑性最好的指引线,从而充分保证了指引线的平滑性,进而保证了用户乘坐舒适度。
附图说明
图1是本发明实施例一提供的一种指引线平滑方法的流程图;
图2是本发明实施例一所涉及的一种待平滑指引线的示例;
图3是本发明实施例一所涉及的一种二自由度车辆运动学模型的示例;
图4是本发明实施例二提供的一种路径特征约束条件构建方法的流程图;
图5是本发明实施例二所涉及的一种纵向特征线段的示例;
图6是本发明实施例二所涉及的一种横向特征线段的示例;
图7是本发明实施例三提供的一种指引线平滑装置的结构示意图;
图8是本发明实施例四提供的一种设备的结构示意图。
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。
实施例一
图1为本发明实施例一提供的一种指引线平滑方法的流程图,本实施例可适用于对自动驾驶车辆行驶时所依据的指引线进行平滑的情况。该方法可以由指引线平滑装置来执行,该装置可以由软件和/或硬件的方式来实现,集成于具有自动驾驶功能的设备中,比如任意类型的车辆。如图1所示,该方法具体包括以下步骤:
S110、确定目标车辆对应的待平滑的第一指引线。
其中,目标车辆可以是指任意一种类型的自动驾驶车辆。指引线可以是用于指引车辆自动行驶时的行驶位置和行驶方向,以便通过沿着指引线行驶,实现自动驾驶的功能。指引线可以用于表征车辆在道路中自动行驶时所依据的行驶路径。第一指引线可以是指在目标车辆行驶前所计划出的,需要进行路径平滑的指引线。
具体地,在高精地图中,可以通过给定一个初始位置和终止位置进行路径计划,获得从初始位置出发,到达终止位置的行驶路径,即第一指引线,以便目标车辆可以沿着第一指引线进行自动行驶。由于指引线的平滑程度会直接影响车辆的横向控制稳定性,从而需要对高精地图输出的第一指引线进行平滑,以保证车辆的横向控制稳定性,进而保证用户乘坐舒适度。
S120、获取预先构建的预设非线性优化模型,其中,预设非线性优化模型是以最小化车轮偏转角变化量为目标的优化模型。
其中,预设非线性优化模型可以是预先构建出的,通过优化的方式对目标优化函数进行优化,从而获得平滑性最好的指引线的优化模型。预设非线性优化模型可以作为一种最优控制模型,以便可以利用最优控制(Computational Optimal Control)方式或者数值最优控制(Numerical Optimal Control)方式进行模型求解。其中,车轮偏转角变化量可以从本质上反映出车辆沿着指引线行驶时的指引线平滑程度,即车轮偏转角变化量越小,指引线越平滑。
具体地,可以预先基于待平滑指引线对应的指引线信息,构建出以最小化车轮偏转角变化量为目标的预设非线性优化模型,以便通过最小化车轮偏转角变化量的方式,对待平滑指引线进行平滑,获得车轮偏转角变化量最小的指引线,从而可以获得平滑性最好的指引线。
S130、根据预设非线性优化模型,对所第一指引线进行平滑,确定出目标车辆对应的第二指引线。
其中,第二指引线可以是平滑后获得的,平滑性最好的指引线。
具体地,可以通过预先构建出的预设非线性优化模型,对待平滑的第一指引线进行平滑,从而可以获得平滑性最好的第二指引线,充分保证了指引线的平滑性,进而保证了用户乘坐舒适度。
示例性地,S130可以包括:将第一指引线作为预设非线性优化模型中的待平滑指引线,对预设非线性优化模型进行更新;对更新后的预设非线性优化模型进行求解,确定出目标车辆对应的第二指引线。
具体地,可以将第一指引线对应的指引线信息,替代预设非线性优化模型中的待平滑指引线对应的指引线信息,从而对预设非线性优化模型进行更新,获得可以用于平滑第一指引线的预设非线性优化模型,并可以通过利用内点算法(Interior Point Method,IPM)对预设非线性优化模型进行求解,获得车轮偏转角变化量最小的第二指引线,即平滑性最好的第二指引线。例如,可以将第一指引线对应的指引线信息作为初始解,对预设非线性优化模型进行求解,即在满足约束条件的情况下,对目标优化函数进行最小化,从而可以获得最优解,即车轮偏转角变化量最小的第二指引线,即平滑性最好的第二指引线,进而可以充分保证指引线的平滑性。
本实施例的技术方案,通过预先构建出以最小化车轮偏转角变化量为目标的预设非线性优化模型,其中,车轮偏转角变化量可以从本质上反映出车辆沿着指引线行驶时的指引线平滑程度,即车轮偏转角变化量越小,指引线越平滑,从而可以基于预设非线性优化模型,对目标车辆对应的待平滑的第一指引线进行平滑,获得车轮偏转角变化量最小的指引线,即获得平滑性最好的指引线,从而充分保证了指引线的平滑性,进而保证了用户乘坐舒适度。
在上述方案的技术上,预设非线性优化模型可以包括:目标优化函数和行驶约束条件;其中,目标优化函数是基于车轮偏转角变化量确定的;行驶约束条件包括:路径特征约束条件、运动学约束条件和边界约束条件。
其中,目标优化函数可以是指以最小化车轮偏转角变化量为目标的优化目标函数,以便用于获得车轮偏转角变化量最小的第二指引线。行驶约束条件可以是指车辆行驶时所受到的约束条件。路径特征约束条件可以是用于限定车辆行驶时所允许的路径偏移量的范围,以便保证行驶路径的合理性。运动学约束条件可以是指车辆在行驶过程中所受到的运动能力限制。边界约束条件可以是用于限定车辆行驶参数的边界值。
具体地,在对预设非线性优化模型进行求解时,可以通过在满足行驶约束条件的情况下,对目标优化函数进行最小化,获得车轮偏转角变化量最小的指引线,即平滑性最好的指引线。
示例性地,可以通过对待平滑指引线进行插值处理,获得待平滑指引线中的各个特征点,此时待平滑指引线可以是由各个特征点对应的第一行驶位置组成的离散路径。例如,图2给出了一种待平滑指引线的示例。如图2所示,可以对待平滑指引线进行均匀地插值处理,使得相邻两个特征点之间的距离相等。图2中的待平滑指引线包括9个特征点,其是由相邻两个特征点对应的两个第一行驶位置进行连线所获得的一个待平滑的离散路径。
示例性地,预设非线性优化模型中的优化变量可以包括:行驶总时间、待平滑指引线中的每个特征点对应的第二行驶位置、每个特征点对应的车轮偏转角、每个特征点对应的车辆姿态角和每个特征点对应的行驶速度;其中,车轮偏转角和车辆姿态角是基于二自由度车辆运行学模型确定的。
具体地,可以采用二自由度模型描述车辆运动。图3给出了一种二自由度车辆运动学模型的示例。如图3所示,二自由度模型可以将车辆的两只前轮及两只后轮分别向车体纵轴方向合并为虚拟单轮。图3中,在笛卡尔坐标系XOY(即直角坐标系)下,可以将目标车辆的后轮轴中点坐标作为目标车辆的行驶位置,即表示待平滑指引线中的第i个特征点对应的第二行驶位置。可以将车辆的前轮偏转角作为车轮偏转角,即φi表示第i个特征点对应的车轮偏转角,以左转方向为正方向。θi代表车辆在XOY坐标系中的第i个特征点对应的车辆姿态角,即从坐标系X轴正方向到车体纵轴正方向的旋转角度,以逆时针转向为正方向。车辆姿态角θi可以用于表征车辆朝向。vi表示沿车体纵轴方向的,第i个特征点对应的行驶速度。
示例性地,在预设非线性优化模型中,每相邻两个特征点之间的时间间隔可以均相等,其可以基于特征点数量n和行驶总时间T进行确定。例如,时间间隔例如,预设非线性优化模型中的优化变量可以记作X,即X=[T,x1…xn,y1…yn,θ1…θn,φ1…φn,v1…vn]。
示例性地,基于车轮偏转角变化量确定目标优化函数,可以包括:根据每个特征点对应的车轮偏转角,确定出相邻两个特征点对应的车轮偏转角变化量;根据各车轮偏转角变化量,确定出目标优化函数。
具体地,可以将每相邻两个特征点对应的车轮偏转角进行相减,获得的结果确定为相邻两个特征点对应的车轮偏转角变化量,并将各个车轮偏转角变化量进行相加,获得的结果确定为目标优化函数。例如,目标优化函数minf(X)可以为:
示例性地,可以基于同一特征点对应的第一行驶位置与第二行驶位置之间的距离设置路径约束条件,例如,路径约束条件可以为:
示例性地,运动学约束条件可以为:
其中,表示第i+1个特征点对应的第二行驶位置;dt是相邻两个特征点之间的时间间隔;θi是第i个特征点对应的车辆姿态角;θi+1是第i+1个特征点对应的车辆姿态角;vi是第i个特征点对应的行驶速度;φi是第i个特征点对应的车轮偏转角;Lw是车辆的前后轮轴距,如图3所示。
示例性地,边界约束条件可以为:
vlower_bound<vi<vupper_bound (6)
φlower_bound<φi<φupper_bound (7)
其中,vlower_bound和vupper_bound分别是指行驶速度的下限值和上限值;φlower_bound和φupper_bound分别是指车轮偏转角的下限值和上限值。
示例性地,预设非线性优化模型可以完整地表示为:
最小化:目标优化函数(1)
s.t.路径特征约束条件(2)
运动学约束条件(3)-(5)
边界约束条件(6)-(7)
具体地,通过求解上述预设非线性优化模型,可以在满足全部约束条件的前提下,使得目标优化函数取值最小,从而可以获得平滑程度最好的指引线,保证了指引性的平滑性,提高了用户乘坐舒适性。
实施例二
图4为本发明实施例二提供的一种路径特征约束条件构建方法的流程图。本实施例在上述各实施例的基础上,对预设非线性优化模型中的路径特征约束条件的构建方式进行了详细描述。其中与上述各实施例相同或相应的术语的解释在此不再赘述。
参见图4,本实施例提供的路径特征约束条件构建方法具体包括以下步骤:
S210、基于间隔点连线方式,根据待平滑指引线中的每个特征点对应的第一行驶位置,确定每个特征点对应的纵向特征线段,其中,纵向是指车辆行驶方向。
其中,纵向特征线段可以是在车辆行驶方向上所连接的特征线段,用于描述路径的纵向局部特征。
具体地,可以通过采用对待平滑指引线中的每个特征点对应的第一行驶位置进行连线,确定出每个特征点对应的纵向特征线段。相比于利用相邻点连线方式,间隔点连线方式可以考虑到前后特征点的位置关系,并且相邻的纵向特征线段之间具有一定的重合部分,可以更加精确地描述出路径的局部特征。
示例性地,S210可以包括:将待平滑指引线中的与当前特征点相邻的两个特征点所对应的两个第一行驶位置进行连线,获得的线段确定为当前特征点对应的纵向特征线段。
其中,当前特征点可以是指待平滑指引线中的任一特征点,每个特征点对应的纵向特征线段均可以参照确定当前特征点对应的纵向特征线段的方式进行确定。
具体地,图5给出了一种纵向特征线段的示例。如图5所示,可以将当前特征点相邻的两个特征点所对应的两个第一行驶位置进行连线,获得的线段确定为当前特征点对应的纵向特征线段。例如,当前特征点为特征点2,则可以将特征点1对应的第一行驶位置和特征点3对应的第一行驶位置进行连线,获得的线段可以确定为特征点2对应的纵向特征线段。
需要说明的是,待平滑指引线中的第一个特征点和最后一个特征点均不存在相邻的两个特征点,从而可以无需第一个特征点和最后一个特征点对应的纵向特征线段,或者直接确定第一个特征点和最后一个特征点对应的纵向特征线段为自身特征点。
S220、根据各纵向特征线段和预设偏离量阈值,确定每个特征点对应的横向特征线段。
其中,预设偏离量阈值可以是指偏离纵向特征线的最大距离,其可以基于道路宽度进行确定。横向可以是指与车辆行驶方向垂直的方向。横向特征线段可以是在与车辆行驶方向垂直的方向上的特征线段,用于描述路径的横向局部特征。
示例性地,S220可以包括:确定当前特征点对应的纵向特征线段的中垂线;在中垂线中,选取长度为预设偏离量阈值的线段,作为当前特征点对应的横向特征线段。
其中,当前特征点可以是指待平滑指引线中的任一特征点,每个特征点对应的横向特征线段均可以参照确定当前特征点对应的横向特征线段的方式进行确定。
具体地,图6给出了一种横向特征线段的示例。如图6所示,可以对当前特征点对应的纵向特征线段进行垂直平分,获得垂直平分线,即中垂线,并在中垂线上,以垂足为线段中点,选取长度为预设偏离量阈值的线段,将该线段确定为当前特征点对应的横向特征线段。例如,当前特征点为特征点2,则可以在利用特征点1与特征点3所确定的纵向特征线段的中垂线上确定出长度为预设偏离量阈值的线段,作为特征点2对应的横向特征线段。
需要说明的是,对于第一个特征点和最后一个特征点,可以在与车辆行驶方向垂直的方向上,以第一个特征点对应的第一行驶位置为中点,选取长度为预设偏离量阈值的线段,作为第一个特征点对应的横向特征线段。同理,确定出最后一个特征点对应的横向特征线段。
S230、根据每个特征点对应的第二行驶位置到相应的纵向特征线段的第一垂线距离,以及每个特征点对应的第二行驶位置到相应的纵向特征线段的第二垂线距离,确定路径特征约束条件。
具体地,对于纵向特征线段而言,可以基于其对应的两个特征点对应的第一行驶位置,确定出纵向特征线段对应的线段表示方程,并基于该方程可以确定出第二行驶位置到相应的纵向特征线段的第一垂线距离。例如,第i个特征点对应的第二行驶位置到相应的纵向特征线段的第一垂线距离可以表示为:
对于纵向特征线段而言,可以基于特征点对应的纵向特征线段的线段表示方程,确定出该特征点对应的横向特征线段的线段表示方程,并基于该方程可以确定出该特征点对应的第二行驶位置到相应的横向特征线段的第二垂线距离。例如,第i个特征点对应的第二行驶位置到相应的横向特征线段的第二垂线距离可以表示为:
示例性地,路径特征约束条件可以为:
具体地,可以用于限定第二行驶位置与相应的纵向特征线段的第一垂线距离不能超过预设偏离量阈值,并且第二行驶位置与相应的纵向特征线段的第二垂线距离为零,即第二行驶位置位于相应的纵向特征线段上。
本实施例的技术方案,通过利用间隔点连线方式,可以考虑到前后特征点的位置关系,并且相邻的纵向特征线段之间具有一定的重合部分,可以更加精确地描述出路径的局部特征,使得路径特征约束条件更加准确合理,提高了指引线平滑的准确性。
在上述技术方案的基础上,基于车轮偏转角变化量确定目标优化函数,可以包括:基于车轮偏转角变化量和偏离待平滑指引线的偏离量,确定目标优化函数。
其中,偏离量可以用于衡量平滑后的指引线偏离待平滑指引线的偏离程度。比如,偏离待平滑指引线的偏离程度越大,则偏离量越大。
具体地,预设非线性优化模型可以通过最小化车轮偏转角变化量与偏离待平滑指引线的偏离量之和为目标,构建出目标优化函数,从而可以保证尽可能平滑以及尽量贴近待平滑指引线行驶。
在上述方案的基础上,基于车轮偏转角变化量和偏离待平滑指引线的偏离量,确定目标优化函数,可以包括:对待平滑指引线进行插值处理,确定待平滑指引线中的各个特征点以及每个特征点对应的第一行驶位置;根据每个特征点对应的车轮偏转角,确定相邻两个特征点对应的车轮偏转角变化量;根据每个特征点对应的第一行驶位置和第二行驶位置,确定每个特征点对应的偏离待平滑指引线的偏离量;根据各个车轮偏转角变化量和各个偏离量,确定出目标优化函数。
具体地,可以将每相邻两个特征点对应的车轮偏转角进行相减,获得的结果确定为相邻两个特征点对应的车轮偏转角变化量。可以基于同一特征点对应的第一行驶位置与第二行驶位置,确定第二行驶位置与第一行驶位置之间的距离作为该特征点对应的偏离待平滑指引线的偏离量。将各个车轮偏转角变化量进行相加获得车轮偏转角变化总量。将各个偏离量进行相加确定偏离总量。将车轮偏转角变化总量和偏离总量进行相加,获得的结果确定出目标优化函数,从而可以对车轮偏转角变化量与偏离待平滑指引线的偏离量之和进行最小化,尽可能保证平滑以及尽量贴近待平滑指引线进行行驶。
示例性地,根据每个特征点对应的第一行驶位置和第二行驶位置,确定每个特征点对应的偏离待平滑指引线的偏离量,可以包括:根据待平滑指引线中的每个特征点对应的第一行驶位置,确定每个特征点对应的纵向特征线段,其中,纵向是指车辆行驶方向;确定每个特征点对应的第二行驶位置到相应的纵向特征线段的第一垂线距离,并将第一垂线距离确定为相应特征点对应的偏离待平滑指引线的偏离量。
具体地,纵向特征线段的确定方式以及每个特征点对应的第二行驶位置到相应的纵向特征线段的第一垂线距离的确定方式参见上述描述。可以将各个特征点对应的所有第一垂线距离进行相加,获得偏离总量。例如,目标优化函数minf(X)可以为:
示例性地,预设非线性优化模型可以完整地表示为:
最小化:目标优化函数(10)
s.t.路径特征约束条件(8)-(9)
运动学约束条件(3)-(5)
边界约束条件(6)-(7)
具体地,通过求解上述预设非线性优化模型,可以在满足全部约束条件的前提下,使得目标优化函数取值最小,从而可以获得尽量平滑以及最大程度贴合原有路径特征的指引线,进而获得更加合理可行的指引线。
需要说明的是,本实施例中的指引线平滑方式不仅可以适应于具体约束条件的平滑问题,也可以适应于无约束条件的平滑问题。
以下是本发明实施例提供的指引线平滑装置的实施例,该装置与上述各实施例的指引线平滑方法属于同一个发明构思,在指引线平滑装置的实施例中未详尽描述的细节内容,可以参考上述指引线平滑方法的实施例。
实施例三
图7为本发明实施例三提供的一种指引线平滑装置的结构示意图,本实施例可适用于对自动驾驶车辆行驶时所依据的指引线进行平滑的情况。如图7所示,该装置具体包括:第一指引线确定模块310、预设非线性优化模型获取模块320和第一指引线平滑模块330。
其中,第一指引线确定模块310,用于确定目标车辆对应的待平滑的第一指引线;预设非线性优化模型获取模块320,用于获取预先构建的预设非线性优化模型,其中,预设非线性优化模型是以最小化车轮偏转角变化量为目标的优化模型;第一指引线平滑模块330,用于根据预设非线性优化模型,对所第一指引线进行平滑,确定出目标车辆对应的第二指引线。
本实施例的技术方案,通过预先构建出以最小化车轮偏转角变化量为目标的预设非线性优化模型,其中,车轮偏转角变化量可以从本质上反映出车辆沿着指引线行驶时的指引线平滑程度,即车轮偏转角变化量越小,指引线越平滑,从而可以基于预设非线性优化模型,对目标车辆对应的待平滑的第一指引线进行平滑,获得车轮偏转角变化量最小的指引线,即获得平滑性最好的指引线,从而充分保证了指引线的平滑性,进而保证了用户乘坐舒适度。
可选地,预设非线性优化模型包括:目标优化函数和行驶约束条件;其中,目标优化函数是基于车轮偏转角变化量确定的;行驶约束条件包括:路径特征约束条件、运动学约束条件和边界约束条件。
可选地,预设非线性优化模型中的优化变量包括:行驶总时间、待平滑指引线中的每个特征点对应的第二行驶位置、每个特征点对应的车轮偏转角、每个特征点对应的车辆姿态角和每个特征点对应的行驶速度;其中,车轮偏转角和车辆姿态角是基于二自由度车辆运行学模型确定的。
可选地,该装置还包括:路径特征约束条件构建模块,包括:
纵向特征线段确定单元,用于基于间隔点连线方式,根据待平滑指引线中的每个特征点对应的第一行驶位置,确定每个特征点对应的纵向特征线段,其中,纵向是指车辆行驶方向;
横向特征线段确定单元,用于根据各纵向特征线段和预设偏离量阈值,确定每个特征点对应的横向特征线段;
路径特征约束条件确定单元,用于根据每个特征点对应的第二行驶位置到相应的纵向特征线段的第一垂线距离,以及每个特征点对应的第二行驶位置到相应的纵向特征线段的第二垂线距离,确定路径特征约束条件。
可选地,纵向特征线段确定单元,具体用于:将待平滑指引线中的与当前特征点相邻的两个特征点所对应的两个第一行驶位置进行连线,获得的线段确定为当前特征点对应的纵向特征线段。
可选地,横向特征线段确定单元,具体用于:确定当前特征点对应的纵向特征线段的中垂线;在中垂线中,选取长度为预设偏离量阈值的线段,作为当前特征点对应的横向特征线段。
可选地,路径特征约束条件为:
可选地,该装置还包括:目标优化函数确定模块,用于:基于车轮偏转角变化量和偏离待平滑指引线的偏离量,确定目标优化函数。
可选地,目标优化函数确定模块,包括:
第一行驶位置确定单元,用于对待平滑指引线进行插值处理,确定待平滑指引线中的各个特征点以及每个特征点对应的第一行驶位置;
车轮偏转角变化量确定单元,用于根据每个特征点对应的车轮偏转角,确定相邻两个特征点对应的车轮偏转角变化量;
偏离量确定单元,用于根据每个特征点对应的第一行驶位置和第二行驶位置,确定每个特征点对应的偏离待平滑指引线的偏离量;
目标优化函数确定单元,用于根据各个车轮偏转角变化量和各个偏离量,确定出目标优化函数。
可选地,偏离量确定单元,具体用于:根据待平滑指引线中的每个特征点对应的第一行驶位置,确定每个特征点对应的纵向特征线段,其中,纵向是车辆行驶方向;确定每个特征点对应的第二行驶位置到相应的纵向特征线段的第一垂线距离,并将第一垂线距离确定为相应特征点对应的偏离待平滑指引线的偏离量。
可选地,第一指引线平滑模块330,具体用于:将第一指引线作为预设非线性优化模型中的待平滑指引线,对预设非线性优化模型进行更新;对更新后的预设非线性优化模型进行求解,确定出目标车辆对应的第二指引线。
本发明实施例所提供的指引线平滑装置可执行本发明任意实施例所提供的指引线平滑方法,具备执行指引线平滑方法相应的功能模块和有益效果。
值得注意的是,上述指引线平滑装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图8为本发明实施例四提供的一种设备的结构示意图。图8示出了适于用来实现本发明实施方式的示例性设备12的框图。图8显示的设备12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8所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图8未显示,通常称为“硬盘驱动器”)。尽管图8中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的一种指引线平滑方法步骤,该方法包括:
确定目标车辆对应的待平滑的第一指引线;
获取预先构建的预设非线性优化模型,其中,预设非线性优化模型是以最小化车轮偏转角变化量为目标的优化模型;
根据预设非线性优化模型,对所第一指引线进行平滑,确定出目标车辆对应的第二指引线。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的保留库存量的确定方法的技术方案。
实施例五
本实施例提供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任意实施例所提供的指引线平滑方法步骤,该方法包括:
确定目标车辆对应的待平滑的第一指引线;
获取预先构建的预设非线性优化模型,其中,预设非线性优化模型是以最小化车轮偏转角变化量为目标的优化模型;
根据预设非线性优化模型,对所第一指引线进行平滑,确定出目标车辆对应的第二指引线。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种指引线平滑方法,其特征在于,包括:
确定目标车辆对应的待平滑的第一指引线;
获取预先构建的预设非线性优化模型,其中,所述预设非线性优化模型是以最小化车轮偏转角变化量为目标的优化模型;
根据所述预设非线性优化模型,对所第一指引线进行平滑,确定出所述目标车辆对应的第二指引线。
2.根据权利要求1所述的方法,其特征在于,所述预设非线性优化模型包括:目标优化函数和行驶约束条件;
其中,所述目标优化函数是基于车轮偏转角变化量确定的;
所述行驶约束条件包括:路径特征约束条件、运动学约束条件和边界约束条件。
3.根据权利要求2所述的方法,其特征在于,所述预设非线性优化模型中的优化变量包括:行驶总时间、待平滑指引线中的每个特征点对应的第二行驶位置、每个特征点对应的车轮偏转角、每个特征点对应的车辆姿态角和每个特征点对应的行驶速度;
其中,所述车轮偏转角和所述车辆姿态角是基于二自由度车辆运行学模型确定的。
4.根据权利要求3所述的方法,其特征在于,通过如下步骤构建所述路径特征约束条件:
基于间隔点连线方式,根据待平滑指引线中的每个特征点对应的第一行驶位置,确定每个特征点对应的纵向特征线段,其中,纵向是指车辆行驶方向;
根据各所述纵向特征线段和预设偏离量阈值,确定每个特征点对应的横向特征线段;
根据每个特征点对应的第二行驶位置到相应的纵向特征线段的第一垂线距离,以及每个特征点对应的第二行驶位置到相应的纵向特征线段的第二垂线距离,确定所述路径特征约束条件。
5.根据权利要求4所述的方法,其特征在于,基于间隔点连线方式,根据待平滑指引线中的每个特征点对应的第一行驶位置,确定每个特征点对应的纵向特征线段,包括:
将待平滑指引线中的与当前特征点相邻的两个特征点所对应的两个第一行驶位置进行连线,获得的线段确定为当前特征点对应的纵向特征线段。
6.根据权利要求4所述的方法,其特征在于,根据各所述纵向特征线段和预设偏离量阈值,确定每个特征点对应的横向特征线段,包括:
确定当前特征点对应的纵向特征线段的中垂线;
在所述中垂线中,选取长度为预设偏离量阈值的线段,作为当前特征点对应的横向特征线段。
8.根据权利要求3所述的方法,其特征在于,基于车轮偏转角变化量确定目标优化函数,包括:
基于车轮偏转角变化量和偏离待平滑指引线的偏离量,确定目标优化函数。
9.根据权利要求8所述的方法,其特征在于,基于车轮偏转角变化量和偏离待平滑指引线的偏离量,确定目标优化函数,包括:
对待平滑指引线进行插值处理,确定待平滑指引线中的各个特征点以及每个特征点对应的第一行驶位置;
根据每个特征点对应的车轮偏转角,确定相邻两个特征点对应的车轮偏转角变化量;
根据每个特征点对应的第一行驶位置和第二行驶位置,确定每个特征点对应的偏离待平滑指引线的偏离量;
根据各个所述车轮偏转角变化量和各个所述偏离量,确定出目标优化函数。
10.根据权利要求9所述的方法,其特征在于,根据每个特征点对应的所述第一行驶位置和第二行驶位置,确定每个特征点对应的偏离待平滑指引线的偏离量,包括:
根据待平滑指引线中的每个特征点对应的第一行驶位置,确定每个特征点对应的纵向特征线段,其中,纵向是车辆行驶方向;
确定每个特征点对应的第二行驶位置到相应的纵向特征线段的第一垂线距离,并将所述第一垂线距离确定为相应特征点对应的偏离待平滑指引线的偏离量。
11.根据权利要求1-10任一所述的方法,其特征在于,根据所述预设非线性优化模型,对所第一指引线进行平滑,确定出所述目标车辆对应的第二指引线,包括:
将所述第一指引线作为所述预设非线性优化模型中的待平滑指引线,对所述预设非线性优化模型进行更新;
对更新后的预设非线性优化模型进行求解,确定出所述目标车辆对应的第二指引线。
12.一种指引线平滑装置,其特征在于,包括:
第一指引线确定模块,用于确定目标车辆对应的待平滑的第一指引线;
预设非线性优化模型获取模块,用于获取预先构建的预设非线性优化模型,其中,所述预设非线性优化模型是以最小化车轮偏转角变化量为目标的优化模型;
第一指引线平滑模块,用于根据所述预设非线性优化模型,对所第一指引线进行平滑,确定出所述目标车辆对应的第二指引线。
13.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-11中任一所述的指引线平滑方法。
14.一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1-11中任一所述的指引线平滑方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010515072.5A CN113759888B (zh) | 2020-06-08 | 2020-06-08 | 一种指引线平滑方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010515072.5A CN113759888B (zh) | 2020-06-08 | 2020-06-08 | 一种指引线平滑方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113759888A true CN113759888A (zh) | 2021-12-07 |
CN113759888B CN113759888B (zh) | 2024-07-19 |
Family
ID=78785339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010515072.5A Active CN113759888B (zh) | 2020-06-08 | 2020-06-08 | 一种指引线平滑方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113759888B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1577199A (zh) * | 2003-06-26 | 2005-02-09 | 丰田自动车株式会社 | 用于车辆的驾驶辅助装置及其方法 |
CN1775601A (zh) * | 2005-11-18 | 2006-05-24 | 吉林大学 | 车辆行驶轨迹预估及车道偏离评价方法 |
CN102768536A (zh) * | 2012-07-20 | 2012-11-07 | 哈尔滨工程大学 | 一种基于多目标萤火虫算法的路径规划方法 |
CN105764773A (zh) * | 2013-08-29 | 2016-07-13 | 罗伯特·博世有限公司 | 用于控制车辆的方法 |
US20160313133A1 (en) * | 2015-04-27 | 2016-10-27 | GM Global Technology Operations LLC | Reactive path planning for autonomous driving |
CN107063280A (zh) * | 2017-03-24 | 2017-08-18 | 重庆邮电大学 | 一种基于控制采样的智能车辆路径规划系统及方法 |
CN108594812A (zh) * | 2018-04-16 | 2018-09-28 | 电子科技大学 | 一种结构化道路的智能车辆平滑轨迹规划方法 |
CN110487285A (zh) * | 2019-08-27 | 2019-11-22 | 湖北亿咖通科技有限公司 | 一种车辆低速转弯时的路径规划控制方法和电子设备 |
CN110647151A (zh) * | 2019-10-16 | 2020-01-03 | 北京京东乾石科技有限公司 | 坐标转换方法及装置、计算机可读存储介质、电子设备 |
CN110954122A (zh) * | 2019-12-09 | 2020-04-03 | 东风商用车有限公司 | 高速场景下的自动驾驶轨迹生成方法 |
US20200117207A1 (en) * | 2018-10-15 | 2020-04-16 | Baidu Usa Llc | Optimal longitudinal trajectory generation under varied lateral acceleration constraints |
CN111192216A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 一种车道线平滑处理方法及系统 |
-
2020
- 2020-06-08 CN CN202010515072.5A patent/CN113759888B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1577199A (zh) * | 2003-06-26 | 2005-02-09 | 丰田自动车株式会社 | 用于车辆的驾驶辅助装置及其方法 |
CN1775601A (zh) * | 2005-11-18 | 2006-05-24 | 吉林大学 | 车辆行驶轨迹预估及车道偏离评价方法 |
CN102768536A (zh) * | 2012-07-20 | 2012-11-07 | 哈尔滨工程大学 | 一种基于多目标萤火虫算法的路径规划方法 |
CN105764773A (zh) * | 2013-08-29 | 2016-07-13 | 罗伯特·博世有限公司 | 用于控制车辆的方法 |
US20160313133A1 (en) * | 2015-04-27 | 2016-10-27 | GM Global Technology Operations LLC | Reactive path planning for autonomous driving |
CN107063280A (zh) * | 2017-03-24 | 2017-08-18 | 重庆邮电大学 | 一种基于控制采样的智能车辆路径规划系统及方法 |
CN108594812A (zh) * | 2018-04-16 | 2018-09-28 | 电子科技大学 | 一种结构化道路的智能车辆平滑轨迹规划方法 |
US20200117207A1 (en) * | 2018-10-15 | 2020-04-16 | Baidu Usa Llc | Optimal longitudinal trajectory generation under varied lateral acceleration constraints |
CN110487285A (zh) * | 2019-08-27 | 2019-11-22 | 湖北亿咖通科技有限公司 | 一种车辆低速转弯时的路径规划控制方法和电子设备 |
CN110647151A (zh) * | 2019-10-16 | 2020-01-03 | 北京京东乾石科技有限公司 | 坐标转换方法及装置、计算机可读存储介质、电子设备 |
CN110954122A (zh) * | 2019-12-09 | 2020-04-03 | 东风商用车有限公司 | 高速场景下的自动驾驶轨迹生成方法 |
CN111192216A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 一种车道线平滑处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113759888B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230079202A1 (en) | Method, apparatus, storage medium, and device for planning vehicle trajectory | |
WO2020237890A1 (zh) | 一种速度规划方法、装置、电子设备及存储介质 | |
CN111797780B (zh) | 一种跟车轨迹规划方法、装置、服务器及存储介质 | |
CN112020014A (zh) | 一种换道轨迹规划方法、装置、服务器及存储介质 | |
CN110647151B (zh) | 坐标转换方法及装置、计算机可读存储介质、电子设备 | |
WO2022257283A1 (zh) | 车辆避障方法、装置、电子设备及存储介质 | |
CN110782092A (zh) | 无人配送车在非结构化场景中的轨迹规划方法及装置 | |
CN114475781B (zh) | 一种车辆控制方法、装置、设备以及存储介质 | |
CN113552888B (zh) | 应用于无人车的行驶轨迹控制方法、装置、设备及介质 | |
WO2022247203A1 (zh) | 自动驾驶车辆的控制方法、装置、设备以及存储介质 | |
CN113771829B (zh) | 用于自动驾驶车辆的控制方法和装置 | |
CN113561994A (zh) | 轨迹规划方法、装置、存储介质及电子设备 | |
CN113361152A (zh) | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 | |
CN114923496A (zh) | 一种路径规划方法、装置、电子设备及存储介质 | |
CN115309170B (zh) | 一种考虑舒适性约束的轨迹规划方法、装置和系统 | |
CN114348026A (zh) | 一种车辆控制方法、装置、设备以及存储介质 | |
CN113671941A (zh) | 一种轨迹规划方法、装置、设备和存储介质 | |
CN114194217A (zh) | 车辆自动驾驶方法、装置、电子设备以及存储介质 | |
CN113759707A (zh) | 用于自动驾驶车辆的预测控制优化方法和装置 | |
CN110377041B (zh) | 参考线生成方法、装置、终端设备及存储介质 | |
CN113759888B (zh) | 一种指引线平滑方法、装置、设备和存储介质 | |
WO2023201952A1 (zh) | 确定车辆最优行驶轨迹方法和装置 | |
WO2023236476A1 (zh) | 一种无车道线下确定跟踪轨迹的方法及装置 | |
CN114115268B (zh) | 路径生成方法、装置、交通工具及存储介质 | |
WO2023137938A1 (zh) | 虚拟角色的路径规划方法及装置、电子设备、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 | ||
GR01 | Patent grant |