CN113759892A - 无人车障碍物绕行方法、装置、无人车及存储介质 - Google Patents
无人车障碍物绕行方法、装置、无人车及存储介质 Download PDFInfo
- Publication number
- CN113759892A CN113759892A CN202011035321.7A CN202011035321A CN113759892A CN 113759892 A CN113759892 A CN 113759892A CN 202011035321 A CN202011035321 A CN 202011035321A CN 113759892 A CN113759892 A CN 113759892A
- Authority
- CN
- China
- Prior art keywords
- boundary
- obstacle
- road
- point
- 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
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
Abstract
本发明实施例公开了一种无人车障碍物绕行方法、装置、无人车及存储介质，该方法包括：若检测到标识有左绕行的第一障碍物时，则确定第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物时，则确定第二障碍物在目标坐标系中的至少两个右边界点，其中，所述目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴；根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界；控制无人车在绕行约束边界内行驶。解决了现有技术无法准确地确定无人车的绕行约束边界的问题。
Description
技术领域
本发明实施例涉及无人车控制领域，尤其涉及一种无人车障碍物绕行方法、装置、无人车及存储介质。
背景技术
目前的移动机器人技术发展迅捷，而随着近年来机器人应用场景和模式的不断扩展，各式各样的移动机器人层出不穷，无人车就是其中一员。目前，无人车路径规划算法通常分为两个步骤：一是粗糙路径和转向策略的生成，二是根据转向策略求取优化器所需的绕行约束边界，然后通过优化器和绕行约束边界生成符合运动约束的最终路径。为了提高无人车行驶的安全性以及简化绕行约束边界的求取步骤，现有技术在确定绕行约束边界时扩大了障碍物的范围，而障碍物范围的扩大，虽然提高了绕行约束边界的安全性，但带来了绕行约束边界的缩小，从而提高了优化器进行路径优化的难度，导致某些场景出现无解的情况，降低了路径优化的速度和准确度。
综上，在实现本发明的过程中，发明人发现现有技术至少存在以下技术问题：通过扩大障碍物的范围来提高绕行约束边界的安全性，增加了优化器进行路径优化的难度，导致某些场景出现无解的情况，降低了路径优化的速度和准确度。
发明内容
本发明实施例提供了一种无人车障碍物绕行方法、装置、无人车及存储介质，解决了现有技术无法准确地确定无人车绕行约束边界的问题。
第一方面，本发明实施例提供了一种无人车障碍物绕行方法，包括：
若检测到标识有左绕行的第一障碍物，则确定所述第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定所述第二障碍物在所述目标坐标系中的至少两个右边界点，其中，所述目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴；
根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界；
控制无人车在所述绕行约束边界内行驶，以绕行通过所对应的障碍物。
第二方面，本发明实施例还提供了一种无人车障碍物绕行装置，包括：
边界点模块，用于若检测到标识有左绕行的第一障碍物，则确定所述第一障碍物在目标坐标系中的至少两个左边界点；若检测打击标识有右绕行的第二障碍物，则确定所述第二障碍物在所述目标坐标系中的至少两个右边界点，其中，所述目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴；
确定模块，用于根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界；
行驶模块，用于控制无人车在所述绕行约束边界内行驶，以绕行通过所对应的障碍物。
第三方面，本发明实施例还提供了一种无人车，包括：
车体；
行驶机构，设于所述车体上，用于带动所述车体行驶；
控制器，设于所述车体内，用于若检测到标识有左绕行的第一障碍物，则确定所述第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定所述第二障碍物在所述目标坐标系中的至少两个右边界点；根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界，并控制车体在所述绕行约束边界内行驶以绕过当前障碍物，其中，所述目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如任意实施例所述的无人车障碍物绕行方法。
本发明实施例提供的无人车障碍物绕行方法的技术方案，若检测到标识有左绕行的第一障碍物，则确定第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定第二障碍物在目标坐标系中的至少两个右边界点，由于该至少两个左边界点或该至少两个右边界点均在障碍物边界上，因此根据该至少两个左边界点限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，以及道路最大约束边界和道路最小约束边界，可以准确地划分出道路中的障碍物区域和非障碍物区域，从而可以准确地确定出无人车在道路上的最大绕行约束边界，该最大绕行约束边界可以大大降低优化器进行路径优化的难度，以及提高优化器路径优化的速度和准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的无人车障碍物绕行方法的流程图；
图2是本发明实施例一提供的无人车障碍物绕行示意图；
图3是本发明实施例二提供的无人车障碍物绕行方法的流程图；
图4是本发明实施例二提供的Frenet坐标系与笛卡尔坐标系的关系示意图；
图5是本发明实施例三提供的无人车障碍物绕行装置的结构框图；
图6是本发明实施例四提供的无人车的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
图1是本发明实施例一提供的无人车障碍物绕行方法的流程图。本实施例的技术方案适用于通过准确地确定障碍物边界来增大无人车的可绕行范围的情况。该方法可以由本发明实施例提供的无人车障碍物绕行装置来执行，该装置可以采用软件和/或硬件的方式实现，并配置在处理器中应用。参见图1所示，该方法具体包括如下步骤：
S101、若检测到标识有左绕行的第一障碍物，则确定第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定第二障碍物在目标坐标系中的至少两个右边界点，其中，目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴。
其中，目标坐标系的第二坐标轴始终沿道路中心线分布，且方向为路程累加方向，即随着无人车行驶路程的增加，无人车在第二坐标轴的坐标值也相应增加。目标坐标系的第一坐标轴垂直于第二坐标轴(道路中心线)且方向向左。可以理解的是，对于给定的障碍物，其左边界的坐标值大于其右边界的坐标值。
需要说明的是，本申请技术方案适应于符合右手规则的目标坐标系，若将本方案适应性调整以符合左手规则的坐标系，那么该调整后的技术方案属于本申请的等同技术方案。
其中，目标坐标系优选但不限于Frenet坐标系。本实施例以Frenet坐标系为例进行技术方案的阐述。在Frenet坐标系中，S轴(第二坐标轴)沿道路中心线分布，L轴(第一坐标轴)垂直于道路中心线。
如图2所示，无人车的行驶道路在道路最大约束边界和道路最小约束边界之间，即两个马路牙之间。该道路上分布有一个或多个障碍物，各个障碍物均预先标识有绕行方向，且各个障碍物对应的绕行方向可能相同，也可能不同。
在障碍物的绕行方向为左时，参见图2中的障碍物M1、障碍物M2和障碍物M3，无人车行驶至障碍物M1、障碍物M2和障碍物M3的附近时，均需执行左绕行策略；在绕行方向为右时，参见图2中的障碍物M4、障碍物M5和障碍物M6，无人车行驶至障碍物M4、障碍物M4和障碍物M5的附近时，均需执行右绕行策略。
为了提高无人车的行驶安全性，本实施例实时获取障碍物集合中的各个障碍物的绕行标签，以获取障碍物集合中的各个障碍物的最新绕行方向。
如果检测到标识有左绕行的第一障碍物，则确定该障碍物在目标坐标系中的至少两个左边界点。示例性的，参见图2中的M1，其绕行方向为左，因此确定其在Frenet坐标系中的至少两个左边界点，即p1点所在边的至少两个边界点。
同理，如果检测到标识有右绕行的第二障碍物，则确定该障碍物在目标坐标系中的至少两个右边界点。示例性的，参见图2中的M4，其绕行方向为右，因此确定其在Frenet坐标系中的的至少两个右边界点，即p1'点所在边的至少两个边界点。
S102、根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界。
可以理解的是，根据该至少两个左边界点即可确定障碍物的左边界，而且随着所确定的障碍物的左边界点数量的增多，确定的障碍物的左边界就越准确；同理，根据该至少两个右边界点即可确定障碍物的右边界，而且随着所确定的障碍物右边界点的数量的增多，确定的障碍物的右边界就越准确。
如果确定的障碍物的左边界在道路最大约束边界与道路最小约束边界之间，则将该左边界与道路最大约束边界作为无人车的绕行约束边界。示例性的，参见图2中的M1，该障碍物的左边界，即P1点所在边界大于道路最小约束边界，但小于道路最大约束边界，此时无人车可在该障碍物的左边界至道路最大约束边界之间的区域执行该障碍物的绕行，因此将该障碍物左边界与道路最大约束边界作为无人车的绕行约束边界。
同理，如果确定的障碍物的右边界在道路的最大约束边界与最小约束边界之间，则将该右边界与道路最小约束边界作为无人车的绕行约束边界。示例性的，参见图2中的M4，该障碍物的右边界大于道路最小约束边界，且小于道路最大约束边界，此时无人车可在该障碍物的右边界至道路最小约束边界之间的区域执行该障碍物的右绕行操作，因此将该障碍物右边界与道路最小约束边界作为无人车的绕行约束边界。
如果确定的障碍物的左边界小于道路最小约束边界，则将道路最小约束边界与道路最大约束边界作为无人车的绕行约束边界。示例性的，参见图2中的M2，该障碍物的左边界小于道路最小约束边界，此时无人车可以在整个道路上行驶，因此将道路最小约束边界与道路最大约束边界作为无人车的绕行约束边界。
同理，如果确定的障碍物的右边界大于道路最大约束边界，则将道路最小约束边界与道路最大约束边界作为无人车的绕行约束边界。示例性的，参见图2中的M5，该障碍物的右边界大于道路最大约束边界，此时无人车可以在整个道路上行驶，因此将道路最小约束边界与道路最大约束边界作为无人车的绕行约束边界。
可以理解的是，如果障碍物的左边界超出道路最大约束边界，则认为无人车无法在当前道路上完成该障碍物的左绕行操作，因此判定当前道路不存在无人车的绕行约束边界。同理，如果障碍物的右边界超出道路最小约束边界，则判定当前道路不存在无人车的绕行约束边界。
S103、控制无人车在绕行约束边界内行驶，以绕行通过所对应的障碍物。
绕行约束边界确定后，路径优化器即可根据该绕行约束边界优化无人车的绕行路径。由于该绕行约束边界为基于障碍物外边界确定的最大边界，因此路径优化器基于该绕行约束边界可以比较简单地优化出无人车的绕行路径，从而可显著地提高绕行路径的优化效率。可以理解的是，该绕行路径位于绕行约束边界的内部。
绕行路径确定之后，无人车控制器即可控制无人车沿该绕行路径行驶，以绕行通过沿路所对应的障碍物。
本发明实施例提供的无人车障碍物绕行方法的技术方案，若检测到标识有左绕行的第一障碍物，则确定第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定第二障碍物在目标坐标系中的至少两个右边界点，且该至少两个左边界点或右边界点均在障碍物边界上，因此根据至少两个左边界点限定的障碍物左边界和/或至少两个右边界点所限定的障碍物右边界，以及道路最大约束边界和道路最小约束边界，可以准确地划分出道路中的障碍物区域和非障碍物区域，从而可以准确地确定出无人车在道路上的最大绕行约束边界，该最大绕行约束边界可以大大降低优化器进行路径优化的难度，以及提高优化器路径优化的速度和准确度。
实施例二
图3是本发明实施例二提供的无人车障碍物绕行方法的流程图。本发明实施例在上述实施例的基础上，对障碍物左边界点和右边界点的确定方法进行了细化。
相应地，本实施例的方法包括：
S201、在初始坐标系中，确定目标点集合中的当前目标点所在的垂直于道路中心线的垂线，其中，目标点集合中的各个目标点均分布于道路中心线上，每个障碍物至少对应有两个目标点。
基于目标坐标系或初始坐标系，以预设间隔，比如0.1米，在道路中心线上确定多个目标点，所确定的目标点构成目标点集合。其中，目标坐标系优选但不限于Frenet坐标系，初始坐标系优选但不限于笛卡尔坐标系。预设间隔可根据各个障碍物在沿道路中心线方向上的长度，以使每个障碍物至少对应两个目标点。
遍历目标点集合中的各个目标点，在初始坐标系中确定当前目标点所在的垂直于道路中心线的垂线。其中，在确定当前目标点所在的垂直于道路中心线的垂线时，先确定当前目标点的朝向，然后做垂直于该朝向并经过当前目标点的垂线。其中，目标点的朝向为目标点的矢量方向。
可以理解的是，如果目标点集合中的各个目标点是在目标坐标系中确定的，则确定各个目标点在初始坐标系中的位置，并根据各个目标点在初始坐标系中的位置，确定各个目标点所在的垂直于道路中心线的垂线。如果目标点集合中的各个目标点是在初始坐标系中确定的，则直接在初始坐标系中确定各个目标点所在的垂直于道路中心线的垂线。
其中，垂线的长度决定了能够检测到的障碍物的分布范围，垂线越长，能够检测到的障碍物的分布范围越大。该垂线的长度至少等于道路宽度。在一个实施例中，该垂线的长度为道路宽度的三倍。
S202、如果垂线与至少一个障碍物存在两个交点，则获取该至少一个障碍物的绕行方向。
检测当前目标点所在垂线是否穿过至少一个障碍物，且与穿过的障碍物有两个交点。如果是，则根据当前目标点的坐标与每个障碍物在道路中心线上的投影范围，获取与垂线有两个交点的障碍物的绕行方向。
示例性的，参见图2所示，目标点r所在垂线AB穿过障碍物M1和障碍物M4，并与障碍物M1和障碍物M4均有两个交点，因此分别获取障碍物M1和障碍物M4的绕行方向。
S203、如果获取的障碍物的绕行方向为左绕行，则将垂线与该障碍物边界的两个交点中坐标值最大的交点作为左边界点，并确定该左边界点在目标坐标系中的坐标值。
如图2所示，障碍物左边界的L轴(第一坐标轴)坐标值大于其右边界的L轴坐标值。因此，如果垂线穿过的障碍物对应的绕行方向为左绕行，则确定该垂线与该障碍物边界的两个交点中坐标值最大的交点，并将该交点作为障碍物的左边界点，然后根据该左边界点在初始坐标系中的坐标值，确定该左边界点在目标坐标系中的坐标值。可以理解的是，对于给定的障碍物，目标点集合中的各个目标点之间的预设间隔越小，障碍物对应的目标点就越多；而目标点越多，与目标点对应的左边界点就越多；而对应的左边界点越多，那么基于这些左边界点确定的障碍物的左边界就越准确。
其中，在根据左边界点在初始坐标系中的坐标值确定其在目标坐标系中的坐标值之前，先确定离散点在初始坐标系中的坐标值与在目标坐标系中的坐标值的转换关系。具体如下：
如图4所示，笛卡尔坐标系为XY，Frenet坐标系为SL，在Frenet坐标系中，S轴沿道路中心线方向，L轴沿垂直于道路中心线方向。道路中心线由一系列离散点组成，笛卡尔坐标系下点p的坐标可表示为p(xp,yp)。在道路中心线上找到距离点p距离最近的两个点，分别是点s和点e。如果点s在Frenet坐标系中的坐标为(ss,0)，点e在Frenet坐标系下的坐标为(se,0)，那么根据点p在初始坐标系(笛卡尔坐标系)中的坐标值，确定点p在目标坐标系(Frenet坐标系)中的坐标值的步骤如下：
点s指向点p的向量可表示为：
点e指向点p的向量可表示为：
通过以下公式计算向量
与向量
之间的转换系数；
因此sp可表示为：
lp可表示为：
S204、如果获取的障碍物的绕行方向为右绕行，则将垂线与该障碍物边界的两个交点中坐标值最小的交点作为右边界点，并确定该右边界点在目标坐标系中的坐标值。
如图2所示，障碍物右边界的L轴(第一坐标轴)坐标值小于其左边界的L轴坐标值。如果垂线穿过的障碍物对应的绕行方向为右绕行，则确定垂线与该障碍物边界的两个交点中将坐标值最小的交点，并将该交点作为障碍物的右边界点，然后根据该右边界点在初始坐标系中的坐标值，确定该右边界点在目标坐标系中的坐标值。
可以理解的是，对于给定的障碍物，目标点集合中的各个目标点之间的预设间隔越小，障碍物对应的目标点就越多；而目标点越多，目标点对应的右边界点就越多；而对应的右边界点越多，那么基于这些右边界点确定的障碍物的右边界就越准确。
S205、根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界。
无人车的左边界可能完全大于道路最小约束边界(参见图2中的M1)，也可能完全小于道路最小约束边界(参见图2中的M2)，也可能一部分小于道路最小约束边界，一部分大于道路最小约束边界(参见图2中的M3)。为此，本实施例实时比较已确定的任一左边界点，分别与对应的道路最小约束边界点和对应的道路最大约束边界点的大小。如果所确定的任一左边界点小于对应的道路最小约束边界点，则将其对应的道路最大约束边界点和对应的道路最小约束边界点作为无人车的绕行约束边界点；如果确定的任一左边界点在对应的道路最大约束边界与对应的道路最小约束边界之间，则将其对应的道路最大约束边界点与该左边界点作为无人车的绕行约束边界点。其中，道路最大约束边界点位于道路最大约束边界，道路最小约束边界点位于道路最小约束边界。
同理，本实施例实时比较已确定的任一右边界点，分别与对应的道路最小约束边界点和对应的道路最大约束边界点的大小。如果所确定的任一右边界点大于对应的道路最大约束边界点，则将其对应的道路最大约束边界点和对应的道路最小约束边界点作为无人车的绕行约束边界点；如果确定的任一右边界点在对应的道路最大约束边界点与道路最小约束边界点之间，则将其对应的右边界点与对应的道路最小约束边界点作为无人车的绕行约束边界点。
可以理解的是，如果当前确定的左边界点大于对应的道路最大约束边界点，则判定无人车在当前行驶路径上无法完成该障碍物的左绕行，即不存在绕行约束边界；同理，如果当前确定的右边界点小于对应的道路最小约束边界点，则判定无人车在当前行驶路径上无法完成该障碍物的右绕行，即不存在绕行约束边界。
在一些实施例中，可能同时得到标识有左绕行的障碍物的左边界点以及标识有右绕行的障碍物的右边界点，比如图2中的当前目标点r同时对应有障碍物M1的左边界点和障碍物M4的右边界点。此时确定该右边界点是否大于该左边界点，并小于对应的道路最大约束边界点，同时该左边界点是否大于对应的道路最小约束边界点，若是，则将该右边界点与该左边界点作为无人车的绕行约束边界点，即无人车需从该左边界点和该右边界点之间完成当前的绕行操作。
在一些实施例中，对于标识有左绕行的障碍物，参见图2中障碍物M1，在确定了当前目标点所在的垂直于中心线的垂线与该障碍物的两个交点之后，通过以下公式确定绕行约束边界中的右边界：
l右＝std::clamp(max(l1,l2),lmin,lmax)
其中，l1和l2分别为交点p1和交点p2的L轴(第一坐标轴)坐标值，将二者中的最大L轴坐标值，即点p1的L轴坐标值作为当前左边界点的L轴坐标值，表示为l。由于lmin<lmax，因此在l≤lmin时，l的取值为lmin，即道路最小约束边界点，在lmin<l<lmax时，l保持原值；在l≥lmax时，l的取值为lmax，即道路最大约束边界点。绕行约束边界的左边界为道路最大约束边界点。左边界与右边界共同形成道路约束边界，而且在l≥lmax时，不存在绕行约束边界点。
同理，可通过以下公式确定标识有右绕行障碍物的绕行约束边界中的左边界：
l左＝std::clamp(min(l1,l2),lmin,lmax)
其中，l1和l2分别为交点p′1和交点p'2的L轴(第一坐标轴)坐标值，将二者中的最大L轴坐标值，即点p′1的L轴坐标值作为当前左边界点的L轴坐标值，表示为l。由于lmin<lmax，因此在l>lmax时，l的取值为lmax，即道路最大约束边界点，在lmin<l<lmax时，l保持原值；在l≤lmin时，l的取值为lmax，即道路最小约束边界点。绕行约束边界的右边界为道路最小约束边界点。左边界与右边界共同形成道路约束边界，而且在l≤lmin时，不存在绕行约束边界点。
S206、控制无人车在绕行约束边界内行驶，以绕行通过所对应的障碍物。
本发明实施例提供的技术方案，相较于现有技术，在初始坐标系中确定当前目标点所在的垂直于道路中心线的垂线，在障碍物绕行方向为左时，将该垂线与障碍物的交点中坐标值最大的交点作为当前目标点对应的障碍物的左边界点；在障碍物绕行方向为右时，将该垂线与障碍物的交点中坐标值最小的交点作为当前目标点对应的障碍物的右边界点，由于每个障碍物对应至少两个目标点，因此每个障碍物对应至少两个左边界点或至少两个右边界点，由于该至少两个左边界点位于障碍物的左边界，而该至少两个右边界点位于障碍物的右边界上，因此根据该至少两个左边界点和/或该至少两个右边界点，可以准确地确定出道路上的障碍物区域和非障碍物区域的分解线，从而使确定的绕行约束边界为无人车绕行可行驶的最大边界，降低了路径优化器根据绕行约束边界进行路径优化的难度，以及提高了路径优化的速度和路径优化结果的准确性。
实施例三
图5是本发明实施例提供的无人车障碍物绕行装置的结构框图。该装置用于执行上述任意实施例所提供的无人车障碍物绕行方法，该装置可选为软件或硬件实现。该装置包括：
边界点模块11，用于若检测到标识有左绕行的第一障碍物，则确定所述第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定所述第二障碍物在所述目标坐标系中的至少两个右边界点，其中，目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴；
确定模块12，用于根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界；
行驶模块13，用于控制无人车在绕行约束边界内行驶，以绕行通过所对应的障碍物。
可选地，边界点模块11用于在初始坐标系中，确定目标点集合中的当前目标点所在的垂直于道路中心线的垂线，其中，目标点集合中的各个目标点均分布于道路中心线上，每个障碍物至少对应有两个所述目标点；如果垂线与至少一个障碍物存在两个交点，则获取该至少一个障碍物的绕行方向；如果获取的障碍物的绕行方向为左绕行，则将垂线与该障碍物边界的两个交点中坐标值最大的交点作为左边界点，并确定该左边界点在所述目标坐标系中的坐标值；如果获取的障碍物的绕行方向为右绕行，则将垂线与该障碍物边界的两个交点中坐标值最小的交点作为右边界点，并确定该右边界点在目标坐标系中的坐标值。
可选地，确定模块12用于，如果所确定的任一左边界点超出道路最小约束边界，则将对应的道路最大约束边界点和对应的道路最小约束边界点作为无人车的绕行约束边界点，该道路最大约束边界点位于道路最大约束边界上，该道路最小约束边界点位于道路最小约束边界上；如果确定的任一左边界点在道路最大约束边界与道路最小约束边界之间，则将对应的道路最大约束边界点与该左边界点作为无人车的绕行约束边界点。
可选地，确定模块12用于，如果确定的任一右边界点超出道路最大约束边界，则将对应的道路最大约束边界点和对应的道路最小约束边界点作为无人车的绕行约束边界点，该道路最大约束边界点位于道路最大约束边界上，该道路最小约束边界点位于道路最小约束边界上；如果所确定的任一右边界点在道路最大约束边界和道路最小约束边界之间，则将对应的道路最小约束边界点与该右边界点作为无人车的绕行约束边界点。
可选地，确定模块12还用于，如果所确定的任一左边界点超出道路最大约束条件，则判定无人车无法绕行通过当前障碍物；如果所确定的任一右边界点超出道路最小约束条件，则判定无人车无法绕行通过当前障碍物。
可选地，确定模块12用于在同时得到标识有左绕行的障碍物的左边界点以及标识有右绕行的障碍物的右边界点时，如果该右边界点大于该左边界点并小于对应的道路最大约束边界点，以及该左边界点大于对应的道路最小约束边界点时，将该右边界点与该左边界点作为无人车的绕行约束边界点。
本发明实施例提供的无人车障碍物绕行装置的技术方案，若检测到标识有左绕行的第一障碍物，则确定第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定第二障碍物在目标坐标系中的至少两个右边界点，由于该至少两个左边界点或该至少两个右边界点均在障碍物边界上，因此根据该至少两个左边界点限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，以及道路最大约束边界和道路最小约束边界，可以准确地划分出道路中的障碍物区域和非障碍物区域，从而可以准确地确定出无人车在道路上的最大绕行约束边界，该最大绕行约束边界可以大大降低优化器进行路径优化的难度，以及提高优化器路径优化的速度和准确度。
本发明实施例所提供的无人车障碍物绕行装置可执行本发明任意实施例所提供的无人车障碍物绕行方法，具备执行方法相应的功能模块和有益效果。
实施例四
图6是本发明实施例提供的无人车的结构框图。该无人车的控制器用于执行上述任意实施例所提供的无人车障碍物绕行方法。该无人车包括：车体、行驶机构21和控制器22。行驶机构21设于车体上，用于带动车体行驶，控制器22设于车体内，用于若检测到标识有左绕行的第一障碍物，则确定第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定第二障碍物在目标坐标系中的至少两个右边界点；根据道路最大约束边界、道路最小约束边界以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界，并控制车体在绕行约束边界内行驶以绕过当前障碍物，其中，目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴。
其中，目标坐标系的第二坐标轴始终沿道路中心线分布，且方向为路程累加方向，即随着无人车行驶路程的增加，无人车在第二坐标轴的坐标值也相应增加。目标坐标系的第一坐标轴垂直于第二坐标轴(道路中心线)且方向向左。可以理解的是，对于给定的障碍物，其左边界的坐标值大于其右边界的坐标值。
需要说明的是，本申请技术方案适应于符合右手规则的目标坐标系，若将本方案适应性调整以符合左手规则的坐标系，那么该调整后的技术方案属于本申请的等同技术方案。
其中，目标坐标系优选但不限于Frenet坐标系。本实施例以Frenet坐标系为例进行技术方案的阐述。在Frenet坐标系中，S轴(第二坐标轴)沿道路中心线分布，L轴(第一坐标轴)垂直于道路中心线。
如图2所示，无人车的行驶道路在道路最大约束边界和道路最小约束边界之间，即两个马路牙之间。该道路上分布有一个或多个障碍物，各个障碍物均预先标识有绕行方向，且各个障碍物对应的绕行方向可能相同，也可能不同。
在障碍物的绕行方向为左时，参见图2中的障碍物M1、障碍物M2和障碍物M3，无人车行驶至障碍物M1、障碍物M2和障碍物M3的附近时，均需执行左绕行策略；在绕行方向为右时，参见图2中的障碍物M4、障碍物M5和障碍物M6，无人车行驶至障碍物M4、障碍物M4和障碍物M5的附近时，均需执行右绕行策略。
为了提高无人车的行驶安全性，本实施例实时获取障碍物集合中的各个障碍物的绕行标签，以获取障碍物集合中的各个障碍物的最新绕行方向。
如果检测到标识有左绕行的第一障碍物，则确定该障碍物在目标坐标系中的至少两个左边界点。示例性的，参见图2中的M1，其绕行方向为左，因此确定其在Frenet坐标系中的至少两个左边界点，即p1点所在边的至少两个边界点。同理，如果检测到标识有右绕行的第二障碍物，则确定该障碍物在目标坐标系中的至少两个右边界点。示例性的，参见图2中的M4，其绕行方向为右，因此确定其在Frenet坐标系中的的至少两个右边界点，即p1'点所在边的至少两个边界点。
通过以下步骤确定该至少两个左边界点和该至少两个右边界点。
基于目标坐标系或初始坐标系，以预设间隔，比如0.1米，在道路中心线上确定多个目标点，所确定的目标点构成目标点集合。其中，目标坐标系优选但不限于Frenet坐标系，初始坐标系优选但不限于笛卡尔坐标系。预设间隔可根据各个障碍物在沿道路中心线方向上的长度，以使每个障碍物至少对应两个目标点。
遍历目标点集合中的各个目标点，在初始坐标系中确定当前目标点所在的垂直于道路中心线的垂线。其中，在确定当前目标点所在的垂直于道路中心线的垂线时，先确定当前目标点的朝向，然后做垂直于该朝向并经过当前目标点的垂线。其中，目标点的朝向为目标点的矢量方向。
可以理解的是，如果目标点集合中的各个目标点是在目标坐标系中确定的，则确定各个目标点在初始坐标系中的位置，并根据各个目标点在初始坐标系中的位置，确定各个目标点所在的垂直于道路中心线的垂线。如果目标点集合中的各个目标点是在初始坐标系中确定的，则直接在初始坐标系中确定各个目标点所在的垂直于道路中心线的垂线。其中，垂线的长度决定了能够检测到的障碍物的分布范围，垂线越长，能够检测到的障碍物的分布范围越大。该垂线的长度至少等于道路宽度。在一个实施例中，该垂线的长度为道路宽度的三倍。
检测当前目标点所在垂线是否穿过至少一个障碍物，且与穿过的障碍物有两个交点。如果是，则根据当前目标点的坐标与每个障碍物在道路中心线上的投影范围，获取与垂线有两个交点的障碍物的绕行方向。示例性的，参见图2所示，目标点r所在垂线AB穿过障碍物M1和障碍物M4，并与障碍物M1和障碍物M4均有两个交点，因此分别获取障碍物M1和障碍物M4的绕行方向。
如果垂线穿过的障碍物对应的绕行方向为左绕行，则确定该垂线与该障碍物边界的两个交点中坐标值最大的交点，并将该交点作为障碍物的左边界点，然后根据该左边界点在初始坐标系中的坐标值，确定该左边界点在目标坐标系中的坐标值。可以理解的是，对于给定的障碍物，目标点集合中的各个目标点之间的预设间隔越小，障碍物对应的目标点就越多；而目标点越多，与目标点对应的左边界点就越多；而对应的左边界点越多，那么基于这些左边界点确定的障碍物的左边界就越准确。
如果垂线穿过的障碍物对应的绕行方向为右绕行，则确定垂线与该障碍物边界的两个交点中将坐标值最小的交点，并将该交点作为障碍物的右边界点，然后根据该右边界点在初始坐标系中的坐标值，确定该右边界点在目标坐标系中的坐标值。以理解的是，对于给定的障碍物，目标点集合中的各个目标点之间的预设间隔越小，障碍物对应的目标点就越多；而目标点越多，目标点对应的右边界点就越多；而对应的右边界点越多，那么基于这些右边界点确定的障碍物的右边界就越准确。
障碍物的该至少两个左边界点确定之后，即可根据该至少两个左边界点确定该障碍物的左边界；根据该障碍物的左边界分别与道路最大约束边界和最小约束边界之间的大小关系，确定无人车的绕行约束边界。同理，障碍物的该至少两个右边界点确定之后，即可根据该至少两个右边界点确定该障碍物的右边界；根据该障碍物的右边界分别与道路最大约束边界和最小约束边界之间的大小关系，确定无人车的绕行约束边界。
考虑到无人车的左边界可能完全大于道路最小约束边界(参见图2中的M1)，也可能完全小于道路最小约束边界(参见图2中的M2)，也可能一部分小于道路最小约束边界，一部分大于道路最小约束边界(参见图2中的M3)。为此，本实施例实时比较已确定的任一左边界点，分别与对应的道路最小约束边界点和对应的道路最大约束边界点的大小。如果所确定的任一左边界点小于对应的道路最小约束边界点，则将其对应的道路最大约束边界点和对应的道路最小约束边界点作为无人车的绕行约束边界点；如果确定的任一左边界点在对应的道路最大约束边界与对应的道路最小约束边界之间，则将其对应的道路最大约束边界点与该左边界点作为无人车的绕行约束边界点。其中，道路最大约束边界点位于道路最大约束边界，道路最小约束边界点位于道路最小约束边界。同理，本实施例实时比较已确定的任一右边界点，分别与对应的道路最小约束边界点和对应的道路最大约束边界点的大小。如果所确定的任一右边界点大于对应的道路最大约束边界点，则将其对应的道路最大约束边界点和对应的道路最小约束边界点作为无人车的绕行约束边界点；如果确定的任一右边界点在对应的道路最大约束边界点与道路最小约束边界点之间，则将其对应的右边界点与对应的道路最小约束边界点作为无人车的绕行约束边界点。
可以理解的是，如果当前确定的左边界点大于对应的道路最大约束边界点，则判定无人车在当前行驶路径上无法完成该障碍物的左绕行，即不存在绕行约束边界；同理，如果当前确定的右边界点小于对应的道路最小约束边界点，则判定无人车在当前行驶路径上无法完成该障碍物的右绕行，即不存在绕行约束边界。
在一些实施例中，可能同时得到标识有左绕行的障碍物的左边界点以及标识有右绕行的障碍物的右边界点，比如图2中的当前目标点r同时对应有障碍物M1的左边界点和障碍物M4的右边界点。此时确定该右边界点是否大于该左边界点，并小于对应的道路最大约束边界点，同时该左边界点是否大于对应的道路最小约束边界点，若是，则将该右边界点与该左边界点作为无人车的绕行约束边界点，即无人车需从该左边界点和该右边界点之间完成当前的绕行操作。
本发明实施例提供的无人车的技术方案，若检测到标识有左绕行的第一障碍物，则确定第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定第二障碍物在目标坐标系中的至少两个右边界点，由于该至少两个左边界点或该至少两个右边界点均在障碍物边界上，因此根据该至少两个左边界点限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，以及道路最大约束边界和道路最小约束边界，可以准确地划分出道路中的障碍物区域和非障碍物区域，从而可以准确地确定出无人车在道路上的最大绕行约束边界，该最大绕行约束边界可以大大降低优化器进行路径优化的难度，以及提高优化器路径优化的速度和准确度。
实施例五
本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种无人车障碍物绕行方法，该方法包括：
若检测到标识有左绕行的第一障碍物，则确定所述第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定所述第二障碍物在所述目标坐标系中的至少两个右边界点，其中，所述目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴；
根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界；
控制无人车在所述绕行约束边界内行驶，以绕行通过所对应的障碍物。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的无人车障碍物绕行方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(RandomAccess Memory，简称RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的无人车障碍物绕行方法。
值得注意的是，上述无人车障碍物绕行装置的实施例中，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。
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 (10)
1.一种无人车障碍物绕行方法，其特征在于，包括：
若检测到标识有左绕行的第一障碍物，则确定所述第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定所述第二障碍物在所述目标坐标系中的至少两个右边界点，其中，所述目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴；
根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界；
控制无人车在所述绕行约束边界内行驶，以绕行通过所对应的障碍物。
2.根据权利要求1所述的方法，其特征在于，所述若检测到标识有左绕行的第一障碍物，则确定所述第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定所述第二障碍物在所述目标坐标系中的至少两个右边界点，包括：
在初始坐标系中，确定目标点集合中的当前目标点所在的垂直于道路中心线的垂线，其中，所述目标点集合中的各个目标点均分布于道路中心线上，每个障碍物至少对应有两个所述目标点；
如果所述垂线与至少一个障碍物存在两个交点，则获取该至少一个障碍物的绕行方向；
如果获取的障碍物的绕行方向为左绕行，则将所述垂线与该障碍物边界的两个交点中坐标值最大的交点作为左边界点，并确定该左边界点在所述目标坐标系中的坐标值；
如果获取的障碍物的绕行方向为右绕行，则将所述垂线与该障碍物边界的两个交点中坐标值最小的交点作为右边界点，并确定该右边界点在所述目标坐标系中的坐标值。
3.根据权利要求2所述的方法，其特征在于，所述垂线的长度大于所述道路宽度的3倍。
4.根据权利要求1所述的方法，其特征在于，根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界，确定无人车的绕行约束边界，包括：
如果所确定的任一左边界点超出道路最小约束边界，则将对应的道路最大约束边界点和对应的道路最小约束边界点作为无人车的绕行约束边界点，该道路最大约束边界点位于所述道路最大约束边界上，该道路最小约束边界点位于所述道路最小约束边界上；
如果确定的任一左边界点在所述道路最大约束边界与所述道路最小约束边界之间，则将对应的道路最大约束边界点与该左边界点作为无人车的绕行约束边界点。
5.根据权利要求1所述的方法，其特征在于，根据道路最大约束边界、道路最小约束边界，以及该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界，包括：
如果确定的任一右边界点超出所述道路最大约束边界，则将对应的道路最大约束边界点和对应的道路最小约束边界点作为无人车的绕行约束边界点，该道路最大约束边界点位于所述道路最大约束边界上，该道路最小约束边界点位于所述道路最小约束边界上；
如果所确定的任一右边界点在所述道路最大约束边界和所述道路最小约束边界之间，则将对应的道路最小约束边界点与该右边界点作为无人车的绕行约束边界点。
6.根据权利要求4或5所述的方法，其特征在于，还包括：
如果所确定的任一左边界点超出道路最大约束条件，则判定无人车无法绕行通过当前障碍物；
如果所确定的任一右边界点超出道路最小约束条件，则判定无人车无法绕行通过当前障碍物。
7.根据权利要求1所述的方法，其特征在于，根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界，包括：
在同时得到标识有左绕行的障碍物的左边界点以及标识有右绕行的障碍物的右边界点时，如果该右边界点大于该左边界点并小于对应的道路最大约束边界点，以及该左边界点大于对应的道路最小约束边界点时，将该右边界点与该左边界点作为无人车的绕行约束边界点。
8.一种无人车障碍物绕行装置，其特征在于，包括：
边界点模块，用于若检测到标识有左绕行的第一障碍物，则确定所述第一障碍物在目标坐标系中的至少两个左边界点；若检测打击标识有右绕行的第二障碍物，则确定所述第二障碍物在所述目标坐标系中的至少两个右边界点，其中，所述目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴；
确定模块，用于根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界；
行驶模块，用于控制无人车在所述绕行约束边界内行驶，以绕行通过所对应的障碍物。
9.一种无人车，其特征在于，包括：
车体；
行驶机构，设于所述车体上，用于带动所述车体行驶；
控制器，设于所述车体内，用于若检测到标识有左绕行的第一障碍物，则确定所述第一障碍物在目标坐标系中的至少两个左边界点；若检测到标识有右绕行的第二障碍物，则确定所述第二障碍物在所述目标坐标系中的至少两个右边界点；根据道路最大约束边界、道路最小约束边界，以及该至少两个左边界点所限定的障碍物左边界和/或该至少两个右边界点所限定的障碍物右边界，确定无人车的绕行约束边界，并控制车体在所述绕行约束边界内行驶以绕过当前障碍物，其中，所述目标坐标系包括垂直于道路中心线的第一坐标轴和沿道路中心线分布且方向为路程累加方向的第二坐标轴。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的无人车障碍物绕行方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011035321.7A CN113759892A (zh) | 2020-09-27 | 2020-09-27 | 无人车障碍物绕行方法、装置、无人车及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011035321.7A CN113759892A (zh) | 2020-09-27 | 2020-09-27 | 无人车障碍物绕行方法、装置、无人车及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113759892A true CN113759892A (zh) | 2021-12-07 |
Family
ID=78785796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011035321.7A Pending CN113759892A (zh) | 2020-09-27 | 2020-09-27 | 无人车障碍物绕行方法、装置、无人车及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113759892A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114296458A (zh) * | 2021-12-29 | 2022-04-08 | 深圳创维数字技术有限公司 | 车辆控制方法、装置及计算机可读存储介质 |
| CN115309168A (zh) * | 2022-10-11 | 2022-11-08 | 天地科技股份有限公司 | 一种井下无人车控制方法及装置 |
-
2020
- 2020-09-27 CN CN202011035321.7A patent/CN113759892A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114296458A (zh) * | 2021-12-29 | 2022-04-08 | 深圳创维数字技术有限公司 | 车辆控制方法、装置及计算机可读存储介质 |
| CN114296458B (zh) * | 2021-12-29 | 2023-08-01 | 深圳创维数字技术有限公司 | 车辆控制方法、装置及计算机可读存储介质 |
| CN115309168A (zh) * | 2022-10-11 | 2022-11-08 | 天地科技股份有限公司 | 一种井下无人车控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111426330B (zh) | 路径生成方法和设备、无人化运输系统和存储介质 | |
| EP3524934A1 (en) | Systems and methods for determining a projection of an obstacle trajectory onto a reference line of an autonomous vehicle | |
| US9096267B2 (en) | Efficient data flow algorithms for autonomous lane changing, passing and overtaking behaviors | |
| CN112810630B (zh) | 一种自动驾驶车辆轨迹规划方法及系统 | |
| JP2017016645A (ja) | 半自律車両、及び、半自律車両を制御する方法 | |
| CN110834631A (zh) | 一种行人避让方法、装置、车辆及存储介质 | |
| JP6809531B2 (ja) | 車両判定方法、走行経路補正方法、車両判定装置、及び走行経路補正装置 | |
| US11586209B2 (en) | Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles | |
| CN113759892A (zh) | 无人车障碍物绕行方法、装置、无人车及存储介质 | |
| CN110487290B (zh) | 基于变步长a星搜索的无人驾驶汽车局部路径规划方法 | |
| CN109115220B (zh) | 一种用于停车场系统路径规划的方法 | |
| CN112859838B (zh) | 一种自动驾驶控制方法、装置、设备和介质 | |
| CN112327826A (zh) | 一种路径规划方法、装置、设备和介质 | |
| CN111830959A (zh) | 用于操作自动驾驶车辆的方法、系统和机器可读介质 | |
| Chen et al. | Path planning for autonomous vehicle based on a two-layered planning model in complex environment | |
| CN113728212A (zh) | 用于自动驾驶车辆的导航路线规划方法 | |
| JP2023523350A (ja) | 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム | |
| CN115077553A (zh) | 基于栅格搜索轨迹规划方法、系统、汽车、设备及介质 | |
| CN114932901A (zh) | 一种自适应速度规划方法、装置和域控制器 | |
| JP2020111302A (ja) | 車両運転支援システム及び方法 | |
| CN114987556A (zh) | 自动驾驶车辆控制方法、装置、设备及存储介质 | |
| CN115923803A (zh) | 车辆可通行区域确定方法、装置、设备及介质 | |
| US10969231B2 (en) | Map data update system and non-transitory computer-readable storage medium | |
| CN112748733A (zh) | 电缆放线车路径规划方法、装置、设备及存储介质 | |
| CN113752941A (zh) | 无人车转向灯控制方法、装置、无人车及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |