CN113778102B - Avp全局路径规划系统、方法、车辆及存储介质 - Google Patents

Avp全局路径规划系统、方法、车辆及存储介质 Download PDF

Info

Publication number
CN113778102B
CN113778102B CN202111118009.9A CN202111118009A CN113778102B CN 113778102 B CN113778102 B CN 113778102B CN 202111118009 A CN202111118009 A CN 202111118009A CN 113778102 B CN113778102 B CN 113778102B
Authority
CN
China
Prior art keywords
road
path planning
data
avp
global
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
Application number
CN202111118009.9A
Other languages
English (en)
Other versions
CN113778102A (zh
Inventor
刘金彦
王皓
王宽
谭余
胡升
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202111118009.9A priority Critical patent/CN113778102B/zh
Publication of CN113778102A publication Critical patent/CN113778102A/zh
Application granted granted Critical
Publication of CN113778102B publication Critical patent/CN113778102B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0212—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
    • G05D1/0212—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
    • 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
    • G05D1/0221—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, 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
    • 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)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种AVP全局路径规划系统、方法、车辆及存储介质，包括：步骤1.采集停车场opendrive格式的高精度地图数据；步骤2.将高精度地图中的路网数据进行解析并存储到预定义的路网结构数据中；步骤3.将高精度地图的路网结构数据进行可视化；步骤4.对数据结构体中数据抽象成节点；步骤5.通过A*算法对抽象的节点进行全局路径规划，生成全局最优路径L1；步骤6.将采用A*算法找到的全局最优路径L1映射到高精度地图上，输出全局最优路径点集合L2；步骤7.采用B样条插值算法对全局最优路径点集合L2进行插值平滑，输出路径规划点集L3。本发明能够使AVP场景的路径规划更加快速、安全、精准，并提高了路径规划精准度。

Description

AVP全局路径规划系统、方法、车辆及存储介质
技术领域
本发明属于汽车AVP全局路径规划技术领域，具体涉及一种AVP全局路径规划系统、方法、车辆及存储介质。
背景技术
当前，在一些特殊场景，比如下雨天、没带伞或者拿着很多东西、需要照顾小孩等场景中，AVP（代客泊车）系统能提供很多便利，满足客户的刚性需求。同时，AVP系统是通往自动驾驶的必经之路。AVP系统能够验证自动驾驶所有的架构设计，包括路径规划、建图、预测以及感知等方面，为后续开放区域的无人驾驶积累商业化运行的经验。路径规划技术是智能驾驶领域中一项非常关键的技术，是指在真实的道路环境中，AVP系统按照设定的性能指标（如拐弯最少、路径最短、时间最短等）搜索一条从起始位置到目标位置的最优路径。
基于传统地图数据和传统算法规划出来道路级路线已经满足不了行车的需求，例如专利文献CN108981739A公开了一种路径规划方法、装置、服务器及存储介质，这种使用传统算法规划出来的道路级别的路线信息量较少，得到的结果不足以支撑智能驾驶。又如专利文献CN110530392A公开的一种基于传统地图和高精度地图结合的路径规划方法及装置，虽然使用了高精度地图，但所使用传统算法，效率和准确性都有待于提高。这种面向自动驾驶的车道级的路径规划考虑的要素更加丰富，对算法的准确性和效率更高。因此基于高精度地图数据和人工智能的算法来规划车道级路线来辅助引导车辆行驶就显得很有必要，同时，安全、舒适、快捷等都是智能驾驶所必须考虑的因素。
因此，有必要开发一种新的AVP全局路径规划系统、方法、车辆及存储介质。
发明内容
本发明的目的是提供一种AVP全局路径规划系统、方法、车辆及存储介质，能使AVP场景的路径规划更加快速、安全、精准，并能提高路径规划精准度。
第一方面，本发明所述的一种AVP全局路径规划方法，包括以下步骤：
步骤1.采集停车场opendrive格式的高精度地图数据；
步骤2.将高精度地图中的路网数据进行解析并存储到预定义的路网结构数据中；
步骤3.将高精度地图的路网结构数据进行可视化；
步骤4.对路网结构数据中数据抽象成节点；
步骤5.通过A*算法对抽象的节点进行全局路径规划，生成全局最优路径L1;
步骤6.将采用A*算法找到的全局最优路径L1映射到高精度地图上，输出全局最优路径点集合L2；
步骤7.采用B样条插值算法对全局最优路径点集合L2进行插值平滑，输出路径规划点集L3。
可选地，所述步骤1具体为：
采集停车场的opendrive格式的高精度地图数据，其中，所述高精度地图数据包括车道模型、道路属性、道路拥堵情况、施工情况、是否有交通事故的动态交通信息、道路形状、道路坡度、道路曲率、道路方向、车道线类型、车道宽度、路边地标、防护栏、道路边缘类型和交叉路口信息。
可选地，所述步骤2具体为：
将采集的停车场高精度地图数据按照XML格式存储数据，且存储的数据满足层级结构，文件的最高层级是道路和交叉路口，每个道路包含道路的id、长度、道路起始位置的坐标、几何形状、车道、车道线宽度、偏移量和最大速度；
定义路网结构数据，按照 XML文件中定义的道路层级解析道路模型，并按照原有层级存储到路网结构数据中。
可选地，所述步骤3具体为：
将路网结构数据中的车道中心线、车道线、车道、道路几何模型以及交叉路口信息进行可视化展示，同时，将设置的起始位置、目标位置以及完成规划的路径也进行可视化展示。
可选地，所述步骤4具体为：
提取路网结构数据中的每条道路的道路的id、几何形状、车道线、车道中心线、车道方向信息抽象成一个节点。
第二方面，本发明所述的一种AVP全局路径规划系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时能执行如本发明所述的AVP全局路径规划方法的步骤。
第三方面，本发明所述的一种车辆，采用如本发明所述的AVP全局路径规划系统。
第四方面，本发明所述的一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行如本发明所述的AVP全局路径规划方法的步骤。
本发明具有以下优点：
（1）采集停车场opendrive格式的高精度地图数据，存储车道级别的道路信息，比如车道几何特性、道路属性、道路坡度、道路曲率、道路方向、车道线类型、车道宽度、路边地标、交叉路口等信息，丰富的道路信息能够为精准的路径的规划和决策控制提供数据条件；
（2）将解析的opendrive格式的高精度地图数据存储到路网结构数据中，采用层级的方式存储，一条道路作为结构体vector的一个元素，每条道路中又包含该条道路的所有车道、车道线、车道线几何特性等，当地图数据发生变化时，方便修改vector中的数据；
（3）采用A*算法做全局路径规划，效率较高，实时性较好；
（4）对于采用A*算法做全局路径规划之后得到的车道的中心点，采用B样条插值算法进行点的平滑处理，进而输出给控制和决策，确保了控制和决策更平稳，以及驾乘体验；
（5）采用可视化的方式展示opendrive格式的高精度地图路网数据、起始点和目标点以及全局路径规划的路径，使结果更直观，同时方便查验数据；
综上所述，本发明能够使AVP场景的路径规划更加快速、安全、精准，并提高了路径规划精准度。
附图说明
图1是本实施例的流程图；
图2是本实施例中步骤5的流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，本实施例中，一种AVP全局路径规划方法，包括以下步骤：
步骤1.采集停车场opendrive格式的高精度地图数据；
步骤2.将高精度地图中的路网数据进行解析并存储到预定义的路网结构数据中；
步骤3.将高精度地图的路网结构数据进行可视化；
步骤4.对路网结构数据中数据抽象成节点；
步骤5.通过A*算法对抽象的节点进行全局路径规划，生成全局最优路径L1;
步骤6.将采用A*算法找到的全局最优路径L1映射到高精度地图上，输出全局最优路径点集合L2；
步骤7.采用B样条插值算法对全局最优路径点集合L2进行插值平滑，输出路径规划点集L3，能够确保L3较为平滑。
本实施例中，所述步骤1具体为：
采集停车场的opendrive格式的高精度地图数据，其中，所述高精度地图数据包括车道模型、道路属性、道路拥堵情况、施工情况、是否有交通事故的动态交通信息、道路形状、道路坡度、道路曲率、道路方向、车道线类型、车道宽度、路边地标、防护栏、道路边缘类型和交叉路口信息。
本实施例中，所述步骤2具体为：
将采集的停车场高精度地图数据按照XML格式存储数据，且存储的数据满足层级结构，文件的最高层级是道路和交叉路口，每个道路包含道路的id、长度、道路起始位置的坐标、几何形状、车道、车道线宽度、偏移量和最大速度；
定义路网结构数据，按照 XML文件中定义的道路层级解析道路模型，并按照原有层级存储到路网结构数据中。
本实施例中，所述步骤3具体为：
将路网结构数据中的车道中心线、车道线、车道、道路几何模型以及交叉路口信息进行可视化展示，同时，将设置的起始位置、目标位置以及完成规划的路径也进行可视化展示。
本实施例中，所述步骤4具体为：
提取路网结构数据中的每条道路的道路的id、几何形状、车道线、车道中心线、车道方向信息抽象成一个节点。
如图2所示，本实施例中，所述步骤5具体为：
（1）创建open_list（打开列表）和close_list（关闭列表）两个列表；
（2）将起点A加入open_list；
（3）定义F（m）、G（m）和H（m），F（m）值是从初始节点经由节点m到达目标节点的代价估计。G（m）值是在状态空间中从初始节点到节点m的实际代价，H(m)是从节点m到目标节点的最佳路径的估计代价。
判断Length（open_list）是否大于0；若否，没有找到目标表格，路径规划失败，流程结束；若是，寻找open_list中最小F值点，记为current_note；
（4）把current_note点移动到close_list，并从open_list中删除；
（5）判断current_note是否为目标点B；若是，进入步骤（6），若否，进入步骤（7）；
（6）全局路径已经找到，通过存储父子节点关系的列表，用于回溯最优路径，也可以通过指针实现，保存路径，流程结束；
（7）搜索current_note的所有相邻节点Li，i=1，2，…，n，n为相邻节点的总数量；
（8）i=1；
（9）判断i是否小于等于n，若否，返回步骤（3）；若是，进入步骤（10）
（10）判断Li是否不可通过或者已经在close_list中，若是，进入步骤（11），若否，则进入步骤（12）；
（11）i=i+1；
（12）判断Li是否在open_list中，若否，把Li添加到open_list中，计算Li的G和H值，设置current_note为Li的父节点；若是，则进入步骤（13）；
（13）计算经过current_note的Li的G值：G（A-＞current_note-＞Li）；
（14）G（A-＞current_note-＞Li）是否小于G值；若否，进入步骤（11）；若是，进行步骤（15）；
（15）current_note是Li的父节点，重新计算Li的G值，并进入步骤（11）。
本实施例中，一种AVP全局路径规划系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时能执行如本实施例中所述的AVP全局路径规划方法的步骤。
本实施例中，一种车辆，采用如本实施例中所述的AVP全局路径规划系统。
本实施例中，一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行如本实施例中所述的AVP全局路径规划方法的步骤。

Claims (5)

1.一种AVP全局路径规划系统方法，其特征在于，包括以下步骤：
步骤1.采集停车场opendrive格式的高精度地图数据；
步骤2.将高精度地图中的路网数据进行解析并存储到预定义的路网结构数据中；
步骤3.将高精度地图的路网结构数据进行可视化；
步骤4.对路网结构数据中数据抽象成节点；
步骤5.通过A*算法对抽象的节点进行全局路径规划，生成全局最优路径L1;
步骤6.将采用A*算法找到的全局最优路径L1映射到高精度地图上，输出全局最优路径点集合L2；
步骤7.采用B样条插值算法对全局最优路径点集合L2进行插值平滑，输出路径规划点集L3；所述步骤1具体为：
采集停车场的opendrive格式的高精度地图数据，其中，所述高精度地图数据包括车道模型、道路属性、道路拥堵情况、施工情况、是否有交通事故的动态交通信息、道路形状、道路坡度、道路曲率、道路方向、车道线类型、车道宽度、路边地标、防护栏、道路边缘类型和交叉路口信息；所述步骤2具体为：
将采集的停车场高精度地图数据按照XML格式存储数据，且存储的数据满足层级结构，文件的最高层级是道路和交叉路口，每个道路包含道路的id、长度、道路起始位置的坐标、几何形状、车道、车道线宽度、偏移量和最大速度；
定义路网结构数据，按照 XML文件中定义的道路层级解析道路模型，并按照原有层级存储到路网结构数据中；所述步骤3中，将路网结构数据中的车道中心线、车道线、车道、道路几何模型以及交叉路口信息进行可视化展示，同时，将设置的起始位置、目标位置以及完成规划的路径也进行可视化展示。
2.根据权利要求1所述的AVP全局路径规划系统方法，其特征在于：所述步骤4具体为：
提取路网结构数据中的每条道路的道路的id、几何形状、车道线、车道中心线、车道方向信息抽象成一个节点。
3.一种AVP全局路径规划系统，其特征在于，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被控制器调用时能执行如权利要求1或2所述的AVP全局路径规划方法的步骤。
4.一种车辆，其特征在于：采用如权利要求3所述的AVP全局路径规划系统。
5.一种存储介质，其特征在于：其内存储有计算机可读程序，所述计算机可读程序被调用时能执行如权利要求1或2所述的AVP全局路径规划系统方法的步骤。
CN202111118009.9A 2021-09-22 2021-09-22 Avp全局路径规划系统、方法、车辆及存储介质 Active CN113778102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111118009.9A CN113778102B (zh) 2021-09-22 2021-09-22 Avp全局路径规划系统、方法、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111118009.9A CN113778102B (zh) 2021-09-22 2021-09-22 Avp全局路径规划系统、方法、车辆及存储介质

Publications (2)

Publication Number Publication Date
CN113778102A CN113778102A (zh) 2021-12-10
CN113778102B true CN113778102B (zh) 2023-05-12

Family

ID=78853136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111118009.9A Active CN113778102B (zh) 2021-09-22 2021-09-22 Avp全局路径规划系统、方法、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN113778102B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115235498B (zh) * 2022-07-21 2024-06-07 重庆长安汽车股份有限公司 行泊一体全局路径规划方法、系统、电子设备及车辆

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9170116B1 (en) * 2014-07-11 2015-10-27 Toyota Motor Engineering & Manufacturing North America, Inc. Method for generating accurate lane level maps
WO2019080781A1 (zh) * 2017-10-25 2019-05-02 广州汽车集团股份有限公司 无人驾驶车辆的路径规划方法、装置及计算机设备
CN109900279A (zh) * 2019-02-13 2019-06-18 浙江零跑科技有限公司 一种基于泊车位全局路由的停车场语义地图创建方法
CN110262488A (zh) * 2019-06-18 2019-09-20 重庆长安汽车股份有限公司 自动驾驶的局部路径规划方法、系统及计算机可读存储介质
CN110530393A (zh) * 2019-10-08 2019-12-03 北京邮电大学 车道级路径规划方法、装置、电子设备及可读存储介质
CN112082567A (zh) * 2020-09-05 2020-12-15 上海智驾汽车科技有限公司 基于改进Astar和灰狼算法结合的地图路径规划方法
CN112785842A (zh) * 2020-12-25 2021-05-11 际络科技(上海)有限公司 一种在线交通流仿真系统
CN112880693A (zh) * 2019-11-29 2021-06-01 北京市商汤科技开发有限公司 地图生成方法、定位方法、装置、设备及存储介质
CN112947406A (zh) * 2021-01-14 2021-06-11 华南理工大学 一种基于FLOYD和Astar的混合路径规划方法
CN112985445A (zh) * 2021-04-20 2021-06-18 速度时空信息科技股份有限公司 基于高精地图的车道级精度实时性运动规划方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9170116B1 (en) * 2014-07-11 2015-10-27 Toyota Motor Engineering & Manufacturing North America, Inc. Method for generating accurate lane level maps
WO2019080781A1 (zh) * 2017-10-25 2019-05-02 广州汽车集团股份有限公司 无人驾驶车辆的路径规划方法、装置及计算机设备
CN109900279A (zh) * 2019-02-13 2019-06-18 浙江零跑科技有限公司 一种基于泊车位全局路由的停车场语义地图创建方法
CN110262488A (zh) * 2019-06-18 2019-09-20 重庆长安汽车股份有限公司 自动驾驶的局部路径规划方法、系统及计算机可读存储介质
CN110530393A (zh) * 2019-10-08 2019-12-03 北京邮电大学 车道级路径规划方法、装置、电子设备及可读存储介质
CN112880693A (zh) * 2019-11-29 2021-06-01 北京市商汤科技开发有限公司 地图生成方法、定位方法、装置、设备及存储介质
WO2021104180A1 (zh) * 2019-11-29 2021-06-03 上海商汤临港智能科技有限公司 地图生成方法、定位方法、装置、设备、存储介质及计算机程序
CN112082567A (zh) * 2020-09-05 2020-12-15 上海智驾汽车科技有限公司 基于改进Astar和灰狼算法结合的地图路径规划方法
CN112785842A (zh) * 2020-12-25 2021-05-11 际络科技(上海)有限公司 一种在线交通流仿真系统
CN112947406A (zh) * 2021-01-14 2021-06-11 华南理工大学 一种基于FLOYD和Astar的混合路径规划方法
CN112985445A (zh) * 2021-04-20 2021-06-18 速度时空信息科技股份有限公司 基于高精地图的车道级精度实时性运动规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
区域自动代客泊车自主引导行驶控制应用研究;艾皖东;《中国优秀硕士学位论文全文数据库 工程科技II辑》(第02(2021)期);C035-604 *
无人地面车辆车道级路径引导方法;杨强荣;王美玲;于华超;;西安电子科技大学学报(第06期);162-167 *

Also Published As

Publication number Publication date
CN113778102A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN108871368B (zh) 一种高精度地图车道横向拓扑关系的构建方法、系统及存储器
CN111238497B (zh) 一种高精度地图的构建方法及装置
US10262529B2 (en) Management of moving objects
CN105675000A (zh) 一种基于高精度地图的车道级路径规划方法及系统
CN111750886A (zh) 局部路径规划方法及装置
US20180149488A1 (en) Guide route setting apparatus and guide route setting method
CN112212874A (zh) 车辆轨迹预测方法、装置、电子设备及计算机可读介质
CN107917716B (zh) 固定线路导航方法、装置、终端及计算机可读存储介质
CN116723970A (zh) 使用界限表示进行自动驾驶拓扑规划的系统、方法和计算机程序产品
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
CN110440819B (zh) 导航方法、装置和系统
CN113778102B (zh) Avp全局路径规划系统、方法、车辆及存储介质
CN118140120A (zh) 道路路段分割
Boubakri et al. High definition map update for autonomous and connected vehicles: A survey
CN111982135A (zh) 一种基于不同协议的地图格式之间的转换方法
CN114964292A (zh) 全局路径规划方法、装置、电子设备及存储介质
CN118392202A (zh) 一种全局最优路径规划方法、电子设备及介质
CN115112138A (zh) 轨迹规划信息生成方法、装置、电子设备以及存储介质
CN117232548A (zh) 一种路径规划方法、装置、电子设备及存储介质
EP3779363B1 (en) Method and system for vehicle routing based on parking probabilities
CN116541295A (zh) 一种道路动态场景仿真方法及系统
CN115454085A (zh) 基于导航地图的自动驾驶控制方法及自动驾驶控制装置
CN118202213A (zh) 道路布局索引和查询
CN113324552B (zh) 一种基于边缘计算的智能汽车高精度地图系统
CN115435800A (zh) 基于高精度地图的路径规划方法、装置、设备及介质

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
GR01 Patent grant