CN113819915A - 无人车路径规划方法及相关设备 - Google Patents
无人车路径规划方法及相关设备 Download PDFInfo
- Publication number
- CN113819915A CN113819915A CN202110235481.4A CN202110235481A CN113819915A CN 113819915 A CN113819915 A CN 113819915A CN 202110235481 A CN202110235481 A CN 202110235481A CN 113819915 A CN113819915 A CN 113819915A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- unmanned vehicle
- obstacles
- filtering
- flener
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001914 filtration Methods 0.000 claims abstract description 67
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 7
- 230000004888 barrier function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开的实施方式提供了一种无人车路径规划方法及装置、计算机可读存储介质和电子设备,属于计算机和通信技术领域。所述方法包括:获取无人车周围的障碍物;根据预定规则对所述障碍物进行过滤;在对所述障碍物进行过滤后,对所述无人车的路径进行规划;其中,所述障碍物包括起始弗莱纳S坐标、终止弗莱纳S坐标、起始弗莱纳L坐标和终止弗莱纳L坐标。本公开实施方式的技术方案提供了一种无人车路径规划方法,能够避免无人车的路径抖动问题。
Description
技术领域
本公开涉及计算机和通信技术领域,具体而言,涉及一种无人车路径规划方法及装置、计算机可读存储介质和电子设备。
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。路径规划技术是众多无人车技术不可或缺的一部分。现有无人车路径规划方法通常会考虑无人道路方向上的所有障碍物,这会由于障碍物运动方向不确定而导致路径抖动。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例提供一种无人车路径规划方法及装置、计算机可读存储介质和电子设备,能够避免无人车的路径抖动问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种无人车路径的规划方法,包括:
获取无人车周围的障碍物;
根据预定规则对所述障碍物进行过滤;
在对所述障碍物进行过滤后,对所述无人车的路径进行规划;
其中,所述障碍物包括起始弗莱纳S坐标、终止弗莱纳S坐标、起始弗莱纳L坐标和终止弗莱纳L坐标。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳S坐标大于所述无人车的弗莱纳S坐标且与所述无人车的弗莱纳S坐标的距离大于第一预定距离时,滤除该一个障碍物;
在所述障碍物中的一个的终止弗莱纳S坐标小于所述无人车的弗莱纳S坐标且与所述无人车的弗莱纳S坐标的距离大于第二预定距离时,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳L坐标大于所述无人车的弗莱纳L坐标且与所述无人车的弗莱纳L坐标的距离大于第三预定距离时,滤除该一个障碍物;
在所述障碍物中的一个的终止弗莱纳L坐标小于所述无人车的弗莱纳L坐标且与所述无人车的弗莱纳L坐标距离大于第四预定距离时,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个为静态时,在该一个障碍物的终止弗莱纳S坐标小于所述无人车的弗莱纳S坐标时,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
所述障碍物中的一个在垂直于弗莱纳S轴上的速度分量大于预定速度时,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳S坐标小于所述无人车的弗莱纳S坐标时,若该一个障碍物的预测运动轨迹与上一次所述无人车规划的路径相交且交点在所述无人车当前位置的前方,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳S坐标大于或等于所述无人车的弗莱纳S坐标时,若该一个障碍物与所述无人车的运动方向相同且在平行弗莱纳S轴方向上的速度分量大于所述无人车的最大速度,滤除该一个障碍物。
根据本公开的一个方面,提供一种无人车路径的规划装置,包括:
获取模块,配置为获取无人车周围的障碍物;
滤除模块,配置为根据预定规则对所述障碍物进行过滤;以及
规划模块,配置为在对所述障碍物进行过滤后,对所述无人车的路径进行规划;
其中,所述障碍物包括起始弗莱纳S坐标、终止弗莱纳S坐标、起始弗莱纳L坐标和终止弗莱纳L坐标。
根据本公开的一个方面,提供一种电子设备,包括:
一个或多个处理器;
存储装置,配置为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时,使得所述一个或多个处理器实现如上实施例中任一项所述的方法。
根据本公开的一个方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上实施例中任一项所述的方法。
在本公开的一些实施方式所提供的技术方案中,通过根据预定规则对障碍物进行过滤,能够避免无人车的路径抖动问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
以下附图描述了本发明的某些说明性实施方式,其中相同的附图标记表示相同的元件。这些描述的实施方式将是本公开的示例性实施方式,而不是以任何方式进行限制。
图1示出了可以应用本公开实施方式的无人车路径规划方法或无人车路径规划装置的示例性系统架构的示意图;
图2示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图;
图3示意性示出了根据本公开的一实施方式的Frenet(弗莱纳)坐标系与笛卡尔坐标系;
图4示意性示出了根据本公开的一实施方式的障碍物及障碍物边界多边形在Frenet(弗莱纳)坐标系与笛卡尔坐标系中的示意图;
图5示意性示出了根据本公开的一实施方式的无人车路径规划方法的流程图;
图6示意性示出了根据本公开的一实施方式的无人车路径规划装置的框图;
图7示意性示出了根据本发明的另一个实施方式的无人车路径规划装置的方框图;
图8示意性示出了根据本发明的另一个实施方式的无人车路径规划装置的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本公开实施方式的无人车路径规划方法或无人车路径规划装置的示例性系统架构100的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103中的一种或多种,网络104和服务器105。网络104是用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
无人车可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机和台式计算机、数字电影放映机等等。
服务器105可以是提供各种服务的服务器。例如无人车利用终端设备103(也可以是终端设备101或102)向服务器105发送无人车路径规划请求。服务器105可以获取无人车周围的障碍物;根据预定规则对所述障碍物进行过滤;在对所述障碍物进行过滤后,对所述无人车的路径进行规划;其中,所述障碍物包括起始弗莱纳S坐标、终止弗莱纳S坐标、起始弗莱纳L坐标和终止弗莱纳L坐标。服务器105可以将规划的路径信息发送至终端设备103,以将规划的路径信息显示于终端设备103,进而无人车可以基于终端设备103上显示的内容查看相应的当前无人车的规划路径。
又如终端设备103(也可以是终端设备101或102)可以是智能电视、VR(VirtualReality,虚拟现实)/AR(Augmented Reality,增强现实)头盔显示器、或者其上安装有导航、网约车、即时通讯、视频应用程序(application,APP)等的移动终端例如智能手机、平板电脑等,无人车可以通过该智能电视、VR/AR头盔显示器或者该导航、网约车、即时通讯、视频APP向服务器105发送无人车路径规划请求。服务器105可以基于该无人车路径规划请求,获得无人车路径规划的结果,并将无人车路径规划结果返回给该智能电视、VR/AR头盔显示器或者该导航、网约车、即时通讯、视频APP,进而通过该智能电视、VR/AR头盔显示器或者该导航、网约车、即时通讯、视频APP将返回的无人车路径规划结果进行显示。
图2示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图。
需要说明的是,图2示出的电子设备的计算机系统200仅是一个示例,不应对本公开实施方式的功能和使用范围带来任何限制。
如图2所示,计算机系统200包括中央处理单元(CPU,Central Processing Unit)201,其可以根据存储在只读存储器(ROM,Read-Only Memory)202中的程序或者从储存部分208加载到随机访问存储器(RAM,Random Access Memory)203中的程序而执行各种适当的动作和处理。在RAM 203中,还存储有系统操作所需的各种程序和数据。CPU 201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205:包括键盘、鼠标等的输入部分206;包括诸如阴极射线管(CRT,Cathode Ray Tube)、液晶显示器(LCD,Liquid Crystal Display)等以及扬声器等的输出部分207;包括硬盘等的储存部分208;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器210上,以便于从其上读出的计算机程序根据需要被安装入储存部分208。
特别地,根据本公开的实施方式,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分209从网络上被下载和安装,和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时,执行本申请的方法和/或装置中限定的各种功能。
需要说明的是,本公开所示的计算机可读存储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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)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。在本公开中,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。而在本公开中,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存储介质,该计算机可读存储介质可以发送、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。计算机可读存储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(RadioFrequency,射频)等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施方式的方法、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的模块和/或单元和/或子单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的模块和/或单元和/或子单元也可以设置在处理器中。其中,这些模块和/或单元和/或子单元的名称在某种情况下并不构成对该模块和/或单元和/或子单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施方式中所述的方法。例如,所述的电子设备可以实现如图5示的各个步骤。
相关技术中,例如可以采用机器学习方法、深度学习方法等进行无人车路径规划,不同方法适用的范围不同。
图3示意性示出了根据本公开的一实施方式的Frenet(弗莱纳)坐标系与笛卡尔坐标系。
参考图3,笛卡尔标系为yMx坐标系。Frenet坐标系以道路中心线为S轴、以垂直S轴向左为L轴,道路中心线是由一系列离散点组成的。假设笛卡尔坐标系中有一点p(xp,yp),在道路中心线中找到距离p最近的两个离散点s(xs,ys)和e(xe,ye),假设s在Frenet坐标系中坐标为(ss,0),e在Frenet下坐标为(se,0),则笛卡尔坐标下点p(xp,yp)与其在Frenet坐标系下的坐标(sp,lp)间的关系由公式(1)决定:
图4示意性示出了根据本公开的一实施方式的障碍物(obstacle)401及障碍物边界多边形402在Frenet(弗莱纳)坐标系与笛卡尔坐标系中的示意图。
参考图4,实线多边形401为障碍物的示意图,虚线多边形402为障碍物边界多边形示意图。在图4中,障碍物401及障碍物边界多边形402均为四边形,但本公开不限于此,障碍物及障碍物边界多边形也可以是四边形之外的其他形状。
其中,无人车路径是由一系列离散点组成的集合,无论是基于Frenet坐标系还是基于笛卡尔坐标系,无人车规划的路径都可以用点集合N={pi(xi,yi,si,li)|i=1,2,...,m}表示,其中,m代表路径中的离散点个数,(xi,yi)代表第i个点的笛卡尔坐标,(si,li)代表第i个点Frenet下的坐标。
参照图4,障碍物多边形402由一系列顶点按一定顺序连接而成,结合Frenet坐标系与笛卡尔坐标系变换关系,假设障碍物边界多边形402用(sstart,send,lstart,lend)表示,则可以根据公式(2)确定障碍物边界多边形的边界数值:
其中公式(2)中的(si,li)代表障碍物顶点中第i个点在Frenet坐标系下的坐标。
图5示意性示出了根据本公开的一实施方式的无人车路径规划方法的流程图。本公开实施方式的方法步骤可以由终端设备执行,也可以由服务端执行,或者由终端设备和服务端交互执行,例如,可以由上述图1中的服务器105执行,但本公开并不限定于此。
在步骤S510中,获取无人车周围的障碍物。
在该步骤中,终端设备或服务端可以获取无人车周围的障碍物。在一个实施例中,终端设备或服务端可以获取来自无人车感知模块的所有障碍物(其中,每个障碍物包含预测轨迹、当前速度及方向),并计算各个障碍物的sl boundary(弗莱纳坐标下的边界)。
如图4所示,所述障碍物包括起始弗莱纳S坐标、终止弗莱纳S坐标、起始弗莱纳L坐标和终止弗莱纳L坐标。
在一个实施例中,所述无人车的弗莱纳坐标可以是其中心、重心或无人车后车轴中心点的弗莱纳坐标,但本公开不以此为限。
本公开实施方式中,终端设备可以以各种形式来实施。例如,本公开中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(personal digitalassistant,PDA)、便捷式媒体播放器(portable media player,PMP)、无人车路径规划装置、可穿戴设备、智能手环、计步器、机器人、无人驾驶车等移动终端,以及诸如数字TV(television,电视机)、台式计算机等固定终端。
在步骤S520中,根据预定规则对所述障碍物进行过滤。
在该步骤中,终端设备或服务端可以根据预定规则对所述障碍物进行过滤。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳S坐标大于所述无人车的弗莱纳S坐标且与所述无人车的弗莱纳S坐标的距离大于第一预定距离时,滤除该一个障碍物;
在所述障碍物中的一个的终止弗莱纳S坐标小于所述无人车的弗莱纳S坐标且与所述无人车的弗莱纳S坐标的距离大于第二预定距离时,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳L坐标大于所述无人车的弗莱纳L坐标且与所述无人车的弗莱纳L坐标的距离大于第三预定距离时,滤除该一个障碍物;
在所述障碍物中的一个的终止弗莱纳L坐标小于所述无人车的弗莱纳L坐标且与所述无人车的弗莱纳L坐标距离大于第四预定距离时,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个为静态时,在该一个障碍物的终止弗莱纳S坐标小于所述无人车的弗莱纳S坐标时,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
所述障碍物中的一个在垂直于弗莱纳S轴上的速度分量大于预定速度时,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳S坐标小于所述无人车的弗莱纳S坐标时,若该一个障碍物的预测运动轨迹与上一次所述无人车规划的路径相交且交点在所述无人车当前位置的前方,滤除该一个障碍物。
在一个实施例中,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳S坐标大于或等于所述无人车的弗莱纳S坐标时,若该一个障碍物与所述无人车的运动方向相同且在平行弗莱纳S轴方向上的速度分量大于所述无人车的最大速度,滤除该一个障碍物。
在步骤S530中,在对所述障碍物进行过滤后,对所述无人车的路径进行规划。
在该步骤中,终端设备或服务器在对所述障碍物进行过滤后,对所述无人车的路径进行规划。
本公开的上述无人车路径规划方法,通过滤除部分障碍物,可以确保无人车路径的稳定,同时也不缺乏一定的绕行能力。
在一个实施例中,对所述障碍物进行过滤的方法如下:
参考图4,由Frenet坐标系下障碍物sl boundary(弗莱纳坐标下的边界)多边形生成规则可以看出,障碍物sl boundary多边形可以很好的描述笛卡尔坐标系下的障碍物多边形在道路上的分布情况。为了解决目前通用的路径规划方法考虑道路中所有障碍物从而导致路径抖动问题,结合Frenet坐标系下障碍物sl boundary及障碍物运动方向和速度,可以通过如下方法滤除一些不必要的障碍物,确保无人车路径稳定的同时,也不缺乏一定的绕行能力。无人车路径规划障碍物预滤除方法如下:
获取来自无人车感知模块的所有障碍物(其中,每个障碍物包含预测轨迹(例如4秒内的可能轨迹)、当前速度及方向),并计算各个障碍物的sl boundary,将各个包含slboundary信息的障碍物存入集合V中;
假设无人车路径规划需考虑障碍物集合为S,无人车当前在Frenet坐标系下的位置为s0(例如,无人车后车轴中心点的Frenet坐标),距离目的地剩余里程距离为d,向前考虑障碍物最大距离为df(第一预定距离),向后考虑障碍物最大距离为dr(第二预定距离),障碍物允许横穿的临界速度(预定速度)为vomax(例如,障碍物垂直于道路中心线上的速度分量),无人车最大速度为vmax;
遍历集合V中的所有障碍物bj:
如果bj满足sstart>s0+d成立,则continue(继续,即表示滤除该障碍物);
如果bj满足sstart>s0+df||send<s0-dr成立,则continue;
假设Frenet坐标系下s在(sstart,send)区间内的道路左边最大宽度为lleft(第三预定距离),右边最大宽度为lright(第四预定距离);如果bj满足lstart>lleft||lend<-lright成立,则continue;
如果bj为静态障碍物:如果满足send<s0成立,则continue;否则将bj存入集合S中;
如果bj为动态障碍物:
1)获取笛卡尔坐标系下该障碍物中心点坐标c(xc,yc,θc),然后将点c向道路中线投影,在道路中心线上找到一个距离c最近点r(xr,yr,θr),障碍物速度值vj,将障碍物在c处速度向量沿姿态r分解,获得r方向上(与Frenet坐标S轴平行的方向)的速度值vr和垂直r方向上速度值vor
2)如果vor>vomax成立,则continue;
3)如果bj满足sstart<s0成立,且bj预测轨迹与无人车上帧轨迹(上一次无人车规划的路径)相交且交点在无人车当前位置的前方,则continue;否则将bj存入集合S中;
4)如果bj满足sstart≥s0成立,且vr>0.0&&vj>vmax成立,则continue;否则将bj存入集合S中。
至此,通过以上方法,即可滤除不必要的障碍物,保证规划路径的稳定性的同时,也不缺乏绕行能力。
本公开的障碍物与滤除方法可以实现规划路径的稳定,但是并不完全保证无人车不与障碍物碰撞,但是通过路径规划和后续的速度规划结合则可以实现无人车与障碍物不发生碰撞。
图6示意性示出了根据本公开的一实施方式的无人车路径规划装置的框图。本公开实施方式提供的无人车路径规划装置600可以设置在终端设备上,也可以设置在服务器端上,或者部分设置在终端设备上,部分设置在服务器端上,例如,可以设置在图1中的服务器105,但本公开并不限定于此。
本公开实施方式提供的无人车路径规划装置600可以包括获取模块610、滤除模块620以及规划模块630。
其中,获取模块,配置为获取无人车周围的障碍物;
滤除模块,配置为根据预定规则对所述障碍物进行过滤;以及
规划模块,配置为在对所述障碍物进行过滤后,对所述无人车的路径进行规划;
其中,所述障碍物包括起始弗莱纳S坐标、终止弗莱纳S坐标、起始弗莱纳L坐标和终止弗莱纳L坐标。
该无人车路径规划装置600可以通过滤除无人车周围的部分障碍物,从而保证无人车规划路径的稳定。
根据本公开的实施方式,上述无人车路径规划装置600可以用于实现图5实施方式描述的无人车路径规划方法和无人车障碍物滤除方法。
图7示意性示出了根据本发明的另一个实施方式的无人车路径规划装置700的方框图。
如图7所示,除了图6实施方式描述的获取模块610、滤除模块620、以及规划模块630之外,该无人车路径规划装置700还包括显示模块710。
具体地,显示模块710在滤除模块620对障碍物滤除后以及规划模块630对路径规划后,以将障碍物滤除结果和路径规划结果显示于所述终端。
在该无人车路径规划装置700中,通过显示模块710可以完成障碍物滤除结果和路径规划结果的直观显示。
图8示意性示出了根据本发明的另一个实施方式的无人车路径规划装置800的方框图。
如图8所示,除了图6实施方式描述的获取模块610、滤除模块620、以及规划模块630之外,无人车路径规划装置800还包括存储模块810。
具体地,存储模块810用于将障碍物滤除结果和路径规划结果进行存储,以方便后续调用和参考。
可以理解的是,获取模块610、滤除模块620、规划模块630、显示模块710以及存储模块810可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施方式,获取模块610、滤除模块620、规划模块630、显示模块710以及存储模块810的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。或者,获取模块610、滤除模块620、规划模块630、显示模块710以及存储模块810的至少一个可以至少被部分地实现为计算机程序模块,当该程序被计算机运行时,可以执行相应模块的功能。
由于本发明的示例实施方式的无人车路径规划装置的各个模块可以用于实现上述图5描述的无人车路径规划方法的示例实施方式的步骤,因此对于本发明装置实施方式中未披露的细节,请参照本发明上述的无人车路径规划方法的实施方式。
本公开实施方式提供的无人车路径规划装置中的各个模块、单元和子单元的具体实现可以参照上述无人车路径规划方法中的内容,在此不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块、单元和子单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块、单元和子单元的特征和功能可以在一个模块、单元和子单元中具体化。反之,上文描述的一个模块、单元和子单元的特征和功能可以进一步划分为由多个模块、单元和子单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种无人车路径的规划方法,其特征在于,包括:
获取无人车周围的障碍物;
根据预定规则对所述障碍物进行过滤;
在对所述障碍物进行过滤后,对所述无人车的路径进行规划;
其中,所述障碍物包括起始弗莱纳S坐标、终止弗莱纳S坐标、起始弗莱纳L坐标和终止弗莱纳L坐标。
2.根据权利要求1所述的方法,其特征在于,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳S坐标大于所述无人车的弗莱纳S坐标且与所述无人车的弗莱纳S坐标的距离大于第一预定距离时,滤除该一个障碍物;
在所述障碍物中的一个的终止弗莱纳S坐标小于所述无人车的弗莱纳S坐标且与所述无人车的弗莱纳S坐标的距离大于第二预定距离时,滤除该一个障碍物。
3.根据权利要求1所述的方法,其特征在于,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳L坐标大于所述无人车的弗莱纳L坐标且与所述无人车的弗莱纳L坐标的距离大于第三预定距离时,滤除该一个障碍物;
在所述障碍物中的一个的终止弗莱纳L坐标小于所述无人车的弗莱纳L坐标且与所述无人车的弗莱纳L坐标距离大于第四预定距离时,滤除该一个障碍物。
4.根据权利要求1所述的方法,其特征在于,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个为静态时,在该一个障碍物的终止弗莱纳S坐标小于所述无人车的弗莱纳S坐标时,滤除该一个障碍物。
5.根据权利要求1所述的方法,其特征在于,根据预定规则对所述障碍物进行过滤包括:
所述障碍物中的一个在垂直于弗莱纳S轴上的速度分量大于预定速度时,滤除该一个障碍物。
6.根据权利要求1所述的方法,其特征在于,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳S坐标小于所述无人车的弗莱纳S坐标时,若该一个障碍物的预测运动轨迹与上一次所述无人车规划的路径相交且交点在所述无人车当前位置的前方,滤除该一个障碍物。
7.根据权利要求1所述的方法,其特征在于,根据预定规则对所述障碍物进行过滤包括:
在所述障碍物中的一个的起始弗莱纳S坐标大于或等于所述无人车的弗莱纳S坐标时,若该一个障碍物与所述无人车的运动方向相同且在平行弗莱纳S轴方向上的速度分量大于所述无人车的最大速度,滤除该一个障碍物。
8.一种无人车路径的规划装置,其特征在于,包括:
获取模块,配置为获取无人车周围的障碍物;
滤除模块,配置为根据预定规则对所述障碍物进行过滤;以及
规划模块,配置为在对所述障碍物进行过滤后,对所述无人车的路径进行规划;
其中,所述障碍物包括起始弗莱纳S坐标、终止弗莱纳S坐标、起始弗莱纳L坐标和终止弗莱纳L坐标。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,配置为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时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110235481.4A CN113819915A (zh) | 2021-03-03 | 2021-03-03 | 无人车路径规划方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110235481.4A CN113819915A (zh) | 2021-03-03 | 2021-03-03 | 无人车路径规划方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113819915A true CN113819915A (zh) | 2021-12-21 |
Family
ID=78912390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110235481.4A Pending CN113819915A (zh) | 2021-03-03 | 2021-03-03 | 无人车路径规划方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113819915A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106218612A (zh) * | 2016-07-27 | 2016-12-14 | 宇龙计算机通信科技(深圳)有限公司 | 一种汽车安全行驶的方法、装置以及终端 |
CN109583384A (zh) * | 2018-11-30 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车的避障方法和装置 |
CN109927719A (zh) * | 2017-12-15 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 一种基于障碍物轨迹预测的辅助驾驶方法和系统 |
CN110162081A (zh) * | 2018-02-14 | 2019-08-23 | 广州极飞科技有限公司 | 移动装置控制方法及装置、移动终端及移动装置 |
CN110766220A (zh) * | 2019-10-21 | 2020-02-07 | 湖南大学 | 一种结构化道路局部路径规划方法 |
CN111665852A (zh) * | 2020-06-30 | 2020-09-15 | 中国第一汽车股份有限公司 | 一种障碍物避让方法、装置、车辆及存储介质 |
CN112325898A (zh) * | 2021-01-06 | 2021-02-05 | 中智行科技有限公司 | 路径规划方法、装置、设备和存储介质 |
CN112389427A (zh) * | 2021-01-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 车辆轨迹优化方法、装置、电子设备和存储介质 |
-
2021
- 2021-03-03 CN CN202110235481.4A patent/CN113819915A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106218612A (zh) * | 2016-07-27 | 2016-12-14 | 宇龙计算机通信科技(深圳)有限公司 | 一种汽车安全行驶的方法、装置以及终端 |
CN109927719A (zh) * | 2017-12-15 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | 一种基于障碍物轨迹预测的辅助驾驶方法和系统 |
CN110162081A (zh) * | 2018-02-14 | 2019-08-23 | 广州极飞科技有限公司 | 移动装置控制方法及装置、移动终端及移动装置 |
CN109583384A (zh) * | 2018-11-30 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车的避障方法和装置 |
CN110766220A (zh) * | 2019-10-21 | 2020-02-07 | 湖南大学 | 一种结构化道路局部路径规划方法 |
CN111665852A (zh) * | 2020-06-30 | 2020-09-15 | 中国第一汽车股份有限公司 | 一种障碍物避让方法、装置、车辆及存储介质 |
CN112325898A (zh) * | 2021-01-06 | 2021-02-05 | 中智行科技有限公司 | 路径规划方法、装置、设备和存储介质 |
CN112389427A (zh) * | 2021-01-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 车辆轨迹优化方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051864B (zh) | 用于移动目标轨迹跟踪的方法及装置、设备和可读介质 | |
CN112700636B (zh) | 用于更新信息的方法和装置 | |
CN111098842B (zh) | 车辆速度控制方法及相关设备 | |
CN111422204A (zh) | 自动驾驶车辆通行判定方法及相关设备 | |
CN112918487B (zh) | 无人车起步方法、装置、电子设备和计算机可读介质 | |
CN110231041A (zh) | 一种车道切换的导航方法和装置 | |
CN113033925A (zh) | 用于控制自动驾驶车辆行驶、装置、电子设备和介质 | |
CN115761702A (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
CN113804196B (zh) | 无人车路径规划方法及相关设备 | |
CN111338339B (zh) | 轨迹规划方法、装置、电子设备及计算机可读介质 | |
CN110321854B (zh) | 用于检测目标对象的方法和装置 | |
CN113805578B (zh) | 无人车路径优化方法及相关设备 | |
CN115657684B (zh) | 车辆路径信息生成方法、装置、设备和计算机可读介质 | |
CN113361059A (zh) | 车辆模拟场景的生成方法及相关设备 | |
WO2024031999A1 (zh) | 图像分层方法、装置、电子设备及存储介质 | |
CN113804208B (zh) | 无人车路径优化方法及相关设备 | |
CN113819915A (zh) | 无人车路径规划方法及相关设备 | |
WO2023273282A1 (zh) | 车辆驾驶行为的规划方法、装置、电子设备、存储介质 | |
CN112265646B (zh) | 登机桥的控制方法及相关设备 | |
CN110120075B (zh) | 用于处理信息的方法和装置 | |
CN114581869A (zh) | 确定目标对象位置的方法、装置、电子设备和存储介质 | |
CN113776547A (zh) | 路径规划方法、装置、设备及存储介质 | |
CN113500994B (zh) | 车辆限速方法、装置、电子设备和存储介质 | |
CN113963542A (zh) | 无人车的数据处理方法及相关设备 | |
CN115588185B (zh) | 行驶路线生成方法、装置、电子设备和计算机可读介质 |
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 |