CN114103938A - 控制车辆纵向运动的方法、装置及存储介质 - Google Patents
控制车辆纵向运动的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114103938A CN114103938A CN202110307461.3A CN202110307461A CN114103938A CN 114103938 A CN114103938 A CN 114103938A CN 202110307461 A CN202110307461 A CN 202110307461A CN 114103938 A CN114103938 A CN 114103938A
- Authority
- CN
- China
- Prior art keywords
- longitudinal
- candidate
- displacement
- vehicle
- acceleration
- 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 43
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000006073 displacement reaction Methods 0.000 claims abstract description 201
- 230000001133 acceleration Effects 0.000 claims abstract description 103
- 230000008859 change Effects 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 80
- 230000006870 function Effects 0.000 claims description 40
- 230000001276 controlling effect Effects 0.000 claims description 38
- 230000000875 corresponding effect Effects 0.000 claims description 14
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
Abstract
本公开提供了一种控制车辆纵向运动的方法、装置及非瞬时性计算机可读存储介质,涉及自动驾驶技术领域。其中控制车辆纵向运动的方法包括:生成多条候选加速度曲线,每条候选加速度曲线表示车辆的纵向加速度在未来时间段内的变化情况;在车辆的纵向位移随时间变化的坐标系中,根据多条候选加速度曲线生成相应的多条候选位移曲线,每条候选位移曲线表示车辆的纵向位移在未来时间段内的变化情况;将未来时间段内障碍物的纵向位移映射至所述坐标系,根据障碍物的纵向位移从多条候选位移曲线中确定可选位移曲线;根据可选位移曲线控制车辆纵向运动。本公开能够实现自动驾驶场景中车辆的纵向决策,提升了决策结果的稳定性、可解释性和可优化性。
Description
技术领域
本公开涉及自动驾驶技术领域,特别涉及一种控制车辆纵向运动的方法、装置及非瞬时性计算机可读存储介质。
背景技术
自动驾驶场景具有复杂性和多样性。为了应对各类障碍物,通常需要做出横向运动的控制决策(简称横向决策)和纵向运动的控制决策(简称纵向决策),并基于横向决策和纵向决策为车辆规划出更加合理的运动轨迹。
在做出控制决策时,纵向决策和横向决策通常分开进行。其中,纵向决策例如包括跟随、让车、超车、停止等等。当前主流的决策方法包括利用机器学习模型进行控制决策以及采用A-star、RRT等算法进行搜索得出控制决策。
发明内容
本公开解决的一个技术问题是,如何实现自动驾驶场景中车辆的纵向决策。
根据本公开的一个方面,提供了一种控制车辆纵向运动的方法,包括:生成多条候选加速度曲线,每条候选加速度曲线表示车辆的纵向加速度在未来时间段内的变化情况;在车辆的纵向位移随时间变化的坐标系中,根据多条候选加速度曲线生成相应的多条候选位移曲线,每条候选位移曲线表示车辆的纵向位移在未来时间段内的变化情况;将未来时间段内障碍物的纵向位移映射至坐标系,根据障碍物的纵向位移从多条候选位移曲线中确定可选位移曲线;根据可选位移曲线控制车辆纵向运动。
在一些实施例中,生成多条候选加速度曲线包括:在车辆的加速度随时间变化的坐标系中,选取多个采样时刻;根据每个采样时刻下的候选加速度,生成每个采样时刻的候选加速度采样点;将相邻采样时刻的候选加速度采样点相连,生成多条候选加速度曲线。
在一些实施例中,根据多条候选加速度曲线生成相应的多条候选位移曲线包括:在车辆的纵向速度随时间变化的坐标系中,根据多条候选加速度曲线生成相应的多条候选速度曲线,每条候选速度曲线表示车辆的纵向速度在未来时间段内的变化情况;删除速度超过限速及速度出现负值的候选速度曲线,获得多条可选速度曲线;在车辆的纵向位移随时间变化的坐标系中,根据多条可选速度曲线生成相应的多条候选位移曲线。
在一些实施例中,将未来时间段内障碍物的纵向位移映射至坐标系包括:根据障碍物的纵向长度以及障碍物的纵向速度,在坐标系中确定障碍物区域。
在一些实施例中,障碍物区域为平行四边形,平行四边形的第一组对边与坐标系的纵向位移坐标轴平行,且第一组对边的长度为障碍物的纵向长度,第二组对边的斜率为障碍物的纵向速度。
在一些实施例中,根据障碍物的纵向位移从多条候选位移曲线中确定可选位移曲线包括:将与障碍物区域的最短距离大于预设值的候选位移曲线,确定为可选位移曲线。
在一些实施例中,根据可选位移曲线控制车辆纵向运动包括:在存在多条可选位移曲线的情况下,分别计算每条可选位移曲线的损失函数值,其中,可选位移曲线的损失函数值为该可选位移曲线在各个采样时刻的损失函数值的总和;根据损失函数值最小的可选位移曲线控制车辆纵向运动。
在一些实施例中,可选位移曲线在某个采样时刻的损失函数值,分别与该采样时刻的加速度变化率的绝对值、加速度的绝对值、速度与限速之差的绝对值呈正相关。
在一些实施例中,可选位移曲线在采样时刻t的损失函数值cost(t)为cost(t)=a’(t)2+a(t)2+[v(t)-v0(t)]2,其中,a’(t)表示可选位移曲线在采样时刻t的加速度变化率,a(t)表示可选位移曲线在采样时刻t的加速度,v(t)表示可选位移曲线在采样时刻t的速度,v0(t)表示可选位移曲线在采样时刻t的限速。
根据本公开的另一个方面,提供了一种控制车辆纵向运动的装置,包括:加速度曲线生成模块,被配置为:生成多条候选加速度曲线,每条候选加速度曲线表示车辆的纵向加速度在未来时间段内的变化情况;位移曲线生成模块,被配置为:在车辆的纵向位移随时间变化的坐标系中,根据多条候选加速度曲线生成相应的多条候选位移曲线,每条候选位移曲线表示车辆的纵向位移在未来时间段内的变化情况;位移曲线确定模块,被配置为:将未来时间段内障碍物的纵向位移映射至坐标系,根据障碍物的纵向位移从多条候选位移曲线中确定可选位移曲线;运动控制模块,被配置为:根据可选位移曲线控制车辆纵向运动。
在一些实施例中,加速度曲线生成模块被配置为:在车辆的加速度随时间变化的坐标系中,选取多个采样时刻;根据每个采样时刻下的候选加速度,生成每个采样时刻的候选加速度采样点;将相邻采样时刻的候选加速度采样点相连,生成多条候选加速度曲线。
在一些实施例中,位移曲线生成模块被配置为:在车辆的纵向速度随时间变化的坐标系中,根据多条候选加速度曲线生成相应的多条候选速度曲线,每条候选速度曲线表示车辆的纵向速度在未来时间段内的变化情况;删除速度超过限速及速度出现负值的候选速度曲线,获得多条可选速度曲线;在车辆的纵向位移随时间变化的坐标系中,根据多条可选速度曲线生成相应的多条候选位移曲线。
在一些实施例中,位移曲线确定模块被配置为:根据障碍物的纵向长度以及障碍物的纵向速度,在坐标系中确定障碍物区域。
在一些实施例中,障碍物区域为平行四边形,平行四边形的第一组对边与坐标系的纵向位移坐标轴平行,且第一组对边的长度为障碍物的纵向长度,第二组对边的斜率为障碍物的纵向速度。
在一些实施例中,位移曲线确定模块被配置为:将与障碍物区域的最短距离大于预设值的候选位移曲线,确定为可选位移曲线。
在一些实施例中,运动控制模块被配置为:在存在多条可选位移曲线的情况下,分别计算每条可选位移曲线的损失函数值,其中,可选位移曲线的损失函数值为该可选位移曲线在各个采样时刻的损失函数值的总和;根据损失函数值最小的可选位移曲线控制车辆纵向运动。
在一些实施例中,可选位移曲线在某个采样时刻的损失函数值,分别与该采样时刻的加速度变化率的绝对值、加速度的绝对值、速度与限速之差的绝对值呈正相关。
在一些实施例中,可选位移曲线在采样时刻t的损失函数值cost(t)为cost(t)=a’(t)2+a(t)2+[v(t)-v0(t)]2,其中,a’(t)表示可选位移曲线在采样时刻t的加速度变化率,a(t)表示可选位移曲线在采样时刻t的加速度,v(t)表示可选位移曲线在采样时刻t的速度,v0(t)表示可选位移曲线在采样时刻t的限速。
根据本公开的又一个方面,提供了又一种控制车辆纵向运动的装置,包括:存储器;以及耦接至存储器的处理器,处理器被配置为基于存储在存储器中的指令,执行前述的控制车辆纵向运动的方法。
根据本公开的再一个方面,提供了一种非瞬时性计算机可读存储介质,其中,非瞬时性计算机可读存储介质存储有计算机指令,指令被处理器执行时实现前述的控制车辆纵向运动的方法。
本公开能够实现自动驾驶场景中车辆的纵向决策,提升了决策结果的稳定性、可解释性和可优化性。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了多条候选加速度曲线的示意图。
图2示出了多条候选位移曲线的示意图。
图3示出了障碍物区域的示意图。
图4示出了本公开一些实施例的控制车辆纵向运动的装置的结构示意图。
图5示出了本公开另一些实施例的控制车辆纵向运动的装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本公开保护的范围。
发明人经研究发现,在利用机器学习模型进行控制决策时,由于机器学习模型是经过训练得到的,因此机器学习模型给出的控制决策结果缺乏可解释性。同时,机器学习模型可能出现边界情况和过拟合问题,因此进行控制决策时给出决策结果的稳定性较差。此外,为了优化控制决策需要对机器学习模型进行重新训练,因此决策结果的可优化性也较低。
发明人还研究发现,在采用搜索算法进行控制决策时,搜索耗时并不稳定,甚至存在求解失败的可能性,因此进行控制决策时给出决策结果的稳定性也较差。
有鉴于此,本公开提供了一种控制车辆纵向运动的方法,能够实现自动驾驶场景中车辆的纵向决策,以提升决策结果的稳定性、可解释性和可优化性。
首先描述本公开控制车辆纵向运动的方法的一些实施例,这些实施例包括以下四个部分。
(一)生成多条候选加速度曲线
图1示出了多条候选加速度曲线的示意图。如图1所示,在车辆的加速度随时间变化的坐标系中,存在多条候选加速度曲线,每条候选加速度曲线表示车辆的纵向加速度在未来时间段(例如未来4秒)内的变化情况。多条候选加速度曲线的生成方式具体举例如下。
首先在车辆的加速度随时间变化的坐标系中选取多个采样时刻,例如以1秒为采样间隔选取的采样时刻1秒、2秒、3秒、4秒。
然后,根据车辆本身的物理性质能够确定加速度的取值范围,假设加速度的取值范围是[-2,2],为便于描述技术方案,进一步假设加速度的取值集合为{-2,-1,0,1,2},加速度的取值集合中的元素也被称为候选加速度。
接下来,根据每个采样时刻下的候选加速度,生成每个采样时刻的候选加速度采样点。例如图1所示,每个采样时刻具有5个候选加速度采样点。将相邻采样时刻的候选加速度采样点相连,即可生成多条候选加速度曲线。
本领域技术人员能够理解,采样间隔的选取以及加速度的取值集合可以根据实际需要进行相应的调整,在此不做具体限定。本领域技术人员还能够理解,利用候选速度采样点生成候选加速度曲线,既能够符合车辆的物理性质,又有助于后续生成的平滑的候选位移曲线。
(二)生成多条候选位移曲线
图2示出了多条候选位移曲线的示意图。如图2所示,在车辆的位移随时间变化的坐标系中,存在多条候选位移曲线,每条候选位移曲线表示车辆的纵向位移在未来时间段内的变化情况。多条候选位移曲线的生成方式具体举例如下。
首先,在车辆的纵向速度随时间变化的坐标系中,利用速度与加速度之间的变化关系,根据多条候选加速度曲线生成相应的多条候选速度曲线,每条候选速度曲线表示车辆的纵向速度在未来时间段内的变化情况。
然后,从候选速度曲线中,删除速度可能超过限速以及速度出现负值的候选速度曲线,获得多条可选速度曲线。
本领域技术人员应注意候选速度曲线与可选速度曲线的区别。可选速度曲线为候选速度曲线的一部分,候选速度曲线仅存在理论上的可行性,而可选速度曲线则存在实际的可行性。
接下来,在车辆的纵向位移随时间变化的坐标系中,利用位移与速度之间的变化关系,根据多条可选速度曲线生成相应的多条候选位移曲线。
(三)通过障碍物映射来确定可选位移曲线
将未来时间段内障碍物的纵向位移映射至车辆的纵向位移随时间变化的坐标系,并根据障碍物的纵向位移从多条候选位移曲线中确定可选位移曲线。
本领域技术人员应注意候选位移曲线与可选位移曲线的区别。可选位移曲线为候选位移曲线的一部分,候选位移曲线仅存在理论上的可行性,而可选位移曲线则存在实际的可行性。
在将未来时间段内障碍物的纵向位移映射至车辆的纵向位移随时间变化的坐标系时,可以根据障碍物的纵向长度以及障碍物的纵向速度,在车辆的纵向位移随时间变化的坐标系中确定障碍物区域。图3示出了障碍物区域的示意图。如图3所示,平行四边形Obs表示障碍物区域,平行四边形Obs的一组对边与纵向位移坐标轴平行,且该组对边的长度为障碍物的纵向长度,另一组对边的斜率为障碍物的纵向速度。本领域技术人员应理解,在障碍物的纵向速度不变的情况下,障碍物区域为平行四边形;在障碍物的纵向速度变化的情况下,障碍物区域为不规则形状,在此不一一列举。
映射得到障碍物区域之后,将与障碍物区域的最短距离大于预设值的候选位移曲线,确定为可选位移曲线。如果候选位移曲线与障碍物区域的最短距离小于预设值,表明按照这样的候选位移曲线进行纵向决策,会出现与障碍物距离过近甚至发生碰撞的危险情况,因此需要排除这样的候选位移曲线,以提升纵向决策的安全性。
(四)根据可选位移曲线控制车辆纵向运动
若存在一条可选位移曲线,则可以根据这条可选位移曲线进行纵向决策。若存在多条可选位移曲线的情况下(例如图3所示,Overtake表示纵向决策为超车的可选位移曲线,Follow表示纵向决策为跟随的可选位移曲线,Stop表示纵向决策为停止的可选位移曲线,Yield表示纵向决策为让车的可选位移曲线),则需要进一步从中选取一条最佳位移曲线,并根据最佳位移曲线进行纵向决策。下面具体介绍如何从多条可选位移曲线中选取最佳位移曲线。
首先,分别计算每条可选位移曲线的损失函数值。其中,可选位移曲线的损失函数值为该可选位移曲线在各个采样时刻的损失函数值的总和。
例如,可选位移曲线在某个采样时刻的损失函数值,分别与该采样时刻的加速度变化率的绝对值、加速度的绝对值、速度与限速之差的绝对值呈正相关。可选位移曲线在采样时刻t的损失函数值cost(t)例如可以为:
cost(t)=a’(t)2+a(t)2+[v(t)-v0(t)]2
其中,a’(t)表示可选位移曲线在采样时刻t的加速度变化率,a(t)表示可选位移曲线在采样时刻t的加速度,v(t)表示可选位移曲线在采样时刻t的速度,v0(t)表示可选位移曲线在采样时刻t的限速。将某个可选位移曲线的cost(1)、cost(2)、cost(3)、cost(4)的数值相加,即可得到该可选位移曲线的损失函数值。
然后,将损失函数值最小的可选位移曲线作为最佳位移曲线,根据损失函数值最小的可选位移曲线控制车辆纵向运动。本领域技术人员能够理解,为控制车辆按照损失函数值最小的可选位移曲线进行纵向运动,可以按照失函数值最小的可选位移曲线对应的候选加速度曲线进行纵向驱动控制。
上述实施例提供的控制车辆纵向运动的方法,能够实现自动驾驶场景中车辆的纵向决策,且至少具有以下三方面优点:第一,该方法在运行时具有更加稳定的运行速度,能够有效控制运行耗时,提升了决策结果的稳定性;第二,该方法不执行黑盒处理,因此提升了决策结果的可解释性;第三,该方法便于对决策结果进行进一步优化,提升了决策结果的和可优化性。因此,上述实施例能够更好地支持自动驾驶中的车辆规划。
下面结合图4描述本公开控制车辆纵向运动的装置的一些实施例。
图4示出了本公开一些实施例的控制车辆纵向运动的装置的结构示意图。如图4所示,控制车辆纵向运动的装置40包括:加速度曲线生成模块401,被配置为:生成多条候选加速度曲线,每条候选加速度曲线表示车辆的纵向加速度在未来时间段内的变化情况;位移曲线生成模块402,被配置为:在车辆的纵向位移随时间变化的坐标系中,根据多条候选加速度曲线生成相应的多条候选位移曲线,每条候选位移曲线表示车辆的纵向位移在未来时间段内的变化情况;位移曲线确定模块403,被配置为:将未来时间段内障碍物的纵向位移映射至坐标系,根据障碍物的纵向位移从多条候选位移曲线中确定可选位移曲线;运动控制模块404,被配置为:根据可选位移曲线控制车辆纵向运动。
在一些实施例中,加速度曲线生成模块401被配置为:在车辆的加速度随时间变化的坐标系中,选取多个采样时刻;根据每个采样时刻下的候选加速度,生成每个采样时刻的候选加速度采样点;将相邻采样时刻的候选加速度采样点相连,生成多条候选加速度曲线。
在一些实施例中,位移曲线生成模块402被配置为:在车辆的纵向速度随时间变化的坐标系中,根据多条候选加速度曲线生成相应的多条候选速度曲线,每条候选速度曲线表示车辆的纵向速度在未来时间段内的变化情况;删除速度超过限速及速度出现负值的候选速度曲线,获得多条可选速度曲线;在车辆的纵向位移随时间变化的坐标系中,根据多条可选速度曲线生成相应的多条候选位移曲线。
在一些实施例中,位移曲线确定模块403被配置为:根据障碍物的纵向长度以及障碍物的纵向速度,在坐标系中确定障碍物区域。
在一些实施例中,障碍物区域为平行四边形,平行四边形的第一组对边与坐标系的纵向位移坐标轴平行,且第一组对边的长度为障碍物的纵向长度,第二组对边的斜率为障碍物的纵向速度。
在一些实施例中,位移曲线确定模块403被配置为:将与障碍物区域的最短距离大于预设值的候选位移曲线,确定为可选位移曲线。
在一些实施例中,运动控制模块404被配置为:在存在多条可选位移曲线的情况下,分别计算每条可选位移曲线的损失函数值,其中,可选位移曲线的损失函数值为该可选位移曲线在各个采样时刻的损失函数值的总和;根据损失函数值最小的可选位移曲线控制车辆纵向运动。
在一些实施例中,可选位移曲线在某个采样时刻的损失函数值,分别与该采样时刻的加速度变化率的绝对值、加速度的绝对值、速度与限速之差的绝对值呈正相关。
在一些实施例中,可选位移曲线在采样时刻t的损失函数值cost(t)为:
cost(t)=a’(t)2+a(t)2+[v(t)-v0(t)]2
其中,a’(t)表示可选位移曲线在采样时刻t的加速度变化率,a(t)表示可选位移曲线在采样时刻t的加速度,v(t)表示可选位移曲线在采样时刻t的速度,v0(t)表示可选位移曲线在采样时刻t的限速。
上述实施例提供的控制车辆纵向运动的装置,能够实现自动驾驶场景中车辆的纵向决策,且至少具有以下三方面优点:第一,该装置在运行时具有更加稳定的运行速度,能够有效控制运行耗时,提升了决策结果的稳定性;第二,该装置不进行黑盒处理,因此提升了决策结果的可解释性;第三,该装置便于对决策结果进行进一步优化,提升了决策结果的和可优化性。因此,上述实施例能够更好地支持自动驾驶中的车辆规划。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
下面结合图5描述本公开控制车辆纵向运动的装置的另一些实施例。
图5示出了本公开另一些实施例的控制车辆纵向运动的装置的结构示意图。如图5所示,控制车辆纵向运动的装置50包括:存储器510以及耦接至该存储器510的处理器520,处理器520被配置为基于存储在存储器510中的指令,执行前述任意一些实施例中的控制车辆纵向运动的方法。
其中,存储器510例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
控制车辆纵向运动的装置50还可以包括输入输出接口530、网络接口540、存储接口550等。这些接口530、540、550以及存储器510和处理器520之间例如可以通过总线560连接。其中,输入输出接口530为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口540为各种联网设备提供连接接口。存储接口550为SD卡、U盘等外置存储设备提供连接接口。
本公开还包括一种非瞬时性计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现前述任意一些实施例中的控制车辆纵向运动的方法。
前述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (11)
1.一种控制车辆纵向运动的方法,包括:
生成多条候选加速度曲线,每条候选加速度曲线表示车辆的纵向加速度在未来时间段内的变化情况;
在车辆的纵向位移随时间变化的坐标系中,根据多条候选加速度曲线生成相应的多条候选位移曲线,每条候选位移曲线表示车辆的纵向位移在未来时间段内的变化情况;
将未来时间段内障碍物的纵向位移映射至所述坐标系,根据障碍物的纵向位移从多条候选位移曲线中确定可选位移曲线;
根据可选位移曲线控制车辆纵向运动。
2.根据权利要求1所述的方法,其中,所述生成多条候选加速度曲线包括:
在车辆的加速度随时间变化的坐标系中,选取多个采样时刻;
根据每个采样时刻下的候选加速度,生成每个采样时刻的候选加速度采样点;
将相邻采样时刻的候选加速度采样点相连,生成多条候选加速度曲线。
3.根据权利要求1所述的方法,其中,所述根据多条候选加速度曲线生成相应的多条候选位移曲线包括:
在车辆的纵向速度随时间变化的坐标系中,根据多条候选加速度曲线生成相应的多条候选速度曲线,每条候选速度曲线表示车辆的纵向速度在未来时间段内的变化情况;
删除速度超过限速及速度出现负值的候选速度曲线,获得多条可选速度曲线;
在车辆的纵向位移随时间变化的坐标系中,根据多条可选速度曲线生成相应的多条候选位移曲线。
4.根据权利要求1所述的方法,其中,所述将未来时间段内障碍物的纵向位移映射至所述坐标系包括:
根据障碍物的纵向长度以及障碍物的纵向速度,在所述坐标系中确定障碍物区域。
5.根据权利要求4所述的方法,其中,障碍物区域为平行四边形,平行四边形的第一组对边与所述坐标系的纵向位移坐标轴平行,且第一组对边的长度为障碍物的纵向长度,第二组对边的斜率为障碍物的纵向速度。
6.根据权利要求4所述的方法,其中,所述根据障碍物的纵向位移从多条候选位移曲线中确定可选位移曲线包括:
将与所述障碍物区域的最短距离大于预设值的候选位移曲线,确定为可选位移曲线。
7.根据权利要求2所述的方法,其中,所述根据可选位移曲线控制车辆纵向运动包括:
在存在多条可选位移曲线的情况下,分别计算每条可选位移曲线的损失函数值,其中,可选位移曲线的损失函数值为该可选位移曲线在各个采样时刻的损失函数值的总和;
根据损失函数值最小的可选位移曲线控制车辆纵向运动。
8.根据权利要求7所述的方法,其中,可选位移曲线在某个采样时刻的损失函数值,分别与该采样时刻的加速度变化率的绝对值、加速度的绝对值、速度与限速之差的绝对值呈正相关。
9.根据权利要求7所述的方法,其中,可选位移曲线在采样时刻t的损失函数值cost(t)为:
cost(t)=a’(t)2+a(t)2+[v(t)-v0(t)]2
其中,a’(t)表示可选位移曲线在采样时刻t的加速度变化率,a(t)表示可选位移曲线在采样时刻t的加速度,v(t)表示可选位移曲线在采样时刻t的速度,v0(t)表示可选位移曲线在采样时刻t的限速。
10.一种控制车辆纵向运动的装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1至9中任一项所述的控制车辆纵向运动的方法。
11.一种非瞬时性计算机可读存储介质,其中,所述非瞬时性计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如权利要求1至9中任一项所述的控制车辆纵向运动的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110307461.3A CN114103938A (zh) | 2021-03-23 | 2021-03-23 | 控制车辆纵向运动的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110307461.3A CN114103938A (zh) | 2021-03-23 | 2021-03-23 | 控制车辆纵向运动的方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114103938A true CN114103938A (zh) | 2022-03-01 |
Family
ID=80359456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110307461.3A Pending CN114103938A (zh) | 2021-03-23 | 2021-03-23 | 控制车辆纵向运动的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114103938A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116424319A (zh) * | 2023-06-12 | 2023-07-14 | 上海鉴智其迹科技有限公司 | 一种车辆控制方法、装置、电子设备及计算机存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015201733A1 (de) * | 2015-02-02 | 2016-08-04 | Robert Bosch Gmbh | Verfahren zum Betrieb eines Fahrzeugs, Computerprogramm, maschinenlesbares Speichermedium, elektronische Steuereinheit |
CN108780610A (zh) * | 2016-03-24 | 2018-11-09 | 本田技研工业株式会社 | 用于针对意外行人规划轨迹的系统和方法 |
CN111079590A (zh) * | 2019-12-04 | 2020-04-28 | 东北大学 | 一种无人驾驶车辆的周边车辆行为预判方法 |
CN111258308A (zh) * | 2018-11-15 | 2020-06-09 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行驶轨迹规划系统及方法 |
US20200233425A1 (en) * | 2019-01-17 | 2020-07-23 | Mazda Motor Corporation | Vehicle driving assistance system and vehicle driving assistance method |
US20200269873A1 (en) * | 2019-02-22 | 2020-08-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for planning speed of autonomous vehicle, and storage medium |
CN111591306A (zh) * | 2020-03-30 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质 |
CN111679678A (zh) * | 2020-06-30 | 2020-09-18 | 安徽海博智能科技有限责任公司 | 一种横纵向分离的轨迹规划方法、系统及计算机设备 |
CN111824139A (zh) * | 2019-04-23 | 2020-10-27 | 百度(美国)有限责任公司 | 用于预测与自动驾驶车辆相关的运动对象的运动的方法 |
US20210061278A1 (en) * | 2019-09-04 | 2021-03-04 | GM Global Technology Operations LLC | Connected and automated vehicles, driving systems, and control logic for info-rich eco-autonomous driving |
-
2021
- 2021-03-23 CN CN202110307461.3A patent/CN114103938A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015201733A1 (de) * | 2015-02-02 | 2016-08-04 | Robert Bosch Gmbh | Verfahren zum Betrieb eines Fahrzeugs, Computerprogramm, maschinenlesbares Speichermedium, elektronische Steuereinheit |
CN108780610A (zh) * | 2016-03-24 | 2018-11-09 | 本田技研工业株式会社 | 用于针对意外行人规划轨迹的系统和方法 |
CN111258308A (zh) * | 2018-11-15 | 2020-06-09 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行驶轨迹规划系统及方法 |
US20200233425A1 (en) * | 2019-01-17 | 2020-07-23 | Mazda Motor Corporation | Vehicle driving assistance system and vehicle driving assistance method |
US20200269873A1 (en) * | 2019-02-22 | 2020-08-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for planning speed of autonomous vehicle, and storage medium |
CN111824139A (zh) * | 2019-04-23 | 2020-10-27 | 百度(美国)有限责任公司 | 用于预测与自动驾驶车辆相关的运动对象的运动的方法 |
US20210061278A1 (en) * | 2019-09-04 | 2021-03-04 | GM Global Technology Operations LLC | Connected and automated vehicles, driving systems, and control logic for info-rich eco-autonomous driving |
CN111079590A (zh) * | 2019-12-04 | 2020-04-28 | 东北大学 | 一种无人驾驶车辆的周边车辆行为预判方法 |
CN111591306A (zh) * | 2020-03-30 | 2020-08-28 | 浙江吉利汽车研究院有限公司 | 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质 |
CN111679678A (zh) * | 2020-06-30 | 2020-09-18 | 安徽海博智能科技有限责任公司 | 一种横纵向分离的轨迹规划方法、系统及计算机设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116424319A (zh) * | 2023-06-12 | 2023-07-14 | 上海鉴智其迹科技有限公司 | 一种车辆控制方法、装置、电子设备及计算机存储介质 |
CN116424319B (zh) * | 2023-06-12 | 2023-08-29 | 上海鉴智其迹科技有限公司 | 一种车辆控制方法、装置、电子设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stahl et al. | Multilayer graph-based trajectory planning for race vehicles in dynamic scenarios | |
US10324469B2 (en) | System and method for controlling motion of vehicle in shared environment | |
CN112099496B (zh) | 一种自动驾驶训练方法、装置、设备及介质 | |
CN110688920B (zh) | 一种无人驾驶控制方法、装置及服务器 | |
CN112562328B (zh) | 一种车辆行为预测方法及装置 | |
CN112526999B (zh) | 速度规划方法、装置、电子设备和存储介质 | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
US20210341886A1 (en) | System and Method of Efficient, Continuous, and Safe Learning Using First Principles and Constraints | |
CN112859866A (zh) | 机器人滚动路径规划方法、系统、存储介质、设备及应用 | |
CN113252027B (zh) | 井下无人驾驶车辆局部路径规划方法、装置、设备及存储介质 | |
CN112254727B (zh) | 基于teb的路径规划方法及装置 | |
CN109556609B (zh) | 一种基于人工智能的避碰方法及装置 | |
CN114103938A (zh) | 控制车辆纵向运动的方法、装置及存储介质 | |
CN115496201A (zh) | 一种基于深度强化学习的列车精确停车控制方法 | |
CN110726416A (zh) | 一种基于障碍区域扩张策略的强化学习路径规划方法 | |
CN113978465A (zh) | 一种变道轨迹规划方法、装置、设备以及存储介质 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN112541464A (zh) | 关联道路对象的确定方法、装置、路侧设备和云控平台 | |
KR102376615B1 (ko) | 주행 로봇의 제어 방법 및 그 장치 | |
CN115447617B (zh) | 一种车辆控制方法、装置、设备及介质 | |
Giovanini et al. | Autonomous and decentralized mission planning for clusters of UUVs | |
CN113799798B (zh) | 车辆的行驶轨迹的确定方法、装置、电子设备和存储器 | |
CN115454082A (zh) | 车辆避障方法及系统、计算机可读存储介质和电子设备 | |
JP7356961B2 (ja) | 歩行者道路横断シミュレーション装置、歩行者道路横断シミュレーション方法、及び歩行者道路横断シミュレーションプログラム | |
CN115583254A (zh) | 路径规划方法、装置、设备以及自动驾驶车辆 |
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 |