CN114152264B - 无人车路径规划方法及装置、电子设备、存储介质 - Google Patents
无人车路径规划方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114152264B CN114152264B CN202111467103.5A CN202111467103A CN114152264B CN 114152264 B CN114152264 B CN 114152264B CN 202111467103 A CN202111467103 A CN 202111467103A CN 114152264 B CN114152264 B CN 114152264B
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- sub
- region
- path planning
- area
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005070 sampling Methods 0.000 claims description 90
- 230000003137 locomotive effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Abstract
本公开提供了一种无人车路径规划方法及装置、电子设备、存储介质,涉及无人配送技术领域,可以应用于无人车路径规划的场景。该无人车路径规划方法包括:获取无人车当前帧路径规划的初始可通行区域;使用垂直于道路中心线的划分线将初始可通行区域划分为多个子区域;根据区域调整规则减小多个子区域中宽度大于设定宽度阈值的子区域的宽度,得到目标可通行区域;在目标可通行区域内规划无人车的行驶路径。本公开实施例的技术方案可以实现无人车可通行区域的自适应调节,使无人车能够在远离道路边界、偏向道路中间的位置行驶,提高了无人车行驶的安全性和可靠性。
Description
技术领域
本公开涉及无人配送技术领域,具体而言,涉及一种无人车路径规划方法、无人车路径规划装置、电子设备以及计算机可读存储介质。
背景技术
无人车是利用无人配送技术实现的具备自动配送功能的移动设备,可以实现在无人配送条件下自动行驶。其中,路径规划是无人车安全、可靠行驶的关键。
目前,无人车路径规划先通过路径决策生成障碍物绕行策略,以此提取出无人车的可通行区域,然后按照该可通行区域进行路径规划。这种方法的可通行区域固定且无人车与可通行区域边界的最小距离恒定,容易导致路径规划失败,影响无人车的安全、可靠行驶。
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
本公开实施例的目的在于提供一种无人车路径规划方法、无人车路径规划装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服相关技术容易导致无人车路径规划失败而影响无人车的安全、可靠行驶的问题。
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。
根据本公开实施例的第一方面,提供了一种无人车路径规划方法,包括:
获取无人车当前帧路径规划的初始可通行区域;
使用垂直于道路中心线的划分线将所述初始可通行区域划分为多个子区域;
确定所述多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域;
根据区域调整规则减小所述待处理子区域的宽度,得到目标可通行区域;
在所述目标可通行区域内规划所述无人车的行驶路径。
在本公开的一些示例实施例中,基于前述方案,所述使用垂直于道路中心线的划分线将所述可通行区域划分为多个子区域包括:
以所述无人车在弗莱纳Frenet坐标系下于横坐标轴的投影点为路径规划起点,沿所述Frenet坐标系的横轴采集路径规划的采样点,所述Frenet坐标系的横轴为所述道路中心线;
在所述采样点处,使用垂直于所述Frenet坐标系横轴的划分线对所述初始可通行区域进行划分,得到各采样点处的子区域。
在本公开的一些示例实施例中,基于前述方案,所述确定所述多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域,包括:
确定第一目标区域集合,所述第一目标区域集合为所述无人车后轴中点位于第i个采样点处时所占据的子区域的集合,且所述所占据的子区域的最小宽度小于所述设定宽度阈值,所述i为自然数且小于所述采样点的总数;
遍历各所述采样点,若第i个采样点与所述路径规划起点之间的横坐标距离大于所述无人车后轴中点至车头的距离且所述第i个采样点处的子区域不属于所述第一目标区域集,则计算所述无人车后轴中点位于所述第i个采样点处时所占据的子区域的最小宽度;
当所述最小宽度大于所述设定宽度阈值时,将所述无人车后轴中点位于所述第i个采样点处时所占据的子区域确定为待处理子区域。
在本公开的一些示例实施例中,基于前述方案,所述根据区域调整规则减小所述待处理子区域的宽度包括:
计算所述最小宽度与所述设定宽度阈值的差值;
取所述差值的平均值;
将所述第i个采样点处子区域的边界点的纵坐标调整为和/>其中,dw为所述差值,lright为纵轴负半轴区域边界点的纵坐标,lleft为纵轴正半轴区域边界点的纵坐标。
在本公开的一些示例实施例中,基于前述方案,所述计算所述无人车后轴中点位于所述第i个采样点处时所占据的子区域的最小宽度包括:
确定所述无人车后轴中点位于所述第i个采样点处时所占据的子区域;
获取所占据的子区域的边界中与所述Frenet坐标系横轴距离最小的第一边界点和第二边界点,所述第一边界点为位于所述Frenet坐标系纵轴正半轴区域的点,所述第二边界点为位于所述Frenet坐标系纵轴负半轴区域的点;
计算所述第一边界点和所述第二边界点的纵坐标的距离,得到无人车后轴中点位于所述第i个采样点处时所占据的子区域的最小宽度。
在本公开的一些示例实施例中,基于前述方案,所述无人车路径规划方法还包括:
若第i个采样点与所述路径规划起点之间的横坐标距离小于所述无人车后轴中点至车头的距离,或所述第i个采样点处的子区域属于所述第一目标区域集,则将所述第i个采样点处的子区域保存至第二目标区域集。
在本公开的一些示例实施例中,基于前述方案,所述无人车路径规划方法还包括:
合并所述第二目标区域集和对所述待处理子区域进行调整后得到的子区域,得到所述目标可通行区域。
根据本公开实施例的第二方面,提供了一种无人车路径规划装置,包括:
获取单元,用于获取无人车当前帧路径规划的初始可通行区域;
区域划分单元,用于使用垂直于道路中心线的划分线将所述初始可通行区域划分为多个子区域;
确定单元,用于确定所述多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域;
区域调整单元,用于根据区域调整规则减小所述待处理子区域的宽度,得到目标可通行区域;
路径规划单元,用于在所述目标可通行区域内规划所述无人车的行驶路径。
根据本公开实施例的第三方面,提供了一种电子设备,应用于无人车,所述电子设备包括:处理器;以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现上述任意一项所述的无人车路径规划方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据上述任意一项所述的无人车路径规划方法。
本公开的示例实施例中的无人车路径规划方法,使用垂直于道路中心线的划分线将无人车当前帧路径规划的初始可通行区域划分为多个子区域,根据区域调整规则减小多个子区域中宽度大于设定宽度阈值的子区域的宽度,得到目标可通行区域,然后在目标可通行区域内规划无人车的行驶路径。一方面,在获得无人车当前帧路径规划的初始可通行区域后,先对该初始可通行区域进行了基于设定宽度阈值的自适应调整,然后再在调整后的可通行区域规划无人车的行驶路径,避免了可通行区域固定且无人车与可通行区域边界的最小距离恒定而导致路径规划失败的问题;另一方面,对于宽度大于设定宽度阈值的子区域可以向靠近道路中心线的方向调小宽度,使得无人车在窄路上的路径规划区间离障碍物或道路边缘近,在宽阔道路上的路径规划区间离障碍物或道路边缘远,保证了无人车能够在远离道路边界、偏向道路中间的位置行驶,提高了无人车行驶的安全性和可靠性。
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
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。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的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出了根据本公开的一些实施例的无人车路径规划方法的示意图;
图2示意性示出了根据本公开的一些实施例的道路中障碍物分布情况的示意图;
图3示意性示出了根据本公开的一些实施例的初始可通行区域的划分结果的示意图;
图4示意性示出了根据本公开的一些实施例的确定多个子区域中宽度大于设定宽度阈值的子区域的方法的示意图;
图5示意性示出了根据本公开的一些实施例的无人车路径规划装置的示意图;
图6示意性示出了根据本公开的一些实施例的电子设备的计算机系统的结构示意图;
图7示意性示出了根据本公开的一些实施例的计算机可读存储介质的示意图。
在附图中,相同或对应的标号表示相同或对应的部分。
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例中。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例的充分理解。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。
此外,附图仅为示意性图解,并非一定是按比例绘制。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。
在本示例实施例中,首先提供了一种无人车路径规划方法,该无人车路径规划方法可以应用于无人车、轮式移动机器人等自动驾驶移动设备上。图1示意性示出了根据本公开的一些实施例的无人车路径规划方法流程的示意图。参考图1所示,该无人车路径规划方法可以包括以下步骤:
步骤S110,获取无人车当前帧路径规划的初始可通行区域;
步骤S120,使用垂直于道路中心线的划分线将初始可通行区域划分为多个子区域;
步骤S130,确定多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域;
步骤S140,根据区域调整规则减小待处理子区域的宽度,得到目标可通行区域;
步骤S150,在目标可通行区域内规划无人车的行驶路径。
根据本示例实施例中的无人车路径规划方法,一方面,在获得无人车当前帧路径规划的初始可通行区域后,先对该初始可通行区域进行基于设定宽度阈值的自适应调整,然后再在调整后的可通行区域规划无人车的行驶路径,避免了可通行区域固定且无人车与可通行区域边界的最小距离恒定而导致路径规划失败的问题;另一方面,对于宽度大于设定宽度阈值的子区域可以向靠近道路中心线的方向减小宽度,使得无人车在窄路上的路径规划区间离障碍物或道路边缘近,在宽阔道路上的路径规划区间离障碍物或道路边缘远,保证了无人车能够在远离道路边界、偏向道路中间的位置行驶,提高了无人车行驶的安全性和可靠性。
下面,将对本示例实施例中的无人车路径规划方法进行进一步的说明。
在步骤S110中,获取无人车当前帧路径规划的初始可通行区域。
无人车路径规划中,可以通过无人车上的图像采集设备采集其所行驶道路的道路图像,基于该道路图像,由路径决策算法生成障碍物绕行策略,如左绕、右绕或者直行等,以此提取出无人车可通行区域。
参考图2,假设道路中障碍物分布情况如图2所示,其中的方块21代表障碍物。无人车路径规划中,每间隔一时间段会进行至少一次路径规划,一次路径规划为无人车的单帧路径规划。由路径决策生成的无人车当前帧路径规划的初始可通行区域比如为图2中的区域22所示。在本公开实施例中,先获取无人车当前帧路径规划的初始可通行区域。
在步骤S120中,使用垂直于道路中心线的划分线将初始可通行区域划分为多个子区域。
为了更好地描述道路走势,在无人车路径规划中引入弗莱纳Frenet坐标系,它以无人车所行驶道路的道路中心线为横轴,以无人车行驶方向为横轴正向建立坐标系。道路中心线是由一系列离散点组成,对于多车道的场景,道路中心线可以认为是无人车所行驶车道的中心线。建立道路的笛卡尔坐标系yMx,可将无人车在笛卡尔坐标系下的坐标转换到Frenet坐标系,转换后的Frenet坐标系如图2中所示,其中的S轴为横轴,D轴为纵轴。
假设笛卡尔坐标系中有一点p(xp,yp),在道路中间线中找到距离p(xp,yp)最近的两个离散点s(xs,ys)和e(xe,ye),假设s(xs,ys)在Frenet坐标系中的坐标为(ss,0),e(xe,ye)在Frenet坐标系中的坐标为(se,0),设笛卡尔坐标系下点p(xp,yp)在Frenet坐标系下的坐标为(sp,dp),则可通过如下的转换规则进行转换:
计算向量计算向量/>
根据向量和向量/>可得到:
sp=ss+λ(se-ss),其中,
如此,可以将笛卡尔坐标系下的点转换到Frenet坐标系下。
假设无人车在笛卡尔坐标系下的坐标为V(x0,y0,θ0),利用上述笛卡尔坐标系至Frenet坐标系的转换规则将其转换到Frenet坐标系中,可以得到无人车在Frenet坐标系下的横坐标s0。
一个实施例中,使用垂直于道路中心线的划分线将初始可通行区域划分为多个子区域可以包括:以无人车在Frenet坐标系下于横坐标轴的投影点为路径规划起点,沿Frenet坐标系的横轴采集路径规划的采样点,其中,Frenet坐标系的横轴为道路中心线;在各采样点处,使用垂直于Frenet坐标系横轴的划分线对初始可通行区域进行划分,得到各采样点处的子区域。
以图2所示的障碍物分布情况及建立的Frenet坐标系为例,假设无人车单帧路径规划长度为L,当前帧路径规划的初始可通行区域为区域22,无人车在Frenet坐标系下的横坐标s0,以s0为规划起点、以Δs为采样间隔沿S轴采集路径规划的采样点,可以得到个采样点,按照该N个采样点,以垂直于S轴的划分线对区域22进行划分,可以获得N个采样点处的子区域,即N个采样点处可通行子区域,并可获得各子区域的大小,其划分结果可参见图3。可将该N个采样点处的子区域的信息以集合B的形式表示,比如表示为B={bi=(i,si,diright,dileft)|i=0,1,···,N-1},其中,bi代表第i个采样点,si代表第i个采样点的横坐标,diright代表第i个采样点处的子区域位于D轴负半轴区域的边界的纵坐标,dileft代表第i个采样点处的子区域位于D轴正半轴区域的边界的纵坐标,利用diright和dileft可得到第i个采样点处的子区域的宽度。这样,通过将可通行区域的边界信息以坐标的形式记录在相应采样点坐标中,在数据处理中只需查找采样点即可获得对应可通行区域的边界信息,数据获取方便,且减少了处理时的数据量。
在步骤S130中,确定多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域。
以垂直于道路中心线的划分线将初始可通行区域划分为多个子区域之后,确定这多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域。实际应用中,划分线也可以是近似垂直于道路中心线,即可以允许划分线与道路中心线有一定的夹角。
一个实施例中,如图4所示,确定多个子区域中宽度大于设定宽度阈值的子区域以得到待处理子区域可以包括如下的步骤S410~步骤S430:
步骤S410,确定第一目标区域集。
第一目标区域集为无人车后轴中点位于第i个采样点处时所占据的子区域的集合,且这些子区域所占区域的最小宽度小于设定宽度阈值。
步骤S420,遍历各采样点,若第i个采样点与路径规划起点之间的横坐标距离大于无人车后轴中点至车头的距离且第i个采样点处的子区域不属于第一目标区域集,则计算无人车后轴中点位于第i个采样点处时所占据的子区域的最小宽度。
其中,计算无人车后轴中点位于第i个采样点处时所占据的子区域的最小宽度可以包括:确定无人车后轴中点位于第i个采样点处时所占据的子区域;获取所占据的子区域的边界中与Frenet坐标系横轴距离最小的第一边界点和第二边界点,其中的第一边界点为位于Frenet坐标系纵轴正半轴区域的点,第二边界点为位于Frenet坐标系纵轴负半轴区域的点;计算第一边界点和第二边界点的纵坐标的距离,得到无人车后轴中点位于第i个采样点处时所占据的子区域的最小宽度。
步骤S430,当最小宽度大于设定宽度阈值时,将无人车后轴中点位于第i个采样点处时所占据的子区域确定为待处理子区域。
得到无人车后轴中点位于第i个采样点处时所占据的子区域的最小宽度之后,将该最小宽度与设定宽度阈值进行比较,若该最小宽度大于设定宽度阈值,说明无人车后轴中点位于第i个采样点处时所占据的子区域路段较宽,可以适度减小该路段的宽度。
该方法还可以包括步骤S440,若第i个采样点与路径规划起点之间的横坐标距离小于无人车后轴中点至车头的距离,或第i个采样点处的子区域属于第一目标区域集,则将第i个采样点处的子区域保存至第二目标区域集。
若第i个采样点与路径规划起点之间的横坐标距离小于无人车后轴中点至车头的距离,说明无人车当前已经行驶到了第i个采样点处的子区域路段,则该子区域路段不需要调整;若第i个采样点处的子区域属于第一目标区域集,说明该子区域路段是窄路段,也不需要调整。对于不需要调整的子区域,保存至第二目标区域集,作为最终进行路径规划的一部分基准。
在步骤S140中,根据区域调整规则减小待处理子区域的宽度,得到目标可通行区域。
确定出宽度大于设定宽度阈值的子区域之后,对于宽度大于设定宽度阈值的子区域,向靠近道路中心线的方向调小其宽度,对于宽度小于设定宽度阈值的子区域,保持该子区域的宽度不变,以此得到目标可通行区域。
一个实施例中,根据区域调整规则减小待处理子区域的宽度可以包括:计算最小宽度与设定宽度阈值的差值;取差值的平均值;将第i个采样点处子区域的边界点的纵坐标调整为和/>其中,dw为最小宽度与设定宽度阈值的差值,diright为纵轴负半轴区域边界点的纵坐标,dileft为纵轴正半轴区域边界点的纵坐标。如此,可以实现对待处理子区域的调整,得到调整后的子区域。
之后,将待处理子区域调整后得到的子区域和步骤S440得到的第二目标区域集合并,即可得到目标可通行区域。
在步骤S150中,在目标可通行区域内规划无人车的行驶路径。
得到目标可通行区域后,在该目标可通行区域内规划无人车的行驶路径。如此,实现了无人车可通行区域的自适应调节,基于自适应调节后的可通行区域进行路径规划,能够得到更优的行驶路径,提高了无人车行驶的安全性和可靠性。
为了更加清楚的体现出本公开的目的,在上述实施例的基础上做进一步的举例说明。
例如,获取到的无人车当前帧路径规划的初始可通行区域如图2中的区域22所示,无人车以s0为规划起点、以Δs为采样间隔沿S轴采集路径规划的采样点,得到N个采样点,以初始可通行区域的划分结果是图3、N个采样点处的子区域是步骤S120中的集合B为例,定义集合用于存储调整后的可通行区域大小,定义集合G用于存储连续的子区域段。
首先,遍历集合B,针对任意第i个采样点bi,利用第一公式计算无人车位于第i个采样点处时车尾所在的位置istart,利用第二公式计算无人车位于第i个采样点处时车头所在的位置iend。其中,istart和iend是以采样点索引的方式表示车尾和车头的位置。
其中,第一公式为其中的dr为无人车的尾部外壳至无人车后轴中点的距离;第二公式为/>其中的df为无人车后轴中点至车头的距离。
接着,遍历集合B中istart≤i≤iend区间内的所有采样点,获取这些采样点中位于纵轴负半轴区域且离S轴距离最近的点和位于纵轴正半轴区域且离S轴距离最近的点,可获得对应的横坐标和/>
然后,计算无人车后轴中点位于第i个采样点处时所占据的子区域的最小宽度dmin_left-dmax_right,判断dmin_left-dmax_right<W是否成立,若成立,说明istart≤i≤iend这段区域的道路是窄道路,这些子区域可以不用调整,则将istart≤i≤iend区间内的所有采样点存入集合G中,此时,G中存储着不需要调整的子区域,该集合G即为确定出的第一目标区域集合。其中,W为设定宽度阈值。
进一步,遍历集合B,针对任意第i个采样点bi,如果si-s0<df成立,说明无人车当前已经占据了第i个采样点处的子区域,该子区域不需要调整,则令bi *=bi并将bi *存入集合B*中;如果si-s0<df不成立,遍历集合G,若si属于G中的某一区段,说明si处的子区域不需要调整,则令bi *=bi并将bi *存入集合B*中,否则计算dw=dmin_left-dmax_right-W,得到si处的子区域的宽度可调大小,在该可调大小范围内调小si处的子区域的宽度。比如,可以将该子区域宽度的两边同时向中间位置缩小dw的一半,得到调整后的并将该bi *存入集合B*中。需要说明的是,在dw范围内调小si处的子区域的宽度还可以是与dw相关的其他函数关系,比如可以只调整一边,再比如两边均调整但调整的距离不同等,并不限于两边各调整/>
至此,针对无人车从起点s0单帧路径规划长度为L上,以Δs为间隔采样的N个点上的初始可通行区间大小均进行了自适应调节,使得无人车在窄路上的路径规划区间离障碍物或道路边缘近,在宽阔道路上的路径规划区间离障碍物或道路边缘距离远,有效防止了无人车与可通行区域边界的最小距离恒定而导致路径优化失败的问题,保证了无人车能够在远离道路边界、偏向道路中间的位置行驶,提高了无人车行驶的安全性和可靠性。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
此外,在本示例实施例中,还提供了一种无人车路径规划装置。参照图5所示,该无人车路径规划装置500包括:获取单元510、区域划分单元520、确定单元530、区域调整单元540、路径规划单元550。其中:
获取单元510用于获取无人车当前帧路径规划的初始可通行区域;
区域划分单元520用于使用垂直于道路中心线的划分线将初始可通行区域划分为多个子区域;
确定单元530用于确定所述多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域;
区域调整单元540用于根据区域调整规则减小待处理子区域的宽度,得到目标可通行区域;
路径规划单元550用于在目标可通行区域内规划无人车的行驶路径。
在本公开的一种示例性实施例中,基于前述方案,区域划分单元520可以包括:采集子单元、划分子单元。其中,
采集子单元用于以无人车在Frenet坐标系下于横坐标轴的投影点为路径规划起点,沿Frenet坐标系的横轴采集路径规划的采样点,其中,Frenet坐标系的横轴为道路中心线;
划分子单元用于在采样点处,使用垂直于Frenet坐标系横轴的划分线对初始可通行区域进行划分,得到各采样点处的子区域。
在本公开的一种示例性实施例中,基于前述方案,确定单元530可以包括:第一确定子单元、第一计算子单元、第二确定子单元。其中,
第一确定子单元用于确定第一目标区域集合,该第一目标区域集合为无人车后轴中点位于第i个采样点处时所占据的子区域的集合,且所占据的子区域的最小宽度小于设定宽度阈值,其中的i为自然数且小于采样点的总数;
第一计算子单元用于遍历各所述采样点,当第i个采样点与路径规划起点之间的横坐标距离大于无人车后轴中点至车头的距离且第i个采样点处的子区域不属于第一目标区域集时,计算无人车后轴中点位于第i个采样点处时所占据的子区域的最小宽度;
第二确定子单元用于当确定第一计算子单元计算出的最小宽度大于设定宽度阈值时,将无人车后轴中点位于第i个采样点处时所占据的子区域确定为待处理子区域。
在本公开的一种示例性实施例中,基于前述方案,区域调整单元540可以包括:第二计算子单元、调整子单元。其中,
第二计算子单元用于计算最小宽度与设定宽度阈值的差值,计算该差值的平均值;
调整子单元用于将第i个采样点处子区域的边界点的纵坐标调整为和其中,dw为计算得到的差值,diright为纵轴负半轴区域边界点的纵坐标,dileft为纵轴正半轴区域边界点的纵坐标。
在本公开的一种示例性实施例中,基于前述方案,第一计算子单元具体用于:确定无人车后轴中点位于第i个采样点处时所占据的子区域;获取所占据的子区域的边界中与Frenet坐标系横轴距离最小的第一边界点和第二边界点,其中的第一边界点为位于Frenet坐标系纵轴正半轴区域的点,第二边界点为位于Frenet坐标系纵轴负半轴区域的点;计算第一边界点和第二边界点的纵坐标的距离,得到无人车后轴中点位于第i个采样点处时所占据的子区域的最小宽度。
在本公开的一种示例性实施例中,基于前述方案,还包括保存子单元,该保存子单元用于在第i个采样点与路径规划起点之间的横坐标距离小于无人车后轴中点至车头的距离或第i个采样点处的子区域属于第一目标区域集时,将第i个采样点处的子区域保存至第二目标区域集。
在本公开的一种示例性实施例中,基于前述方案,还包括合并子单元,该合并子单元用于合并第二目标区域集和对待处理子区域进行调整后得到的子区域,得到目标可通行区域。
上述中无人车路径规划装置各模块的具体细节已经在对应的无人车路径规划方法中进行了详细的描述,因此此处不再赘述。
本公开实施例提供的无人车路径规划装置,将无人车当前帧路径规划的初始可通行区域以垂直于道路中心线的划分线划分为多个子区域,根据区域调整规则减小多个子区域中宽度大于设定宽度阈值的子区域的宽度,得到目标可通行区域,然后在目标可通行区域内规划无人车的行驶路径。一方面,在获得无人车当前帧路径规划的初始可通行区域后,先对该初始可通行区域进行基于设定宽度阈值的自适应调整,然后再在调整后的可通行区域规划无人车的行驶路径,避免了可通行区域固定且无人车与可通行区域边界的最小距离恒定而导致路径规划失败的问题;另一方面,对于宽度大于设定宽度阈值的子区域可以向靠近道路中心线的方向调小宽度,使得无人车在窄路上的路径规划区间离障碍物或道路边缘近,在宽阔道路上的路径规划区间离障碍物或道路边缘远,保证了无人车能够在远离道路边界、偏向道路中间的位置行驶,提高了无人车行驶的安全性和可靠性。
应当注意,尽管在上文详细描述中提及了无人车路径规划装置的若干模块或者单元,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或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述无人车路径规划方法的电子设备。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本公开的这种实施例的电子设备600,该电子设备600可以应用于无人车。图6所示的电子设备600仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。例如,所述处理单元610可以执行如图1中所示的步骤:步骤S110,获取无人车当前帧路径规划的初始可通行区域;步骤S120,使用垂直于道路中心线的划分线将初始可通行区域划分为多个子区域;步骤S130,确定多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域;步骤S140,根据区域调整规则减小待处理子区域的宽度,得到目标可通行区域;步骤S150,在目标可通行区域内规划无人车的行驶路径。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)621和/或高速缓存存储单元622,还可以进一步包括只读存储单元(ROM)623。
存储单元620还可以包括具有一组(至少一个)程序模块625的程序/实用工具624,这样的程序模块625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。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备670(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、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650进行。并且,电子设备600还可以通过网络适配器660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660通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600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。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例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、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。
参考图7所示,描述了根据本公开的实施例的用于实现上述无人车路径规划方法的程序产品700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例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例的方法。
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例。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。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种无人车路径规划方法,其特征在于,包括:
获取无人车当前帧路径规划的初始可通行区域;
使用垂直于道路中心线的划分线将所述初始可通行区域划分为多个子区域;
确定所述多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域;
根据区域调整规则减小所述待处理子区域的宽度,得到目标可通行区域;
在所述目标可通行区域内规划所述无人车的行驶路径。
2.根据权利要求1所述的无人车路径规划方法,其特征在于,所述使用垂直于道路中心线的划分线将所述可通行区域划分为多个子区域包括:
以所述无人车在弗莱纳Frenet坐标系下于横坐标轴的投影点为路径规划起点,沿所述Frenet坐标系的横轴采集路径规划的采样点,所述Frenet坐标系的横轴为所述道路中心线;
在所述采样点处,使用垂直于所述Frenet坐标系横轴的划分线对所述初始可通行区域进行划分,得到各采样点处的子区域。
3.根据权利要求2所述的无人车路径规划方法,其特征在于,所述确定所述多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域,包括:
确定第一目标区域集,所述第一目标区域集为所述无人车后轴中点位于第i个采样点处时所占据的子区域的集合,且所述所占据的子区域的最小宽度小于所述设定宽度阈值,所述i为自然数且小于所述采样点的总数;
遍历各所述采样点,若第i个采样点与所述路径规划起点之间的横坐标距离大于所述无人车后轴中点至车头的距离且所述第i个采样点处的子区域不属于所述第一目标区域集,则计算所述无人车后轴中点位于所述第i个采样点处时所占据的子区域的最小宽度;
当确定所述最小宽度大于所述设定宽度阈值时,将所述无人车后轴中点位于所述第i个采样点处时所占据的子区域确定为待处理子区域。
4.根据权利要求3所述的无人车路径规划方法,其特征在于,所述根据区域调整规则减小所述待处理子区域的宽度包括:
计算所述最小宽度与所述设定宽度阈值的差值;
计算所述差值的平均值;
将所述第i个采样点处子区域的边界点的纵坐标调整为和/>其中,dw为所述差值,diright为纵轴负半轴区域边界点的纵坐标,dileft为纵轴正半轴区域边界点的纵坐标。
5.根据权利要求3所述的无人车路径规划方法,其特征在于,所述计算所述无人车后轴中点位于所述第i个采样点处时所占据的子区域的最小宽度包括:
确定所述无人车后轴中点位于所述第i个采样点处时所占据的子区域;
获取所占据的子区域的边界中与所述Frenet坐标系横轴距离最小的第一边界点和第二边界点,所述第一边界点为位于所述Frenet坐标系纵轴正半轴区域的点,所述第二边界点为位于所述Frenet坐标系纵轴负半轴区域的点;
计算所述第一边界点和所述第二边界点的纵坐标的距离,得到无人车后轴中点位于所述第i个采样点处时所占据的子区域的最小宽度。
6.根据权利要求3所述的无人车路径规划方法,其特征在于,还包括:
若第i个采样点与所述路径规划起点之间的横坐标距离小于所述无人车后轴中点至车头的距离,或所述第i个采样点处的子区域属于所述第一目标区域集,则将所述第i个采样点处的子区域保存至第二目标区域集。
7.根据权利要求6所述的无人车路径规划方法,其特征在于,还包括:
合并所述第二目标区域集和对所述待处理子区域进行调整后得到的子区域,得到所述目标可通行区域。
8.一种无人车路径规划装置,其特征在于,包括:
获取单元,用于获取无人车当前帧路径规划的初始可通行区域;
区域划分单元,用于使用垂直于道路中心线的划分线将所述初始可通行区域划分为多个子区域;
确定单元,用于确定所述多个子区域中宽度大于设定宽度阈值的子区域,得到待处理子区域;
区域调整单元,用于根据区域调整规则减小所述待处理子区域的宽度,得到目标可通行区域;
路径规划单元,用于在所述目标可通行区域内规划所述无人车的行驶路径。
9.一种电子设备,应用于无人车,所述电子设备包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如权利要求1至7中任一项所述的无人车路径规划方法。
10.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的无人车路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111467103.5A CN114152264B (zh) | 2021-12-03 | 2021-12-03 | 无人车路径规划方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111467103.5A CN114152264B (zh) | 2021-12-03 | 2021-12-03 | 无人车路径规划方法及装置、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114152264A CN114152264A (zh) | 2022-03-08 |
CN114152264B true CN114152264B (zh) | 2023-12-05 |
Family
ID=80456272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111467103.5A Active CN114152264B (zh) | 2021-12-03 | 2021-12-03 | 无人车路径规划方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114152264B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106996793A (zh) * | 2015-11-04 | 2017-08-01 | 丰田自动车株式会社 | 地图更新判定系统 |
CN107636751A (zh) * | 2015-06-15 | 2018-01-26 | 三菱电机株式会社 | 行驶车道判别装置和行驶车道判别方法 |
CN108116414A (zh) * | 2016-11-29 | 2018-06-05 | 株式会社斯巴鲁 | 自动驾驶控制装置 |
CN108983763A (zh) * | 2017-06-05 | 2018-12-11 | 上海汽车集团股份有限公司 | 一种路径规划的方法、装置及车载终端 |
CN109415059A (zh) * | 2016-07-05 | 2019-03-01 | 日产自动车株式会社 | 行驶控制方法及行驶控制装置 |
CN110361015A (zh) * | 2018-09-30 | 2019-10-22 | 长城汽车股份有限公司 | 道路特征点提取方法及系统 |
CN113008258A (zh) * | 2021-03-02 | 2021-06-22 | 京东鲲鹏(江苏)科技有限公司 | 路径规划方法、装置、设备及存储介质 |
WO2021142793A1 (zh) * | 2020-01-17 | 2021-07-22 | 华为技术有限公司 | 路径规划方法和路径规划装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6280850B2 (ja) * | 2014-09-29 | 2018-02-14 | 日立建機株式会社 | 障害物回避システム |
-
2021
- 2021-12-03 CN CN202111467103.5A patent/CN114152264B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107636751A (zh) * | 2015-06-15 | 2018-01-26 | 三菱电机株式会社 | 行驶车道判别装置和行驶车道判别方法 |
CN106996793A (zh) * | 2015-11-04 | 2017-08-01 | 丰田自动车株式会社 | 地图更新判定系统 |
CN109415059A (zh) * | 2016-07-05 | 2019-03-01 | 日产自动车株式会社 | 行驶控制方法及行驶控制装置 |
CN108116414A (zh) * | 2016-11-29 | 2018-06-05 | 株式会社斯巴鲁 | 自动驾驶控制装置 |
CN108983763A (zh) * | 2017-06-05 | 2018-12-11 | 上海汽车集团股份有限公司 | 一种路径规划的方法、装置及车载终端 |
CN110361015A (zh) * | 2018-09-30 | 2019-10-22 | 长城汽车股份有限公司 | 道路特征点提取方法及系统 |
WO2021142793A1 (zh) * | 2020-01-17 | 2021-07-22 | 华为技术有限公司 | 路径规划方法和路径规划装置 |
CN113008258A (zh) * | 2021-03-02 | 2021-06-22 | 京东鲲鹏(江苏)科技有限公司 | 路径规划方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
考虑运动学约束的不规则目标遗传避碰规划算法;张智;林圣琳;朱齐丹;王开宇;;航空学报(04);正文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114152264A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11480967B2 (en) | Pass route planning method and apparatus, device and readable storage medium | |
WO2020237890A1 (zh) | 一种速度规划方法、装置、电子设备及存储介质 | |
WO2022257283A1 (zh) | 车辆避障方法、装置、电子设备及存储介质 | |
CN113353103A (zh) | 一种弯道车速控制方法、装置、设备及介质 | |
CN110617827B (zh) | 一种主辅路绘制方法、装置、服务器和存储介质 | |
CN111186443B (zh) | 变道路径规划方法、装置、电子设备和计算机可读介质 | |
CN112819864A (zh) | 一种行驶状态检测方法、装置及存储介质 | |
CN112622933A (zh) | 车辆停靠点的确定方法及装置 | |
CN113552888A (zh) | 应用于无人车的行驶轨迹控制方法、装置、设备及介质 | |
CN114623842A (zh) | 路径规划方法、装置、存储介质与电子设备 | |
CN114152264B (zh) | 无人车路径规划方法及装置、电子设备、存储介质 | |
CN111830957A (zh) | 一种路径规划方法和装置 | |
CN113401141B (zh) | 路线处理方法及装置 | |
CN113401121B (zh) | 一种车辆控制方法、装置、电子设备及存储介质 | |
CN113212443B (zh) | 基于自动驾驶的路径生成方法、装置、设备、存储介质 | |
CN113815605B (zh) | 车辆泊车的控制方法、装置、介质、电子设备 | |
CN113534702B (zh) | 一种控制方法、装置、设备及存储介质 | |
CN115535003A (zh) | 自动驾驶车辆的路口控制方法、装置、电子设备和介质 | |
CN114608595A (zh) | 一种无人车路径规划的方法和装置 | |
CN112180909B (zh) | 一种用于车辆运行中确定锁点优先级的方法和装置 | |
CN114460933A (zh) | 一种面向动态环境的移动机器人局部路径规划算法 | |
CN114055459B (zh) | 轨迹规划的方法、装置、电子设备及存储介质 | |
CN117572859A (zh) | 一种基于b样条曲线的无人矿卡路网轨迹制作优化方法 | |
CN113581205B (zh) | 一种调整车辆姿态的方法和装置 | |
CN113686348B (zh) | 一种路径规划方法、装置、存储介质及电子设备 |
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 |