CN114184198A - 一种实时路径生成方法、装置及汽车 - Google Patents

一种实时路径生成方法、装置及汽车 Download PDF

Info

Publication number
CN114184198A
CN114184198A CN202010959272.XA CN202010959272A CN114184198A CN 114184198 A CN114184198 A CN 114184198A CN 202010959272 A CN202010959272 A CN 202010959272A CN 114184198 A CN114184198 A CN 114184198A
Authority
CN
China
Prior art keywords
vehicle
point
target
current position
control point
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.)
Granted
Application number
CN202010959272.XA
Other languages
English (en)
Other versions
CN114184198B (zh
Inventor
苗成生
尹杨
卜祥津
修彩靖
郭继舜
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.)
Guangzhou Automobile Group Co Ltd
Original Assignee
Guangzhou Automobile Group 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 Guangzhou Automobile Group Co Ltd filed Critical Guangzhou Automobile Group Co Ltd
Priority to CN202010959272.XA priority Critical patent/CN114184198B/zh
Publication of CN114184198A publication Critical patent/CN114184198A/zh
Application granted granted Critical
Publication of CN114184198B publication Critical patent/CN114184198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • 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
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明提供一种实时路径生成方法、装置及汽车，所述方法包括获取车辆起始点、车辆目标点和栅格地图；对车辆起始点、车辆目标点和栅格地图进行优化，形成多个目标路点，目标路点为栅格地图的有向序列点；根据车辆当前位置，在车辆行进方向选择离车辆当前位置最近的预设数量的目标路点作为与车辆当前位置对应的优化控制点；根据车辆当前位置、预设车辆行驶步长、优化控制点以及优化控制点在车辆行进方向最近一个所述目标路点，利用与优化控制点对应的多阶贝塞尔曲线计算经过每一预设时间段的下一时刻的目标轨迹点；根据目标轨迹点，控制车辆运行至目标轨迹点。通过本发明，解决了现有因曲率不连续影响车辆平顺性以及过度平滑导致轨迹特性丢失问题。

Description

一种实时路径生成方法、装置及汽车
技术领域
本发明涉及汽车自动驾驶技术领域，尤其涉及一种实时路径生成方法、装置及汽车。
背景技术
路径规划的方法有很多，在自动驾驶车辆、无人飞行器、移动机器人等领域都有着广泛的应用。自动驾驶路径规划技术的很多方法是从移动机器人领域中迁移过来，并结合道路网络、交通规则、车辆自身约束等改进优化。目前自动驾驶车辆多采用激光雷达方案，通过感知生成栅格地图，方法优化的结果实质为离散的路点。该路点直接相连得到的轨迹为折线图，曲率不连续，路点处有较大的横向角加速度，需要进行平滑处理。曲线插值方法算法需要预先给定一系列节点，输出平滑的轨迹。两类算法经常一起使用，利用图搜索方法进行路点优化，再由曲线插值方法进行平滑处理，生成光滑的轨迹。
现有方法造成在不同组路点之间衔接处，曲率连续性是无法保证的，在实时路径规划中，目标路点是优化的，在路点衔接处会因曲率不连续而影响车辆的平顺性；另外有的方案会使优化结果过度平滑，处理后的局部轨迹与目标点偏差过大，导致局部轨迹特性(如避障)会丢失，存在碰撞的风险。
发明内容
本发明所要解决的技术问题在于，提供一种实时路径生成方法、装置及汽车，用于解决现有的路点衔接处会因曲率不连续而影响车辆平顺性的问题以及优化结果过度平滑，处理后的局部轨迹与目标点偏差过大，导致局部轨迹特性会丢失，存在碰撞风险的问题。
本发明提供的一种实时路径生成方法，所述方法包括：
步骤S11、获取车辆起始点、车辆目标点和栅格地图；
步骤S12、对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成多个目标路点，所述目标路点为栅格地图的有向序列点；
步骤S13、根据车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点作为与所述车辆当前位置对应的优化控制点；
步骤S14、根据车辆当前位置、预设车辆行驶步长、所述优化控制点以及所述优化控制点在车辆行进方向最近一个所述目标路点，利用与所述优化控制点对应的多阶贝塞尔曲线计算经过每一预设时间段的下一时刻的目标轨迹点；
步骤S15、根据所述目标轨迹点，控制车辆运行至所述目标轨迹点。
进一步地，所述方法还包括：
每经过一预设时间段，判断所述车辆是否经过第一优化控制点；
若是，则根据所述车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点更新与所述车辆当前位置对应的优化控制点。
进一步地，步骤判断所述车辆是否经过第一优化控制点具体包括：
比较
Figure BDA0002679841290000021
与
Figure BDA0002679841290000022
之间的大小，其中所述B(t)为车辆当前位置，所述Pi为与车辆行进方向相反方向最近一个所述目标路点，所述Pi+1、所述Pi+2分别为第一优化控制点和第二优化控制点；
当
Figure BDA0002679841290000023
时，判定所述车辆经过所述第一优化控制点。
进一步地，步骤S12中具体利用A*算法对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成目标路点有向序列。
进一步地，实现步骤S14的公式具体为：
B(t+Δt)＝a0B(t)+a1(k)Pi+1+a2(k)Pi+2+a3(k)Pi+3+a4(k)Pi+4+a5(k)Pi+5+a6(k)Pi+6；
其中，所述B(t+Δt)为所述经过一预设时间段的下一时刻的目标轨迹点，所述B(t)为车辆当前位置，位于所述Pi和所述Pi+1之间，
Figure BDA0002679841290000024
所述Pi为与车辆行进方向相反方向最近一个所述目标路点，所述Pi+1、所述Pi+2、所述Pi+3、所述Pi+4和所述Pi+5为第一优化控制点至第五优化控制点，所述Pi+6所述优化控制点在车辆行进方向最近一个所述目标路点；且a0＝(1-Δu)5，a1(k)＝5(1-Δu)4Δu(1-k)，a2(k)＝5(1-Δu)3Δu[(1-3Δu)k+2Δu]，a3(k)＝10(1-Δu)2Δu2[(1-2Δu)k+Δu]，a4(k)＝5(1-Δu)Δu3[(2-3Δu)k+Δu]，a5(k)＝Δu4[(5-6Δu)k+Δu]，a6(k)＝Δu5k。
本发明提供的一种实时路径生成装置，所述装置包括：
获取单元，用于获取车辆起始点、车辆目标点和栅格地图；
优化单元，用于对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成多个目标路点，所述目标路点为栅格地图的有向序列点；
选择单元，用于根据车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点作为与所述车辆当前位置对应的优化控制点；
计算单元，用于根据车辆当前位置、预设车辆行驶步长、所述优化控制点以及所述优化控制点在车辆行进方向最近一个所述目标路点，利用与所述优化控制点对应的多阶贝塞尔曲线计算经过每一预设时间段的下一时刻的目标轨迹点；
控制单元，用于根据所述目标轨迹点，控制车辆运行至所述目标轨迹点。
进一步地，所述装置还用于：
判断所述车辆是否经过第一优化控制点；
若是，则根据所述车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点更新与所述车辆当前位置对应的优化控制点。
进一步地，步骤判断所述车辆是否经过第一优化控制点具体包括：
比较
Figure BDA0002679841290000031
与
Figure BDA0002679841290000032
之间的大小，其中所述B(t)为车辆当前位置，所述Pi为与车辆行进方向相反方向最近一个所述目标路点，所述Pi+1、所述Pi+2分别为第一优化控制点和第二优化控制点；
当
Figure BDA0002679841290000033
时，判定所述车辆经过所述第一优化控制点。
进一步地，所述优化单元具体利用A*算法对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成目标路点有向序列。
本发明提供的一种汽车，所述汽车包括上述实时路径生成装置。
实施本发明，具有如下有益效果：
通过本发明，针对车辆起始点、车辆目标点和栅格地图进行优化，形成目标路点；根据车辆当前位置和车辆当前位置对应的多个控制点构成多阶贝塞尔曲线，根据车辆不断变化的车辆当前位置调整多个控制点，不断求得下一时刻的目标轨迹点，因为车辆下一时刻的目标轨迹点综合车辆当前位置以及较近的控制点计算得到，保证了曲线的平滑又不至于过度平滑而丢失轨迹特性；解决了现有路点衔接处会因曲率不连续而影响车辆平顺性的问题以及优化结果过度平滑，处理后的局部轨迹与目标点偏差过大，导致局部轨迹特性会丢失，存在碰撞风险的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有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是本发明实施例提供的实时路径生成方法的流程图。
图2是本发明实施例提供的实时路径生成方法的流程图。
图3是本发明实施例提供的实时路径生成装置的结构图。
具体实施方式
本专利中，以下结合附图和实施例对该具体实施方式做进一步说明。
如图1所示，本发明实施例提供了实时路径生成方法，所述方法包括：
步骤S11、获取车辆起始点、车辆目标点和栅格地图。
需要说明的是，在无人驾驶路径设定中，车辆目标点通过用户输入获得，车辆起始点为车辆出发地，栅格地图多通过激光雷达感知获取，当然也可以通过摄像头或者其他感知设备获取。
步骤S12、对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成多个目标路点，所述目标路点为栅格地图的有向序列点。
具体地，本步骤S12利用A*算法对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成目标路点有向序列。
需要说明的是，A*算法综合了最佳优先搜索算法和Dijkstra算法的有点，通过启发式函数来引导路径的搜索，即f(n)＝g(n)+h(n)(1)，其中f(n)是从起点经由路点n到终点的代价估计；g(n)是从起点到路点n的实际代价；h(n)是从路点n到终点的最佳路径估计代价。
启发式函数是A*算法的核心，常用函数有Manhattan距离、Chebyshev距离、Euclidean距离，对于二维栅格地图，本发明采用Manhattan距离：
H(n)＝|xn-xend|+|yn-yend| (2)；
A*算法的基本搜索流程可概括为：在算法的每次迭代中，从一个优先队列(OpenSet)中取出f(n)值最小(估算成本最低)的节点作为当前节点。然后相应地更新其相邻可行驶节点的f(n)和g(n)值，并将这些相邻可行驶节点添加到Open Set中。最后把当前节点放到一个已遍历集合(Close Set)中。直到目标节点的f(n)值小于队列中的任何节点的f(n)值为止(或者直到队列为空为止)。
步骤S13、根据车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点作为与所述车辆当前位置对应的优化控制点。
需要说明的是，在车辆当前位置到车辆目标点会经过多个目标路点，在车辆当前位置为起点，在车辆行进方向选择离车辆当前位置最近的预设数量的目标路点作为与所述车辆当前位置对应的优化控制点；在本实施例中，在车辆行进方向选择离当前位置最近的五个相邻的目标路点作为五个优化控制点，按照车辆行驶的顺序依次为第一优化控制点、第二优化控制点、第三优化控制点、第四优化控制点和第五优化控制点。
步骤S14、根据车辆当前位置、预设车辆行驶步长、所述优化控制点以及所述优化控制点在车辆行进方向最近一个所述目标路点，利用与所述优化控制点对应的多阶贝塞尔曲线计算经过每一预设时间段的下一时刻的目标轨迹点。
在本实施例中，根据车辆当前位置、预设车辆行驶步长以及车辆当前位置对应的五个优化控制点建立目标轨迹点与车辆当前位置、预设车辆行驶步长以及所述车辆当前位置对应的五个优化控制点之间的五阶贝塞尔曲线的公式为：
B(u)＝(1-u)5B0+5(1-u)4uP1+10(1-u)3u2P2+10(1-u)2u3P3+5(1-u)u4P4+u5P5
(3)；
其中所述B(u)为目标轨迹，所述u为空间变量，所述u以预设车辆行驶步长Δu增长，所述B0为车辆当前位置，{P1 P2 P3 P4 P5}为所述车辆当前位置对应的五个优化控制点。
本发明的核心在于，控制点随车辆当前位置的变化而变化，车辆在由P0向P1位置移动过程中，五阶贝塞尔曲线的控制点{P1 P2 P3 P4 P5}也随着车辆位置的变化逐步向{P2 P3P4 P5 P6}移动，该过程是渐变过程，而非阶跃式跳变。
根据控制点空间移动变量、车辆即将经过的且最近的两个相邻的目标路点，建立渐变控制点与所述控制点空间移动变量的一阶贝塞尔曲线公式为：
Pi,i+1(k)＝(1-k)Pi+kPi+1 (4)；
其中所述Pi,i+1(k)为渐变控制点，所述k为控制点空间移动变量且小于等于1并大于等于0，所述k以控制点步长Δk增长，所述i为正整数，所述Pi、Pi+1为车辆即将经过的且最近的两个相邻的目标路点。
将式(5)代入式(4)可得到，
B(u)＝b0(u)B0+b1(u)P1,2(k)+b2(u)P2,3(k)+b3(u)P3,4(k)+b4(u)P4,5(k)+b5(u)P5,6(k),0<u≤1(6)；
经过对公式(6)简化得到：
B(u)＝b0(u)B0+b1(u)(1-k)P1+[b1(u)k+b2(u)(1-k)]P2+...+[b4(u)k+b5(u)(1-k)]P5+b5(u)kP6。
滚动优化过程中，选取第一步结果作为目标轨迹，即u＝u(1)＝Δu，可得
B(k)＝a0B0+a1(k)P1+a2(k)P2+a3(k)P3+a4(k)P4+a5(k)P5+a6(k)P6,0≤k≤1 (7)。
其中，
Figure BDA0002679841290000061
u和k都是无量纲的量，由空间相关步长定义，与时间变量没有直接定量对应关系。而实际应用中，多以时间为滚动步长，因此，将k进行如下近似转换，通过公式(4)得到：
Figure BDA0002679841290000062
在本实施例中，根据所述五阶贝塞尔曲线和所述一阶贝塞尔曲线计算所述经过一预设时间段的下一时刻的目标轨迹点。
B(t+Δt)＝a0B(t)+a1(k)Pi+1+a2(k)Pi+2+a3(k)Pi+3+a4(k)Pi+4+a5(k)Pi+5+a6(k)Pi+6(11)；
其中，所述B(t+Δt)为所述经过一预设时间段的下一时刻的目标轨迹点，所述B(t)为车辆当前位置，位于所述Pi和所述Pi+1之间，
Figure BDA0002679841290000063
所述Pi+1、Pi+2、Pi+3、Pi+4和Pi+5分别为第一优化控制点至第五优化控制点，所述Pi+6为所述优化控制点在车辆行进方向最近一个所述目标路点。
进一步地，所述方法还包括：
每经过一预设时间段，判断所述车辆是否经过第一优化控制点；
若是，则根据所述车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点更新与所述车辆当前位置对应的优化控制点。
一并结合图2，当车辆已经过前方路点Pi+1时，更新五阶贝塞尔曲线控制点。可根据数学式(10)，判断B(t)是否已通过控制点Pi+1。
Figure BDA0002679841290000064
步骤判断所述车辆是否经过第一优化控制点具体包括：
比较
Figure BDA0002679841290000071
与
Figure BDA0002679841290000072
之间的大小，其中所述B(t)为车辆当前位置，所述Pi为与车辆行进方向相反方向最近一个所述目标路点，所述Pi+1、所述Pi+2分别为第一优化控制点和第二优化控制点；
当
Figure BDA0002679841290000073
时，判定所述车辆经过所述第一控制点。
如图3所示，本发明实施例提供了实时路径生成装置，所述装置包括：
获取单元31，用于获取车辆起始点、车辆目标点和栅格地图；
优化单元32，用于对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成多个目标路点，所述目标路点为栅格地图的有向序列点；
选择单元33，用于根据车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点作为与所述车辆当前位置对应的优化控制点；
计算单元34，用于根据车辆当前位置、预设车辆行驶步长、所述优化控制点以及所述优化控制点在车辆行进方向最近一个所述目标路点，利用与所述优化控制点对应的多阶贝塞尔曲线计算经过每一预设时间段的下一时刻的目标轨迹点；
控制单元35，用于根据所述目标轨迹点，控制车辆运行至所述目标轨迹点。
进一步地，所述装置还用于：
判断所述车辆是否经过第一优化控制点；
若是，则根据所述车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点更新与所述车辆当前位置对应的优化控制点。
进一步地，步骤判断所述车辆是否经过第一优化控制点具体包括：
比较
Figure BDA0002679841290000074
与
Figure BDA0002679841290000075
之间的大小，其中所述B(t)为车辆当前位置，所述Pi为与车辆行进方向相反方向最近一个所述目标路点，所述Pi+1、所述Pi+2分别为第一优化控制点和第二优化控制点；
当
Figure BDA0002679841290000076
时，判定所述车辆经过所述第一优化控制点。
进一步地，所述优化单元32具体利用A*算法对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成目标路点有向序列。
本发明实施例提供了汽车，所述汽车包括上述实时路径生成装置。
实施本发明，具有如下有益效果：
通过本发明，针对车辆起始点、车辆目标点和栅格地图进行优化，形成目标路点；根据车辆当前位置和车辆当前位置对应的多个控制点构成多阶贝塞尔曲线，根据车辆不断变化的车辆当前位置调整多个控制点，不断求得下一时刻的目标轨迹点，因为车辆下一时刻的目标轨迹点综合车辆当前位置以及较近的控制点计算得到，保证了曲线的平滑又不至于过度平滑而丢失轨迹特性；解决了现有路点衔接处会因曲率不连续而影响车辆平顺性的问题以及优化结果过度平滑，处理后的局部轨迹与目标点偏差过大，导致局部轨迹特性会丢失，存在碰撞风险的问题。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种实时路径生成方法，其特征在于，所述方法包括：
步骤S11、获取车辆起始点、车辆目标点和栅格地图；
步骤S12、对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成多个目标路点，所述目标路点为栅格地图的有向序列点；
步骤S13、根据车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点作为与所述车辆当前位置对应的优化控制点；
步骤S14、根据车辆当前位置、预设车辆行驶步长、所述优化控制点以及所述优化控制点在车辆行进方向最近一个所述目标路点，利用与所述优化控制点对应的多阶贝塞尔曲线计算经过每一预设时间段的下一时刻的目标轨迹点；
步骤S15、根据所述目标轨迹点，控制车辆运行至所述目标轨迹点。
2.如权利要求1所述方法，其特征在于，所述方法还包括：
每经过一预设时间段，判断所述车辆是否经过第一优化控制点；
若是，则根据所述车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点更新与所述车辆当前位置对应的优化控制点。
3.如权利要求2所述方法，其特征在于，步骤判断所述车辆是否经过第一优化控制点具体包括：
比较
Figure FDA0002679841280000011
与
Figure FDA0002679841280000012
之间的大小，其中所述B(t)为车辆当前位置，所述Pi为与车辆行进方向相反方向最近一个所述目标路点，所述Pi+1、所述Pi+2分别为第一优化控制点和第二优化控制点；
当
Figure FDA0002679841280000013
时，判定所述车辆经过所述第一优化控制点。
4.如权利要求1所述方法，其特征在于，步骤S12中具体利用A*算法对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成目标路点有向序列。
5.如权利要求1所述方法，其特征在于，实现步骤S14的公式具体为：
B(t+Δt)＝a0B(t)+a1(k)Pi+1+a2(k)Pi+2+a3(k)Pi+3+a4(k)Pi+4+a5(k)Pi+5+a6(k)Pi+6；
其中，所述B(t+Δt)为所述经过一预设时间段的下一时刻的目标轨迹点，所述B(t)为车辆当前位置，位于所述Pi和所述Pi+1之间，
Figure FDA0002679841280000014
所述Pi为与车辆行进方向相反方向最近一个所述目标路点，所述Pi+1、所述Pi+2、所述Pi+3、所述Pi+4和所述Pi+5为第一优化控制点至第五优化控制点，所述Pi+6所述优化控制点在车辆行进方向最近一个所述目标路点；且a0＝(1-Δu)5，a1(k)＝5(1-Δu)4Δu(1-k)，a2(k)＝5(1-Δu)3Δu[(1-3Δu)k+2Δu]，a3(k)＝10(1-Δu)2Δu2[(1-2Δu)k+Δu]，a4(k)＝5(1-Δu)Δu3[(2-3Δu)k+Δu]，a5(k)＝Δu4[(5-6Δu)k+Δu]，a6(k)＝Δu5k。
6.一种实时路径生成装置，其特征在于，所述装置包括：
获取单元，用于获取车辆起始点、车辆目标点和栅格地图；
优化单元，用于对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成多个目标路点，所述目标路点为栅格地图的有向序列点；
选择单元，用于根据车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点作为与所述车辆当前位置对应的优化控制点；
计算单元，用于根据车辆当前位置、预设车辆行驶步长、所述优化控制点以及所述优化控制点在车辆行进方向最近一个所述目标路点，利用与所述优化控制点对应的多阶贝塞尔曲线计算经过每一预设时间段的下一时刻的目标轨迹点；
控制单元，用于根据所述目标轨迹点，控制车辆运行至所述目标轨迹点。
7.如权利要求6所述装置，其特征在于，所述装置还用于：
判断所述车辆是否经过第一优化控制点；
若是，则根据所述车辆当前位置，在车辆行进方向选择离所述车辆当前位置最近的预设数量的目标路点更新与所述车辆当前位置对应的优化控制点。
8.如权利要求7所述装置，其特征在于，步骤判断所述车辆是否经过第一优化控制点具体包括：
比较
Figure FDA0002679841280000021
与
Figure FDA0002679841280000022
之间的大小，其中所述B(t)为车辆当前位置，所述Pi为与车辆行进方向相反方向最近一个所述目标路点，所述Pi+1、所述Pi+2分别为第一优化控制点和第二优化控制点；
当
Figure FDA0002679841280000023
时，判定所述车辆经过所述第一优化控制点。
9.如权利要求6所述装置，其特征在于，所述优化单元具体利用A*算法对所述车辆起始点、所述车辆目标点和所述栅格地图进行优化，形成目标路点有向序列。
10.一种汽车，其特征在于，所述汽车包括如权利要求6至权利要求9所述实时路径生成装置。
CN202010959272.XA 2020-09-14 2020-09-14 一种实时路径生成方法、装置及汽车 Active CN114184198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010959272.XA CN114184198B (zh) 2020-09-14 2020-09-14 一种实时路径生成方法、装置及汽车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010959272.XA CN114184198B (zh) 2020-09-14 2020-09-14 一种实时路径生成方法、装置及汽车

Publications (2)

Publication Number Publication Date
CN114184198A true CN114184198A (zh) 2022-03-15
CN114184198B CN114184198B (zh) 2024-03-01

Family

ID=80600756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010959272.XA Active CN114184198B (zh) 2020-09-14 2020-09-14 一种实时路径生成方法、装置及汽车

Country Status (1)

Country Link
CN (1) CN114184198B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1115987A (ja) * 1997-06-27 1999-01-22 Fuji Xerox Co Ltd 曲線形成装置
KR101063302B1 (ko) * 2010-10-05 2011-09-07 국방과학연구소 무인차량의 자율주행 제어 장치 및 방법
CN105333883A (zh) * 2014-08-07 2016-02-17 深圳点石创新科技有限公司 一种用于抬头显示器的导航路径轨迹显示方法和装置
KR20170070488A (ko) * 2015-12-14 2017-06-22 현대모비스 주식회사 주행경로 자동생성방법 및 장치
CN107992050A (zh) * 2017-12-20 2018-05-04 广州汽车集团股份有限公司 无人驾驶汽车局部路径运动规划方法和装置
CN108663050A (zh) * 2018-02-10 2018-10-16 浙江工业大学 一种基于模拟植物生长引导rrt算法的路径规划方法
CN110502010A (zh) * 2019-08-15 2019-11-26 同济大学 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法
CN110595475A (zh) * 2019-08-16 2019-12-20 中国第一汽车股份有限公司 循迹路径的拟合方法、装置、智能汽车和存储介质
CN110954122A (zh) * 2019-12-09 2020-04-03 东风商用车有限公司 高速场景下的自动驾驶轨迹生成方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1115987A (ja) * 1997-06-27 1999-01-22 Fuji Xerox Co Ltd 曲線形成装置
KR101063302B1 (ko) * 2010-10-05 2011-09-07 국방과학연구소 무인차량의 자율주행 제어 장치 및 방법
CN105333883A (zh) * 2014-08-07 2016-02-17 深圳点石创新科技有限公司 一种用于抬头显示器的导航路径轨迹显示方法和装置
KR20170070488A (ko) * 2015-12-14 2017-06-22 현대모비스 주식회사 주행경로 자동생성방법 및 장치
CN107992050A (zh) * 2017-12-20 2018-05-04 广州汽车集团股份有限公司 无人驾驶汽车局部路径运动规划方法和装置
CN108663050A (zh) * 2018-02-10 2018-10-16 浙江工业大学 一种基于模拟植物生长引导rrt算法的路径规划方法
CN110502010A (zh) * 2019-08-15 2019-11-26 同济大学 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法
CN110595475A (zh) * 2019-08-16 2019-12-20 中国第一汽车股份有限公司 循迹路径的拟合方法、装置、智能汽车和存储介质
CN110954122A (zh) * 2019-12-09 2020-04-03 东风商用车有限公司 高速场景下的自动驾驶轨迹生成方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FAN GUI 等: "Research on Real-time Obstacle Avoidance of Unmanned Boats in Complex Water Environment", 《2019 IEEE 8TH JOINT INTERNATIONAL INFORMATION TECHNOLOGY AND ARTIFICIAL INTELLIGENCE CONFERENCE (ITAIC 2019)》, pages 1047 - 1052 *
石征锦 等: "基于改进Ａ*的移动机器人路径规划算法", 《单片机与嵌入式系统应用》, no. 6, pages 13 - 15 *

Also Published As

Publication number Publication date
CN114184198B (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
US11460311B2 (en) Path planning method, system and device for autonomous driving
Ferguson et al. Field D*: An interpolation-based path planner and replanner
US9428187B2 (en) Lane change path planning algorithm for autonomous driving vehicle
CN107944605B (zh) 一种基于数据预测的动态交通路径规划方法
US9457807B2 (en) Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver
CN110162029B (zh) 一种基于规划路径的运动控制方法及装置、机器人
CN113204236B (zh) 一种智能体路径跟踪控制方法
Ferguson et al. The Field D* algorithm for improved path planning and replanning in uniform and non-uniform cost environments
CN110595475A (zh) 循迹路径的拟合方法、装置、智能汽车和存储介质
CN113494923B (zh) 基于微分动态规划的路径轨迹规划方法及系统
CN105573323A (zh) 自动驾驶轨迹生成方法及装置
CN109115220B (zh) 一种用于停车场系统路径规划的方法
Pecora et al. On mission-dependent coordination of multiple vehicles under spatial and temporal constraints
Bergman et al. An optimization-based receding horizon trajectory planning algorithm
CN112693447A (zh) 用于提供自动驾驶车辆的速度曲线的系统和方法
CN113815646A (zh) 车辆的智能驾驶方法、车辆和可读存储介质
CN115077553A (zh) 基于栅格搜索轨迹规划方法、系统、汽车、设备及介质
CN113885514B (zh) 基于模糊控制和几何追踪的agv路径跟踪方法及系统
KR20230010074A (ko) 하이브리드 차량의 제어 시스템 및 방법
KR20220095286A (ko) 차량의 최적 속도 결정 장치 및 방법
CN114184198A (zh) 一种实时路径生成方法、装置及汽车
CN117367446A (zh) 基于改进a*-teb融合算法的无人车路径规划方法及系统
JP5074153B2 (ja) 経路生成装置と方法および経路生成装置を備える移動装置
CN117629234A (zh) 一种基于图搜索的路径规划方法及装置
CN113759892A (zh) 无人车障碍物绕行方法、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
GR01 Patent grant
GR01 Patent grant