CN114355921A - 车辆循迹轨迹生成方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种车辆循迹轨迹生成方法，包括：基于车辆相机装置采集的图像数据以及车辆轮速里程装置采集的车辆行驶数据进行同步定位与建图，生成车辆实际行驶轨迹及点云地图；至少基于点云地图获取障碍物特征信息；至少基于障碍物特征信息以及车辆实际行驶轨迹判断车辆是否需避障行驶；如果车辆需避障行驶，则至少基于障碍物特征信息以及车辆实际行驶轨迹生成避障轨迹；基于避障轨迹、车辆实际行驶轨迹以及障碍物特征信息生成车辆循迹轨迹。本公开还提供了一种车辆循迹轨迹生成装置、电子设备及可读存储介质。

Description

车辆循迹轨迹生成方法、装置、电子设备及存储介质

技术领域

本公开涉及自动驾驶技术领域，本公开尤其涉及一种车辆循迹轨迹生成方法、装置、电子设备及存储介质。

背景技术

近年来自动驾驶相关技术迅速发展，无人驾驶广泛应用，其中汽车循迹驾驶是自动驾驶(包括无人驾驶)的一种方式，循迹驾驶指的是汽车根据预先设置好的循迹轨迹进行自动循迹驾驶，循迹轨迹是否正确、精准很大程度上决定了自动驾驶的质量。

例如中国专利申请CN113267199A，其公开了一种行驶轨迹规划方法，其技术方案是基于生成的障碍物地图进行局部行驶轨迹的规划，但是生成障碍物地图时，并未对障碍物进行分类，例如，如果非固定障碍物被移走/移离，对路径规划的精度影响很大。

发明内容

为了解决上述技术问题中的至少一个，本公开提供了一种车辆循迹轨迹生成方法、装置、电子设备及存储介质。

本公开的车辆循迹轨迹生成方法、装置、电子设备及存储介质通过以下技术方案实现。

根据本公开的一个方面，提供一种车辆循迹轨迹生成方法，包括：

S102、基于车辆相机装置采集的图像数据以及车辆轮速里程装置采集的车辆行驶数据进行同步定位与建图(SLAM)，生成车辆实际行驶轨迹及点云地图；

S104、至少基于所述点云地图获取障碍物特征信息(障碍物特征信息包括障碍物类型、障碍物包围框、障碍物实际运动轨迹和/或障碍物预测运动轨迹)；

S106、至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹判断车辆是否需避障行驶；

S108、如果车辆需避障行驶，则至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹生成避障轨迹；

S110、基于所述避障轨迹、所述车辆实际行驶轨迹以及所述障碍物特征信息生成车辆循迹轨迹。

根据本公开的至少一个实施方式的车辆循迹轨迹生成方法，所述障碍物特征信息包括障碍物类型、障碍物包围框、障碍物实际运动轨迹和/或障碍物预测运动轨迹。

根据本公开的至少一个实施方式的车辆循迹轨迹生成方法，S106、至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹判断车辆是否需避障行驶，包括：

S1062、识别障碍物类型；

S1064、如果障碍物类型为临时静止的可移动障碍物或者临时放置的不可移动障碍物，则基于车辆实际行驶轨迹(当前时间之前预设时间段内的车辆实际行驶轨迹)、车辆当前位置及车辆当前速度生成车辆预测行驶轨迹(当前时间之后预设时间段内的车辆预测行驶轨迹)；

S1066、基于所述车辆预测行驶轨迹以及障碍物包围框(优选为3D包围框)判断车辆是否需避障行驶。

根据本公开的至少一个实施方式的车辆循迹轨迹生成方法，S106、至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹判断车辆是否需避障行驶，包括：

S1062、识别障碍物类型；

S1064、如果障碍物类型为运动障碍物，则基于车辆实际行驶轨迹(当前时间之前预设时间段内的车辆实际行驶轨迹)、车辆当前位置及车辆当前速度生成车辆预测行驶轨迹(当前时间之后预设时间段内的车辆预测行驶轨迹)，基于障碍物实际运动轨迹、障碍物当前位置及障碍物当前速度生成障碍物预测运动轨迹；

S1066、基于所述车辆预测行驶轨迹、所述障碍物预测运动轨迹及障碍物包围框判断车辆是否需避障行驶。

根据本公开的至少一个实施方式的车辆循迹轨迹生成方法，S108、如果车辆需避障行驶，则至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹生成避障轨迹，包括：

S1082、至少基于车辆实际行驶轨迹中的关键轨迹点的曲线曲率变化率获得避障轨迹的起点；

S1084、基于所述避障轨迹的起点以及所述障碍物包围框生成从所述避障轨迹的起点出发至绕过所述障碍物之后的无障碍物位置的避障轨迹。

根据本公开的至少一个实施方式的车辆循迹轨迹生成方法，步骤S110、基于所述避障轨迹、所述车辆实际行驶轨迹以及所述障碍物特征信息生成车辆循迹轨迹，包括：

S1102、将生成的所述避障轨迹与车辆实际行驶轨迹进行比较，获得车辆实际行驶轨迹上对应的避障起点及避障终点；

S1104、从点云地图删除生成的所述避障轨迹及所述车辆实际行驶轨迹的避障起点与避障终点之间的轨迹；

S1106、基于所述车辆实际行驶轨迹的避障起点的曲线曲率变化率和避障终点的曲线曲率变化率以及所述障碍物特征信息(优选障碍物包围框)生成临时路径轨迹；

S1108、将所述临时路径轨迹与所述车辆实际行驶轨迹的避障区域(避障区域即车辆实际行驶轨迹的避障起点与避障终点之间的区域)之外的轨迹连接，获得车辆循迹轨迹。

根据本公开的至少一个实施方式的车辆循迹轨迹生成方法，S108、如果车辆需避障行驶，则至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹生成避障轨迹，包括：

S1082、基于在预测的碰撞时间轨迹点的附近，车辆实际行驶轨迹与障碍物实际运动轨迹之间的曲线相似度确定避障起点以及避障终点；

S1084、将所述车辆实际行驶轨迹中的避障起点与避障终点之间的轨迹对应的障碍物实际运动轨迹作为避障轨迹。

根据本公开的至少一个实施方式的车辆循迹轨迹生成方法，步骤S110、基于所述避障轨迹、所述车辆实际行驶轨迹以及所述障碍物特征信息生成车辆循迹轨迹，包括：

使用车辆实际行驶轨迹中的避障起点与避障终点之间的轨迹对应的障碍物实际运动轨迹对车辆实际行驶轨迹中的避障起点与避障终点之间的轨迹进行替换，以生成车辆循迹轨迹。

根据本公开的至少一个实施方式的车辆循迹轨迹生成方法，步骤S110中，还包括：

对生成的车辆循迹轨迹进行平滑处理。

根据本公开的至少一个实施方式的车辆循迹轨迹生成方法，还包括：

S112、基于汽车运动学模型对生成的车辆循迹轨迹进行路径优化，以及对进行路径优化之后的车辆循迹轨迹进行速度优化，获得最终的车辆循迹轨迹。

根据本公开的另一个方面，提供一种车辆循迹轨迹生成装置，包括：

同步定位与建图模块，所述同步定位与建图模块基于车辆相机装置采集的图像数据以及车辆轮速里程装置采集的车辆行驶数据进行同步定位与建图(SLAM)，生成车辆实际行驶轨迹及点云地图；

障碍物检测模块，所述障碍物检测模块至少基于所述点云地图获取障碍物特征信息(障碍物特征信息包括障碍物类型、障碍物包围框、障碍物实际运动轨迹和/或障碍物预测运动轨迹)；

避障判断模块，所述避障判断模块至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹判断车辆是否需避障行驶；

避障轨迹生成模块，如果所述避障判断模块判断车辆需避障行驶，则所述避障轨迹生成模块至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹生成避障轨迹；

循迹轨迹生成模块，所述循迹轨迹生成模块基于所述避障轨迹、所述车辆实际行驶轨迹以及所述障碍物特征信息生成车辆循迹轨迹。

根据本公开的至少一个实施方式的车辆循迹轨迹生成装置，还包括：

循迹轨迹优化模块，所述循迹轨迹优化模块基于汽车运动学模型对生成的车辆循迹轨迹进行路径优化，以及对进行路径优化之后的车辆循迹轨迹进行速度优化，获得最终的车辆循迹轨迹。

根据本公开的又一个方面，提供一种电子设备，包括：存储器，所述存储器存储执行指令；以及，处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行上述任一项所述的车辆循迹轨迹生成方法。

根据本公开的再一个方面，提供一种可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述任一项所述的车辆循迹轨迹生成方法。

附图说明

附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。

图1是本公开的一个实施方式的车辆循迹轨迹生成方法的流程示意图。

图2是本公开的一个实施方式的车辆循迹轨迹生成方法中判断车辆是否需避障行驶的流程示意图。

图3是本公开的又一个实施方式的车辆循迹轨迹生成方法中判断车辆是否需避障行驶的流程示意图。

图4是本公开的一个实施方式的车辆循迹轨迹生成方法中的生成避障轨迹的流程示意图。

图5是本公开的一个实施方式的车辆循迹轨迹生成方法中基于避障轨迹、车辆实际行驶轨迹以及障碍物特征信息生成车辆循迹轨迹的流程示意图。

图6和图7分别为本公开一个实施方式的两个实例的车辆循迹轨迹的生成过程示意图。

图8和图9分别为本公开的一个实施方式的两个实例的获取特征绕点的示意图。

图10是本公开的又一个实施方式的车辆循迹轨迹生成方法中的生成避障轨迹的流程示意图。

图11为本公开的一个实施方式的车辆循迹轨迹的生成过程示意图。

图12是本公开的又一个实施方式的车辆循迹轨迹生成方法的流程示意图。

图13是本公开的一个实施方式的采用处理系统的硬件实现方式的车辆循迹轨迹生成装置的结构示意图。

附图标记说明

1000 车辆循迹轨迹生成装置

1002 同步定位与建图模块

1004 障碍物检测模块

1006 避障判断模块

1008 避障轨迹生成模块

1010 循迹轨迹生成模块

1012 循迹轨迹优化模块

1100 总线

1200 处理器

1300 存储器

1400 其他电路。

具体实施方式

下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。

除非另有说明，否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此，除非另有说明，否则在不脱离本公开的技术构思的情况下，各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。

在附图中使用交叉影线和/或阴影通常用于使相邻部件之间的边界变得清晰。如此，除非说明，否则交叉影线或阴影的存在与否均不传达或表示对部件的具体材料、材料性质、尺寸、比例、示出的部件之间的共性和/或部件的任何其它特性、属性、性质等的任何偏好或者要求。此外，在附图中，为了清楚和/或描述性的目的，可以夸大部件的尺寸和相对尺寸。当可以不同地实施示例性实施例时，可以以不同于所描述的顺序来执行具体的工艺顺序。例如，可以基本同时执行或者以与所描述的顺序相反的顺序执行两个连续描述的工艺。此外，同样的附图标记表示同样的部件。

当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或“结合到”另一部件时，该部件可以直接在所述另一部件上、直接连接到或直接结合到所述另一部件，或者可以存在中间部件。然而，当部件被称作“直接在”另一部件“上”、“直接连接到”或“直接结合到”另一部件时，不存在中间部件。为此，术语“连接”可以指物理连接、电气连接等，并且具有或不具有中间部件。

本文使用的术语是为了描述具体实施例的目的，而不意图是限制性的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。

下文结合图1至图13对本公开的车辆循迹轨迹生成方法、车辆循迹轨迹生成装置、电子设备及可读存储介质进行详细说明。

图1是本公开的一个实施方式的车辆循迹轨迹生成方法的流程示意图。

参考图1，车辆循迹轨迹生成方法S100，包括：

S102、基于车辆相机装置采集的图像数据以及车辆轮速里程装置采集的车辆行驶数据进行同步定位与建图(SLAM)，生成车辆实际行驶轨迹及点云地图；

S104、至少基于点云地图获取障碍物特征信息(障碍物特征信息优选地包括障碍物类型、障碍物包围框、障碍物实际运动轨迹和/或障碍物预测运动轨迹)；

S106、至少基于障碍物特征信息以及车辆实际行驶轨迹判断车辆是否需避障行驶；

S108、如果车辆需避障行驶，则至少基于障碍物特征信息以及车辆实际行驶轨迹生成避障轨迹；

S110、基于避障轨迹、车辆实际行驶轨迹以及障碍物特征信息生成车辆循迹轨迹。

参考图1，步骤S108还包括，如果车辆无需避障行驶，则直接基于车辆实际行驶轨迹生成车辆循迹轨迹。

其中，车辆行驶数据包括车辆行驶特征，车辆行驶特征包括：启动转向灯、变道、刹车、静止、倒车等行驶行为。

本公开的车辆循迹轨迹生成方法是一种自动的车辆循迹轨迹生成方法，在人为驾驶生成车辆循迹轨迹的过程中，车辆可能会因躲避障碍物而避障绕行，出现轨迹波动。在生成车辆循迹轨迹的过程中，识别检测道路中各物体(包括障碍物)并进行障碍物特征信息获取(尤其是障碍物分类)，对于每个可能作为行驶障碍物的物体进行计算检测，判断车辆行驶过程是否需对其进行避障绕行。基于障碍物特征信息(尤其是障碍物类别)分别进行不同方法的避障轨迹的处理，自动生成用于汽车自动驾驶的车辆循迹轨迹。优选地，还基于车辆运动学还对生成的车辆循迹轨迹进行轨迹优化并进行速度规划。

对于步骤S102，人工驾驶汽车在道路行驶过程中，优选地通过放置在汽车前后保险杠和左右后视镜下边缘的四个鱼眼相机和轮速里程计捕捉车辆周围环境信息和车辆自身行驶状态信息(即车辆行驶数据)，基于同步定位与建图(SLAM)实时建立点云地图和车辆实际行驶轨迹并保存，地图中明确建图时SLAM重定位和循迹跟踪所需要的信息(车辆行驶的路径/路线等)。

在行驶过程中，基于鱼眼相机图像进行特征点提取，优选地基于图像OrientedFAST关键点计算BRIEF描述子，提取ORB特征点，利用特征点构建特征点点云地图，包括以下步骤：

地图初始化：将两帧图像加入到地图中，对于两帧中的每一对匹配的ORB特征点，在地图中生成一个新的特征点，其信息包括关键点位置及描述子的属性。

地图更新：当当前帧图像与最后一个关键帧发生一段距离的移动时，将当前帧图像加入到地图中。向地图中加入新的ORB特征时，依照匹配关系，依次对地图特征的关键点、描述子进行更新。

地图优化：以最后一帧及其局部地图的位姿以及局部地图可以观察到的特征点的位置作为变量，以最小重投影误差作为目标函数，优选地利用Bundle Adjustment进行优化，获得更加精准的关键帧位姿、地图特征点位置。

同时，基于轮速里程计感知车身运动的长度(或轨迹信息)和航向角信息，将感知的长度(或轨迹信息)作为相机的轨迹约束对鱼眼相机生成的轨迹进行优化。

优选地，第一约束模块以相同的自i至j时刻以轮速里程计数据产生的运动增量约束相机运动增量，以约束车辆平移矢量；第二约束模块以轮速里程计的读数差或得车身航向较偏转来作为旋转增量的约束，以约束车辆旋转矢量。

计算得到两个轨迹的SIM(3)映射，即两个轨迹整体的平移旋转及尺度映射，将轮速里程计获得的地图轨迹映射到鱼眼相机地图轨迹。上述方法解决了单目相机的尺度不确定问题，也能够防止相机的定位误差累计和尺度漂移，使得构建的特征点点云地图更加准确。

对于上述实施方式的车辆循迹轨迹生成方法S100，优选地，障碍物特征信息包括障碍物类型、障碍物包围框、障碍物实际运动轨迹和/或障碍物预测运动轨迹。

其中，本公开中，障碍物类型包括：临时静止的可移动障碍物(静止的行人、静止的车辆等)、临时放置的不可移动障碍物(临时放置的路锥等)、运动障碍物(行驶中的车辆、运动中的行人等)、不可移动障碍物(例如石墩等)。

其中，优选地利用深度学习方法对鱼眼相机图像进行3D目标检测，识别检测车辆行驶过程的道路场景中人、机动车、非机动车或路锥、石墩等，并确定物体3D包围框，以及物体物理尺寸、位置和方向等。

优选地，使用SSD-6D算法，将输入鱼眼相机图像经过Inception v4网络进行特征提取和计算，再分别在不同分辨率的特征图上进行SSD类似目标值回归，对回归结果进行非极大抑制(NMS)，得到最终结果，即物体3D包围框、物理尺寸、位置和方向。

若为人、机动车、非机动车等可移动障碍物，判断当前是否处于运动状态。计算所得障碍物位姿信息，根据车辆实时车速和车辆位姿信息，假设障碍物为静止状态计算预测预设时间间隔后障碍物的位置信息，经过预设时间间隔后获取障碍物的实际位置信息，判断实际位置信息与预测位置信息是否匹配，若不匹配则判定可移动障碍物处于运动状态。

对于上述各个实施方式的车辆循迹轨迹生成方法S100，参考图2，优选地，S106、至少基于障碍物特征信息以及车辆实际行驶轨迹判断车辆是否需避障行驶，包括：

S1062、识别障碍物类型；

S1064、如果障碍物类型为临时静止的可移动障碍物或者临时放置的不可移动障碍物，则基于车辆实际行驶轨迹(当前时间之前预设时间段内的车辆实际行驶轨迹)、车辆当前位置及车辆当前速度生成车辆预测行驶轨迹(当前时间之后预设时间段内的车辆预测行驶轨迹)；

S1066、基于车辆预测行驶轨迹以及障碍物包围框(优选为3D包围框)判断车辆是否需避障行驶。

更具体地，对于临时静止的可移动障碍物或非固定的不可移动障碍物，优选地基于获取的车辆当前位置、当前速度、当前时间之前预设时间段内的车辆实际行驶轨迹，从至少一个已训练的高斯过程模型中确定出与车辆运动模式匹配的目标高斯过程模型，并基于目标高斯过程模型确定出车辆接下来一段时间内的车辆预测行驶轨迹(可参考中国专利CN111583715A)。基于车辆预测行驶轨迹和上述步骤中检测得到的障碍物3D包围框，通过判断车辆预测行驶轨迹是否穿过障碍物3D包围框来判断车辆是否需避障绕行。如果车辆预测行驶轨迹穿过障碍物3D包围框，车辆按照车辆预测行驶轨迹行驶会与障碍物发生碰撞，即在人工驾驶过程产生的历史轨迹中会进行避障绕行。

对于不可移动障碍物，基于车辆实际行驶轨迹(当前时间之前预设时间段内的车辆实际行驶轨迹)、车辆当前位置及车辆当前速度生成车辆预测行驶轨迹(当前时间之后预设时间段内的车辆预测行驶轨迹)，以及基于车辆预测行驶轨迹以及障碍物包围框(优选为3D包围框)判断车辆是否需避障行驶。

根据本公开的又一个优选地实施方式的车辆循迹轨迹生成方法S100，参考图3，S106、至少基于障碍物特征信息以及车辆实际行驶轨迹判断车辆是否需避障行驶，包括：

S1062、识别障碍物类型；

S1064、如果障碍物类型为运动障碍物，则基于车辆实际行驶轨迹(当前时间之前预设时间段内的车辆实际行驶轨迹)、车辆当前位置及车辆当前速度生成车辆预测行驶轨迹(当前时间之后预设时间段内的车辆预测行驶轨迹)，基于障碍物实际运动轨迹、障碍物当前位置及障碍物当前速度生成障碍物预测运动轨迹；

S1066、基于车辆预测行驶轨迹、障碍物预测运动轨迹及障碍物包围框判断车辆是否需避障行驶。

根据本公开的优选实施方式，基于全景图像检测障碍物的障碍物实际运动轨迹。

更具体地，当检测到运动的障碍物时，将检测到障碍物前后预设一段时间及避障路段的鱼眼相机图像(优选为四视鱼眼相机图像)投影到顶视图，在顶视图平面进行拼接生成全景图像。以四视鱼眼相机图像为例，对来自前视、后视、左右侧视的鱼眼相机图像进行栅格化，利用相机内参和相机相对于顶视图坐标系原点的外参，计算顶视图上的采样点到原始图像像素的坐标信息，计算由图像投影拼接得到的全景图像。

基于全景图像，检测全景图像中前方的运动障碍物(例如运动车辆)，基于3D目标检测识别障碍物生成的3D包围框、物理尺寸及坐标信息，通过跟踪算法(例如卡尔曼滤波跟踪算法)对障碍物进行特征点跟踪，记录障碍物位置信息，通过位置信息生成障碍物实际运动轨迹，转换坐标系以在SLAM地图中保存运动障碍物的障碍物实际运动轨迹(顶视图坐标系->虚拟相机坐标系->世界坐标系)。

步骤S1066中，基于车辆预测行驶轨迹、障碍物预测运动轨迹及障碍物包围框进行碰撞检测，具体地碰撞检测技术可以参考中国专利CN109960261CN，以判断车辆是否需避障行驶。

根据本公开的优选实施方式，如果障碍物类型为临时静止的可移动障碍物或者临时放置的不可移动障碍物，上述各个实施方式的车辆循迹轨迹生成方法S100中，参考图4，S108、如果车辆需避障行驶，则至少基于障碍物特征信息以及车辆实际行驶轨迹生成避障轨迹，包括：

S1082、至少基于车辆实际行驶轨迹中的关键轨迹点的曲线曲率变化率获得避障轨迹的起点；

S1084、基于避障轨迹的起点以及障碍物包围框生成从避障轨迹的起点出发至绕过障碍物之后的无障碍物位置的避障轨迹。

根据本公开的优选实施方式，步骤S1082中，基于车辆实际行驶轨迹中的关键轨迹点的曲线曲率变化率以及关键轨迹点之后预设长度轨迹的曲线曲率变化量获得避障轨迹的起点。

优选地，在步骤S1082中，获取车辆实际行驶轨迹中的关键轨迹点的曲线曲率变化率，如果该关键轨迹点的曲线曲率变化率超过预设阈值且该关键轨迹点之后预设长度轨迹的曲线曲率变化量大于预设阈值，则将该关键轨迹点作为避障轨迹的起点。

根据本公开的优选实施方式，步骤S1082中，基于车辆实际行驶轨迹中的关键轨迹点的曲线曲率变化率、关键轨迹点之后预设长度轨迹的曲线曲率变化量以及关键轨迹点和/或关键轨迹点的临近轨迹点(可以是关键轨迹点之前的预设数量的临近轨迹点和/或关键轨迹点之后的预设数量的临近轨迹点)的车辆行驶特征获得避障轨迹的起点。

优选地，获取车辆实际行驶轨迹中的关键轨迹点的曲线曲率变化率，如果该关键轨迹点的曲线曲率变化率超过预设阈值且该关键轨迹点之后预设长度轨迹的曲线曲率变化量大于预设阈值，并结合关键轨迹点和/或关键轨迹点的临近轨迹点是否出现包括启动转向灯、变道、刹车、静止、倒车中的一项或多项的车辆行驶特征，如果出现，则将该关键轨迹点作为避障轨迹的起点。

优选地，在步骤S1084中，从避障轨迹的起点出发，寻找与起点相邻的栅格，判断该栅格是否是目标位置，并基于目标位置的栅格再向外并向其他与起点相邻的栅格扩展，获取目标位置，重复，直至逼近目标终点，以获得避障轨迹，即优选地通过启发式搜索算法(例如A*算法、Dijkstra算法)获得避障轨迹；根据本公开的另外的优选实施方式，基于随机采样算法，通过对状态空间均匀随机采样构建一个连通图，当初始、目标状态都位于连通图中或者都能够连接至连通图中时，来获取避障轨迹，例如概率路图法(PRM)、快速随机扩展树法(RRT)。

对于上述实施方式的车辆循迹轨迹生成方法S100，优选地，参考图5，步骤S110、基于避障轨迹、车辆实际行驶轨迹以及障碍物特征信息生成车辆循迹轨迹，包括：

S1102、将生成的避障轨迹与车辆实际行驶轨迹进行比较，获得车辆实际行驶轨迹上对应的避障起点及避障终点；

S1104、从点云地图删除生成的避障轨迹及车辆实际行驶轨迹的避障起点与避障终点之间的轨迹；

S1106、基于车辆实际行驶轨迹的避障起点的曲线曲率变化率和避障终点的曲线曲率变化率以及障碍物特征信息(优选障碍物包围框)生成临时路径轨迹；

S1108、将临时路径轨迹与车辆实际行驶轨迹的避障区域(避障区域即车辆实际行驶轨迹的避障起点与避障终点之间的区域)之外的轨迹连接，获得车辆循迹轨迹。

图6和图7分别为本实施方式的两个实例的车辆循迹轨迹的生成过程示意图。

优选地，步骤S1102中，确定生成的避障轨迹的终点对应位置的车辆实际行驶轨迹上的轨迹点，在该轨迹点及该轨迹点的附近轨迹点计算的车辆实际行驶轨迹的曲线曲率变化率的最大点为车辆实际行驶轨迹的避障终点，将避障轨迹的起点作为车辆实际行驶轨迹的避障起点。

步骤S1106中，基于车辆实际行驶轨迹的避障起点的曲线曲率变化率和避障终点的曲线曲率变化率以及障碍物特征信息(优选障碍物包围框)生成临时路径轨迹，优选地：

SS601、基于目标检测(优选为3D目标检测)获得障碍物包围框和障碍物物理尺寸获得障碍物中心点；

SS602、基于车辆实际行驶轨迹，获得避障起点处车辆的行驶方向；

SS603、计算车辆实际行驶轨迹中各个轨迹点的曲线曲率及曲线曲率变化率，保持曲线曲率变化率不变沿避障起点处的行驶方向生成第一曲线，获得第一曲线与通过障碍物中心点且分别平行于障碍物包围框的两条互相垂直边框的两条直线的第一组交点；计算车辆实际行驶轨迹中各个轨迹点的曲线曲率及曲线曲率变化率，保持曲线曲率变化率不变沿避障终点处的行驶方向的反方向生成第二曲线，获得第二曲线与通过障碍物中心点且分别平行于障碍物包围框的两条互相垂直边框的两条直线的第二组交点；

SS604、基于第一组交点的坐标、第二组交点的坐标以及障碍物中心点的坐标进行平均运算，获得特征绕点的坐标；

SS605、基于特征绕点的坐标、避障起点的坐标以及避障终点的坐标生成二次曲线作为临时路径轨迹。

例如假设存在4个相交点，点1、点2、点3、点4的位置坐标点1(x1,y1)、点2(x2,y2)、点3(x3,y3)、点4(x4,y4)，障碍物中心点位置坐标(x,y)，计算特征绕点的坐标：

图8和图9分别为本实施方式的两个实例的获取特征绕点的示意图。

对于上述各个实施方式的(障碍物类型为临时静止的可移动障碍物或者临时放置的不可移动障碍物)车辆循迹轨迹生成方法S100，优选地，步骤S110中，还包括：对生成的车辆循迹轨迹进行平滑处理。

优选地，平滑处理方法包括：运用B-spline方法进行轨迹优化，生成平滑的车辆循迹轨迹。

优选地，运用B-spline方法进行轨迹优化，包括：

①将车辆临时轨迹曲线轨迹采样点按照时间先后顺序进行排列并作为B样条曲线的各控制点p_i(i＝0,1,2,3,...,n)，并确定各控制点的矢量值u_i(i＝0,1,2,3,...,n)，控制点的矢量值用来限定参数t的取值范围并影响曲线的形状；

②从第一个控制点起按顺序取连续4个采样点作为计算该段3阶B样条曲线的4个控制点P_j-2、P_j-1、P_j、P_j+1，并利用P_j-2、P_j-1计算第一次递推的比例分位点曲线

利用P_j-1、P_j计算第一次递推的比例分位点曲线

利用P_j、P_j+1计算第一次递推的比例分位点曲线

③利用第一次递推的比例分位点曲线

计算第二次递推的比例分位点曲线

利用第一次递推的比例分位点曲线

计算第二次递推的比例分位点曲线

④利用第二次递推的比例分位点曲线

计算第三次递推的比例分位点曲线

由B样条的定义可得第三次递推的比例分位线曲线

即为由控制点P_j-2、P_j-1、P_j、P_j+1生成的B样条曲线P(t)；

⑤按顺序取接下来四个控制点以计算下一段B样条曲线，重复步骤②-⑤，直至采样点间的所有B样条曲线段都被计算完毕；优选地，针对采样点总个数不为4的倍数，即最后一段B样条曲线的控制点可能不够4个的情况，顺移至前一段B样条曲线的控制点进行补充；

⑥联合所有B样条曲线段的表达式，获得连续光滑的B样条曲线。

根据本公开的优选实施方式，如果障碍物类型为运动障碍物，上述各个实施方式的车辆循迹轨迹生成方法S100中，优选地，参考图10，S108、如果车辆需避障行驶，则至少基于障碍物特征信息以及车辆实际行驶轨迹生成避障轨迹，包括：

S1082、基于在预测的碰撞时间轨迹点的附近，车辆实际行驶轨迹与障碍物实际运动轨迹之间的曲线相似度确定避障起点以及避障终点；

S1084、将车辆实际行驶轨迹中的避障起点与避障终点之间的轨迹对应的障碍物实际运动轨迹作为避障轨迹。

步骤S1082中，在预测的碰撞时间轨迹点的附近(例如碰撞时间轨迹点前后的预设时间长度之内)，比较车辆实际行驶轨迹与障碍物实际运动轨迹之间的曲线相似度(例如基于弗雷歇距离(Fréchet distance)进行计算)，在预测的碰撞时间轨迹点的附近各选取相似度开始变小的一段曲线作为避障起始路段和避障终止路段，避障起始路段之前和避障终止路段之后的路段，车辆实际行驶轨迹与障碍物实际运动轨迹的曲线相似度较大，作为车辆实际行驶轨迹与障碍物实际运动轨迹的重合部分，避障起始路段与避障终止路段之间的路段相似度较小，作为车辆的避障路段。

对于上述实施方式的车辆循迹轨迹生成方法S100，优选地，步骤S110、基于避障轨迹、车辆实际行驶轨迹以及障碍物特征信息生成车辆循迹轨迹，包括：

使用车辆实际行驶轨迹中的避障起点与避障终点之间的轨迹对应的障碍物实际运动轨迹对车辆实际行驶轨迹中的避障起点与避障终点之间的轨迹进行替换，以生成车辆循迹轨迹。

本实施方式中，以障碍物实际运动轨迹作为障碍物特征信息。

图11示出了本实施方式的车辆循迹轨迹的生成过程。

更优选地，本实施方式(障碍物类型为运动障碍物)的步骤S110中，还包括：对生成的车辆循迹轨迹进行平滑处理。

优选地，平滑处理包括以下步骤：

①根据轨迹曲线相接点与第一过渡点Ps的第一预设距离，确定在第一路径上的第一过渡点Ps，并根据第一路径的函数表达式计算Ps的一阶导数ps.与二阶导数ps..；同理，确定第二路径上的第二过渡点Pe，并计算Pe的一阶导数和二阶导数；

②将上述6个点设为边界值，由六个方程求得六个未知数的原则，选择六个控制点的准均匀三次B样条曲线作为连续轨迹的过渡路径；

③计算连续轨迹过渡路径的曲率，并根据曲率计算出合适的优化权重使得曲线的曲率导数积分最小，根据优化权重优化边界值(一阶、二阶四个点)，从而得到六个点的优化取值，生成平滑的过渡路径；

④重复步骤③直到得到所有的连续轨迹平滑过渡路径。

对于上述各个实施方式的车辆循迹轨迹生成方法S100，优选地，参考图12，还包括：

S112、基于汽车运动学模型对生成的车辆循迹轨迹进行路径优化，以及对进行路径优化之后的车辆循迹轨迹进行速度优化，获得最终的车辆循迹轨迹。

根据本公开的一个实施方式的车辆循迹轨迹生成装置1000，包括：

同步定位与建图模块1002，同步定位与建图模块1002基于车辆相机装置采集的图像数据以及车辆轮速里程装置采集的车辆行驶数据进行同步定位与建图(SLAM)，生成车辆实际行驶轨迹及点云地图；

障碍物检测模块1004，障碍物检测模块1004至少基于点云地图获取障碍物特征信息；

避障判断模块1006，避障判断模块1006至少基于障碍物特征信息以及车辆实际行驶轨迹判断车辆是否需避障行驶；

避障轨迹生成模块1008，如果避障判断模块1006判断车辆需避障行驶，则避障轨迹生成模块1008至少基于障碍物特征信息以及车辆实际行驶轨迹生成避障轨迹；

循迹轨迹生成模块1010，循迹轨迹生成模块1010基于避障轨迹、车辆实际行驶轨迹以及障碍物特征信息生成车辆循迹轨迹。

根据本公开的优选实施方式的车辆循迹轨迹生成装置1000，还包括：循迹轨迹优化模块1012，循迹轨迹优化模块1012基于汽车运动学模型对生成的车辆循迹轨迹进行路径优化，以及对进行路径优化之后的车辆循迹轨迹进行速度优化，获得最终的车辆循迹轨迹。

上述各个实施方式的车辆循迹轨迹生成装置1000可以通过计算机软件架构的方式实现。

图13示出了采用处理系统的硬件实现方式的车辆循迹轨迹生成装置1000的结构示意图。

该车辆循迹轨迹生成装置1000可以包括执行上述流程图中各个或几个步骤的相应模块。因此，可以由相应模块执行上述流程图中的每个步骤或几个步骤，并且该装置可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。

该硬件结构可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线1100将包括一个或多个处理器1200、存储器1300和/或硬件模块的各种电路连接到一起。总线1100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路1400连接。

总线1100可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一条连接线表示，但并不表示仅有一根总线或一种类型的总线。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的各个方法和处理。例如，本公开中的方法实施方式可以被实现为软件程序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中，软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时，可以执行上文描述的方法中的一个或多个步骤。备选地，在其他实施方式中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之一。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，可以具体实现在任何可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。

就本说明书而言，“可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在存储器中。

应当理解，本公开的各部分可以用硬件、软件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施方式方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，程序可以存储于一种可读存储介质中，该程序在执行时，包括方法实施方式的步骤之一或其组合。

此外，在本公开各个实施方式中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。

本公开还提供了一种电子设备，包括：存储器，存储器存储执行指令；以及处理器或其他硬件模块，处理器或其他硬件模块执行存储器存储的执行指令，使得处理器或其他硬件模块执行上述的方法。

本公开还提供了一种可读存储介质，可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述的方法。

在本说明书的描述中，参考术语“一个实施方式/方式”、“一些实施方式/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施方式/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式/方式或示例中。在本说明书中，对上述术语的示意性表述不必须的是相同的实施方式/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施方式/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施方式/方式或示例以及不同实施方式/方式或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。

Claims (10)

1.一种车辆循迹轨迹生成方法，其特征在于，包括：

S102、基于车辆相机装置采集的图像数据以及车辆轮速里程装置采集的车辆行驶数据进行同步定位与建图，生成车辆实际行驶轨迹及点云地图；

S104、至少基于所述点云地图获取障碍物特征信息；

S106、至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹判断车辆是否需避障行驶；

S108、如果车辆需避障行驶，则至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹生成避障轨迹；以及

S110、基于所述避障轨迹、所述车辆实际行驶轨迹以及所述障碍物特征信息生成车辆循迹轨迹。

2.根据权利要求1所述的车辆循迹轨迹生成方法，其特征在于，所述障碍物特征信息包括障碍物类型、障碍物包围框、障碍物实际运动轨迹和/或障碍物预测运动轨迹。

3.根据权利要求2所述的车辆循迹轨迹生成方法，其特征在于，S106、至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹判断车辆是否需避障行驶，包括：

S1062、识别障碍物类型；

S1064、如果障碍物类型为临时静止的可移动障碍物或者临时放置的不可移动障碍物，则基于车辆实际行驶轨迹、车辆当前位置及车辆当前速度生成车辆预测行驶轨迹；以及

S1066、基于所述车辆预测行驶轨迹以及障碍物包围框判断车辆是否需避障行驶。

4.根据权利要求2所述的车辆循迹轨迹生成方法，其特征在于，S106、至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹判断车辆是否需避障行驶，包括：

S1062、识别障碍物类型；

S1064、如果障碍物类型为运动障碍物，则基于车辆实际行驶轨迹、车辆当前位置及车辆当前速度生成车辆预测行驶轨迹，基于障碍物实际运动轨迹、障碍物当前位置及障碍物当前速度生成障碍物预测运动轨迹；以及

S1066、基于所述车辆预测行驶轨迹、所述障碍物预测运动轨迹及障碍物包围框判断车辆是否需避障行驶。

5.根据权利要求3所述的车辆循迹轨迹生成方法，其特征在于，S108、如果车辆需避障行驶，则至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹生成避障轨迹，包括：

S1082、至少基于车辆实际行驶轨迹中的关键轨迹点的曲线曲率变化率获得避障轨迹的起点；以及

S1084、基于所述避障轨迹的起点以及所述障碍物包围框生成从所述避障轨迹的起点出发至绕过所述障碍物之后的无障碍物位置的避障轨迹。

6.根据权利要求5所述的车辆循迹轨迹生成方法，其特征在于，步骤S110、基于所述避障轨迹、所述车辆实际行驶轨迹以及所述障碍物特征信息生成车辆循迹轨迹，包括：

S1102、将生成的所述避障轨迹与车辆实际行驶轨迹进行比较，获得车辆实际行驶轨迹上对应的避障起点及避障终点；

S1104、从点云地图删除生成的所述避障轨迹及所述车辆实际行驶轨迹的避障起点与避障终点之间的轨迹；

S1106、基于所述车辆实际行驶轨迹的避障起点的曲线曲率变化率和避障终点的曲线曲率变化率以及所述障碍物特征信息生成临时路径轨迹；以及

S1108、将所述临时路径轨迹与所述车辆实际行驶轨迹的避障区域之外的轨迹连接，获得车辆循迹轨迹。

7.根据权利要求4所述的车辆循迹轨迹生成方法，其特征在于，S108、如果车辆需避障行驶，则至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹生成避障轨迹，包括：

S1082、基于在预测的碰撞时间轨迹点的附近，车辆实际行驶轨迹与障碍物实际运动轨迹之间的曲线相似度确定避障起点以及避障终点；以及

S1084、将所述车辆实际行驶轨迹中的避障起点与避障终点之间的轨迹对应的障碍物实际运动轨迹作为避障轨迹；

优选地，步骤S110、基于所述避障轨迹、所述车辆实际行驶轨迹以及所述障碍物特征信息生成车辆循迹轨迹，包括：

使用车辆实际行驶轨迹中的避障起点与避障终点之间的轨迹对应的障碍物实际运动轨迹对车辆实际行驶轨迹中的避障起点与避障终点之间的轨迹进行替换，以生成车辆循迹轨迹；

优选地，步骤S110中，还包括：

对生成的车辆循迹轨迹进行平滑处理；

优选地，还包括：

S112、基于汽车运动学模型对生成的车辆循迹轨迹进行路径优化，以及对进行路径优化之后的车辆循迹轨迹进行速度优化，获得最终的车辆循迹轨迹。

8.一种车辆循迹轨迹生成装置，其特征在于，包括：

同步定位与建图模块，所述同步定位与建图模块基于车辆相机装置采集的图像数据以及车辆轮速里程装置采集的车辆行驶数据进行同步定位与建图，生成车辆实际行驶轨迹及点云地图；

障碍物检测模块，所述障碍物检测模块至少基于所述点云地图获取障碍物特征信息；

避障判断模块，所述避障判断模块至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹判断车辆是否需避障行驶；

避障轨迹生成模块，如果所述避障判断模块判断车辆需避障行驶，则所述避障轨迹生成模块至少基于所述障碍物特征信息以及所述车辆实际行驶轨迹生成避障轨迹；以及

循迹轨迹生成模块，所述循迹轨迹生成模块基于所述避障轨迹、所述车辆实际行驶轨迹以及所述障碍物特征信息生成车辆循迹轨迹；

优选地，还包括：

循迹轨迹优化模块，所述循迹轨迹优化模块基于汽车运动学模型对生成的车辆循迹轨迹进行路径优化，以及对进行路径优化之后的车辆循迹轨迹进行速度优化，获得最终的车辆循迹轨迹。

9.一种电子设备，其特征在于，包括：

存储器，所述存储器存储执行指令；以及

处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行权利要求1至7中任一项所述的方法。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现权利要求1至7中任一项所述的方法。

Images