CN114611289A - 自动驾驶中参考线的确定方法、装置及电子设备 - Google Patents
自动驾驶中参考线的确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114611289A CN114611289A CN202210236866.7A CN202210236866A CN114611289A CN 114611289 A CN114611289 A CN 114611289A CN 202210236866 A CN202210236866 A CN 202210236866A CN 114611289 A CN114611289 A CN 114611289A
- Authority
- CN
- China
- Prior art keywords
- reference line
- state
- spline curve
- boundary
- curve segment
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Abstract
本申请提供了一种自动驾驶中参考线的确定方法、装置及电子设备,方法包括:获取车辆当前位置对应的车道序列信息;即多个锚点分别对应的位置、朝向和边界信息;将车道序列信息输入预设的参考线平滑问题求解模型进行求解,得到状态序列和控制输出序列,进而确定车道序列信息对应的参考线。其中,上述模型为在预设约束条件下的最优控制求解模型;目标函数为:参考线对应的整条曲线段的曲率和曲率的导数的积分最小;预设约束条件包括:整条曲线段的起点位置和终点位置分别与对应锚点的位置一致、样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程、锚点边界约束条件。本申请能够同时提高自动驾驶中参考线的确定精度和效率。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其是涉及一种自动驾驶中参考线的确定方法、装置及电子设备。
背景技术
设计兼顾效率和精度的参考线平滑算法是自动驾驶领域的难点之一。首先,由于现在很多自动驾驶运动规划算法是基于frenet坐标系下进行的,而frenet坐标系和笛卡尔坐标系的偏差程度取决于参考线的平滑程度,所以规划模块输出的轨迹质量也强依赖于参考线的质量。另外,自动驾驶是一个庞大的系统,但是车载计算平台算力和资源有限,需要参考线模块尽可能地减少计算资源的占用,并且高效稳定地生成出高质量的参考线。
目前现有的参考线平滑算法中,有Bezier曲线算法,分段样条曲线算法,多阶段螺旋线算法,离散点平滑算法等。其中,多阶段螺旋线算法参数多,且需要频繁采用牛顿打靶法,算法效率低;Bezier曲线算法和离散点平滑算法很难输出曲率稳定,高质量的参考线,曲率存在波动或突变;分段样条曲线算法中,构建的二次规划问题中目标函数和约束矩阵庞大且稀疏,空间复杂度高,求解效率低。
综上,现有的参考线平滑算法都很难同时兼顾效率和精度。
发明内容
本申请的目的在于提供一种自动驾驶中参考线的确定方法、装置及电子设备,能够同时提高自动驾驶中参考线的确定精度和效率。
第一方面,本申请实施例提供一种自动驾驶中参考线的确定方法,该方法包括:获取车辆当前位置对应的车道序列信息;车道序列信息包括:多个锚点分别对应的位置、朝向和边界信息;将车道序列信息输入预设的参考线平滑问题求解模型进行求解,得到状态序列和控制输出序列;其中,参考线平滑问题求解模型为在预设约束条件下的最优控制求解模型;模型对应的目标函数为:参考线对应的整条曲线段的曲率和曲率的导数的积分最小;整条曲线段由多个锚点划分为多个样条曲线段;每个样条曲线段的系统状态由五次多项式表征;预设约束条件包括:整条曲线段的起点位置和终点位置分别与对应锚点的位置一致、样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程、锚点边界约束条件;基于状态序列和控制输出序列,确定车道序列信息对应的参考线。
进一步地,上述获取车辆当前位置对应的车道序列信息的步骤,包括:根据车辆当前位置,确定指定范围内的地图信息;对地图信息对应的车道线进行等间距采样,得到多个锚点;获取每个锚点对应的位置、朝向和边界信息;边界信息包括前后边界和左右边界。
进一步地,上述对于样条曲线段需要拼接的情况下,预设约束条件还包括:整条曲线段的终点位置的朝向和对应锚点的朝向一致;整条曲线段的起点位置对应的朝向、曲率、曲率的导数,与对应锚点的初始状态一致。
进一步地,上述系统状态转移方程如下:
xi(s)=ai0+ai1s+ai2s2+ai3s3+ai4s4+ai5s5;
yi(s)=bi0+bi1s+bi2s2+bi3s3+bi4s4+bi5s5;
其中,和分别表示第i+1个和第i个样条曲线段对应的系统状态;分别表示第i个样条曲线段对应的横坐标系统状态和纵坐标系统状态;表示第i个样条曲线段对应的控制输出;分别表示第i个样条曲线段对应的横坐标控制输出和纵坐标控制输出;s为每个样条曲线段的弧长;xi(s)、yi(s)分别表示第i个样条曲线段对应的横坐标五次多项式状态方程和纵坐标五次多项式状态方程;ai0、ai1、ai2、ai3、ai4、ai5、bi0、bi1、bi2、bi3、bi4、bi5均为样条曲线段的系数。
进一步地,上述目标函数如下:
其中,分别表示第i个样条曲线对应的横坐标五次多项式状态方程和纵坐标五次多项式状态方程的二阶导数;别表示第i个样条曲线对应的横坐标五次多项式状态方程和纵坐标五次多项式状态方程的三阶导数;ω1和ω2分别为二阶导数项和三阶导数项对应的权重;i=0,1,...,,N,N为正整数。
进一步地,上述锚点边界约束表示对应弧长处的位置在和锚点的朝向一致的矩形区域内;矩形区域由锚点的边界信息确定;锚点边界约束对应的公式如下:
其中,Δl,Δr,Δb,Δf分别表示锚点对应的左边界、右边界、前边界和后边界;表示第j个锚点的位置,表示第j个锚点的朝向,j=1,2,...,M,M为锚点总数量;xi(sj)、yi(sj)分别表示第j个锚点对应的参考点的横坐标和纵坐标。
进一步地,上述基于状态序列和控制输出序列,确定车道序列信息对应的参考线的步骤,包括:将状态序列、控制输出序列代入公式(2)-(6),得到每个样条曲线段对应的样条系数;根据每个样条曲线段对应的样条系数和五次多项式状态方程进行等弧长插值,求解参考线上的位置、朝向、曲率和曲率的导数,以确定车道序列信息对应的参考线。
进一步地,上述在确定车道序列信息对应的参考线的步骤之后,方法还包括:对参考线的结果进行后处理操作;后处理操作至少包括以下之一:采样、去重、可行性检查、构造参考线相关对象。
第二方面,本申请实施例还提供一种自动驾驶中参考线的确定装置,该装置包括:信息获取模块,用于获取车辆当前位置对应的车道序列信息;车道序列信息包括:多个锚点分别对应的位置、朝向和边界信息;求解模块,用于将车道序列信息输入预设的参考线平滑问题求解模型进行求解,得到状态序列和控制输出序列;其中,参考线平滑问题求解模型为在预设约束条件下的最优控制求解模型;模型对应的目标函数为:参考线对应的整条曲线段的曲率和曲率的导数的积分最小;整条曲线段由多个锚点划分为多个样条曲线段;每个样条曲线段的系统状态由五次多项式表征;预设约束条件包括:整条曲线段的起点位置和终点位置分别与对应锚点的位置一致、样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程、锚点边界约束条件;参考线确定模块,用于基于状态序列和控制输出序列,确定车道序列信息对应的参考线。
第三方面,本申请实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现上述第一方面所述的方法。
本申请实施例提供的自动驾驶中参考线的确定方法、装置及电子设备中,首先获取车辆当前位置对应的车道序列信息;车道序列信息包括:多个锚点分别对应的位置、朝向和边界信息;将车道序列信息输入预设的参考线平滑问题求解模型进行求解,得到状态序列和控制输出序列;其中,参考线平滑问题求解模型为在预设约束条件下的最优控制求解模型;模型对应的目标函数为:参考线对应的整条曲线段的曲率和曲率的导数的积分最小;整条曲线段由多个锚点划分为多个样条曲线段;每个样条曲线段的系统状态由五次多项式表征;预设约束条件包括:整条曲线段的起点位置和终点位置分别与对应锚点的位置一致、样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程、锚点边界约束条件;基于状态序列和控制输出序列,确定车道序列信息对应的参考线。本申请实施例中将参考线平滑问题描述为最优控制问题,采用模型预测控制数学形式进行求解,是一种时间复杂度和空间复杂度均较低的参考线平滑算法,能够输出高质量的参考线,曲率平滑且峰值较低,满足规划和控制模块的需求,减少对资源占用的同时提高效率。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本申请的一些实施方式,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为本申请实施例提供的一种自动驾驶中参考线的确定方法的流程图;
图2为本申请实施例提供的一种最优控制问题描述框图;
图3为本申请实施例提供的另一种自动驾驶中参考线的确定方法的流程图;
图4为本申请实施例提供的一种自动驾驶中参考线的确定装置的结构框图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合实施例对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
现有的参考线平滑算法中,多阶段螺旋线算法中,参数多且需要频繁采用牛顿打靶法,参考线平滑效率低;Bezier曲线算法和离散点平滑算法中,曲率存在波动或突变,很难输出曲率稳定,高质量的参考线;分段样条曲线算法中,构建的二次规划问题中目标函数和约束矩阵庞大且稀疏,空间复杂度高,求解效率低。现有的参考线平滑算法都很难同时兼顾效率和精度。基于此,本申请实施例提供一种自动驾驶中参考线的确定方法、装置及电子设备,能够同时提高自动驾驶中参考线的确定精度和效率。为便于对本实施例进行理解,首先对本申请实施例所公开的一种自动驾驶中参考线的确定方法进行详细介绍。
图1为本申请实施例提供的一种自动驾驶中参考线的确定方法,该方法包括以下步骤:
步骤S102,获取车辆当前位置对应的车道序列信息;车道序列信息包括:多个锚点分别对应的位置、朝向和边界信息。
该步骤中,上述车道序列信息为以车辆当前位置为基准的指定范围内的车道线上等间距采样得到的信息。比如,对车辆当前位置的后向50米,前向300米的范围内的地图信息提取车道线锚点信息,锚点对应的位置可以用横坐标和纵坐标来表示,锚点对应的朝向可以通过位置差分得出,锚点对应的边界信息可以包括前边界、后边界、左边界和右边界。
步骤S104,将车道序列信息输入预设的参考线平滑问题求解模型进行求解,得到状态序列和控制输出序列;其中,参考线平滑问题求解模型为在预设约束条件下的最优控制求解模型;模型对应的目标函数为:参考线对应的整条曲线段的曲率和曲率的导数的积分最小;整条曲线段由多个锚点划分为多个样条曲线段;每个样条曲线段的系统状态由五次多项式表征;预设约束条件包括:整条曲线段的起点位置和终点位置分别与对应锚点的位置一致、样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程、锚点边界约束条件。
本申请实施例中,将参考线平滑问题描述为最优控制问题,即上述参考线平滑问题求解模型为在预设约束条件下的最优控制求解模型,由于参考线的曲率及曲率的导数越小,表明参考线越平滑,因此模型对应的目标函数是参考线对应的整条曲线段的曲率和曲率的导数的积分最小。另外,为了保证参考线的平滑度,且参考线上的点不能偏离本车道太远,且保证算法快速求解得到平滑结果,本申请实施例中的预设约束条件包括以下几个条件:
整条曲线段的起点位置和终点位置,与对应锚点的位置一致;
样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程;
锚点边界约束条件,即对应弧长处的位置在和锚点的朝向一致的矩形区域内;矩形区域由锚点的边界信息确定。
本实施例中采用模型预测控制数学形式进行求解,是一种时间复杂度和空间复杂度均较低的参考线平滑算法,能够输出高质量的参考线,曲率平滑且峰值较低,满足规划和控制模块的需求,减少对资源占用的同时提高效率。
步骤S106,基于状态序列和控制输出序列,确定车道序列信息对应的参考线。
在上述模型的基础上,通过得到的状态序列和控制输出序列进行反推求解,即可确定出车道序列信息对应的参考线。
本申请实施例提供的自动驾驶中参考线的确定方法中,首先获取车辆当前位置对应的车道序列信息,即多个锚点分别对应的位置、朝向和边界信息;然后将车道序列信息输入预设的参考线平滑问题求解模型进行求解,得到状态序列和控制输出序列;其中,参考线平滑问题求解模型为在预设约束条件下的最优控制求解模型;模型对应的目标函数为:参考线对应的整条曲线段的曲率和曲率的导数的积分最小;整条曲线段由多个锚点划分为多个样条曲线段;每个样条曲线段的系统状态由五次多项式表征;预设约束条件包括:整条曲线段的起点位置和终点位置分别与对应锚点的位置一致、样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程、锚点边界约束条件。最后基于状态序列和控制输出序列,确定车道序列信息对应的参考线。本申请实施例中将参考线平滑问题描述为最优控制问题,采用模型预测控制数学形式进行求解,是一种时间复杂度和空间复杂度均较低的参考线平滑算法,能够输出高质量的参考线,曲率平滑且峰值较低,满足规划和控制模块的需求,减少对资源占用的同时提高效率。
本申请实施例还提供另一种自动驾驶中参考线的确定方法,该方法在上一实施例的基础上实现,本实施例重点描述车道序列信息的获取过程、模型构建过程及具体内容。
车道序列信息的获取过程如下:
(1)根据车辆当前位置,确定指定范围内的地图信息。
具体实施时,根据车辆当前位置找出地图中的相应位置,由于规划和控制模块需要根据车道曲率信息进行限速,通常规划模块的时域通常是8s左右,所以读取车辆当前位置的后向50米,前向300米的地图信息作为基础数据。
(2)对地图信息对应的车道线进行等间距采样,得到多个锚点;获取每个锚点对应的位置、朝向和边界信息;边界信息包括前后边界和左右边界。
根据上述地图信息,提取车道序列信息,得到一系列连续的lane sequence(车道序列),比如,对于350米范围内的地图信息上的车道线进行间距为25米的粗粒度采样,即每隔25米进行一次采样,得到一个锚点,并获取该锚点的位置,朝向,和边界信息。由于地图采用折线段形式存储,此处采样具有一定的误差。其中,位置直接取车道边界的中心点,朝向采用位置差分得出,即根据相邻两点的横纵坐标计算得出;边界信息通过车道边界减去半车宽和安全buffer得出。比如,左边界为20公分,右边界为20公分,前后边界均为2米。此边界信息可以根据不同的车型要求进行不同的设定,或者可根据车型和道路条件进行一定的放缩。
通过上述采样,对于350米的车道线,以25米为间隔采样,可以得到15个锚点,相邻两锚点间的参考线可以看作样条曲线段。
模型构建过程如下:
本申请实施例中,将参考线平滑问题描述为最优控制问题,给定初始状态和目标状态,通过一系列的控制序列ui,使得控制对象在一定约束条件下到达目标状态,且使得代价最小。如图2所示。
考虑参考线高阶平滑性和拟合能力的要求,基于五次多项式来推导系统状态转换模型。令系统的状态为xi(s),yi(s),以xi(s)为例,采用五次多项式来描述状态的变化,则有下式(1),其中,s为每个样条曲线段的弧长,对应于最优控制问题的时域长度t,为了避免歧义,此处以s表述。
xi(s)=ai0+ai1s+ai2s2+ai3s3+ai4s4+ai5s5;
上述公式(1)中,第i段样条曲线段对应的起点坐标为xi,yi,以xi为例,则有下式(2):
xi=xi(0)=ai0;
由于有下式(4):
根据式(2),则有下式(5):
因此,系统状态转移方程可以表示为式(6):
由此,采用以上系统状态转移方程,所生成的参考线满足段内为五阶连续,段与段之间为二阶连续。综上所述,参考线平滑问题可以写成如下最优控制问题的数学形式(7):
s.t.x0(s0)=xinit;y0(s0)=yinit;
xN(sN)=xgoal;yN(sN)=ygoal;
上述数学形式(7)中,第一个表达式是目标函数,表示在一定的约束条件下求解二次项和三次项的积分最小时的 分别表示第i个样条曲线对应的横坐标五次多项式状态方程和纵坐标五次多项式状态方程的二阶导数;别表示第i个样条曲线对应的横坐标五次多项式状态方程和纵坐标五次多项式状态方程的三阶导数;ω1和ω2分别为二阶导数项和三阶导数项对应的权重;i=0,1,...,,N,N为正整数,表示样条曲线段的数量。目标函数中包含二次项和三次项,代表曲线的kappa和dkappa的积分,期望曲线尽可能的平滑。表示第i个样条曲线段对应的系统状态;表示第i个样条曲线段对应的控制输出;因而,求解结果为状态序列和控制输出序列
s.t.为等式或不等式约束,具体包括后面9个约束式,分别为约束一、约束二……约束九,约束一和约束二表示整条曲线段的起始点和目标点位置与锚点位置一致;x0(s0),y0(s0)表示参考线对应的整条曲线段的初始位置,xinit,yinit表示整条曲线段的初始位置对应的锚点位置。xN(sN),yN(sN)表示参考线对应的整条曲线段的终点位置,xgoal,ygoal表示整条曲线段的终点位置对应的锚点位置。
约束三表示系统状态转移方程,描述每段子样条曲线段的状态关系,由于系统方程是由五次多项式曲线推导而来,所以每段样条曲线段内具有五阶连续性,由于系统为三阶积分系统,隐含着两段样条连接点处满足二阶连续性,代表连接点处曲率连续。系统状态转移方程中,
xi(s)=ai0+ai1s+ai2s2+ai3s3+ai4s4+ai5s5;
yi(s)=bi0+bi1s+bi2s2+bi3s3+bi4s4+bi5s5;
其中,和分别表示第i+1个和第i个样条曲线段对应的系统状态;分别表示第i个样条曲线段对应的横坐标系统状态和纵坐标系统状态;表示第i个样条曲线段对应的控制输出;分别表示第i个样条曲线段对应的横坐标控制输出和纵坐标控制输出;s为每个样条曲线段的弧长;xi(s)、yi(s)分别表示第i个样条曲线段对应的横坐标五次多项式状态方程和纵坐标五次多项式状态方程;ai0、ai1、ai2、ai3、ai4、ai5、bi0、bi1、bi2、bi3、bi4、bi5均为样条曲线段的系数。
约束四和约束五表示锚点处的bounding box边界约束,即对应弧长处的位置应当在和锚点朝向一致的矩形范围内。Δl,Δr,Δb,Δf分别表示锚点对应的左边界、右边界、前边界和后边界;表示第j个锚点的位置,表示第j个锚点的朝向,j=1,2,...,M,M为锚点总数量;xi(sj)、yi(sj)分别表示第j个锚点对应的参考点的横坐标和纵坐标。
约束七,约束八,约束九表示整条曲线段起点处的一阶,二阶,三阶导数和锚点初始状态一致,由于最后四条约束仅在拼接情况下使用,锚点初始状态的高阶导数信息从上一帧的参考线中取出。
上述求解模型中,输入数据是即锚点的位置和朝向,输出数据是自动驾驶中在运行参考线平滑算法时,为了求解更短的长度,通常会有拼接逻辑,每次平滑新加进来的路段需要和上一帧的参考线拼接起来,这时就需要用到上述模型中的最后四个约束。
在确定了上述求解模型后,调用最优控制相关求解器求解即可得到状态序列和控制输出序列。利用该求解结果,根据式(2)反解出每一段样条曲线的参数样条系数。然后进行等弧长插值,求解参考线上位置,朝向,曲率kappa,dkappa等信息。
最后,还可以对求解出的参考线结果进行后处理,包括采样,去重(去除距离较近的点),可行性检查(检查是否偏离原始锚点过远),构造参考线相关对象(构建包含参考线位置,参数,长度等信息的对象,供下游路径规划,障碍物投影使用)。最终输出参考线。
图3示出了另一种自动驾驶中参考线的确定方法的流程图,具体包括以下步骤:
1、根据定位信息读取相应地图;
2、计算锚点信息,包括位置、朝向、边界等;
3、构建参考线平滑问题维度,包括状态,时域长度,系统输入;
4、构建等式约束,包括系统状态转移方程,初始和目标状态;
5、构建不等式约束,包括bounding box;
6、构建目标函数及相关权重;
7、调用求解器求解;
8、利用求解结果求出样条曲线参数;
9、进行等弧长插值,求解参考线位置,朝向,曲率等信息;
10、参考线后处理,去重,构造参考线相关对象;
11、输出参考线。
本申请实施例提供的自动驾驶中参考线的确定方法具有以下优点:
1、将参考线平滑问题描述为最优控制问题,基于五次多项式推导出系统模型,采用状态转移方程保持系统二阶平滑,参考线段内具有高阶平滑优点,输出的参考线曲率平滑且峰值较低,满足规划模块和控制模块的需求。
2、求解模型的数学形式为最优控制问题形式,方便调用高效的最优控制问题的数学求解器求解。
3、算法时间复杂度低,空间复杂度低,减少了对资源占用的同时提高效率。这里空间复杂度低是指最终建立的优化问题形式是式(7)的形式,这个形式为MPC数学形式。可以调用最优控制求解器求解,而不需要调用二次规划求解器求解。现有的算法分段样条曲线参考线平滑是二次规划的形式,里面的海森矩阵是o(N^2),而本申请中是o(N)。由于本申请的问题形式可以调用最优控制求解器求解,求解迭代步数一般只需要十几次,比现有的算法都要快很多。现有的算法求解峰值达到100+ms,而本申请只需要1ms以下。
基于上述方法实施例,本申请实施例还提供一种自动驾驶中参考线的确定装置,参见图4所示,该装置包括:信息获取模块42,用于获取车辆当前位置对应的车道序列信息;车道序列信息包括:多个锚点分别对应的位置、朝向和边界信息;求解模块44,用于将车道序列信息输入预设的参考线平滑问题求解模型进行求解,得到状态序列和控制输出序列;其中,参考线平滑问题求解模型为在预设约束条件下的最优控制求解模型;模型对应的目标函数为:参考线对应的整条曲线段的曲率和曲率的导数的积分最小;整条曲线段由多个锚点划分为多个样条曲线段;每个样条曲线段的系统状态由五次多项式表征;预设约束条件包括:整条曲线段的起点位置和终点位置分别与对应锚点的位置一致、样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程、锚点边界约束条件;参考线确定模块46,用于基于状态序列和控制输出序列,确定车道序列信息对应的参考线。
上述信息获取模块还用于:根据车辆当前位置,确定指定范围内的地图信息;对地图信息对应的车道线进行等间距采样,得到多个锚点;获取每个锚点对应的位置、朝向和边界信息;边界信息包括前后边界和左右边界。
上述对于样条曲线段需要拼接的情况下,预设约束条件还包括:整条曲线段的终点位置的朝向和对应锚点的朝向一致;整条曲线段的起点位置对应的朝向、曲率、曲率的导数,与对应锚点的初始状态一致。
上述系统状态转移方程如下:
xi(s)=ai0+ai1s+ai2s2+ai3s3+ai4s4+ai5s5;
yi(s)=bi0+bi1s+bi2s2+bi3s3+bi4s4+bi5s5;
其中,和分别表示第i+1个和第i个样条曲线段对应的系统状态;分别表示第i个样条曲线段对应的横坐标系统状态和纵坐标系统状态;表示第i个样条曲线段对应的控制输出;分别表示第i个样条曲线段对应的横坐标控制输出和纵坐标控制输出;s为每个样条曲线段的弧长;xi(s)、yi(s)分别表示第i个样条曲线段对应的横坐标五次多项式状态方程和纵坐标五次多项式状态方程;ai0、ai1、ai2、ai3、ai4、ai5、bi0、bi1、bi2、bi3、bi4、bi5均为样条曲线段的系数。
进一步地,上述目标函数如下:
其中,分别表示第i个样条曲线对应的横坐标五次多项式状态方程和纵坐标五次多项式状态方程的二阶导数;别表示第i个样条曲线对应的横坐标五次多项式状态方程和纵坐标五次多项式状态方程的三阶导数;ω1和ω2分别为二阶导数项和三阶导数项对应的权重;i=0,1,...,,N,N为正整数。
进一步地,上述锚点边界约束表示对应弧长处的位置在和锚点的朝向一致的矩形区域内;矩形区域由锚点的边界信息确定;锚点边界约束对应的公式如下:
其中,Δl,Δr,Δb,Δf分别表示锚点对应的左边界、右边界、前边界和后边界;表示第j个锚点的位置,表示第j个锚点的朝向,j=1,2,...,M,M为锚点总数量;xi(sj)、yi(sj)分别表示第j个锚点对应的参考点的横坐标和纵坐标。
上述参考线确定模块还用于:将状态序列、控制输出序列代入系统状态转移方程的相关公式中,得到每个样条曲线段对应的样条系数;根据每个样条曲线段对应的样条系数和五次多项式状态方程进行等弧长插值,求解参考线上的位置、朝向、曲率和曲率的导数,以确定车道序列信息对应的参考线。
上述装置还包括后处理模块用于:对参考线的结果进行后处理操作;后处理操作至少包括以下之一:采样、去重、可行性检查、构造参考线相关对象。
本申请实施例提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置的实施例部分未提及之处,可参考前述方法实施例中相应内容。
本申请实施例还提供了一种电子设备,如图5所示,为该电子设备的结构示意图,其中,该电子设备包括处理器51和存储器50,该存储器50存储有能够被该处理器51执行的计算机可执行指令,该处理器51执行该计算机可执行指令以实现上述方法。
在图5示出的实施方式中,该电子设备还包括总线52和通信接口53,其中,处理器51、通信接口53和存储器50通过总线52连接。
其中,存储器50可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线52可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线52可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器51可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器51中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器51可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器51读取存储器中的信息,结合其硬件完成前述实施例的方法的步骤。
本申请实施例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存储有计算机可执行指令,该计算机可执行指令在被处理器调用和执行时,该计算机可执行指令促使处理器实现上述方法,具体实现可参见前述方法实施例,在此不再赘述。
本申请实施例所提供的方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请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(可以是个人计算机,服务器,或者网络设备等)执行本申请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、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种自动驾驶中参考线的确定方法,其特征在于,所述方法包括:
获取车辆当前位置对应的车道序列信息;所述车道序列信息包括:多个锚点分别对应的位置、朝向和边界信息;
将所述车道序列信息输入预设的参考线平滑问题求解模型进行求解,得到状态序列和控制输出序列;
其中,所述参考线平滑问题求解模型为在预设约束条件下的最优控制求解模型;所述模型对应的目标函数为:参考线对应的整条曲线段的曲率和曲率的导数的积分最小;所述整条曲线段由所述多个锚点划分为多个样条曲线段;每个样条曲线段的系统状态由五次多项式表征;所述预设约束条件包括:整条曲线段的起点位置和终点位置分别与对应锚点的位置一致、样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程、锚点边界约束条件;
基于所述状态序列和所述控制输出序列,确定所述车道序列信息对应的参考线。
2.根据权利要求1所述的方法,其特征在于,获取车辆当前位置对应的车道序列信息的步骤,包括:
根据所述车辆当前位置,确定指定范围内的地图信息;
对所述地图信息对应的车道线进行等间距采样,得到多个锚点;
获取每个锚点对应的位置、朝向和边界信息;所述边界信息包括前后边界和左右边界。
3.根据权利要求1所述的方法,其特征在于,对于参考线需要拼接的情况下,所述预设约束条件还包括:
整条曲线段的终点位置的朝向和对应锚点的朝向一致;
整条曲线段的起点位置对应的朝向、曲率、曲率的导数,与对应锚点的初始状态一致。
4.根据权利要求1所述的方法,其特征在于,所述系统状态转移方程如下:
xi(s)=ai0+ai1s+ai2s2+ai3s3+ai4s4+ai5s5;
yi(s)=bi0+bi1s+bi2s2+bi3s3+bi4s4+bi5s5;
7.根据权利要求4所述的方法,其特征在于,基于所述状态序列和所述控制输出序列,确定所述车道序列信息对应的参考线的步骤,包括:
将所述状态序列、所述控制输出序列代入所述系统状态转移方程中涉及的公式中,得到每个样条曲线段对应的样条系数;
根据每个样条曲线段对应的样条系数和所述五次多项式状态方程进行等弧长插值,求解参考线上的位置、朝向、曲率和曲率的导数,以确定所述车道序列信息对应的参考线。
8.根据权利要求1所述的方法,其特征在于,在确定所述车道序列信息对应的参考线的步骤之后,所述方法还包括:
对所述参考线的结果进行后处理操作;所述后处理操作至少包括以下之一:采样、去重、可行性检查、构造参考线相关对象。
9.一种自动驾驶中参考线的确定装置,其特征在于,所述装置包括:
信息获取模块,用于获取车辆当前位置对应的车道序列信息;所述车道序列信息包括:多个锚点分别对应的位置、朝向和边界信息;
求解模块,用于将所述车道序列信息输入预设的参考线平滑问题求解模型进行求解,得到状态序列和控制输出序列;其中,所述参考线平滑问题求解模型为在预设约束条件下的最优控制求解模型;所述模型对应的目标函数为:参考线对应的整条曲线段的曲率和曲率的导数的积分最小;所述整条曲线段由所述多个锚点划分为多个样条曲线段;每个样条曲线段的系统状态由五次多项式表征;所述预设约束条件包括:整条曲线段的起点位置和终点位置分别与对应锚点的位置一致、样条曲线段间的状态关系满足由五次多项式状态方程推导得到的系统状态转移方程、锚点边界约束条件;参考线确定模块,用于基于所述状态序列和所述控制输出序列,确定所述车道序列信息对应的参考线。
10.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210236866.7A CN114611289A (zh) | 2022-03-11 | 2022-03-11 | 自动驾驶中参考线的确定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210236866.7A CN114611289A (zh) | 2022-03-11 | 2022-03-11 | 自动驾驶中参考线的确定方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114611289A true CN114611289A (zh) | 2022-06-10 |
Family
ID=81862874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210236866.7A Pending CN114611289A (zh) | 2022-03-11 | 2022-03-11 | 自动驾驶中参考线的确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114611289A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117032201A (zh) * | 2023-03-07 | 2023-11-10 | 山西省智慧交通研究院有限公司 | 一种基于车路协同的矿井下自动驾驶车辆协调规划方法 |
-
2022
- 2022-03-11 CN CN202210236866.7A patent/CN114611289A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117032201A (zh) * | 2023-03-07 | 2023-11-10 | 山西省智慧交通研究院有限公司 | 一种基于车路协同的矿井下自动驾驶车辆协调规划方法 |
CN117032201B (zh) * | 2023-03-07 | 2024-04-12 | 山西省智慧交通研究院有限公司 | 一种基于车路协同的矿井下自动驾驶车辆协调规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109033176B (zh) | 道路曲率的确定方法、装置、存储介质和计算机设备 | |
CN112733318B (zh) | 一种自适应网格细分方法、装置、设备及存储介质 | |
CN114611289A (zh) | 自动驾驶中参考线的确定方法、装置及电子设备 | |
CN115952752B (zh) | 基于增强斜网格下流场仿真鲁棒性计算的数据处理方法 | |
EP1242978B1 (en) | Mesh generator for and method of generating meshes in an extrusion process | |
CN115900742A (zh) | 车辆的参考轨迹规划方法、装置、电子设备及存储介质 | |
CN116380043A (zh) | 变道中心线确定及高精地图绘制方法、装置、设备及介质 | |
CN112861238B (zh) | 生成道路轮廓线的方法、装置、设备及可读存储介质 | |
CN116738579A (zh) | 汽车覆盖件分模线自动构造方法及系统 | |
CN110688704A (zh) | 家装设计方法、系统及电子设备 | |
CN116090074A (zh) | 基于施工段作业的算量方法、装置、设备和可读存储介质 | |
CN116385369A (zh) | 深度图像质量评价方法、装置、电子设备及存储介质 | |
CN116070903A (zh) | 通过障碍物区域的风险确定方法、装置以及电子设备 | |
CN115238392A (zh) | 一种基于自由变形方法的曲面加筋壳建模方法及系统 | |
CN110717291B (zh) | 一种焊接结构件变形仿真方法、装置、设备及存储介质 | |
US10902675B2 (en) | Graphical modelling by smoothing polyhedral meshes with multi-sided patches | |
CN114547917A (zh) | 仿真预测方法、装置、设备及存储介质 | |
CN114429534A (zh) | 三维模型处理方法、装置、电子设备及存储介质 | |
CN112802201B (zh) | 实体模型间并行最近距离获取方法和装置 | |
Winter et al. | NURBS-based shape and parameter optimization of structural components with an adaptive amount of control points | |
CN112686904A (zh) | 车道划分方法、装置、电子设备和存储介质 | |
CN110223385A (zh) | 一种包含交汇点的路渠网络的三维模型构建方法及装置 | |
CN117192582B (zh) | Gnss位移数据的改进切线角实时监测方法、装置及设备 | |
US11615590B2 (en) | Methods and systems for generating surfaces from polygonal data | |
CN116822253B (zh) | 适用于masnum海浪模式的混合精度实现方法及系统 |
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 |