CN114750782A - 路径规划方法、装置、设备及车辆控制方法、装置、设备 - Google Patents

路径规划方法、装置、设备及车辆控制方法、装置、设备 Download PDF

Info

Publication number
CN114750782A
CN114750782A CN202210411777.1A CN202210411777A CN114750782A CN 114750782 A CN114750782 A CN 114750782A CN 202210411777 A CN202210411777 A CN 202210411777A CN 114750782 A CN114750782 A CN 114750782A
Authority
CN
China
Prior art keywords
vehicle
target
path
path planning
mode
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
Application number
CN202210411777.1A
Other languages
English (en)
Inventor
左思翔
徐成
张放
王肖
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.)
Chongqing Landshipu Information Technology Co ltd
Original Assignee
Chongqing Landshipu Information Technology 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 Chongqing Landshipu Information Technology Co ltd filed Critical Chongqing Landshipu Information Technology Co ltd
Priority to CN202210411777.1A priority Critical patent/CN114750782A/zh
Publication of CN114750782A publication Critical patent/CN114750782A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks
    • B60W60/0027Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W60/00Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001Planning or execution of driving tasks

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种路径规划方法、装置、设备及车辆控制方法、装置、设备,路径规划方法包括:预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框;以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划。无需高精地图等信息,只需要基于目标障碍物在未来一段时间内的多个时间点所处的位置对应的预测框,即可进行路径规划,提高了路径规划的鲁棒性。

Description

路径规划方法、装置、设备及车辆控制方法、装置、设备
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种路径规划方法、装置、设备及车辆控制方法、装置、设备。
背景技术
随着人工智能技术以及现代制造业的发展,自动驾驶技术已经逐渐走进人们的日常生活,潜移默化的改变着人们的出行方式。无人驾驶技术可以简要的分为感知、预测、定位、决策、规划与控制几个方面。规划通常指路径规划方法,主要任务是指根据当前车俩信息,合理探索环境空间,最终规划出一条便于控制器执行的无碰撞的路径。
超车、会车是自动驾驶车辆非常常见的应用场景。在超车场景下,自动驾驶车辆需要接受环境感知等信息,规划合适的路径以及速度,对同向行驶的目标车辆进行超越;而会车则需要自动驾驶车辆规划合理的路径对相向而行的车辆进行躲避。
结构化道路通常是指城市道路、高速道路等有着车道属性以及交通规则约束的道路。非结构化道路与结构化道路相反,指的是非城市道路、非高速道路等不具有车道属性以及交通规则约束的道路。现有技术中,自动驾驶车辆在结构化道路上进行超车、会车时有着相对完善的处理方式,自动驾驶车辆往往需要路径绘制、行驶边界限制等对地图预先操作,这是业内一般的处理方式,这种处理又称为地图约束。
现有超车、会车路径规划算法大多基于预先绘制的高精度地图,即手动绘制或采集车辆实际的行驶路径,强依赖于该路径做横纵向采样,用多次多项式曲线或其他几何曲线分别拟合横纵向路径,进而得到一条超车、会车路径。在纵向生成路径时往往会使用到“位置-时间”关系图(displacement-time graph,ST图),用于目标车辆未来时刻的动态碰撞校验,这很大程度上依赖于其感知以及预测效果。常见的规划算法有Lattice算法、分段加加速度路径优化算法(Piecewise Jerk Path Optimization)等。
基于上述介绍可以发现,现有超车、会车路径规划大多应用在具有高精度地图路线的结构化道路中,其结果也很大程度上依赖于感知模块的精度甚至预测模块的准确性。特别的,现有超车、会车路径规划算法都对高精地图中的参考路径要求很高,包括位置、曲率、平滑程度都有很强的依赖性。对于预测以及感知结果的高要求,往往导致自动驾驶车辆需要布置更多、更精密的传感器,这极大地增加了车辆的成本。同时,高精度地图的制作也很大程度上增加了工作耗时,对于不同场景适配的灵活程度很低。
因此,如何在非结构化道路环境下,如封闭园区,越野道路等场景在超车、会车时,降低对高精度地图的依赖,在有限的感知精度下完成超车、会车时的路径规划是一个急需解决的问题。
发明内容
本发明提供了一种路径规划方法、装置、设备及车辆控制方法、装置、设备,以解决现有技术中在超车会车路径规划时所存在的问题。
为解决上述问题,第一方面,本发明提供了一种路径规划方法,所述方法包括:
预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框;
以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划。
在一种可能的实现方式中,预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,包括:
以自车从当前位置行驶到目标位置生成初始参考路径;
假设目标障碍物在所述未来一段时间内沿着与所述初始参考路径平行的路径、且以预设速度行驶,预测目标障碍物在所述未来一段时间内的多个时间点所处的预测位置。
在一种可能的实现方式中,以预设速度行驶,包括:
目标障碍物以当前速度匀速行驶;或者,
目标障碍物以当前行驶的加速度加速行驶;或者,
目标障碍物以当前行驶的减速度减速行驶。
在一种可能的实现方式中,针对每个预测位置生成预测框,包括:
以所述每个预测位置为中心,生成二维形状或三维形状的预测框。
在一种可能的实现方式中,针对每个预测位置生成预测框,包括:
所述预测位置对应的时间点越靠后,所生成的预测框越小。
在一种可能的实现方式中,针对每个预测位置生成预测框,包括:
以所述每个预测位置为圆心,生成圆形的预测框;且,
所述预测位置对应的时间点越靠后,所生成的预测框的圆形半径越小。
在一种可能的实现方式中,以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划,包括:
以自车从当前位置行驶到目标位置生成初始参考路径;
对所述初始参考路径进行平滑处理,得到优化参考路径;
以所述优化参考路径为基础、考虑避开所述每个预测位置对应的预测框为对象进行路径规划。
在一种可能的实现方式中,所述方法还包括:
当自车按照所述路径规划的结果行驶的同时,实时判断所述路径规划的结果是否可用;
当所述路径规划的结果不可用时,重新执行所述路径规划方法。
在一种可能的实现方式中,实时判断所述路径规划的结果是否可用,包括:
按照预设频率启动判断所述路径规划的结果是否可用。
第二方面,本发明提供了一种车辆控制方法,所述方法包括:
执行第一方面任一项所述的路径规划方法,得到路径规划的结果;
控制自车按照所述路径规划的结果行驶。
在一种可能的实现方式中,所述方法还包括:
计算自车在未来第一预设时长内行驶完所述路径规划的结果所需的行驶速度;
控制自车按照所述行驶速度行驶。
在一种可能的实现方式中,执行如第一方面任一项所述的路径规划方法,包括:
启动超车模式或会车模式时,执行如第一方面任一项所述的路径规划方法。
在一种可能的实现方式中,启动超车模式或会车模式,包括:
根据自车的当前位置和目标位置,以及目标障碍物的位置,判断是否需要超车或会车;
确定需要超车或会车时,根据自车和目标障碍物的速度情况确定启动超车模式还是会车模式。
在一种可能的实现方式中,根据自车的当前位置和目标位置,以及目标障碍物的位置,判断是否需要超车或会车,包括:
以自车从当前位置行驶到目标位置生成初始参考路径;
判断所述初始参考路径与目标障碍物相交时,确定需要超车或会车。
在一种可能的实现方式中,判断所述初始参考路径与目标障碍物相交,包括:
生成足以包围目标障碍物的障碍物框;
判断所述初始参考路径与所述障碍物框相交时,确定所述初始参考路径与目标障碍物相交。
在一种可能的实现方式中,生成足以包围目标障碍物的障碍物框,包括:
以目标障碍物的后轴中心为圆心,生成足以包围目标障碍物的、圆形的障碍物框。
在一种可能的实现方式中,根据自车和目标障碍物的速度情况确定启动超车模式还是会车模式,包括:
分别获取自车和目标障碍物的速度矢量;
根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式。
在一种可能的实现方式中,根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式,包括:
当自车的速度矢量与目标障碍物的速度矢量的夹角处于第一夹角区间时,确定启动超车模式;
当自车的速度矢量与目标障碍物的速度矢量的夹角处于第二夹角区间时,确定启动会车模式。
在一种可能的实现方式中,根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式,包括:
当自车和目标障碍物的速度矢量的乘积处于第一乘积区间时,确定启动超车模式;
当自车和目标障碍物的速度矢量的乘积处于第二乘积区间时,确定启动会车模式。
在一种可能的实现方式中,启动超车模式或会车模式时,执行如第一方面任一项所述的路径规划方法,包括:
启动超车模式时,执行如第一方面任一项所述的路径规划方法获得超车路径;
启动会车模式时,执行如第一方面任一项所述的路径规划方法获得会车路径;
则,控制自车按照所述路径规划的结果行驶,包括:
控制自车按照所述超车路径行驶以实现超车;
控制自车按照所述会车路径行驶以实现会车。
在一种可能的实现方式中,所述方法还包括:
启动超车模式或会车模式之后,确定目标障碍物和自车的相对位置;
当目标障碍物与自车的相对位置满足预定条件时,退出超车模式或会车模式。
在一种可能的实现方式中,当目标障碍物与自车的相对位置满足预定条件时,退出超车模式或会车模式,包括:
当目标障碍物位于自车的后方,且与自车的纵向距离大于安全距离时,退出超车模式或会车模式。
第三方面,本发明提供了一种路径规划装置,所述路径规划装置包括:
预测模块,所述预测模块用于预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框;
路径规划模块,所述路径规划模块用于以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划。
第四方面,本发明提供了一种车辆控制装置,所述车辆控制装置包括:
如第三方面所述的路径规划装置,所述路径规划装置用于进行路径规划,得到路径规划的结果;
控制模块,所述控制模块用于控制自车按照所述路径规划的结果行驶。
第五方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面任一所述方法的步骤。
第六方面,本发明提供了一种路径规划设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现第一方面任一所述方法的步骤。
第七方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第二方面任一所述方法的步骤。
第八方面,本发明提供了一种车辆控制设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现第二方面任一所述方法的步骤。
第九方面,本发明提供了一种车辆控制系统,包括:如第八方面所述的车辆控制设备,以及,如第六方面所述的路径规划设备。
本发明提供的路径规划方法、装置、设备及车辆控制方法、装置、设备,在非结构化道路条件下,预测预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框;以自车从当前位置行驶到目标位置且避开每个预测位置对应的预测框为对象进行路径规划,无需高精地图等信息,只需要基于目标障碍物在未来一段时间内的多个时间点所处的位置对应的预测框,即可进行路径规划,提高了路径规划的鲁棒性。进一步的,基于该路径规划方法的车辆控制方法,自车可以根据该路径控制方法,进行车辆控制,提高了车辆控制的精度。
附图说明
图1为本发明实施例一提供的路径规划方法的第一流程示意图;
图2为本发明实施例一提供的自车和目标车辆示意图;
图3A为本发明实施例一提供的预测框示意图之一;
图3B为本发明实施例一提供的预测框示意图之二;
图4为本发明实施例一提供的初始参考路径、优化参考路径示意图;
图5为本发明实施例一提供的路径规划方法的第二流程示意图;
图6A为本发明实施例一提供的重规划路径示意图之一;
图6B为本发明实施例一提供的重规划路径示意图之二;
图7为本发明实施例二提供的车辆控制方法第一流程示意图;
图8A为本发明实施例二提供的超车路径示意图;
图8B为本发明实施例二提供的会车路径示意图;
图9为本发明实施例二提供的车辆控制方法第二流程示意图;
图10为本发明实施例二提供的车辆控制方法第三流程示意图;
图11为本发明实施例三提供的路径规划装置第一结构示意图;
图12为本发明实施例三提供的路径规划装置第二结构示意图;
图13为本发明实施例四提供的车辆控制装置第一结构示意图;
图14为本发明实施例四提供的车辆控制装置第二结构示意图;
图15为本发明实施例四提供的车辆控制装置第三结构示意图;
图16为本发明实施例五提供的计算机可读存储介质示意图;
图17为本发明实施例六提供的路径规划设备结构示意图;
图18为本发明实施例七提供的车辆控制设备结构示意图;
图19为本发明实施例八提供的车辆控制系统结构示意图。
具体实施方式
下面结合附图和实施例对本申请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例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明提供的超车会车路径规划方法及装置、系统及移动工具,获取当前车辆的矢量速度信息和参考路径以及目标车辆的矢量速度信息,并根据两个矢量速度信息确定当前车辆与目标车辆是否会超车或者会车,并在会超车或者会车时,确定目标车辆的多个预测框,将每个预测框作为障碍物,根据参考路径的纯跟踪路径和障碍物进行路径规划,得到超车路径或者会车路径。使得自车可以以类似静态障碍物避障的方式生成超车、会车路径,鲁棒性高。
实施例一
图1为本发明实施例一提供的路径规划方法的第一流程示意图,本申请的执行主体为具有计算功能的终端、服务器或者处理器。示例而非限定,本申请以将该方法应用在无人驾驶车辆行驶在非结构化道路为例进行说明,当将该方法应用在无人驾驶车辆时,该方法的执行主体为自动驾驶车辆控制单元(Automated Vehicle Control Unit,AVCU),即无人驾驶车辆的中央处理器相当于无人驾驶车辆的“大脑”。方法包括:
步骤110,预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框;
具体的,步骤110中的预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框,具体包括:
以自车从当前位置行驶到目标位置生成初始参考路径;假设目标障碍物在所述未来一段时间内沿着与所述初始参考路径平行的路径、且以预设速度行驶,预测目标障碍物在所述未来一段时间内的多个时间点所处的预测位置。
其中,此处的初始参考路径指的是,自动驾驶设备通过其感知模块来获取感知信息,感知信息包括但不限于矢量速度信息、自车的位置信息,目标障碍物的矢量速度信息、目标障碍物的位置信息。再根据感知信息进行路径规划,得到的即为初始参考路径。参见图2,图2为本发明实施例一提供的自车和目标车辆示意图,在图2中,Ego表示自车,箭头方向表示自车当前行进方向,Target表示目标车辆,箭头方向表示目标车辆当前行进方向。Pref表示初始参考路径,本申请不对Pref平滑性做要求,上图中初始参考路径即为折线形式的路径。
其中,以预设速度行驶,包括:目标障碍物以当前速度匀速行驶;或者, 目标障碍物以当前行驶的加速度加速行驶;或者,目标障碍物以当前行驶的减速度减速行驶。此处的当前速度、加速度可以通过自车的感知模块获得;若感知模块感知加速度困难,或者为了简化计算步骤,可以假设目标障碍物匀速行驶。
其中,针对每个预测位置生成预测框,包括:以所述每个预测位置为中心,生成二维形状或三维形状的预测框。二维可以是圆形、椭圆形、矩形、方形、梯形中的一种或多种;若自车为陆地移动设备,路径规划不需要考虑障碍物高度,所生成的预测框就可以是二维的。三维可以是球体、方体、圆柱体、椎体中的一种或多种;若自车为海中或空中移动设备(自车也可以是无人机、潜艇等设备),路径规划需要考虑障碍物高度,所生成的预测框就可以是三维的。
其中,针对每个预测位置生成预测框,包括:所述预测位置对应的时间点越靠后,所生成的预测框越小。预测框越小,指的是预测框的面积或体积越小。
针对每个预测位置生成预测框,包括:以所述每个预测位置为圆心,生成圆形的预测框;且,所述预测位置对应的时间点越靠后,所生成的预测框的圆形半径越小。
在一个具体的实现方式中,可以设计以时间为变量,以半径为输出的衰减函数(可以是线性、指数、高斯等类型的衰减函数),通过该函数,随着时间的增长,半径呈衰减态势,从而得到预测框。
参见图3A和图3B,图3A为超车时的预测框示意图,图3B为会车时的预测框示意图。结合超车和会车,对预测框的确定方式进行说明。一个简单的时间线性衰减的圆形的预测框的半径大小计算方式如下:
Figure BDA0003604303320000101
其中,Rt为t时刻的预测框半径;Lhalf表示目标车辆半后轴的长度,其由感知模块给出,α为大于1.0的系数,是为避免后续的超车路径或者会车路径距离目标车辆过近,且增加对感知不确定性的容忍度;T表示总共的预测时间。
继续参见图2,对目标车辆进行近似处理,得到对应的近似圆,虚线圆框表示以目标车辆Target后轴中心为圆心的,半径相比目标车辆Target半轴长度大的“近似圆”,其半径一般可取1.5倍半轴长度。
步骤120,以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划。
具体的,步骤120中的以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划,具体包括:
以自车从当前位置行驶到目标位置生成初始参考路径;对所述初始参考路径进行平滑处理,得到优化参考路径;以所述优化参考路径为基础、考虑避开所述每个预测位置对应的预测框为对象进行路径规划。
具体的,可以利用纯跟踪算法或样条拟合算法对所述初始参考路径进行平滑处理,生成优化参考路径做平滑处理的目的是使得最终规划出的路径更平滑,因为初始参考路径是不够平滑的。参见图4,图4为本发明实施例一提供的初始参考路径、优化参考路径示意图,在图4中,Pref表示初始参考路径, Ppursuit表示基于Pref生成的优化参考路径。
此处的路径规划,这里可以采用基于采样的路径规划算法,例如动态规划算法、或者基于图搜索的路径规划算法进行路径规划。
在一个可能的实现方式中,动态规划算法如下所示:
在多个路点的每个路点的法线方向设置线段,每个线段为一个层,每层包括多个等间隔的节点;每个路点的法线经过路点,且和路点与下一路点的连线相垂直;
当当前层不为纯跟踪路径的终点时,确定当前层的每个节点与上一层的每个节点间的圆弧曲线;
对圆弧曲线进行筛选,得到与当前层的节点的数量相同的第一目标圆弧曲线,直至得到终点的上一层与终点的上一层的上一层的第一目标圆弧曲线;
当当前层为纯跟踪路径的终点时,确定终点与终点的上一层的每个节点的圆弧曲线;
对终点与终点的上一层的每个节点的圆弧曲线进行筛选,确定终点与终点的上一层间的第二目标圆弧曲线;
以第二目标圆弧曲线对应的终点的上一层的节点为目标节点,继续对终点的上一层的上一层的第一目标圆弧曲线进行筛选,确定终点的上一层与终点的上一层的上一层间的第二目标圆弧曲线,直至确定起点的下一层与起点间的第二目标圆弧曲线;
将相邻层的第二目标圆弧曲线进行拼接,得到会车路径和超车路径,可以参考中国专利CN 112504288A,专利名称:基于动态规划的局部路径规划方法。
在一个可选的方案中,本申请还可以包括步骤130和步骤140。如图5所示,图5为为本发明实施例一提供的路径规划方法的第二流程示意图。步骤 130和步骤140如下:
步骤130,当自车按照所述路径规划的结果行驶的同时,实时判断所述路径规划的结果是否可用;
其中,步骤130中的实时判断所述路径规划的结果是否可用,包括:按照预设频率启动判断所述路径规划的结果是否可用。此处的预设频率与处理器的计算能力相关,比如,可以将预设频率设置为1.0HZ,本申请对具体的频率数值并不限定。
此处规划路径的结果不可用的情况包括:目标障碍物没有按照预期的方向行驶或者出现了新的障碍物,对当前规划的路径产生了干涉。
步骤140,当所述路径规划的结果不可用时,重新执行所述路径规划方法。
其中,重新执行路径规划方法,指的是重新执行步骤110-步骤140中所指的路径规划方法,直到路径规划的结果可用为止。
图6A和6B分别表示超车、会车过程中的重规划路径示意图。虚线P0 avoid表示上次路径规划的结果,P1 avoid则表示重新执行路径规划方法后得到的路径规划的结果。
实施例二
车辆可以基于该路径规划方法进行行驶,图7为本发明实施例二提供的车辆控制方法第一流程示意图,如图7所示,该车辆控制方法包括步骤310 和步骤320,如下所示:
步骤310,执行如步骤110-步骤140任一项所述的路径规划方法,得到路径规划的结果;
步骤320,控制自车按照所述路径规划的结果行驶。
其中,步骤310中的执行如步骤110-步骤140任一项所述的路径规划方法,包括:启动超车模式或会车模式时,执行如步骤110-步骤140任一项所述的路径规划方法。
在一个可能的实现方式中,启动超车模式或会车模式,包括:
根据自车的当前位置和目标位置,以及目标障碍物的位置,判断是否需要超车或会车;确定需要超车或会车时,根据自车和目标障碍物的速度情况确定启动超车模式还是会车模式。
其中,根据自车的当前位置和目标位置,以及目标障碍物的位置,判断是否需要超车或会车,包括:以自车从当前位置行驶到目标位置生成初始参考路径;判断所述初始参考路径与目标障碍物相交时,确定需要超车或会车。其本质是判断自车从当前位置行驶到目标位置时是否会与目标障碍物相交。
其中,判断所述初始参考路径与目标障碍物相交,包括:生成足以包围目标障碍物的障碍物框;判断所述初始参考路径与所述障碍物框相交时,确定所述初始参考路径与目标障碍物相交。
其中,生成足以包围目标障碍物的障碍物框,包括:以目标障碍物的后轴中心为圆心,生成足以包围目标障碍物的、圆形的障碍物框。
足以包围指的是:障碍物框可以与目标障碍物的体表相隔一定的空间,该空间越大,越容易与初始参考路径相交,越容易启动超车或会车模式,该空间太小可能会导致自车与目标障碍物剐蹭,所以应当设置为合适大小。
其中,根据自车和目标障碍物的速度情况确定启动超车模式还是会车模式,包括:分别获取自车和目标障碍物的速度矢量;根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式。
下面就如何根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式进行具体的说明。
第一、根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式。
包括:当自车的速度矢量与目标障碍物的速度矢量的夹角处于第一夹角区间时,确定启动超车模式;当自车的速度矢量与目标障碍物的速度矢量的夹角处于第二夹角区间时,确定启动会车模式。
此处的第一夹角区间,可以是大于30度且小于60度。第二夹角区间,可以是大于120度且小于150度。
第二、根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式。
包括:当自车和目标障碍物的速度矢量的乘积处于第一乘积区间时,确定启动超车模式;当自车和目标障碍物的速度矢量的乘积处于第二乘积区间时,确定启动会车模式。
其中,此处的第一乘积区间的大小对应于自车的速度矢量与目标障碍物的速度矢量处于第一夹角区间时,两者的乘积所处的区间;第二乘积区间的大小对应于自车的速度矢量与目标障碍物的速度矢量处于第二夹角区间时,两者的乘积所处的区间。
在一个具体的示例中,可以将近似圆离散为一系列目标障碍物点,通过校验初始参考路径是否与这些障碍物点碰撞的形式来判断。当自车的感知到同一个id车辆的“近似圆”与初始参考路径在连续Ttrigger时间内相交时,假设目标车辆Target在绝对坐标系下的矢量速度为Vt abs(vt xabs,vt yabs),自车在绝对坐标系下的速度为Ve abs(ve xabs,ve yabs),则具体进入的模式为:
Vt abs·Ve abs>0:超车状态;
Vt abs·Ve abs<0:会车状态;
其中,连续Ttrigger时间的长短与感知效果相关,一般取2s,当存在感知到的目标障碍物跳动频繁等时,说明感知结果不稳定,可能会误触发超车、会车,此时可适当增加Ttrigger的时长,以提高判断的鲁棒性。
步骤320,控制自车按照所述路径规划的结果行驶。
进一步的,启动超车模式或会车模式时,执行步骤110-步骤140中任一项所述的路径规划方法,包括:
启动超车模式时,执行步骤110-步骤140中任一项所述的路径规划方法获得超车路径;参见图8A,图8A为本发明实施例二提供的超车路径示意图,在图8A中,Pavoid为超车路径。
启动会车模式时,执行步骤110-步骤140中任一项所述的路径规划方法获得会车路径;参见图8B,图8B为本发明实施例二提供的会车路径示意图,如图8B所示,Pavoid为会车路径。
则,控制自车按照所述路径规划的结果行驶,包括:
控制自车按照所述超车路径行驶以实现超车;
控制自车按照所述会车路径行驶以实现会车。
在一个可选的方案中,在步骤320之后还包括步骤330和步骤340,如图 9所示,图9为本发明实施例二提供的车辆控制方法第二流程示意图。
步骤330,计算自车在未来第一预设时长内行驶完所述路径规划的结果所需的行驶速度;
步骤340,控制自车按照所述行驶速度行驶。
在一个可选的方案中,在步骤340之后,还可以包括步骤350和步骤360,如图10所示,图10为本发明实施例二提供的车辆控制方法第三流程示意图。
步骤350,启动超车模式或会车模式之后,确定目标障碍物和自车的相对位置;
步骤360,当目标障碍物与自车的相对位置满足预定条件时,退出超车模式或会车模式。
其中,当目标障碍物与自车的相对位置满足预定条件时,退出超车模式或会车模式,其本质是目标障碍物不再会影响自车从当前位置到达目标位置,其具体包括:
当目标障碍物位于自车的后方,且与自车的纵向距离大于安全距离时,退出超车模式或会车模式。
自车坐标系中XY轴分别代表自车的行驶方向及其正交方向,目标障碍物在自车坐标系中的位置为S(Sx,Sy),退出超车或者会车状态的条件为:
Sx<-(Egoback+C)
其中,公式中的负号即表示自车坐标系中x轴的下方,即在自车的后方,Egoback为自车后轴至后保险杠的距离,为一常量;C为安全距离,可以是自车后轴至后保险杠的距离加上固定距离,为一常量。
本发明提供的路径规划方法、装置、设备及车辆控制方法、装置、设备,在非结构化道路条件下,预测预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框;以自车从当前位置行驶到目标位置且避开每个预测位置对应的预测框为对象进行路径规划,无需高精地图等信息,只需要基于目标障碍物在未来一段时间内的多个时间点所处的位置对应的预测框,即可进行路径规划,提高了路径规划的鲁棒性。进一步的,基于该路径规划方法的车辆控制方法,自车可以根据该路径控制方法,进行车辆控制,提高了车辆控制的精度。
实施例三
本发明实施例三提供了一种路径规划装置。图11为本发明实施例三提供的路径规划装置第一结构示意图,该路径规划装置1100包括:预测模块1110 和路径规划模块1120。
预测模块1110用于预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框;
路径规划模块1120用于以自车从当前位置行驶到目标位置且避开每个预测位置对应的预测框为对象进行路径规划。
其中,预测模块1110预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,包括:以自车从当前位置行驶到目标位置生成初始参考路径;假设目标障碍物在未来一段时间内沿着与初始参考路径平行的路径、且以预设速度行驶,预测目标障碍物在未来一段时间内的多个时间点所处的预测位置。
其中,预测模块1110中以预设速度行驶,包括:目标障碍物以当前速度匀速行驶;或者,目标障碍物以当前行驶的加速度加速行驶;或者,目标障碍物以当前行驶的减速度减速行驶。
其中,预测模块1110针对每个预测位置生成预测框,包括:以每个预测位置为中心,生成二维形状或三维形状的预测框。预测位置对应的时间点越靠后,所生成的预测框越小。
其中,预测模块1110针对每个预测位置生成预测框,包括:以每个预测位置为圆心,生成圆形的预测框;且,预测位置对应的时间点越靠后,所生成的预测框的圆形半径越小。
路径规划模块1120以自车从当前位置行驶到目标位置且避开每个预测位置对应的预测框为对象进行路径规划,包括:以自车从当前位置行驶到目标位置生成初始参考路径;对初始参考路径进行平滑处理,得到优化参考路径;以优化参考路径为基础、考虑避开每个预测位置对应的预测框为对象进行路径规划。
在一个可选的方案中,路径规划装置还包括:判断模块1130和重规划模块1140,如图12所示,图12为本发明实施例三提供的路径规划装置第二结构示意图。
判断模块1130用于当自车按照路径规划的结果行驶的同时,实时判断路径规划的结果是否可用;
重规划模块1140用于当路径规划的结果不可用时,重新执行路径规划方法。
其中,判断模块1130实时判断路径规划的结果是否可用,包括:按照预设频率启动判断路径规划的结果是否可用。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,确定模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,ASIC),或,一个或多个微处理器(Digital Signal Processor, DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(System-on-a-chip,SOC)的形式实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路((Digital Subscriber Line,DSL))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘 (solid state disk,SSD))等。
实施例四
本发明实施例四提供了一种车辆控制装置,图13为本发明实施例四提供的车辆控制装置第一结构示意图。如图13所示,该车辆控制装置包括路径规划装置1100和控制模块1310。
如实施例三所述的路径规划装置1100,路径规划装置1100用于进行路径规划,得到路径规划的结果;
控制模块1310用于控制自车按照所述路径规划的结果行驶。
其中,路径规划装置1100在启动超车模式或会车模式时,执行如实施例一中所述的路径规划方法。
其中,路径规划装置1100启动超车模式或会车模式,包括:
根据自车的当前位置和目标位置,以及目标障碍物的位置,判断是否需要超车或会车;确定需要超车或会车时,根据自车和目标障碍物的速度情况确定启动超车模式还是会车模式。
其中,根据自车的当前位置和目标位置,以及目标障碍物的位置,判断是否需要超车或会车,包括:
以自车从当前位置行驶到目标位置生成初始参考路径;判断初始参考路径与目标障碍物相交时,确定需要超车或会车。
其中,路径规划装置1100判断初始参考路径与目标障碍物相交,包括:生成足以包围目标障碍物的障碍物框;判断初始参考路径与障碍物框相交时,确定初始参考路径与目标障碍物相交。
其中,路径规划装置1100生成足以包围目标障碍物的障碍物框,包括:以目标障碍物的后轴中心为圆心,生成足以包围目标障碍物的、圆形的障碍物框。
其中,路径规划装置1100根据自车和目标障碍物的速度情况确定启动超车模式还是会车模式,包括:分别获取自车和目标障碍物的速度矢量;根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式。
其中,路径规划装置1100根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式,包括:当自车的速度矢量与目标障碍物的速度矢量的夹角处于第一夹角区间时,确定启动超车模式;当自车的速度矢量与目标障碍物的速度矢量的夹角处于第二夹角区间时,确定启动会车模式。
其中,路径规划装置1100根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式,包括:当自车和目标障碍物的速度矢量的乘积处于第一乘积区间时,确定启动超车模式;当自车和目标障碍物的速度矢量的乘积处于第二乘积区间时,确定启动会车模式。
其中,路径规划装置1100启动超车模式或会车模式时,执行实施例一任一项所述的路径规划方法,包括:启动超车模式时,执行如实施例一任一所述的路径规划方法获得超车路径;启动会车模式时,执行如实施例一任一所述的路径规划方法获得会车路径;
则,控制模块1310控制自车按照路径规划的结果行驶,包括:控制自车按照超车路径行驶以实现超车;控制自车按照会车路径行驶以实现会车。
在一个可选的方案中,该车辆控制装置还可以包括计算模块1320。图14 为本发明实施例四提供的车辆控制装置第二结构示意图,如图14所示:
计算模块1320用于计算自车在未来第一预设时长内行驶完路径规划的结果所需的行驶速度;
控制模块1310还用于控制自车按照行驶速度行驶。
在另一个可选的方案中,该车辆控制装置还包括确定模块1330和退出模块1340。如图15所示,图15为本发明实施例四提供的车辆控制装置第三结构示意图。
确定模块1330用于启动超车模式或会车模式之后,确定目标障碍物和自车的相对位置;
退出模块1340用于当目标障碍物与自车的相对位置满足预定条件时,退出超车模式或会车模式。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,确定模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所描述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,ASIC),或,一个或多个微处理器(Digital Signal Processor, DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(System-on-a-chip,SOC)的形式实现。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例所描述的流程或功能。上述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。上述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,上述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线路((Digital Subscriber Line,DSL))或无线(例如红外、无线、蓝牙、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘 (solid state disk,SSD))等。
实施例五
本发明实施例五提供了一种计算机可读存储介质,如图16所示,其上存储有计算机程序,该计算机程序被处理器执行时实现实施例一任一所述路径规划方法的步骤。
实施例六
本发明实施例六提供了一种路径规划设备,如图17所示,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现实施例一任一所述路径规划方法的步骤。
实施例七
本发明实施例七提供了一种计算机可读存储介质,如图16所示,其上存储有计算机程序,该计算机程序被处理器执行时实现实施例一任一所述车辆控制方法的步骤。
实施例八
本发明实施例八提供了一种车辆控制设备,如图18所示,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现实施例二任一所述车辆控制方法的步骤。
实施例九
本发明实施例九提供了一种车辆控制系统,如图19所示,包括:如实施例八所述的车辆控制设备,以及,如实施例六所述的路径规划设备。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (29)

1.一种路径规划方法,其特征在于,所述方法包括:
预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框;
以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划。
2.根据权利要求1所述的方法,其特征在于,预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,包括:
以自车从当前位置行驶到目标位置生成初始参考路径;
假设目标障碍物在所述未来一段时间内沿着与所述初始参考路径平行的路径、且以预设速度行驶,预测目标障碍物在所述未来一段时间内的多个时间点所处的预测位置。
3.根据权利要求1所述的方法,其特征在于,以预设速度行驶,包括:
目标障碍物以当前速度匀速行驶;或者,
目标障碍物以当前行驶的加速度加速行驶;或者,
目标障碍物以当前行驶的减速度减速行驶。
4.根据权利要求1所述的方法,其特征在于,针对每个预测位置生成预测框,包括:
以所述每个预测位置为中心,生成二维形状或三维形状的预测框。
5.根据权利要求1所述的方法,其特征在于,针对每个预测位置生成预测框,包括:
所述预测位置对应的时间点越靠后,所生成的预测框越小。
6.根据权利要求5所述的方法,其特征在于,针对每个预测位置生成预测框,包括:
以所述每个预测位置为圆心,生成圆形的预测框;且,
所述预测位置对应的时间点越靠后,所生成的预测框的圆形半径越小。
7.根据权利要求1所述的方法,其特征在于,以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划,包括:
以自车从当前位置行驶到目标位置生成初始参考路径;
对所述初始参考路径进行平滑处理,得到优化参考路径;
以所述优化参考路径为基础、考虑避开所述每个预测位置对应的预测框为对象进行路径规划。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当自车按照所述路径规划的结果行驶的同时,实时判断所述路径规划的结果是否可用;
当所述路径规划的结果不可用时,重新执行所述路径规划方法。
9.根据权利要求8所述的方法,其特征在于,实时判断所述路径规划的结果是否可用,包括:
按照预设频率启动判断所述路径规划的结果是否可用。
10.一种车辆控制方法,其特征在于,所述方法包括:
执行如权利要求1-9任一项所述的路径规划方法,得到路径规划的结果;
控制自车按照所述路径规划的结果行驶。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
计算自车在未来第一预设时长内行驶完所述路径规划的结果所需的行驶速度;
控制自车按照所述行驶速度行驶。
12.根据权利要求10所述的方法,其特征在于,执行如权利要求1-9任一项所述的路径规划方法,包括:
启动超车模式或会车模式时,执行如权利要求1-9任一项所述的路径规划方法。
13.根据权利要求12所述的方法,其特征在于,启动超车模式或会车模式,包括:
根据自车的当前位置和目标位置,以及目标障碍物的位置,判断是否需要超车或会车;
确定需要超车或会车时,根据自车和目标障碍物的速度情况确定启动超车模式还是会车模式。
14.根据权利要求13所述的方法,其特征在于,根据自车的当前位置和目标位置,以及目标障碍物的位置,判断是否需要超车或会车,包括:
以自车从当前位置行驶到目标位置生成初始参考路径;
判断所述初始参考路径与目标障碍物相交时,确定需要超车或会车。
15.根据权利要求14所述的方法,其特征在于,判断所述初始参考路径与目标障碍物相交,包括:
生成足以包围目标障碍物的障碍物框;
判断所述初始参考路径与所述障碍物框相交时,确定所述初始参考路径与目标障碍物相交。
16.根据权利要求15所述的方法,其特征在于,生成足以包围目标障碍物的障碍物框,包括:
以目标障碍物的后轴中心为圆心,生成足以包围目标障碍物的、圆形的障碍物框。
17.根据权利要求13所述的方法,其特征在于,根据自车和目标障碍物的速度情况确定启动超车模式还是会车模式,包括:
分别获取自车和目标障碍物的速度矢量;
根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式。
18.根据权利要求17所述的方法,其特征在于,根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式,包括:
当自车的速度矢量与目标障碍物的速度矢量的夹角处于第一夹角区间时,确定启动超车模式;
当自车的速度矢量与目标障碍物的速度矢量的夹角处于第二夹角区间时,确定启动会车模式。
19.根据权利要求17所述的方法,其特征在于,根据自车和目标障碍物的速度矢量的夹角情况,确定启动超车模式还是会车模式,包括:
当自车和目标障碍物的速度矢量的乘积处于第一乘积区间时,确定启动超车模式;
当自车和目标障碍物的速度矢量的乘积处于第二乘积区间时,确定启动会车模式。
20.根据权利要求12-19任一所述的方法,其特征在于,启动超车模式或会车模式时,执行如权利要求1-9任一项所述的路径规划方法,包括:
启动超车模式时,执行如权利要求1-9任一项所述的路径规划方法获得超车路径;
启动会车模式时,执行如权利要求1-9任一项所述的路径规划方法获得会车路径;
则,控制自车按照所述路径规划的结果行驶,包括:
控制自车按照所述超车路径行驶以实现超车;
控制自车按照所述会车路径行驶以实现会车。
21.根据权利要求12所述的方法,其特征在于,所述方法还包括:
启动超车模式或会车模式之后,确定目标障碍物和自车的相对位置;
当目标障碍物与自车的相对位置满足预定条件时,退出超车模式或会车模式。
22.根据权利要求21所述的方法,其特征在于,当目标障碍物与自车的相对位置满足预定条件时,退出超车模式或会车模式,包括:
当目标障碍物位于自车的后方,且与自车的纵向距离大于安全距离时,退出超车模式或会车模式。
23.一种路径规划装置,其特征在于,所述路径规划装置包括:
预测模块,所述预测模块用于预测目标障碍物在未来一段时间内的多个时间点所处的预测位置,并针对每个预测位置生成预测框;
路径规划模块,所述路径规划模块用于以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划。
24.一种车辆控制装置,其特征在于,所述车辆控制装置包括:
如权利要求23所述的路径规划装置,所述路径规划装置用于进行路径规划,得到路径规划的结果;
控制模块,所述控制模块用于控制自车按照所述路径规划的结果行驶。
25.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-9任一所述方法的步骤。
26.一种路径规划设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-9任一所述方法的步骤。
27.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求10-22任一所述方法的步骤。
28.一种车辆控制设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求10-22任一所述方法的步骤。
29.一种车辆控制系统,其特征在于,包括:如权利要求28所述的车辆控制设备,以及,如权利要求26所述的路径规划设备。
CN202210411777.1A 2022-04-19 2022-04-19 路径规划方法、装置、设备及车辆控制方法、装置、设备 Pending CN114750782A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210411777.1A CN114750782A (zh) 2022-04-19 2022-04-19 路径规划方法、装置、设备及车辆控制方法、装置、设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210411777.1A CN114750782A (zh) 2022-04-19 2022-04-19 路径规划方法、装置、设备及车辆控制方法、装置、设备

Publications (1)

Publication Number Publication Date
CN114750782A true CN114750782A (zh) 2022-07-15

Family

ID=82330510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210411777.1A Pending CN114750782A (zh) 2022-04-19 2022-04-19 路径规划方法、装置、设备及车辆控制方法、装置、设备

Country Status (1)

Country Link
CN (1) CN114750782A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024031780A1 (zh) * 2022-08-12 2024-02-15 广州小鹏自动驾驶科技有限公司 路径规划方法、车辆及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024031780A1 (zh) * 2022-08-12 2024-02-15 广州小鹏自动驾驶科技有限公司 路径规划方法、车辆及存储介质

Similar Documents

Publication Publication Date Title
US10754341B2 (en) Systems and methods for accelerated curve projection
US10948919B2 (en) Dynamic programming and gradient descent based decision and planning for autonomous driving vehicles
US10515321B2 (en) Cost based path planning for autonomous driving vehicles
US10754339B2 (en) Dynamic programming and quadratic programming based decision and planning for autonomous driving vehicles
US11055540B2 (en) Method for determining anchor boxes for training neural network object detection models for autonomous driving
CN111830979B (zh) 一种轨迹优化方法和装置
US11586209B2 (en) Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles
US11353878B2 (en) Soft-boundary based path optimization for complex scenes for autonomous driving vehicles
US11567506B2 (en) Speed planning guidance line for mild slow down
US11745760B2 (en) Parallel obstacle buffer system for path planning
US11106212B2 (en) Path planning for complex scenes with self-adjusting path length for autonomous driving vehicles
US11628858B2 (en) Hybrid planning system for autonomous vehicles
US11878712B2 (en) Trajectory planning with obstacle avoidance for autonomous driving vehicles
CN113821022B (zh) 基于相对速度的缓冲区的速度规划
US20210262819A1 (en) A mixed regular and open-space trajectory planning method for autonomous driving vehicle
CN114750782A (zh) 路径规划方法、装置、设备及车辆控制方法、装置、设备
US20230053243A1 (en) Hybrid Performance Critic for Planning Module's Parameter Tuning in Autonomous Driving Vehicles
US20230391356A1 (en) Dynamic scenario parameters for an autonomous driving vehicle
CN115447607A (zh) 用于规划车辆行驶轨迹的方法和装置
EP4151490B1 (en) Safety guaranteed control when planning with uncertainty
CN114019959B (zh) 一种确定无人驾驶设备纵向决策的方法及装置
US20240025442A1 (en) Trajectory planning in autonomous driving vehicles for unforeseen scenarios
US20240140432A1 (en) Long-distance autonomous lane change
US20240166239A1 (en) Trajectory planning for navigating small objects on road
CN114620058A (zh) 轨迹规划方法、装置、计算设备、移动体以及存储介质

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