CN114763133A - 车辆泊车规划方法、装置、设备及计算机存储介质 - Google Patents
车辆泊车规划方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN114763133A CN114763133A CN202110033297.1A CN202110033297A CN114763133A CN 114763133 A CN114763133 A CN 114763133A CN 202110033297 A CN202110033297 A CN 202110033297A CN 114763133 A CN114763133 A CN 114763133A
- Authority
- CN
- China
- Prior art keywords
- point
- path
- parking
- curvature
- vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 104
- 230000033001 locomotion Effects 0.000 claims abstract description 32
- 230000006870 function Effects 0.000 claims description 121
- 238000005070 sampling Methods 0.000 claims description 89
- 230000001419 dependent effect Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 230000000670 limiting effect Effects 0.000 claims description 14
- 230000002829 reductive effect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 12
- 230000002441 reversible effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000036544 posture Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆泊车规划方法、装置、设备及计算机存储介质,其中,车辆泊车规划方法,包括:确定起始点至泊车点的目标泊车路径;获取车辆的当前位置点在所述目标泊车路径上的当前投影点;根据所述当前投影点与所述目标泊车路径,确定所述车辆的运动规划数据。本申请实施例可以依据确定的目标泊车路径对车辆的运动进行规划,而避免了在多个规划周期中不断地对车辆的泊车路径进行重新规划,进而有助于降低泊车规划耗时,提高泊车实时性。
Description
技术领域
本申请属于智能驾驶技术领域,尤其涉及一种车辆泊车规划方法、装置、设备及计算机存储介质。
背景技术
当前,随着科技的发展,自动驾驶技术与无人驾驶技术已经逐渐走入人们生活。自动泊车往往属于自动驾驶或无人驾驶中的一个比较重要的环节,车辆自动泊车的路径规划,对车辆的泊车质量有着较大的影响。现有技术中,通常会在车辆自动泊车的过程中,确定多个规划周期,并在每个规划周期中不断对泊车路径进行规划,进而导致规划耗时较长,泊车实时性较差。
发明内容
本申请实施例提供一种在车辆泊车规划方法、装置、设备及计算机存储介质,以解决现有技术中在每个规划周期中不断对泊车路径进行规划,进而导致规划耗时较长,泊车实时性较差的问题。
第一方面,本申请实施例提供一种车辆泊车规划方法,方法包括:
确定起始点至泊车点的目标泊车路径;
获取车辆的当前位置点在所述目标泊车路径上的当前投影点;
根据所述当前投影点与所述目标泊车路径,确定所述车辆的运动规划数据。
第二方面,本申请实施例提供了一种车辆泊车规划装置,装置包括:
确定模块,用于确定起始点至泊车点的目标泊车路径;
获取模块,用于获取车辆的当前位置点在所述目标泊车路径上的当前投影点;
规划模块,用于根据所述当前投影点与所述目标泊车路径,确定所述车辆的运动规划数据。
第三方面,本申请实施例提供了一种电子设备,设备包括:
处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现上述的在车辆泊车规划方法。
第四方面,本申请实施例提供了一种计算机存储介质,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述的车辆泊车规划方法。
本申请实施例提供的车辆泊车规划方法,确定起始点至泊车点的目标泊车路径,获取车辆的当前位置点在目标泊车路径上的当前投影点,并结合当前投影点与目标泊车路径来确定车辆的运动规划数据。本申请实施例可以依据确定的目标泊车路径对车辆的运动进行规划,而避免了在多个规划周期中不断地对车辆的泊车路径进行重新规划,进而有助于降低泊车规划耗时,提高泊车实时性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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是本申请实施例中泊车区域的示例图;
图2是本申请实施例提供的车辆泊车规划方法的流程示意图;
图3是本申请实施例中输出初始路径的流程示意图;
图4是本申请实施例中采样点在泊车区域中的示例图;
图5是本申请实施例中选取目标采样点以及确定目标泊车路径的过程的流程示意图;
图6是本申请实施例中Hybrid A Star搜索算法的计算过程的流程示意图;
图7是本申请实施例中泊车路径的示意图;
图8是本申请实施例中目标泊车路径对应的曲率曲线图;
图9是本申请实施例提供的车辆泊车规划方法在一具体应用场景中的流程示意图;
图10是本申请实施例提供的车辆泊车规划装置的结构示意图;
图11是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了解决现有技术问题,本申请实施例提供了一种车辆泊车规划方法、装置、设备及计算机存储介质。
本申请实施例提供的车辆泊车规划方法可以应用在无人驾驶车辆或者是自动驾驶车辆等类型车辆的泊车场景中。为便于理解上述车辆泊车规划方法的实现过程,以下先针对可以应用该车辆泊车规划方法的一个实际应用场景进行说明。
如图1所示,在该实际应用场景中,车辆可以是在图中所示的由EABCDFHG围合形成的T形几何区域内进行泊车的,该整体的区域记为泊车区域,其中,ABCD围合形成的区域为泊车车位,EFGH围合形成的区域为车道;车辆的起始点在车辆的定位位置点L,车辆的泊车点在泊车终点位置P;为便于说明,在上述泊车区域中建立有目标坐标系,该目标坐标系以A点为原点,A至D所指向的方向为X轴的正方向,B至A所指向的方向为Y轴的正方向。车辆泊车规划中对泊车路径规划的部分,可以简单地认为在目标坐标系中,规划车辆从L点行驶至P点的行驶路径。
以下将在图1的基础上,对上述泊车区域、起始点L以及泊车点P的确定方式等内容进行举例说明。
对于泊车区域,可以是预设的一块区域;举例来说,泊车区域包括了上述的泊车车位,该泊车车位的绝对位置通常是确定的;对于车辆来说,可以根据自身的位置,以及从地图模块中获取的泊车车位的绝对位置,来确定泊车车位的ABCD四个顶点在车身坐标系中的坐标位置;当然,ABCD中各个顶点在车身坐标系中的坐标位置,后续也可以转换至上述的目标坐标系中。
在泊车车位的位置得到确定的基础上,可以进一步确定车道EFHG的位置区域或者是长宽参数;例如,假设车辆为卡车,上述EA可以长度可以默认设置为15~30m;对于EG的长度,可以默认设置为1~3倍车长,大约为10~30m。
对于车辆来说,通过对自身位置以及泊车车位的位置的获取,可以判断是否进入了泊车区域。一般来说,当车辆进入到泊车区域内后,可以进行泊车路径的规划;当然,在实际应用中,也可能存在更多的场景,例如,车辆可能初始便停靠泊车区域内,或者车辆在未进入泊车区域即开始泊车路径规划等等;因此,车辆的泊车路径规划的开始,与车辆是否存在进入到泊车区域的动作,可以并不存在必然的联系。
当然,在其他一些可行的实施方式中,车辆进行泊车路径的规划,也可以并不依赖于对车辆与泊车车位的绝对位置的定位;例如,车辆也可以是基于视觉传感器对车辆周围环境的图像获取,来判断是否存在泊车车位,当存在泊车车位时,可以认为能够进入到泊车路径规划;而结合图像中携带的泊车车位相对于车辆的位置信息,可开始进行泊车路径的规划。当然,上述视觉传感器还可以进一步结合激光雷达等传感器来获取车辆周围环境的信息,此处不再一一列举说明。
容易理解的是,在实际应用中,对于泊车路径的规划,可能还需要结合对周围环境中的障碍物的探测,而为了简化说明,本申请实施例中所示的泊车区域,可以是认为是排除障碍物后的可行驶区域。
起始点L可以对应上述车辆中的某一预定义点,例如,该车辆的定位传感器的安装位置点、车辆的重心位置或者是车头的中心位置等等,可以根据实际需要进行确定。当开始进行车辆的泊车路径规划时,车辆的起始点L可以认为是车辆的预定义点所在的位置点。
泊车点P同样可以对应车辆中的某一预定义点,具体来说,泊车路径规划的目的,可以认为是使得车辆的预定义点到达泊车点P。结合上文中提及的目标坐标系,通常情况下,泊车车位的位置在目标坐标系中的位置是固定不变的,因此,若泊车点P在泊车车位中的位置固定,则上述泊车点P的在目标坐标系中的位置也可以是固定不变的。当然,在一些情况下,例如,泊车车位中AB之间长度较长时,可以根据车辆的类型或车长,来确定一与车辆匹配的泊车点P,使得车长较长的车辆能够整体停入到泊车车位中,或者使得多辆车长较短的车辆能够同时停入到泊车车位中;换而言之,此时泊车点P在目标坐标系中的位置也可以是变化的。
在对车辆的泊车路径进行规划时,可以根据车辆相对泊车车位的位置或者行驶关系,来确定车辆可能的行驶路径。例如,结合图1,当车辆位于起始点L,且车头朝向右侧时,若需要倒入到泊车车位,则可能需要先以前进的方式朝向H点行驶一段路径,再以倒车的方式朝向泊车车位行驶另一段路径,此时,需要规划的泊车路径可以是分为两段的。再例如,当车辆位于起始点L,且车头朝向左侧时,若需要倒入到泊车车位,则可能只需要以倒车的方式朝向泊车车位行驶一段路径,此时,需要规划的泊车路径可以仅仅是一段。或者,当EG对应的宽度较窄时,可能需要车辆反复前进与倒车,才能到达泊车车位,此时泊车路径可以是分为三段以上的。
容易理解的是,图1所示的泊车区域可以仅仅是一种实际应用场景的举例,而在另一些应用场景中,泊车区域可以是用于侧方位泊车或斜向泊车的泊车区域等,为简化描述,此处不进行一一列举。
下面对本申请实施例所提供的车辆泊车规划方法进行介绍。图2示出了本申请一个实施例提供的车辆泊车规划方法的流程示意图。如图2所示,该方法包括:
步骤201,确定起始点至泊车点的目标泊车路径;
步骤202,获取车辆的当前位置点在所述目标泊车路径上的当前投影点;
步骤203,根据所述当前投影点与所述目标泊车路径,确定所述车辆的运动规划数据。
本实施例中,目标泊车路径可以是针对车辆从起始点到泊车点的行驶路径进行规划得到。
一般来说,在车辆的起始点与泊车点确定的情况下,可以根据特定的规则来规划路径,例如,此处特定的规则,可以是指使得路径的曲率连续,或者路径距离最短,或者是对路径的曲率和距离进行综合评分等等,此处不做具体限定;通过这些特定的规则的约束,可以得到上述的目标泊车路径。
通常来说,目标泊车路径可以是由多个路径点组成,这些路径点可以在特定的坐标系中以坐标的形式进行表示;或者,目标泊车路径本身也可以函数的形式在特定的坐标系中进行表示。而为了简化描述,针对该特定的坐标系,后续将主要以如图1中所示的XAY坐标系(以下简称目标坐标系)为例进行说明。
容易理解的是,车辆在泊车过程中,其在目标坐标系中的位置可以是不断发生变化的,在某一时刻下,车辆可以是处于一个位置点的,该位置点可以称为车辆的当前位置点,以表现出该位置点可以是一个实时更新的位置点。
类似地,当前位置点在目标坐标系中也可以具有一坐标,基于该坐标可以将当前位置点投影至目标泊车路径上。举例来说,若目标泊车路径为一连续曲线,并可以通过函数的形式在目标坐标系中进行表示,而当前位置点在目标泊车路径上的当前投影点,可以满足如下关系:当前位置点与当前投影点的连线,垂直于目标泊车路径在当前投影点的切线。而在另一个举例中,当前位置点也可以沿Y轴方向直接向目标泊车路径进行投影,得到当前投影点。此外,当上述当前位置点是位于目标泊车路径上时,当前投影点可以认为是当前位置点本身。当然,以上仅仅是针对投影方式的举例说明,实际应用中,也可以根据需要来选择投影方式。
本实施例中,当得到当前投影点后,可以直接根据确定的目标泊车路径来确定车辆的运动规划数据。换而言之,本实施例中,可以不必不断地对车辆的泊车路径进行规划,而是利用已经确定的目标泊车路径来指导车辆的运行。
车辆的运动规划数据也可以直接表征为目标泊车路径中车辆剩余需要行驶的路径,或者说目标泊车路径中位于当前投影点之后的路径或者是路径点的集合;而具体到指导车辆的运动的层面,运动规划数据可以包括行驶曲率等内容。
例如,车辆的运动规划数据,可以包括车辆的行驶曲率。容易理解的是,对于连续曲线形式的目标泊车路径,其在当前投影点的切线的延伸方向,可以用于表征车辆的朝向角,而车辆的朝向角相对目标泊车路径上距离的变化,则可以用于表征车辆的行驶曲率;而反映到车辆的控制中,车辆的行驶曲率可以用于为车辆的方向盘的转角的确定提供依据。
在实际应用中,车辆的运动规划数据,还可以是包括车辆的速度等,例如,在车辆的泊车规划中,对于车辆路径与车辆速度可以解耦规划,然而两者也可以通过时间或者是路径点进行关联;当然,在一些可行的应用方式中,车辆路径与车辆速度也可以是以非解耦的方式进行规划的。换而言之,在当前投影点确定的情况下,也可以结合车辆速度的规划结果,来确定车辆的速度。
本申请实施例提供的车辆泊车规划方法,确定起始点至泊车点的目标泊车路径,获取车辆的当前位置点在目标泊车路径上的当前投影点,并结合当前投影点与目标泊车路径来确定车辆的运动规划数据。本申请实施例,可以依据确定的目标泊车路径对车辆的运动进行规划,而避免了在多个规划周期中不断地对车辆的泊车路径进行重新规划,进而有助于降低泊车规划耗时,提高泊车实时性。
可选地,上述步骤201,确定起始点至泊车点的目标泊车路径,包括:
建立曲率距离对应关系,其中,所述曲率距离对应关系用于指示曲率随所述车辆的累计行驶距离之间的对应关系,所述累计行驶距离为所述车辆行驶在初始路径时,相对所述初始路径的起点的行驶距离,所述初始路径为位于所述起始点与所述泊车点之间的任一段路径;
在根据每一所述累计行驶距离与所述曲率距离对应关系得到的曲率,均小于或等于曲率阈值的情况下,根据所述曲率距离对应关系确定所述目标泊车路径。
如上文所示的,根据车辆与泊车车位之间的位置或者行驶关系,需要规划的泊车路径可以是分为一段或多段的;为了简化说明,本实施例中,初始路径可以认为是需要规划的泊车路径中的其中一段。
初始路径可以具有起点与终点,而上文中提及到起始点与泊车点;为便于理解,此处结合两个举例对这些点之间的关系进行说明:在一个举例中,规划的泊车路径可以仅仅是一段,如此,初始路径的起点可以对应起始点,而初始路径的终点可以对应泊车点;在另一个举例中,规划的泊车路径可以是两段,其中一段初始路径的起点可以对应起始点,而另一段初始路径的终点可以对应泊车点。
对于曲率距离对应关系,可以用于指示车辆行驶中曲率随累计行驶距离之间的对应关系;为简化说明,曲率可以通过字母p表示,累计行驶距离可以通过字母s表示,而曲率与累计行驶距离之间的对应关系可以表示为p=k(s)。
一般来说,当车辆的方向盘存在转动时,行驶的路径的曲率将会相应发生变化;也就是说,曲率的大小通过会反映到车辆的方向盘的转动角度上。而容易理解的是,车辆的方向盘的最大转动角度会存在一定的限制,例如,对于卡车而言,自动驾驶的最大转动角度通常在600~800度之间;其他类型的车辆,也会存在相应的最大转动角度的限制。
考虑到以上因素,本实施例中,可以设置有一曲率阈值,用于限制初始路径中最大可允许的曲率值。举例来说,曲率距离对应关系可以通过上述的p=k(s)进行表示,当某一个s值代入到p=k(s)中,得到的p值大于曲率阈值时,则可能表示车辆无法通过正常转向来实现沿初始路径的行驶。因此,一般只有在根据每一累计行驶距离与所述曲率距离对应关系得到的曲率,均小于或等于曲率阈值的情况下,才可以认为曲率距离对应关系是比较合理的。
当然,本实施例中,限定了累计行驶距离是在车辆行驶在初始路径时,相对初始路径的起点的行驶距离;也就是说,上述的s值可以存在一个取值区间,当该取值区间的任意s值代入到p=k(s)得到的p值,均小于或等于曲率阈值时,即可以认为曲率距离对应关系是合理,至于该取值区间的确定,将在下文中进一步说明。
容易理解的是,从车辆的整体运动的角度来说,车辆在每一累计行驶距离处的方向盘的转角得到确定,那么该车辆的运动轨迹通常是唯一确定的。因此,根据曲率距离对应关系实际上可以对目标泊车路径进行确定。
同时,本实施例中,可以认为是在基于曲率阈值确定曲率距离对应关系比较合理时,再使用曲率距离对应关系进行目标泊车路径的规划,如此,可以有效保证车辆在满足转向性能的基础上按规划的目标泊车路径进行行驶,提高车辆泊车规划的可靠性。
为使得车辆后续能够在目标泊车路径上实现比较平滑的转向过程,本实施例中,上述步骤建立曲率距离对应关系,可以包括:
建立三次螺旋曲线函数,所述三次螺旋曲线函数以所述累计行驶距离为自变量,以曲率为因变量;
确定所述初始路径的起点的边值条件与所述初始路径的终点的边值条件,所述边值条件包括在目标坐标系中的车辆朝向角条件、横坐标条件以及纵坐标条件;
依据所述三次螺旋曲线函数与所述初始路径的起点的边值条件,建立第一函数、第二函数以及第三函数,其中,所述第一函数以所述累计行驶距离为自变量,以在所述目标坐标系中的车辆朝向角为因变量;所述第二函数以所述累计行驶距离为自变量,以在所述目标坐标系中的横坐标为因变量;所述第二函数以所述累计行驶距离为自变量,以在所述目标坐标系中的纵坐标为因变量;
依据所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述三次螺旋曲线函数中的各个系数进行求解,得到所述曲率距离对应关系。
本实施例中,三次螺旋曲线函数可以认为是一预设的多项式,其中的多项式系数是待进行求解的。而对于初始路径,其起点与终点通常可以是固定的,可以在求解过程中提供边值条件;而上述多项式系数的值通过求解得到后,可以得到上述的曲率距离对应关系。由于曲率距离对应关系与三次螺旋曲线函数是相互对应的,三次螺旋曲线函数中,因变量的变化通常是连续的,因此,根据曲率距离对应关系,对车辆的方向盘进行转角控制时,也可以使得方向盘的转动相对比较平滑。
为便于理解,以下可以将三次螺旋曲线函数中的多项式表示为:
a0+a1s+a2s2+a3s3
其中,a0、a1、a2以及a3均为该多项式的系数,s则可以表示上文所示的累计行驶距离。将上述多项式赋值给曲率,可以得到三次螺旋曲线函数,具体可以表示为:
根据运动学中的微分关系式,可以得到如下表达式:
其中,θ(s)可以对应上述的第一函数中的因变量,x(s)可以对应上述的第二函数中的因变量,y(s)可以认为对应上述的第三函数中的因变量;
结合以上表示式,对于初始路径中的某一累计行驶距离对应的位置点,可以匹配一状态向量X(s),X(s)可以表示为:
本实施例中可以认为是对多项式的系数进行求解,多项式的系数可以通过一向量A进行表达,向量A可以称为系数变量,具体表达式如下:
对于初始路径的起点的边值条件,可以记为:
对于初始路径的终点的边值条件,可以记为:
根据式(2)与式(5),可以得到如下结果:
容易理解的是,式(7)中的三个函数分别对应了第一函数、第二函数以及第三函数。结合式(6)所限定的边值条件与式(7),可以对三次螺旋曲线函数中的各个系数进行求解,进而得到上述的曲率距离对应关系。
为了简化对三次螺旋曲线函数中的各个系数进行求解的过程,减少计算资源的消耗,本实施例中,上述依据所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述三次螺旋曲线函数中的各个系数进行求解,得到所述曲率距离对应关系,包括:
建立第一对应关系,所述第一对应关系用于指示所述三次螺旋曲线函数中的各个系数与第一待求解参数、第二待求解参数以及第三待求解参数之间的对应关系,所述第一待求解参数用于指示所述初始路径的总长度,所述第二待求解参数用于指示所述初始路径中第一预设位置点的曲率,所述第三待求解参数用于指示所述初始路径中第二预设位置点的曲率;
依据所述第一对应关系、所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述第一待求解参数、所述第二待求解参数以及所述第三待求解参数进行求解,得到第一求解结果;
依据所述第一求解结果与所述第一对应关系,确定所述三次螺旋曲线函数中的各个系数,得到所述曲率距离对应关系。
为便于理解,上述的第一待求解参数可以记为l,对应了初始路径的长度(一般为弧长)。在一个举例中,对于弧长,可以进行三等分采样,采样节点可以记为0,l/3,2l/3,l;三次螺旋曲线函数在各个采样节点处求得的曲率分别为p0,p1,p2,p3;其中,p1与p2可以分别对应了上述的第二待求解参数与第三待求解参数。为便于说明,可以记P=(p0,p1,p2,p3)T,则向量P与上述向量A之间的关系可以表达如下:
P=TA (8)
其中,T为变化矩阵,可以表示为:
由于l恒大于0,并且T为范德蒙矩阵,根据范德蒙矩阵的性质,可知T可逆,于是向量P与多项式系数变量的向量A可一一对应且多项式系数变量A可以表示为
A=T-1P (9)
容易理解的是,在本举例中,向量P中的曲率值p1与p2分别为三次螺旋曲线函数在弧长l/3,2l/3处的采样值,而在实际应用中,p1与p2也可以是在弧长的其他位置的采样值;也就是说,上述第一预设位置点与第二预设位置点可以根据实际需要进行选择。
通常来说,初始路径的起点与终点处的曲率值p0与p3属于边值条件,一般是已知的,进而三次螺旋曲线函数中的多项式系数可以由l、p1以及p2唯一确定。
在此基础上,可以针对三次螺旋曲线函数中的各个系数与第一待求解参数、第二待求解参数以及第三待求解参数之间建立对应关系,为了体现出该对应关系,可以将上述的a0、a1、a2、a3分别记为a0(p1,p2,l)、a1(p1,p2,l)、a2(p1,p2,l)、a3(p1,p2,l);类似地,第一函数、第二函数以及第三函数的因变量可以分别记为θ(s,p1,p2,l)、x(s,p1,p2,l)、y(s,p1,p2,l)。如此,式(7)可以表示为:
此时,可以结合式(10)与式(6)限定的边值条件,对l、p1以及p2进行求解,得到第一求解结果,也就是这三个参数的值。由于三次螺旋曲线函数中的多项式系数可以由l、p1以及p2唯一确定,因此,根据第一求解结果,可以进一步求解出三次螺旋曲线函数中的各个系数,并得到曲率距离对应关系。
为了进一步提高对l、p1以及p2的求解的效率,降低计算资源的消耗,本实施例中,上述依据所述第一对应关系、所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述第一待求解参数、所述第二待求解参数以及所述第三待求解参数进行求解,得到第一求解结果,包括:
依据所述第一对应关系、所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,建立第一待求解函数;
确定所述第一待求解参数、所述第二待求解参数以及所述第三待求解参数的初始值,使用牛顿下山法对所述第一待求解函数进行求解,得到所述第一求解结果。
为便于说明,本实施例中,首先可以定义如下表达式
在式(11)中,θ(s)、x(s)、y(s)分别对应了上述第一函数、第二函数、第三函数,且其中的待求解的各个系数,通过l、p1以及p2进行表示;而xl、yl以及θl则可以通过如式(6)所示的终点的边值条件进行获取。h(s,p1,p2,l)则可以是表达一组函数的集合。
令s=l,则根据式(11),可以得到:
其中h0=x(s)-xl,h1=y(s)-yl,h2=θ(s)-θl。如此,上述对三次螺旋曲线函数中多项式的系数的求解问题,可以等价于求解式(12)中h函数(对应上述的第一待求解函数)关于l、p1以及p2的零点。
以下将针对使用牛顿下山法对第一待求解函数进行求解的过程进行说明。
uk+1=uk-ωkJkhk (13)
其中,k表示迭代次数,ωk表示迭代系数,可以预先设定并根据迭代需要进行修正;Jk为雅克比(Jacobi)矩阵,表达式为:
换而言之,牛顿下山法可以认为是通过迭代的方式来对特定的参数进行求解,在迭代过程中,可以满足如下严格单调递减条件:
|hk+1|<|hk| (14)
也就是说,每次迭代过程得到的值与其前一步进行绝对值的比较,确保每一次迭代后得到的值的绝对值小于前一步得到的值的绝对值。
当然,在牛顿下山法中,通常需要对uk的初始值,即u0进行定义,在一个示例中,u0可以定义为:
另外,通常来说,当h(uk)的值等于0,或者是小于某一数值阈值,抑或是满足预设的迭代次数时,可以得到计算结果。
在另一个示例中,对于式(10)中的积分的处理,可以采用数值积分的方式,具体来说,可以采用复化辛普森(Simpson)求积公式,具体如下:
在此基础上,各个字母的含义可以进行一一对应;此外,在复化Simpson求积公式中,通常h=(b-a)/n,n指预先对积分区间[a,b]划分的等分数量;xi=a+ih。
基于以上求解过程,实际上可以得到初始路径,或者说需要规划的泊车路径中的某一段路径;但如上文所示的,对于初始路径,可能还需要进行曲率的合理性的判断,当初始路径中的曲率满足车辆运行参数(例如最大转向角的限制)时,可以判定该初始路径是合理,并可以进一步输出该初始路径作为目标泊车路径的组成部分。结合图3,输出的初始路径可以是三次螺旋路径点,具体的输出过程包括如下步骤:
步骤301,给定u0、X(0)以及X(l);
以上3个参量的给定,可以参见上文中的式(5)、(6)以及(15)
步骤302,使用牛顿下山法进行求解,判断是否达到最大迭代次数,或者是满足h(uk)=0;若否,则执行步骤303,若是,则执行步骤306;
步骤303,使用复化Simpson求积公式计算x(s)与y(s);
本步骤中,具体可以是使用复化Simpson求积公式对上文中的式(10)进行计算
步骤304,计算Jacobi矩阵Jk;
步骤305,计算uk+1,并返回执行步骤302;
容易理解的是,uk+1可以基于上文中的式(13)进行求解,由于是牛顿下山法为迭代运算的过程,一个迭代周期中的h(uk+1),可以作为下一个迭代周期中的h(uk);步骤302中所示的判断是否满足h(uk)=0,实际上可以认为是对步骤305中得到的uk+1,进行是否满足h(uk+1)=0的判断。
步骤306,判断求解得到的k(s)中,最大曲率是否满足车辆的曲率限制;若是,则执行步骤307;若否,则结束,后续可以重新进行泊车路径的规划;
步骤307,输出三次螺旋路径点。
结合一个实际应用场景,泊车路径规划必须符合车辆的运行参数,其中车辆的最大转弯半径是非常重要的参数,体现在方向盘的最大转角上,对于卡车而言,自动驾驶的最大转向在600度~800度。考虑到这些限制,在泊车路径规划中,通过对曲率进行限制来生成适合车辆运行的泊车轨迹;最大曲率限制是泊车轨迹规划的泊车路径最大可允许的曲率值,具体值用户可根据车辆最大转弯半径的参数来配置,一般不超过1.0。通过(8)式可以得到多项式系数向量记作A,并根据(1)式可计算得到路径中的每个路径点的曲率值;依次遍历每个路径点的曲率值,并与用户配置的可允许的最大曲率值进行比较,若都小于用户配置的最大曲率值,则可认为满足了最大曲率限制,否则可判定不满足最大曲率限制。
在较多的泊车场景中,车辆从起始点到达泊车点的过程中,通常都会存在前进和倒车的过程,因此,可能需要对泊车路径进行分段的规划。在一个示例中,上述建立曲率距离对应关系,包括:
确定所述车辆的起始点、泊车点以及目标采样点;
建立与第一路径关联的第一曲率距离对应关系,以及与第二路径关联的第二曲率距离对应关系;其中,所述第一路径为以所述起始点为起点、以所述目标采样点为终点的初始路径,所述第二路径为以所述目标采样点为起点、以所述泊车点为终点的初始路径;
所述在根据每一所述累计行驶距离与所述曲率距离对应关系得到的曲率,均小于或等于曲率阈值的情况下,根据所述曲率距离对应关系确定所述目标泊车路径,包括:
在根据每一第一累计行驶距离与所述第一曲率距离对应关系得到的曲率,均小于或等于曲率阈值,且根据每一第二累计行驶距离与所述第二曲率距离对应关系得到的曲率,均小于或等于曲率阈值的情况下,根据所述第一曲率距离对应关系与所述第二曲率距离对应关系确定所述目标泊车路径;
其中,所述第一累计行驶距离为所述车辆行驶在第一路径时,相对所述起始点的行驶距离;所述第二累计行驶距离为所述车辆行驶在第二路径时,相对所述目标采样点的行驶距离。
结合图4,在一个实际应用场景的示例中,车辆的行驶方式可以是从起始点以前进的方式行驶至目标采样点,再从目标采样点以倒车的方式行驶至泊车点,如此,泊车过程中实际产生了两段路径,在这两段路径中,车辆行驶方式存在不同,且在路径的切换过程中,车辆的航向角存在比较大的突变。
结合上文描述,初始路径可以对应的是泊车路径的其中一段;换而言之,本实施例中,的初始路径可以是多个,对应泊车过程中多段路径;其中,多个初始路径包括了第一路径与第二路径。为便于说明,第一路径可以对应车辆前进行驶的一段路径,第二路径可以对应车辆倒车行驶的一段路径。
本实施例中,目标采样点,可以简单地理解为第一路径与第二路径之间的分割点;以该分割点作为泊车路径规划的分割点,从车辆的定位位置(对应起始点)到分割点作为一段轨迹(对应第一路径),从分割点到泊车终点位置(对应泊车点)作为另一端轨迹(对应第二路径)。每段轨迹分别生成曲率距离对应关系,分别记为第一曲率距离对应关系与第二曲率距离对应关系;至于曲率距离对应关系的具体含义,已在上文实施例中进行了描述,此处不再赘述。
在一个示例中,第一曲率距离对应关系与第二曲率距离对应关系均可以是基于三次螺旋曲线函数而确定的,区别在于求解得到的多项式的系数存在不同。
通常来说,起始点与泊车点的位置可以是预先确定的。至于上述目标采样点,可以是在泊车区域中预设的用于路径分割的采样点,反映到车辆的泊车行驶过程中,可以认为是车辆从前进切换倒车的位置点。当然,参见图4,泊车区域中可以预设有多个采样点,而目标采样点可以是这多个采样点中的其中一个采样点。
本实施例中,在确定目标泊车路径的过程中,可以通过确定目标采样点,将车辆的泊车路径分为多段进行规划;具体来说,针对各段路径分别确定曲率距离对应关系,并基于曲率阈值,对各曲率距离对应关系的合理性进行验证,在各个曲率距离对应关系比较合理,或者说曲率满足车辆运行参数的情况下,可以根据这些曲率距离对应关系来确定目标泊车路径;进而使得上述车辆泊车规划方法能够适应更多的泊车场景,同时也保证了车辆在运动参数上能够实现沿目标泊车路径行驶。
如上文所示的,泊车区域中可能存在多个采样点;在一个示例中,在确定目标泊车路径的过程中,可以选取其中的一个采样点作为目标采样点,确定第一曲率距离对应关系与第二曲率距离对应关系,并进一步这些曲率距离对应关系是否合理,或者说是否能够满足车辆的运动参数的限制条件。当曲率距离对应关系合理时,可以确定目标泊车路径;而曲率距离对应关系不合理时,可以从多个采样点中重新确定一个目标采样点,重复进行曲率距离对应关系的确定及合理性的验证过程。
具体来说,本示例中,上述确定所述车辆的起始点、泊车点以及目标采样点,包括:
确定起始点、泊车点以及采样点集,所述采样点集包括第一采样点与第二采样点;
将所述第一采样点确定为目标采样点;
相应地,建立与第一路径关联的第一曲率距离对应关系,以及与第二路径关联的第二曲率距离对应关系之后,所述方法还包括:
在根据任一第一累计行驶距离与所述第一曲率距离对应关系得到的曲率大于曲率阈值,和/或,根据任一第二累计行驶距离与所述第二曲率距离对应关系得到的曲率大于曲率阈值的情况下,将所述第二采样点确定为目标采样点,并返回执行所述建立与第一路径关联的第一曲率距离对应关系,以及与第二路径关联的第二曲率距离对应关系的步骤。
本示例中,可以认为是在基于某一个采样点难以实现目标泊车路径的规划时,选用另一个采样点尝试进行目标泊车路径的规划;以上过程可以仅仅是车辆泊车规划中的某一个具有代表性的环节,在实际应用中,采样点集中可能存在两个以上的采样点,因此,在成功对目标泊车路径进行规划之前,此处所示的环节可能是反复执行的。
参考图5,以下结合一具体应用例,来对选取目标采样点以及确定目标泊车路径的过程进行说明。该具体应用例具体包括:
步骤501,确定车辆在起始点的位置和姿态、泊车区域的泊车点的位置和姿态以及初始采样点的位置和姿态;
容易理解的是,这里的位置和姿态,均可以认为是上文实施例中边值条件的组成部分;初始采样点则可以对应预先设置的采样点。
步骤502,对泊车区域采样,确定采样点集合;
这里的采样点集合,可以是全部初始采样点的集合,也可以是部分初始采样点的集合;例如,参见图4,初始采样点可能存在与整个车道区域中的,但是图4所示的泊车场景下,可能仅需要使用到右侧车道区域(DFHK区域)中的初始采样点。
步骤503,基于采样点集合中的一个采样点进行泊车路径规划,检测每段路径在最大曲率限制下是否存在有解性;若否,执行步骤504,若是,执行步骤506;
这里所示的每段路径,可以是指上文实施例中的第一路径与第二路径,至于每段路径在最大曲率限制下是否存在有解性,可以对应判断基于各段路径对应的曲率距离对应关系,求得的每一累计行驶距离位置处的曲率,是否高于最大曲线限制,具体过程此处不再赘述。
步骤504,重新搜索采样点;
具体来说,可以是从采样点集中重新搜索一个采样点进行泊车路径规划;
步骤505,判断是否已经搜索完上述采样点集合中的所有采样点,若是,则结束,表征基于现有的条件无法规划目标泊车路径;若否,则返回执行步骤503;
步骤506,计算前进档位的螺旋路径;
即可以认为是根据上述的第一曲率距离对应关系来确定前进的路径;
步骤507,计算倒车档位的螺旋路径;
即可以认为是根据上述的第二曲率距离对应关系来确定倒车的路径;
步骤508,对前进档位的螺旋路径与倒车档位的螺旋路径进行组合,得到最终泊车入库的路径,即上述的目标泊车路径。
在以上示例中,若采样点集中包括了第一采样点与第二采样点,在确定目标采样点时,可能存在具体先将哪一采样点确定为目标采样点的问题;在实际应用中,可以采用随机确定的方式,或者是基于预先的排序序列进行确定。
当然,上述采样点中,可能存在某一采样点预先配置有多组关于位置和姿态的数据,因此,针对一个采样点,也可以进行多次的泊车路径规划。
上文实施例中,车辆的起始点及边值条件是确定的,但是在实际应用中,确定的起始点距离泊车点过近或过远,均可能对泊车路径的规划带来一定的影响;比如说,起始点的举例泊车点过近时,可能出现由于所需转向角不符合车辆的运行参数的限制,导致难以成功生成目标泊车路径的情况。
为了在车辆的运行参数的限制下,能够以较高的质量实现对泊车路径的规划,本实施例中,上述确定起始点至泊车点的目标泊车路径,包括:
获取起始点集与泊车点,所述起始点集中包括有至少一个候选起始点;
从所述至少一个候选起始点中确定出目标起始点,所述目标起始点为对应的代价值最小的候选起始点,所述代价值为根据所述候选起始点与所述泊车点的相对位置进行确定;
规划所示目标起始点与所述泊车点之间的候选泊车路径;
在所述候选泊车路径满足预设限制条件的情况下,将所述候选泊车路径确定为所述目标泊车路径;
在所述候选泊车路径不满足预设限制条件的情况下,更新所述起始点集,并返回执行从所述至少一个候选起始点中确定出目标起始点的步骤。
本实施例中,上述代价值可以是根据候选起始点与泊车点的相对位置进行确定的,举例来说,当某一候选起始点的位置与泊车点之间的距离较短时,可以认为产生的代价值较小;或者,当车辆从某一候选起始点行驶至泊车点的过程中,方向盘的转角较小时,可以认为产生的代价值较小等。也就是说,本实施例中,代价值可以根据实际需要进行设定,具体可以从车辆运行参数或者行驶距离等角度进行评价。
对于候选泊车路径,可以对应有一预设限制条件,该预设限制条件可以主要是指车辆的最大转向角等运行参数的限制。例如,车辆若需要沿着候选泊车路径行驶,可能需要在某一累计行驶距离处以超过最大转向角限制的转向角进行行驶,此时,可以认为候选泊车路径不满足预设限制条件。当然,在实际应用中,预设限制条件可以根据实际需要进行设定。
目标泊车路径的确定过程可以在一定程度上理解成迭代的过程,当候选泊车路径满足预设限制条件时,可以将候选泊车路径确定为目标泊车路径,结束迭代;而候选泊车路径不满足预设限制条件时,则需要重新选择目标起始点,并规划候选泊车路径。当然,在重新选择目标起始点时,可以先对起始点集进行更新,例如,可以将前一迭代过程中确定的目标起始点从起始点集中取出,或者根据车辆运动模型扩展新的候选起始点加入到起始点集中等;此外,这里的车辆运动模型,可以简单理解成车辆运行参数的限制,例如,一般情况下,无论是前进或是倒车,车辆难以直接到达侧方的某一个位置点,因此,该侧方的位置点可以认为并不能基于车辆运动模型扩展得到,即一般不会加入到起始点集中。
在一个示例中,可以采用混合A星(Hybrid A Star)的搜索算法,来解决上述难以成功生成目标泊车路径的问题。具体地,结合图6,在本示例中,Hybrid A Star搜索算法的计算过程可以描述为:
步骤601,定义两个集合Sopen与Sclose;
步骤603,从集合Sopen中确定出代价值最小的元素cp;
该步骤的实现过程可以记为:cp=pop-top(Sopen);
例如,上述集合Sopen与Sclose可以对应队列或者栈,pop-top(Sopen)可以表示从集合Sopen中进行出栈操作;
步骤604,将cp加入到集合Sclose中;
该步骤的实现过程可以记为:Sclose=Sclose∪cp;此外,在本步骤中,该cp可以从Sopen取出,即不再存在于Sopen中,避免某一cp后续被重复确定为代价值最小的元素;
步骤605,使用分段的螺旋曲线生成从cp到ce的候选泊车路径,并判断候选泊车路径是否满足车辆运动参数的限制条件,若是,则结束搜索,若否,则执行步骤606;
其中,ce可以对应泊车点;
步骤606,根据车辆运动学模型扩展cp的相邻节点cp+1;
这里的车辆运动学模型,可以认为是车辆运动参数的限制条件,例如,车辆从起始点出发,即使是使得方向盘始终保持最大转向角,也无法到达某一个节点时,该节点通常可排除在车辆运动学模型拓展的节点之外。
步骤608,将cp+1加入到集合Sopen中,并返回执行步骤602;
其中,cp+1加入到集合Sopen中的过程,可以记为Sopen=Sopen∪cp+1。
本示例可以认为是融合了分段螺旋曲线的Hybrid A Star算法,在一个实际应用例中,融合了分段螺旋曲线的Hybrid A Star算法得到的目标泊车路径,可以是如图7所示的泊车路径示意图。此外,在该目标泊车路径中,产生的曲率可以参见图8,图8中各累计行驶距离处的曲率是连续的,该图是生成目标泊车路径最大曲率值配置为0.1的曲率曲线图,为可视化方便曲率乘了1000倍(即纵坐标的值是曲率原值乘以1000后得到的)。
可选地,上述运动规划数据包括曲率规划数据与速度规划数据;
相应地,上述步骤203,根据所述当前投影点与所述目标泊车路径,确定所述车辆的运动规划数据,包括:
根据所述目标泊车路径在所述当前投影点的曲率,确定所述曲率规划数据;
获取所述目标泊车路径与泊车时间的第一关联关系,根据所述第一关联关系与所述当前投影点,确定所述速度规划数据。
参见图9,结合一个具体应用场景的举例,本实施例中的车辆泊车规划方法可以包括:
步骤901,确定泊车区域和泊车区域坐标系;
泊车区域和泊车区域坐标系可以参见图1,泊车区域对应了EABCDFHG围合形成的区域,泊车区域坐标系对应了XAY坐标系;
步骤902,使用连续曲率的泊车路径规划算法,生成目标泊车路径;
步骤903,判断车辆是否到达泊车终点(即上述的泊车点);若是,则结束规划,若否,则执行步骤904;
步骤904,根据车辆实际车身定位确定在上一个规划帧的位置投影得到路径;
本步骤对应了获取车辆的当前位置点在所述目标泊车路径上的当前投影点,并在目标泊车路径中查找为当前投影点之后的路径点;
步骤905,规划速度。
结合以上具有应用场景的举例可见,本实施例中,可以实现对路径和速度的同时规划,从而有助于进一步为车辆的泊车过程提供各种控制参数,保证泊车过程的可靠性。
结合上文实施例的描述可见,本申请实施例提供的车辆泊车规划方法可以认为是一种记忆泊车策略;具体来说:
泊车场景中的轨迹规划可以描述为:
为描述车辆的状态变量,为描述车辆的控制输入变量,映射f:描述了一个动力系统,代表车辆当前规划帧到下个规划帧之间的映射;则表示了泊车的轨迹,其中N表示到达泊车终点的规划帧总数。一般而言,其中p′k是车辆的在第k个规划帧的位置,θk是车辆在第k个规划帧的姿态,显然是车辆在第k个规划帧的速度,是车辆在第k个规划帧的曲率。
记忆泊车策略表述为车辆在泊车初始位置生成整个泊车场景中的状态集Ω0={p′0,p′1,......,p′N},并在第k+1个规划帧时,确定车辆当前车身定位位置在Ω集中的投影点记为p′k+1∈Ωk,第k+1个规划帧生成的路径为Ωk+1={p′k+1,p′k+2,......,p′N},且到达泊车终点时满足ΩN={p′N}。
采用记忆泊车策略的优势在于高实时性,体现在只需要一次生成整个泊车的路径,后续计算量集中在根据车辆实际位置找到在记忆路径中的投影位置,再根据路径进行速度规划,避免每个规划周期都进行路径规划,从而实现了高实时性。
总的来说,基于本申请实施例提供的车辆泊车规划方法的应用,有助于解决实时规划的性能问题;在一些实际应用场景中,泊车算法耗时可以控制在20多毫秒,具备很高的实时性。同时,通过在泊车路径中加入边值条件与各类限制条件,可以提高自动驾驶泊车功能稳定性和可靠性,多次测试泊车入库具有一致性。而基于螺旋曲线函数的规划方式,符合车辆运动学的规划轨迹,并考虑车辆最大转向等车辆性能参数,适于转向机构等执行器的执行,可对泊车区域空间要求较低。此外,上述车辆泊车规划方法的应用,一般可以使得横纵向精度10cm内的精准停车。
如图10所示,本申请实施例还提供了一种车辆泊车规划装置,包括:
确定模块1001,用于确定起始点至泊车点的目标泊车路径;
获取模块1002,用于获取车辆的当前位置点在所述目标泊车路径上的当前投影点;
规划模块1003,用于根据所述当前投影点与所述目标泊车路径,确定所述车辆的运动规划数据。
可选地,上述确定模块1001,包括:
建立子模块,用于建立曲率距离对应关系,其中,所述曲率距离对应关系用于指示曲率随所述车辆的累计行驶距离之间的对应关系,所述累计行驶距离为所述车辆行驶在初始路径时,相对所述初始路径的起点的行驶距离,所述初始路径为位于所述起始点与所述泊车点之间的任一段路径;
第一确定子模块,用于在根据每一所述累计行驶距离与所述曲率距离对应关系得到的曲率,均小于或等于曲率阈值的情况下,根据所述曲率距离对应关系确定所述目标泊车路径。
可选地,建立子模块,包括:
第一建立单元,用于建立三次螺旋曲线函数,所述三次螺旋曲线函数以所述累计行驶距离为自变量,以曲率为因变量;
第一确定单元,用于确定所述初始路径的起点的边值条件与所述初始路径的终点的边值条件,所述边值条件包括在目标坐标系中的车辆朝向角条件、横坐标条件以及纵坐标条件;
第二建立单元,用于依据所述三次螺旋曲线函数与所述初始路径的起点的边值条件,建立第一函数、第二函数以及第三函数,其中,所述第一函数以所述累计行驶距离为自变量,以在所述目标坐标系中的车辆朝向角为因变量;所述第二函数以所述累计行驶距离为自变量,以在所述目标坐标系中的横坐标为因变量;所述第二函数以所述累计行驶距离为自变量,以在所述目标坐标系中的纵坐标为因变量;
求解单元,用于依据所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述三次螺旋曲线函数中的各个系数进行求解,得到所述曲率距离对应关系。
可选地,第二建立单元,包括:
建立子单元,用于建立第一对应关系,所述第一对应关系用于指示所述三次螺旋曲线函数中的各个系数与第一待求解参数、第二待求解参数以及第三待求解参数之间的对应关系,所述第一待求解参数用于指示所述初始路径的总长度,所述第二待求解参数用于指示所述初始路径中第一预设位置点的曲率,所述第三待求解参数用于指示所述初始路径中第二预设位置点的曲率;
求解子单元,用于依据所述第一对应关系、所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述第一待求解参数、所述第二待求解参数以及所述第三待求解参数进行求解,得到第一求解结果;
确定子单元,用于依据所述第一求解结果与所述第一对应关系,确定所述三次螺旋曲线函数中的各个系数,得到所述曲率距离对应关系。
可选地,求解子单元,可具体用于:
依据所述第一对应关系、所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,建立第一待求解函数;
确定所述第一待求解参数、所述第二待求解参数以及所述第三待求解参数的初始值,使用牛顿下山法对所述第一待求解函数进行求解,得到所述第一求解结果。
可选地,建立子模块,包括:
第二确定单元,用于确定所述车辆的起始点、泊车点以及目标采样点;
第三建立单元,用于建立与第一路径关联的第一曲率距离对应关系,以及与第二路径关联的第二曲率距离对应关系;其中,所述第一路径为以所述起始点为起点、以所述目标采样点为终点的初始路径,所述第二路径为以所述目标采样点为起点、以所述泊车点为终点的初始路径;
相应地,上述第一确定子模块,可具体用于:
在根据每一第一累计行驶距离与所述第一曲率距离对应关系得到的曲率,均小于或等于曲率阈值,且根据每一第二累计行驶距离与所述第二曲率距离对应关系得到的曲率,均小于或等于曲率阈值的情况下,根据所述第一曲率距离对应关系与所述第二曲率距离对应关系确定所述目标泊车路径;
其中,所述第一累计行驶距离为所述车辆行驶在第一路径时,相对所述起始点的行驶距离;所述第二累计行驶距离为所述车辆行驶在第二路径时,相对所述目标采样点的行驶距离。
可选地,上述第一确定子模块,包括:
第三确定单元,用于确定起始点、泊车点以及采样点集,所述采样点集包括第一采样点与第二采样点;
第四确定单元,用于将所述第一采样点确定为目标采样点;
相应地,确定模块1001还可以包括:
确定建立子模块,用于在根据任一第一累计行驶距离与所述第一曲率距离对应关系得到的曲率大于曲率阈值,和/或,根据任一第二累计行驶距离与所述第二曲率距离对应关系得到的曲率大于曲率阈值的情况下,将所述第二采样点确定为目标采样点,并返回运行上述建立子模块。
可选地,上述确定模块,包括:
获取子模块,用于获取起始点集与泊车点,所述起始点集中包括有至少一个候选起始点;
第二确定子模块,用于从所述至少一个候选起始点中确定出目标起始点,所述目标起始点为对应的代价值最小的候选起始点,所述代价值为根据所述候选起始点与所述泊车点的相对位置进行确定;
第一规划子模块,用于规划所示目标起始点与所述泊车点之间的候选泊车路径;
第三确定子模块,用于在所述候选泊车路径满足预设限制条件的情况下,将所述候选泊车路径确定为所述目标泊车路径;
更新确定子模块,用于在所述候选泊车路径不满足预设限制条件的情况下,更新所述起始点集,并返回运行第二确定子模块。
可选地,所述运动规划数据包括曲率规划数据与速度规划数据;
相应地,上述规划模块1003,可以包括:
第四确定子模块,根据所述目标泊车路径在所述当前投影点的曲率,确定所述曲率规划数据;
第二规划子模块,获取所述目标泊车路径与泊车时间的第一关联关系,根据所述第一关联关系与所述当前投影点,确定所述速度规划数据。
需要说明的是,该车辆泊车规划装置是与上述车辆泊车规划方法对应的装置,上述方法实施例中所有实现方式均适用于该装置的实施例中,也能达到相同的技术效果。
图11示出了本申请实施例提供的电子设备的硬件结构示意图。
在电子设备可以包括处理器1101以及存储有计算机程序指令的存储器1102。
具体地,上述处理器1101可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器1102可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器1102可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器1102可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器1102可在综合网关容灾设备的内部或外部。在特定实施例中,存储器1102是非易失性固态存储器。
存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的方法所描述的操作。
处理器1101通过读取并执行存储器1102中存储的计算机程序指令,以实现上述实施例中的任意一种车辆泊车规划方法。
在一个示例中,电子设备还可包括通信接口1103和总线1104。其中,如图11所示,处理器1101、存储器1102、通信接口1103通过总线1104连接并完成相互间的通信。
通信接口1103,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线1104包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线1104可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的车辆泊车规划方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种车辆泊车规划方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (12)
1.一种车辆泊车规划方法,其特征在于,包括:
确定起始点至泊车点的目标泊车路径;
获取车辆的当前位置点在所述目标泊车路径上的当前投影点;
根据所述当前投影点与所述目标泊车路径,确定所述车辆的运动规划数据。
2.根据权利要求1所述的方法,其特征在于,所述确定起始点至泊车点的目标泊车路径,包括:
建立曲率距离对应关系,其中,所述曲率距离对应关系用于指示曲率随所述车辆的累计行驶距离之间的对应关系,所述累计行驶距离为所述车辆行驶在初始路径时,相对所述初始路径的起点的行驶距离,所述初始路径为位于所述起始点与所述泊车点之间的任一段路径;
在根据每一所述累计行驶距离与所述曲率距离对应关系得到的曲率,均小于或等于曲率阈值的情况下,根据所述曲率距离对应关系确定所述目标泊车路径。
3.根据权利要求2所述的方法,其特征在于,所述建立曲率距离对应关系,包括:
建立三次螺旋曲线函数,所述三次螺旋曲线函数以所述累计行驶距离为自变量,以曲率为因变量;
确定所述初始路径的起点的边值条件与所述初始路径的终点的边值条件,所述边值条件包括在目标坐标系中的车辆朝向角条件、横坐标条件以及纵坐标条件;
依据所述三次螺旋曲线函数与所述初始路径的起点的边值条件,建立第一函数、第二函数以及第三函数,其中,所述第一函数以所述累计行驶距离为自变量,以在所述目标坐标系中的车辆朝向角为因变量;所述第二函数以所述累计行驶距离为自变量,以在所述目标坐标系中的横坐标为因变量;所述第二函数以所述累计行驶距离为自变量,以在所述目标坐标系中的纵坐标为因变量;
依据所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述三次螺旋曲线函数中的各个系数进行求解,得到所述曲率距离对应关系。
4.根据权利要求3所述的方法,其特征在于,所述依据所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述三次螺旋曲线函数中的各个系数进行求解,得到所述曲率距离对应关系,包括:
建立第一对应关系,所述第一对应关系用于指示所述三次螺旋曲线函数中的各个系数与第一待求解参数、第二待求解参数以及第三待求解参数之间的对应关系,所述第一待求解参数用于指示所述初始路径的总长度,所述第二待求解参数用于指示所述初始路径中第一预设位置点的曲率,所述第三待求解参数用于指示所述初始路径中第二预设位置点的曲率;
依据所述第一对应关系、所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述第一待求解参数、所述第二待求解参数以及所述第三待求解参数进行求解,得到第一求解结果;
依据所述第一求解结果与所述第一对应关系,确定所述三次螺旋曲线函数中的各个系数,得到所述曲率距离对应关系。
5.根据权利要求4所述的方法,其特征在于,所述依据所述第一对应关系、所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,对所述第一待求解参数、所述第二待求解参数以及所述第三待求解参数进行求解,得到第一求解结果,包括:
依据所述第一对应关系、所述第一函数、所述第二函数、所述第三函数以及所述初始路径的终点的边值条件,建立第一待求解函数;
确定所述第一待求解参数、所述第二待求解参数以及所述第三待求解参数的初始值,使用牛顿下山法对所述第一待求解函数进行求解,得到所述第一求解结果。
6.根据权利要求2所述的方法,其特征在于,所述建立曲率距离对应关系,包括:
确定所述车辆的起始点、泊车点以及目标采样点;
建立与第一路径关联的第一曲率距离对应关系,以及与第二路径关联的第二曲率距离对应关系;其中,所述第一路径为以所述起始点为起点、以所述目标采样点为终点的初始路径,所述第二路径为以所述目标采样点为起点、以所述泊车点为终点的初始路径;
所述在根据每一所述累计行驶距离与所述曲率距离对应关系得到的曲率,均小于或等于曲率阈值的情况下,根据所述曲率距离对应关系确定所述目标泊车路径,包括:
在根据每一第一累计行驶距离与所述第一曲率距离对应关系得到的曲率,均小于或等于曲率阈值,且根据每一第二累计行驶距离与所述第二曲率距离对应关系得到的曲率,均小于或等于曲率阈值的情况下,根据所述第一曲率距离对应关系与所述第二曲率距离对应关系确定所述目标泊车路径;
其中,所述第一累计行驶距离为所述车辆行驶在第一路径时,相对所述起始点的行驶距离;所述第二累计行驶距离为所述车辆行驶在第二路径时,相对所述目标采样点的行驶距离。
7.根据权利要求6所述的方法,其特征在于,所述确定所述车辆的起始点、泊车点以及目标采样点,包括:
确定起始点、泊车点以及采样点集,所述采样点集包括第一采样点与第二采样点;
将所述第一采样点确定为目标采样点;
所述建立与第一路径关联的第一曲率距离对应关系,以及与第二路径关联的第二曲率距离对应关系之后,所述方法还包括:
在根据任一第一累计行驶距离与所述第一曲率距离对应关系得到的曲率大于曲率阈值,和/或,根据任一第二累计行驶距离与所述第二曲率距离对应关系得到的曲率大于曲率阈值的情况下,将所述第二采样点确定为目标采样点,并返回执行所述建立与第一路径关联的第一曲率距离对应关系,以及与第二路径关联的第二曲率距离对应关系的步骤。
8.根据权利要求1所述的方法,其特征在于,所述确定起始点至泊车点的目标泊车路径,包括:
获取起始点集与泊车点,所述起始点集中包括有至少一个候选起始点;
从所述至少一个候选起始点中确定出目标起始点,所述目标起始点为对应的代价值最小的候选起始点,所述代价值为根据所述候选起始点与所述泊车点的相对位置进行确定;
规划所示目标起始点与所述泊车点之间的候选泊车路径;
在所述候选泊车路径满足预设限制条件的情况下,将所述候选泊车路径确定为所述目标泊车路径;
在所述候选泊车路径不满足预设限制条件的情况下,更新所述起始点集,并返回执行从所述至少一个候选起始点中确定出目标起始点的步骤。
9.根据权利要求1所述的方法,其特征在于,所述运动规划数据包括曲率规划数据与速度规划数据;
所述根据所述当前投影点与所述目标泊车路径,确定所述车辆的运动规划数据,包括:
根据所述目标泊车路径在所述当前投影点的曲率,确定所述曲率规划数据;
获取所述目标泊车路径与泊车时间的第一关联关系,根据所述第一关联关系与所述当前投影点,确定所述速度规划数据。
10.一种车辆泊车规划装置,其特征在于,包括:
确定模块,用于确定起始点至泊车点的目标泊车路径;
获取模块,用于获取车辆的当前位置点在所述目标泊车路径上的当前投影点;
规划模块,用于根据所述当前投影点与所述目标泊车路径,确定所述车辆的运动规划数据。
11.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-9任意一项所述的在车辆泊车规划方法。
12.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-9任意一项所述的车辆泊车规划方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110033297.1A CN114763133A (zh) | 2021-01-11 | 2021-01-11 | 车辆泊车规划方法、装置、设备及计算机存储介质 |
PCT/CN2022/070789 WO2022148441A1 (zh) | 2021-01-11 | 2022-01-07 | 车辆泊车规划方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110033297.1A CN114763133A (zh) | 2021-01-11 | 2021-01-11 | 车辆泊车规划方法、装置、设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114763133A true CN114763133A (zh) | 2022-07-19 |
Family
ID=82357858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110033297.1A Pending CN114763133A (zh) | 2021-01-11 | 2021-01-11 | 车辆泊车规划方法、装置、设备及计算机存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114763133A (zh) |
WO (1) | WO2022148441A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115123217B (zh) * | 2022-09-02 | 2022-11-25 | 青岛慧拓智能机器有限公司 | 矿区障碍车辆行使轨迹生成方法、装置及计算机设备 |
CN115127576B (zh) * | 2022-09-02 | 2022-12-13 | 青岛慧拓智能机器有限公司 | 路径规划方法、装置、芯片、终端、电子设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006062390A1 (de) * | 2006-12-19 | 2008-06-26 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum rückwärtigen Einparken eines Fahrzeugs und Einparkhilfesystem hierfür |
JP6000693B2 (ja) * | 2012-07-03 | 2016-10-05 | 日立オートモティブシステムズ株式会社 | 駐車支援装置 |
CN103158703B (zh) * | 2013-03-26 | 2016-04-06 | 北京经纬恒润科技有限公司 | 一种平行泊车的控制方法 |
CN105197010B (zh) * | 2014-06-04 | 2018-03-27 | 长春孔辉汽车科技股份有限公司 | 辅助泊车系统以及辅助泊车控制方法 |
CN111547049A (zh) * | 2020-05-22 | 2020-08-18 | 北京罗克维尔斯科技有限公司 | 车辆泊车入位的控制方法、装置及车辆 |
CN111746525B (zh) * | 2020-07-07 | 2022-06-21 | 东风柳州汽车有限公司 | 泊车路径规划方法、装置、设备及存储介质 |
-
2021
- 2021-01-11 CN CN202110033297.1A patent/CN114763133A/zh active Pending
-
2022
- 2022-01-07 WO PCT/CN2022/070789 patent/WO2022148441A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022148441A1 (zh) | 2022-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11460311B2 (en) | Path planning method, system and device for autonomous driving | |
US10823575B2 (en) | Reference line smoothing method using piecewise spiral curves with weighted geometry costs | |
Bouton et al. | Belief state planning for autonomously navigating urban intersections | |
US10429849B2 (en) | Non-linear reference line optimization method using piecewise quintic polynomial spiral paths for operating autonomous driving vehicles | |
Pérez et al. | Trajectory generator for autonomous vehicles in urban environments | |
CN110647151B (zh) | 坐标转换方法及装置、计算机可读存储介质、电子设备 | |
CN114763133A (zh) | 车辆泊车规划方法、装置、设备及计算机存储介质 | |
CN110836671A (zh) | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 | |
CN114281084B (zh) | 一种基于改进a*算法的智能车全局路径规划方法 | |
CN112783166A (zh) | 局部轨迹规划方法、装置、电子设备和存储介质 | |
CN113335270B (zh) | 一种泊车路径规划方法和装置 | |
Malayjerdi et al. | Practical path planning techniques in overtaking for autonomous shuttles | |
CN111857148A (zh) | 一种非结构化道路车辆路径规划方法 | |
CN109556623B (zh) | 融合触须算法与切线图法的迭代式路径规划算法 | |
CN116476840A (zh) | 变道行驶方法、装置、设备及存储介质 | |
WO2023137938A1 (zh) | 虚拟角色的路径规划方法及装置、电子设备、存储介质 | |
CN115871709A (zh) | 自动驾驶车辆进站轨迹规划方法、装置、设备、介质和车辆 | |
CN115752501A (zh) | 导航路径推荐方法、装置、设备及存储介质 | |
CN115097826A (zh) | 一种车辆掉头轨迹规划方法及装置 | |
CN115014380A (zh) | 泊车路径规划方法以及装置、电子设备、存储介质 | |
CN116358576A (zh) | 基于贝塞尔曲线的自动驾驶车辆掉头路径和轨迹规划方法 | |
CN111857112B (zh) | 一种汽车局部路径规划方法及电子设备 | |
CN111830979B (zh) | 一种轨迹优化方法和装置 | |
US20240059317A1 (en) | System and Method for Controlling Movement of a Vehicle | |
CN112747763B (zh) | 局部路径规划方法、装置、电子设备和存储介质 |
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 |