CN114771551A - 自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆 - Google Patents

自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆 Download PDF

Info

Publication number
CN114771551A
CN114771551A CN202210474127.1A CN202210474127A CN114771551A CN 114771551 A CN114771551 A CN 114771551A CN 202210474127 A CN202210474127 A CN 202210474127A CN 114771551 A CN114771551 A CN 114771551A
Authority
CN
China
Prior art keywords
coordinate information
piecewise
track
constraint
function
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210474127.1A
Other languages
English (en)
Other versions
CN114771551B (zh
Inventor
耿鹏
高飞
朱振广
潘屹峰
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Apollo Intelligent Technology Beijing 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 Apollo Intelligent Technology Beijing Co Ltd filed Critical Apollo Intelligent Technology Beijing Co Ltd
Priority to CN202210474127.1A priority Critical patent/CN114771551B/zh
Publication of CN114771551A publication Critical patent/CN114771551A/zh
Application granted granted Critical
Publication of CN114771551B publication Critical patent/CN114771551B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开提供了自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆，涉及人工智能领域，尤其涉及自动驾驶领域。具体实现方案为：获取预规划的轨迹点集合的坐标信息；根据坐标信息进行分段曲线拟合，得到分段轨迹函数，并对分段轨迹函数进行预定阶数求导得到目标函数；根据坐标信息设置约束条件；求解使得目标函数满足约束条件且绝对值最小的分段轨迹函数的多项式参数向量；根据多项式参数向量生成平滑后的轨迹；根据所述轨迹控制车辆自动驾驶。该实施方式实现了同时对横向轨迹规划和纵向速度规划进行光滑，能够兼顾横向和纵向体感。

Description

自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆
技术领域
本公开涉及人工智能领域，尤其涉及自动驾驶领域，具体为一种自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆。
背景技术
轨迹规划是机器人特别是无人车应用的关键技术，轨迹规划能力也成为机器人智能化程度的重要标志。
对于工业和园区物流等场景，无人车在执行运输作业的过程中经常会遇到站点停靠、自动充电、临时避让等需要改变自身位置或姿态的任务。这要求无人车具有灵活的位姿调节能力，能够根据具体的任务规划一条连接起始位姿和目标位姿的可行轨迹。
在无人车导航过程中分为两步：1、路径规划：在地图中搜索一条从A点到B点的路径，由一系列离散的路径点(waypoint)组成。2、轨迹规划：由于路径点可能比较稀疏、而且不平滑，为了能更好的控制无人车运动，需要将稀疏的路径点变成平滑的曲线或稠密的轨迹点，也就是轨迹。
发明内容
本公开提供了一种自动驾驶车辆轨迹规划方法、装置、设备、存储介质以及计算机程序产品和自动驾驶车辆。
根据本公开的第一方面，提供了一种自动驾驶车辆轨迹规划方法，包括：获取预规划的轨迹点集合的坐标信息；根据所述坐标信息进行分段曲线拟合，得到分段轨迹函数，并对所述分段轨迹函数进行预定阶数求导得到目标函数；根据所述坐标信息设置约束条件；求解使得所述目标函数满足所述约束条件且绝对值最小的分段轨迹函数的多项式参数向量；根据所述多项式参数向量生成平滑后的轨迹；根据所述轨迹控制车辆自动驾驶。
根据本公开的第二方面，提供了一种自动驾驶车辆轨迹规划装置，包括：获取单元，被配置成获取预规划的轨迹点集合的坐标信息；拟合单元，被配置成根据所述坐标信息进行分段曲线拟合，得到分段轨迹函数，并对所述分段轨迹函数进行预定阶数求导得到目标函数；约束单元，被配置成根据所述坐标信息设置约束条件；求解单元，被配置成求解使得所述目标函数满足所述约束条件且绝对值最小的分段轨迹函数的多项式参数向量；生成单元，被配置成根据所述多项式参数向量生成平滑后的轨迹；控制单元，被配置成根据所述轨迹控制车辆自动驾驶。
根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面所述的方法。
根据本公开的第六方面，提供了一种自动驾驶车辆，包括如第三方面所述的电子设备。
本公开的实施例提供的自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆，通过分段多项式对轨迹点进行拟合，生成目标函数。结合约束条件求解出目标函数最小时的分段多项式的参数向量，从而得到平滑的轨迹。解决无人车规划轨迹不平滑，加速度，加加速度波动大带来无人车体感差的问题，应用于无人车规划的轨迹光滑阶段。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的自动驾驶车辆轨迹规划方法的一个实施例的流程图；
图3是根据本公开的自动驾驶车辆轨迹规划方法的一个应用场景的示意图；
图4是根据本公开的自动驾驶车辆轨迹规划方法的又一个实施例的流程图；
图5是根据本公开的自动驾驶车辆轨迹规划装置的一个实施例的结构示意图；
图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本申请的自动驾驶车辆轨迹规划方法或自动驾驶车辆轨迹规划装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括自动驾驶车辆101(简称无人车)，服务器102。
自动驾驶车辆101中安装有驾驶控制设备1011、网络1012和传感器1013。网络1012用以在驾驶控制设备1011和传感器1013之间提供通信链路的介质。网络1012可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
驾驶控制设备(又称为车载大脑)1011负责自动驾驶车辆101的智能控制。驾驶控制设备1011可以是单独设置的控制器，例如可编程逻辑控制器(Programmable LogicController，PLC)、单片机、工业控制机等；也可以是由其他具有输入/输出端口，并具有运算控制功能的电子器件组成的设备；还可以是安装有车辆驾驶控制类应用的计算机设备。
需要说明的是，实践中自动驾驶车辆101中可以安装有至少一个传感器，例如，激光雷达、摄像头、重力传感器、轮速传感器等。某些情况下，自动驾驶车辆101中还可以安装有GNSS(Global Navigation Satellite S7stem，全球导航卫星系统)设备和SINS(Strap-down Inertial Navigation S7stem，捷联惯性导航系统)等等。
服务器102可用于提供电子地图、天气预报等辅助无人驾驶的信息。
无人车的摄像头采集道路图像、点云数据，然后发送给驾驶控制设备进行分析处理，确定出障碍物。驾驶控制设备根据起点位置、终点位置和路上的障碍物进行路径规划，得到一系列离散的路径点组成的路径。由于路径点可能比较稀疏、而且不平滑，为了能更好的控制无人车运动，需要将稀疏的路径点变成平滑的曲线或稠密的轨迹点，也就是轨迹。
需要说明的是，本申请实施例所提供的自动驾驶车辆轨迹规划方法一般由驾驶控制设备1011执行，相应地，自动驾驶车辆轨迹规划装置一般设置于驾驶控制设备1011中。
应该理解，图1中的驾驶控制设备、网络、传感器、服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的驾驶控制设备、网络、传感器、服务器。
继续参考图2，其示出了根据本申请的自动驾驶车辆轨迹规划方法的一个实施例的流程200。该自动驾驶车辆轨迹规划方法，包括以下步骤：
步骤201，获取预规划的轨迹点集合的坐标信息。
在本实施例中，自动驾驶车辆轨迹规划方法的执行主体(例如图1所示的驾驶控制设备)可以从无人车的传感器获取车的坐标信息以及采集到的图像或点云数据。驾驶控制设备可根据车的坐标信息、图像和/或点云数据预先规划出无人车行驶过程中需要经过的路径点，即轨迹点。行驶路径可以是直线也可以是曲线。轨迹点的坐标信息可以通过多种坐标系来表示，包括但不限于笛卡尔坐标系、极坐标系、Frenet坐标系等。如果采用笛卡尔坐标系，则坐标信息为横坐标和纵坐标。如果采用极坐标系，则坐标信息为沿速度方向的行驶距离和垂直速度方向的转角。如果采用Frenet，则坐标信息为道路参考线(center line)上的点与起点之间曲线的长度。
步骤202，根据坐标信息进行分段曲线拟合，得到分段轨迹函数，并对分段轨迹函数进行预定阶数求导得到目标函数。
在本实施例中，将轨迹按时间分成多段，每段各用一条多项式曲线表示，所采用的多项式的次数可以根据需求设置。例如，对于货运的无人车或工程机器人，不需要考虑人体舒适感，则可使用3次多项式，采用针对时间t的2阶导数求得目标函数(即加速度函数)，让加速度最小作为目标。对于有人乘坐的无人车，需要考虑人体舒适感，则需要加加速度(jerk)平滑，所以至少需要使用5次多项式，可进行3阶求导，求得目标函数为加加速度函数。还可针对更高层次的要求采用更高次数的多项式，例如7次多项式进行4阶求导。
单段轨迹函数可以表示为：
y(t)＝p0+p1t+p2t2+p3t3+p4t4+p5t5
其中，y(t)表示轨迹的坐标信息，可以是横坐标或纵坐标，也可以是沿速度方向的行驶距离r或垂直速度方向的转角phi，t代表时间，p为轨迹参数，取5次多项式，设参数向量为：
p＝[p0，p1，p2，p3，p4，p5]T
设变量及其各阶导数向量为：
x＝[1，t，t2，t3，t4，t5]
Figure BDA0003624513610000051
Figure BDA0003624513610000052
Figure BDA0003624513610000053
对于任意时刻t，可以根据参数计算出轨迹的位置P(position)，速度V(velocity)，加速度A(acceleration)，加加速度j(jerk)等。横坐标、纵坐标、沿速度方向的行驶距离或垂直速度方向的转角的一阶导、二阶导、三阶导分别用向量表示为：
y(t)＝x·p
Figure BDA0003624513610000061
Figure BDA0003624513610000062
Figure BDA0003624513610000063
根据路径点，将轨迹分为k段，计算每段的距离，按距离平分时间T(匀速时间分配)，得到时间序列t0,t1,...,tk。可根据轨迹点的数量选择分段数量，k+1个轨迹点则可分成k段。15段多项式对一条轨迹的拟合可以表示为：
Figure BDA0003624513610000064
其中，k为分段的数量，每个时间段可以是等长的，例如间隔0.5秒。
步骤203，根据坐标信息设置约束条件。
在本实施例中，轨迹规划的目的是求轨迹的多项式参数p1，...，pk。需要轨迹满足一系列的约束条件，比如：希望设定起点和终点的坐标信息、速度或加速度、行驶距离、转角等，希望相邻轨迹连接处平滑(位置连续、速度连续、行驶距离连续、转角连续等等)，希望轨迹经过某些路径点，设定最大速度、最大加速度、最大行驶距离、最大转角等，甚至是希望轨迹在规定空间内(Obstruction check)等等。通常满足约束条件的轨迹有无数条，而实际问题中，往往需要一条特定的轨迹，所以又需要构建一个最优的函数，在可行的轨迹中找出“最优”的那条特定的轨迹。所以，将轨迹规划问题建模(fomulate)成一个约束优化问题，形如：
min f(p)
s.t.Aeqp＝beq，
Aieqp≤bieq
其中，minf(p)是目标函数。约束条件可包括等式约束(Aeqp＝beq)和/或不等式约束(Aieqp≤bieq)。
这样，就可以通过最优化的方法求解出目标轨迹参数p。注意：这里的轨迹参数p是多段多项式组成的大参数向量。
P＝[p1 T，p2 T，…，p15 T]T
对于笛卡尔坐标系，等式约束可包括以下至少一项：起点的坐标信息、起点的速度、起点的加速度、中间点的坐标信息、中间点的速度、中间点的加速度、终点的坐标信息、终点的速度、终点的加速度、相邻段的点的坐标信息、速度、加速度之间的连续性约束。可针对不同的目标函数设置等式约束，例如如果目标函数为加速度函数，则等式约束可以不包括与加速度有关的约束。如果目标函数为加加速度函数，则等式约束需要包括与加速度有关的约束。
对于极坐标系，等式约束可包括以下至少一项：起点的沿速度方向的行驶距离、垂直速度方向的转角以及它们的一阶导数和二阶导数，终点的沿速度方向的行驶距离、垂直速度方向的转角、以及它们的一阶导数和二阶导数，相邻段的点的行驶距离、转角、以及它们的一阶导数、二阶导数之间相等，经过某些路径点。不等式约束可包括以下至少一项：轨迹在一定空间内行驶距离、转角、以及它们的一阶导数、二阶导数等有界。
下面以15段分段函数，共16个轨迹点为例进行说明：
给定了起点的位置y0、速度v0、加速度a0，约束如下所示：
Figure BDA0003624513610000071
Figure BDA0003624513610000072
Figure BDA0003624513610000073
对于极坐标系，起点的行驶距离及其一阶导数、二阶导数的约束对应于上式中的y0、v0、a0。同理，起点的转角及其一阶导数、二阶导数的约束对应于上式中的y0、v0、a0。
给定了中间点的坐标信息y1-y14和终点的坐标信息y15，约束如下所示：
Figure BDA0003624513610000081
Figure BDA0003624513610000082
Figure BDA0003624513610000083
Figure BDA0003624513610000084
对于极坐标系，中间点的行驶距离的约束对应于上式中的y1-y14和终点的坐标信息y15。同理，起点的转角的约束对应于上式中的y1-y14和终点的坐标信息y15。
相邻段的两个中间点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数之间的连续性约束，即相邻的两段轨迹之间，上一段的终点和下一段的起点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数分别相同：
Figure BDA0003624513610000085
Figure BDA0003624513610000086
Figure BDA0003624513610000091
对于极坐标系，相邻段的两个中间点的行驶距离及其一阶导数、二阶导数、转角及其一阶导数、二阶导数分别相等。
不等式约束条件：对于笛卡尔坐标系，可为每个轨迹点设置矩形通道corridor，设矩形corridor的边长为2r，增加两个位置不等式约束：
Figure BDA0003624513610000092
Figure BDA0003624513610000093
对于极坐标系，行驶距离和转角均要在一定范围，例如，行驶距离不大于预定第一距离阈值且小于预定第二距离阈值，转角小于预定第一角度阈值且不大于预定第二角度阈值。
步骤204，求解使得目标函数满足约束条件且绝对值最小的分段轨迹函数的多项式参数向量。
在本实施例中，构建二次规划问题，优化的目标为：
Figure BDA0003624513610000094
其中，以15段多项式为命名，Q部分：
Figure BDA0003624513610000101
对于15段多项式：
Figure BDA0003624513610000102
将优化问题中的f(p)函数和Aeq,beq,Aieq,bieq参数给列出来，然后丢到优化器中求解轨迹参数p。最小化目标函数是jerk(加速度的导数)，可选地，可以最小化Acceleration(加速度)或者snap(加速度的二阶导数)。利用QP求解器进行求解，在MATLAB中可以使用quadprog()函数，C++的QP求解器如OOQP。
步骤205，根据多项式参数向量生成平滑后的轨迹。
在本实施例中，多项式参数向量P求解出来后再分段代入下式，可得到平滑后的轨迹位置：
Figure BDA0003624513610000111
其中，每段时间为固定时长，例如0.5秒，即t1-t0＝0.5,…tk-tk-1＝0.5。
如果采用笛卡尔坐标系，可根据轨迹点的横坐标和纵坐标分别执行步骤201-205，分别得到平滑后的横坐标和纵坐标。
如果采用极坐标系，可根据轨迹点的沿速度方向的行驶距离和垂直速度方向的转角分别执行步骤201-205，分别得到平滑后的沿速度方向的行驶距离和垂直速度方向的转角。
步骤206，根据轨迹控制车辆自动驾驶。
在本实施例中，驾驶控制设备可根据步骤205规划出的轨迹控制无人车的方向盘和油门，进行自动驾驶。
本公开的上述实施例提供的方法，能够同时对速度轨迹和path轨迹两部分进行光滑。解决无人车规划轨迹不平滑，加速度，加加速度，沿速度方向的行驶距离和垂直速度方向的转角波动大带来无人车体感差的问题，应用于无人车规划的轨迹光滑阶段。
在本实施例的一些可选的实现方式中，根据所述坐标信息进行分段曲线拟合，得到分段轨迹函数，包括：若所述坐标信息属于笛卡尔坐标系，则通过分段多项式分别对横坐标和纵坐标进行分段曲线拟合，得到横坐标分段轨迹函数和纵坐标分段轨迹函数。
在本实施例的一些可选的实现方式中，根据所述坐标信息进行分段曲线拟合，得到分段轨迹函数，包括：若所述坐标信息属于极坐标系，则通过分段多项式分别对沿速度方向的行驶距离和垂直速度方向的转角进行分段曲线拟合，得到沿速度方向的行驶距离分段轨迹函数和垂直速度方向的转角分段轨迹函数。
极坐标系下的等式约束、不等式约束、优化目标与笛卡尔坐标下一致，只是代表的物理含义不同，极坐标系下y变量分别代表沿速度方向的行驶距离，对应人类驾驶时的油门，和垂直速度方向的转角，对应人类驾驶时的方向盘摆角。
相比业界常见的在笛卡尔坐标系下进行轨迹光滑的方式能够分别对角度(方向盘转角)和加速度(油门)直接进行优化，可以分别控制纵向和横向的体感，直观对应自动驾驶车的加油、刹车和打方向两方面体感。
在本实施例的一些可选的实现方式中，对所述分段轨迹函数进行预定阶数求导得到目标函数，包括：若所述分段轨迹函数为5次分段多项式，则对所述分段轨迹函数进行3阶求导得到目标函数。3阶求导可得到加加速度函数，从而可以最小化加加速度，使得无人车体感好。分段数量过多会导致计算时间过长，分段数量过少会导致曲线不光滑。可选择将轨迹点分成15段，构造出15个分段轨迹函数。从而既可以提高计算速度，又能够进一步平滑轨迹，实现了效率和效果的均衡。
在本实施例的一些可选的实现方式中，根据所述坐标信息设置约束条件，包括：根据所述轨迹点集合中的起点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数，所述轨迹点集合中的中间点的坐标信息和所述轨迹点集合中的终点的坐标信息生成多项式参数向量的第一等式约束；根据属于相邻分段的中间点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数之间的连续性，生成多项式参数向量的第二等式约束；合并第一等式约束和第二等式约束得到等式约束。该实现方式可以不指定中间点和终点的坐标信息的一阶导数、坐标信息的二阶导数，但要求相邻分段的中间点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数之间的连续性，从而既可以提高计算速度，又能够进行光滑，实现了效率和效果的均衡。
在本实施例的一些可选的实现方式中，获取预规划的轨迹点集合的坐标信息，包括：将预设的起点的坐标信息和预设的终点的坐标信息输入预先训练的轨迹规划模型，输出预规划的轨迹点集合的坐标信息。可将无人车的当前位置设置为起点，目的地设置为终点。轨迹点不仅可以通过规划方法获得，还能通过模型法获得。通过模型获得的轨迹点的速度比规划法快，即使后期再进行平滑处理，总用时也少于规划法。从而可以减少规划时间，提高无人车的反应速度，保障行车安全。
继续参见图3，图3是根据本实施例的自动驾驶车辆轨迹规划方法的应用场景的一个示意图。在图3的应用场景中，无人车在起点处通过激光雷达检测到障碍物，定位出当前坐标信息(起点坐标信息)，并计算出坐标信息的一阶导数、坐标信息的二阶导数，采集了点云数据和终点位置。无人车分析出障碍物的坐标信息，再将起点坐标信息、终点坐标信息、障碍物的坐标信息输入预测训练轨迹规划模型，输出8秒内14个中间点的坐标信息。这里以笛卡尔坐标系为例进行举例说明。将16个轨迹点(起点+终点+14个中间点)的横坐标用15段t为变量的5次多项式来表示，每段多项式代表0.5秒间隔。然后求每段5次多项式对时间的三阶层数，得到了横坐标的加加速度函数，作为目标函数。设置约束条件为：经过起点、设定起点的坐标信息的一阶导数(即速度)、坐标信息的二阶导数(即加速度)，相邻段的中间点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数之间连续。平滑后的中间点与原始中间点的横坐标的差距小于r。通过二次规划的方法求解满足使得加加速度函数满足所述约束条件且绝对值最小的横坐标的分段轨迹函数的多项式参数向量，可得到15组多项式参数向量。同理，使用纵坐标重复上述步骤，得到纵坐标的分段轨迹函数的多项式参数向量。再根据时间和每组多项式参数向量，得到每段轨迹平滑后的曲线。然后无人车就可按照平滑后的曲线行驶，可减少加加速度的波动，让乘客体感更好。
进一步参考图4，其示出了自动驾驶车辆轨迹规划方法的又一个实施例的流程400。该自动驾驶车辆轨迹规划方法的流程400，包括以下步骤：
步骤401，获取预规划的轨迹点集合的坐标信息。
步骤402，根据坐标信息进行分段曲线拟合，得到分段轨迹函数，并对分段轨迹函数进行预定阶数求导得到目标函数。
步骤401-402与步骤201-202基本相同，因此不再赘述。
步骤403，将轨迹点集合中的轨迹点设置为关键点，并在每对相邻关键点之间的路径上进行采样，得到非关键点。
在本实施例中，可在每对相邻关键点之间的路径上随机采样，也可等距离均匀采样，例如，在两个关键点之间再采样9个点作为非关键点。
步骤404，根据所有关键点的坐标信息和第一预定范围生成多项式参数向量的第一不等式约束，根据所有非关键点的坐标信息和第二预定范围生成多项式参数向量的第二不等式约束。
在本实施例中，corridor中间点函数表达形式为：
ys(t)＝b0+b1t
corridor分段函数参数向量：
b＝[b0，b1]T
corridor分段函数变量向量：
x＝[1，t]
corridor中间点分段函数表达形式：
Figure BDA0003624513610000141
第一不等式约束为关键点约束：
Figure BDA0003624513610000142
其中,关键点坐标信息为ys0,ys10,ys20,ys30…ys150。对于笛卡尔坐标系，第一预定范围为关键点平滑后的点与平滑前的点的距离小于第一预定边长，Rk表示第一预定边长。对于极坐标系，第一预定范围为关键点平滑后的行驶距离与平滑前的点的行驶距离的差距小于第一预定距离，或者第一预定范围为关键点平滑后的转角与平滑前的转角之间的差距小于第一预定角度，Rk表示第一预定距离或第一预定角度。
第二不等式约束为非关键点采样约束：
Figure BDA0003624513610000151
Figure BDA0003624513610000161
其中,非关键点坐标信息为ys1,ys2,…ys9,ys11…ys19,…ys149。对于笛卡尔坐标系，第二预定范围为关键点平滑后的点与平滑前的点的距离小于第二预定边长，Rs为第二预定范围。对于极坐标系，第二预定范围为关键点平滑后的行驶距离与平滑前的点的行驶距离之间的差距小于第二预定距离，或者第二预定范围为关键点平滑后的转角与平滑前的转角之间的差距小于第二预定角度，Rs表示第二预定距离或第二预定角度。Rs和Rk可以相等也可以不相等。可将Rk设置为小于Rs。从而加强对关键点的约束，但可以对非关键点放宽要求。
步骤405，将第一不等式约束和第二不等式约束合并成不等式约束。
在本实施例中，将两种约束合并成一个不等式：
Figure BDA0003624513610000171
Figure BDA0003624513610000181
步骤406，根据轨迹点集合中的起点的坐标信息的一阶导数、坐标信息的二阶导数生成多项式参数向量的等式约束，合并等式约束和不等式约束得到约束条件。
在本实施例中，由于不等式约束限定了关键点(包括起点、中间点和终点)的位置范围，因此等式约束不再需要指定起点、中间点和终点的位置。只需要起点的坐标信息的一阶导数、坐标信息的二阶导数生成多项式参数向量的等式约束。将它们合并能够构造出二次规划问题的约束条件。
步骤407，求解使得目标函数满足约束条件且绝对值最小的分段轨迹函数的多项式参数向量。
步骤408，根据多项式参数向量生成平滑后的轨迹。
步骤409，根据轨迹控制车辆自动驾驶。
步骤407-409与步骤204-206基本相同，因此不再赘述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的自动驾驶车辆轨迹规划方法的流程400体现了等式约束和不等式约束相结合的步骤。由此，本实施例描述的方案可以进一步提高轨迹规划速度，并且得到的轨迹更加平滑。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种自动驾驶车辆轨迹规划装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的自动驾驶车辆轨迹规划装置500包括：获取单元501、拟合单元502、约束单元503、求解单元504、生成单元505和控制单元506。其中，获取单元501，被配置成获取轨迹点集合的坐标信息；拟合单元502，被配置成根据所述坐标信息进行分段曲线拟合，得到分段轨迹函数，并对所述分段轨迹函数进行预定阶数求导得到目标函数；约束单元503，被配置成根据所述坐标信息设置约束条件；求解单元504，被配置成求解使得所述目标函数满足所述约束条件且绝对值最小的分段轨迹函数的多项式参数向量；生成单元505，被配置成根据所述多项式参数向量生成平滑后的轨迹。控制单元506，被配置成根据所述轨迹控制车辆自动驾驶。
在本实施例中，自动驾驶车辆轨迹规划装置500的获取单元501、拟合单元502、约束单元503、求解单元504、生成单元505和控制单元506的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204、步骤205和步骤206。
在本实施例的一些可选的实现方式中，拟合单元502进一步被配置成：若所述坐标信息属于笛卡尔坐标系，则通过分段多项式分别对横坐标和纵坐标进行分段曲线拟合，得到横坐标分段轨迹函数和纵坐标分段轨迹函数。
在本实施例的一些可选的实现方式中，拟合单元502进一步被配置成：若所述坐标信息属于极坐标系，则通过分段多项式分别对沿速度方向的行驶距离和垂直速度方向的转角进行分段曲线拟合，得到沿速度方向的行驶距离分段轨迹函数和垂直速度方向的转角分段轨迹函数。
在本实施例的一些可选的实现方式中，拟合单元502进一步被配置成：若所述分段轨迹函数为5次分段多项式，则对所述分段轨迹函数进行3阶求导得到目标函数。
在本实施例的一些可选的实现方式中，约束单元503进一步被配置成：根据所述轨迹点集合中的起点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数，所述轨迹点集合中的中间点的坐标信息和所述轨迹点集合中的终点的坐标信息生成多项式参数向量的第一等式约束；根据属于相邻分段的中间点之间的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数连续性，生成多项式参数向量的第二等式约束；合并第一等式约束和第二等式约束得到等式约束。
在本实施例的一些可选的实现方式中，约束单元503进一步被配置成：将所述轨迹点集合中的轨迹点设置为关键点，并在每对相邻关键点之间的路径上进行采样，得到非关键点；根据所有关键点的坐标信息和第一预定范围生成多项式参数向量的第一不等式约束；根据所有非关键点的坐标信息和第二预定范围生成多项式参数向量的第二不等式约束；将所述第一不等式约束和所述第二不等式约束合并成不等式约束。
在本实施例的一些可选的实现方式中，约束单元503进一步被配置成：根据所述轨迹点集合中的起点的坐标信息的一阶导数、坐标信息的二阶导数生成多项式参数向量的等式约束；合并所述等式约束和所述不等式约束得到约束条件。
在本实施例的一些可选的实现方式中，获取单元501进一步被配置成：将预设的起点的坐标信息和预设的终点的坐标信息输入预先训练的轨迹规划模型，输出预规划的轨迹点集合的坐标信息。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品和一种自动驾驶车辆。
一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行流程200或400所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行流程200或400所述的方法。
一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现流程200或400所述的方法。
一种自动驾驶车辆包括前文所述的电子设备。自动驾驶车辆安装有驾驶控制设备、网络和传感器。网络用以在驾驶控制设备和传感器之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。驾驶控制设备负责自动驾驶车辆的智能控制。驾驶控制设备可以是单独设置的控制器，例如可编程逻辑控制器(Programmable Logic Controller，PLC)、单片机、工业控制机等；也可以是由其他具有输入/输出端口，并具有运算控制功能的电子器件组成的设备；还可以是安装有车辆驾驶控制类应用的计算机设备。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如自动驾驶车辆轨迹规划方法。例如，在一些实施例中，自动驾驶车辆轨迹规划方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的自动驾驶车辆轨迹规划方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行自动驾驶车辆轨迹规划方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (20)

1.一种自动驾驶车辆轨迹规划方法，包括：
获取预规划的轨迹点集合的坐标信息；
根据所述坐标信息进行分段曲线拟合，得到分段轨迹函数，并对所述分段轨迹函数进行预定阶数求导得到目标函数；
根据所述坐标信息设置约束条件；
求解使得所述目标函数满足所述约束条件且绝对值最小的分段轨迹函数的多项式参数向量；
根据所述多项式参数向量生成平滑后的轨迹；
根据所述轨迹控制车辆自动驾驶。
2.根据权利要求1所述的方法，其中，所述根据所述坐标信息进行分段曲线拟合，得到分段轨迹函数，包括：
若所述坐标信息属于笛卡尔坐标系，则通过分段多项式分别对横坐标和纵坐标进行分段曲线拟合，得到横坐标分段轨迹函数和纵坐标分段轨迹函数。
3.根据权利要求1所述的方法，其中，所述根据所述坐标信息进行分段曲线拟合，得到分段轨迹函数，包括：
若所述坐标信息属于极坐标系，则通过分段多项式分别对沿速度方向的行驶距离和垂直速度方向的转角进行分段曲线拟合，得到沿速度方向的行驶距离分段轨迹函数和垂直速度方向的转角分段轨迹函数。
4.根据权利要求1所述的方法，其中，所述对所述分段轨迹函数进行预定阶数求导得到目标函数，包括：
若所述分段轨迹函数为5次分段多项式，则对所述分段轨迹函数进行3阶求导得到目标函数。
5.根据权利要求1所述的方法，其中，所述根据所述坐标信息设置约束条件，包括：
根据所述轨迹点集合中的起点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数，所述轨迹点集合中的中间点的坐标信息和所述轨迹点集合中的终点的坐标信息生成多项式参数向量的第一等式约束；
根据属于相邻分段的中间点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数之间的连续性，生成多项式参数向量的第二等式约束；
合并第一等式约束和第二等式约束得到等式约束。
6.根据权利要求1所述的方法，其中，所述根据所述坐标信息设置约束条件，包括：
将所述轨迹点集合中的轨迹点设置为关键点，并在每对相邻关键点之间的路径上进行采样，得到非关键点；
根据所有关键点的坐标信息和第一预定范围生成多项式参数向量的第一不等式约束；
根据所有非关键点的坐标信息和第二预定范围生成多项式参数向量的第二不等式约束；
将所述第一不等式约束和所述第二不等式约束合并成不等式约束。
7.根据权利要求6所述的方法，其中，所述根据所述坐标信息设置约束条件还包括：
根据所述轨迹点集合中的起点的坐标信息的一阶导数、坐标信息的二阶导数生成多项式参数向量的等式约束；
合并所述等式约束和所述不等式约束得到约束条件。
8.根据权利要求1-7中任一项所述的方法，所述获取预规划的轨迹点集合的坐标信息，包括：
将预设的起点的坐标信息和预设的终点的坐标信息输入预先训练的轨迹规划模型，输出预规划的轨迹点集合的坐标信息。
9.一种自动驾驶车辆轨迹规划装置，包括：
获取单元，被配置成获取预规划的轨迹点集合的坐标信息；
拟合单元，被配置成根据所述坐标信息进行分段曲线拟合，得到分段轨迹函数，并对所述分段轨迹函数进行预定阶数求导得到目标函数；
约束单元，被配置成根据所述坐标信息设置约束条件；
求解单元，被配置成求解使得所述目标函数满足所述约束条件且绝对值最小的分段轨迹函数的多项式参数向量；
生成单元，被配置成根据所述多项式参数向量生成平滑后的轨迹；
控制单元，被配置成根据所述轨迹控制车辆自动驾驶。
10.根据权利要求9所述的装置，其中，所述拟合单元进一步被配置成：
若所述坐标信息属于笛卡尔坐标系，则通过分段多项式分别对横坐标和纵坐标进行分段曲线拟合，得到横坐标分段轨迹函数和纵坐标分段轨迹函数。
11.根据权利要求9所述的装置，其中，所述拟合单元进一步被配置成：
若所述坐标信息属于极坐标系，则通过分段多项式分别对沿速度方向的行驶距离和垂直速度方向的转角进行分段曲线拟合，得到沿速度方向的行驶距离分段轨迹函数和垂直速度方向的转角分段轨迹函数。
12.根据权利要求9所述的装置，其中，所述拟合单元进一步被配置成：
若所述分段轨迹函数为5次分段多项式，则对所述分段轨迹函数进行3阶求导得到目标函数。
13.根据权利要求9所述的装置，其中，所述约束单元进一步被配置成：
根据所述轨迹点集合中的起点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数，所述轨迹点集合中的中间点的坐标信息和所述轨迹点集合中的终点的坐标信息生成多项式参数向量的第一等式约束；
根据属于相邻分段的中间点的坐标信息、坐标信息的一阶导数、坐标信息的二阶导数之间的连续性，生成多项式参数向量的第二等式约束；
合并第一等式约束和第二等式约束得到等式约束。
14.根据权利要求9所述的装置，其中，所述约束单元进一步被配置成：
将所述轨迹点集合中的轨迹点设置为关键点，并在每对相邻关键点之间的路径上进行采样，得到非关键点；
根据所有关键点的坐标信息和第一预定范围生成多项式参数向量的第一不等式约束；
根据所有非关键点的坐标信息和第二预定范围生成多项式参数向量的第二不等式约束；
将所述第一不等式约束和所述第二不等式约束合并成不等式约束。
15.根据权利要求14所述的装置，其中，所述约束单元进一步被配置成：
根据所述轨迹点集合中的起点的坐标信息的一阶导数、坐标信息的二阶导数生成多项式参数向量的等式约束；
合并所述等式约束和所述不等式约束得到约束条件。
16.根据权利要求9-15中任一项所述的装置，所述获取单元进一步被配置成：
将预设的起点的坐标信息和预设的终点的坐标信息输入预先训练的轨迹规划模型，输出预规划的轨迹点集合的坐标信息。
17.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
20.一种自动驾驶车辆，包括如权利要求17所述的电子设备。
CN202210474127.1A 2022-04-29 2022-04-29 自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆 Active CN114771551B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210474127.1A CN114771551B (zh) 2022-04-29 2022-04-29 自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210474127.1A CN114771551B (zh) 2022-04-29 2022-04-29 自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆

Publications (2)

Publication Number Publication Date
CN114771551A true CN114771551A (zh) 2022-07-22
CN114771551B CN114771551B (zh) 2023-08-11

Family

ID=82435532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210474127.1A Active CN114771551B (zh) 2022-04-29 2022-04-29 自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆

Country Status (1)

Country Link
CN (1) CN114771551B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114995465A (zh) * 2022-08-02 2022-09-02 北京理工大学 一种考虑车辆运动能力的多无人车运动规划方法和系统
CN115222897A (zh) * 2022-09-20 2022-10-21 中汽创智科技有限公司 一种点云数据的线性拟合方法和装置
CN115230741A (zh) * 2022-08-24 2022-10-25 北京领骏科技有限公司 一种自动驾驶轨迹控制方法及相关设备
CN115454140A (zh) * 2022-10-13 2022-12-09 广东汇天航空航天科技有限公司 飞行器行驶轨迹规划方法、装置、设备及存储介质
CN116578891A (zh) * 2023-07-14 2023-08-11 天津所托瑞安汽车科技有限公司 道路信息重构方法、终端及存储介质
CN118579058A (zh) * 2024-08-05 2024-09-03 深圳佑驾创新科技股份有限公司 速度规划方法及装置
CN118579058B (zh) * 2024-08-05 2024-10-22 深圳佑驾创新科技股份有限公司 速度规划方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180099667A1 (en) * 2016-10-12 2018-04-12 Honda Motor Co., Ltd Vehicle control device
US20190086930A1 (en) * 2017-09-18 2019-03-21 Baidu Usa Llc Speed optimization based on constrained smoothing spline for autonomous driving vehicles
US20190086925A1 (en) * 2017-09-18 2019-03-21 Baidu Usa Llc Path optimization based on constrained smoothing spline for autonomous driving vehicles
CN110749333A (zh) * 2019-11-07 2020-02-04 中南大学 基于多目标优化的无人驾驶车辆运动规划方法
CN113031592A (zh) * 2021-02-25 2021-06-25 杭州国辰机器人科技有限公司 一种基于五阶贝塞尔曲线的机器人路径平滑方法及系统
WO2021136130A1 (zh) * 2019-12-31 2021-07-08 华为技术有限公司 一种轨迹规划方法及装置
WO2021175313A1 (zh) * 2020-03-05 2021-09-10 中国第一汽车股份有限公司 自动驾驶控制方法、装置、车辆及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180099667A1 (en) * 2016-10-12 2018-04-12 Honda Motor Co., Ltd Vehicle control device
US20190086930A1 (en) * 2017-09-18 2019-03-21 Baidu Usa Llc Speed optimization based on constrained smoothing spline for autonomous driving vehicles
US20190086925A1 (en) * 2017-09-18 2019-03-21 Baidu Usa Llc Path optimization based on constrained smoothing spline for autonomous driving vehicles
CN110749333A (zh) * 2019-11-07 2020-02-04 中南大学 基于多目标优化的无人驾驶车辆运动规划方法
WO2021136130A1 (zh) * 2019-12-31 2021-07-08 华为技术有限公司 一种轨迹规划方法及装置
WO2021175313A1 (zh) * 2020-03-05 2021-09-10 中国第一汽车股份有限公司 自动驾驶控制方法、装置、车辆及存储介质
CN113031592A (zh) * 2021-02-25 2021-06-25 杭州国辰机器人科技有限公司 一种基于五阶贝塞尔曲线的机器人路径平滑方法及系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114995465A (zh) * 2022-08-02 2022-09-02 北京理工大学 一种考虑车辆运动能力的多无人车运动规划方法和系统
CN115230741A (zh) * 2022-08-24 2022-10-25 北京领骏科技有限公司 一种自动驾驶轨迹控制方法及相关设备
CN115222897A (zh) * 2022-09-20 2022-10-21 中汽创智科技有限公司 一种点云数据的线性拟合方法和装置
CN115454140A (zh) * 2022-10-13 2022-12-09 广东汇天航空航天科技有限公司 飞行器行驶轨迹规划方法、装置、设备及存储介质
CN116578891A (zh) * 2023-07-14 2023-08-11 天津所托瑞安汽车科技有限公司 道路信息重构方法、终端及存储介质
CN116578891B (zh) * 2023-07-14 2023-10-03 天津所托瑞安汽车科技有限公司 道路信息重构方法、终端及存储介质
CN118579058A (zh) * 2024-08-05 2024-09-03 深圳佑驾创新科技股份有限公司 速度规划方法及装置
CN118579058B (zh) * 2024-08-05 2024-10-22 深圳佑驾创新科技股份有限公司 速度规划方法及装置

Also Published As

Publication number Publication date
CN114771551B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
EP3805703B1 (en) Movement track reconstruction method and device, storage medium, and electronic device
CN112677995B (zh) 一种车辆轨迹规划方法、装置、存储介质及设备
CN114771551B (zh) 自动驾驶车辆轨迹规划方法、装置和自动驾驶车辆
Villagra et al. Smooth path and speed planning for an automated public transport vehicle
Maini et al. Path planning for a UAV with kinematic constraints in the presence of polygonal obstacles
CN113085850B (zh) 车辆避障方法、装置、电子设备及存储介质
CN109416539A (zh) 使用比例、积分与微分(pid)控制器的自主车辆的转向控制的方法和系统
CN105806360B (zh) 基于气象条件的导航辅助方法
CN113033925B (zh) 用于控制自动驾驶车辆行驶、装置、电子设备和介质
CN112051864B (zh) 用于移动目标轨迹跟踪的方法及装置、设备和可读介质
CN111552296B (zh) 一种基于弯曲柱坐标系的局部平滑轨迹规划方法
Singletary et al. Safety-critical rapid aerial exploration of unknown environments
CN114506343A (zh) 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆
Bos et al. Multi-stage optimal control problem formulation for drone racing through gates and tunnels
CN113119999A (zh) 自动驾驶特征的确定方法、装置、设备、介质及程序产品
CN116088538B (zh) 车辆轨迹信息生成方法、装置、设备和计算机可读介质
CN110083158B (zh) 一种确定局部规划路径的方法和设备
CN117950395A (zh) 轨迹规划方法及装置、移动工具、存储介质
CN115583254A (zh) 路径规划方法、装置、设备以及自动驾驶车辆
CN112639648A (zh) 多个车辆的移动控制方法、移动控制装置、移动控制系统、程序及记录介质
Boutalbi et al. A high-performance control algorithm based on a curvature-dependent decoupled planning approach and flatness concepts for non-holonomic mobile robots
CN115016546A (zh) 无人机三维路径规划方法、装置、电子设备和存储介质
Jafari et al. Reactive path planning for emergency steering maneuvers on highway roads
Pålsson et al. Nonlinear model predictive control for constant distance between autonomous transport robots
Sviatov et al. Approach of Trajectory Generation Based on Waypoint Information for a Highly Automated Vehicle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant