CN115123307A - 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 - Google Patents
基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 Download PDFInfo
- Publication number
- CN115123307A CN115123307A CN202210920074.1A CN202210920074A CN115123307A CN 115123307 A CN115123307 A CN 115123307A CN 202210920074 A CN202210920074 A CN 202210920074A CN 115123307 A CN115123307 A CN 115123307A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- target
- vehicle
- driving
- lane
- 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 55
- 238000004891 communication Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 description 10
- 230000003068 static effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008713 feedback mechanism Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012163 sequencing technique 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
-
- 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
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
-
- 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
- B60W2300/00—Indexing codes relating to the type of vehicle
- B60W2300/14—Tractor-trailers, i.e. combinations of a towing vehicle and one or more towed vehicles, e.g. caravans; Road trains
- B60W2300/145—Semi-trailers
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆,该方法包括:基于车辆的当前位置获取当前位置对应的局部地图数据;根据当前位置及车辆的目标行驶区域与各障碍物的位置关系,确定目标障碍物;基于当前位置及目标障碍物的位置在局部地图数据上进行车道筛选,确定障碍物的目标车道;基于目标车道与其他车道的连通关系,建立目标障碍物的车道行驶路径序列;基于车道行驶路径序列和采集到目标障碍物的特征数据,预测目标障碍物的意图轨迹;基于意图轨迹和目标行驶区域的关联关系,对车辆进行路径规划更新。通过该方法使得预测轨迹更加符合真实复杂场景,解决了自动驾驶在复杂场景中实际应用的问题,提高了自动驾驶对环境的适应性。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆。
背景技术
目前矿区、厂区或者园区等需要工程车辆(如自卸车、搅拌车、宽体车、半挂车等)运输作业时,往往需要在划定的区域中(如过磅区、装卸区、洗洒区、监测区等)完成相应的任务并通行,这些划定的区域在一定的时间内固定且具备相应的规则属性,比如位置固定,区域按块划分,双向通行,路口路线交汇,具有信号指示灯、警示牌等。
而随着自动驾驶技术的兴起发展,在上述封闭/半封闭场景下落地应用无人驾驶/无人作业的尝试越来越多,但目前的技术成熟度和场景复杂性又导致无法完全去除人工参与,往往会有人工驾驶车辆、行人或电单车等其他交通参与者活动在无人驾驶/无人作业区域。目前基于障碍物轨迹预测即障碍物意图的自动驾驶方法有很多,但是都是针对单一场景或复杂度较低场景如:城市机动车道自动驾驶等,现有的轨迹预测方式没有针对性的应对混合场景(自动驾驶车辆、人工车辆、行人、电单车等混合通行活动的无人驾驶/无人作业的复杂场景),其实现方式与场景高度耦合绑定存在不具备复制性的问题,因为混合场景和完全单一场景差异性很大,脱离了场景的此类自动驾驶方法往往难以适应,无法进行实际应用。
发明内容
有鉴于此,本发明实施例提供了基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆,以克服现有技术中基于轨迹预测的车辆自动驾驶方法难以在复杂混合场景中实际应用的问题。
本发明实施例提供了基于障碍物意图的自动驾驶方法,包括:
基于车辆的当前位置获取所述当前位置对应的局部地图数据;
根据所述当前位置及所述车辆的目标行驶区域与各障碍物的位置关系,确定目标障碍物;
基于所述当前位置及所述目标障碍物的位置在所述局部地图数据上进行车道筛选,确定所述障碍物的目标车道;
基于所述目标车道与其他车道的连通关系,建立所述目标障碍物的车道行驶路径序列;
基于所述车道行驶路径序列和采集到所述目标障碍物的特征数据,预测所述目标障碍物的意图轨迹;
基于所述意图轨迹和所述目标行驶区域的关联关系,对所述车辆进行路径规划更新。
可选地,所述基于所述当前位置及所述目标障碍物的位置在所述局部地图数据上进行车道筛选,确定所述障碍物的目标车道,包括:
基于所述当前位置及所述目标障碍物的位置在所述局部地图数据上筛选设定范围内所有的车道;
基于筛选出的车道与所述目标障碍物的距离和/或与所述目标障碍物朝向的角度,对各个车道进行排序;
将与所述目标障碍物的距离最小,和/或,与所述目标障碍物朝向的角度最小的车道确定为所述目标车道。
可选地,所述基于所述车道行驶路径序列和采集到所述目标障碍物的特征数据,预测所述目标障碍物的意图轨迹,包括:
将所述车道行驶路径序列和所述目标障碍物的特征数据输入意图轨迹预测模型,得到所述目标障碍物的预测轨迹点及运动方向;
基于所述目标障碍物的预测轨迹点及运动方向生成所述目标障碍物的意图轨迹。
可选地,所述方法还包括:
获取所述障碍物的真实轨迹;
利用所述真实轨迹、所述车道行驶路径序列和所述目标障碍物的特征数据对所述意图轨迹进行误差分析;
基于分析结果对所述意图轨迹预测模型进行优化。
可选地,基于所述意图轨迹和所述目标行驶区域的关联关系,对所述车辆进行路径规划更新,包括:
基于所述意图轨迹,判断在第一设定时间内所述目标障碍物是否会进入所述目标行驶区域内;
当在设定时间内所述目标障碍物会进入所述目标行驶区域内时,对所述意图轨迹进行采样;
基于各采样点与所述目标行驶区域的位置关系及所述车辆的当前行驶参数,规划所述车辆在所述目标行驶区域的行驶路线及行驶速度;
判断在同一时刻所述意图轨迹与所述行驶路线是否存在交叉点;
当在同一时刻所述意图轨迹与所述行驶路线存在交叉点时,基于所述交叉点对应的时刻对所述车辆的行驶速度进行调整,并返回所述在同一时刻所述意图轨迹与所述行驶路线是否存在交叉点的步骤,直至在任意时刻所述意图轨迹与所述行驶路线均不存在交叉点。
可选地,当所述目标障碍物的意图轨迹在第二设定时间内一直处于所述行驶路线上时,向远程控制端发送预警信息;
接收所述远程控制端基于所述预警信息规划出新的行驶路线;
控制所述车辆按照所述新的行驶路线行驶,以避开所述目标障碍物。
可选地,所述车辆的当前行驶参数包括:所述车辆的姿态、速度、加速度以及所述目标行驶区域的信号灯检测结果。
本发明实施例还提供了一种基于障碍物意图的自动驾驶装置,包括:
获取模块,用于基于车辆的当前位置获取所述当前位置对应的局部地图数据;
第一处理模块,用于根据所述当前位置及所述车辆的目标行驶区域与各障碍物的位置关系,确定目标障碍物;
第二处理模块,用于基于所述当前位置及所述目标障碍物的位置在所述局部地图数据上进行车道筛选,确定所述障碍物的目标车道;
第三处理模块,用于基于所述目标车道与其他车道的连通关系,建立所述目标障碍物的车道行驶路径序列;
第四处理模块,用于基于所述车道行驶路径序列和采集到所述目标障碍物的特征数据,预测所述目标障碍物的意图轨迹;
第五处理模块,用于基于所述意图轨迹和所述目标行驶区域的关联关系,对所述车辆进行路径规划更新。
本发明实施例还提供了一种自动驾驶车辆,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行本发明实施例提供的方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行本发明实施例提供的方法。
本发明技术方案,具有如下优点:
本发明实施例提供了一种基于障碍物意图的自动驾驶方法,通过基于车辆的当前位置获取当前位置对应的局部地图数据;根据当前位置及车辆的目标行驶区域与各障碍物的位置关系,确定目标障碍物;基于当前位置及目标障碍物的位置在局部地图数据上进行车道筛选,确定障碍物的目标车道;基于目标车道与其他车道的连通关系,建立目标障碍物的车道行驶路径序列;基于车道行驶路径序列和采集到目标障碍物的特征数据,预测目标障碍物的意图轨迹;基于意图轨迹和目标行驶区域的关联关系,对车辆进行路径规划更新。从而通过利用车辆所在位置的局部地图数据,得到可能对车辆行驶产生影响的目标障碍物,然后通过结合混合场景中实际的车辆位置和障碍物位置关系确定障碍物的目标车道,并基于车道间实际的连通关系建立目标障碍物所有可能的车道行驶路径,结合目标障碍物的特征进行意图轨迹的预测,再结合预测轨迹实时调整行驶路线和自适应速度从而避开碰撞风险,使得车辆在安全的前提下提高运输效率,解决了自动驾驶在复杂场景中实际应用的问题,提高了自动驾驶对环境的适应性。
附图说明
为了更清楚地说明本发明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发明的一些实施方式,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为本发明实施例中的基于障碍物意图的自动驾驶方法的流程图;
图2为本发明实施例中基于障碍物意图的自动驾驶系统的架构图;
图3为本发明实施例中的车道行驶路径序列的示意图;
图4为本发明实施例中的基于障碍物意图的自动驾驶装置的结构示意图;
图5为本发明实施例中的自动驾驶车辆的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,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发明和简化描述,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发明的限制。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。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
基于上述问题,本发明实施例提供了一种基于障碍物意图的自动驾驶方法,应用于混合场景下特定区域的基于障碍物意图的工程车辆的自动驾驶系统,首先对本发明实施例中所使用到的名词进行解释:混合场景:自动驾驶车辆、人工车辆、行人、电单车等混合通行活动的无人驾驶/无人作业的复杂场景。特定区域:无人驾驶车辆完成相应的任务并通行的划定的区域(如过磅区、装卸区、洗洒区、监测区等),在一定的时间内固定且具备相应的规则属性,比如位置固定,区域按块划分,双向通行,路口路线交汇,且属性至少包含信号指示灯、警示牌等一种。障碍物意图:障碍物的未来几秒的轨迹。
如图1所示,该基于障碍物意图的自动驾驶方法具体包括如下步骤:
步骤S101:基于车辆的当前位置获取当前位置对应的局部地图数据。
具体地,如图2所示,上述混合场景下特定区域的基于障碍物意图的工程车辆的自动驾驶系统中的感知传感器及数据获取单元用于获取传感器的数据,包括雷达数据或和图像数据,对应的传感器包括雷达模组(激光雷达、毫米波雷达、超声波雷达等)和摄像头模组(普通摄像头、红外摄像头、深度摄像头等);数据预处理单元将感知传感器数据进行统一格式存储及校正(比如将图像数据统一转换成CV::Mat格式或者Image格式,以及宽和高的对齐操作,以及对图像数据进行校正),并记录数据帧号和对应的数据状态信息;车辆及环境信息是所述车辆的定位信息、车辆自身信息(速度、加速度、姿态等信息)和由高精地图组成的路线车道等环境信息,为整个自动驾驶系统提供决策依据。
首先上述系统通过系统参数初始化设置及完整性检查,包括但不局限于,高精地图数据是否完善(包含道路信息、场景信息、固定交通标识信息);车辆自身状态参数是否正常;感知传感器是否有数据及数据状态;特定区域预定点是否设置及障碍物意图参数的设置等。根据前后继承和连接关系对道路按照分段的方式进行划分并基于全局高精地图建立道路数据仓库,如已建立且全局地图或运行线路及设施未改变则不需更新,跳过此步。判断本车是否在预设路线上,若否,则上传至远程调度单元的调度平台进行矫正,若是,则下一步。获取局部高精地图实时发布的信息,这里的信息是基于自车位置的局部段的地图数据,基于此信息将道路数据仓库的数据转换成车身坐标下的数据并存储和标记,如:通过将道路数据仓库中的世界坐标系下的局部段的地图数据转换至车辆坐标系下,具体坐标转换方式为现有技术,在此不再进行赘述,通过对局部地图数据进行坐标转换即可得到上述局部地图数据。
步骤S102:根据当前位置及车辆的目标行驶区域与各障碍物的位置关系,确定目标障碍物。
具体地,获取地图数据中的场景信息(含预定点、弯道、直道、交叉口等)及对应的障碍物意图参数,并判断是否进入设定场景中及更新场景中的对应参数;障碍物意图参数包括:车道和障碍物的搜索范围、角度差和距离差阈值、动静状态判断阈值等参数,这些参数是事先设置的。然后判断障碍物的状态,分为动态障碍物、静态障碍物,并根据条件设置障碍物的优先级级别,分为可关注障碍物、忽略障碍物和一般障碍物,设置条件可以是,根据障碍物的位置是否在车道上,是否在特定区域预定点附近,是否在本车前方100m内。比如在特定区域(车辆目标行驶区域)预定点附近且障碍物距离自车比较近(比如50m内),或距离自车目标车道前后比较近,此时将障碍物设置为需要关注的障碍物(这里的阈值根据实际场景和运行路线更为细化设置)即上述目标障碍物。
步骤S103:基于当前位置及目标障碍物的位置在局部地图数据上进行车道筛选,确定障碍物的目标车道。
步骤S104:基于目标车道与其他车道的连通关系,建立目标障碍物的车道行驶路径序列。
具体地,利用筛选出的目标车道与其他车道的连通情况建立可能的路径序列并进行存储,比如lane1,lane2,lane3等,其中,道路序列中所有道路的长度和的最大值是提前设置的,比如100m等,本发明并不以此为限。
示例性地,车道行驶路径序列是指障碍物所在位置的所有可能的车道序列组成,比如,如图3所示,障碍物位置所在车道在lane0,其可能的通行道路为:lane0->lane4->lane5,lane0->lane2->lane6,lane1->lane3->lane7,然后根据障碍物待预测时间内的最大预测距离和搜索到的障碍物的所有车道做递归比较,就是说比如这个障碍物最大的预测距离只有一小段(比如到不了车道7),那最后可能的道路序列是lane0->lane4->lane5,lane0->lane2,lane1->lane3,这样就建立了车道行驶路径序列。
步骤S105:基于车道行驶路径序列和采集到目标障碍物的特征数据,预测目标障碍物的意图轨迹。
其中,障碍物的特征数据包括但不限于对障碍物的感知数据,比如长宽高、速度、朝向以及障碍物类型等。目标障碍物的意图轨迹为预测障碍物的运动轨迹,示例性地,该意图轨迹为上述道路序列lane0->lane2,即预测目标障碍物即将沿道路lane0运动至lane1.
步骤S106:基于意图轨迹和目标行驶区域的关联关系,对车辆进行路径规划更新。
具体地,基于障碍物意图轨迹,判断特定区域周围的障碍物的当前及未来几秒内(比如3s、5s)是否会在目标行驶区域内,并以此对车辆进行路径规划更新,以避免与障碍物发生碰撞风险。
通过执行上述步骤,本发明实施例提供的基于障碍物意图的自动驾驶方法,通过利用车辆所在特点位置的局部地图数据,得到可能对车辆行驶产生影响的目标障碍物,然后通过结合混合场景中实际的车辆位置和障碍物位置确定障碍物的目标车道,并基于车道间实际的连通关系建立目标障碍物所有可能的车道行驶路径,结合目标障碍物的特征进行意图轨迹的预测,再结合预测轨迹实时调整行驶路线和自适应速度从而避开碰撞风险,使得车辆在安全的前提下提高运输效率,解决了自动驾驶在复杂场景中实际应用的问题,提高了自动驾驶对环境的适应性。
具体地,在一实施例中,上述步骤S103具体包括如下步骤:
步骤S201:基于当前位置及目标障碍物的位置在局部地图数据上筛选设定范围内所有的车道。
其中,通过将基于自车位置的局部地图数据转换成车身坐标下的道路信息数据,并进行存储,按照队列方式和关联容器进行存储,其中,比如队列大小设置为5,表示大于5时会更新掉最旧的那条数据。
步骤S202:基于筛选出的车道与目标障碍物的距离和/或与目标障碍物朝向的角度,对各个车道进行排序。
步骤S203:将与目标障碍物的距离最小,和/或,与目标障碍物朝向的角度最小的车道确定为目标车道。
具体地,通过分别找到目标障碍物和自车的位置点的最近的道路数据位置点,具体为:根据障碍物(含自车)位置点和搜索范围(比如10m内)找到所有的车道,然后对障碍物位置最近的车道道路数据位置点所在车道的方向与障碍物朝向求取角度差,对障碍物位置点映射到车道坐标中并求取与所有找到的车道的边界的距离以此找到最近的车道,结合最小角度差和最近的距离获取车道,并记录车道方向与障碍物朝向。
其中,最小角度差是障碍物位置最近的车道道路数据位置点所在车道的方向(这是一个角度)与障碍物朝向(这是另外一个角度)求取两者的角度差,通过循环得到与障碍物朝向最小角度差的车道,最近距离是障碍物位置点映射到车道坐标中并求取与所有找到的车道的边界的距离以此得到车道,把这两者按照不同情况(比如情况1:角度差小于阈值1或距离小于阈值2;情况2:角度差小于阈值3且距离小于阈值4,阈值根据场景情况定)输出最后的车道。针对不同场景,如果车辆在直道场景下采用情况1就可以,而在交叉路或多条不同方向交汇场景就选择情况2,以避免选择出错误的车道。
具体地,在一实施例中,上述步骤S105具体包括如下步骤:
步骤S301:将车道行驶路径序列和目标障碍物的特征数据输入意图轨迹预测模型,得到目标障碍物的预测轨迹点及运动方向。
示例性地,意图轨迹预测模型可以采用现有技术,比如LSTM等。利用该模型对障碍物的置信度(概率)和轨迹点进行输出,运动方向可通过预测的轨迹点的判断。
步骤S302:基于目标障碍物的预测轨迹点及运动方向生成目标障碍物的意图轨迹。
具体地,通过将上述障碍物的特征数据和障碍物的车道行驶路径序列输入意图轨迹预测模型进行意图轨迹的预测,输出概率值和最大概率的轨迹点及方向(用于处理障碍物逆行的时输出逆行的轨迹的情况),得到障碍物的意图轨迹。
具体地,在实际应用中,在得到目标障碍物的意图轨迹之后,上述方法还通过获取障碍物的真实轨迹;利用真实轨迹、车道行驶路径序列和目标障碍物的特征数据对意图轨迹进行误差分析;基于分析结果对意图轨迹预测模型进行优化。示例性地,通过将测出来的几秒内的轨迹和真实轨迹及障碍物和路径的特征都记录并送入系统的误差分析模块,利用回馈机制调整模型参数及优化模型。从而得到的障碍物意图轨迹是与混合场景中特定区域关联的,不对交通道路及其规则限制,可修改性比较大,也就增加了适应性;通过增加了误差分析模块,回馈机制调整模型参数,具体是首先通过分析模型预测出来的轨迹与真实轨迹的误差情况(比如,是障碍物的朝向相反,轨迹偏差过大,速度大小和方向问题)根据情况调整参数,这里出现偏差不一定是模型问题,有可能是高精地图数据问题,有可能是感知模块对障碍物的朝向转换问题等,所以这个误差分析模块对偏差进行归类修正,其次对于模型来讲,相当于送入训练的真实数据,便于调整参数,优化模型。对于道路信息采集的是基于自车局部段的数据,采用更新的方式处理旧的数据。且车辆逆行时也会得到正常轨迹方向。
具体地,在一实施例中,上述步骤S106具体包括如下步骤:
步骤S401:基于意图轨迹,判断在第一设定时间内目标障碍物是否会进入目标行驶区域内。
具体地,通过对特定区域即目标行驶区域进行三维网格化并建立数据库,如果已经建立且特定区域没有改变时,则不用重新建立更新数据库,其中,根据特定区域通行车辆的最大高度为基线设置三维网格的高度或者一个范围,建立数据库可以是,将三维网格以等分方式划分为更小的网格,对其中每个网格的3d中心坐标用KD树方式存储起来;获取障碍物的融合检测结果并判断是否正常,再对检测结果中的障碍物的高度做一个限制或者取模板值,防止检测结果中跳变或异常的高度出现;对障碍物检测结果正常的与特定区域的三维网格做匹配判断,即通过障碍物位置中心点和长宽高及顶点对三维网格点进行KD树搜索出最近的点来匹配,具体为:按照距离搜索障碍物位置中心点最近的网格位置点作为障碍物中心点的匹配点,根据障碍物朝向和网格的法向量的角度差最小的四个顶点,找到与三维网格中搜索出来的障碍物位置中心点最近的网格位置点相邻的同高度的点作为障碍物顶点的匹配点;根据匹配点做距离损失函数求值,可以为欧氏距离,曼哈顿距离或余弦距离等;判断是否在特定区域内,通过求得的距离损失与正常临近阈值范围(根据实际场景及车辆临近时进行标定事先获的)做比较,在范围内则认为在界内,否则在界外,并对此时的障碍物和界内外的状态依次存储起来。对障碍物意图轨迹的采样点和位姿重复上述过程。
步骤S402:当在设定时间内目标障碍物会进入目标行驶区域内时,对意图轨迹进行采样。
具体地,针对障碍物意图轨迹,首先判断其是否存在,若不存在则表明大概率是静态障碍物或者未知障碍物则只对该障碍物当前位姿判断是否在区域内,和在区域内的位置距离本车预先的路线是否有安全问题;若障碍物意图轨迹存在则对轨迹点进行采样,将结果送入运行逻辑判断处理子模块。
步骤S403:基于各采样点与目标行驶区域的位置关系及车辆的当前行驶参数,规划车辆在目标行驶区域的行驶路线及行驶速度。
其中,车辆的当前行驶参数包括:车辆的姿态、速度、加速度以及目标行驶区域的信号灯检测结果。示例性地,通过获取特定区域的信号灯检测结果,比如无作业为绿色,正在作业为红色,不正常为白色等。示例性地,如果为红色则到预定位置点等待;待变化为绿色后再根据上述障碍物采样点与特定区域关系和自车姿态和速度加速度信息,规划出自车行驶路线进行行驶,具体关于车辆行驶路线的规划及行驶速度的规划可参照现有技术中车辆自动驾驶的路径和车速规划方法加以实现,本发明并不以此为限。
步骤S404:判断在同一时刻意图轨迹与行驶路线是否存在交叉点。
步骤S405:当在同一时刻意图轨迹与行驶路线存在交叉点时,基于交叉点对应的时刻对车辆的行驶速度进行调整,并返回在同一时刻意图轨迹与行驶路线是否存在交叉点的步骤,直至在任意时刻意图轨迹与行驶路线均不存在交叉点。
具体地,通过判断规划的行驶路线旁相关的障碍物意图轨迹与自车行驶路线在设置速度下是否形成交叉点,基于此交叉点对速度和加速度在安全范围内进行调整(比如提速或降速再提速),避开一定时间内的交叉情况,以便提升效率通行,即若按照轨迹自适应速度可以避开交叉则按照行驶路线通行,否则进入总控调度发布模块。
步骤S406:当目标障碍物的意图轨迹在第二设定时间内一直处于行驶路线上时,向远程控制端发送预警信息。
步骤S407:接收远程控制端基于预警信息规划出新的行驶路线。
步骤S408:控制车辆按照新的行驶路线行驶,以避开目标障碍物。
具体地,总控调度发布模块即远程控制端,对于一定时间(比如5分钟以上)一直挡在规划行驶路线上的障碍物按照静态和动态情况发布预警信息到总控模块,远程控制车辆警示操作和调度自动驾驶车辆新路线。如果多次无法行驶则再次形成调度直至可以在预设多条线路的一条路线上通行或暂定行驶直至介入解决。
下面将结合如图2所示的系统,对本发明实施例提供的基于障碍物意图的自动驾驶方法进行详细的说明。
如图2所示,该系统除了包括上述感知传感器及数据获取单元之外,还包括:中心处理计算单元包括感知模块、规划模块、控制模块、障碍物意图逻辑处理单元和计算平台或中心控制器,感知模块将对获取的经过预处理后的图像和雷达数据进行算法处理得到融合后的目标信息,包括目标类别、id、目标的位置和速度信息、目标的长宽高及时间戳等信息。障碍物意图及逻辑处理单元将结合感知融合信息、规划提供的上一帧的自车规划路径信息、控制信息和车辆及环境信息单元的统一格式存储的信息预测出感知障碍物的轨迹并将预测轨迹和实际轨迹送入误差分析模块中,同时逻辑处理单元中进行实时的逻辑运算处理以提供高效的自动驾驶运行;远程调度单元用于调度和远程控制车辆。
其中,感知传感器模块:主要获取感知传感器数据(图像数据和或雷达数据),传感器包括但不局限雷达模组(激光雷达、毫米波雷达、超声波雷达等)和摄像头模组(普通摄像头、红外摄像头、深度摄像头等)。
中心处理计算单元模块:本系统的核心,也是实现混合场景下自动驾驶车辆安全高效运行的主控核心模块,通过对感知障碍物基于环境和本车信息生成的轨迹与本车的待行驶轨迹的关系作出逻辑计算处理,形成高效机制。
远程调度单元:对车辆及作业进行远程控制和调度,为自动驾驶车辆高效运行提供介入保障。
示例性地,上述系统的具体工作过程如下:
S1、系统参数初始化设置及完整性检查,包括但不局限于,高精地图数据是否完善(包含道路信息、场景信息、固定交通标识信息);车辆参数是否正常;感知传感器是否有数据及数据状态;特定区域预定点的是否设置及障碍物意图参数的设置等。
S2、根据前后继承和连接关系对道路按照分段的方式进行划分并基于全局高精地图建立道路数据仓库,如已建立且全局地图或运行线路及设施未改变则不需更新,跳过此步。
S3、判断本车是否在预设路线上,若否则上传至调度平台进行矫正,若是则下一步。
S4、获取局部高精地图实时发布信息,这里的信息是基于自车位置的局部段的地图数据,基于此信息将道路数据仓库的数据转换成车身坐标下的数据并存储和标记。
S5、障碍物意图轨迹的获取,将意图轨迹和实际轨迹存储。
S6、判断是否达到特定区域预定位置,若达到则更新场景信息和障碍物意图参数,包括车道和障碍物的搜索范围、自车速度、动静态判断阈值等参数信息。
S7、基于障碍物意图轨迹,判断特定区域周围的障碍物的当前及未来几秒内(比如3s、5s)是否会在区域内,其中,针对障碍物意图轨迹,首先判断是否存在,若不存在则表明大概率是静态障碍物或者未知障碍物则只对该障碍物当前位姿判断是否在区域内,和在区域内的位置距离本车预先的路线是否有安全问题;若障碍物意图轨迹存在则对轨迹点进行采样,分别对当前位置点和采样点进行判断是否在区域内,然后送入计算平台。
S8、获取特定区域的信号灯检测结果,比如无作业为绿色,正在作业为红色,不正常为白色等,并将结果送入计算平台。
S9、计算平台,接收S7和S8的结果并处理,即,如果S8结果为红色,则到预定位置点2等待;待S8结果为绿色,根据S7的障碍物采样点与特定区域关系和自车姿态和速度加速度信息,规划出自车行驶路线进行行驶,然后综合判断能否到达目的位置,具体是先判断规划的行驶路线旁相关的障碍物意图轨迹与自车行驶路线在设置速度下是否形成交叉点,基于此交叉点对速度和加速度在安全范围内进行调整(比如提速或降速再提速),避开一定时间内的交叉情况,以便提升效率通行,即若按照轨迹自适应速度可以避开交叉则按照行驶路线通行,否则进入远程调度单元。
S10、远程调度单元,对于一定时间(比如5分钟以上)一直挡在规划行驶路线上的障碍物按照静态和动态情况发布预警信息到调度平台,远程控制车辆警示操作和调度自动驾驶车辆新路线并重新进入S4~S9。如果多次无法行驶则再次形成调度直至可以在预设多条线路的一条路线上通行或暂定行驶直至介入解决。
从而通过利用对障碍物进行意图预测获取其后续几秒的轨迹,提前判断其与自动驾驶车辆待行驶轨迹的关系,在基于安全机制下增加高效的运行逻辑方案,形成安全高效机制并提升无人驾驶运输效率,真正解决无人驾驶车辆实际应用落地需求中的自动驾驶与人工驾驶共存时的问题。
通过执行上述步骤,本发明实施例提供的基于障碍物意图的自动驾驶方法,通过利用车辆所在特点位置的局部地图数据,得到可能对车辆行驶产生影响的目标障碍物,然后通过结合混合场景中实际的车辆位置和障碍物位置确定障碍物的目标车道,并基于车道间实际的连通关系建立目标障碍物所有可能的车道行驶路径,结合目标障碍物的特征进行意图轨迹的预测,再结合预测轨迹实时调整行驶路线和自适应速度从而避开碰撞风险,使得车辆在安全的前提下提高运输效率,解决了自动驾驶在复杂场景中实际应用的问题,提高了自动驾驶对环境的适应性。
本发明实施例还提供了一种基于障碍物意图的自动驾驶装置,如图4所示,该基于障碍物意图的自动驾驶装置具体包括:
获取模块101,用于基于车辆的当前位置获取当前位置对应的局部地图数据。详细内容参见上述方法实施例中步骤S101的相关描述,在此不再进行赘述。
第一处理模块102,用于根据当前位置及车辆的目标行驶区域与各障碍物的位置关系,确定目标障碍物。详细内容参见上述方法实施例中步骤S102的相关描述,在此不再进行赘述。
第二处理模块103,用于基于当前位置及目标障碍物的位置在局部地图数据上进行车道筛选,确定障碍物的目标车道。详细内容参见上述方法实施例中步骤S103的相关描述,在此不再进行赘述。
第三处理模块104,用于基于目标车道与其他车道的连通关系,建立目标障碍物的车道行驶路径序列。详细内容参见上述方法实施例中步骤S104的相关描述,在此不再进行赘述。
第四处理模块105,用于基于车道行驶路径序列和采集到目标障碍物的特征数据,预测目标障碍物的意图轨迹。详细内容参见上述方法实施例中步骤S105的相关描述,在此不再进行赘述。
第五处理模块106,用于基于意图轨迹和目标行驶区域的关联关系,对车辆进行路径规划更新。详细内容参见上述方法实施例中步骤S106的相关描述,在此不再进行赘述。
上述各个功能模块更进一步的详细描述,具体可参见上述方法实施例的相关描述,在此不再进行赘述。
通过上述各个组成部分的协同合作,本发明实施例提供的基于障碍物意图的自动驾驶装置,通过利用车辆所在特点位置的局部地图数据,得到可能对车辆行驶产生影响的目标障碍物,然后通过结合混合场景中实际的车辆位置和障碍物位置确定障碍物的目标车道,并基于车道间实际的连通关系建立目标障碍物所有可能的车道行驶路径,结合目标障碍物的特征进行意图轨迹的预测,再结合预测轨迹实时调整行驶路线和自适应速度从而避开碰撞风险,使得车辆在安全的前提下提高运输效率,解决了自动驾驶在复杂场景中实际应用的问题,提高了自动驾驶对环境的适应性。
根据本发明实施例还提供了一种自动驾驶车辆,如图5所示,该自动驾驶车辆可以包括处理器901和存储器902,其中处理器901和存储器902可以通过总线或者其他方式连接,图5中以通过总线连接为例。示例性地,该自动驾驶车辆为工程车辆。
处理器901可以为中央处理器(Central Processing Unit,CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作装置、至少一个功能所需要的应用程序;存储数据区可存储处理器901所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中,当被处理器901执行时,执行上述方法实施例中的方法。
上述自动驾驶车辆具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,实现的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于障碍物意图的自动驾驶方法,其特征在于,包括:
基于车辆的当前位置获取所述当前位置对应的局部地图数据;
根据所述当前位置及所述车辆的目标行驶区域与各障碍物的位置关系,确定目标障碍物;
基于所述当前位置及所述目标障碍物的位置在所述局部地图数据上进行车道筛选,确定所述障碍物的目标车道;
基于所述目标车道与其他车道的连通关系,建立所述目标障碍物的车道行驶路径序列;
基于所述车道行驶路径序列和采集到所述目标障碍物的特征数据,预测所述目标障碍物的意图轨迹;
基于所述意图轨迹和所述目标行驶区域的关联关系,对所述车辆进行路径规划更新。
2.根据权利要求1所述的方法,其特征在于,所述基于所述当前位置及所述目标障碍物的位置在所述局部地图数据上进行车道筛选,确定所述障碍物的目标车道,包括:
基于所述当前位置及所述目标障碍物的位置在所述局部地图数据上筛选设定范围内所有的车道;
基于筛选出的车道与所述目标障碍物的距离和/或与所述目标障碍物朝向的角度,对各个车道进行排序;
将与所述目标障碍物的距离最小,和/或,与所述目标障碍物朝向的角度最小的车道确定为所述目标车道。
3.根据权利要求1所述的方法,其特征在于,所述基于所述车道行驶路径序列和采集到所述目标障碍物的特征数据,预测所述目标障碍物的意图轨迹,包括:
将所述车道行驶路径序列和所述目标障碍物的特征数据输入意图轨迹预测模型,得到所述目标障碍物的预测轨迹点及运动方向;
基于所述目标障碍物的预测轨迹点及运动方向生成所述目标障碍物的意图轨迹。
4.根据权利要求3所述的方法,其特征在于,还包括:
获取所述障碍物的真实轨迹;
利用所述真实轨迹、所述车道行驶路径序列和所述目标障碍物的特征数据对所述意图轨迹进行误差分析;
基于分析结果对所述意图轨迹预测模型进行优化。
5.根据权利要求1所述的方法,其特征在于,基于所述意图轨迹和所述目标行驶区域的关联关系,对所述车辆进行路径规划更新,包括:
基于所述意图轨迹,判断在第一设定时间内所述目标障碍物是否会进入所述目标行驶区域内;
当在设定时间内所述目标障碍物会进入所述目标行驶区域内时,对所述意图轨迹进行采样;
基于各采样点与所述目标行驶区域的位置关系及所述车辆的当前行驶参数,规划所述车辆在所述目标行驶区域的行驶路线及行驶速度;
判断在同一时刻所述意图轨迹与所述行驶路线是否存在交叉点;
当在同一时刻所述意图轨迹与所述行驶路线存在交叉点时,基于所述交叉点对应的时刻对所述车辆的行驶速度进行调整,并返回所述在同一时刻所述意图轨迹与所述行驶路线是否存在交叉点的步骤,直至在任意时刻所述意图轨迹与所述行驶路线均不存在交叉点。
6.根据权利要求5所述的方法,其特征在于,
当所述目标障碍物的意图轨迹在第二设定时间内一直处于所述行驶路线上时,向远程控制端发送预警信息;
接收所述远程控制端基于所述预警信息规划出新的行驶路线;
控制所述车辆按照所述新的行驶路线行驶,以避开所述目标障碍物。
7.根据权利要求5所述的方法,其特征在于,所述车辆的当前行驶参数包括:所述车辆的姿态、速度、加速度以及所述目标行驶区域的信号灯检测结果。
8.一种基于障碍物意图的自动驾驶装置,其特征在于,包括:
获取模块,用于基于车辆的当前位置获取所述当前位置对应的局部地图数据;
第一处理模块,用于根据所述当前位置及所述车辆的目标行驶区域与各障碍物的位置关系,确定目标障碍物;
第二处理模块,用于基于所述当前位置及所述目标障碍物的位置在所述局部地图数据上进行车道筛选,确定所述障碍物的目标车道;
第三处理模块,用于基于所述目标车道与其他车道的连通关系,建立所述目标障碍物的车道行驶路径序列;
第四处理模块,用于基于所述车道行驶路径序列和采集到所述目标障碍物的特征数据,预测所述目标障碍物的意图轨迹;
第五处理模块,用于基于所述意图轨迹和所述目标行驶区域的关联关系,对所述车辆进行路径规划更新。
9.一种自动驾驶车辆,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-7任一项所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使计算机执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210920074.1A CN115123307A (zh) | 2022-08-01 | 2022-08-01 | 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210920074.1A CN115123307A (zh) | 2022-08-01 | 2022-08-01 | 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115123307A true CN115123307A (zh) | 2022-09-30 |
Family
ID=83386389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210920074.1A Pending CN115123307A (zh) | 2022-08-01 | 2022-08-01 | 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115123307A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115535004A (zh) * | 2022-11-21 | 2022-12-30 | 小米汽车科技有限公司 | 距离生成方法、装置、存储介质及车辆 |
CN115675493A (zh) * | 2023-01-04 | 2023-02-03 | 北京易控智驾科技有限公司 | 利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置 |
CN115892076A (zh) * | 2023-02-23 | 2023-04-04 | 福思(杭州)智能科技有限公司 | 车道障碍物筛选方法、装置和域控制器 |
CN116803813A (zh) * | 2023-08-22 | 2023-09-26 | 腾讯科技(深圳)有限公司 | 障碍物行驶轨迹预测方法、装置、电子设备及存储介质 |
-
2022
- 2022-08-01 CN CN202210920074.1A patent/CN115123307A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115535004A (zh) * | 2022-11-21 | 2022-12-30 | 小米汽车科技有限公司 | 距离生成方法、装置、存储介质及车辆 |
CN115535004B (zh) * | 2022-11-21 | 2023-03-10 | 小米汽车科技有限公司 | 距离生成方法、装置、存储介质及车辆 |
CN115675493A (zh) * | 2023-01-04 | 2023-02-03 | 北京易控智驾科技有限公司 | 利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置 |
CN115675493B (zh) * | 2023-01-04 | 2023-08-11 | 北京易控智驾科技有限公司 | 利用人工驾驶轨迹图层信息进行无人驾驶的方法及装置 |
CN115892076A (zh) * | 2023-02-23 | 2023-04-04 | 福思(杭州)智能科技有限公司 | 车道障碍物筛选方法、装置和域控制器 |
CN116803813A (zh) * | 2023-08-22 | 2023-09-26 | 腾讯科技(深圳)有限公司 | 障碍物行驶轨迹预测方法、装置、电子设备及存储介质 |
CN116803813B (zh) * | 2023-08-22 | 2023-11-10 | 腾讯科技(深圳)有限公司 | 障碍物行驶轨迹预测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115123307A (zh) | 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 | |
CN111874006B (zh) | 路线规划处理方法和装置 | |
US11769318B2 (en) | Systems and methods for intelligent selection of data for building a machine learning model | |
US20220188695A1 (en) | Autonomous vehicle system for intelligent on-board selection of data for training a remote machine learning model | |
US11698640B2 (en) | Method and apparatus for determining turn-round path of vehicle, device and medium | |
CN110807412B (zh) | 一种车辆激光定位的方法、车载设备和存储介质 | |
US11628858B2 (en) | Hybrid planning system for autonomous vehicles | |
WO2022072412A1 (en) | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection | |
CN112394725A (zh) | 用于自动驾驶的基于预测和反应视场的计划 | |
WO2022165498A1 (en) | Methods and system for generating a lane-level map for an area of interest for navigation of an autonomous vehicle | |
CN113370993A (zh) | 车辆自动驾驶的控制方法和车辆自动驾驶的控制系统 | |
US11878712B2 (en) | Trajectory planning with obstacle avoidance for autonomous driving vehicles | |
CN116533998B (zh) | 车辆的自动驾驶方法、装置、设备、存储介质及车辆 | |
US20230056589A1 (en) | Systems and methods for generating multilevel occupancy and occlusion grids for controlling navigation of vehicles | |
US20230091505A1 (en) | Parking assistance device, parking assistance method, and computer program product | |
US20230391356A1 (en) | Dynamic scenario parameters for an autonomous driving vehicle | |
EP3838697A1 (en) | Speed planning using a speed planning guideline for idle speed of autonomous driving vehicles | |
US20220161791A1 (en) | Motion planning in curvilinear coordinates for autonomous vehicles | |
CN111857131B (zh) | 一种全局式自动驾驶方法、系统以及车载终端 | |
US20230202517A1 (en) | Safety guaranteed control when planning with uncertainty | |
US20240166239A1 (en) | Trajectory planning for navigating small objects on road | |
US20240025442A1 (en) | Trajectory planning in autonomous driving vehicles for unforeseen scenarios | |
US20240166237A1 (en) | Multistage Autonomous Vehicle Motion Planning | |
US20200333803A1 (en) | Method of assisting with the driving of vehicles, computer program and associated system | |
CN117949010A (zh) | 用于自主车辆的闭环评估的方法和装置 |
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 |