CN115123310A - 无人车避障局部路径规划方法、设备和存储介质 - Google Patents
无人车避障局部路径规划方法、设备和存储介质 Download PDFInfo
- Publication number
- CN115123310A CN115123310A CN202211050096.3A CN202211050096A CN115123310A CN 115123310 A CN115123310 A CN 115123310A CN 202211050096 A CN202211050096 A CN 202211050096A CN 115123310 A CN115123310 A CN 115123310A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle avoidance
- obstacle
- distance
- state
- 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
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
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
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
本发明涉及数据处理领域,公开了一种无人车避障局部路径规划方法、设备和存储介质。该方法包括:若连续多次检测到与前方障碍物之间的距离小于距离阈值且前方障碍物相对车辆的速度小于速度阈值,且存在避障空间时,将车辆的车辆状态从正常行驶状态修改为障碍物监测状态,并控制车辆的车速降低到第一速度值;在车辆的车辆状态是障碍物监测状态时,若连续多次检测到与前方障碍物之间的距离小于距离阈值,且存在避障空间时,将车辆的车辆状态从障碍物监测状态修改为预先避障状态,并控制车辆的车速降低到第二速度值,第二速度值小于第一速度值。本实施例能够实现有效避障。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种无人车避障局部路径规划方法、设备和存储介质。
背景技术
随着自动驾驶技术、传感器技术的不断发展,低速无人驾驶车辆相对于自动驾驶乘用车考虑的环境复杂度较低,适用于封闭园区。低速无人车可以替代人力在多个场合完成任务,如末端物流的配送、移动新零售、环卫清洁、室内转运、景区导览服务等,特别是在疫情发生的特殊时期,无人配送和无人清洁具有重要的社会效益。
伴随着人口老龄化的进程,物流单量快速增长、劳动力人口迅速下降,矛盾日益突出。物流行业的无人化、智能化,是破解社会矛盾的金钥匙。在可预期的未来,低速无人物流车将成为人们享受生活新模式的智慧新节点,城市生活也将因此而变得更便捷、更智能、更宜居、更高效。
有鉴于此,特提出本发明。
发明内容
为了解决上述技术问题,本发明提供了一种无人车避障局部路径规划方法、设备和存储介质,实现了使低速无人车顺利绕开障碍物并安全顺利到达目的地的目的,通过设置避障路径中的过渡路径,避免了车辆在避障过程中急转方向盘的问题;通过实时监测障碍物信息,根据障碍物距离和速度,实时优化避障,避免了无效避障;通过对路径平移的方式获得避障路径,简单方便适用于低速环境下车辆的避障。
本发明实施例提供了一种无人车避障局部路径规划方法,该方法包括:
在车辆沿着基于预定义参考路线规划的原局部路径自动循迹行驶时,若连续多次检测到与前方障碍物之间的距离小于距离阈值且所述前方障碍物相对所述车辆的速度小于速度阈值,且存在避障空间时,将车辆的车辆状态从正常行驶状态修改为障碍物监测状态,并控制所述车辆的车速降低到第一速度值,其中,所述预定义参考路线包括起点至终点的轨迹点以及轨迹点对应的曲率信息;
在车辆的车辆状态是障碍物监测状态时,所述车辆继续沿着所述原局部路径自动循迹行驶,若检测到与前方障碍物之间的距离大于距离阈值,则将车辆的车辆状态从所述障碍物监测状态修改回正常行驶状态,若连续多次检测到与前方障碍物之间的距离小于距离阈值,且存在避障空间时,将车辆的车辆状态从障碍物监测状态修改为预先避障状态,并控制所述车辆的车速降低到第二速度值,所述第二速度值小于所述第一速度值;
在车辆的车辆状态是预先避障状态时,通过在车体坐标系下模拟所述原局部路径从道路的最左侧车道的左边界开始依次向右平移设定距离直到到达最右侧车道的右边界的过程,并记录每次平移后所处位置以及对应的障碍物距离,其中,所述障碍物距离为平移后所处位置与其前方障碍物之间的距离;
选取障碍物距离大于设定阈值或没有障碍物的位置所对应平移距离的绝对值中的最小值作为避障距离,并将避障标识赋值;
将车辆的车辆状态从预先避障状态修改为正在避障状态,根据所述避障距离以及所述原局部路径生成避障路径,并控制所述车辆沿着所述避障路径自动循迹行驶,其中,所述避障路径包括位于所述车辆前方且距离所述车辆最近的所述原局部路径中设定数量的第一轨迹点、将所述原局部路径平移所述避障距离后获得的参考局部路径中设定数量的第二轨迹点以及所述第一轨迹点与所述第二轨迹点之间的过渡路径,其中所述过渡路径基于距离所述车辆最远的一个第一轨迹点以及距离所述车辆最近的一个第二轨迹点通过平滑过渡函数生成,所述第二轨迹点包括所述参考局部路径中的最后一个轨迹点。
本发明实施例提供了一种电子设备,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行任一实施例所述的无人车避障局部路径规划方法的步骤。
本发明实施例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程序或指令,所述程序或指令使计算机执行任一实施例所述的无人车避障局部路径规划方法的步骤。
本发明实施例具有以下技术效果:
实现了使低速无人车顺利绕开障碍物并安全顺利到达目的地的目的,通过设置避障路径中的过渡路径,避免了车辆在避障过程中急转方向盘的问题;通过实时监测障碍物信息,根据障碍物距离和速度,实时优化避障,避免了无效避障;通过对路径平移的方式获得避障路径,简单方便适用于低速环境下车辆的避障。
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是本发明实施例提供的一种无人车避障局部路径规划方法的流程图;
图2是本发明实施例提供的一种启动局部路径规划操作的流程示意图;
图3是本发明实施例提供的一种车体坐标系的示意图;
图4是本发明实施例提供的一种避障路径的示意图;
图5是本发明实施例提供的一种避障返回路径的规划示意图;
图6是本发明实施例提供的一种局部路径规划流程示意图;
图7是本发明实施例提供的一种车辆状态跳转流程示意图;
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅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,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
本发明实施例提供的无人车避障局部路径规划方法可以由电子设备执行。图1是本发明实施例提供的一种无人车避障局部路径规划方法的流程图。参见图1,该无人车避障局部路径规划方法具体包括如下步骤:
步骤110、在车辆沿着基于预定义参考路线规划的原局部路径自动循迹行驶时,若连续多次检测到与前方障碍物之间的距离小于距离阈值且所述前方障碍物相对所述车辆的速度小于速度阈值,且存在避障空间时,将车辆的车辆状态从正常行驶状态修改为障碍物监测状态,并控制所述车辆的车速降低到第一速度值。
其中,所述预定义参考路线包括起点至终点的轨迹点以及轨迹点对应的曲率信息。
具体的,初始时,全局路径规划模块根据道路参考线和车道线宽度,车辆航向角、起点位置和终点位置、车辆当前所在车道线信息等规划出行驶路径的预定义参考路线,预定义参考路线包含起点至终点的轨迹点,及相应点位的曲率信息,点与点之间的距离是10厘米左右。
感知融合模块通过激光雷达、视觉、毫米波雷达,超声波雷达等传感器获取车辆可行驶域内的障碍物信息,最终通过点云融合输出障碍物参数,如障碍物尺寸、相对车辆的位置、速度等。局部规划模块根据全局路径规划模块给出的预定义参考路线信息和预瞄距离做出参与控制决策的局部路径规划信息。如果当前高精定位GPS信息异常,则不允许车辆进入自动驾驶模式。如果当前高精定位GPS信息正常,且预定义参考路线的纵向距离小于设定的纵向最小启动距离(如80米),则允许车辆进入自动驾驶模式,但是车辆不能加减速,只能保持停车状态。只有当前高精定位GPS信息正常且预定义参考路线的纵向距离大于设定的纵向最小启动距离,才允许车辆进入自动驾驶模式,且允许计算决策信息最终实现自动寻迹行驶。
概括性的,所述在车辆沿着基于预定义参考路线规划的原局部路径自动循迹行驶之前,所述方法还包括:
若所述车辆的全球定位系统输出的定位信息符合设定条件且所述预定义参考路线的纵向距离大于设定的纵向最小启动距离,控制所述车辆进入自动驾驶模式并开启避障功能,以启动基于所述预定义参考路线规划所述原局部路径的操作;
若所述车辆的全球定位系统输出的定位信息符合设定条件,但所述预定义参考路线的纵向距离小于或等于设定的纵向最小启动距离,控制所述车辆进入自动驾驶模式,但不开启避障功能,以不启动基于所述预定义参考路线规划所述原局部路径的操作。
对应的,参考如图2所示的一种启动局部路径规划操作的流程示意图,具体包括:步骤210、自动驾驶系统启动,全局规划模块根据车辆位置和目标终点等规划出预定义参考路线。步骤220、判断当前GPS信息是否异常,如果异常,则执行步骤230,否则执行步骤240。步骤230、等待GPS信息正常。步骤240、判断预定义参考路线长度是否大于纵向启动距离,如果是,则执行步骤250,否则执行步骤260。步骤250、控制决策模块根据感知、定位等做局部路径规划,进一步计算出决策信息。步骤260、车辆只允许进入自动驾驶,但是不加/减速。
其中,车辆在整个自动驾驶寻迹过程中,各个模块之间通过共享内存的方式共享数据信息,如规划模块的全局路径规划信息,感知融合模块的感知信息,控制决策模块的决策信息及车辆底盘信息等。
车辆在自动驾驶过程中,根据车辆实时位置、车辆状态从预定义参考路线中找出最邻近点及最邻近点之后到参考路线终点之间的最大800个点,点距是10厘米,即参考路线上的80米(即预瞄距离)内的路线作为基于预定义参考路线规划的原局部路径OriTrace,根据原局部路径OriTrace的信息、距离阈值以及车辆状态规划出可供控制决策模块使用的路径信息NowTrace,最终控制决策模块结合障碍物信息等通过PID(Proportion IntegrationDifferentiation,比例积分微分)控制算法计算出车辆转角和加速度决策信息,其中,车辆转角是根据车辆实时位置和目标位置之间的横向偏差及角度偏差通过PID控制算法计算得出的,纵向加速度是根据车辆的实时位置信息和障碍物位置、速度等信息计算得出的。
可以理解的是,车辆在自动驾驶过程中,如果不开启避障功能,则车辆不断重复地基于预定义参考路线规划原局部路径OriTrace,并按照原局部路径OriTrace做出控制决策信息,实现车辆的自动寻迹行驶。车辆如果开启避障功能,则在原局部路径OriTrace的基础上重新规划避障路径和避障返回路径。
具体的,在车辆沿着基于预定义参考路线规划的原局部路径自动循迹行驶时,若连续多次检测到与前方障碍物之间的距离小于距离阈值且所述前方障碍物相对所述车辆的速度小于速度阈值,且存在避障空间时,将车辆的车辆状态从正常行驶状态修改为障碍物监测状态,并控制所述车辆的车速降低到第一速度值。
步骤120a、在车辆的车辆状态是障碍物监测状态时,所述车辆继续沿着所述原局部路径自动循迹行驶,若检测到与前方障碍物之间的距离大于距离阈值,则将车辆的车辆状态从所述障碍物监测状态修改回正常行驶状态。
步骤120b、若连续多次检测到与前方障碍物之间的距离小于距离阈值,且存在避障空间时,将车辆的车辆状态从障碍物监测状态修改为预先避障状态,并控制所述车辆的车速降低到第二速度值。
其中,所述第二速度值小于所述第一速度值。
通过实时监测障碍物信息,根据车辆与障碍物之间的相对距离和相对速度,实时优化避障行为,避免了无效避障,提高了避障精度。
步骤130、在车辆的车辆状态是预先避障状态时,通过在车体坐标系下模拟所述原局部路径从道路的最左侧车道的左边界开始依次向右平移设定距离直到到达最右侧车道的右边界的过程,并记录每次平移后所处位置以及对应的障碍物距离。
其中,所述障碍物距离为平移后所处位置与其前方障碍物之间的距离。具体的,以车辆的位置为车体坐标系的原点,以车辆的行驶方向为纵轴正向,建立车体坐标系,如图3所示的一种车体坐标系的示意图。假设道路的最左侧车道的左边界为x1,模拟原局部路径l0从最左侧车道的左边界x1开始依次向右平移设定距离(例如1米或几米,具体数值可以设定,数值越小精度越高)直到到达最右侧车道的右边界x3的过程,并记录每次平移后所处位置以及对应的障碍物距离,例如记录x1的横坐标,x1点与障碍物之间的距离,x2的横坐标,x2点与障碍物之间的距离,x3的横坐标,x3点与障碍物之间的距离。其中,障碍物指位于目标点(例如x1对应的障碍物距离指点位x1前方的障碍物与x1之间的距离,x2对应的障碍物距离指点位x2前方的障碍物与x2之间的距离)前方的障碍物。如果没有障碍物则标记障碍物距离为设定阈值,例如500,因此若障碍物距离大于设定阈值或没有障碍物,表示当前位置的前方没有障碍物。
步骤140、选取障碍物距离大于设定阈值或没有障碍物的位置所对应平移距离的绝对值中的最小值作为避障距离,并将避障标识赋值。
如图3所示,假设x1的横坐标为(-4,0),x2的横坐标为(-1,0),x3的横坐标为(2,0),若x2对应的障碍物距离以及x3对应的障碍物距离均大于设定阈值或没有障碍物,则选取平移距离的绝对值最小的一个作为避障距离,即避障距离为-1,换言之,车辆从左侧避障,向左偏移1米进行避障。
步骤150、将车辆的车辆状态从预先避障状态修改为正在避障状态,根据所述避障距离以及所述原局部路径生成避障路径,并控制所述车辆沿着所述避障路径自动循迹行驶。
其中,所述避障路径包括位于所述车辆前方且距离所述车辆最近的所述原局部路径中设定数量的第一轨迹点、根据障碍物距离将部分所述原局部路径平移所述避障距离后获得的参考局部路径中设定数量的第二轨迹点以及所述第一轨迹点与所述第二轨迹点之间的过渡路径,其中所述过渡路径基于距离所述车辆最远的一个第一轨迹点以及距离所述车辆最近的一个第二轨迹点通过平滑过渡函数生成,所述第二轨迹点包括所述参考局部路径中的最后一个轨迹点。
换言之,避障路径分为三个部分,原局部路径中的部分轨迹点组成的第一部分,作为第二部分的过渡路径及通过将原局部路径平移避障距离后获得的参考局部路径中的部分轨迹点组成的第三部分。如图4所示的一种避障路径的示意图,避障路径分为三部分,第一部分410取没有障碍物时的原局部路径412的前3米,也就是原局部路径412的前30个轨迹点即OriTrace的前30个点作为避障路径的前30个点(即位于车辆411前方且距离车辆411最近的所述原局部路径412中设定数量的第一轨迹点);第二部分420是过渡路径,过渡路径的起点是OriTraced的第30个轨迹点,记为OriTrace[30],然后根据车辆411在避障起始位置(即车辆411所处位置)处检测到的障碍物距离413(其中,标号414表示车辆411前方的障碍物),将与所述障碍物距离413对应长度的原局部路径平移所述避障距离422后获得参考局部路径421,在参考局部路径421上选定过渡路径420的终点,过渡路径的起点和终点之间通过平滑过渡函数计算其余的路径点,第三部分430的起点是过渡路径420的终点,第三部分430的终点是经过平移获得的参考局部路径421的终点,即避障路径包括根据障碍物距离将部分原局部路径平移所述避障距离后获得的参考局部路径中设定数量的第二轨迹点,如此形成一条完整的避障路径。
可选的,避障路径的第一部分中的轨迹点在车体坐标系下的坐标为:
AvoidTrace[i].x=OriTrace[i].x,i≥0且i<30;
AvoidTrace[i].y=OriTrace[i].y
其中,AvoidTrace[i].x表示避障路径的第一部分中的轨迹点i在车体坐标系下的横坐标,OriTrace[i].x表示原局部路径中的轨迹点i在车体坐标系下的横坐标,AvoidTrace[i].y表示避障路径的第一部分中的轨迹点i在车体坐标系下的纵坐标,OriTrace[i].y表示原局部路径中的轨迹点i在车体坐标系下的纵坐标。
避障路径的第二部分(即过渡路径)中的轨迹点在车体坐标系下的坐标为:
AvoidTrace[i].x=(3t2-2t3)*(OriTrace[i].x+AvoidLength*cos(θi±π/2));
AvoidTrace[i].y=t*(OriTrace[N].y+ AvoidLength*sin(θN±π/2)-3);
其中,t=(i-30)/ OriTrace[N].y;i≥30且i<N,N=障碍物距离*10,θi为轨迹点i和x轴之间的夹角,θN为轨迹点N和x轴之间的夹角,AvoidLength为避障距离,AvoidTrace[i].x表示避障路径的第二部分中的轨迹点i在车体坐标系下的横坐标,AvoidTrace[i].y表示避障路径的第二部分中的轨迹点i在车体坐标系下的纵坐标, OriTrace[N].y表示原局部路径中的轨迹点N在车体坐标系下的纵坐标。
避障路径的第三部分中的轨迹点在车体坐标系下的坐标为:
AvoidTrace[i].x=OriTrace[i].x+AvoidLength*cos(θi±π/2),i≥N且i<800;
AvoidTrace[i].y=OriTrace[i].y+ AvoidLength*sin(θi±π/2),i≥N且i<800。
通过设置避障路径中的过渡路径,避免了车辆在避障过程中急转方向盘的问题;通过实时监测障碍物信息,根据障碍物距离和速度,实时优化避障,避免了无效避障;通过对原局部路径平移的方式获得避障路径,使得避障方案简单方便,适用于低速环境下车辆的避障。
进一步的,所述无人车避障局部路径规划方法还包括:
在车辆的车辆状态处于正在避障状态时,若检测到车辆与前方障碍物之间的纵向距离小于或者等于0.5,将车辆的车辆状态从正在避障状态修改为正常行驶状态。当车辆沿着避障路径寻迹行驶时,若检测到车体坐标下障碍物的纵向坐标的绝对值小于等于0.5时,说明车辆已经和障碍物并排,此时控制车辆状态跳转到正常行驶状态。
进一步的,所述无人车避障局部路径规划方法还包括:
在车辆的车辆状态处于正常行驶状态时,若所述避障标识的数值不为零,以所述避障路径中的所述第二轨迹点为起点,以所述原局部路径中的轨迹点为终点确定避障返回路径;将所述避障标识的数值设置为零,并将车辆的车辆状态修改为避障返回状态,控制所述车辆沿着所述避障返回路径行驶。
若所述避障标识的数值不为零,表示车辆尚未返回到原局部路径,此时计算避障返回路径,避障返回路径的目标位置是原预定义参考路线,所以此时避障返回距离是0,避障返回路径由在避障路径的局部规划路径,预定义参考路线的局部规划路径计算得出,计算方法上述确定避障路径的方法类似,避障返回路径的规划示意图如图5所示,避障返回路径包括第一部分510、第二部分520和第三部分530,其中,第一部分510位于参考局部路径511上,第三部分530位于原局部路径531上。避障返回路径规划完成以后,避障距离AvoidLength置为0,将所述避障标识的数值设置为零,车辆状态跳转到避障返回状态,在避障返回状态沿着避障返回路径行驶。
可选的,避障返回路径的第一部分中的轨迹点在车体坐标系下的坐标为:AvoidBackTrace[i].x=OriTrace2[i].x+AvoidLength*cos(θi±π/2),i≥0且i<30;
AvoidBackTrace[i].y=OriTrace2[i].y+ AvoidLength*sin(θi±π/2),i≥0且i<30。
避障返回路径的第二部分(即过渡路径)中的轨迹点在车体坐标系下的坐标为:
AvoidBackTrace[i].x=(3t2-2t3)*OriTrace2[i].x;
AvoidBackTrace[i].y=t*(OriTrace2[300].y-3)+3;
其中,t=(i-30)/300;i≥30且i<300。
避障返回路径的第三部分中的轨迹点在车体坐标系下的坐标为:
AvoidBackTrace[i].x= OriTrace[i].x,i≥300且i<800;
AvoidBackTrace[i].y= OriTrace[i].y,i≥300且i<800。
其中,AvoidBackTrace[i].x表示避障返回路径的轨迹点i在车体坐标系下的横坐标,AvoidBackTrace[i].y表示避障路径的轨迹点i在车体坐标系下的纵坐标,OriTrace2[i].x表示原局部路径平移避障距离后获得的参考局部路径中轨迹点i在车体坐标系下的横坐标,OriTrace2[i].y表示原局部路径平移避障距离后获得的参考局部路径中轨迹点i在车体坐标系下的纵坐标,θi为轨迹点i和x轴之间的夹角,OriTrace[i].x表示原局部路径中的轨迹点i在车体坐标系下的横坐标,OriTrace[i].y表示原局部路径中的轨迹点i在车体坐标系下的纵坐标。
进一步的,控制所述车辆沿着所述避障返回路径行驶之前,还包括:记录所述车辆的返回位置;对应的,控制所述车辆沿着所述避障返回路径行驶之后,所述方法还包括:监测所述车辆的实时位置与所述返回位置之间的距离,当所述车辆的实时位置与所述返回位置之间的距离大于设定值时,将车辆的车辆状态修改为正常行驶状态,并控制车辆沿着基于所述预定义参考路线规划的局部路径自动循迹行驶,至此,避障过程完成。
本发明实施例设计的一种低速无人车自动寻迹避障局部路径规划方法中,车辆在自动驾驶过程中根据障碍物的位置信息和车辆实时信息可以将自动驾驶车辆状态分为:正常行驶状态,障碍物监测状态,预先避障状态、正在避障状态、避障返回状态共五个状态。车辆在自动驾驶过程中根据障碍物物信息和车辆实时状态信息切换车辆状态实现自动驾驶车辆停障、避障功能,最终安全顺利到达目的地。
进一步的,参考如图6所示的一种局部路径规划流程示意图,具体包括:判断车辆状态,根据车辆状态规划局部参考路径;车辆在避障状态或者避障返回状态时,在避障路径或避障返回路径中规划局部路径;车辆在除避障状态和避障返回状态之外的其他状态时,在预定义参考路线中规划局部路径;当避障距离不为0时,平移避障距离作为局部路径规划;输出给控制决策模块。
进一步的,参考如图7所示的一种车辆状态跳转流程示意图,具体包括:车辆沿着原局部路径规划循迹行驶,连续多次获得障碍物距离小于设定的避障距离,车辆状态转为障碍物监测状态;车辆继续在预定义参考路线规划局部路径,并继续监测障碍物距离小于设定的避障距离,车辆状态转为预先避障状态;车辆在预先避障状态,计算避障距离,当避障距离非0时,根据避障距离计算出避障局部路径规划,车辆切换到避障状态,同时置位避障标志位;车辆在避障状态,当在车体坐标中障碍物纵向坐标在0附近时,车辆状态跳转到正常行驶状态;车辆在正常行驶状态且避障距离非0时,局部规划避障返回路径,避障返回路径规划完毕,避障距离设成0,车辆切换到避障返回状态,同时记录当前车辆位置为避障返回位置。车辆在避障返回状态,在避障返回路径做局部路径规划,当车辆距离避障返回位置的距离大于设定值时,车辆状态跳转到正常状态,避障完成。车辆继续在原定义参考路线上做局部路径规划。
图8为本发明实施例提供的一种电子设备的结构示意图。如图8所示,电子设备400包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备400中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器401可以运行所述程序指令,以实现上文所说明的本发明任意实施例的无人车避障局部路径规划方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中,电子设备400还可以包括:输入装置403和输出装置404,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息,包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图8中仅示出了该电子设备400中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备400还可以包括任何其他适当的组件。
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的无人车避障局部路径规划方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序文本,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序文本可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的无人车避障局部路径规划方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。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“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是,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。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,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,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (9)
1.一种无人车避障局部路径规划方法,其特征在于,包括:
在车辆沿着基于预定义参考路线规划的原局部路径自动循迹行驶时,若连续多次检测到与前方障碍物之间的距离小于距离阈值且所述前方障碍物相对所述车辆的速度小于速度阈值,且存在避障空间时,将车辆的车辆状态从正常行驶状态修改为障碍物监测状态,并控制所述车辆的车速降低到第一速度值,其中,所述预定义参考路线包括起点至终点的轨迹点以及轨迹点对应的曲率信息;
在车辆的车辆状态是障碍物监测状态时,所述车辆继续沿着所述原局部路径自动循迹行驶,若检测到与前方障碍物之间的距离大于距离阈值,则将车辆的车辆状态从所述障碍物监测状态修改回正常行驶状态,若连续多次检测到与前方障碍物之间的距离小于距离阈值,且存在避障空间时,将车辆的车辆状态从障碍物监测状态修改为预先避障状态,并控制所述车辆的车速降低到第二速度值,所述第二速度值小于所述第一速度值;
在车辆的车辆状态是预先避障状态时,通过在车体坐标系下模拟所述原局部路径从道路的最左侧车道的左边界开始依次向右平移设定距离直到到达最右侧车道的右边界的过程,并记录每次平移后所处位置以及对应的障碍物距离,其中,所述障碍物距离为平移后所处位置与其前方障碍物之间的距离;
选取障碍物距离大于设定阈值或没有障碍物的位置所对应平移距离的绝对值中的最小值作为避障距离,并将避障标识赋值;
将车辆的车辆状态从预先避障状态修改为正在避障状态,根据所述避障距离以及所述原局部路径生成避障路径,并控制所述车辆沿着所述避障路径自动循迹行驶,其中,所述避障路径包括位于所述车辆前方且距离所述车辆最近的所述原局部路径中设定数量的第一轨迹点、根据障碍物距离将部分所述原局部路径平移所述避障距离后获得的参考局部路径中设定数量的第二轨迹点以及所述第一轨迹点与所述第二轨迹点之间的过渡路径,其中,所述过渡路径基于距离所述车辆最远的一个第一轨迹点以及距离所述车辆最近的一个第二轨迹点通过平滑过渡函数生成,所述第二轨迹点包括所述参考局部路径中的最后一个轨迹点。
2.根据权利要求1所述的方法,其特征在于,还包括:
在车辆的车辆状态处于正在避障状态时,若检测到车辆与前方障碍物之间的纵向距离小于或者等于0.5,将车辆的车辆状态从正在避障状态修改为正常行驶状态。
3.根据权利要求2所述的方法,其特征在于,还包括:
在车辆的车辆状态处于正常行驶状态时,若所述避障标识的数值不为零,以所述避障路径中的所述第二轨迹点为起点,以所述原局部路径中的轨迹点为终点确定避障返回路径;
将所述避障标识的数值设置为零,并将车辆的车辆状态修改为避障返回状态,控制所述车辆沿着所述避障返回路径行驶。
4.根据权利要求3所述的方法,其特征在于,控制所述车辆沿着所述避障返回路径行驶之前,还包括:
记录所述车辆的返回位置;
对应的,控制所述车辆沿着所述避障返回路径行驶之后,所述方法还包括:
监测所述车辆的实时位置与所述返回位置之间的距离,当所述车辆的实时位置与所述返回位置之间的距离大于设定值时,将车辆的车辆状态修改为正常行驶状态,并控制车辆沿着基于所述预定义参考路线规划的局部路径自动循迹行驶。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述在车辆沿着基于预定义参考路线规划的原局部路径自动循迹行驶之前,所述方法还包括:
若所述车辆的全球定位系统输出的定位信息符合设定条件且所述预定义参考路线的纵向距离大于设定的纵向最小启动距离,控制所述车辆进入自动驾驶模式并开启避障功能,以启动基于所述预定义参考路线规划所述原局部路径的操作;
若所述车辆的全球定位系统输出的定位信息符合设定条件,但所述预定义参考路线的纵向距离小于或等于设定的纵向最小启动距离,控制所述车辆进入自动驾驶模式,但不开启避障功能,以不启动基于所述预定义参考路线规划所述原局部路径的操作。
6.根据权利要求5所述的方法,其特征在于,所述纵向最小启动距离为80米。
7.根据权利要求1所述的方法,其特征在于,所述设定数量为30。
8.一种电子设备,其特征在于,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至7任一项所述的无人车避障局部路径规划方法的步骤。
9.一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程序或指令,所述程序或指令使计算机执行如权利要求1至7任一项所述的无人车避障局部路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050096.3A CN115123310B (zh) | 2022-08-31 | 2022-08-31 | 无人车避障局部路径规划方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050096.3A CN115123310B (zh) | 2022-08-31 | 2022-08-31 | 无人车避障局部路径规划方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115123310A true CN115123310A (zh) | 2022-09-30 |
CN115123310B CN115123310B (zh) | 2022-12-13 |
Family
ID=83387178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211050096.3A Active CN115123310B (zh) | 2022-08-31 | 2022-08-31 | 无人车避障局部路径规划方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115123310B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116540747A (zh) * | 2023-07-06 | 2023-08-04 | 中国科学技术大学 | 一种避停优先的移动机器人运动规划与避障决策方法 |
CN116572994A (zh) * | 2023-07-10 | 2023-08-11 | 之江实验室 | 一种车辆速度规划方法、装置及计算机可读介质 |
CN117311369A (zh) * | 2023-11-29 | 2023-12-29 | 江苏伊凡诺尔智能科技有限公司 | 一种多场景的机器人智能巡检方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105857294A (zh) * | 2016-05-04 | 2016-08-17 | 常州工学院 | 一种汽车换道避撞控制方法 |
CN109855639A (zh) * | 2019-01-15 | 2019-06-07 | 天津大学 | 基于障碍物预测与mpc算法的无人驾驶轨迹规划方法 |
CN111071249A (zh) * | 2019-12-16 | 2020-04-28 | 南京航空航天大学 | 基于障碍物运动预测的无人车紧急转向避障方法 |
CN111381594A (zh) * | 2020-03-09 | 2020-07-07 | 兰剑智能科技股份有限公司 | 基于3d视觉的agv空间避障方法及系统 |
CN111873990A (zh) * | 2020-07-15 | 2020-11-03 | 哈尔滨理工大学 | 一种适用于高速紧急工况的换道避撞装置及其方法 |
CN112242071A (zh) * | 2020-10-16 | 2021-01-19 | 山东摩西网络科技有限公司 | 基于动态编组重构的道路自动驾驶车辆协同避障方法 |
CN113060134A (zh) * | 2021-04-22 | 2021-07-02 | 湖北亿咖通科技有限公司 | 一种车辆避障方法、电子设备及存储介质 |
CN113696887A (zh) * | 2020-05-20 | 2021-11-26 | 比亚迪股份有限公司 | 车辆的控制方法、装置和车辆 |
JP2022060073A (ja) * | 2020-10-02 | 2022-04-14 | 株式会社Subaru | 車両の運転支援装置 |
CN114537381A (zh) * | 2020-11-24 | 2022-05-27 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆的车道避障方法及装置 |
US20220227390A1 (en) * | 2021-01-15 | 2022-07-21 | Tusimple, Inc. | Proactive lane change for autonomous vehicles |
-
2022
- 2022-08-31 CN CN202211050096.3A patent/CN115123310B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105857294A (zh) * | 2016-05-04 | 2016-08-17 | 常州工学院 | 一种汽车换道避撞控制方法 |
CN109855639A (zh) * | 2019-01-15 | 2019-06-07 | 天津大学 | 基于障碍物预测与mpc算法的无人驾驶轨迹规划方法 |
CN111071249A (zh) * | 2019-12-16 | 2020-04-28 | 南京航空航天大学 | 基于障碍物运动预测的无人车紧急转向避障方法 |
CN111381594A (zh) * | 2020-03-09 | 2020-07-07 | 兰剑智能科技股份有限公司 | 基于3d视觉的agv空间避障方法及系统 |
CN113696887A (zh) * | 2020-05-20 | 2021-11-26 | 比亚迪股份有限公司 | 车辆的控制方法、装置和车辆 |
CN111873990A (zh) * | 2020-07-15 | 2020-11-03 | 哈尔滨理工大学 | 一种适用于高速紧急工况的换道避撞装置及其方法 |
JP2022060073A (ja) * | 2020-10-02 | 2022-04-14 | 株式会社Subaru | 車両の運転支援装置 |
CN112242071A (zh) * | 2020-10-16 | 2021-01-19 | 山东摩西网络科技有限公司 | 基于动态编组重构的道路自动驾驶车辆协同避障方法 |
CN114537381A (zh) * | 2020-11-24 | 2022-05-27 | 郑州宇通客车股份有限公司 | 一种自动驾驶车辆的车道避障方法及装置 |
US20220227390A1 (en) * | 2021-01-15 | 2022-07-21 | Tusimple, Inc. | Proactive lane change for autonomous vehicles |
CN113060134A (zh) * | 2021-04-22 | 2021-07-02 | 湖北亿咖通科技有限公司 | 一种车辆避障方法、电子设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116540747A (zh) * | 2023-07-06 | 2023-08-04 | 中国科学技术大学 | 一种避停优先的移动机器人运动规划与避障决策方法 |
CN116540747B (zh) * | 2023-07-06 | 2023-10-20 | 中国科学技术大学 | 一种避停优先的移动机器人运动规划与避障决策方法 |
CN116572994A (zh) * | 2023-07-10 | 2023-08-11 | 之江实验室 | 一种车辆速度规划方法、装置及计算机可读介质 |
CN116572994B (zh) * | 2023-07-10 | 2023-09-22 | 之江实验室 | 一种车辆速度规划方法、装置及计算机可读介质 |
CN117311369A (zh) * | 2023-11-29 | 2023-12-29 | 江苏伊凡诺尔智能科技有限公司 | 一种多场景的机器人智能巡检方法 |
CN117311369B (zh) * | 2023-11-29 | 2024-02-09 | 江苏伊凡诺尔智能科技有限公司 | 一种多场景的机器人智能巡检方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115123310B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3699048B1 (en) | Travelling track prediction method and device for vehicle | |
EP3517893B1 (en) | Path and speed optimization fallback mechanism for autonomous vehicles | |
EP3524934B1 (en) | Systems and methods for determining a projection of an obstacle trajectory onto a reference line of an autonomous vehicle | |
CN115123310B (zh) | 无人车避障局部路径规划方法、设备和存储介质 | |
CN109521763B (zh) | 用于自动驾驶车辆的基于约束平滑样条的路径优化 | |
CN109521762B (zh) | 用于生成自动驾驶车辆的最优参考线路的计算机实施的方法、介质及系统 | |
CN109521761B (zh) | 用于自动驾驶车辆的基于约束平滑样条的速度优化方法、介质及系统 | |
EP3342666B1 (en) | Method and system for operating autonomous driving vehicles using graph-based lane change guide | |
EP3629121B1 (en) | A curvature corrected path sampling system for autonomous driving vehicles | |
EP3518066B1 (en) | Method and system for generating reference lines for autonomous driving vehicles using multiple threads | |
US10816985B2 (en) | Method on moving obstacle representation for trajectory planning | |
JP2019206327A (ja) | 自動運転車両の軌道の生成方法 | |
CN110728014A (zh) | 使用具有加权几何成本的分段螺旋曲线的参考线平滑方法 | |
US11353878B2 (en) | Soft-boundary based path optimization for complex scenes for autonomous driving vehicles | |
US10732632B2 (en) | Method for generating a reference line by stitching multiple reference lines together using multiple threads | |
US11685398B2 (en) | Lane based routing system for autonomous driving vehicles | |
CN111615476A (zh) | 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统 | |
US11106212B2 (en) | Path planning for complex scenes with self-adjusting path length for autonomous driving vehicles | |
CN117227714A (zh) | 一种自动驾驶车辆转弯避让控制方法及系统 | |
CN112272805B (zh) | 连接两条平滑参考线的基于多点增强的拼接方法 | |
JP6987150B2 (ja) | 自動運転車両の3ポイントターンの最適プランナー切り替え方法 | |
US20230391356A1 (en) | Dynamic scenario parameters for an autonomous driving vehicle | |
JP2024505833A (ja) | 支援的または自動的に車両案内する方法 | |
KR20240055023A (ko) | 자동차의 운행 환경을 모델링하는 방법 |
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 |