CN115185271A - 导航路径生成方法、装置、电子设备和计算机可读介质 - Google Patents
导航路径生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115185271A CN115185271A CN202210748370.8A CN202210748370A CN115185271A CN 115185271 A CN115185271 A CN 115185271A CN 202210748370 A CN202210748370 A CN 202210748370A CN 115185271 A CN115185271 A CN 115185271A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- coordinate
- historical
- area
- area coordinate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了导航路径生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取道路图像和历史障碍物信息序列集，其中，上述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息对应不同时刻；对上述道路图像进行提取处理，得到道路信息集；基于上述道路信息集和上述历史障碍物信息序列集，生成障碍物区域坐标组集合，其中，上述障碍物区域坐标组集合中的各个障碍物区域坐标处于预先构建的时间位置坐标系中；基于预设的行驶约束条件，生成目标位置区域坐标集；基于预设的损失值列表、上述障碍物区域坐标组集合和上述目标位置区域坐标集，生成导航路径。该实施方式可以提高了车辆行驶的安全性。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及导航路径生成方法、装置、电子设备和计算机可读介质。
背景技术
导航路径生成方法，是自动驾驶领域的一项基础技术。目前，在生成导航路径时，通常采用的方式为：确定从车辆所在位置到目的地位置的路径，且该路径始终为所在道路的中心线位置。
然而，发明人发现，当采用上述方式进行导航路径生成时，经常会存在如下技术问题：
若车辆所在道路上存在障碍物，车辆仍然按照路径行驶在道路中心线位置，未根据障碍物位置及时调整路径，从而，导致车辆无法主动避障，进而，降低了车辆行驶的安全性。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了导航路径生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种导航路径生成方法，该方法包括：获取道路图像和历史障碍物信息序列集，其中，上述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息对应不同时刻；对上述道路图像进行提取处理，得到道路信息集；基于上述道路信息集和上述历史障碍物信息序列集，生成障碍物区域坐标组集合，其中，上述障碍物区域坐标组集合中的各个障碍物区域坐标处于预先构建的时间位置坐标系中；基于预设的行驶约束条件，生成目标位置区域坐标集；基于预设的损失值列表、上述障碍物区域坐标组集合和上述目标位置区域坐标集，生成导航路径。
第二方面，本公开的一些实施例提供了一种导航路径生成装置，该装置包括：获取单元，被配置成获取道路图像和历史障碍物信息序列集，其中，上述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息对应不同时刻；提取处理单元，被配置成对上述道路图像进行提取处理，得到道路信息集；第一生成单元，被配置成基于上述道路信息集和上述历史障碍物信息序列集，生成障碍物区域坐标组集合，其中，上述障碍物区域坐标组集合中的各个障碍物区域坐标处于预先构建的时间位置坐标系中；第二生成单元，被配置成基于预设的行驶约束条件，生成目标位置区域坐标集；第三生成单元，被配置成基于预设的损失值列表、上述障碍物区域坐标组集合和上述目标位置区域坐标集，生成导航路径。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的导航路径生成方法，可以及时调整路径以用于主动避障。具体来说，导致车辆无法主动避障的原因在于：若车辆所在道路上存在障碍物，车辆仍然按照路径行驶在道路中心线位置，未根据障碍物位置及时调整路径。基于此，本公开的一些实施例的导航路径生成方法，首先，获取道路图像和历史障碍物信息组集合。其中，上述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息对应不同时刻。其次，对上述道路图像进行提取处理，得到道路信息集。然后，基于上述道路信息集和上述历史障碍物信息序列集，生成障碍物区域坐标组集合。其中，上述障碍物区域坐标组集合中的各个障碍物区域坐标处于预先构建的时间位置坐标系中。通过生成障碍物区域坐标组集合，可以用于将上述道路信息集和上述历史障碍物信息序列集转换至预设的时间位置坐标系。之后，基于预设的行驶约束条件，生成目标位置区域坐标集。通过生成目标位置区域坐标集，可以用于确定车辆的可行驶区域。最后，基于预设的损失值列表、上述障碍物区域坐标序列集和上述目标位置区域坐标集，生成导航路径。通过引入损失值列表，可以便于在时间位置坐标系中生成导航路径。以此，使得车辆在按照上述导航路径行驶的过程中，可以避开由上述障碍物区域坐标序列集所表征的障碍物区域。从而，实现了及时调整路径以用于主动避障的功能。进而，提高了车辆行驶的安全性。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的导航路径生成方法的一些实施例的流程图；
图2是根据本公开的导航路径生成装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的导航路径生成方法的一些实施例的流程100。该导航路径生成方法的流程100，包括以下步骤：
步骤101，获取道路图像和历史障碍物信息序列集。
在一些实施例中，导航路径生成方法的执行主体可以通过有线的方式或者无线的方式获取道路图像和历史障碍物信息序列集。其中，上述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息可以对应不同时刻(即，连续帧)。这里，每个历史障碍物信息序列中的各个历史障碍物信息可以表征同一障碍物在不同时刻信息。
步骤102，对道路图像进行提取处理，得到道路信息集。
在一些实施例中，上述执行主体可以对上述道路图像进行提取处理，得到道路信息集。其中，可以通过预设的道路信息提取模型，对上述道路图像进行提取处理，得到道路信息集。道路信息集中的每个道路信息可以用于表征一个障碍物。
作为示例，上述道路信息提取模型可以包括但不限于以下至少一项：FCN(FullyConvolutional Networks，全卷机神经网络)模型、Resnet(Residual Network，残差神经网络)模型、VGG(Visual Geometry Group Network，卷积神经网络)模型或GoogLeNet(深度神经网络)模型等。
步骤103，基于道路信息集和历史障碍物信息序列集，生成障碍物区域坐标组集合。
在一些实施例中，上述执行主体可以基于上述道路信息集和上述历史障碍物信息序列集，生成障碍物区域坐标组集合。其中，上述障碍物区域坐标组集合中的各个障碍物区域坐标可以处于预先构建的时间位置坐标系中。上述时间位置坐标系的原点可以是当前车辆的位置坐标。例如，车辆后桥中心坐标或车辆中心点坐标等。其次，上述时间位置坐标系的竖轴可以是时间轴。横轴和纵轴可以分别表征当前车辆所在位置坐标的横坐标和纵坐标。上述障碍物区域坐标组集合中的每个障碍物区域坐标组中的各个障碍物区域坐标可以表征一个障碍物在上述时间位置坐标系中的区域。
在一些实施例的一些可选的实现方式中，上述道路信息集中的道路信息可以包括：障碍物半径值、障碍物中点坐标和障碍物类型。上述历史障碍物信息序列集中每个历史障碍物信息序列中的每个历史障碍物信息可以包括：历史障碍物中心点坐标和障碍物类型，障碍物类型可以包括静态障碍物类型和动态障碍物类型。以及上述执行主体基于上述道路信息集和上述历史障碍物信息序列集，生成障碍物区域坐标组集合，可以包括以下步骤：
对于上述道路信息集中的每个道路信息，执行如下步骤以生成障碍物区域坐标组集合中的障碍物区域坐标组：
第一步，从上述历史障碍物信息序列集中选出与上述道路信息相匹配的历史障碍物信息序列，作为匹配障碍物信息序列。其中，相匹配可以是历史障碍物信息序列与上述道路信息表征同一障碍物。其次，可以通过预设的障碍物跟踪算法从上述历史障碍物信息序列集中选出与上述道路信息相匹配的历史障碍物信息序列，作为匹配障碍物信息序列。另外，上述障碍物半径值可以是以障碍物中点坐标为圆心的障碍物所在区域的外接圆的半径。该外接圆可以与地面平行。障碍物中点坐标和历史障碍物中心点坐标可以是处于当前车辆的车辆坐标系中的三维坐标。
作为示例，上述障碍物跟踪算法可以包括但不限于以下至少一项：Tracking-Learning-Detection(目标跟踪算法)、G-CRF(Gaus-conditional random field，高斯条件随机场)模型、DenseCRF(Fully-Connected Conditional Random Fields，全连接条件随机场)模型或MRF(MRF-Markov Random Field，马尔科夫条件随机场)模型等。另外，动态障碍物可以包括但不限于以下至少一项：车辆、行人等。静态障碍物可以包括但不限于以下至少一项：车道线、警示牌、石墩等。
第二步，响应于确定上述道路信息包括的障碍物类型为动态障碍物类型，对上述道路信息包括的障碍物中点坐标和上述匹配障碍物信息序列中各个匹配障碍物信息包括的历史障碍物中心点坐标进行轨迹预测，得到障碍物运动轨迹。其中，可以通过预设的轨迹预测算法，对上述道路信息包括的障碍物中点坐标和上述匹配障碍物信息序列中各个匹配障碍物信息包括的历史障碍物中心点坐标进行轨迹预测，得到障碍物运动轨迹。障碍物运动轨迹可以用于表征预测的、障碍物在一定时间(例如，两帧时间)内的运动轨迹。这里，障碍物运动轨迹可以是有宽度的运动轨迹。该宽度可以用于表征障碍物的宽度值。另外，为了避免对障碍物宽度的约束过于精确，导致当前车辆的行驶路径的区域与障碍物运动轨迹的区域之间存在相交的区域。从而，在生成障碍物运动轨迹过程中可以在障碍物宽度的基础上增加预设宽度值，以避免后续当前车辆的行驶轨迹与障碍物运动轨迹相交，造成车辆碰撞的情况。这里，障碍物运动轨迹可以是车辆坐标系中的竖轴方向的值为零(即，横轴和纵轴所在平面内)的障碍物运动区域。
作为示例，上述轨迹预测算法可以包括但不限于以下至少一项：动力学模型、RRT(Rapidly-Exploring Random Tree，基于采样的路径规划)算法、DWA(dynamic windowapproach，动态窗口路径规划)算法等。另外，上述预设宽度值可以是障碍物宽度的三分之一，也可以是1米等。
实践中，若障碍物为动态障碍物，则需要考虑动态障碍物在后续一定时间内的运动轨迹。从而，避免当前车辆在移动一定时间后与障碍物发生碰撞的情况。进而，可以用于提高生成的导航路径的准确度，以此提高车辆行驶的安全性。另外，在生成障碍物运动轨迹时，障碍物运动轨迹中的每个障碍物运动坐标还可以对应一个时间戳。
第三步，将上述障碍物运动轨迹的边缘坐标点确定为障碍物运动轨迹边缘坐标，得到障碍物运动轨迹边缘坐标组。其中，每个障碍物运动轨迹边缘坐标可以可以对应一个时间戳。这里，障碍物运动轨迹可以是上述障碍物运动区域的边界点坐标。
第四步，对上述障碍物运动轨迹边缘坐标组中的各个障碍物运动轨迹边缘坐标进行坐标转换，得到上述障碍物区域坐标组。其中，上述坐标转换可以是将障碍物运动轨迹边缘坐标从车辆坐标系转换至上述时间位置坐标系。这里，可以将障碍物运动轨迹边缘坐标对应的时间戳作为时间位置坐标系中的竖坐标值、将障碍物运动轨迹边缘坐标的横纵坐标作为时间位置坐标系中的横纵坐标。由此，可以将障碍物运动轨迹边缘坐标从车辆坐标系转换至时间位置坐标系，得到障碍物区域坐标。
可选的，上述执行主体还可以执行以下步骤：
第一步，响应于确定上述道路信息包括的障碍物类型为静态障碍物类型，基于上述道路信息包括的障碍物中点坐标和障碍物半径值，生成待转换障碍物区域边缘坐标组。其中，首先可以确定以上述障碍物中点坐标为圆心、以上述障碍物半径值为半径所构成的圆。然后，可以将该圆的圆周所在位置的各个坐标确定为待转换障碍物区域边缘坐标，得到待转换障碍物区域边缘坐标组。这里，待转换障碍物区域边缘坐标组中的各个待转换障碍物区域边缘坐标处于车辆坐标系。
第二步，对上述待转换障碍物区域边缘坐标组中的各个待转换障碍物区域边缘坐标进行坐标转换，得到障碍物区域坐标组。其中，该坐标转换可以是将待转换障碍物区域边缘坐标从车辆坐标系转换至上述时间位置坐标系。对于每个待转换障碍物区域边缘坐标：首先，可以确定上述道路信息的时间戳。然后，以该时间戳作为时间位置坐标系中的竖轴方向的值、以上述待转换障碍物区域边缘坐标的横纵坐标为时间位置坐标系中的横纵坐标值，可以得到转换障碍物中心点坐标。
步骤104，基于预设的行驶约束条件，生成目标位置区域坐标集。
在一些实施例中，上述执行主体可以基于预设的行驶约束条件，生成目标位置区域坐标集。其中，上述行驶约束条件可以包括但不限于以下至少一项：横向速度值小于等于预设的最大横向约束速度值、横向速度值大于等于最小横向约束速度值等。这里，最大横向约束速度值和最小横向约束速度值可以是预先生成的。最大横向约束速度值的修正量可以是最大横向约束速度值与预测时长的乘积。预测时长可以是上述一定时间的时长。其次，上述目标位置区域坐标集中的各个目标位置区域坐标可以是在满足上述行驶约束条件的情况下，生成的当前车辆在一定时间后可以到达的位置坐标。因此，上述目标位置区域坐标集中的各个目标位置区域坐标均满足上述行驶约束条件。
在一些实施例的一些可选的实现方式中，上述执行主体基于预设的行驶约束条件，生成目标位置区域坐标集，可以包括以下步骤：
第一步，获取当前车辆的车辆数据和车辆意图信息。其中，上述车辆数据可以包括但不限于以下至少一项：当前车辆位置坐标、车辆横向速度值和车辆纵向速度值。车辆意图信息可以是当前车辆的行驶意图。例如，当前车辆的意图信息可以是：左转弯、直行或右变道等。
实践中，通过引入车辆意图信息，可以避免生成的目标位置区域坐标不符合车辆行驶路线。
第二步，基于上述行驶约束条件、上述车辆意图信息和上述车辆数据包括的当前车辆位置坐标、车辆横向速度值和车辆纵向速度值，确定上述当前车辆在预设的运动时长后所在位置坐标，得到位置区域坐标集和对应的运动时间点集。其中，可以通过预设的坐标搜索算法，确定上述当前车辆在预设的运动时长后所在位置坐标，得到位置区域坐标集和对应的运动时间点集。这里，上述运动时长可以是上述预测时长。位置区域坐标和运动时间点可以一一对应。
作为示例，上述坐标上述算法可以包括但不限于以下至少一项：A星算法、迪克斯特拉算法、人工势场法等。
第三步，基于上述运动时间点集，对上述位置区域坐标集中的每个位置区域坐标进行坐标转换以生成目标位置区域坐标，得到目标位置区域坐标集。其中，对于每个位置区域坐标：可以将上述位置区域坐标对应的运动时间点作为上述时间位置坐标系的竖坐标值、将上述位置区域坐标的横纵坐标作为上述时间位置坐标系的横纵坐标，得到目标位置区域坐标。
步骤105，基于预设的损失值列表、上述障碍物区域坐标组集合和上述目标位置区域坐标集，生成导航路径。
在一些实施例中，上述执行主体可以基于预设的损失值列表、上述障碍物区域坐标组集合和上述目标位置区域坐标集，生成导航路径。其中，上述损失值列表中的每个损失值可以对应一种障碍物类型，以用于生成导航路径。
作为示例，对于虚车道线的障碍物类型，当前车辆是可以穿行的。因此，可以对应较小的损失值。例如，虚车道线的障碍物类型的损失值可以是0.1。对于实车道线的障碍物类型，在一定程度上是禁止当前车辆穿行的。因此，可以对应较大的损失值。例如，实车道线的障碍物类型的损失值可以是5。另外，对于不可碰撞的静态障碍物类型，可以设置远大于其它损失值的值，例如，1000。
在一些实施例的一些可选的实现方式中，上述执行主体基于预设的损失值列表、上述障碍物区域坐标组集合和上述目标位置区域坐标集，生成导航路径，可以包括以下步骤：
从上述目标位置区域坐标集中选出一个满足预设筛选条件的目标位置区域坐标作为筛选后区域坐标，以执行如下生成步骤：
第一步，确定上述障碍物区域坐标组集合中每个障碍物区域坐标组对应的损失值以生成目标损失值，得到目标损失值集合。其中，上述预设筛选条件可以用于从目标位置区域坐标集中选出靠近各个目标位置区域坐标所在区域的内心的目标位置区域坐标，以此可以降低耦合性，便于提高生成的导航路径的准确度。可以将每个障碍物区域坐标组表征的障碍物的障碍物类型对应的损失值确定为该障碍物区域坐标组的目标损失值。
第二步，基于上述目标损失值集合，生成从上述当前车辆位置坐标到上述目标位置区域坐标的路径损失值和行驶路径。其中，可以通过以下公式生成路径损失值和行驶路径：
其中，h*表示上述行驶路径。h表示目标函数的优化目标。tmin表示当前时刻的时间点，即上述时间位置坐标系中竖轴方向的零点。tmax表示当前时刻的时间点加上上述运动时长后的时间点。t表示时间点，即时间位置坐标系中坐标的竖坐标值。h(t)表示自变量为时间点的路径生成函数，且该函数为连续函数。l表示目标损失值。l(h(t)，t)表示竖坐标值为t时刻的坐标所处区域对应的目标损失值。x表示在上述路径生成函数中，竖坐标值为t时刻的坐标的横坐标值。y表示在上述路径生成函数中，竖坐标值为t时刻的坐标的纵坐标值。v表示横向约束速度值。vmin表示在上述最小横向约束速度值。vmax表示上述最大横向约束速度值。()1表示取括号内向量的第一个元素。s.t.表示约束条件。
实践中，上述公式可以通过ISAM(Incremental Smoothing And Mapping，增量平滑和建图)方法、GTSAM(非线性优化库)等方法进行求解。另外，在求解过程中可以类比公式中的横向速度约束，进行纵向速度约束、加速度约束等。在此不做具体限定。
第三步，响应于确定上述路径损失值满足预设的损失值条件，将上述行驶路径确定为导航路径。其中，上述损失值条件可以是上述路径损失值小于预设的损失值阈值。
可选的，上述执行主体还可以执行如下步骤：响应于确定上述路径损失值不满足上述损失值条件，从上述目标位置区域坐标集中再次选出一个满足预设筛选条件的目标位置区域坐标作为筛选后区域坐标，以执行上述生成步骤。其中，上述路径损失值不满足上述损失值条件可以表征路径损失值过大，容易造成车辆碰撞风险。因此，从上述目标位置区域坐标集中再次选出一个满足预设筛选条件的目标位置区域坐标作为筛选后区域坐标，以执行上述生成步骤。这里，每次选择的目标位置区域坐标均不相同。
上述公式及其相关内容作为本公开的实施例的一个发明点，可以进一步解决背景技术提及的技术问题“若车辆所在道路上存在障碍物，车辆仍然按照路径行驶在道路中心线位置，未根据障碍物位置及时调整路径，从而，导致车辆无法主动避障，进而，降低了车辆行驶的安全性”。首先，通过坐标转换将道路信息和历史障碍物信息中的各个坐标转换至时间位置坐标系，为后续生成行驶路径提供了数据参考。然后，通过引入行驶约束条件和车辆意图信息，可以避免生成的目标位置区域坐标偏离当前车辆的所需要行驶的道路。由此，可以提高生成的目标位置区域坐标的准确度。然后，通过引入损失值列表，可以在生成行驶路径后，用于对行驶路径进行筛选。从而，可以进一步提高生成的行驶路径的准确度。也因为引入了损失值列表，可以用于为在时间位置坐标系中的各个障碍物所在区域提供对应的损失值。由此，使得在生成行驶路径的过程中可以尽量避开损失值大的障碍物区域。从而，使得生成的行驶路径可以供当前车辆避开障碍物，实现主动避障。进而，可以提高车辆行驶的安全性。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的导航路径生成方法，可以及时调整路径以用于主动避障。具体来说，导致车辆无法主动避障的原因在于：若车辆所在道路上存在障碍物，车辆仍然按照路径行驶在道路中心线位置，未根据障碍物位置及时调整路径。基于此，本公开的一些实施例的导航路径生成方法，首先，获取道路图像和历史障碍物信息组集合。其中，上述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息对应不同时刻。其次，对上述道路图像进行提取处理，得到道路信息集。然后，基于上述道路信息集和上述历史障碍物信息序列集，生成障碍物区域坐标组集合。其中，上述障碍物区域坐标组集合中的各个障碍物区域坐标处于预先构建的时间位置坐标系中。通过生成障碍物区域坐标组集合，可以用于将上述道路信息集和上述历史障碍物信息序列集转换至预设的时间位置坐标系。之后，基于预设的行驶约束条件，生成目标位置区域坐标集。通过生成目标位置区域坐标集，可以用于确定车辆的可行驶区域。最后，基于预设的损失值列表、上述障碍物区域坐标序列集和上述目标位置区域坐标集，生成导航路径。通过引入损失值列表，可以便于在时间位置坐标系中生成导航路径。以此，使得车辆在按照上述导航路径行驶的过程中，可以避开由上述障碍物区域坐标序列集所表征的障碍物区域。从而，实现了及时调整路径以用于主动避障的功能。进而，提高了车辆行驶的安全性。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种导航路径生成装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的导航路径生成装置200包括：获取单元201、提取处理单元202、第一生成单元203、第二生成单元204和第三生成单元205。其中，获取单元201，被配置成获取道路图像和历史障碍物信息序列集，其中，上述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息对应不同时刻；提取处理单元202，被配置成对上述道路图像进行提取处理，得到道路信息集；第一生成单元203，被配置成基于上述道路信息集和上述历史障碍物信息序列集，生成障碍物区域坐标组集合，其中，上述障碍物区域坐标组集合中的各个障碍物区域坐标处于预先构建的时间位置坐标系中；第二生成单元204，被配置成基于预设的行驶约束条件，生成目标位置区域坐标集；第三生成单元205，被配置成基于预设的损失值列表、上述障碍物区域坐标组集合和上述目标位置区域坐标集，生成导航路径。
可以理解的是，该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取道路图像和历史障碍物信息序列集，其中，上述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息对应不同时刻；对上述道路图像进行提取处理，得到道路信息集；基于上述道路信息集和上述历史障碍物信息序列集，生成障碍物区域坐标组集合，其中，上述障碍物区域坐标组集合中的各个障碍物区域坐标处于预先构建的时间位置坐标系中；基于预设的行驶约束条件，生成目标位置区域坐标集；基于预设的损失值列表、上述障碍物区域坐标组集合和上述目标位置区域坐标集，生成导航路径。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，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，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、提取处理单元、第一生成单元、第二生成单元和第三生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取道路图像和历史障碍物信息序列集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种导航路径生成方法，包括：
获取道路图像和历史障碍物信息序列集，其中，所述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息对应不同时刻；
对所述道路图像进行提取处理，得到道路信息集；
基于所述道路信息集和所述历史障碍物信息序列集，生成障碍物区域坐标组集合，其中，所述障碍物区域坐标组集合中的各个障碍物区域坐标处于预先构建的时间位置坐标系中；
基于预设的行驶约束条件，生成目标位置区域坐标集；
基于预设的损失值列表、所述障碍物区域坐标组集合和所述目标位置区域坐标集，生成导航路径。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述导航路径发送至车辆控制系统，以供所述车辆控制系统控制当前车辆进行移动。
3.根据权利要求1所述的方法，其中，所述道路信息集中的道路信息包括：障碍物半径值、障碍物中点坐标和障碍物类型，所述历史障碍物信息序列集中每个历史障碍物信息序列中的每个历史障碍物信息包括：历史障碍物中心点坐标和障碍物类型，障碍物类型包括静态障碍物类型和动态障碍物类型；以及
所述基于所述道路信息集和所述历史障碍物信息序列集，生成障碍物区域坐标组集合，包括：
对于所述道路信息集中的每个道路信息，执行如下步骤以生成障碍物区域坐标组集合中的障碍物区域坐标组：
从所述历史障碍物信息序列集中选出与所述道路信息相匹配的历史障碍物信息序列，作为匹配障碍物信息序列；
响应于确定所述道路信息包括的障碍物类型为动态障碍物类型，对所述道路信息包括的障碍物中点坐标和所述匹配障碍物信息序列中各个匹配障碍物信息包括的历史障碍物中心点坐标进行轨迹预测，得到障碍物运动轨迹；
将所述障碍物运动轨迹的边缘坐标点确定为障碍物运动轨迹边缘坐标，得到障碍物运动轨迹边缘坐标组；
对所述障碍物运动轨迹边缘坐标组中的各个障碍物运动轨迹边缘坐标进行坐标转换，得到所述障碍物区域坐标组，其中，所述坐标转换是将障碍物运动轨迹边缘坐标从车辆坐标系转换至所述时间位置坐标系。
4.根据权利要求3所述的方法，其中，所述方法还包括：
响应于确定所述道路信息包括的障碍物类型为静态障碍物类型，基于所述道路信息包括的障碍物中点坐标和障碍物半径值，生成待转换障碍物区域边缘坐标组；
对所述待转换障碍物区域边缘坐标组中的各个待转换障碍物区域边缘坐标进行坐标转换，得到障碍物区域坐标组。
5.根据权利要求1所述的方法，其中，所述基于预设的行驶约束条件，生成目标位置区域坐标集，包括：
获取当前车辆的车辆数据和车辆意图信息，其中，所述车辆数据包括以下至少一项：当前车辆位置坐标、车辆横向速度值和车辆纵向速度值；
基于所述行驶约束条件、所述车辆意图信息和所述车辆数据包括的当前车辆位置坐标、车辆横向速度值和车辆纵向速度值，确定所述当前车辆在预设的运动时长后所在位置坐标，得到位置区域坐标集和对应的运动时间点集；
基于所述运动时间点集，对所述位置区域坐标集中的每个位置区域坐标进行坐标转换以生成目标位置区域坐标，得到目标位置区域坐标集。
6.根据权利要求5所述的方法，其中，所述基于预设的损失值列表、所述障碍物区域坐标组集合和所述目标位置区域坐标集，生成导航路径，包括：
从所述目标位置区域坐标集中选出一个满足预设筛选条件的目标位置区域坐标作为筛选后区域坐标，以执行如下生成步骤：
确定所述障碍物区域坐标组集合中每个障碍物区域坐标组对应的损失值以生成目标损失值，得到目标损失值集合；
基于所述目标损失值集合，生成从所述当前车辆位置坐标到所述目标位置区域坐标的路径损失值和行驶路径；
响应于确定所述路径损失值满足预设的损失值条件，将所述行驶路径确定为导航路径。
7.根据权利要求6所述的方法，其中，所述方法还包括：
响应于确定所述路径损失值不满足所述损失值条件，从所述目标位置区域坐标集中再次选出一个满足预设筛选条件的目标位置区域坐标作为筛选后区域坐标，以执行所述生成步骤。
8.一种导航路径生成装置，包括：
获取单元，被配置成获取道路图像和历史障碍物信息序列集，其中，所述历史障碍物信息序列集中每个历史障碍物信息序列中的各个历史障碍物信息对应不同时刻；
提取处理单元，被配置成对所述道路图像进行提取处理，得到道路信息集；
第一生成单元，被配置成基于所述道路信息集和所述历史障碍物信息序列集，生成障碍物区域坐标组集合，其中，所述障碍物区域坐标组集合中的各个障碍物区域坐标处于预先构建的时间位置坐标系中；
第二生成单元，被配置成基于预设的行驶约束条件，生成目标位置区域坐标集；
第三生成单元，被配置成基于预设的损失值列表、所述障碍物区域坐标组集合和所述目标位置区域坐标集，生成导航路径。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210748370.8A CN115185271B (zh) | 2022-06-29 | 2022-06-29 | 导航路径生成方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210748370.8A CN115185271B (zh) | 2022-06-29 | 2022-06-29 | 导航路径生成方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115185271A true CN115185271A (zh) | 2022-10-14 |
| CN115185271B CN115185271B (zh) | 2023-05-23 |
Family
ID=83516333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210748370.8A Active CN115185271B (zh) | 2022-06-29 | 2022-06-29 | 导航路径生成方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115185271B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115588185A (zh) * | 2022-11-15 | 2023-01-10 | 广汽埃安新能源汽车股份有限公司 | 行驶路线生成方法、装置、电子设备和计算机可读介质 |
| CN115834672A (zh) * | 2023-02-16 | 2023-03-21 | 浙江大风智能终端科技有限公司 | 基于定位器的车联网信息处理方法及系统 |
| CN115824233A (zh) * | 2023-02-22 | 2023-03-21 | 禾多科技（北京）有限公司 | 行驶道路信息匹配方法、装置、设备和计算机可读介质 |
| CN115993830A (zh) * | 2023-03-21 | 2023-04-21 | 佛山隆深机器人有限公司 | 一种基于障碍物躲避的路径规划方法、装置以及机器人 |
| CN117341683A (zh) * | 2023-12-04 | 2024-01-05 | 苏州观瑞汽车技术有限公司 | 一种基于多目标识别的车辆动态轨迹拟合避障方法及系统 |
| CN118612673A (zh) * | 2024-08-09 | 2024-09-06 | 北京首钢气体有限公司 | 一种基于ZigBee低能耗装置的特种设备定位方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190317515A1 (en) * | 2018-04-16 | 2019-10-17 | Baidu Usa Llc | Method for generating trajectories for autonomous driving vehicles (advs) |
| CN112364997A (zh) * | 2020-12-08 | 2021-02-12 | 北京三快在线科技有限公司 | 一种障碍物的轨迹预测方法及装置 |
| CN112703144A (zh) * | 2020-12-21 | 2021-04-23 | 华为技术有限公司 | 控制方法、相关设备及计算机可读存储介质 |
| CN112824198A (zh) * | 2019-11-21 | 2021-05-21 | 北京京东乾石科技有限公司 | 一种轨迹决策方法、装置、设备和存储介质 |
| CN113753078A (zh) * | 2021-08-17 | 2021-12-07 | 北京百度网讯科技有限公司 | 障碍物轨迹的预测方法、装置、电子设备及自动驾驶车辆 |
| CN114543827A (zh) * | 2022-02-11 | 2022-05-27 | 齐鲁工业大学 | 一种路径规划方法及装置 |
-
2022
- 2022-06-29 CN CN202210748370.8A patent/CN115185271B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190317515A1 (en) * | 2018-04-16 | 2019-10-17 | Baidu Usa Llc | Method for generating trajectories for autonomous driving vehicles (advs) |
| CN112824198A (zh) * | 2019-11-21 | 2021-05-21 | 北京京东乾石科技有限公司 | 一种轨迹决策方法、装置、设备和存储介质 |
| CN112364997A (zh) * | 2020-12-08 | 2021-02-12 | 北京三快在线科技有限公司 | 一种障碍物的轨迹预测方法及装置 |
| CN112703144A (zh) * | 2020-12-21 | 2021-04-23 | 华为技术有限公司 | 控制方法、相关设备及计算机可读存储介质 |
| CN113753078A (zh) * | 2021-08-17 | 2021-12-07 | 北京百度网讯科技有限公司 | 障碍物轨迹的预测方法、装置、电子设备及自动驾驶车辆 |
| CN114543827A (zh) * | 2022-02-11 | 2022-05-27 | 齐鲁工业大学 | 一种路径规划方法及装置 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115588185A (zh) * | 2022-11-15 | 2023-01-10 | 广汽埃安新能源汽车股份有限公司 | 行驶路线生成方法、装置、电子设备和计算机可读介质 |
| CN115834672A (zh) * | 2023-02-16 | 2023-03-21 | 浙江大风智能终端科技有限公司 | 基于定位器的车联网信息处理方法及系统 |
| CN115834672B (zh) * | 2023-02-16 | 2023-04-28 | 浙江大风智能终端科技有限公司 | 基于定位器的车联网信息处理方法及系统 |
| CN115824233A (zh) * | 2023-02-22 | 2023-03-21 | 禾多科技（北京）有限公司 | 行驶道路信息匹配方法、装置、设备和计算机可读介质 |
| CN115824233B (zh) * | 2023-02-22 | 2023-05-23 | 禾多科技（北京）有限公司 | 行驶道路信息匹配方法、装置、设备和计算机可读介质 |
| CN115993830A (zh) * | 2023-03-21 | 2023-04-21 | 佛山隆深机器人有限公司 | 一种基于障碍物躲避的路径规划方法、装置以及机器人 |
| CN117341683A (zh) * | 2023-12-04 | 2024-01-05 | 苏州观瑞汽车技术有限公司 | 一种基于多目标识别的车辆动态轨迹拟合避障方法及系统 |
| CN117341683B (zh) * | 2023-12-04 | 2024-04-23 | 苏州观瑞汽车技术有限公司 | 一种基于多目标识别的车辆动态轨迹拟合避障方法及系统 |
| CN118612673A (zh) * | 2024-08-09 | 2024-09-06 | 北京首钢气体有限公司 | 一种基于ZigBee低能耗装置的特种设备定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115185271B (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115185271B (zh) | 导航路径生成方法、装置、电子设备和计算机可读介质 | |
| CN110796856B (zh) | 车辆变道意图预测方法及变道意图预测网络的训练方法 | |
| CN113264066B (zh) | 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备 | |
| CN115540896B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
| US20210302585A1 (en) | Smart navigation method and system based on topological map | |
| US10809723B2 (en) | Method and apparatus for generating information | |
| Wilkie et al. | Flow reconstruction for data-driven traffic animation | |
| CN112001287B (zh) | 障碍物的点云信息生成方法、装置、电子设备和介质 | |
| CN110654381B (zh) | 用于控制车辆的方法和装置 | |
| CN113033925B (zh) | 用于控制自动驾驶车辆行驶、装置、电子设备和介质 | |
| JP2022003508A (ja) | 軌道計画モデルの訓練方法と装置、電子機器、コンピュータ記憶媒体及びコンピュータプログラム | |
| CN114212110B (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
| CN115534925B (zh) | 车辆控制方法、装置、设备和计算机可读介质 | |
| CN115761702B (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
| CN116279596B (zh) | 车辆控制方法、装置、电子设备和计算机可读介质 | |
| CN112256037B (zh) | 应用于自动驾驶的控制方法、装置、电子设备及介质 | |
| CN114360239A (zh) | 一种多层时空交通知识图谱重建的交通预测方法及系统 | |
| CN116164770B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
| CN116734882B (zh) | 车辆路径规划方法、装置、电子设备和计算机可读介质 | |
| CN111688717B (zh) | 用于控制车辆通行的方法和装置 | |
| Perla et al. | Implementation of Autonomous Cars using Machine Learning | |
| CN117218187A (zh) | 行人位置信息生成方法、装置、设备和计算机可读介质 | |
| CN115468578A (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
| CN115366919A (zh) | 一种轨迹预测方法、系统、电子设备及存储介质 | |
| CN114004406A (zh) | 车辆轨迹预测方法、装置、存储介质及电子设备 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |