CN115200604A - 转弯路径规划方法、设备、车辆及存储介质 - Google Patents

转弯路径规划方法、设备、车辆及存储介质 Download PDF

Info

Publication number
CN115200604A
CN115200604A CN202211125386.XA CN202211125386A CN115200604A CN 115200604 A CN115200604 A CN 115200604A CN 202211125386 A CN202211125386 A CN 202211125386A CN 115200604 A CN115200604 A CN 115200604A
Authority
CN
China
Prior art keywords
vehicle
turning
grid
path
intersection
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
CN202211125386.XA
Other languages
English (en)
Other versions
CN115200604B (zh
Inventor
肖智冲
陈建兴
李杨
邱杰
吴浩涛
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.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Autopilot Technology 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 Guangzhou Xiaopeng Autopilot Technology Co Ltd filed Critical Guangzhou Xiaopeng Autopilot Technology Co Ltd
Priority to CN202211125386.XA priority Critical patent/CN115200604B/zh
Publication of CN115200604A publication Critical patent/CN115200604A/zh
Application granted granted Critical
Publication of CN115200604B publication Critical patent/CN115200604B/zh
Priority to PCT/CN2023/119059 priority patent/WO2024056064A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种转弯路径规划方法、设备、车辆及存储介质。该方法包括：获得自车前方的目标车辆在目标转弯路口内的转弯路径的多个轨迹点；根据所述目标车辆的所述多个轨迹点，获得所述自车的规划转弯路径，以使所述自车根据所述规划转弯路径移动通过所述目标转弯路口。本申请提供的方案，能够根据转弯路口的实际车流，生成通过转弯路口的规划路径，提高车辆通过转弯路口的安全性。

Description

转弯路径规划方法、设备、车辆及存储介质
技术领域
本申请涉及车辆技术领域，尤其涉及一种转弯路径规划方法、设备、车辆及存储介质。
背景技术
在城市自动驾驶场景中，路口场景有着其复杂的特殊性，路口场景通畅的通行能力是一个重要的评估指标之一。
相关技术基于高精度地图的自动驾驶，由于实际车流与路口内的车道线存在不符的情况，自动驾驶车辆沿着高精度地图的车道线行驶，会与路口内的实际车流的行为不符，导致危险切入或者碰撞。
发明内容
为解决或部分解决相关技术中存在的问题，本申请提供一种转弯路径规划方法、设备、车辆及存储介质，能够根据转弯路口的实际车流，生成通过转弯路口的规划路径，提高车辆通过转弯路口的安全性。
本申请第一方面提供一种转弯路径规划方法，所述方法包括：
获得自车前方的目标车辆在目标转弯路口内的转弯路径的多个轨迹点；
根据所述目标车辆的所述多个轨迹点，获得所述自车的规划转弯路径，以使所述自车根据所述规划转弯路径移动通过所述目标转弯路口。
一实施例中，所述多个轨迹点包括转弯路径起点和转弯路径终点；
所述根据所述目标车辆的所述多个轨迹点，获得所述自车的规划转弯路径，包括：
确定Frenet坐标系的参考线，其中，所述参考线为所述目标转弯路口内的转弯边界线；
根据所述参考线，将所述多个轨迹点从当前坐标系转换到Frenet坐标系；
在所述Frenet坐标系下，根据所述多个轨迹点和预设的评价函数，分别获得所述转弯路径起点和转弯路径终点之间的多条路径各自的评价函数值；
根据所述多条路径各自的评价函数值，确定所述多条路径中评价函数值符合预设条件的路径为所述自车的规划转弯路径。
一实施例中，所述在所述Frenet坐标系下，根据所述多个轨迹点和预设的评价函数，分别获得所述转弯路径起点和转弯路径终点之间的多条路径各自的评价函数值，包括：
构建所述目标转弯路口的设定范围内的SL网格图，所述多个轨迹点分布于所述SL网格图的网格内；
根据预设路径搜索算法，在所述SL网格图中获得所述转弯路径起点和转弯路径终点之间的多条路径；
获得所述多条路径中的每条路径的评价函数值，包括：
分别获得所述路径上各网格的设定性能指标函数值；
根据所述多个轨迹点在所述各网格内的分布数据分别确定所述各网格的权重值；
根据所述各网格的所述性能指标函数值和所述权重值，获得所述多条路径中的每条路径的评价函数值。
一实施例中，所述参考线为所述目标转弯路口的外侧转弯边界线，所述外侧转弯边界线为将所述目标转弯路口的最外侧车道线偏移预设距离获得；
所述目标转弯路口的内侧转弯边界线为连接所述目标转弯路口的最内侧驶入车道线处的第一边界点和最内侧驶出车道线处的第二边界点的直线；
所述构建所述目标转弯路口的设定范围内的SL网格图，包括：构建所述目标转弯路口的外侧转弯边界线和内侧转弯边界线之间的SL网格图。
一实施例中，所述网格的设定性能指标函数值是根据所述网格与相邻网格之间的航向角偏移和/或距离偏移获得的。
一实施例中，所述根据所述多个轨迹点在所述各网格内的分布数据确定所述各网格的权重值，包括：
设置具有轨迹点的网格的权重高于不具有轨迹点的网格的权重；和/或，
设置轨迹点多的网格的权重高于轨迹点少或不具有轨迹点的网格的权重。
一实施例中，所述根据所述各网格的所述性能指标函数值和所述权重值，获得所述多条路径中的每条路径的评价函数值，包括：
根据所述目标转弯路口的形状数据及各网格的位置数据，获得所述各网格的权重值的修正系数；
根据所述各网格的所述性能指标函数值、所述权重值和所述修正系数，获得所述多条路径中的每条路径的评价函数值。
一实施例中，所述根据所述目标转弯路口的形状数据及所述各网格的位置数据，获得所述各网格的权重值的修正系数，包括：
根据所述目标转弯路口的长度和宽度的比例关系、及所述各网格的L轴数据，分别获得所述各网格相对于设定安全位置的偏移数据；
根据所述各网格的所述偏移数据获得所述各网格的权重值的修正系数。
一实施例中，所述获得自车前方的目标车辆在目标转弯路口内的转弯路径的多个轨迹点，还包括：
将自车前方处于设定路口范围内、且符合预设条件的同向车辆确定为目标车辆，所述符合预设条件包括以下部分或全部：同向车辆与自车之间的距离不小于设定距离阈值；同向车辆的航向角与自车的航向角之差小于设定角度阈值；同向车辆的速度不小于设定速度阈值。
一实施例中，所述方法还包括：通过共轭梯度算法对所述自车的规划转弯路径进行平滑处理。
本申请第二方面提供一种计算设备，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
本申请第三方面提供一种车辆，包括如上所述的计算设备。
本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被处理器执行时，使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果：
本申请的技术方案，根据自车前方的目标车辆通过目标转弯路口的转弯路径的多个轨迹点，获得自车的规划转弯路径，以使自车根据规划转弯路径移动通过目标转弯路口；自车可以不必识别目标转弯路口的车道线，根据目标转弯路口的实际车流，根据自车前方的目标车辆通过目标转弯路口的转弯路径的多个轨迹点进行转弯路径规划，获得自车的规划转弯路径，目标转弯路口内目标车辆行驶的转弯路径可以避开目标转弯路口中的危险地段或障碍物，自车在根据规划转弯路径通过目标转弯路口时，也能避开目标转弯路口中的危险地段或障碍物，能够避免自车的危险切入或者碰撞，提高车辆通过目标转弯路口的安全性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本申请一实施例的转弯路径规划方法的流程示意图；
图2是本申请另一实施例的转弯路径规划方法的流程示意图；
图3是图2实施例的场景示意图；
图4是本申请一实施例的SL网格图和修正系数曲线的示意图；
图5是本申请一实施例的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
相关技术基于高精度地图的自动驾驶，由于实际车流与路口内的车道线存在不符的情况，自动驾驶车辆沿着高精度地图的车道线行驶，会与路口内的实际车流的行为不符，导致危险切入或者碰撞，车辆通过路口时存在安全隐患。
针对上述问题，本申请实施例提供一种转弯路径规划方法，能够根据转弯路口的实际车流，生成通过转弯路口的规划路径，提高车辆通过转弯路口的安全性。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请一实施例的转弯路径规划方法的流程示意图。
参见图1，一种转弯路径规划方法，包括：
在S110中，获得自车前方的目标车辆在目标转弯路口内的转弯路径的多个轨迹点。
可以理解的，目标转弯路口可以是单左转弯路口、单右转弯路口、或者也可以是既可左转又可右转的可双向转弯路口。
一实施例中，在自动驾驶的自车通过目标转弯路口时，通过设定设备对自车前方的、目标转弯路口内目标车辆的轨迹点进行采集，获得自车前方的目标车辆在目标转弯路口内的转弯路径的多个轨迹点。
在S120中，根据目标车辆的多个轨迹点，获得自车的规划转弯路径，以使自车根据规划转弯路径移动通过目标转弯路口。
一实施例中，目标车辆的多个轨迹点包括转弯路径起点和转弯路径终点；根据目标车辆的多个轨迹点，获得自车的规划转弯路径，包括：确定Frenet坐标系的参考线，其中，参考线为目标转弯路口内的转弯边界线；根据参考线，将多个轨迹点从当前坐标系转换到Frenet坐标系；在Frenet坐标系下，根据多个轨迹点和预设的评价函数，分别获得转弯路径起点和转弯路径终点之间的多条路径各自的评价函数值；根据多条路径各自的评价函数值，确定多条路径中评价函数值符合预设条件的路径为自车的规划转弯路径，以使自车根据规划转弯路径移动通过目标转弯路口。
一实施例中，可以根据目标车辆的多个轨迹点，获得规划转弯路径的起点和终点；将目标转弯路口内其中一侧的转弯边界线确定为Frenet坐标系的参考线，将多个轨迹点从当前坐标系转换到Frenet坐标系；在Frenet坐标系下，根据多个轨迹点，分别获得规划转弯路径的起点和终点之间的多条路径，根据预设的评价函数，分别获得多条路径各自的评价函数值；根据多条路径各自的评价函数值，确定多条路径中评价函数值最小的路径为自车的规划转弯路径，以使自车根据规划转弯路径移动通过目标转弯路口。
本申请实施例中，根据自车前方的目标车辆通过目标转弯路口的转弯路径的多个轨迹点，获得自车的规划转弯路径，以使自车根据规划转弯路径移动通过目标转弯路口；自车可以不必识别目标转弯路口的车道线，而是依靠目标转弯路口的实际车流，根据自车前方的目标车辆通过目标转弯路口的转弯路径的多个轨迹点进行转弯路径规划，获得自车的规划转弯路径，目标转弯路口内目标车辆行驶的转弯路径可以避开目标转弯路口中的危险地段或障碍物，自车在根据规划转弯路径通过目标转弯路口时，也能避开目标转弯路口中的危险地段或障碍物，能够避免自车的危险切入或者碰撞，提高车辆通过目标转弯路口的安全性。
图2是本申请另一实施例的转弯路径规划方法的流程示意图。图3是图2实施例的场景示意图。
结合图3，本实施例中，以在左转弯路口为目标转弯路口进行转弯路径规划为例进行说明。图中以二车道为例，其中，路口框301示出左转弯路口的路口范围，该左转弯路口具有两条驶入车道和两条驶出车道，分别为第一驶入车道321、第二驶入车道322、第一驶出车道331、第二驶出车道332。第一边界线3211和第二边界线3212为第一驶入车道321的车道边界线。第二边界线3212和第三边界线3213为第二驶入车道322的车道边界线。第四边界线3311和第五边界线3312为第一驶出车道331的车道边界线。第五边界线3312和第六边界线3313为第二驶出车道332的车道边界线。该左转弯路口还具有连接第一驶入车道线3021和第一驶出车道线3031的路口内第一虚拟车道线3041、连接第二驶入车道线3022和第二驶出车道线3032的路口内第二虚拟车道线3042。路口内第一虚拟车道线3041的起点为第一驶入车道线3021与路口停止线305的交点P1、终点为第一驶出车道线3031与路口框301的交点P2，路口内第二虚拟车道线3042的起点为第二驶入车道线3022与路口停止线305的交点P3、终点为第二驶出车道线3032与路口框301的交点P4。路口内第一虚拟车道线3041和路口内第二虚拟车道线3042可以是预先生成的，也可以是实时生成的。依据本申请实施例，可以获得通过该左转弯路口的规划转弯路径。可以理解的，车道线可以是但不限于车道中心线。
参见图2，一种转弯路径规划方法，包括：
在S2001中，根据目标转弯路口的道路信息，获得同向车辆筛选范围。
一实施例中，在自动驾驶的过程中，可以获取自车的定位；根据自车的定位，通过预置的地图例如高精度地图确定自车位于所处的当前道路的具体位置，当检测到自车所处的当前道路包含目标转弯路口(自车在距离该目标转弯路口一定范围时)，可以获取该目标转弯路口的道路信息。目标转弯路口可以是三叉路口，也可以是十字路口或者其他类型的路口。目标转弯路口的道路信息可以包括驶入车道线、驶出车道线、路口的虚拟车道线、停止线、路口范围、驶入车道线的车道边界线、驶出车道线的车道边界线等。在某些实施方式中，自动驾驶车辆也可以通过感知设备（例如摄像头、和/或雷达）获取目标转弯路口的道路信息。
如图3所示，可以根据目标转弯路口的道路信息，获得目标转弯路口的设定范围，即获得目标转弯路口的同向车辆筛选范围。
一个具体实现中，可以对目标转弯路口内最外侧的第二虚拟车道线3042偏移预设距离，获得同向车辆筛选范围的右边界线3061，以连接第一驶入车道321的内侧边界线（第一边界线3211）和第一驶出车道331的内侧边界线（第四边界线3311）的直线为同向车辆筛选范围的左边界线3062。通过同向车辆筛选范围的限制，能够避免目标转弯路口外车辆、障碍物和/或目标转弯路口内的反向行驶车辆对目标车辆筛选的干扰。
在S2002中，将自车前方的、同向车辆筛选范围内符合预设条件的同向车辆确定为目标车辆，并获得目标车辆的多个轨迹点。
一实施例中，在自动驾驶的过程中，自车可以通过感知设备在同向车辆筛选范围采集同向车辆的轨迹信息，同向车辆的轨迹信息包括同向车辆的速度Vagent、航向角θagent、与自车的距离、轨迹点等；通过自车的行驶路径获得自车的航向角θego。根据在同向车辆筛选范围的同向车辆的速度Vagent、航向角θagent、与自车的距离，以及自车的航向角θego，在同向车辆筛选范围对在自车前方的同向车辆进行筛选，将同向车辆与自车的距离不小于设定距离阈值、同向车辆的航向角θagent与自车的航向角θego之差小于设定角度阈值、同向车辆的速度不小于设定速度阈值的同向车辆确定为目标车辆，并获得目标车辆的多个轨迹点。例如，在同向车辆筛选范围内，对在自车前方的、同向车辆进行筛选，将同向车辆的中心与自车的中心距离大于或等于3米的、|θagent -θego| < π/2的、速度Vagent大于或等于2.0米每秒的同向车辆确定为目标车辆，并获得目标车辆的多个轨迹点。
在S2003中，根据目标转弯路口的转弯边界线，建立Frenet坐标系。
一实施例中，目标转弯路口的转弯边界线包括外侧转弯边界线和内侧转弯边界线，外侧转弯边界线为将目标转弯路口的最外侧车道线偏移预设距离获得；目标转弯路口的内侧转弯边界线为连接目标转弯路口的最内侧驶入车道线处的第一边界点和最内侧驶出车道线处的第二边界点的直线。例如，图3所示实施例中，可以以同向车辆筛选范围的右边界线3061为目标转弯路口的外侧转弯边界线，以同向车辆筛选范围的左边界线3062为目标转弯路口的内侧转弯边界线。
一实施例中，以目标转弯路口的外侧转弯边界线为Frenet坐标系的参考线，建立Frenet坐标系，在Frenet坐标系下，沿参考线方向为S轴，垂直于参考线方向为L轴。
在S2004中，在Frenet坐标系下，构建目标转弯路口的外侧转弯边界线和内侧转弯边界线之间的SL网格图。
一实施例中，在Frenet坐标系，采用设定采样步长对目标转弯路口的外侧转弯边界线和内侧转弯边界线之间的同向车辆筛选范围进行采样，构建目标转弯路口的外侧转弯边界线和内侧转弯边界线之间的SL网格图。在Frenet坐标系，设定采样步长包括沿S轴方向的S轴设定采样步长s、沿L轴方向的L轴设定采样步长l。在Frenet坐标系，采用S轴设定采样步长s、L轴设定采样步长l对目标转弯路口的同向车辆筛选范围进行采样，构建目标转弯路口的设定范围内的SL网格图，SL网格图包括多个网格，各网格的大小为s×l。
一实施例中，采样步长s大于采样步长l。S轴设定采样步长s的范围可以在1.0米~5.0米范围内，例如取值为3.0米。L轴设定采样步长l的范围可以在0.8米~2.0米范围内，例如取值为0.8米。
在S2005中，根据预设路径搜索算法，在SL网格图中获得规划转弯路径的起点和终点之间的多条路径。
一实施例中，目标车辆的多个轨迹点包括转弯路径起点和转弯路径终点。可以根据目标车辆的多个轨迹点，获得规划转弯路径的起点和终点。一些实施例中，如图3所示，可以根据自车驶入目标转弯路口的位置，以点P1或点P3为起点，以点P2或点P4为终点。例如，自车在第一驶入车道321驶入目标转弯路口，以点P1为规划转弯路径的起点、点P2为规划转弯路径的终点。
一实施例中，可以采用Dijkstra（迪杰斯特拉）算法，沿Frenet坐标系的S轴方向在SL网格图中进行搜索，获得转弯路径起点和转弯路径终点之间的多条搜索路径；其中，例如可以将搜索路径所经过的网格的中心点作为搜索路径的轨迹点。
在S2006中，分别获得多条路径中各路径上各网格的设定性能指标函数值。
一实施例中，网格的设定性能指标函数值是根据网格与相邻网格之间的航向角偏移和/或距离偏移获得的。
一实施例中，网格的设定性能指标函数值也称为网格的代价（cost），包括网格的航向角代价（heading cost）、距离代价（distance cost），网格的代价用Ggird表示，航向角代价用Gh-c表示，距离代价用Gd-c表示，网格的代价Ggird可至少根据航向角代价Gh-c和距离代价Gd-c获得。多条路径中各路径上各网格的航向角代价，可以根据该网格与下一相邻网格之间的航向角偏移获得；多条路径中各路径上各网格的距离代价，可以根据该网格与下一相邻网格之间的距离偏移获得。
一实施例中，将两个网格中心点的SL坐标转换成笛卡尔坐标系的XY坐标，将两个中心点构成的向量角度作为两个网格之间的航向角偏移。
一实施例中，两个网格中心点之间的欧式距离作为两个网格之间的距离偏移。
在S2007中，根据多个轨迹点在各网格内的分布数据分别确定各网格的权重值。
一实施例中，可以根据多个轨迹点在各网格内的分布数据设置搜索路径中各网格的权重值，例如，设置具有轨迹点的网格的权重高于不具有轨迹点的网格的权重；再例如，设置轨迹点多的网格的权重高于轨迹点少或不具有轨迹点的网格的权重。
一实施例中，根据航向角代价Gh-c和距离代价Gd-c获得网格代价，可以确定多条路径中各网格的代价加权和最小的路径为自车的规划转弯路径。这种情况下，为了使具有轨迹点的网格的权重高于不具有轨迹点的网格的权重，设置具有轨迹点的网格的权重值小于不具有轨迹点的网格的权重值；和/或，设置轨迹点多的网格的权重值小于轨迹点少或不具有轨迹点的网格的权重值。
一实施例中，根据Frenet坐标系的参考线，将目标车辆的多个轨迹点从当前坐标系转换到Frenet坐标系，转换后的多个轨迹点分布于SL网格图的网格内，根据目标车辆的多个轨迹点的Frenet坐标和SL网格中各网格的位置数据，可以获得多个轨迹点在各网格内的分布数据。图4示出SL网格图的一个实例，在SL网格图中，圆点401表示目标车辆的轨迹点，SL网格图中的网格有的不具有目标车辆的轨迹点，有的具有目标车辆的一个轨迹点，有的具有目标车辆的两个轨迹点。
仍以前述根据航向角代价Gh-c和距离代价Gd-c获得网格代价为例，网格的权重值也可称为网格的衰减因子Fagent，衰减因子Fagent是小于1或等于1的系数。具有目标车辆的轨迹点的网格的衰减因子Fagent小于1，不具有目标车辆的轨迹点的网格的衰减因子Fagent为1.0。在一个具体实例中，具有目标车辆的至少两个轨迹点的网格的衰减因子Fagent为0.6，具有目标车辆的一个轨迹点的网格的衰减因子Fagent为0.8，不具有目标车辆的轨迹点的网格的衰减因子Fagent为1.0。通过设置具有目标车辆的轨迹点的网格的衰减因子Fagent小于1，可以减少具有目标车辆的轨迹点的各网格的代价。
一实施例中，对于SL网格图的第i个网格，其加权代价Ggird-i=Fagent-i*（Gh-c-i+Gd-c-i），Fagent-i、Gh-c-i、Gd-c-i分别为SL网格图中第i个网格的衰减因子、航向角代价、距离代价。
在S2008中，根据目标转弯路口的形状数据及各网格的位置数据，获得各网格权重值的修正系数。
一实施例中，为使自车根据规划转弯路径在目标转弯路口移动时尽量避免目标转弯路口的车道边界，可以根据目标转弯路口的长度K、宽度W的比例关系，以及SL网格图各网格的L轴数据，分别获得各网格相对于设定安全位置的偏移距离；根据各网格的偏移距离获得各网格权重值的修正系数。
如图4所示，沿Frenet坐标系的L轴403方向上设计修正系数曲线402，修正系数可以使更靠近设定安全位置的网格具有更高的权重。
一实施例中，SL网格图第i个网格的修正系数为FL-i，对于SL网格图的第i个网格，其修正后的加权代价Ggird-i=FL-i*Fagent-i*（Gh-c-i+Gd-c-i）。
确定多条路径中各网格的代价加权和最小的路径为自车的规划转弯路径的实施例中，修正系数FL-i可以是大于或等于1的系数，且网格越靠近设定安全中心，修正系数越接近1。
一实施例中，修正系数曲线402为沿Frenet坐标系的L轴方向的近抛物线，其中心对应于SL网格图的L轴中心位置，可表示为Lx/2，该中心位置对应的极值为1.0。由于不同路目标转弯路口的形状有所不同，可利用路口的长宽比例调整修正系数曲线的中心位置。
一实施例中，可以通过以下公式计算SL网格图第i个网格的权重值的修正系数FL-i：
Figure 874763DEST_PATH_IMAGE001
其中，Li为SL网格图第i个网格的L轴数据，可以通过i乘以L轴采样步长l获得；
Figure 451238DEST_PATH_IMAGE002
为第i个网格相对于设定安全位置的偏移距离；Lx/2为SL网格图的L轴的中心位置。
在S2009中，根据各网格的性能指标函数值、权重值和修正系数，获得多条路径中的每条路径的评价函数值。
一实施例中，在Frenet坐标系，多条路径中的各路径经过SL网格图中的多个网格，连接规划转弯路径的起点和终点。将各路径上各网格的设定性能指标函数值加权相加，以各路径上各网格的设定性能指标函数值的加权和为多条路径中的每条路径的评价函数值。
一实施例中，根据各网格的权重值和修正系数，各网格修正后的加权代价Ggird-i=FL-i*Fagent-i*（Gh-c-i+Gd-c-i）。多条路径中的每条路径的评价函数值可以是多条路径中的每条路径的多个网格的修正后的加权代价的和∑Ggird。例如，多条路径中的一条路径经过N个网格，N个网格中各网格的修正后的加权代价根据Ggird-i=FL-i*Fagent-i*（Gh-c-i+Gd-c-i）获得；将N个网格中各网格的修正后的加权代价相加获得N个网格的加权代价和∑Ggird，该N个网格的加权代价和∑Ggird即为该条路径的评价函数值。
在S2010中，根据多条路径各自的评价函数值，确定多条路径中评价函数值符合预设条件的路径为自车的规划转弯路径，以使自车根据规划转弯路径移动通过目标转弯路口。
一实施例中，可以根据Frenet坐标系多条路径中各路径的评价函数值，选择评价函数值最小的路径作为自车通过目标转弯路口的Frenet坐标系的规划转弯路径，以使自车根据规划转弯路径移动通过目标转弯路口。
一实施例中，可以将Frenet坐标系的规划转弯路径，通过坐标系转换，获得笛卡尔坐标系的规划转弯路径，以使自车根据笛卡尔坐标系的规划转弯路径移动通过目标转弯路口。
一实施例中，可以通过平滑算法对自车的规划转弯路径进行平滑处理，获得通过目标转弯路口的平滑的规划转弯路径。一些实施例中，可以通过包括但不限于CG（Conjugate Gradient，共轭梯度）算法，对自车的规划转弯路径进行平滑处理，获得平滑的规划转弯路径，以使自车根据平滑的规划转弯路径平滑移动通过目标转弯路口。采用CG算法的平滑处理，实现简单，计算耗时小。
本申请实施例中，根据自车前方的目标车辆通过目标转弯路口的转弯路径的多个轨迹点，获得自车的规划转弯路径，以使自车根据规划转弯路径移动通过目标转弯路口；自车可以不必识别目标转弯路口的车道线，根据目标转弯路口的实际车流，根据自车前方的目标车辆通过目标转弯路口的转弯路径的多个轨迹点进行转弯路径规划，获得自车的规划转弯路径，目标转弯路口内目标车辆行驶的转弯路径可以避开目标转弯路口中的危险地段或障碍物，自车在根据规划转弯路径通过目标转弯路口时，也能避开目标转弯路口中的危险地段或障碍物，能够避免自车的危险切入或者碰撞，提高车辆通过目标转弯路口的安全性。
进一步的，本申请实施例中，将目标转弯路口内的转弯边界线作为Frenet坐标系的参考线，构建Frenet坐标系；在Frenet坐标系构建目标转弯路口的设定范围内的SL网格图，将目标车辆的多个轨迹点从当前坐标系转换到Frenet坐标系，多个轨迹点分布于SL网格图的网格内，根据多个轨迹点在SL网格图各网格内的分布数据确定各网格的权重值，设置具有轨迹点的网格的权重值小于不具有轨迹点的网格的权重值；和/或，设置轨迹点多的网格的权重值小于轨迹点少或不具有轨迹点的网格的权重值，通过各网格权重值的设置，减少具有目标车辆的轨迹点的各网格的代价，使得自车的规划转弯路径尽可能的经过目标车辆的轨迹点，能够避免自车的危险切入或者碰撞，提高车辆通过目标转弯路口的安全性。
进一步的，本申请实施例中，根据目标转弯路口的长度和宽度的比例关系、及各网格的L轴数据，分别获得各网格相对于设定安全位置的偏移数据；根据各网格的偏移数据获得各网格的修正系数，修正系数是大于1的系数，越靠近目标转弯路口中心位置的各网格的修正系数越小，使得越靠近中心位置的各网格的代价越小，则自车的规划转弯路径越靠近目标转弯路口的设定范围的中心位置，能够避免自车的规划转弯路径位于目标转弯路口的边界，自车根据规划转弯路径移动通过目标转弯路口时，能够偏离目标转弯路口两侧的边界，能够避免自车的危险切入或者碰撞，提高车辆通过目标转弯路口的安全性。
与前述应用功能实现方法实施例相对应，本申请还提供了一种计算设备及相应的实施例。
图5是本申请一实施例示出的计算设备的结构示意图。
计算设备可以是一个或多个计算机终端或可以是服务器，或者也可以是计算机终端和服务器的组合等。可以理解的，服务器可以是一个物理服务器或者多个物理服务器虚拟而成的一个逻辑服务器。服务器也可以是多个可互联通信的服务器组成的服务器群，且各个功能模块可分别分布在服务器群中的各个服务器上。一些实施例中，计算设备是车载电子设备，例如可以是但不限于车辆的电子控制单元、自动驾驶系统控制器、智能导航设备、智能手机、智能平板设备等可移动设备等。
参见图5，计算设备500包括存储器501和处理器502。
可以理解的，本申请中，计算设备500包括处理器502及存储有计算机程序的存储器501。上述处理器502执行所存储的计算机程序时可以实现转弯路径规划方法。计算设备500可以是一个或多个计算机终端或可以是服务器，或者也可以是计算机终端和服务器的组合等。可以理解的，服务器可以是一个物理服务器或者多个物理服务器虚拟而成的一个逻辑服务器。服务器也可以是多个可互联通信的服务器组成的服务器群，且各个功能模块可分别分布在服务器群中的各个服务器上。一些实施例中，计算设备500是车载电子设备，例如可以是但不限于车辆的电子控制单元、自动驾驶系统控制器、智能导航设备、智能手机、智能平板设备等可移动设备等。
处理器502可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器501可以包括各种类型的存储单元，例如系统内存、只读存储器（ROM）和永久存储装置。其中，ROM可以存储处理器502或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置（例如磁或光盘、闪存）作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备（例如软盘、光驱）。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器501可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片（例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器），磁盘和/或光盘也可以采用。在一些实施方式中，存储器501可以包括可读和/或写的可移除的存储设备，例如激光唱片（CD）、只读数字多功能光盘（例如DVD-ROM，双层DVD-ROM）、只读蓝光光盘、超密度光盘、闪存卡（例如SD卡、min SD卡、Micro-SD卡等）、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器501上存储有可执行代码，当可执行代码被处理器502处理时，可以使处理器502执行上文述及的方法中的部分或全部。
本申请还提供一种车辆，包括如上所述的计算设备500。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种计算机可读存储介质（或非暂时性机器可读存储介质或机器可读存储介质），其上存储有可执行代码（或计算机程序或计算机指令代码），当可执行代码（或计算机程序或计算机指令代码）被车辆（或计算设备、服务器等）的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。

Claims (13)

1.一种转弯路径规划方法，其特征在于，包括：
获得自车前方的目标车辆在目标转弯路口内的转弯路径的多个轨迹点，所述多个轨迹点包括转弯路径起点和转弯路径终点；
获得所述转弯路径起点和转弯路径终点之间的多条路径；
根据所述目标车辆的所述多个轨迹点，确定所述多条路径中评价函数值符合预设条件的路径为所述自车的规划转弯路径，以使所述自车根据所述规划转弯路径移动通过所述目标转弯路口。
2.根据权利要求1所述的方法，其特征在于，
所述根据所述目标车辆的所述多个轨迹点，确定所述多条路径中评价函数值符合预设条件的路径为所述自车的规划转弯路径，包括：
确定Frenet坐标系的参考线，其中，所述参考线为所述目标转弯路口内的转弯边界线；
根据所述参考线，将所述多个轨迹点从当前坐标系转换到Frenet坐标系；
在所述Frenet坐标系下，根据所述多个轨迹点和预设的评价函数，分别获得所述转弯路径起点和转弯路径终点之间的多条路径各自的评价函数值；
根据所述多条路径各自的评价函数值，确定所述多条路径中评价函数值符合预设条件的路径为所述自车的规划转弯路径。
3.根据权利要求2所述的方法，其特征在于，
所述获得所述转弯路径起点和转弯路径终点之间的多条路径，包括：构建所述目标转弯路口的设定范围内的SL网格图，所述多个轨迹点分布于所述SL网格图的网格内；根据预设路径搜索算法，在所述SL网格图中获得所述转弯路径起点和转弯路径终点之间的多条路径；
所述获得所述多条路径中的每条路径的评价函数值，包括：
分别获得所述路径上各网格的设定性能指标函数值；
根据所述多个轨迹点在所述各网格内的分布数据分别确定所述各网格的权重值；
根据所述各网格的所述性能指标函数值和所述权重值，获得所述多条路径中的每条路径的评价函数值。
4.根据权利要求3所述的方法，其特征在于，
所述参考线为所述目标转弯路口的外侧转弯边界线，所述外侧转弯边界线为将所述目标转弯路口的最外侧车道线偏移预设距离获得；
所述目标转弯路口的内侧转弯边界线为连接所述目标转弯路口的最内侧驶入车道线处的第一边界点和最内侧驶出车道线处的第二边界点的直线；
所述构建所述目标转弯路口的设定范围内的SL网格图，包括：构建所述目标转弯路口的外侧转弯边界线和内侧转弯边界线之间的SL网格图。
5.根据权利要求3所述的方法，其特征在于，所述网格的设定性能指标函数值是根据所述网格与相邻网格之间的航向角偏移和/或距离偏移获得的。
6.根据权利要求3所述的方法，其特征在于，所述根据所述多个轨迹点在所述各网格内的分布数据确定所述各网格的权重值，包括：
设置具有轨迹点的网格的权重高于不具有轨迹点的网格的权重；和/或，
设置轨迹点多的网格的权重高于轨迹点少或不具有轨迹点的网格的权重。
7.根据权利要求3所述的方法，其特征在于，所述根据所述各网格的所述性能指标函数值和所述权重值，获得所述多条路径中的每条路径的评价函数值，包括：
根据所述目标转弯路口的形状数据及各网格的位置数据，获得所述各网格的权重值的修正系数；
根据所述各网格的所述性能指标函数值、所述权重值和所述修正系数，获得所述多条路径中的每条路径的评价函数值。
8.根据权利要求7所述的方法，其特征在于，所述根据所述目标转弯路口的形状数据及所述各网格的位置数据，获得所述各网格的权重值的修正系数，包括：
根据所述目标转弯路口的长度和宽度的比例关系、及所述各网格的L轴数据，分别获得所述各网格相对于设定安全位置的偏移数据；
根据所述各网格的所述偏移数据获得所述各网格的权重值的修正系数。
9.根据权利要求1至8任一项所述的方法，其特征在于，所述获得自车前方的目标车辆在目标转弯路口内的转弯路径的多个轨迹点，还包括：
将自车前方处于设定路口范围内、且符合预设条件的同向车辆确定为目标车辆，所述符合预设条件包括以下部分或全部：同向车辆与自车之间的距离不小于设定距离阈值；同向车辆的航向角与自车的航向角之差小于设定角度阈值；同向车辆的速度不小于设定速度阈值。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：通过共轭梯度算法对所述自车的规划转弯路径进行平滑处理。
11.一种计算设备，其特征在于，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-10中任一项所述的方法。
12.一种车辆，其特征在于，具有如权利要求11所述的计算设备。
13.一种计算机可读存储介质，其特征在于，其上存储有可执行代码，当所述可执行代码被处理器执行时，使所述处理器执行如权利要求1-10中任一项所述的方法。
CN202211125386.XA 2022-09-16 2022-09-16 转弯路径规划方法、设备、车辆及存储介质 Active CN115200604B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211125386.XA CN115200604B (zh) 2022-09-16 2022-09-16 转弯路径规划方法、设备、车辆及存储介质
PCT/CN2023/119059 WO2024056064A1 (zh) 2022-09-16 2023-09-15 转弯路径规划方法、设备、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211125386.XA CN115200604B (zh) 2022-09-16 2022-09-16 转弯路径规划方法、设备、车辆及存储介质

Publications (2)

Publication Number Publication Date
CN115200604A true CN115200604A (zh) 2022-10-18
CN115200604B CN115200604B (zh) 2023-05-16

Family

ID=83571746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211125386.XA Active CN115200604B (zh) 2022-09-16 2022-09-16 转弯路径规划方法、设备、车辆及存储介质

Country Status (2)

Country Link
CN (1) CN115200604B (zh)
WO (1) WO2024056064A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117109619A (zh) * 2023-08-28 2023-11-24 北京工业大学 一种无人驾驶路径规划方法
CN117451072A (zh) * 2023-12-21 2024-01-26 广汽埃安新能源汽车股份有限公司 一种车辆起步阶段的轨迹规划方法及装置
WO2024056064A1 (zh) * 2022-09-16 2024-03-21 广州小鹏自动驾驶科技有限公司 转弯路径规划方法、设备、车辆及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170060133A1 (en) * 2015-08-27 2017-03-02 Hyundai Motor Company Apparatus and method for controlling autonomous navigation
US20200256686A1 (en) * 2019-02-13 2020-08-13 The Boeing Company Methods and apparatus for determining a vehicle path
CN111857160A (zh) * 2020-08-17 2020-10-30 武汉中海庭数据技术有限公司 一种无人车路径规划方法和装置
US20210096573A1 (en) * 2019-09-30 2021-04-01 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for determining turn-round path of vehicle, device and medium
CN112683291A (zh) * 2020-12-30 2021-04-20 广州小鹏自动驾驶科技有限公司 车辆转弯路径规划方法、装置、车辆和存储介质
CN113932823A (zh) * 2021-09-23 2022-01-14 同济大学 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法
CN114485695A (zh) * 2021-12-20 2022-05-13 北京罗克维尔斯科技有限公司 路径规划方法、装置、服务器、车辆及存储介质
CN114763996A (zh) * 2022-04-27 2022-07-19 重庆长安汽车股份有限公司 一种基于多传感器融合的复杂场景路径规划方法
CN114964293A (zh) * 2022-05-31 2022-08-30 智道网联科技(北京)有限公司 车辆的路径规划方法、装置及电子设备、存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108995708B (zh) * 2017-06-06 2022-10-04 蔚来(安徽)控股有限公司 一种车辆自动转弯控制方法和装置
WO2020062030A1 (en) * 2018-09-28 2020-04-02 Baidu.Com Times Technology (Beijing) Co., Ltd. A spiral path based three-point turn planning for autonomous driving vehicles
CN112068545B (zh) * 2020-07-23 2022-12-27 哈尔滨工业大学（深圳） 一种无人驾驶车辆在十字路口的行驶轨迹规划方法、系统及存储介质
CN113291318B (zh) * 2021-05-28 2022-06-28 同济大学 基于部分可观测马尔科夫模型的无人车盲区转弯规划方法
CN114834486A (zh) * 2022-06-08 2022-08-02 云控智行科技有限公司 一种规划车辆掉头路径的方法、装置及设备
CN115200604B (zh) * 2022-09-16 2023-05-16 广州小鹏自动驾驶科技有限公司 转弯路径规划方法、设备、车辆及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170060133A1 (en) * 2015-08-27 2017-03-02 Hyundai Motor Company Apparatus and method for controlling autonomous navigation
US20200256686A1 (en) * 2019-02-13 2020-08-13 The Boeing Company Methods and apparatus for determining a vehicle path
US20210096573A1 (en) * 2019-09-30 2021-04-01 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for determining turn-round path of vehicle, device and medium
CN111857160A (zh) * 2020-08-17 2020-10-30 武汉中海庭数据技术有限公司 一种无人车路径规划方法和装置
CN112683291A (zh) * 2020-12-30 2021-04-20 广州小鹏自动驾驶科技有限公司 车辆转弯路径规划方法、装置、车辆和存储介质
CN113932823A (zh) * 2021-09-23 2022-01-14 同济大学 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法
CN114485695A (zh) * 2021-12-20 2022-05-13 北京罗克维尔斯科技有限公司 路径规划方法、装置、服务器、车辆及存储介质
CN114763996A (zh) * 2022-04-27 2022-07-19 重庆长安汽车股份有限公司 一种基于多传感器融合的复杂场景路径规划方法
CN114964293A (zh) * 2022-05-31 2022-08-30 智道网联科技(北京)有限公司 车辆的路径规划方法、装置及电子设备、存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHIXIANLIU 等: "Two potential fields fused adaptive path planning system for autonomous vehicle under different velocities", 《ISA TRANSACTIONS》 *
耿宏飞 等: "A*算法在AGV路径规划上的改进与验证", 《计算机应用与软件》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024056064A1 (zh) * 2022-09-16 2024-03-21 广州小鹏自动驾驶科技有限公司 转弯路径规划方法、设备、车辆及存储介质
CN117109619A (zh) * 2023-08-28 2023-11-24 北京工业大学 一种无人驾驶路径规划方法
CN117451072A (zh) * 2023-12-21 2024-01-26 广汽埃安新能源汽车股份有限公司 一种车辆起步阶段的轨迹规划方法及装置
CN117451072B (zh) * 2023-12-21 2024-03-26 广汽埃安新能源汽车股份有限公司 一种车辆起步阶段的轨迹规划方法及装置

Also Published As

Publication number Publication date
CN115200604B (zh) 2023-05-16
WO2024056064A1 (zh) 2024-03-21

Similar Documents

Publication Publication Date Title
CN115200604A (zh) 转弯路径规划方法、设备、车辆及存储介质
EP3699048A1 (en) Travelling track prediction method and device for vehicle
WO2020029601A1 (zh) 一种地图车道横向拓扑关系的构建方法、系统及存储器
EP3703033A1 (en) Track prediction method and device for obstacle at junction
EP3109842B1 (en) Map-centric map matching method and apparatus
JP6788692B2 (ja) 軌跡決定のためのシステム及び方法
WO2022056770A1 (zh) 一种路径规划方法和路径规划装置
CN110531749A (zh) 确定避开移动障碍物的自动驾驶的驾驶路径
CN112444263B (zh) 全局路径规划方法及装置
CN108961811A (zh) 停车场车辆定位方法、系统、移动终端及存储介质
CN111142525A (zh) 高精度地图车道拓扑构建方法及系统、服务器及介质
JP7299976B2 (ja) 環境ターゲットの特徴点抽出方法及び装置
CN113109783B (zh) 航向角获取方法、装置、设备和存储介质
CN109927717A (zh) 泊车轨迹的确定方法、装置及智能终端
CN115042788A (zh) 交通路口通行方法、装置及电子设备、存储介质
CN114894202A (zh) 交通路口虚拟车道线的生成方法、装置及设备
CN115346183A (zh) 一种车道线检测方法、终端及存储介质
CN114689071A (zh) 车辆的路径规划方法、装置及电子设备、存储介质
CN113701777A (zh) 基于空间向量的高精地图车道关联轨迹线自动生成方法
CN116740680A (zh) 一种车辆定位方法、装置及电子设备
CN115489544A (zh) 路口转弯路径参考线生成方法、设备、车辆及存储介质
CN116045991A (zh) 一种车辆的外轮廓无碰撞路径规划方法及装置
CN115402323A (zh) 换道决策方法和电子设备
CN114063612A (zh) 一种路径规划方法、路径规划装置及电子设备
CN115824234B (zh) 地图匹配方法、装置及电子设备

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
TR01 Transfer of patent right

Effective date of registration: 20240307

Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province

Patentee after: GUANGZHOU XIAOPENG MOTORS TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: Room 46, room 406, No.1, Yichuang street, Zhongxin knowledge city, Huangpu District, Guangzhou City, Guangdong Province

Patentee before: Guangzhou Xiaopeng Automatic Driving Technology Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right