CN115326099A - 局部路径规划方法、装置、电子设备和计算机可读介质 - Google Patents

局部路径规划方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN115326099A
CN115326099A CN202211237417.0A CN202211237417A CN115326099A CN 115326099 A CN115326099 A CN 115326099A CN 202211237417 A CN202211237417 A CN 202211237417A CN 115326099 A CN115326099 A CN 115326099A
Authority
CN
China
Prior art keywords
obstacle information
road
obstacle
coordinate
distribution curve
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
CN202211237417.0A
Other languages
English (en)
Other versions
CN115326099B (zh
Inventor
胡禹超
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.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202211237417.0A priority Critical patent/CN115326099B/zh
Publication of CN115326099A publication Critical patent/CN115326099A/zh
Application granted granted Critical
Publication of CN115326099B publication Critical patent/CN115326099B/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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3626—Details of the output of route guidance instructions
    • G01C21/3644—Landmark guidance, e.g. using POIs or conspicuous other objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开的实施例公开了局部路径规划方法、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：获取当前车辆的定位坐标和当前车辆的车载相机拍摄的道路图像组；基于定位坐标，构建时空坐标系；对道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集；基于障碍物信息集和预设的道路区域坐标组，确定障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集；基于道路区域坐标概率分布曲线集，以定位坐标为起点，对当前车辆在目标时间段的行驶路径进行局部路径规划，得到规划路径。该实施方式可以提高生成的规划路径的准确度。

Description

局部路径规划方法、装置、电子设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及局部路径规划方法、装置、电子设备和计算机可读介质。
背景技术
局部路径规划方法，是用于自动驾驶路径规划的一项技术。目前，在进行局部路径规划时，通常采用的方式为：根据当前车辆所在车道的车道线和障碍物信息，进行路径规划。
然而，发明人发现，当采用上述方式进行局部路径规划时，经常会存在如下技术问题：
若障碍物被遮挡，则会导致提取到的障碍物信息的不完整，以不完整的障碍物信息进行路径规划、会导致生成的规划路径的准确度降低。
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局部路径规划方法、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局部路径规划方法，该方法包括：获取当前车辆的定位坐标和上述当前车辆的车载相机拍摄的道路图像组；基于上述定位坐标，构建时空坐标系，其中，上述时空坐标系的竖轴为时间轴；对上述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，其中，上述障碍物信息集中的每个障碍物信息包括障碍物区域坐标向量；基于上述障碍物信息集和预设的道路区域坐标组，确定上述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集；基于上述道路区域坐标概率分布曲线集，以上述定位坐标为起点，对上述当前车辆在上述目标时间段的行驶路径进行局部路径规划，得到规划路径。
第二方面，本公开的一些实施例提供了一种局部路径规划装置，该装置包括：获取单元，被配置成获取当前车辆的定位坐标和上述当前车辆的车载相机拍摄的道路图像组；构建单元，被配置成基于上述定位坐标，构建时空坐标系，其中，上述时空坐标系的竖轴为时间轴；提取处理单元，被配置成对上述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，其中，上述障碍物信息集中的每个障碍物信息包括障碍物区域坐标向量；确定单元，被配置成基于上述障碍物信息集和预设的道路区域坐标组，确定上述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集；路径规划单元，被配置成基于上述道路区域坐标概率分布曲线集，以上述定位坐标为起点，对上述当前车辆在上述目标时间段的行驶路径进行局部路径规划，得到规划路径。
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。
第五方面，本公开的一些实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在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局部路径规划方法，可以提高生成的规划路径的准确度。具体来说，造成生成的规划路径的准确度降低的原因在于：若障碍物被遮挡，则会导致提取到的障碍物信息的不完整，以不完整的障碍物信息进行路径规划、会导致生成的规划路径的准确度降低。基于此，本公开的一些实施例的局部路径规划方法，首先，获取当前车辆的定位坐标和上述当前车辆的车载相机拍摄的道路图像组。其次，基于上述定位坐标，构建时空坐标系，其中，上述时空坐标系的竖轴为时间轴。通过构建时空坐标系，可以用于在该坐标系中预测障碍物所在位置。接着，对上述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，其中，上述障碍物信息集中的每个障碍物信息包括障碍物区域坐标向量。通过提处理，可以尽可能的提取出未被遮挡的障碍物信息。之后，基于上述障碍物信息集和预设的道路区域坐标组，确定上述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集。其中，也因为引入了道路区域坐标组，可以用于限定障碍物的范围，以此进一步提高生成的道路区域坐标概率分布曲线的准确度。这里，通过生成道路区域坐标概率分布曲线，达到了预测障碍物在时空坐标系中所在位置的目的。以此增加可以用于路径规划的障碍物数据。由此，也可以在一定程度上弥补提取到的障碍物信息的完整性。最后，基于上述道路区域坐标概率分布曲线集，以上述定位坐标为起点，对上述当前车辆在上述目标时间段的行驶路径进行局部路径规划，得到规划路径。从而，以完整性更高的障碍物信息为基础进行局部路径规划，可以提高生成的规划路径的准确度。
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是根据本公开的局部路径规划方法的一些实施例的流程图；
图2是根据本公开的局部路径规划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局部路径规划方法的一些实施例的流程100。该局部路径规划方法，包括以下步骤：
步骤101，获取当前车辆的定位坐标和当前车辆的车载相机拍摄的道路图像组。
在一些实施例中，局部路径规划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当前车辆的定位坐标和上述当前车辆的车载相机拍摄的道路图像组。其中，定位坐标可以是通过当前车辆的定位系统获取的当前时刻的车辆后轴中心坐标。定位坐标可以是世界坐标系下的三维坐标。这里，当前车辆可以装载至少一个车载相机。道路图像组可以是当前时刻不同视角的图像。
步骤102，基于定位坐标，构建时空坐标系。
在一些实施例中，上述执行主体可以基于定位坐标，构建时空坐标系。其中，上述时空坐标系的竖轴为时间轴。这里，时空坐标系可以是三维坐标系。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述定位坐标，构建时空坐标系，可以包括以下步骤：
将上述定位坐标确定为坐标系原点，以构建时空坐标系。其中，可以通过以下方式进行构建：过上述坐标系原点、以上述当前车辆前进的水平方向为横轴，过上述坐标系原点、垂直上述横轴水平方向为纵轴，过上述坐标系原点、垂直上述横轴和纵轴的平面为竖轴构建时空坐标系。另外，时空坐标系的横轴的正方向可以是当前车辆的朝向，纵轴的正方向可以是当前车辆的左侧方向。
步骤103，对道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集。
在一些实施例中，上述执行主体可以对上述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集。其中，所述障碍物信息集中的每个障碍物信息可以包括障碍物区域坐标向量。
在一些实施例的一些可选的实现方式中，上述执行主体对上述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，可以包括以下步骤：
第一步，对上述道路图像组中的每个道路图像进行信息提取以生成提取后障碍物信息组，得到提取后障碍物信息组集合。其中，可以通过预设的提取算法，对上述道路图像组中的每个道路图像进行信息提取以生成提取后障碍物信息组，得到提取后障碍物信息组集合。这里，提取后障碍物信息可以包括但不限于以下至少一项：障碍物位置坐标、障碍物宽度值、障碍物长度值、障碍物速度值、障碍物加速度值等。另外，提取后障碍物信息组集合中的每个提取后障碍物信息还可以包括用于表征障碍物的障碍物标识。另外，障碍物位置坐标可以是车辆坐标系下的三维坐标。障碍物宽度值、障碍物长度值、障碍物速度值、障碍物加速度值可以用于加入后续损失函数对路径规划进行约束。
作为示例，上述提取算法可以包括但不限于以下至少一项：SIFT（Scale-invariant Feature Transform，尺度不变特征转换）算法、Surf（Speeded Up RobustFeatures，加速稳健特征）算法、harris角点检测、FAST角点检测、BRIEF（Binary RobustIndependent Elementary Features，特征描述子算法）。
第二步，对上述提取后障碍物信息组集合中对应同一障碍物的提取后障碍物信息进行融合处理以生成融合后障碍物信息，得到融合后障碍物信息组。其中，对应同一障碍物可以是提取后障碍物信息中包括的障碍物标识相同。这里，融合处理可以是将对应的提取后障碍物信息包括的相同类型（例如，同为障碍物速度值）的数据的平均值作为融合后障碍物信息中的数据。
第三部，将上述提取后障碍物信息组集合中未进行融合的提取后障碍物信息和上述融合后障碍物信息组中的融合后障碍物信息均确定为障碍物信息，得到障碍物信息集。
步骤104，基于障碍物信息集和预设的道路区域坐标组，确定障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集。
在一些实施例中，上述执行主体可以基于上述障碍物信息集和预设的道路区域坐标组，通过各种方式确定上述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集。其中，目标时间段可以是执行一次局部路径规划所需时长，也可以是预设时长。例如，2秒。另外，上述道路区域坐标组可以是预设的、以当前车辆为中心、当前车辆所在道路前后一定距离内的区域。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述障碍物信息集和预设的道路区域坐标组，确定上述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集，可以包括以下步骤：
第一步，获取先验概率信息。其中，先验概率信息可以包括障碍物空间位置先验概率值。这里，障碍物空间位置先验概率值可以用于表征以某一时刻的障碍物信息为观测条件、障碍物在时空坐标系中道路区域内的空间位置概率。其次，道路区域可以是上述道路区域坐标组中的各个道路区域坐标在时空坐标系中所围成的区域。
第二步，基于上述先验概率信息和上述道路区域坐标组，确定上述障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线。其中，可以通过贝叶斯法则确定上述障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线。
实践中，可以将道路区域进行网格化。网格的大小可以是预设的、也可以是根据当前车辆周围障碍物的长度和宽度设定。例如，3米。因此，道路区域坐标概率分布曲线还可以用于表征道路区域内每个障碍物处于某一网格的概率值。
步骤105，基于道路区域坐标概率分布曲线集，以定位坐标为起点，对当前车辆在目标时间段的行驶路径进行局部路径规划，得到规划路径。
在一些实施例中，上述执行主体可以基于上述道路区域坐标概率分布曲线集，以上述定位坐标为起点，对上述当前车辆在上述目标时间段的行驶路径进行局部路径规划，得到规划路径。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述道路区域坐标概率分布曲线集，以上述定位坐标为起点，对上述当前车辆在上述目标时间段的行驶路径进行局部路径规划，得到规划路径，可以包括以下步骤：
第一步，确定目标时间段后、上述道路区域坐标组在上述时空坐标系中对应区域的目标区域条件熵值。其中，对应区域可以是上述道路区域在经过上述目标时间段后所在的区域，即目标区域。首先，可以将上述障碍物信息集中各个障碍物信息包括的障碍物位置坐标和当前车辆定位坐标组合成观测坐标向量。这里，组合可以是将各个障碍物位置坐标按照障碍物标识的顺序，以及加上当前车辆定位坐标进行排列的。在组合过程中可以仅用各个坐标的横坐标值和纵坐标值，作为向量中的一个元素。其次，可以通过以下公式生成目标区域条件熵减值：
Figure 49999DEST_PATH_IMAGE001
。
其中，
Figure 435981DEST_PATH_IMAGE002
表示目标时间段后、上述道路区域坐标组在上述时空坐标系中的对应区域。
Figure 950139DEST_PATH_IMAGE003
表示上述观测坐标向量。
Figure 532299DEST_PATH_IMAGE004
表示上述目标区域条件熵减值。
Figure 81092DEST_PATH_IMAGE005
表示上述道路区域坐标概率分布曲线。
Figure 637976DEST_PATH_IMAGE006
表示上述道路区域坐标组中的道路区域坐标。
Figure 373850DEST_PATH_IMAGE007
表示上述对应区域在横轴方向上的起始横坐标。
Figure 41592DEST_PATH_IMAGE008
表示上述对应区域在横轴方向上的终止横坐标。
Figure 444892DEST_PATH_IMAGE009
表示上述对应区域在纵轴上的起始纵坐标。
Figure 156365DEST_PATH_IMAGE010
表示上述对应区域在纵轴上的终止纵坐标。
Figure 645115DEST_PATH_IMAGE011
表示上述对应区域在竖轴上的起始竖坐标。
Figure 116547DEST_PATH_IMAGE012
表示上述对应区域在竖轴上的起始竖坐标。
第二步，确定目标时间段后、上述目标区域坐标概率分布曲线集中的各个目标区域坐标概率分布曲线在上述时空坐标系中对应区域的状态分布曲线。其中，可以通过贝叶斯滤波算法，确定目标时间段后、上述目标区域坐标概率分布曲线集中的各个目标区域坐标概率分布曲线在上述时空坐标系中对应区域的状态分布曲线。这里，状态分布曲线可以表征目标时间段后、当前车辆和各个障碍物在目标区域中的的概率分布。
实践中，对于障碍物当前以及未来状态的估计可以统一建模为以当前时刻的障碍物信息为观测条件到一段时间后的时刻的障碍物空间状态。其中，也可以包括当前车辆的空间状态。空间状态可以是障碍物位置在目标区域内的概率分布。
第三步，基于上述目标区域条件熵值和上述状态分布曲线，对上述当前车辆在上述目标时间段的行驶路径进行局部路径规划，得到规划路径。其中，可以通过以下公式生成规划路径：
Figure 108774DEST_PATH_IMAGE013
。
其中，
Figure 7460DEST_PATH_IMAGE014
表示当前时刻。
Figure 232774DEST_PATH_IMAGE015
表示目标时间段后的时刻。
Figure 242318DEST_PATH_IMAGE016
表示预设的路径规划函数，可以用于生成从
Figure 354631DEST_PATH_IMAGE014
时刻到
Figure 424218DEST_PATH_IMAGE015
时刻的规划路径。
Figure 887560DEST_PATH_IMAGE017
表示预设的损失函数，可以从
Figure 700795DEST_PATH_IMAGE014
时刻到
Figure 916882DEST_PATH_IMAGE015
时刻之间对当前车辆的数据进行约束以得到损失值。例如，车速约束、当前车辆与障碍物之间的距离约束等。
Figure 422950DEST_PATH_IMAGE018
表示预设的单调递减函数。例如以e为底的指数函数。可以用于在目标时间段内突出熵减速度。
Figure 108009DEST_PATH_IMAGE019
表示在区间
Figure 459356DEST_PATH_IMAGE014
时刻到
Figure 546261DEST_PATH_IMAGE015
时刻的单调递减函数。
Figure 223230DEST_PATH_IMAGE020
表示目标时间段内、规划路径在目标区域中的导函数。
Figure 379273DEST_PATH_IMAGE021
表示时间自变量。
Figure 534311DEST_PATH_IMAGE022
可以用于生成从
Figure 741301DEST_PATH_IMAGE014
时刻到
Figure 323593DEST_PATH_IMAGE023
时刻的规划路径。
Figure 983244DEST_PATH_IMAGE024
表示上述状态分布曲线的条件熵值。
Figure 941973DEST_PATH_IMAGE025
表示上述状态分布曲线在
Figure 721579DEST_PATH_IMAGE023
时刻的条件熵值。
Figure 740350DEST_PATH_IMAGE026
表示上述状态分布曲线。
作为示例，上述路径规划函数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、蚁群算法等。
上述各个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 “若障碍物被遮挡，则会导致提取到的障碍物信息的不完整，以不完整的障碍物信息进行路径规划、会导致生成的规划路径的准确度降低”。首先，通过引入先验概率信息。可以用于生成道路区域坐标概率分布曲线。由此，可以将障碍物位置坐标和当前车辆的定位坐标转换为时空坐标系中的概率分布问题，以此可以用于进行时间轴方向的预测。接着，通过上述生成目标区域条件熵值的公式，可以用于作为概率分布的一项损失值。另外，通过生成状态分布曲线，完成了对区域坐标概率分布曲线的更新，实现了在时空坐标系中对目标时间段后障碍物位置坐标的预测。由此，可以在一定程度上用于填补障碍物信息的不完整性。最后，通过上述生成规划路径的公式，可以用于在预测后障碍物位置坐标的前提下生成规划路径。以此提高生成的规划路径的准确度。其中，也因为引入了预设的损失函数，以迭代的方式，选取出损失值最小的规划路径，使得生成的规划路径在可行驶区域内可以尽量远离障碍物以确保车辆行驶安全。从而，可以进一步提高生成的规划路径的准确度。
可选的，上述执行主体还可以将上述规划路径发送至车辆控制终端以供该车辆控制终端控制车辆移动。
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局部路径规划方法，可以提高生成的规划路径的准确度。具体来说，造成生成的规划路径的准确度降低的原因在于：若障碍物被遮挡，则会导致提取到的障碍物信息的不完整，以不完整的障碍物信息进行路径规划、会导致生成的规划路径的准确度降低。基于此，本公开的一些实施例的局部路径规划方法，首先，获取当前车辆的定位坐标和上述当前车辆的车载相机拍摄的道路图像组。其次，基于上述定位坐标，构建时空坐标系，其中，上述时空坐标系的竖轴为时间轴。通过构建时空坐标系，可以用于在该坐标系中预测障碍物所在位置。接着，对上述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，其中，上述障碍物信息集中的每个障碍物信息包括障碍物区域坐标向量。通过提处理，可以尽可能的提取出未被遮挡的障碍物信息。之后，基于上述障碍物信息集和预设的道路区域坐标组，确定上述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集。其中，也因为引入了道路区域坐标组，可以用于限定障碍物的范围，以此进一步提高生成的道路区域坐标概率分布曲线的准确度。这里，通过生成道路区域坐标概率分布曲线，达到了预测障碍物在时空坐标系中所在位置的目的。以此增加可以用于路径规划的障碍物数据。由此，也可以在一定程度上弥补提取到的障碍物信息的完整性。最后，基于上述道路区域坐标概率分布曲线集，以上述定位坐标为起点，对上述当前车辆在上述目标时间段的行驶路径进行局部路径规划，得到规划路径。从而，以完整性更高的障碍物信息为基础进行局部路径规划，可以提高生成的规划路径的准确度
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种局部路径规划装置的一些实施例，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，一些实施例的局部路径规划装置200包括：获取单元201、构建单元202、提取处理单元203、确定单元204和路径规划单元205。其中，获取单元201，被配置成获取当前车辆的定位坐标和上述当前车辆的车载相机拍摄的道路图像组；构建单元202，被配置成基于上述定位坐标，构建时空坐标系，其中，上述时空坐标系的竖轴为时间轴；提取处理单元203，被配置成对上述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，其中，上述障碍物信息集中的每个障碍物信息包括障碍物区域坐标向量；确定单元204，被配置成基于上述障碍物信息集和预设的道路区域坐标组，确定上述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集；路径规划单元205，被配置成基于上述道路区域坐标概率分布曲线集，以上述定位坐标为起点，对上述当前车辆在上述目标时间段的行驶路径进行局部路径规划，得到规划路径。
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RAM 303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（Hyper Text 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：获取当前车辆的定位坐标和上述当前车辆的车载相机拍摄的道路图像组；基于上述定位坐标，构建时空坐标系，其中，上述时空坐标系的竖轴为时间轴；对上述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，其中，上述障碍物信息集中的每个障碍物信息包括障碍物区域坐标向量；基于上述障碍物信息集和预设的道路区域坐标组，确定上述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在上述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集；基于上述道路区域坐标概率分布曲线集，以上述定位坐标为起点，对上述当前车辆在上述目标时间段的行驶路径进行局部路径规划，得到规划路径。
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、构建单元、提取处理单元、确定单元和路径规划单元。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“获取当前车辆的定位坐标和当前车辆的车载相机拍摄的道路图像组的单元”。
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)

1.一种局部路径规划方法，包括：
获取当前车辆的定位坐标和所述当前车辆的车载相机拍摄的道路图像组；
基于所述定位坐标，构建时空坐标系，其中，所述时空坐标系的竖轴为时间轴；
对所述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，其中，所述障碍物信息集中的每个障碍物信息包括障碍物区域坐标向量；
基于所述障碍物信息集和预设的道路区域坐标组，确定所述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在所述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集；
基于所述道路区域坐标概率分布曲线集，以所述定位坐标为起点，对所述当前车辆在目标时间段的行驶路径进行局部路径规划，得到规划路径。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述规划路径发送至车辆控制终端以供控制车辆移动。
3.根据权利要求1所述的方法，其中，所述基于所述定位坐标，构建时空坐标系，包括：
将所述定位坐标确定为坐标系原点，以构建时空坐标系。
4.根据权利要求1所述的方法，其中，所述对所述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，包括：
对所述道路图像组中的每个道路图像进行信息提取以生成提取后障碍物信息组，得到提取后障碍物信息组集合；
对所述提取后障碍物信息组集合中对应同一障碍物的提取后障碍物信息进行融合处理以生成融合后障碍物信息，得到融合后障碍物信息组；
将所述提取后障碍物信息组集合中未进行融合的提取后障碍物信息和所述融合后障碍物信息组中的融合后障碍物信息均确定为障碍物信息，得到障碍物信息集。
5.根据权利要求1所述的方法，其中，所述基于所述障碍物信息集和预设的道路区域坐标组，确定所述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在所述时空坐标系中的道路区域坐标概率分布曲线，包括：
获取先验概率信息；
基于所述先验概率信息和所述道路区域坐标组，确定所述障碍物信息包括的障碍物区域坐标向量在所述时空坐标系中的道路区域坐标概率分布曲线。
6.根据权利要求1所述的方法，其中，所述基于所述道路区域坐标概率分布曲线集，以所述定位坐标为起点，对所述当前车辆在所述目标时间段的行驶路径进行局部路径规划，得到规划路径，包括：
确定目标时间段后、所述道路区域坐标组在所述时空坐标系中对应区域的目标区域条件熵值；
确定目标时间段后、所述道路区域坐标概率分布曲线集中的各个道路区域坐标概率分布曲线在所述时空坐标系中对应区域的状态分布曲线；
基于所述目标区域条件熵值和所述状态分布曲线，对所述当前车辆在所述目标时间段的行驶路径进行局部路径规划，得到规划路径。
7.一种局部路径规划装置，包括：
获取单元，被配置成获取当前车辆的定位坐标和所述当前车辆的车载相机拍摄的道路图像组；
构建单元，被配置成基于所述定位坐标，构建时空坐标系，其中，所述时空坐标系的竖轴为时间轴；
提取处理单元，被配置成对所述道路图像组中的各个道路图像进行障碍物信息提取处理，得到障碍物信息集，其中，所述障碍物信息集中的每个障碍物信息包括障碍物区域坐标向量；
确定单元，被配置成基于所述障碍物信息集和预设的道路区域坐标组，确定所述障碍物信息集中每个障碍物信息包括的障碍物区域坐标向量在所述时空坐标系中的道路区域坐标概率分布曲线，得到道路区域坐标概率分布曲线集；
路径规划单元，被配置成基于所述道路区域坐标概率分布曲线集，以所述定位坐标为起点，对所述当前车辆在目标时间段的行驶路径进行局部路径规划，得到规划路径。
8.一种电子设备，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1-6中任一所述的方法。
9.一种计算机可读介质，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1-6中任一所述的方法。
10.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如权利要求1-6中任一所述的方法。
CN202211237417.0A 2022-10-11 2022-10-11 局部路径规划方法、装置、电子设备和计算机可读介质 Active CN115326099B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211237417.0A CN115326099B (zh) 2022-10-11 2022-10-11 局部路径规划方法、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
CN202211237417.0A CN115326099B (zh) 2022-10-11 2022-10-11 局部路径规划方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN115326099A true CN115326099A (zh) 2022-11-11
CN115326099B CN115326099B (zh) 2023-03-07

Family

ID=83913703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211237417.0A Active CN115326099B (zh) 2022-10-11 2022-10-11 局部路径规划方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN115326099B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116052122A (zh) * 2023-01-28 2023-05-02 广汽埃安新能源汽车股份有限公司 一种可行驶空间的检测方法、装置、电子设备及存储介质
CN116734882A (zh) * 2023-08-14 2023-09-12 禾昆科技(北京)有限公司 车辆路径规划方法、装置、电子设备和计算机可读介质
CN116817958A (zh) * 2023-08-29 2023-09-29 之江实验室 一种基于障碍物分组的参考路径生成方法、装置和介质
CN117191067A (zh) * 2023-11-07 2023-12-08 杭州一喂智能科技有限公司 出行路线规划方法、装置、电子设备和计算机可读介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100299013A1 (en) * 2009-05-22 2010-11-25 Toyota Motor Engin. & Manufact. Using topological structure for path planning in semi-structured environments
JP2012041004A (ja) * 2010-08-23 2012-03-01 Nippon Telegr & Teleph Corp <Ntt> 自律移動ロボットの動作計画方法、自律移動ロボットの動作計画方法を利用した自律移動ロボットの制御方法、自律移動ロボットの動作計画装置、自律移動ロボットの動作制御装置、自律移動ロボットの動作計画プログラム、自律移動ロボットの制御プログラム
CN111319615A (zh) * 2020-03-16 2020-06-23 湖北亿咖通科技有限公司 智能代客泊车方法、计算机可读存储介质及电子设备
CN111552284A (zh) * 2020-04-20 2020-08-18 宁波吉利汽车研究开发有限公司 无人驾驶车辆的局部路径规划方法、装置、设备及介质
CN111998864A (zh) * 2020-08-11 2020-11-27 东风柳州汽车有限公司 无人车局部路径规划方法、装置、设备及存储介质
CN112762940A (zh) * 2020-12-30 2021-05-07 浙江德源智能科技股份有限公司 机器人行走路线规划方法、程序及存储介质
US20220066456A1 (en) * 2016-02-29 2022-03-03 AI Incorporated Obstacle recognition method for autonomous robots
CN115018909A (zh) * 2022-08-03 2022-09-06 禾多科技（北京）有限公司 可行驶区域生成方法、装置、电子设备和计算机可读介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100299013A1 (en) * 2009-05-22 2010-11-25 Toyota Motor Engin. & Manufact. Using topological structure for path planning in semi-structured environments
JP2012041004A (ja) * 2010-08-23 2012-03-01 Nippon Telegr & Teleph Corp <Ntt> 自律移動ロボットの動作計画方法、自律移動ロボットの動作計画方法を利用した自律移動ロボットの制御方法、自律移動ロボットの動作計画装置、自律移動ロボットの動作制御装置、自律移動ロボットの動作計画プログラム、自律移動ロボットの制御プログラム
US20220066456A1 (en) * 2016-02-29 2022-03-03 AI Incorporated Obstacle recognition method for autonomous robots
CN111319615A (zh) * 2020-03-16 2020-06-23 湖北亿咖通科技有限公司 智能代客泊车方法、计算机可读存储介质及电子设备
CN111552284A (zh) * 2020-04-20 2020-08-18 宁波吉利汽车研究开发有限公司 无人驾驶车辆的局部路径规划方法、装置、设备及介质
CN111998864A (zh) * 2020-08-11 2020-11-27 东风柳州汽车有限公司 无人车局部路径规划方法、装置、设备及存储介质
CN112762940A (zh) * 2020-12-30 2021-05-07 浙江德源智能科技股份有限公司 机器人行走路线规划方法、程序及存储介质
CN115018909A (zh) * 2022-08-03 2022-09-06 禾多科技（北京）有限公司 可行驶区域生成方法、装置、电子设备和计算机可读介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周慧子等: "面向自动驾驶的动态路径规划避障算法", 《计算机应用》 *
唐嘉宁 等: ""复合边界点驱动的未知三维环境探索路径规划方法研究"", 《西北工业大学学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116052122A (zh) * 2023-01-28 2023-05-02 广汽埃安新能源汽车股份有限公司 一种可行驶空间的检测方法、装置、电子设备及存储介质
CN116734882A (zh) * 2023-08-14 2023-09-12 禾昆科技(北京)有限公司 车辆路径规划方法、装置、电子设备和计算机可读介质
CN116734882B (zh) * 2023-08-14 2023-11-24 禾昆科技(北京)有限公司 车辆路径规划方法、装置、电子设备和计算机可读介质
CN116817958A (zh) * 2023-08-29 2023-09-29 之江实验室 一种基于障碍物分组的参考路径生成方法、装置和介质
CN116817958B (zh) * 2023-08-29 2024-01-23 之江实验室 一种基于障碍物分组的参考路径生成方法、装置和介质
CN117191067A (zh) * 2023-11-07 2023-12-08 杭州一喂智能科技有限公司 出行路线规划方法、装置、电子设备和计算机可读介质
CN117191067B (zh) * 2023-11-07 2024-02-06 杭州一喂智能科技有限公司 出行路线规划方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN115326099B (zh) 2023-03-07

Similar Documents

Publication Publication Date Title
CN115326099B (zh) 局部路径规划方法、装置、电子设备和计算机可读介质
CN112598762A (zh) 三维车道线信息生成方法、装置、电子设备和介质
CN113255619B (zh) 车道线识别及定位方法、电子设备和计算机可读介质
CN115257727B (zh) 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN112348029B (zh) 局部地图调整方法、装置、设备和计算机可读介质
CN114964296B (zh) 车辆行驶路径规划方法、装置、设备和计算机可读介质
CN115540894B (zh) 车辆轨迹规划方法、装置、电子设备和计算机可读介质
CN113607185B (zh) 车道线信息显示方法、装置、电子设备和计算机可读介质
CN115616937B (zh) 自动驾驶仿真测试方法、装置、设备和计算机可读介质
CN115817463B (zh) 车辆避障方法、装置、电子设备和计算机可读介质
CN115272182B (zh) 车道线检测方法、装置、电子设备和计算机可读介质
CN113190613A (zh) 车辆路线信息显示方法、装置、电子设备和可读介质
CN114894205A (zh) 三维车道线信息生成方法、装置、设备和计算机可读介质
CN113673446A (zh) 图像识别方法、装置、电子设备和计算机可读介质
CN116164770B (zh) 路径规划方法、装置、电子设备和计算机可读介质
CN115808929B (zh) 车辆仿真避障方法、装置、电子设备和计算机可读介质
CN112649011A (zh) 车辆避障方法、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
CN115610415B (zh) 车辆距离控制方法、装置、电子设备和计算机可读介质
CN114724116B (zh) 车辆通行信息生成方法、装置、设备和计算机可读介质
CN115326079A (zh) 车辆车道级定位方法、装置、设备和计算机可读介质
CN113780247B (zh) 红绿灯检测方法、装置、电子设备和计算机可读介质
CN116311155A (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN112764629B (zh) 增强现实界面展示方法、装置、设备和计算机可读介质
CN111586295B (zh) 图像生成方法、装置和电子设备

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

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.

CP03 Change of name, title or address