CN115534939A - 车辆控制方法、装置、电子设备和计算机可读介质 - Google Patents
车辆控制方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115534939A CN115534939A CN202211553455.7A CN202211553455A CN115534939A CN 115534939 A CN115534939 A CN 115534939A CN 202211553455 A CN202211553455 A CN 202211553455A CN 115534939 A CN115534939 A CN 115534939A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- track
- trajectory
- track information
- information
- 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 46
- 238000012216 screening Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 49
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4045—Intention, e.g. lane change or imminent movement
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本公开的实施例公开了车辆控制方法、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:对预先检测到障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合;确定与障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合;对障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理以生成筛选后障碍物轨迹信息组集合;对筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集;以当前车辆所在位置为初始位置进行轨迹规划;将规划路径发送至车辆控制终端、以控制当前车辆进行移动。该实施方式确保车辆控制的实时性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及车辆控制方法、装置、电子设备和计算机可读介质。
背景技术
车辆控制方法,是自动驾驶领域中用于控制车辆移动的一项技术。目前,在控制车辆移动的同时,通常采用以下方式生成用于引导车辆移动规划路径:预测每个障碍物的一条移动轨迹或者多条轨迹。然后利用各个障碍物的所有轨迹进行路径规划,生成规划路径,以此以避开各个障碍物。
然而,发明人发现,当采用上述方式进行车辆控制时,经常会存在如下技术问题:
第一,在路径规划时,若同时考虑各个障碍物的所有预测路径,在进行路径规划所需要的计算资源会成指数级增长,导致需要消耗较多的计算资源,从而,降低了路径规划的实时性,进而,降低了车辆控制的实时性;
第二,若只考虑每个障碍物对应的可能性最大的一条预测路径,则容易忽略障碍物其它行为的可能性,当障碍物实际的行为轨迹与预测轨迹不一致时,需要重新进行路径规划,且重新规划的路径与原规划路径之间相差较大,因此,在当前车辆按照新的规划路径进行移动后,会导致当前车辆产生较大幅度的晃动,从而,造成安全隐患。
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车辆控制方法、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中的一项或多项。
第一方面,本公开的一些实施例提供了一种车辆控制方法,该方法包括:对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合,其中,上述障碍物轨迹信息组集合中的障碍物轨迹信息包括障碍物轨迹方程;确定与上述障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合;基于上述障碍物行为概率熵集合,对上述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合;对上述筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集;基于上述投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径;将上述规划路径发送至车辆控制终端、以控制当前车辆进行移动。
第二方面,本公开的一些实施例提供了一种车辆控制装置,该装置包括:轨迹预测单元,被配置成对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合,其中,上述障碍物轨迹信息组集合中的障碍物轨迹信息包括障碍物轨迹方程;确定单元,被配置成确定与上述障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合;筛选处理单元,被配置成基于上述障碍物行为概率熵集合,对上述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合;投影处理单元,被配置成对上述筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集;轨迹规划单元,被配置成基于上述投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径;发送以及控制单元,被配置成将上述规划路径发送至车辆控制终端、以控制当前车辆进行移动。
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车辆控制方法,可以提高车辆控制的实时性。具体来说,造成车辆控制的实时性降低的原因在于:在路径规划时,若同时考虑各个障碍物的所有预测路径,在进行路径规划所需要的计算资源会成指数级增长,导致需要消耗较多的计算资源,从而,降低了路径规划的实时性,进而,降低了车辆控制的实时性。基于此,本公开的一些实施例的车辆控制方法,首先,对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合。其中,上述障碍物轨迹信息组集合中的障碍物轨迹信息包括障碍物轨迹方程。然后,确定与上述障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合。为了避免将所有预测路径皆参与到路径规划中,因此,生成于每个障碍物轨迹信息对应的障碍物行为概率熵。接着,基于上述障碍物行为概率熵集合,对上述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合。也因为,生成了障碍物行为概率熵,以此可以用于对障碍物轨迹信息进行筛选。之后,对上述筛选后障碍物轨迹信息组集合中各个筛选后障碍物轨迹信息组中的筛选后障碍物轨迹信息包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集。通过投影处理,可以便于进行路径规划。而后,基于上述投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径。最后,将上述规划路径发送至车辆控制终端、以控制当前车辆进行移动。从而,避免了将所有预测路径皆参与到路径规划中。由此,减少了计算资源的占用,提高了路径规划的效率。以此确保了路径规划的实时性。进而,可以确保车辆控制的实时性。
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是根据本公开的车辆控制方法的一些实施例的流程图;
图2是根据本公开的车辆控制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车辆控制方法的一些实施例的流程100。该车辆控制方法,包括以下步骤:
步骤101,对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合。
在一些实施例中,车辆控制方法的执行主体可以对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合。其中,上述障碍物轨迹信息组集合中的每个障碍物轨迹信息组中的每个障碍物轨迹信息可以包括障碍物轨迹方程。预先检测到的障碍物车辆可以是当前车辆周围的障碍物车辆。每个障碍物车辆可以对应一个障碍物轨迹信息组。
在一些实施例的一些可选的实现方式中,上述执行主体对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合,可以包括以下步骤:
第一步,获取与上述障碍物车辆对应的历史轨迹方程和当前时刻道路图像。其中,可以通过有线方式或无线方式从数据库中获取与上述障碍物车辆对应的历史轨迹方程和当前时刻道路图像。实践中,在历史时刻执行车辆控制方法后可以生成与每个障碍物车辆对应的一条历史轨迹方程,以及存储至数据库中以供后续使用。当前时刻道路图像可以是当前车辆车载相机在当前时刻拍摄的道路图像。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
第二步,对上述当前时刻道路图像进行障碍物信息识别,得到上述障碍物车辆的障碍物车辆信息。其中,障碍物车辆信息可以包括:障碍物航向角、障碍物移动速度。其次,可以通过预设的识别算法,对上述当前时刻道路图像进行障碍物信息识别。
作为示例,上述识别算法可以包括但不限于以下至少一项:G-CRF(Gaus-conditional random field,高斯条件随机场)模型、DenseCRF(Fully-ConnectedConditional Random Fields,全连接条件随机场)模型、MRF(MRF-Markov Random Field,马尔科夫条件随机场)模型等。
第三步,基于上述历史轨迹方程、上述障碍物航向角和上述障碍物移动速度,对上述障碍物车辆进行轨迹预测以生成障碍物轨迹信息组。其中,上述障碍物轨迹信息组中的每个障碍物轨迹信息可以包括障碍物轨迹方程和轨迹方程概率值,以及各个障碍物轨迹方程对应同一时间段。这里,可以通过预设的轨迹预测算法,对上述障碍物车辆进行轨迹预测。
作为示例,轨迹预测算法可以包括但不限于以下至少一项:LaneRCNN运动预测模型、VectorNet轨迹预测网络、Lane-Attention车辆轨迹预测算法等。
步骤102,确定与障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合。
在一些实施例中,上述执行主体可以确定与上述障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合。其中,上述障碍物轨迹信息组集合中每个障碍物轨迹信息组中的每个障碍物轨迹信息还可以包括障碍物轨迹方程的序号。即,每个障碍物轨迹信息组中的各个障碍物轨迹信息中的障碍物轨迹方程的序号。其次,可以通过以下公式生成与障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵:
其中,表示与上述障碍物轨迹信息组对应的障碍物行为概率熵。表示上述述障碍物轨迹信息组中障碍物轨迹信息包括的轨迹方程概率值。表示障碍物轨迹信息组中障碍物轨迹信息包括的障碍物轨迹方程的序号。表示上述障碍物轨迹信息组中包括序号的障碍物轨迹信息包括的轨迹方程概率值。
这里,每个障碍物轨迹信息组中各个障碍物轨迹信息包括的轨迹方程概率值的和为1。
步骤103,基于障碍物行为概率熵集合,对障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合。
在一些实施例中,上述执行主体可以基于上述障碍物行为概率熵集合,对上述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合。其中,可以将各个障碍物轨迹信息组中障碍物行为概率熵小于预设熵值的障碍物轨迹信息进行去除,以此得到筛选后障碍物轨迹信息组集合。
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行为概率熵集合,对上述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合,可以包括以下步骤:
对于上述障碍物轨迹信息组集合中的每个障碍物轨迹信息组执行如下筛选步骤以生成筛选后障碍物轨迹信息组:
第一子步骤,响应于确定上述障碍物轨迹信息组对应的障碍物行为概率熵满足第一筛选条件,从上述障碍物轨迹信息组包括的轨迹方程概率值中选出最大的两个轨迹方程概率值。其中,上述第一筛选条件可以是障碍物行为概率熵小于预设的概率熵阈值(例如,若上述公式中对数函数的底数为2,则概率熵阈值可以是1)。这里,障碍物轨迹信息组对应的障碍物行为概率熵满足第一筛选条件表征障碍物车辆的行为概率分布较为集中。由于确定了上述障碍物轨迹信息组对应的障碍物车辆的行为概率分布较为集中,表示障碍物轨迹信息组中的障碍物轨迹信息的相似度较高。因此,可以从障碍物轨迹信息组中选出障碍物行为概率值最大的两个障碍物轨迹信息,进行后续的筛选步骤。
第二子步骤,响应确定两个轨迹方程概率值的和大于预设概率阈值,将两个轨迹方程概率值对应的障碍物轨迹信息、分别确定为筛选后障碍物轨迹信息,得到筛选后障碍物轨迹信息组。这里, 通过引入预设概率阈值,可以进一步确定是否需要对上述障碍物轨迹信息组中的障碍物轨迹信息进行筛选。两个轨迹方程概率值的和大于预设概率阈值,可以表征两个轨迹方程概率值对应的障碍物轨迹方程具有较高的置信度,可以不需要考虑上述障碍物轨迹信息组中的其它障碍物轨迹信息。
作为示例,上述预设概率阈值可以是99.7%。
可选的,上述执行主体还可以执行如下步骤:
第一步,响应于确定两个轨迹方程概率值的和、小于等于上述预设概率阈值,将两个轨迹方程概率值之间的比值确定为第一比值,其中,两个轨迹方程概率值中最大的轨迹方程概率值为分子。其中,两个轨迹方程概率值的和小于等于上述预设概率阈值,可以表征两个轨迹方程概率值对应的障碍物轨迹方程不能完全表示障碍物车辆的预测轨迹。因此,需要再进一步从障碍物轨迹信息组中选出障碍物轨迹信息。
第二步,响应于确定上述第一比值大于预设比例阈值,将上述最大的轨迹方程概率值对应的障碍物轨迹信息确定为筛选后障碍物轨迹信息,得到筛选后障碍物轨迹信息组。其中,第一比值大于预设比例阈值可以表征、上述障碍物轨迹信息组中次大的轨迹方程概率值较小,可以忽略不计,且最大的轨迹方程概率值足以用来表示障碍物车辆的预测轨迹。因此,可以仅考虑最大的轨迹方程概率值所在的障碍物轨迹信息。即,将上述最大的轨迹方程概率值对应的障碍物轨迹信息确定为筛选后障碍物轨迹信息,得到筛选后障碍物轨迹信息组。
作为示例,上述预设比例阈值可以是2。
第三步,响应于确定上述第一比值小于等于上述预设比例阈值,确定上述障碍物轨迹信息组中最大的三个轨迹方程概率值。其中,两个轨迹方程概率值的和小于等于上述预设概率阈值,可以表征上述障碍物轨迹信息组中次大的轨迹方程概率值不能被忽略不计。因此,为了更加精确地进行筛选,需要通过其它的轨迹方程概率值进一步进行筛选。
第四步,响应于确定上述三个轨迹方程概率值的和、大于上述预设概率阈值,将上述三个轨迹方程概率值对应的障碍物轨迹信息、分别确定为筛选后障碍物轨迹信息,得到筛选后障碍物轨迹信息组。其中,上述三个轨迹方程概率值的和大于上述预设概率阈值,表征上述三个轨迹方程概率值对应的障碍物轨迹方程可以用于表示障碍物车辆的预测轨迹,其它的障碍物轨迹方程的轨迹方程概率极小,可以忽略不计。因此,可以将上述三个轨迹方程概率值对应的障碍物轨迹信息分别确定为筛选后障碍物轨迹信息,得到筛选后障碍物轨迹信息组。
实践中,为了更加精确的从多个障碍物轨迹信息中筛选出用来表征障碍物车辆预测轨迹的障碍物轨迹信息,需要进行多次筛选。如同上述步骤103对应的那些实施例的步骤,可以通过此种方式继续进行筛选,直到完成对每个障碍物轨迹信息组的筛选。从而,可以极大力度的选出准确代表障碍物车辆在未来一段时间的行为轨迹的障碍物轨迹信息。以此减少后续规划路径时所需要计算的数据。进而,降低计算资源的消耗。
步骤104,对筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集。
在一些实施例中,上述执行主体可以对上述筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集。其中,可以通过坐标转换的方法,将对筛选后障碍物轨迹信息组集合中各个筛选后障碍物轨迹信息组中的筛选后障碍物轨迹信息包括的障碍物轨迹方程、对应的各个障碍物轨迹坐标,从图像坐标系投影至当前车辆的车辆坐标系,以生成投影后障碍物轨迹区域坐标集。
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筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集,可以包括以下步骤:
第一步,构建时空坐标系。其中,上述时空坐标系的竖轴可以为时间轴,上述时空坐标系竖轴在原点的时刻可以为当前时刻。时空坐标系可以是与相机坐标系处于同一原点。以此,时空坐标系的横纵坐标轴可以与相机坐标系保持一致,不同的是时空坐标系的竖轴为时间轴,沿时间轴向上时间递增。
第二步,将上述筛选后障碍物轨迹信息组集合中的障碍物轨迹方程投影至上述时空坐标系,得到投影后障碍物轨迹区域坐标集。其中,首先,可以通过通过采样算法确定每个障碍物轨迹方程上用于投影的障碍物轨迹坐标。然后,投影可以是将障碍物轨迹方程对应的各个障碍物轨迹坐标的竖坐标值变更为对应的时间戳,以作为投影后障碍物轨迹区域坐标,得到投影后障碍物轨迹区域坐标集。
步骤105,基于投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径。
在一些实施例中,上述执行主体可以基于上述投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径。其中,可以通过预设的路径规划算法进行路径规划。
作为示例,上述路径规划算法可以包括但不限于以下至少一项:随机树算法、迪克斯特拉(Dijkstra)算法、Fast Marching Method快速行进算法等。
可选的,在将上述规划路径发送至车辆控制终端以控制当前车辆进行移动之前,上述执行主体还可以执行如下步骤:
第一步,确定生成规划路径所需的占用时长。其中,可以获取开始对障碍物车辆进行轨迹预测的时刻,和生成上述规划路径对应的时刻。其次,可以将两个时刻的时间差确定为上述占用时长。
第二步,响应于确定占用时长满足预设时长条件,对于上述规划路径,执行如下规划路径调整操作:
第一子步骤,将上述障碍物轨迹信息组集合中未被筛选到的各个障碍物轨迹信息中轨迹方程概率值最大的障碍物轨迹方程对应的障碍物轨迹坐标投影至上述时空坐标系。其中,上述预设时长条件可以是上述占用时长小于预设规划时长。其次,可以通过上述投影的方式,将上述障碍物轨迹信息组集合中未被筛选到的各个障碍物轨迹信息中轨迹方程概率值最大的障碍物轨迹方程对应的障碍物轨迹坐标投影至上述时空坐标系。实践中,确定占用时长满足预设时长条件可以表征在一个预先设定的路径规划周期内、生成规划路径后仍有剩余时间。因此,可以将概率值高的障碍物轨迹方程也投影至上述时空坐标系。以此再次进行路径规划。这里,考虑到将概率值高的障碍物轨迹方程投影至上述时空坐标系,若是已经选择过的障碍物轨迹信息,则容易造成重复。从而,将上述障碍物轨迹信息组集合中未被筛选到的各个障碍物轨迹信息中、轨迹方程概率值最大的障碍物轨迹方程投影至上述时空坐标系。
第二子步骤,以当前车辆所在位置为初始位置进行轨迹规划,得到目标规划路径。其中,可以通过上述路径规划算法,以当前车辆所在位置为初始位置进行轨迹规划,得到目标规划路径。这里,时长的目标规划路径为当前车辆在目标时间段内的规划路径。目标时间段可以是预设的一段时间,即,从当前时刻到未来某一时刻之间的时间段。上述各个障碍物轨迹方程也可以是在上述目标时间段内的预测路径。
第三子步骤,确定生成目标规划路径所需的目标占用时长。其中,目标占用时长可以包括生成全部规划路径所需的占用时长,即从开始对障碍物车辆进行轨迹预测的时刻、到生成上述目标规划路径的时刻之间的时长。
第四子步骤,响应于确定上述目标占用时长满足上述预设时长条件,将上述目标规划路径作为规划路径,再次执行上述规划路径调整操作。其中,目标占用时长满足上述预设时长条件,表示在一个路径规划周期内生成规划路径后仍有剩余时间。由此,再次执行上述规划路径调整操作,直到预先设定的路径规划周期的时间耗尽。因此,可以将上述目标规划路径作为规划路径。从而,使得最后一次路径规划的结果可以更加精确。
步骤106,将规划路径发送至车辆控制终端以控制当前车辆进行移动。
在一些实施例中,上述执行主体可以将上述规划路径发送至车辆控制终端以控制当前车辆进行移动。其中,控制终端可以控制当前车辆按照上述规划路径进行移动,以此完成车辆控制。
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,解决了背景技术提及的技术问题二“若只考虑每个障碍物对应的可能性最大的一条预测路径,则容易忽略障碍物其它行为的可能性,当障碍物实际的行为轨迹与预测轨迹不一致时,需要重新进行路径规划,且重新规划的路径与原规划路径之间相差较大,因此,在当前车辆按照新的规划路径进行移动后,会导致当前车辆产生较大幅度的晃动,从而,造成安全隐患”。导致当前车辆产生较大幅度的晃动、造成安全隐患的因素往往如下:若只考虑每个障碍物对应的可能性最大的一条预测路径,则容易忽略障碍物其它行为的可能性,当障碍物实际的行为轨迹与预测轨迹不一致时,需要重新进行路径规划,且重新规划的路径与原规划路径之间相差较大,因此,在当前车辆按照新的规划路径进行移动后,会导致当前车辆产生较大幅度的晃动,从而,造成安全隐患。如果解决了上述因素,就能在一定程度上避免当前车辆因规划路径频繁变更产生的较大幅度的晃动,从而减少安全隐患。为了达到这一效果,首先,通过上述公式,可以用于生成障碍物行为概率熵。以此,可以便于对障碍物轨迹信息进行筛选。接着,引入了第一筛选条件,通过障碍物行为概率熵,可以对障碍物轨迹信息进行初步筛选。然后,通过引入预设概率阈值,可以对轨迹方程概率值进行筛选,以达到 对障碍物轨迹信息进行筛选的目的。实践中,两个轨迹方程概率值的和大于预设概率阈值,可以表征两个轨迹方程概率值对应的障碍物轨迹方程具有较高的置信度,可以不需要考虑上述障碍物轨迹信息组中的其它障碍物轨迹信息。考虑到存在两个轨迹方程概率值的和小于等于上述预设概率阈值的情况,因此通过生成第一比值,用于继续筛选障碍物轨迹信息组中可参与路径规划的障碍物轨迹信息。而后,通过引入预设比例阈值,使得可以更加精确的确定障碍物轨迹方程能否参与路径规划。最后,如上述步骤103对应的各个实施例步骤所示,可以继续对障碍物轨迹信息组进行筛选,直到筛选出可以代表障碍物车辆在未来一段时间的行为轨迹的障碍物轨迹信息。从而,通过层层筛选,不仅可以去除不重要的障碍物轨迹信息,还可以确保置信度较高的障碍物轨迹方程不被过滤掉。以此,确保后续路径规划,可以考虑到障碍物其它概率较大的行为的可能性。由此,可以提高生成的规划路径的准确度。使得不同时刻的路径规划的差异趋于平滑。进而,极大的避免了当前车辆产生较大幅度的晃动的情况,消除了安全隐患。
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车辆控制方法,可以提高车辆控制的实时性。具体来说,造成车辆控制的实时性降低的原因在于:在路径规划时,若同时考虑各个障碍物的所有预测路径,在进行路径规划所需要的计算资源会成指数级增长,导致需要消耗较多的计算资源,从而,降低了路径规划的实时性,进而,降低了车辆控制的实时性。基于此,本公开的一些实施例的车辆控制方法,首先,对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合。其中,上述障碍物轨迹信息组集合中的障碍物轨迹信息包括障碍物轨迹方程。然后,确定与上述障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合。为了避免将所有预测路径皆参与到路径规划中,因此,生成于每个障碍物轨迹信息对应的障碍物行为概率熵。接着,基于上述障碍物行为概率熵集合,对上述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合。也因为,生成了障碍物行为概率熵,以此可以用于对障碍物轨迹信息进行筛选。之后,对上述筛选后障碍物轨迹信息组集合中各个筛选后障碍物轨迹信息组中的筛选后障碍物轨迹信息包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集。通过投影处理,可以便于进行路径规划。而后,基于上述投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径。最后,将上述规划路径发送至车辆控制终端、以控制当前车辆进行移动。从而,避免了将所有预测路径皆参与到路径规划中。由此,减少了计算资源的占用,提高了路径规划的效率。以此确保了路径规划的实时性。进而,可以确保车辆控制的实时性。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种车辆控制装置的一些实施例,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,一些实施例的车辆控制装置200包括:轨迹预测单元201、确定单元202、筛选处理单元203、投影处理单元204、轨迹规划单元205、发送以及控制单元206。其中,轨迹预测单元201,被配置成成对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合,其中,上述障碍物轨迹信息组集合中的障碍物轨迹信息包括障碍物轨迹方程;确定单元202,被配置成确定与上述障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合;筛选处理单元203,被配置成基于上述障碍物行为概率熵集合,对上述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合;投影处理单元204,被配置成对上述筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集;轨迹规划单元205,被配置成基于上述投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径;发送以及控制单元206,被配置成将上述规划路径发送至车辆控制终端、以控制当前车辆进行移动。
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301(例如中央处理器、图形处理器等),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:对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合,其中,上述障碍物轨迹信息组集合中的障碍物轨迹信息包括障碍物轨迹方程;确定与上述障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合;基于上述障碍物行为概率熵集合,对上述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合;对上述筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集;基于上述投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径;将上述规划路径发送至车辆控制终端、以控制当前车辆进行移动。
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:一种处理器包括轨迹预测单元、确定单元、筛选处理单元、投影处理单元、轨迹规划单元、发送以及控制单元。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,轨迹规划单元还可以被描述为“以当前车辆所在位置为初始位置进行轨迹规划的单元”。
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)
1.一种车辆控制方法,包括:
对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合,其中,所述障碍物轨迹信息组集合中的障碍物轨迹信息包括障碍物轨迹方程;
确定与所述障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合;
基于所述障碍物行为概率熵集合,对所述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合;
对所述筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集;
基于所述投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径;
将所述规划路径发送至车辆控制终端、以控制当前车辆进行移动。
2.根据权利要求1所述的方法,其中,所述对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,包括:
获取与所述障碍物车辆对应的历史轨迹方程和当前时刻道路图像;
对所述当前时刻道路图像进行障碍物信息识别,得到所述障碍物车辆的障碍物车辆信息,其中,障碍物车辆信息包括:障碍物航向角、障碍物移动速度;
基于所述历史轨迹方程、所述障碍物航向角和所述障碍物移动速度,对所述障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,其中,所述障碍物轨迹信息组中的每个障碍物轨迹信息包括障碍物轨迹方程和轨迹方程概率值,各个障碍物轨迹方程对应同一时间段。
3.根据权利要求2所述的方法,其中,所述基于所述障碍物行为概率熵集合,对所述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合,包括:
对于所述障碍物轨迹信息组集合中的每个障碍物轨迹信息组执行如下筛选步骤以生成筛选后障碍物轨迹信息组:
响应于确定所述障碍物轨迹信息组对应的障碍物行为概率熵满足第一筛选条件,从所述障碍物轨迹信息组包括的轨迹方程概率值中选出最大的两个轨迹方程概率值;
响应确定两个轨迹方程概率值的和大于预设概率阈值,将两个轨迹方程概率值对应的障碍物轨迹信息、分别确定为筛选后障碍物轨迹信息,得到筛选后障碍物轨迹信息组。
4.根据权利要求3所述的方法,其中,所述方法还包括:
响应于确定两个轨迹方程概率值的和、小于等于所述预设概率阈值,将两个轨迹方程概率值之间的比值确定为第一比值;
响应于确定所述第一比值大于预设比例阈值,将所述最大的轨迹方程概率值对应的障碍物轨迹信息确定为筛选后障碍物轨迹信息,得到筛选后障碍物轨迹信息组;
响应于确定所述第一比值小于等于所述预设比例阈值,确定所述障碍物轨迹信息组中最大的三个轨迹方程概率值;
响应于确定三个轨迹方程概率值的和、大于所述预设概率阈值,将三个轨迹方程概率值对应的障碍物轨迹信息、分别确定为筛选后障碍物轨迹信息,得到筛选后障碍物轨迹信息组。
5.根据权利要求4所述的方法,其中,所述方法还包括:
响应于确定三个轨迹方程概率值的和、小于等于所述预设概率阈值,确定三个轨迹方程概率值中次大的轨迹方程概率值与最小的轨迹的方程概率值的比值,作为第二比值;
响应于确定所述第二比值大于所述预设比例阈值,将三个轨迹方程概率值中最大的两个轨迹方程概率值对应的障碍物轨迹信息、分别确定为筛选后障碍物轨迹信息,得到筛选后障碍物轨迹信息组;
响应于确定所述障碍物轨迹信息组对应的障碍物行为概率熵不满足所述第一筛选条件,将所述障碍物轨迹信息组确定为筛选后障碍物轨迹信息组。
6.根据权利要求5所述的方法,其中,所述对所述筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集,包括:
构建时空坐标系,其中,所述时空坐标系的竖轴为时间轴,所述时空坐标系竖轴在原点的时刻为当前时刻;
将所述筛选后障碍物轨迹信息组集合中的障碍物轨迹方程投影至所述时空坐标系,得到投影后障碍物轨迹区域坐标集。
7.根据权利要求6所述的方法,其中,在将所述规划路径发送至车辆控制终端以控制当前车辆进行移动之前,所述方法还包括:
确定生成规划路径所需的占用时长;
响应于确定占用时长满足预设时长条件,对于所述规划路径,执行如下规划路径调整操作:
将所述障碍物轨迹信息组集合中未被筛选到的各个障碍物轨迹信息中、轨迹方程概率值最大的障碍物轨迹方程投影至所述时空坐标系;
以当前车辆所在位置为初始位置进行轨迹规划,得到目标规划路径;
确定生成目标规划路径所需的目标占用时长,其中,目标占用时长包括生成全部规划路径所需的占用时长;
响应于确定所述目标占用时长满足所述预设时长条件,将所述目标规划路径作为规划路径,再次执行所述规划路径调整操作。
8.一种车辆控制装置,包括:
轨迹预测单元,被配置成对预先检测到的每个障碍物车辆进行轨迹预测以生成障碍物轨迹信息组,得到障碍物轨迹信息组集合,其中,所述障碍物轨迹信息组集合中的障碍物轨迹信息包括障碍物轨迹方程;
确定单元,被配置成确定与所述障碍物轨迹信息组集合中每个障碍物轨迹信息组对应的障碍物行为概率熵,得到障碍物行为概率熵集合;
筛选处理单元,被配置成基于所述障碍物行为概率熵集合,对所述障碍物轨迹信息组集合中的各个障碍物轨迹信息进行筛选处理,以生成筛选后障碍物轨迹信息组集合;
投影处理单元,被配置成对所述筛选后障碍物轨迹信息组集合包括的障碍物轨迹方程进行投影处理,以生成投影后障碍物轨迹区域坐标集;
轨迹规划单元,被配置成基于所述投影后障碍物轨迹区域坐标集,以当前车辆所在位置为初始位置进行轨迹规划,得到当前车辆的规划路径;
发送以及控制单元,被配置成将所述规划路径发送至车辆控制终端、以控制当前车辆进行移动。
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,所述计算机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 |
---|---|---|---|
CN202211553455.7A CN115534939B (zh) | 2022-12-06 | 2022-12-06 | 车辆控制方法、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 |
---|---|---|---|
CN202211553455.7A CN115534939B (zh) | 2022-12-06 | 2022-12-06 | 车辆控制方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115534939A true CN115534939A (zh) | 2022-12-30 |
CN115534939B CN115534939B (zh) | 2023-04-14 |
Family
ID=84721832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211553455.7A Active CN115534939B (zh) | 2022-12-06 | 2022-12-06 | 车辆控制方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115534939B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116088538A (zh) * | 2023-04-06 | 2023-05-09 | 禾多科技(北京)有限公司 | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 |
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 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160299507A1 (en) * | 2015-04-08 | 2016-10-13 | University Of Maryland, College Park | Surface vehicle trajectory planning systems, devices, and methods |
CN111002980A (zh) * | 2019-12-10 | 2020-04-14 | 苏州智加科技有限公司 | 基于深度学习的道路障碍物轨迹预测方法和系统 |
CN111079721A (zh) * | 2020-03-23 | 2020-04-28 | 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 |
CN111427369A (zh) * | 2020-06-08 | 2020-07-17 | 北京三快在线科技有限公司 | 一种无人车控制方法及装置 |
CN112612277A (zh) * | 2020-12-23 | 2021-04-06 | 禾多科技(北京)有限公司 | 车辆轨迹规划方法、装置、设备和计算机可读介质 |
CN113124891A (zh) * | 2021-04-20 | 2021-07-16 | 东软睿驰汽车技术(沈阳)有限公司 | 一种行驶路径规划方法及相关装置 |
CN114194213A (zh) * | 2021-12-29 | 2022-03-18 | 北京三快在线科技有限公司 | 一种目标物轨迹预测方法、装置、存储介质及电子设备 |
-
2022
- 2022-12-06 CN CN202211553455.7A patent/CN115534939B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160299507A1 (en) * | 2015-04-08 | 2016-10-13 | University Of Maryland, College Park | Surface vehicle trajectory planning systems, devices, and methods |
CN111002980A (zh) * | 2019-12-10 | 2020-04-14 | 苏州智加科技有限公司 | 基于深度学习的道路障碍物轨迹预测方法和系统 |
CN111079721A (zh) * | 2020-03-23 | 2020-04-28 | 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 |
CN111427369A (zh) * | 2020-06-08 | 2020-07-17 | 北京三快在线科技有限公司 | 一种无人车控制方法及装置 |
CN112612277A (zh) * | 2020-12-23 | 2021-04-06 | 禾多科技(北京)有限公司 | 车辆轨迹规划方法、装置、设备和计算机可读介质 |
CN113124891A (zh) * | 2021-04-20 | 2021-07-16 | 东软睿驰汽车技术(沈阳)有限公司 | 一种行驶路径规划方法及相关装置 |
CN114194213A (zh) * | 2021-12-29 | 2022-03-18 | 北京三快在线科技有限公司 | 一种目标物轨迹预测方法、装置、存储介质及电子设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116088538A (zh) * | 2023-04-06 | 2023-05-09 | 禾多科技(北京)有限公司 | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 |
CN116088538B (zh) * | 2023-04-06 | 2023-06-13 | 禾多科技(北京)有限公司 | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN115534939B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115534939B (zh) | 车辆控制方法、装置、电子设备和计算机可读介质 | |
CN112001287A (zh) | 障碍物的点云信息生成方法、装置、电子设备和介质 | |
CN115326099B (zh) | 局部路径规划方法、装置、电子设备和计算机可读介质 | |
CN112918487B (zh) | 无人车起步方法、装置、电子设备和计算机可读介质 | |
CN113033925B (zh) | 用于控制自动驾驶车辆行驶、装置、电子设备和介质 | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN112434620B (zh) | 场景文字识别方法、装置、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 | |
CN115540893B (zh) | 车辆路径规划方法、装置、电子设备和计算机可读介质 | |
CN112907942A (zh) | 基于边缘计算的车辆调度方法、装置、设备和介质 | |
CN115546293B (zh) | 障碍物信息融合方法、装置、电子设备和计算机可读介质 | |
CN110956128A (zh) | 生成车道线图像的方法、装置、电子设备和介质 | |
CN113050643B (zh) | 无人车路径规划方法、装置、电子设备和计算机可读介质 | |
CN112418389A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN116088537B (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
CN115526069B (zh) | 仿真驾驶场景生成方法、装置、设备和计算机可读介质 | |
CN114399659B (zh) | 车辆控制信息生成方法、装置、设备和计算机可读介质 | |
CN115534935A (zh) | 车辆行驶控制方法、装置、电子设备和计算机可读介质 | |
CN112612277B (zh) | 车辆轨迹规划方法、装置、设备和计算机可读介质 | |
CN115061386A (zh) | 智能驾驶的自动化仿真测试系统及相关设备 | |
CN112543228A (zh) | 数据传输方法、装置、电子设备和计算机可读介质 | |
CN116125961B (zh) | 车辆控制指标生成方法、装置、设备和计算机可读介质 | |
CN110633707A (zh) | 预测速度的方法和装置 | |
CN116107666B (zh) | 程序业务流信息生成方法、装置、电子设备和计算机介质 | |
CN115471708B (zh) | 车道线类型信息生成方法、装置、设备和计算机可读介质 |
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 |