CN115597619A - 车辆的路径规划方法、装置、电子设备及自动驾驶车辆 - Google Patents
车辆的路径规划方法、装置、电子设备及自动驾驶车辆 Download PDFInfo
- Publication number
- CN115597619A CN115597619A CN202211230606.5A CN202211230606A CN115597619A CN 115597619 A CN115597619 A CN 115597619A CN 202211230606 A CN202211230606 A CN 202211230606A CN 115597619 A CN115597619 A CN 115597619A
- Authority
- CN
- China
- Prior art keywords
- distance
- cut
- target
- predicted
- host vehicle
- 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.)
- Pending
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
-
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
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
本公开提供了一种车辆的路径规划方法、装置、电子设备及自动驾驶车辆,涉及人工智能技术领域,进一步涉及自动驾驶领域,以至少解决相关技术中对车辆行驶轨迹进行预测的预测准确率低的技术问题。具体实现方案为:在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,以及切入切入位置时的切入时间点;根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息;将当前预测得到的行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;基于行驶融合信息确定障碍车辆的目标切入距离;利用目标切入距离对主车辆的当前行驶轨迹进行更新。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及一种车辆的路径规划方法、装置、电子设备及自动驾驶车辆。
背景技术
随着汽车自动驾驶功能的飞速发展,人工智能技术也越来越广泛的应用在了汽车的自动驾驶功能上,例如,对当前车辆周围环境进行安全性判断,以使车辆能够安全的驾驶,也可以对交通状况进行预测,以使当前车辆能够以规划的最优行驶路径行驶,还可以是对当前车辆周围的障碍车辆的行驶轨迹进行预测,以确保当前车辆与障碍车辆始终能够保持安全距离等。
但在现有技术中,对障碍车辆的行驶轨迹进行预测,仅仅只依赖预测模块输出的预测线,当障碍车辆紧急刹车或者转向时,会导致预测的准确性低,从而导致当前车辆与障碍车辆不能够保持安全距离,进而导致自动驾驶的安全性能降低。
发明内容
本公开提供了一种车辆的路径规划方法、装置、电子设备及自动驾驶车辆,以至少解决相关技术中对车辆行驶轨迹进行预测的预测准确率低的技术问题。
根据本公开的一方面,提供了一种车辆的路径规划方法,包括:在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,以及切入切入位置时的切入时间点;根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息;将当前预测得到的行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;基于行驶融合信息确定障碍车辆的目标切入距离;利用目标切入距离对主车辆的当前行驶轨迹进行更新。
根据本公开的又一方面,提供了一种车辆的路径规划装置,包括:第一预测模块,用于在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,以及切入切入位置时的切入时间点;生成模块,用于根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息;融合模块,用于将当前预测得到行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;第一确定模块,用于基于行驶融合信息确定障碍车辆的目标切入距离;路径规划模块,用于利用目标切入距离对主车辆的当前行驶轨迹进行更新。
根据本公开的又一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开提出的车辆的路径规划方法。
根据本公开的又一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行本公开提出的车辆的路径规划方法。
根据本公开的又一方面,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本公开提出的车辆的路径规划方法。
根据本公开的又一方面,提供了一种自动驾驶车辆,包括上述的一种电子设备,其中,电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述的任一项的方法。
在本公开中,通过在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,以及切入切入位置时的切入时间点;根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息;将当前预测得到行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;基于行驶融合信息确定障碍车辆的目标切入距离;利用目标切入距离对主车辆的当前行驶轨迹进行更新的方式,达到了能够对车辆的行驶轨迹准确预测的目的,容易注意到的是,对车辆的行驶轨迹进行预测,是通过将预测得到的主车行驶轨迹信息和历史行驶预测信息进行融合,基于融合信息确定障碍车的切入距离,然后根据切入距离对主车辆的当前行驶轨迹进行更新得到的,充分考虑了驾驶员的驾驶习惯,生成动态的行驶预测信息,实现了能够提高车辆行驶轨迹预测率的技术效果,从而解决了相关技术中对车辆行驶轨迹进行预测的预测准确率低技术问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的一种用于实现车辆的路径规划方法的计算机终端(或移动设备)的硬件结构框图;
图2是根据本公开实施例的一种车辆的路径规划方法的流程图;
图3是根据本公开实施例的一种可选的障碍车辆与主车辆的行驶预测轨迹示意图;
图4是根据本公开实施例的一种可选的引入车道线意图的算法流程图;
图5是根据本公开实施例的一种车辆的路径规划装置的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
自动驾驶系统中,普遍分为预测和规划两个模块。其中,预测模块负责给出障碍车辆未来的行驶轨迹,规划模块利用预测模块的信息具体控制主车辆的油门刹车方向盘。
现有的求取障碍车辆交互区域的方案完全相信每一帧的预测线(自动驾驶系统一般至少每0.1s更新一次预测和规划结果),交互区域大小的稳定性过度依赖预测线的稳定性。
预测模块一般都为数据驱动的黑盒神经网络模型,输出的是一条预测线(一堆点组成),难以保证帧间的稳定性以及准确性,规划模块依赖很容易发生跳变的预测线会导致自动驾驶系统的安全性和稳定性都难以提高。
根据本公开实施例,提供了一种车辆的路径规划方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本公开实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的电子设备中执行。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。图1是根据本公开实施例的一种用于实现车辆的路径规划方法的计算机终端(或移动设备)的硬件结构框图。
如图1所示,计算机终端100包括计算单元101,其可以根据存储在只读存储器(ROM)102中的计算机程序或者从存储单元108加载到随机访问存储器(RAM)103中的计算机程序,来执行各种适当的动作和处理。在RAM 103中,还可存储计算机终端100操作所需的各种程序和数据。计算单元101、ROM 102以及RAM 103通过总线104彼此相连。输入/输出(I/O)接口105也连接至总线104。
计算机终端100中的多个部件连接至I/O接口105,包括:输入单元106,例如键盘、鼠标等;输出单元107,例如各种类型的显示器、扬声器等;存储单元108,例如磁盘、光盘等;以及通信单元109,例如网卡、调制解调器、无线通信收发机等。通信单元109允许计算机终端100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元101执行本文所描述的车辆的路径规划方法。例如,在一些实施例中,车辆的路径规划方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 102和/或通信单元109而被载入和/或安装到计算机终端100上。当计算机程序加载到RAM 103并由计算单元101执行时,可以执行本文描述的车辆的路径规划方法的一个或多个步骤。备选地,在其他实施例中,计算单元101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车辆的路径规划方法。
本文中描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
此处需要说明的是,在一些可选实施例中,上述图1所示的电子设备可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是,图1仅为特定具体实例的一个实例,并且旨在示出可存在于上述电子设备中的部件的类型。
在上述运行环境下,本公开提供了如图2所示的车辆的路径规划方法,该方法可以由图1所示的计算机终端或者类似的电子设备执行。图2是根据本公开实施例的一种车辆的路径规划方法的流程图。如图2所示,该方法可以包括如下步骤:
步骤S20,在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,以及切入切入位置时的切入时间点。
上述的主车辆,可以是自动驾驶车辆,主车辆也可以称为本车辆,是所述方法的执行主体。
上述的当前行驶轨迹,可以是主车辆根据地图得到的正在行驶的行驶轨迹,还可以是预测得到的主车辆将要行驶的行驶轨迹,但不仅限于此。
上述的障碍车辆,可以是任意一个或多个会影响主车辆的行驶轨迹的车辆。
上述的切入位置,可以是障碍车辆的预测行驶轨迹与主车辆的当前行驶轨迹相交的位置,表明障碍车辆将会影响主车辆的行驶轨迹。
上述的切入时间点,可以是得到切入位置的时间点,也即可以是得到障碍车辆的预测行驶轨迹和主车辆的当前行驶轨迹的相交位置的时间点。
在一种可选的实施例中,当主车辆沿根据地图得到的行驶轨迹行驶时,如果车辆上的雷达感应到有障碍车辆,可以通过预测模块预测障碍车辆切入主车辆当前行驶轨迹的切入位置以及切入时间。
在另一种可选的实施例中,当主车辆沿预测得到的行驶轨迹行驶时,如果车辆上的雷达感应到有障碍车辆,可以通过预测模块预测障碍车辆切入主车辆当前行驶轨迹的切入位置以及切入时间。
需要说明的是,对障碍车辆进行感应并不限于雷达,还可以是任意一种或多种能够对障碍车辆进行感应的处理器、模块、装置、系统以及服务器等;对障碍车辆的切入位置和切入时间点进行预测并不限于预测模块,还可以是任意一种或多种能够对切入位置和切入时间点进行预测的处理器、模块、装置、系统以及服务器等。
在本步骤中,通过对障碍车辆进行感应,可以对障碍车辆的切入位置和切入时间点进行预测,以便后续可以得到切入距离。
步骤S21,根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息。
上述的行驶预测信息,可以是将主车辆和障碍车辆的切入位置及切入时间点告知给驾驶员的信息,可以是文字信息,也可以是语音信息,还可以是视频信息,但不仅限于此。
在一种可选的实施例中,当预测得到障碍车辆的切入位置和切入时间点后,可以通过主车辆的生成模块生成主车辆当前预测得到的行驶预测信息。例如,可以通过中控系统向驾驶员文字展示“本车将在5s后,在行驶道路的前方与障碍车辆相撞,请注意减速”。
在另一种可选的实施例中,当预测得到障碍车辆的切入位置和切入时间点后,可以通过主车辆的生成模块生成主车辆当前预测得到的行驶预测信息。例如,可以通过车辆的音响向驾驶员语音播报“本车将在5s后,在行驶道路的前方与障碍车辆相撞,请注意减速”。
在又一种可选的实施例中,当预测得到障碍车辆的切入位置和切入时间点后,可以通过主车辆的生成模块生成主车辆当前预测得到的行驶预测信息。例如,可以通过车辆的中控系统向用户视频播放将在5秒后,在行驶道路的前方与障碍车辆相撞,提醒用户减速。
在本步骤中,通过预测得到的切入位置和切入时间点,生成主车辆的当前预测行驶信息,可以确保主车辆的安全行驶。
步骤S22,将当前预测得到的行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息。
上述的历史时间范围内累计的行驶预测信息,可以是当前时刻的上一时刻预测得到的行驶预测信息。
上述的行驶融合信息,可以是将当前行驶预测信息中的切入位置信息和切入时间点信息与历史范围内累计的行驶预测信息中的切入位置信息和切入时间点信息进行求和后取平均值的信息。
在一种可选的实施例中,在预测得到当前的行驶预测信息后,可以将当前时刻的行驶预测信息和上一时刻的行驶预测信息求和后取平均值(即进行融合),即可以得到行驶融合信息。
需要说明的是,求和可以是获取当前时刻的行驶预测信息和历史范围内累计的行驶预测信息的高斯分布,然后获取高斯分布的卷积和,但不仅限于此。
在本步骤中,通过对当前行驶预测信息和历史行驶预测信息进行融合,可以得到行驶融合信息,进而可以通过行驶融合信息得到后续的目标切入距离,进而可以对主车辆的行驶路径重新进行规划,以达到能够安全驾驶的目的。
步骤S23,基于行驶融合信息确定障碍车辆的目标切入距离。
上述的目标切入距离,可以是通过行驶融合信息中的目标切入位置和目标切入点确定的障碍车辆与主车辆的行驶预测轨迹会重合的距离。
在一种可选的实施例中,因为行驶融合信息中包含切入位置以及切入时间点的信息,因此可以基于预设公式对切入位置和切入时间点进行计算,即可以得到障碍车辆的目标切入距离。
需要说明的是,对切入位置和切入时间点进行计算的公式,可以包括但不限于:高斯分布。
在本步骤中,基于行驶融合信息确定障碍车辆的目标切入距离,可以确保能够使主车辆基于目标切入距离对行驶轨迹重新进行规划,进而可以确保主车辆的行驶安全。
步骤S24,利用目标切入距离对主车辆的当前行驶轨迹进行更新。
在一种可选的实施例中,当得到障碍车的目标切入距离后,可以基于目标切入距离,对主车辆的当前行驶轨迹进行更新。
在另一种可选的实施例中,当得到障碍车的目标切入距离后,可以通过车辆的生成模块生成新的行驶轨迹,例如,当主车辆的行驶轨迹为直线时,在得到目标切入距离为沿当前直线轨迹继续行驶100米后会有切入位置,则生成模块可以将当前车辆的行驶轨迹更新为沿直线行驶50米后右转或者左转。
需要说明的是,对主车辆的当前行驶轨迹进行更新不仅限于生成模块,还可以是任意一种或多种能够对行驶轨迹进行更新的处理器,模块,装置,系统以及服务器等。
在本步骤中,通过目标切入距离对主车辆的行驶轨迹进行更新,可以确保主车辆能够安全的进行驾驶。
根据本公开上述步骤S20至步骤S24,通过在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,以及切入位置时的切入时间点;根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息;将当前预测得到的行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;基于行驶融合信息确定障碍车辆的目标切入距离;利用目标切入距离对主车辆的当前行驶轨迹进行更新的方式,达到了能够对车辆的行驶轨迹准确预测的目的,容易注意到的是,对车辆的行驶轨迹进行预测,是通过将预测得到的主车行驶轨迹信息和历史行驶预测信息进行融合,基于融合信息确定障碍车的切入距离,然后根据切入距离对主车辆的当前行驶轨迹进行更新得到的,充分考虑了驾驶员的驾驶习惯,生成动态的行驶预测信息,实现了能够提高车辆行驶轨迹预测率的技术效果,从而解决了相关技术中对车辆行驶轨迹进行预测的预测准确率低技术问题。
下面对该实施例的上述方法进行进一步介绍。
可选地,根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息,包括:根据主车辆的当前位置和预测到的切入位置,预测得到障碍车辆的切入距离,其中,切入距离用于表示切入位置与主车辆之间的距离;基于切入位置和切入距离,生成行驶预测信息。
上述的当前位置,可以是主车辆在当前时刻所处的位置。
在一种可选的实施例中,在预测得到障碍车辆的切入位置后,可以基于主车辆的当前位置,获取当前位置与切入位置的差值,即可预测得到障碍车辆的切入距离,其中,切入距离用于表示切入位置与主车辆当前位置之间的距离。
在另一种可选的实施例中,得到切入距离后,可以通过生成模块根据切入距离,切入位置以及切入时间,生成行驶预测信息。
需要说明的是,生成行驶预测信息不仅限于生成模块,还可以是任意一种或多种能够生成行驶预测信息的处理器、模块、装置、系统以及服务器等。
在本步骤中,通过切入距离,切入位置以及切入时间,生成行驶预测信息,可以确保能够对障碍车辆的切入位置准确进行预测,进而可以确保主车辆的行驶安全。
可选地,将当前预测得到的行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息,包括:对当前预测得到的行驶预测信息进行转换,得到预测高斯分布;获取历史时间范围内累计的行驶预测信息对应的历史高斯分布;根据预测高斯分布和历史高斯分布的卷积和,确定行驶融合信息。
上述的预测高斯分布,可以是N(u2,σ2 2)。其中,u2表示预测得到的当前时刻的切入距离(也即高斯分布的均值),σ2 2表示预测得到的当前时刻的切入时间(也即高斯分布的方差)。
上述的历史高斯分布,可以是N(u1,σ1 2)。其中,u1表示预测得到的历史时刻的切入距离(也即高斯分布的均值),σ1 2表示预测得到的历史时刻的切入时间(也即高斯分布的方差),可以从车辆的存储器中获取,但不仅限于此。
上述的预测高斯分布和历史高斯分布的卷积和,可以是如下公式:
σ2 2/(σ1 2+σ2 2)*u1+σ1 2/(σ1 2+σ2 2)*u2
其中,上式表示融合后的切入距离。
σ1 2*σ2 2/(σ1 2+σ2 2)
其中,上式表示融合后的切入时间。
在一种可选的实施例中,首先可以对当前预测得到的行驶预测信息进行高斯转换,得到预测高斯分布N(u2,σ2 2)。
在另一种可选的实施例中,可以从车辆的存储器中获取历史高斯分布N(u1,σ1 2)。
在又一种可选的实施例中,得到预测高斯分布和历史高斯分布后,可以获取高斯分布的卷积和,即可以得到行驶融合信息。
可选地,对当前预测得到的行驶预测信息进行转换,得到预测高斯分布,包括:将预测得到障碍车辆的切入距离作为第一均值;基于预设数值和切入时间点的乘积确定第一方差;根据第一均值和第一方差生成预测高斯分布。
上述的第一均值可以是u2。
上述的预设数值可以是k,其中,k为常数值,可由用户提前设定,具体的数值在本实施例中不做具体限定。
上述的切入时间点可以是得到切入位置的时间点,可以是t,具体的时间点由预测的切入位置决定,在本实施例中不做具体限定。
在一种可选的实施例中,首先可以将预测得到的障碍车辆的切入距离作为第一均值,即第一均值可以为u2。
在另一种可选的实施例中,可以通过预设数值和切入时间点的乘积确定第一方差,即可以得到k*t=σ2 2。
在又一种可选的实施例中,可以根据第一均值和第一方差生成预测高斯分布,即可以得到预测高斯分布为N(u2,σ2 2)。
可选地,在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,包括:预测障碍车辆的第一行驶轨迹,其中,第一行驶轨迹为当前预测得到的障碍车辆的行驶轨迹;确定当前行驶轨迹和第一行驶轨迹的相交位置为切入位置。
在一种可选的实施例中,当主车辆沿根据地图得到的行驶轨迹(即当前行驶轨迹)行驶时,如果车辆上的雷达感应到有障碍车辆,可以通过预测模块预测障碍车辆的第一行驶轨迹,其中,第一行驶轨迹可以是当前预测得到的障碍车辆的行驶轨迹。
在另一种可选的实施例中,当主车辆沿预测得到的行驶轨迹(即当前行驶轨迹)行驶时,如果车辆上的雷达感应到有障碍车辆,可以通过预测模块预测障碍车辆的第一行驶轨迹,其中,第一行驶轨迹可以是当前预测得到的障碍车辆的行驶轨迹。
需要说明的是,对障碍车辆进行感应并不限于雷达,还可以是任意一种或多种能够对障碍车辆进行感应的处理器、模块、装置、系统以及服务器等;对障碍车辆的切入位置和切入时间点进行预测并不限于预测模块,还可以是任意一种或多种能够对切入位置和切入时间点进行预测的处理器、模块、装置、系统以及服务器等。
在又一种可选的实施例中,可以通过生成模块确定当前行驶轨迹和第一行驶轨迹是否会相交,若确定会相交,则可以确定相交位置为切入位置。
需要说明的是,确定切入位置不仅限于生成模块,还可以是任意一种或多种能够确定切入位置的处理器、模块、装置、系统以及服务器等。
可选地,基于行驶融合信息确定障碍车辆的目标切入距离,包括:对行驶融合信息进行转换,得到目标高斯分布;确定目标高斯分布的第二均值为目标切入距离。
上述的目标高斯分布可以是对行驶融合信息进行高斯转换后的高斯分布。
上述的目标切入距离可以是目标高斯分布的第二均值,即可以是σ2 2/(σ1 2+σ2 2)*u1+σ1 2/(σ1 2+σ2 2)*u2。
在一种可选的实施例中,首先可以对行驶融合信息进行高斯转换,即可以得到目标高斯分布;其次,可以确定目标高斯分布中的第二均值为目标切入距离,即目标切入距离为σ2 2/(σ1 2+σ2 2)*u1+σ1 2/(σ1 2+σ2 2)*u2。
可选地,利用目标切入距离对主车辆的当前行驶轨迹进行更新,包括:预测障碍车辆的行驶车道,得到预测车道;根据预测车道和主车辆的当前位置,确定预测车道距离,其中,预测车道距离用于表示主车辆与预测车道之间的距离;根据主车辆的当前速度确定目标避让距离,其中,目标避让距离用于主车辆在预设状态下避让障碍车辆的所需的距离;基于预测车道距离、目标避让距离以及目标切入距离对主车辆的当前行驶轨迹进行更新。
上述的预测车道可以是对障碍车辆的行驶车道进行预测后得到的障碍车辆将要行驶的车道。
上述的预测车道距离可以是基于主车辆的当前位置和预测车道的位置,得到的主车辆和预测车道之间的距离。
上述的目标避让距离可以是能够使主车辆在预设状态下安全避让障碍车辆的距离。
上述的预设状态可以是能够使当前车辆平稳舒适的状态,但不仅限于此。
在一种可选的实施例中,首先可以通过预测模块预测障碍车辆的行驶车道,得到预测车道,其中,预测车道用于表示障碍车辆将要行驶的车道。
在另一种可选的实施例中,可以通过获取预测车道和主车辆的当前位置的差值,得到预测车道距离,其中,预测车道距离用于表示主车辆与预测车道之间的距离。
在另一种可选的实施例中,当确定预测车道距离后,可以基于预测车道和主车辆的当前速度确定目标避让距离,其中,目标避让距离可以是能够使主车辆在预设状态下避让障碍车辆的所需的距离。
在又一种可选的实施例中,在得到预测车道距离、目标避让距离以及目标切入距离后,可以基于预测车道距离、目标避让距离以及目标切入距离对主车辆的当前行驶轨迹进行更新。
可选地,根据预测车道和主车辆的当前位置,确定预测车道距离,包括:确定当前行驶轨迹和预测车道的相交位置为车道切入位置;根据车道切入位置和主车辆的当前位置,确定预测车道距离。
在一种可选的实施例中,首先可以通过生成模块确定主车辆的当前行驶轨迹和预测车道的相交位置为车道切入位置,其次可以获取车道切入位置和主车辆的当前位置的差值,即可以得到预测车道距离。
需要说明的是,确定切入位置不仅限于生成模块,还可以以任意一种或多种能够确定切入位置的处理器、模块、装置、系统以及服务器等。
可选地,基于预测车道距离、目标切入距离和目标避让距离,确定主车辆的目标行驶路径,包括:判断预测车道距离是否小于目标切入距离;响应于预测车道距离小于目标切入距离,判断目标避让距离是否小于预测车道距离;响应于目标避让距离小于预测车道距离,基于预测车道距离对主车辆的当前行驶轨迹进行更新。
上述的目标切入距离,可以是通过行驶融合信息中的目标切入位置和目标切入点确定的障碍车辆与主车辆的行驶预测轨迹会重合的距离。
上述的预测车道距离可以是基于主车辆的当前位置和预测车道的位置,得到的主车辆和预测车道之间的距离。
上述的目标避让距离可以是能够使主车辆在预设状态下安全避让障碍车辆的距离。
在一种可选的实施例中,因为目标切入距离是障碍车辆与主车辆的行驶预测轨迹会重合的距离,所以目标切入距离的安全优先级最高,其次因为预测车道距离是主车辆和预测车道之间的距离,且目标避让距离是能够使主车辆在预设状态下安全避让障碍车辆的距离,所以预测车道距离的安全优先级高于目标避让距离。
在另一种可选的实施例中,首先可以判断预测车道距离是否小于目标切入距离,响应于预测车道距离小于目标切入距离,为保证主车辆的行驶安全,主车辆与障碍车辆的距离要以预测车道距离为准,因此可以继续判断目标避让距离是否小于预测车道距离,响应于目标安全避让距离小于预测车道距离,证明主车辆可以在较小的安全距离成功避让障碍车辆,因此为了更加确保主车辆的安全,可以基于预测车道距离重新规划主车辆的行驶轨迹。
可选地,该方法还包括:响应于预测车道距离大于或等于目标切入距离,判断目标避让距离是否小于目标切入距离;响应于目标避让距离小于目标切入距离,基于目标切入距离对主车辆的当前行驶轨迹进行更新。
在一种可选的实施例中,响应于预测车道距离大于或等于目标切入距离,为保证主车辆的行驶安全,主车辆与障碍车辆的距离要以目标切入距离为准,因此可以继续判断目标切入距离是否小于目标舒适距离,响应于目标舒适距离小于目标切入距离,证明主车辆可以在较小的安全距离成功避让障碍车辆,因此为了更加确保主车辆的安全,可以基于预测目标切入距离重新规划主车辆的行驶轨迹。
可选地,该方法还包括:响应于目标避让距离大于或等于目标切入距离,基于目标避让距离对主车辆的当前行驶轨迹进行更新。
在一种可选的实施例中,响应于目标避让距离大于或等于目标切入距离,为了能够使主车辆安全舒适的避让障碍车辆,可以基于目标避让距离重新规划主车辆的行驶轨迹。
可选地,该方法还包括:响应于目标避让距离大于或等于预测车道距离,判断目标避让距离是否小于目标切入距离;响应于目标避让距离小于目标切入距离,基于目标避让距离对主车辆的当前行驶轨迹进行更新。
在一种可选的实施例中,响应于目标避让距离大于或等于预测车道距离,为了能够使主车辆安全舒适的避让障碍车辆,因此可以继续判断目标避让距离是否小于目标切入距离;响应于目标避让距离小于目标切入距离,证明主车辆以较小的距离就可以舒适安全的避让障碍车辆,因此可以基于目标避让距离重新规划主车辆的行驶轨迹。
可选地,该方法还包括:响应于目标避让距离大于或等于目标切入距离,基于目标切入距离对主车辆的当前行驶轨迹进行更新。。
在一种可选的实施例中,响应于目标避让距离大于或等于目标切入距离,为了保证主车辆不与障碍车辆相撞,因此可以基于较小的目标切入距离重新规划主车辆的行驶轨迹。
在本公开中,通过在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,以及切入切入位置时的切入时间点;根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息;将当前预测得到的行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;基于行驶融合信息确定障碍车辆的目标切入距离;利用目标切入距离对主车辆的当前行驶轨迹进行更新的方式,达到了能够对车辆的行驶轨迹准确预测的目的,容易注意到的是,对车辆的行驶轨迹进行预测,是通过将预测得到的主车行驶轨迹信息和历史行驶预测信息进行融合,基于融合信息确定障碍车的切入距离,然后根据切入距离对主车辆的当前行驶轨迹进行更新得到的,充分考虑了驾驶员的驾驶习惯,生成动态的行驶预测信息,实现了能够提高车辆行驶轨迹预测率的技术效果,从而解决了相关技术中对车辆行驶轨迹进行预测的预测准确率低技术问题。
自动驾驶过程中,一个十分关键的信息就是需要求取障碍车与主车的交互位置。这个位置的准确性与稳定性,对自动驾驶最终的安全性和舒适型起到了十分关键的作用。
图3是根据本公开实施例的一种可选的障碍车辆与主车辆的行驶预测轨迹示意图,如图3所示,沿直线行驶轨迹行驶的为主车辆,沿弯道行驶轨迹行驶的为障碍车辆,可以看到,若两辆车辆都按照固定的行驶轨迹继续行驶,在图中1、2、3、4围起来的区域,两车将会相撞。
因此为了解决上述的问题,本公开提出了一种车辆的路径规划方法,具体实施方法如下:
考虑预测噪声,假设traj_cutin_s满足高斯分布。其中,自动驾驶系统中,预测模块负责对障碍物未来的运动轨迹进行预估,给出相应预测线,由于预测模块做不到百分之百准确,会与障碍物的实际运动轨迹有不一致,这个不一致称为预测噪声。其中,Trajcutin s表示障碍车预测线切入主车路径的位置。
高斯分布如下:
N(u,σn 2)
其中,u为完美预测线的位置,也就是均值,σn为第n帧的标准差,目前预测线的质量大数据统计的话是切入时间越小,切入位置越准确的,所以可以得到标准差越来越小这一结论。需要说明的是,完美预测线表示障碍车未来真实的运动轨迹,也就是完全准确的预测线。切入时间表示预测线提供的信息,障碍车切入主车轨迹的时间。切入位置表示预测线提供的信息,障碍车切入主车轨迹的位置。标准差表示如果障碍物1s后切入,那么预测线估计的切入位置比较准确。如果障碍物8s后切入,那么预测线估计的切入位置比较不准确,因为时间太未来了不好预测。如果考虑成高斯分布的话,就是标准差的大小。
σn<σn-1
此处设计一种递归的时序高斯核,假设历史累计的预测分布为N(u1,σ1 2),最新的预测分布为N(u2,σ2 2)。
受卡尔曼(kalman)滤波的启发,归一化后的高斯核设计如下式所示,与方差成反比(方差越大,噪声越大,权重也应该越小):
历史预测分布:
σ1 2/(σ1 2+σ2 2)
最新预测分布:
σ2 2/(σ1 2+σ2 2)
融合后的新高斯分布的均值为:
σ2 2/(σ1 2+σ2 2)*u1+σ1 2/(σ1 2+σ2 2)*u2
进一步计算可以得到,融合后的新高斯分布的方差为:
σ1 2*σ2 2/(σ1 2+σ2 2)
推导可以得到:
σ1 2*σ2 2/(σ1 2+σ2 2)<σ1 2*(σ1 2+σ2 2)/(σ1 2+σ2 2)=σ1 2
σ1 2*σ2 2/(σ1 2+σ2 2)<σ2 2
可以看出方差减少,和图像中的高斯滤波类似,达到了去除高频噪声的效果。因此融合后的急刹概率更低。其中,融合就是把历史累计的预测信息和最新的预测信息进行融合。方差减小也可以用统计学的极大似然估计来理解。
因此通过上述过程,将历史多帧的预测线信息进行了融合,取到了方差更小的滤波后的切入位置,记作s_filter。
每一帧的预测线都可以给出切入位置,把新一帧的切入位置和历史累计的切入位置融合,得到了综合考虑后的切入位置。
为了进一步提高稳定性和舒适型,额外引入了预测车道意图信息。预测车道(lane)意图由上游预测模块提供,这个信息的含义是接下来障碍车会沿着哪个车道行驶,和预测线相比,虽然丧失了一定的灵活性(因为有少部分障碍车不会老实地沿着lane开),但稳定性会大大提高(大部分情况下,障碍车都会沿着lane开)。
这里把用lane意图算出的交互区域位置记为s_lane,最后同时考虑s_lane和切入位置(s_filter)以及舒适避让位置(s_comfort)的算法流程图如图4所示,图4是根据本公开实施例的一种可选的引入车道线意图的算法流程图:
步骤S41,高斯滤波得到切入位置;
步骤S42,车道线意图求取得到交互区域位置;
步骤S43,判断切入位置与交互区域位置是否都全部算出,若是,进入步骤S45,若否,进入步骤S44;
步骤S44,返回结果为算出的不存在;
步骤S45,估算出舒适避让位置;
步骤S46,判断交互区域位置是否小于切入位置,若是,进入步骤S410,若否,进入步骤S47;
步骤S47,判断舒适避让位置是否小于切入位置,若是,进入步骤S49,若否,进入步骤S48;
步骤S48,返回结果为切入位置;
步骤S49,返回结果为舒适避让位置;
步骤S410,判断舒适避让距离是否小于交互区域位置,若是,进入步骤S411,若否,进入步骤S412;
步骤S411,返回结果为交互区域位置;
步骤S412,判断舒适避让位置是否小于切入位置,若是,进入步骤S413,若否,进入步骤S414;
步骤S413,返回结果为舒适避让距离;
步骤S414,返回结果为切入位置。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本公开各个实施例所述的方法。
在本公开中还提供了一种车辆的路径规划装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本公开实施例的一种车辆的路径规划装置的结构框图,如图5所示,一种车辆的路径规划装置500包括:第一预测模块50,用于在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测所述障碍车辆切入所述当前行驶轨迹的切入位置,以及切入所述切入位置时的切入时间点;生成模块52,用于根据预测得到的所述切入位置和所述切入时间点,生成所述主车辆当前预测得到的行驶预测信息;融合模块54,用于将当前预测得到的所述行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;第一确定模块56,用于基于所述行驶融合信息确定所述障碍车辆的目标切入距离;路径规划模块58,用于利用所述目标切入距离对所述主车辆的所述当前行驶轨迹进行更新。
可选地,生成模块,包括:第一确定单元,用于根据所述主车辆的当前位置和预测到的所述切入位置,预测得到所述障碍车辆的切入距离,其中,所述切入距离用于表示所述切入位置与所述主车辆之间的距离;生成单元,用于基于所述切入位置和所述切入距离,生成所述行驶预测信息。
可选地,融合模块,包括:第一转换单元,用于对当前预测得到的所述行驶预测信息进行转换,得到预测高斯分布;第一获取单元,用于获取所述历史时间范围内累计的行驶预测信息对应的历史高斯分布;第二确定单元,用于根据所述预测高斯分布和所述历史高斯分布的卷积和,确定所述行驶融合信息。
可选地,第一转换单元,包括:处理子单元,用于将预测得到所述障碍车辆的所述切入距离作为第一均值;第一确定子单元,用于基于预设数值和所述切入时间点的乘积确定第一方差;生成子单元,用于根据所述第一均值和所述第一方差生成所述预测高斯分布。
可选地,第一预测模块,包括:第一预测单元,用于预测所述障碍车辆的第一行驶轨迹,其中,所述第一行驶轨迹为当前预测得到的所述障碍车辆的行驶轨迹;第三确定单元,用于确定所述当前行驶轨迹和所述第一行驶轨迹的相交位置为所述切入位置。
可选地,第一确定模块,包括:第二转换单元,用于对所述行驶融合信息进行转换,得到目标高斯分布;第四确定单元,用于确定所述目标高斯分布的第二均值为所述目标切入距离。
可选地,路径规划模块,包括:第二预测单元,用于预测所述障碍车辆的行驶车道,得到预测车道;第五确定单元,用于根据所述预测车道和所述主车辆的当前位置,确定预测车道距离,其中,所述预测车道距离用于表示所述主车辆与所述预测车道之间的距离;第六确定单元,用于根据主车辆的当前速度确定目标避让距离,其中,所述目标避让距离用于所述主车辆在预设状态下避让所述障碍车辆的所需的距离;路径规划单元,用于基于所述预测车道距离、所述目标避让距离以及所述目标切入距离对所述主车辆的所述当前行驶轨迹进行更新。
可选地,第五确定单元,包括:第二确定子单元,用于确定所述当前行驶轨迹和所述预测车道的相交位置为车道切入位置;第三确定子单元,用于根据所述车道切入位置和所述主车辆的所述当前位置,确定所述预测车道距离。
可选地,路径规划单元,包括:第一判断子单元,用于判断所述预测车道距离是否小于所述目标切入距离;第二判断子单元,用于响应于所述预测车道距离小于所述目标切入距离,判断所述目标避让距离是否小于所述预测车道距离;第一路径规划子单元,用于响应于所述目标避让距离小于所述预测车道距离,基于所述预测车道距离对所述主车辆的所述当前行驶轨迹进行更新。
可选地,路径规划单元还包括:第三判断子单元,用于响应于所述预测车道距离大于或等于所述目标切入距离,判断所述目标避让距离是否小于所述目标切入距离;第二路径规划子单元,用于响应于所述目标避让距离小于所述目标切入距离,基于所述目标切入距离对所述主车辆的所述当前行驶轨迹进行更新。
可选地,路径规划单元还包括:第四确定子单元,用于响应于所述目标避让距离大于或等于所述目标切入距离,基于所述目标避让距离对所述主车辆的所述当前行驶轨迹进行更新。
可选地,路径规划单元还包括:第四判断子单元,用于响应于所述目标避让距离大于或等于所述预测车道距离,判断所述目标避让距离是否小于所述目标切入距离;第三路径规划子单元,用于响应于所述目标避让距离小于所述目标切入距离,基于所述目标避让距离对所述主车辆的所述当前行驶轨迹进行更新。
可选地,路径规划单元还包括:第四路径规划子单元,用于响应于所述目标避让距离大于或等于所述目标切入距离,基于所述目标避让距离对所述主车辆的所述当前行驶轨迹进行更新。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
根据本公开的实施例,本公开还提供了一种电子设备,包括存储器和至少一个处理器,该存储器中存储有计算机指令,该处理器被设置为运行计算机指令以执行上述任一项方法实施例中的步骤。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本公开中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,以及切入切入位置时的切入时间点;
S2,根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息;
S3,将当前预测得到的行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;
S4,基于行驶融合信息确定障碍车辆的目标切入距离;
S5,利用目标切入距离对主车辆的当前行驶轨迹进行更新。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
根据本公开的实施例,本公开还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该非瞬时计算机可读存储介质中存储有计算机指令,其中,该计算机指令被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述非易失性存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测障碍车辆切入当前行驶轨迹的切入位置,以及切入切入位置时的切入时间点;
S2,根据预测得到的切入位置和切入时间点,生成主车辆当前预测得到的行驶预测信息;
S3,将当前预测得到的行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;
S4,基于行驶融合信息确定障碍车辆的目标切入距离;
S5,利用目标切入距离对主车辆的当前行驶轨迹进行更新。
可选地,在本实施例中,上述非瞬时计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的实施例,本公开还提供了一种计算机程序产品。用于实施本公开的方法实施例的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
根据本公开的实施例,本公开还提供了一种自动驾驶车辆,包括上述实施例所涉及的一种电子设备,其中,电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述实施例中的任一项的方法。
在本公开的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本公开所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM)、随机存取存储器(RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本公开的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本公开原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本公开的保护范围。
Claims (18)
1.一种车辆的路径规划方法,包括:
在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测所述障碍车辆切入所述当前行驶轨迹的切入位置,以及切入所述切入位置时的切入时间点;
根据预测得到的所述切入位置和所述切入时间点,生成所述主车辆当前预测得到的行驶预测信息;
将当前预测得到的所述行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;
基于所述行驶融合信息确定所述障碍车辆的目标切入距离;
利用所述目标切入距离对所述主车辆的所述当前行驶轨迹进行更新。
2.根据权利要求1所述的方法,其中,根据预测得到的所述切入位置和所述切入时间点,生成所述主车辆当前预测得到的行驶预测信息,包括:
根据所述主车辆的当前位置和预测到的所述切入位置,预测得到所述障碍车辆的切入距离,其中,所述切入距离用于表示所述切入位置与所述主车辆之间的距离;
基于所述切入位置和所述切入距离,生成所述行驶预测信息。
3.根据权利要求1所述的方法,其中,将当前预测得到所述行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息,包括:
对当前预测得到的所述行驶预测信息进行转换,得到预测高斯分布;
获取所述历史时间范围内累计的行驶预测信息对应的历史高斯分布;
根据所述预测高斯分布和所述历史高斯分布的卷积和,确定所述行驶融合信息。
4.根据权利要求3所述的方法,其中,对当前预测得到的所述行驶预测信息进行转换,得到预测高斯分布,包括:
将预测得到所述障碍车辆的所述切入距离作为第一均值;
基于预设数值和所述切入时间点的乘积确定第一方差;
根据所述第一均值和所述第一方差生成所述预测高斯分布。
5.根据权利要求1所述的方法,其中,在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测所述障碍车辆切入所述当前行驶轨迹的切入位置,包括:
预测所述障碍车辆的第一行驶轨迹,其中,所述第一行驶轨迹为当前预测得到的所述障碍车辆的行驶轨迹;
确定所述当前行驶轨迹和所述第一行驶轨迹的相交位置为所述切入位置。
6.根据权利要求1所述的方法,其中,基于所述行驶融合信息确定所述障碍车辆的目标切入距离,包括:
对所述行驶融合信息进行转换,得到目标高斯分布;
确定所述目标高斯分布的第二均值为所述目标切入距离。
7.根据权利要求1所述的方法,其中,利用所述目标切入距离对所述主车辆的所述当前行驶轨迹进行更新,包括:
预测所述障碍车辆的行驶车道,得到预测车道;
根据所述预测车道和所述主车辆的当前位置,确定预测车道距离,其中,所述预测车道距离用于表示所述主车辆与所述预测车道之间的距离;
根据主车辆的当前速度确定目标避让距离,其中,所述目标避让距离用于所述主车辆在预设状态下避让所述障碍车辆的所需的距离;
基于所述预测车道距离、所述目标避让距离以及所述目标切入距离对所述主车辆的所述当前行驶轨迹进行更新。
8.根据权利要求7所述的方法,其中,根据所述预测车道和所述主车辆的当前位置,确定预测车道距离,包括:
确定所述当前行驶轨迹和所述预测车道的相交位置为车道切入位置;
根据所述车道切入位置和所述主车辆的所述当前位置,确定所述预测车道距离。
9.根据权利要求7所述的方法,其中,基于所述预测车道距离、所述目标切入距离和所述目标避让距离,确定所述主车辆的目标行驶路径,包括:
判断所述预测车道距离是否小于所述目标切入距离;
响应于所述预测车道距离小于所述目标切入距离,判断所述目标避让距离是否小于所述预测车道距离;
响应于所述目标避让距离小于所述预测车道距离,基于所述预测车道距离对所述主车辆的所述当前行驶轨迹进行更新。
10.根据权利要求9所述的方法,其中,所述方法还包括:
响应于所述预测车道距离大于或等于所述目标切入距离,判断所述目标避让距离是否小于所述目标切入距离;
响应于所述目标避让距离小于所述目标切入距离,基于所述目标切入距离对所述主车辆的所述当前行驶轨迹进行更新。
11.根据权利要求10所述的方法,其中,所述方法还包括:
响应于所述目标避让距离大于或等于所述目标切入距离,基于所述目标避让距离对所述主车辆的所述当前行驶轨迹进行更新。
12.根据权利要求9所述的方法,其中,所述方法还包括:
响应于所述目标避让距离大于或等于所述预测车道距离,判断所述目标避让距离是否小于所述目标切入距离;
响应于所述目标避让距离小于所述目标切入距离,基于所述目标避让距离对所述主车辆的所述当前行驶轨迹进行更新。
13.根据权利要求10所述的方法,其中,所述方法还包括:
响应于所述目标避让距离大于或等于所述目标切入距离,基于所述目标切入距离对所述主车辆的所述当前行驶轨迹进行更新。
14.一种车辆的路径规划装置,包括:
第一预测模块,用于在主车辆沿当前行驶轨迹行驶的过程中,如果感应到障碍车辆,预测所述障碍车辆切入所述当前行驶轨迹的切入位置,以及切入所述切入位置时的切入时间点;
生成模块,用于根据预测得到的所述切入位置和所述切入时间点,生成所述主车辆当前预测得到的行驶预测信息;
融合模块,用于将当前预测得到所述行驶预测信息和历史时间范围内累计的行驶预测信息进行融合,得到行驶融合信息;
第一确定模块,用于基于所述行驶融合信息确定所述障碍车辆的目标切入距离;
路径规划模块,用于利用所述目标切入距离对所述主车辆的所述当前行驶轨迹进行更新。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-13中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-13中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-13中任一项所述的方法。
18.一种自动驾驶车辆,包括如权利要求15所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211230606.5A CN115597619A (zh) | 2022-09-30 | 2022-09-30 | 车辆的路径规划方法、装置、电子设备及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211230606.5A CN115597619A (zh) | 2022-09-30 | 2022-09-30 | 车辆的路径规划方法、装置、电子设备及自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115597619A true CN115597619A (zh) | 2023-01-13 |
Family
ID=84847705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211230606.5A Pending CN115597619A (zh) | 2022-09-30 | 2022-09-30 | 车辆的路径规划方法、装置、电子设备及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115597619A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116576873A (zh) * | 2023-05-04 | 2023-08-11 | 杭州知汇云科技有限公司 | 一种服务信息提供方法及系统 |
-
2022
- 2022-09-30 CN CN202211230606.5A patent/CN115597619A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116576873A (zh) * | 2023-05-04 | 2023-08-11 | 杭州知汇云科技有限公司 | 一种服务信息提供方法及系统 |
CN116576873B (zh) * | 2023-05-04 | 2024-02-13 | 好品易链(山东)科技发展有限公司 | 一种服务信息提供方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113071520B (zh) | 车辆行驶控制方法及装置 | |
CN113753077A (zh) | 预测障碍物的运动轨迹的方法、装置及自动驾驶车辆 | |
EP4001845A2 (en) | Method for vehicle lane changing control, device, storage medium and computer program | |
JP2021152967A (ja) | 車両運転を支援する方法、装置、電子機器記憶媒体及びコンピュータプログラム製品 | |
US20230138704A1 (en) | Method for automatic driving at intersection, electronic device, storage medium and automatic driving vehicle | |
CN114559956A (zh) | 自动驾驶车辆的避让方法、装置、设备及计算机存储介质 | |
CN113053112B (zh) | 车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆 | |
CN115597619A (zh) | 车辆的路径规划方法、装置、电子设备及自动驾驶车辆 | |
CN111634293A (zh) | 一种基于交通间隙的自动驾驶车辆的自动变道方法 | |
CN115675534A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
CN111177927A (zh) | 一种车辆参考行驶线构建方法、电子设备及存储介质 | |
CN113895457A (zh) | 车辆行驶状态的控制方法、装置、设备及自动驾驶车辆 | |
CN115848365A (zh) | 车辆控制器、车辆及车辆控制方法 | |
WO2023066080A1 (zh) | 一种前向目标的确定方法、装置、电子设备及存储介质 | |
CN115782876A (zh) | 一种变道轨迹生成方法、装置、设备及自动驾驶车辆 | |
CN115973179A (zh) | 模型训练方法、车辆控制方法、装置、电子设备及车辆 | |
CN115027495B (zh) | 一种用于智能驾驶系统的信任增强方法及设备 | |
CN115743183A (zh) | 自动驾驶控制方法、装置、设备、介质及车辆 | |
WO2022088658A1 (zh) | 一种行人穿行意图估计方法、装置、设备和汽车 | |
CN113514073A (zh) | 一种车联网智能导航越障方法、装置和电子设备 | |
CN111524389B (zh) | 车辆驾驶方法和装置 | |
CN114399107A (zh) | 一种交通状态感知信息的预测方法及系统 | |
CN113715845A (zh) | 一种自动驾驶方法、装置及电子设备 | |
CN113487903B (zh) | 一种车联网智能导航越障方法、装置和电子设备 | |
CN115230721A (zh) | 感知数据处理方法、装置和自动驾驶车辆 |
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 |