CN115743177A - 匝道驶入方法、装置、电子设备和存储介质 - Google Patents
匝道驶入方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115743177A CN115743177A CN202211485712.8A CN202211485712A CN115743177A CN 115743177 A CN115743177 A CN 115743177A CN 202211485712 A CN202211485712 A CN 202211485712A CN 115743177 A CN115743177 A CN 115743177A
- Authority
- CN
- China
- Prior art keywords
- stage
- driving
- ramp
- current
- route
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims description 35
- 230000003068 static effect Effects 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000002715 modification method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 101100062882 Burkholderia cenocepacia (strain H111) dddI gene Proteins 0.000 description 1
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007688 edging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种匝道驶入方法、装置、电子设备和存储介质,涉及人工智能领域,具体为自动驾驶和智能交通领域。具体实现方案为:在当前车辆从主路驶入匝道的过程中,根据实时感知数据检测到阶段触发数据,并更新所述当前车辆的当前行驶阶段;获取与所述当前行驶阶段对应的参考线类型,并规划与所述对应的参考线类型的行驶路线;根据前一行驶阶段的终点和所述对应的参考线类型的行驶路线,确定所述当前行驶阶段的当前路线;在所述当前行驶阶段,沿着所述当前路线行驶。本公开实施例可以提高匝道驶入的准确性。
Description
技术领域
本公开涉及人工智能领域,具体为自动驾驶和智能交通领域,具体涉及一种匝道驶入方法、装置、电子设备和存储介质。
背景技术
随着汽车保有量的快速增长,汽车带来的问题也日益明显,交通安全问题日益突出。
一些复杂路况,例如匝道口,会存在多车交汇或者变道的情况,使得在复杂路况行驶的车辆需要更加稳定安全的行驶。
发明内容
本公开提供了一种匝道驶入方法、装置、电子设备和存储介质。
根据本公开的一方面,提供了一种匝道驶入方法,包括:
在当前车辆从主路驶入匝道的过程中,根据实时感知数据检测到阶段触发数据,并更新所述当前车辆的当前行驶阶段;
获取与所述当前行驶阶段对应的参考线类型,并规划与所述对应的参考线类型的行驶路线;
根据前一行驶阶段的终点和所述对应的参考线类型的行驶路线,确定所述当前行驶阶段的当前路线;
在所述当前行驶阶段,沿着所述当前路线行驶。
根据本公开的一方面,提供了一种匝道驶入装置,包括:
阶段检测模块,用于在当前车辆从主路驶入匝道的过程中,根据实时感知数据检测到阶段触发数据,并更新所述当前车辆的当前行驶阶段;
参考线检测模块,用于获取与所述当前行驶阶段对应的参考线类型,并规划与所述对应的参考线类型的行驶路线;
路线检测模块,用于根据前一行驶阶段的终点和所述对应的参考线类型的行驶路线,确定所述当前行驶阶段的当前路线;
阶段行驶模块,用于在所述当前行驶阶段,沿着所述当前路线行驶。
根据本公开的另一方面,提供了一种电子设备,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本公开任一实施例所述的匝道驶入方法。
根据本公开的另一方面,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,所述计算机指令用于使所述计算机执行本公开任一实施例所述的匝道驶入方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序和/或指令,所述计算机程序和/或指令在被处理器执行时实现本公开任一实施例所述的匝道驶入方法。
本公开实施例可以提高匝道驶入的准确性。
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公开的一种匝道驶入方法的流程图;
图2是根据本公开实施例公开的另一种匝道驶入方法的流程图;
图3是根据本公开实施例公开的一种阶段触发数据的示意图;
图4是根据本公开实施例公开的另一种阶段触发数据的示意图;
图5是根据本公开实施例公开的另一种阶段触发数据的示意图;
图6是根据本公开实施例公开的另一种匝道驶入方法的流程图;
图7是根据本公开实施例公开的另一种匝道驶入方法的场景图;
图8是根据本公开实施例公开的另一种匝道驶入方法的场景图;
图9是根据本公开实施例公开的行驶阶段的示意图;
图10是根据本公开实施例公开的存在静态障碍物行驶场景的示意图;
图11是根据本公开实施例公开的一种匝道驶入装置的结构图;
图12是用来实现本公开实施例的匝道驶入方法的电子设备的框图。
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。
图1是根据本公开实施例公开的一种匝道驶入方法的流程图,本实施例可以适用于从主路驶入匝道的情况。本实施例方法可以由匝道驶入装置来执行,该装置可采用软件和/或硬件的方式实现,并具体配置于具有一定数据运算能力的电子设备中,该电子设备可以是客户端设备,客户端设备例如手机、平板电脑和车载终端等。
S101,在当前车辆从主路驶入匝道的过程中,根据实时感知数据检测到阶段触发数据,并更新所述当前车辆的当前行驶阶段。
本公开的应用场景是当前车辆正在主路上行驶,根据路径规划的目的地,当前车辆需要从主路驶入某个匝道。在从主路上驶入匝道的过程中,分阶段为当前车辆提供与阶段相适配的行驶目标。行驶目标可以包括行驶路线和行驶策略等。实时感知数据可以是指在行驶过程中当前车辆上感知设备实时采集的数据,示例性的,实时感知数据可以包括视觉数据、点云数据、温度数据和湿度数据等。阶段触发数据可以是指触发当前车辆进入某个阶段的数据。阶段触发数据用于检测当前车辆在哪个阶段。示例性的,阶段触发条数据可以是某个特定位置的图像数据或者是车辆状态数据等。当前行驶阶段可以是指当前车辆在当前时刻所处的阶段。可以设置各阶段的阶段触发数据,以及各阶段的先后触发次序,在当前车辆处于某一阶段时,检测到下一阶段的阶段触发数据,确定当前车辆进入该下一阶段,相应的,当前行驶阶段由该某一阶段更新为该下一阶段。
可选的,还可以根据实时感知数据和低精度地图数据共同配合,检测阶段触发数据。示例性的,实时感知数据为视觉数据。
S102,获取与所述当前行驶阶段对应的参考线类型,并规划与所述对应的参考线类型的行驶路线。
参考线类型可以是指行驶路线的依据。为每个阶段配置相应的参考线类型,不同阶段对应的参考线类型可以相同可以不同。示例性的,在匝道上行驶,通常是沿着某个车道的中心线行驶,该中心线为参考线类型,可以根据实时感知数据,检测车道中心线,再根据车道中心线生成行驶路线,指示当前车辆行驶。
S103,根据前一行驶阶段的终点和所述对应的参考线类型的行驶路线,确定所述当前行驶阶段的当前路线。
将主路驶入匝道的道路,可以划分为多个阶段的路段。各阶段的路段首尾相接,相应的,在前后两个相邻的阶段中前一阶段的终点为后一阶段的起点。将前一阶段的终点,确定为当前行驶阶段的行驶路线的起点,并以当前行驶阶段对应的参考线类型的行驶路线作为中间路线,生成当前行驶阶段的当前路线。其中,当前行驶阶段的终点可以是进入下一阶段时的位置。或者终点还可以设置为在检测到进入下一阶段时按照原状态持续行驶一段时间的位置。此外,终点还可以是其他情况,例如是采集到图像中可显示的当前路线的最后的位置点等,对此不具体限定。
S104,在所述当前行驶阶段,沿着所述当前路线行驶。
在当前行驶阶段,可以将当前路线发送给驾驶用户,指示该驾驶用户控制车辆沿着当前路线行驶,还可以是在仿真的导航图像中显示当前路线;或者直接控制自动驾驶车辆行驶。
可选的,所述沿着所述当前路线行驶,包括:控制自动驾驶车辆,沿着所述当前路线行驶。
在自动驾驶车辆从高速主路驶入高速匝道的应用场景中,分阶段生成相应路线,并在每个阶段的行驶过程中,沿着当前行驶阶段的当前路线行驶。
在现有技术中,通常基于预设好的高精地图道路中心线行驶,会给定位的效果提出很高的要求,一但定位发生漂移,整个车辆系统往往无法正常运行。而且,一但实际道路发生改变,就需要及时更新高精地图,带来很高的成本。
通过在自动驾驶场景中,获取实时感知数据,并基于检测对应的阶段,采用分阶段驶入高速匝道,可以实时应对复杂的路况,并及时响应,提高自动驾驶车辆行驶稳定性和安全性。
根据本公开的技术方案,在当前车辆从主路驶入匝道的过程中,根据实时感知数据,阶段性生成驶入匝道的路线,可以针对匝道的实际情况分别设立不同的规划目标,并适配匝道场景设置不同的参考线生成路线,可以灵活调整匝道的行驶路线,提高驶入匝道的车辆行驶稳定性和安全性,并且基于感知数据检测当前行驶阶段,可以降低高精度地图的实现成本,并且降低对网络的依赖,提高车辆行驶稳定性。
图2是根据本公开实施例公开的另一种预测轨迹修正方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。所述更新所述当前车辆的当前行驶阶段,具体化为下述至少一项:在所述当前行驶阶段为主路行驶阶段,且检测到匝道关键点的情况下,将所述当前行驶阶段更新为驶入匝道阶段;在所述当前行驶阶段为驶入匝道阶段,且检测到平行车道线的情况下,将所述当前行驶阶段更新为调整车道中心阶段。
S201,在当前车辆从主路驶入匝道的过程中,根据实时感知数据检测到阶段触发数据。
S202,在所述当前行驶阶段为主路行驶阶段,且检测到匝道关键点的情况下,将所述当前行驶阶段更新为驶入匝道阶段。
可以将从主路驶入匝道的过程划分为3个阶段,具体包括主路行驶阶段、驶入匝道阶段和调整车道中心阶段。主路行驶阶段为在主路上行驶的阶段,在检测到匝道时,进入驶入匝道阶段;在处于驶入匝道阶段时,并检测到平稳进入匝道,此时进入调整车道中心阶段。驶入匝道阶段为在从主路开始驶入匝道的阶段。调整车道中心阶段为在驶入匝道到平稳行驶的阶段。具体的,驶入匝道阶段主要目标为从主路车道中心行驶平滑过渡到匝道边缘行驶上。调整车道中心阶段主要目标为从匝道的边缘行驶平滑过渡到匝道车道中心处的阶段。
匝道关键点可以是指切换到驶入匝道阶段的关键数据,具体可以通过特定物体或者特定场景的图像描述。匝道关键点可以包括下述至少一项:主路右侧道路边界与匝道左侧边界的交点或者主路右侧道路边界与匝道右侧边界的交点等。示例性的,如图3所示,图中点A和点B为匝道关键点。
S203,在所述当前行驶阶段为驶入匝道阶段,且检测到平行车道线的情况下,将所述当前行驶阶段更新为调整车道中心阶段。
平行车道线用于检测是否进入匝道内部。平行车道线可以是指同一车道的左车道线和右车道线。通常能够稳定和清晰地感知到车道的左右边线,表明当前车辆也已经位于车道内部,也即此时进入了匝道内部,已经成功从主路切换到匝道内部,后续可以稳定沿着匝道内的车道继续行驶,相应将该阶段确定为调整车道中心阶段。如图4所示,平行线所在位置位于匝道内部。
此外,各阶段还可以进行细分,以适配更加复杂的路况。
可选的,所述在所述当前行驶阶段为主路行驶阶段,且检测到匝道关键点的情况下,将所述当前行驶阶段更新为驶入匝道阶段,包括:在所述当前行驶阶段为主路行驶阶段,且检测到主路与匝道交点的情况下,将所述当前行驶阶段更新为跟随边界阶段;在所述当前行驶阶段为跟随边界阶段,且检测到匝道多车道分岔点的情况下,将所述当前行驶阶段更新为接近匝道阶段。
驶入匝道阶段包括跟随边界阶段,还可以包括接近匝道阶段。匝道关键点包括主路与匝道交点。匝道关键点还可以包括匝道多车道分岔点。匝道多车道分岔点为在匝道存在至少两个车道时,各车道的边界起点。其中,主路与匝道交点可以包括下述至少一项:主路右侧道路边界与匝道左侧边界的交点或者主路右侧道路边界与匝道右侧边界的交点等。匝道多车道分岔点可以包括:车道左边界线的起点或者车道右边界线的起点。示例性的,如图5所示,点C为匝道多车道分岔点,从点C开始,匝道划分形成两个车道,点C是左车道的右边界线起点,也是右车道的左边界线起点。
跟随边界阶段的主要目标是从主路车道中心行驶平滑过渡到匝道边缘行驶上。在匝道为多车道时,才会存在接近匝道阶段,接近匝道阶段的主要目标是应对匝道内部复杂的道路结构(如出现一分二的双车道匝道),并且以便后续将车辆稳定地调整到需要行驶的车道上。通常双车道匝道出现的原因是,匝道会出现分叉路口,需要车辆进一步选择向哪个方向行驶,此时需要在进入匝道时,快速调整当前车辆驶入的相应方向的车道,避免无法变道路线行驶错误或者因为变道不及时导致安全事故。可以根据导航信息在分叉路口选择的方向,进而选择相应的参考线类型,提前规划进入分叉路口的准备路线。
可以理解的是,在匝道为单车道时,无需考虑匝道分叉路口的方向选择问题,也即此时可以不需要接近匝道阶段。相应的在匝道为单车道时,驶入匝道阶段包括跟随边界阶段,匝道关键点包括主路与匝道交点。在匝道为多车道时,还需要多考虑到需要行驶到哪个车道以便后续驶入对应的分叉方向。相应的,在匝道为多车道时,驶入匝道阶段包括跟随边界阶段和接近匝道阶段,匝道关键点包括主路与匝道交点和匝道多车道分岔点。跟随边界阶段的匝道关键点为主路与匝道交点。接近匝道阶段的匝道关键点为匝道多车道分岔点。当前行驶阶段为主路行驶阶段,检测是否进入跟随边界阶段。当前行驶阶段为跟随边界阶段,检测是否进入接近匝道阶段或者是检测是否进入调整车道中心阶段。当前行驶阶段为接近匝道阶段,检测是否进入调整车道中心阶段。
现有技术中,一般的感知车道线方案往往无法处理双车道匝道等特殊的道路情况,导致退自动驾驶频频发生。其次,通过变道进入匝道,往往无法处理比较复杂的动态环境,一但感知的车道线或者社会车辆的位置、速度信息发生跳变,基于安全的原则,往往会触发打方向回到原始车道(变道的back机制),带来较差的使用体验。
通过将驶入匝道阶段细分为跟随边界阶段和接近匝道阶段,以适配匝道存在多车道的情况,可以增加匝道的复杂路况的应用场景,以及适配相应的阶段,提高匝道的驶入稳定性,以及提高匝道行驶准确和安全。
S204,获取与所述当前行驶阶段对应的参考线类型,并规划与所述对应的参考线类型的行驶路线。
不同阶段对应的参考线类型不同。不同阶段的行驶目标不同,相应的作为路线规划的参考标准的参考线类型也不同。示例性的,在驶入匝道阶段,以稳定清楚容易识别的线确定为参考线;在调整车道中心阶段,此时已经进入匝道内部车道,可以稳定行驶,通常将车道中心的线确定为参考线。
不同阶段的行驶策略是相互独立的,可以实现各阶段稳定自洽的运行,通过调节各阶段的路径规划参数,可以处理更多更加复杂的道路,提高匝道行驶的精准和平稳。
S205,根据前一行驶阶段的终点和所述对应的参考线类型的行驶路线,确定所述当前行驶阶段的当前路线。
S206,在所述当前行驶阶段,沿着所述当前路线行驶。
可选的,所述当前行驶阶段包括:驶入匝道阶段;所述驶入匝道阶段对应的参考线类型为边界偏移类型;所述规划与所述对应的参考线类型的行驶路线,包括:根据所述实时感知数据,检测待驶入的匝道车道相邻的道路边界线;将所述道路边界线向道路内部偏移预设安全距离,生成所述边界偏移类型的行驶路线。
边界偏移类型用于以道路边界为基准进行偏移规划行驶路线。通常当前车辆在车道内行驶时以车道中心线为基准规划路线行驶。针对匝道来说,道路边界通常能被视觉系统稳定检测得到,而中间车道线往往由于磨损的各种原因,会存在漏检和误检的问题,或者中间车道线被遮挡或者不存在,由此,以道路边界作为参考线规划行驶路线,可以提高行驶路线的准确性和稳定性。
待驶入的匝道车道为单车道,待驶入的匝道车道相邻的道路边界线是左道路边界线或右道路边界线,可以任意选择一个。待驶入的匝道车道为至少两个车道,左车道相邻的道路边界线是左车道的左道路边界线,右车道相邻的道路边界线是右车道的右道路边界线,中间车道相邻的道路边界线是左道路边界线或右道路边界线。
安全距离用于使得当前车辆与道路边界存在一定距离,避免当前车辆与道路边界碰撞。道路边界线向道路内部偏移预设安全距离,可以是指道路边界线向道路中央方向偏移该安全距离。示例性的,左道路边界线向道路内部偏移预设安全距离,是指左道路边界线向右偏移预设安全距离。右道路边界线向道路内部偏移预设安全距离,是指右道路边界线向左偏移预设安全距离。
匝道通常在主路的右侧,可以沿右侧道路边界偏移一定距离生成行驶路线。当前行驶阶段为驶入匝道阶段,参考线类型可以是右道路边界偏移类型。更具体的,当前行驶阶段为跟随边界阶段,参考线类型可以是右道路边界偏移类型,即右道路边界线向左偏移预设安全距离。当前行驶阶段为接近匝道阶段,在根据导航信息确定左分叉路口方向行驶时,参考线类型可以是左道路边界偏移类型,即左道路边界线向右偏移预设安全距离;在根据导航信息确定右分叉路口方向行驶时,参考线类型可以是右道路边界偏移类型。
通过在进入匝道内部之前的阶段以固定的道路边界为参考线进行偏移生成行驶路线,可以生成稳定清晰的路线,减少由于实时感知数据获取到准确性差的车道中心线规划导致的误差和风险,提高匝道驶入的安全性和平稳性。
可选的,所述当前行驶阶段包括:调整车道中心阶段;所述调整车道中心阶段对应的参考线类型为车道中心类型;所述规划与所述对应的参考线类型的行驶路线,包括:根据所述实时感知数据,检测当前行驶的车道中心线;根据所述车道中心线,生成所述车道中心类型的行驶路线;或者根据所述实时感知数据,检测当前行驶的道路宽度和道路边界线;根据所述道路宽度和所述道路边界线,生成所述车道中心类型的行驶路线。
车道中心类型以车道的中心线为基准规划行驶路线。通常当前车辆在车道内行驶时以车道中心线为基准规划路线行驶。在调整车道中心阶段时,当前车辆已经稳定驶入匝道内部,可以调整到车道中心行驶。在存在车道中心线时,检测到车道中心线,根据车道中心线生成行驶路线。由于调整车道中心阶段实际是驶入匝道内部的阶段,当前行驶的道路宽度实际是匝道的两侧的道路边界之间的横向距离。在不存在车道中心线时,可以根据道路宽度和道路边界线,生成车道中心线,并据此生成行驶路线。
通过在调整车道中心阶段,使得当前车辆调整行驶到车道中心,实现在匝道中保持车道中心行驶,从而确保在切换到车道保持阶段时,不会出现大的晃动,提高匝道内部行驶的稳定性。
根据本公开的技术方案,通过将驶入匝道的路线和行驶过程划分为多个阶段,并适配不同阶段,对应配置相应的参考线类型,以生成适配不同行驶情况的行驶路线,实现独立规划不同阶段的行驶路线,从而实现各阶段稳定自洽的运行,同时还可以通过单独调节各阶段的路径规划参数,以适配更多更加复杂的道路,提高匝道行驶的精准和平稳。
图6是根据本公开实施例公开的另一种预测轨迹修正方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。所述方法优化为:根据所述实时感知数据,检测静态障碍物;在检测到静态障碍物的情况下,根据静态障碍物的位置对道路边界线更新;根据更新后的道路边界线对所述当前路线进行横向调整;沿着调整后的当前路线行驶。
S601,在当前车辆从主路驶入匝道的过程中,根据实时感知数据检测到阶段触发数据,并更新所述当前车辆的当前行驶阶段。
S602,获取与所述当前行驶阶段对应的参考线类型,并规划与所述对应的参考线类型的行驶路线。
S603,根据前一行驶阶段的终点和所述对应的参考线类型的行驶路线,确定所述当前行驶阶段的当前路线。
S604,在所述当前行驶阶段,沿着所述当前路线行驶。
S605,根据所述实时感知数据,检测静态障碍物。
在整个从主路驶入匝道的过程中,检测前方道路上是否存在静态障碍物。静态障碍物是指静止在行驶的道路上的障碍物。
S606,在检测到静态障碍物的情况下,根据静态障碍物的位置对道路边界线更新。
根据静态障碍物的位置,更新道路边界线。
S607,根据更新后的道路边界线对所述当前路线进行横向调整。
道路边界线用于规划当前路线。静态障碍物的位置更新道路边界线,相应的,静态障碍物的位置更新更新当前路线。通常,在驶入匝道的过程中,与静态障碍物避障的方式为绕行过该静态障碍物,仍沿着原有方向继续驶入匝道。也即向前行驶的纵向方向和纵向位置不改变,仅改变横向位置。更新后的道路边界线对当前路线进行横向调整,尽可能减少对原有当前路线的调整量,相对原当前路线尽可能接近,以最小成本绕行静态障碍物。其中,横向是指与车道的方向垂直的方向。纵向是车道的方向。
可选的,在当前车辆处于驶入匝道阶段时,将道路边界线向道路内部偏移预设安全距离,生成边界偏移类型的行驶路线,并确定为驶入匝道阶段的当前路线。在检测到静态障碍物时,根据更新后的道路边界线,对当前路线进行横向调整,以实现驶入匝道阶段对静态障碍物的绕行。又如,在当前车辆处于调整车道中心阶段时,根据道路宽度和道路边界线,生成车道中心类型的行驶路线,确定为调整车道中心阶段的当前路线。在检测到静态障碍物时,根据更新后的道路边界线,对当前路线进行横向调整,以实现调整车道中心阶段对静态障碍物的绕行。
S608,沿着调整后的当前路线行驶。
根据本公开的技术方案,通过根据静态障碍物的位置,更新道路边界线,从而对当前路线进行横向调整,以克服变道方案计算失败时,需要返回原始车道,从而带来车辆行驶晃动的问题,实现对静态障碍物的绕行,并使得调整之后的当前路线相对原始当前路线尽可能接近,最小成本绕行静态障碍物,可以实现稳定避障。
图7是根据本公开实施例公开的一种匝道驶入方法的应用示意图,如图7所示,在从主路驶入匝道的过程中,从感知设备中获取实时感知数据,和定位系统中获取自身定位信息,根据自身定位信息获取当前行驶的区域的地图数据,该地图数据包括低精度地图,还可以包括高精度地图,其中,高精度地图是可选项。本公开提出的匝道驶入方法属于决策规划模块的范畴,主要包含了参考线生成(即理想情况下,车辆行驶路径)、路径决策(行驶路径的选择,比如是选择沿主路行驶还是选择驶入匝道)和路径规划(根据路径选择结果,生成一条适合车辆行驶的平滑路线)三个方面的内容。具体为:根据地图数据、实时感知数据和定位信息,检测当前车辆所处的当前行驶阶段,确定对应的参考线类型,生成相应的参考线,进行路径决策(主要是横向决策)和路径规划(主要是横向规划),生成当前路线。此外,还需要针对当前路线进行速度决策(主要是纵向决策)和速度规划(主要是纵向规划),最终向控制装置输出当前路线以及当前路线的行驶速度。以使控制装置控制自动驾驶车辆以相应的行驶速度,沿着当前路线行驶。需要注意的是,本公开表述的路径规划方式为基于frenet坐标系进行规划,即以生成的参考线作为规划的坐标系,而不是传统的X-Y坐标系,实际的规划路径是在frenet坐标系(即参考线)的基础上,考虑到平滑性约束、道路边界约束和障碍物约束等,最终输出的满足车辆行驶需求的路径。
在实际的匝道驶入过程中,由于感知能力的限制,较远距离(>50m)的车道线信息和障碍物信息在检测精度和检测稳定性上存在很大困难,想要一次性生成整个进入匝道的行驶路径往往并不可行。因此,考虑到实际的感知能力,同时提高路径生成的稳定性以及对不同匝道道路的泛化能力,因此将整个匝道驶入分为四个阶段,如图8所示,和9所示,包括:(1)主路行驶阶段,即匝道驶入准备阶段(Prepare);(2)跟随边界阶段,即主路沿道路边沿驶入匝道阶段(Follow side);(3)接近匝道阶段,即匝道内部选择车道,贴边调整阶段(Approach side);(4)调整车道中心阶段,即到达指定车道后的回中阶段(Approachcenter)。四个阶段相互独立互不干扰,各阶段分别采用各自的参考线生成、决策和路径规划方式,在各自的规划周期内稳定地输出规划好的行驶路线。与此同时,为了确保各阶段之间切换的平滑性,各阶段路径的规划起点需要采用上一阶段路径规划的终点。每个阶段有不同的参考线生成(ReferenceLine)、路径决策(Decision)和路径规划(Planning)策略。
其中,主路行驶阶段:车辆沿高速主路中心线行驶,参考线和实际规划出来的路径均为道路的中心线,该阶段在参考线生成策略和路径规划层面上和正常的车道保持规划一样,唯一不同的是在车道保持的同时,需要观测右侧是否存在能够驶入的匝道,如果存在,则可进入下一步,否则需要在主路行驶阶段一直沿着主路往前行驶。
跟随边界阶段:如图3所示,检测到主路与匝道交点,进入跟随边界阶段。为了保证稳定的路线生成,本阶段选择了沿右侧道路边界偏移一定距离生成当前路线,即图9的(2)阶段。同时,为了满足平滑的行驶需要,在取得新参考线的同时,需要根据车辆的,选择适当的方法对参考线进行平滑。其次,在路径规划层面上,自动驾驶车辆只需要沿着参考线,跟随前车行驶即可,这样,可以克服变道方案计算失败时,需要返回原始车道,从而带来车辆行驶晃动的问题。并且,在遇到匝道口存在静态障碍物(比如锥筒、事故车辆时),也可以通过路径决策,选择对障碍物进行绕行,这也是通过变道进入匝道所无法解决的。
接近匝道阶段:如图5所示,检测到匝道多车道分岔点,进入接近匝道阶段。在沿道路边界行驶过程中,如果检测到如上图所示的道路一分二分叉点,即可进入靠近匝道边线阶段,该阶段主要的功能,是可以根据导航信息,选择在分叉路口沿左侧行驶还是沿右侧行驶。该阶段的主要目的是应对匝道内部复杂的道路结构(比如,出现一分二的双车道匝道),并且将车辆稳定地调整到需要行驶的车道上。这个阶段路线生成方案上,仍然是沿着道路边沿按一定距离做偏移。与跟随边界阶段不同的是,在这个阶段,往往已经能够观测到匝道内部道路的宽度,所以这个偏移的距离可以使用实际的道路宽度。同时,从跟随边界阶段到接近匝道阶段存在着参考线跳变,这个阶段需要调节路径规划的参数,确保切换时路径的过渡比较平滑。在确保车辆行驶进入匝道内部车道之后(如图9的(3)阶段),即可切换到下一阶段。
调整车道中心阶段:如图4所示,检测到平行车道线,进入调整车道中心阶段。该阶段的主要目的是完全将车调整到车道中心,从而确保在切换到车道保持阶段时,不会出现大的晃动。在这个阶段,已经能够稳定地感知到车道的左右边线,而且车辆也已经位于车道内部,这个阶段的参考线生成可以直接取车道的中心线,也可以取此时的道路宽度沿道路边界做偏移,实际的路径规划也是沿着该参考线行驶即可。但需要注意的是,除了需要应付接近匝道阶段到调整车道中心阶段可能存在的参考线跳变外,这个阶段也需要快速地将车辆调整到车道的中心,因此,此时可以额外设置路径规划的启发搜索点为左右车道边界的中心点。
在上述的几个过程中,参考线和车辆实际行驶的轨迹是不同的,如图10所示,右侧原路线只考虑了道路边缘的情况,在完全没有静止障碍物的情况下,沿着原路线行驶是合理的,但是,一段存在锥筒等障碍物,沿着原路线行驶则存在碰撞风险,因此,需要调整原路线为左侧新路线。
示例性的,可以基于如下公式调整路线:
min:wl×∫I2(s)ds+wdl×∫dI2(s)ds+wddl×∫ddI2(s)ds+wdddl×∫dddI2(s)ds l_min≤l≤l_max
dl_min≤dl≤dl_max
ddl_min≤ddl≤ddl_max
dddl_min≤dddl≤dddl_max
该优化问题的实质为,沿原路线纵向s,以分辨率ds对其进行离散,并求解出在每一个离散的si点处,相对原路线的横向偏移量l(s)。并且,要求调整之后的新路线相对原路线尽可能接近,新路线尽可能平滑。因此,优化的目标为选取l(s),dl(s),ddl(s),dddl(s)的加权平方和。优化的约束dl_min,dl_max,ddl_min,ddl_max,dddl_min,dddl_max为考虑实际的方向盘最大角度,最大向心加速度后的经验值。而l_min和l_max则需要实际考虑静态障碍物的实际位置,计算方法为:
l_min=min(右侧道路边界,右侧障碍物xx最近的投影距离等)
l_max=max(左侧道路边界,左侧障碍物xx最近投影距离等)
在求解完上述优化问题后,调整后的新路线即可代替原路线,作为实际车辆行驶的路径。
在所有的四个阶段完成之后,即可立即切换到任意具备车道保持功能的阶段。可以看出,本专利提出的匝道驶入方案,没有对高精地图存在依赖。而且通过对不同行驶阶段的独立拆分,确保各行驶阶段稳定自洽地运行,通过调节不同的路径规划参数,也能很方便地确保阶段与阶段之间切换的稳定性。整个匝道驶入过程,更多地是被描述为一种特殊地车道保持行驶过程,而这种行驶过程相对于变道,也能处理更多复杂的道路情况。本方案可以提高驶入匝道的稳定性的,减少出现画龙和晃动情况,明显减弱了对感知车道线、高质量定位和高精地图的依赖。
根据本公开的实施例,图11是本公开实施例中的匝道驶入装置的结构图,本公开实施例适用于从主路驶入匝道的情况。该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图11所示的一种匝道驶入装置1100,包括:阶段检测模块1101、融合特征获取模块1102、图像变换模块1103和匝道驶入模块1104;其中,
阶段检测模块1101,用于在当前车辆从主路驶入匝道的过程中,根据实时感知数据检测到阶段触发数据,并更新所述当前车辆的当前行驶阶段;
融合特征获取模块1102,用于获取与所述当前行驶阶段对应的参考线类型,并规划与所述对应的参考线类型的行驶路线;
图像变换模块1103,用于根据前一行驶阶段的终点和所述对应的参考线类型的行驶路线,确定所述当前行驶阶段的当前路线;
匝道驶入模块1104,用于在所述当前行驶阶段,沿着所述当前路线行驶。
根据本公开的技术方案,在当前车辆从主路驶入匝道的过程中,根据实时感知数据,阶段性生成驶入匝道的路线,可以针对匝道的实际情况分别设立不同的规划目标,并适配匝道场景设置不同的参考线生成路线,可以灵活调整匝道的行驶路线,提高驶入匝道的车辆行驶稳定性和安全性,并且基于感知数据检测当前行驶阶段,可以降低高精度地图的实现成本,并且降低对网络的依赖,提高车辆行驶稳定性。
进一步的,所述阶段检测模块1101,包括下述至少一项:匝道驶入阶段检测单元,用于在所述当前行驶阶段为主路行驶阶段,且检测到匝道关键点的情况下,将所述当前行驶阶段更新为驶入匝道阶段;车道中心检测单元,用于在所述当前行驶阶段为驶入匝道阶段,且检测到平行车道线的情况下,将所述当前行驶阶段更新为调整车道中心阶段。
进一步的,所述匝道驶入阶段检测单元,包括:跟随边界阶段检测子单元,用于在所述当前行驶阶段为主路行驶阶段,且检测到主路与匝道交点的情况下,将所述当前行驶阶段更新为跟随边界阶段;接近匝道阶段检测子单元,用于在所述当前行驶阶段为跟随边界阶段,且检测到匝道多车道分岔点的情况下,将所述当前行驶阶段更新为接近匝道阶段。
进一步的,所述当前行驶阶段包括:驶入匝道阶段;所述驶入匝道阶段对应的参考线类型为边界偏移类型;所述参考线检测模块1102,包括:道路边界检测单元,用于根据所述实时感知数据,检测待驶入的匝道车道相邻的道路边界线;边界偏移路线生成单元,用于将所述道路边界线向道路内部偏移预设安全距离,生成所述边界偏移类型的行驶路线。
进一步的,所述当前行驶阶段包括:调整车道中心阶段;所述调整车道中心阶段对应的参考线类型为车道中心类型;所述参考线检测模块1102,包括:车道中心线检测单元,用于根据所述实时感知数据,检测当前行驶的车道中心线;第一行驶路线生成单元,用于根据所述车道中心线,生成所述车道中心类型的行驶路线;或者道路边界检测单元,用于根据所述实时感知数据,检测当前行驶的道路宽度和道路边界线;第二行驶路线生成单元,用于根据所述道路宽度和所述道路边界线,生成所述车道中心类型的行驶路线。
进一步的,匝道驶入装置,还包括:静态障碍物检测模块,用于根据所述实时感知数据,检测静态障碍物;边界线更新模块,用于在检测到静态障碍物的情况下,根据静态障碍物的位置对道路边界线更新;路线横向调整模块,用于根据更新后的道路边界线对所述当前路线进行横向调整;行驶更新模块,用于沿着调整后的当前路线行驶。
进一步的,所述阶段行驶模块1104,包括:自动驾驶控制单元,用于控制自动驾驶车辆,沿着所述当前路线行驶。
上述匝道驶入装置可执行本公开任意实施例所提供的匝道驶入方法,具备执行匝道驶入方法相应的功能模块和有益效果。
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。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序对象。
图12示出了可以用来实施本公开的实施例的示例电子设备1200的示意性区域图。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。
如图12所示,设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200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1201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1201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1201执行上文所描述的各个方法和处理,例如预测轨迹修正方法。例如,在一些实施例中,预测轨迹修正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1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的预测轨迹修正方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行预测轨迹修正方法。
本文中以上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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准对象(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。
用于实施本公开的方法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/或区域图中所规定的功能/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。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。机器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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种匝道驶入方法,包括:
在当前车辆从主路驶入匝道的过程中,根据实时感知数据检测到阶段触发数据,并更新所述当前车辆的当前行驶阶段;
获取与所述当前行驶阶段对应的参考线类型,并规划与所述对应的参考线类型的行驶路线;
根据前一行驶阶段的终点和所述对应的参考线类型的行驶路线,确定所述当前行驶阶段的当前路线;
在所述当前行驶阶段,沿着所述当前路线行驶。
2.根据权利要求1所述的方法,其中,所述更新所述当前车辆的当前行驶阶段,包括下述至少一项:
在所述当前行驶阶段为主路行驶阶段,且检测到匝道关键点的情况下,将所述当前行驶阶段更新为驶入匝道阶段;
在所述当前行驶阶段为驶入匝道阶段,且检测到平行车道线的情况下,将所述当前行驶阶段更新为调整车道中心阶段。
3.根据权利要求2所述的方法,其中,所述在所述当前行驶阶段为主路行驶阶段,且检测到匝道关键点的情况下,将所述当前行驶阶段更新为驶入匝道阶段,包括:
在所述当前行驶阶段为主路行驶阶段,且检测到主路与匝道交点的情况下,将所述当前行驶阶段更新为跟随边界阶段;
在所述当前行驶阶段为跟随边界阶段,且检测到匝道多车道分岔点的情况下,将所述当前行驶阶段更新为接近匝道阶段。
4.根据权利要求2所述的方法,其中,所述当前行驶阶段包括:驶入匝道阶段;所述驶入匝道阶段对应的参考线类型为边界偏移类型;
所述规划与所述对应的参考线类型的行驶路线,包括:
根据所述实时感知数据,检测待驶入的匝道车道相邻的道路边界线;
将所述道路边界线向道路内部偏移预设安全距离,生成所述边界偏移类型的行驶路线。
5.根据权利要求2所述的方法,其中,所述当前行驶阶段包括:调整车道中心阶段;所述调整车道中心阶段对应的参考线类型为车道中心类型;
所述规划与所述对应的参考线类型的行驶路线,包括:
根据所述实时感知数据,检测当前行驶的车道中心线;
根据所述车道中心线,生成所述车道中心类型的行驶路线;或者
根据所述实时感知数据,检测当前行驶的道路宽度和道路边界线;
根据所述道路宽度和所述道路边界线,生成所述车道中心类型的行驶路线。
6.根据权利要求1所述的方法,还包括:
根据所述实时感知数据,检测静态障碍物;
在检测到静态障碍物的情况下,根据静态障碍物的位置对道路边界线更新;
根据更新后的道路边界线对所述当前路线进行横向调整;
沿着调整后的当前路线行驶。
7.根据权利要求1所述的方法,其中,所述沿着所述当前路线行驶,包括:
控制自动驾驶车辆,沿着所述当前路线行驶。
8.一种匝道驶入装置,包括:
阶段检测模块,用于在当前车辆从主路驶入匝道的过程中,根据实时感知数据检测到阶段触发数据,并更新所述当前车辆的当前行驶阶段;
参考线检测模块,用于获取与所述当前行驶阶段对应的参考线类型,并规划与所述对应的参考线类型的行驶路线;
路线检测模块,用于根据前一行驶阶段的终点和所述对应的参考线类型的行驶路线,确定所述当前行驶阶段的当前路线;
阶段行驶模块,用于在所述当前行驶阶段,沿着所述当前路线行驶。
9.根据权利要求8所述的装置,其中,所述阶段检测模块,包括下述至少一项:
匝道驶入阶段检测单元,用于在所述当前行驶阶段为主路行驶阶段,且检测到匝道关键点的情况下,将所述当前行驶阶段更新为驶入匝道阶段;
车道中心检测单元,用于在所述当前行驶阶段为驶入匝道阶段,且检测到平行车道线的情况下,将所述当前行驶阶段更新为调整车道中心阶段。
10.根据权利要求9所述的装置,其中,所述匝道驶入阶段检测单元,包括:
跟随边界阶段检测子单元,用于在所述当前行驶阶段为主路行驶阶段,且检测到主路与匝道交点的情况下,将所述当前行驶阶段更新为跟随边界阶段;
接近匝道阶段检测子单元,用于在所述当前行驶阶段为跟随边界阶段,且检测到匝道多车道分岔点的情况下,将所述当前行驶阶段更新为接近匝道阶段。
11.根据权利要求9所述的装置,其中,所述当前行驶阶段包括:驶入匝道阶段;所述驶入匝道阶段对应的参考线类型为边界偏移类型;
所述参考线检测模块,包括:
道路边界检测单元,用于根据所述实时感知数据,检测待驶入的匝道车道相邻的道路边界线;
边界偏移路线生成单元,用于将所述道路边界线向道路内部偏移预设安全距离,生成所述边界偏移类型的行驶路线。
12.根据权利要求9所述的装置,其中,所述当前行驶阶段包括:调整车道中心阶段;所述调整车道中心阶段对应的参考线类型为车道中心类型;
所述参考线检测模块,包括:
车道中心线检测单元,用于根据所述实时感知数据,检测当前行驶的车道中心线;
第一行驶路线生成单元,用于根据所述车道中心线,生成所述车道中心类型的行驶路线;或者
道路边界检测单元,用于根据所述实时感知数据,检测当前行驶的道路宽度和道路边界线;
第二行驶路线生成单元,用于根据所述道路宽度和所述道路边界线,生成所述车道中心类型的行驶路线。
13.根据权利要求8所述的装置,还包括:
静态障碍物检测模块,用于根据所述实时感知数据,检测静态障碍物;
边界线更新模块,用于在检测到静态障碍物的情况下,根据静态障碍物的位置对道路边界线更新;
路线横向调整模块,用于根据更新后的道路边界线对所述当前路线进行横向调整;
行驶更新模块,用于沿着调整后的当前路线行驶。
14.根据权利要求8所述的装置,其中,所述阶段行驶模块,包括:
自动驾驶控制单元,用于控制自动驾驶车辆,沿着所述当前路线行驶。
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1-7中任一项所述的匝道驶入方法。
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1-7中任一项所述的匝道驶入方法。
17.一种计算机程序产品,包括计算机程序和/或指令,所述计算机程序和/或在被处理器执行时实现根据权利要求1-7中任一项所述的匝道驶入方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211485712.8A CN115743177A (zh) | 2022-11-24 | 2022-11-24 | 匝道驶入方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211485712.8A CN115743177A (zh) | 2022-11-24 | 2022-11-24 | 匝道驶入方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115743177A true CN115743177A (zh) | 2023-03-07 |
Family
ID=85337430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211485712.8A Withdrawn CN115743177A (zh) | 2022-11-24 | 2022-11-24 | 匝道驶入方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115743177A (zh) |
-
2022
- 2022-11-24 CN CN202211485712.8A patent/CN115743177A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6614025B2 (ja) | 自動運転支援装置及びコンピュータプログラム | |
JP6545507B2 (ja) | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム | |
US10300916B2 (en) | Autonomous driving assistance system, autonomous driving assistance method, and computer program | |
US10399571B2 (en) | Autonomous driving assistance system, autonomous driving assistance method, and computer program | |
CN113071493B (zh) | 车辆变道控制的方法、设备、存储介质和程序产品 | |
JP6553917B2 (ja) | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム | |
JP6638556B2 (ja) | 自動運転支援装置及びコンピュータプログラム | |
EP3009798B1 (en) | Providing alternative road navigation instructions for drivers on unfamiliar roads | |
CN113635912B (zh) | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 | |
JP2017181391A (ja) | コスト算出データのデータ構造 | |
CN113340318A (zh) | 车辆导航方法、装置、电子设备及存储介质 | |
WO2022173880A1 (en) | System, method, and computer program product for topological planning in autonomous driving using bounds representations | |
CN115042820A (zh) | 自动驾驶车辆控制方法、装置、设备及存储介质 | |
JP2017181392A (ja) | 経路探索装置及びコンピュータプログラム | |
CN115743177A (zh) | 匝道驶入方法、装置、电子设备和存储介质 | |
CN112622924A (zh) | 一种驾驶规划方法及装置、车辆 | |
CN114689061A (zh) | 自动驾驶设备的导航路线处理方法、装置及电子设备 | |
CN115535003A (zh) | 自动驾驶车辆的路口控制方法、装置、电子设备和介质 | |
CN114179805A (zh) | 一种行驶方向确定方法、装置、设备以及存储介质 | |
CN115435800A (zh) | 基于高精度地图的路径规划方法、装置、设备及介质 | |
CN114435347B (zh) | 泊车轨迹的确定方法、装置、设备以及存储介质 | |
CN114995378B (zh) | 一种轨迹规划方法、装置、电子设备、介质及车辆 | |
CN115660237A (zh) | 车辆信息的处理方法和装置 | |
CN114132344A (zh) | 一种自动驾驶车辆的决策方法、装置、设备及存储介质 | |
CN118089762A (zh) | 自动驾驶车辆的行驶路径规划方法、装置、设备及车辆 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230307 |