CN116164770B - 路径规划方法、装置、电子设备和计算机可读介质 - Google Patents
路径规划方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116164770B CN116164770B CN202310437224.8A CN202310437224A CN116164770B CN 116164770 B CN116164770 B CN 116164770B CN 202310437224 A CN202310437224 A CN 202310437224A CN 116164770 B CN116164770 B CN 116164770B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- road image
- current vehicle
- distance
- sample
- 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.)
- Active
Links
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
- G01C21/28—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了路径规划方法、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:获取道路图像和当前车辆位置坐标;对上述道路图像进行障碍物检测,以生成障碍物距离信息,其中,上述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标;确定上述当前车辆位置坐标和上述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值;响应于确定上述障碍物位置坐标处于当前车辆所在车道、以及上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,得到规划路径。该实施方式可以高生成的规划路径的准确度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及路径规划方法、装置、电子设备和计算机可读介质。
背景技术
路径规划,是用于生成自动驾驶车辆移动路径的一项技术。目前,在进行路径规划时,通常采用的方式为:通过超声波雷达获取点云数据、以识别自车周围的信息,以及结合道路图像中识别到的道路信息,以进行路径规划。
然而,发明人发现,当采用上述方式进行路径规划时,经常会存在如下技术问题:
在路况复杂的情况下,超声波雷达探测容易受限于外部环境,导致检测结果的准确度不足,从而,难以有效的结合道路图像中识别到的道路信息进行路径规划,进而,使得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路径规划方法,该方法包括:获取道路图像和当前车辆位置坐标;对上述道路图像进行障碍物检测,以生成障碍物距离信息,其中,上述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标;确定上述当前车辆位置坐标和上述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值;响应于确定上述障碍物位置坐标处于当前车辆所在车道、以及上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,得到规划路径。
第二方面,本公开的一些实施例提供了一种路径规划装置,该装置包括:获取单元,被配置成获取道路图像和当前车辆位置坐标;障碍物检测单元,被配置成对上述道路图像进行障碍物检测,以生成障碍物距离信息,其中,上述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标;确定单元,被配置成确定上述当前车辆位置坐标和上述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值;路径规划单元,被配置成响应于确定上述障碍物位置坐标处于当前车辆所在车道、以及上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,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。
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:在路况复杂的情况下,超声波雷达探测容易受限于外部环境,导致检测结果的准确度不足,从而,难以有效的结合道路图像中识别到的道路信息进行路径规划。基于此,本公开的一些实施例的路径规划方法,首先,获取道路图像和当前车辆位置坐标。其次,对上述道路图像进行障碍物检测,以生成障碍物距离信息。其中,上述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标。这里,考虑到在路况复杂的情况下,超声波雷达探测容易受限于外部环境,因此,仅对道路图像进行障碍物检测,以生成障碍物距离信息。确定上述当前车辆位置坐标和上述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值。这里,通过引入地图坐标系,可以用于替代超声波雷达感知结果与道路图像中识别到的障碍物距离信息相结合。以此提高生成的地图坐标系距离值。最后,响应于确定上述障碍物位置坐标处于当前车辆所在车道、以及上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,得到规划路径。通过引入第一预设距离条件,可以便于根据障碍物距离位置情况进行划分。同时也因为引入了地图坐标系距离值,可以有效结合障碍物距离信息,以供进行路径规划。从而,可以用于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路径规划方法的一些实施例的流程100。该路径规划方法,包括以下步骤:
步骤101,获取道路图像和当前车辆位置坐标。
在一些实施例中,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道路图像和当前车辆位置坐标。其中,道路图像可以是当前车辆的车载相机拍摄的图像。当前车辆位置坐标可以是车载定位设备(例如,全球定位系统)输出的当前车辆位置坐标。当前车辆位置坐标可以是处于世界坐标系中的坐标。
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。
步骤102,对道路图像进行障碍物检测,以生成障碍物距离信息。
在一些实施例中,上述执行主体可以对上述道路图像进行障碍物检测,以生成障碍物距离信息。其中,上述障碍物距离信息可以包括检测障碍物距离值和障碍物位置坐标。障碍物检测距离值可以是从道路图像中检测到的当前车辆与障碍物车辆之间的距离值。障碍物位置坐标可以是障碍物在道路图像的图像坐标系中的位置坐标。这里,可以通过预设的障碍物检测算法,对上述道路图像进行障碍物检测,以生成障碍物距离信息。
作为示例,障碍物检测算法可以包括但不限于以下至少一项:Resnet(ResidualNetwork,残差神经网络)模型、VGG(Visual Geometry Group Network,卷积神经网络)模型和Google Net(深度神经网络)模型等。
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进行障碍物检测,以生成障碍物距离信息,可以包括以下步骤:
第一步,对上述道路图像进行识别处理,以生成障碍物位置坐标。其中,可以通过上述障碍物检测算法对上述道路图像进行识别处理,以生成障碍物位置坐标。
第二步,将上述道路图像输入至预先训练的障碍物检测模型,以生成道路图像深度值序列。其中,道路图像深度值序列中的各个道路图像深度值可以是道路图像中各个像素点对应的深度值。该深度值可以是像素点对应的地图坐标系中的纵坐标值。
第三步,从上述道路图像深度值序列中选出对应障碍物位置的道路图像深度值,以作为检测障碍物距离值。其中,对应障碍物位置可以是对应上述障碍物位置坐标,即可以从上述道路图像深度值序列中选出对应的道路图像深度值,以作为检测障碍物距离值。
第四步,将上述检测障碍物距离值和上述障碍物位置坐标确定为障碍物距离信息。
步骤103,确定当前车辆位置坐标和障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值。
在一些实施例中,上述执行主体可以确定上述当前车辆位置坐标和上述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值。
在一些实施例的一些可选的实现方式中,上述执行主体确定上述当前车辆位置坐标和上述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值,可以包括以下步骤:
第一步,将上述当前车辆位置坐标和上述障碍物位置坐标投影至地图坐标系,得到投影后当前车辆位置坐标和投影后障碍物位置坐标。其中,可以通过坐标转换的方式将述当前车辆位置坐标从世界坐标系转换至地图坐标系,得到投影后当前车辆位置坐标。通过逆投影变换算法将障碍物位置坐标从道路图像的图像坐标系投影至地图坐标系,得到投影后障碍物位置坐标。这里,地图坐标系可以是高精地图的地图坐标系。
第二步,将上述投影后当前车辆位置坐标和上述投影后障碍物位置坐标之间的距离确定为地图坐标系距离值。其中,可以在地图坐标系中确定投影后当前车辆位置坐标和上述投影后障碍物位置坐标之间的距离,得到地图坐标系距离值。
可选的,上述障碍物检测模型可以是通过以下步骤训练的:
第一步,获取训练样本。其中,上述训练样本可以包括:样本道路图像和样本点云数据。其次,样本道路图像可以是预先拍摄的道路图像。样本点云数据可以是预先通过车载超声波雷达检测的、与道路图像对应同一时刻的样本数据。这里,样本点云数据可以包括样本点云坐标序列。
第二步。利用上述样本点云数据,确定上述样本道路图像中每个像素点对应的深度值,得到图像深度值序列。其中,首先,可以获取拍摄样本道路图像时当前车辆的位姿矩阵。然后,可以通过车载相机的内参矩阵和上述位姿矩阵,将样本点云数据包括的样本点云坐标序列中的各个样本点云坐标从车体坐标系投影至样本道路图像的图像坐标系,得到投影后样本点云坐标序列。之后,可以确定与样本道路图像中每个像素点对应的投影后样本点云坐标。这里,对应的可以是投运后样本点云坐标与像素点位置相同。最后,可以通过各个投影后样本点云坐标的对应关系,将样本道路图像中每个像素点对应的样本点云坐标的竖坐标值确定为图像深度值,得到图像深度值序列。
第三步,将上述样本道路图像和上述图像深度值序输列入至初始障碍物检测模型包括的编码器,以生成道路图像编码特征。其中,上述初始障碍物检测模型还可以包括解码器。这里,编码器可以对样本道路的深层信息进行提取。
作为示例,编码器可以是由5层卷积层、3层全连接层、逻辑回归输出层构成,层与层之间可以使用最大池化层分开,所有隐层的激活单元可以采用噪声线性整流函数。
作为另一个示例,编码器还可以是预设的残差网络。
第四步,将上述道路图像编码特征输入至上述解码器,以生成距离灰度图。其中,解码器可以通过多层感知机对提取到的高维特征进行还原,以解码出每个像素点对应的像素点深度值。这里,深度特征图可以是像素点对应的灰度值处于0-255之间的灰度图像。
第五步,基于预设的损失函数,确定上述深度特征图、上述道路道路图像、上述距离灰度图和上述图像深度值序列之间的特征损失值。其中,首先,可以对样本道路图像进行灰度化,得到样本灰度图像。其次,可以对样本灰度图像中各个像素点的灰度值进行归一化以生成样本归一化图像。这里,样本归一化图像可以是各个像素点对应的灰度值处于0-255之间的图像。
损失函数可以如以下公式所示:
。
其中,表示特征损失值。/>表示预设的调节权重系数。/>表示结构相似性函数。/>表示上述深度特征图。/>表示上述样本归一化图像。/>表示上述深度特征图中像素点的数量。/>表示像素点的横坐标值。/>表示像素点的纵坐标值。/>表示上述深度特征图中像素点对应的像素点深度值。/>表示上述深度特征图中横坐标为/>、纵坐标为/>的像素点对应的像素点深度值。/>表示上述样本归一化图像。/>表示上述样本归一化图像中横坐标为/>、纵坐标为/>的像素点对应的图像深度值。
第六步,响应于确定上述特征损失值满足预设损失值条件,将上述初始障碍物检测模型确定为障碍物检测模型。其中,预设损失条件可以是特征损失值小于等于预设损失阈值。
可选的,上述训练步骤还可以包括:
响应于确定上述特征损失值不满足上述预设损失值条件,对初始障碍物检测模型中的参数进行调整,以及再次获取训练样本以供进行上述训练步骤。其中,参数调整可以是对障碍物检测模型中各个网络层的权重进行调整。
上述步骤103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 “在路况复杂的情况下,超声波雷达探测容易受限于外部环境,导致检测结果的准确度不足,从而,难以有效的结合道路图像中识别到的道路信息进行路径规划,进而,使得生成的规划路径的准确度降低”。导致生成的规划路径的准确度降低的因素往往如下:在路况复杂的情况下,超声波雷达探测容易受限于外部环境,导致检测结果的准确度不足,从而,难以有效的结合道路图像中识别到的道路信息进行路径规划。如果解决了上述因素,就能提高生成的规划路径的准确度。为了达到这一效果,首先,利用超声波雷达探测结果,引入样本点云数据,可以用于作为障碍物检测模型训练过程中对应样本道路图像各个像素点的真值。以此,可以提高样本的准确度。其次,通过编码器和解码器生成样本道路图像的距离灰度图,可以用于表征识别到的样本道路图像中各个像素点对应的深度值。由此,可以通过上述损失函数公式生成特征损失值。其中,通过结构相似性函数可以确定距离灰度图与样本道路图像之间的相似度。其次,确定距离灰度图中各个像素点的深度值与样本道路图像各个像素点的图像深度值之间的损失值。由此,利用引入的调节权重系数,从综合距离灰度图与样本道路图像之间的相似度的整体特征、和各个像素点对应的深度值的平均差值的局部特征出发加以融合,以生成特征损失值。以此提高生成的损失函数损失值的准确度。从而,便于模型训练以及使得模型预测的像素点的深度值向真值靠近,以提高障碍物检测模型的准确度。因此,使得障碍物检测模型在仅通过识别道路图像时,提高识别准确度。进而,以供提高生成的规划路径的准确度。
步骤104,响应于确定障碍物位置坐标处于当前车辆所在车道、以及地图坐标系距离值和障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,得到规划路径。
在一些实施例中,上述执行主体可以响应于确定上述障碍物位置坐标处于当前车辆所在车道、以及上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,得到规划路径。其中,障碍物位置坐标处于当前车辆所在车道可以表征障碍物车辆处于当前车辆前方,存在阻挡当前车辆移动的情况。上述第一预设距离条件可以是检测障碍物距离值小于上述地图坐标系距离值。其次,地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,可以表征障碍物距离减小,存在碰撞风险,因此需要路径规划以进行避障。因此,可以通过预设的路径规划算法,以当前车辆位置坐标为起始坐标进行路径规划,得到规划路径。
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:A星算法、人工势场、随机树算法、迪克斯特拉(Dijkstra)算法等。
可选的,上述执行主体还可以执行以下步骤:
响应于确定上述障碍物位置坐标处于当前车辆所在车道、以及上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第二预设距离条件,对上述损失函数进行调整。其中,第二预设距离条件可以是检测障碍物距离值大于上述地图坐标系距离值。上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第二预设距离条件,可以表征当前车辆与障碍物车辆之间的距离值增加了,由此可以降低上述损失函数中的调节权重系数。
实践中,对于不同障碍物可以分别对应不同的调节权重系数,以避免产生相互影响。
可选的,上述执行主体还可以将上述规划路径发送至当前车辆控制终端以供控制当前车辆移动避障。
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:在路况复杂的情况下,超声波雷达探测容易受限于外部环境,导致检测结果的准确度不足,从而,难以有效的结合道路图像中识别到的道路信息进行路径规划。基于此,本公开的一些实施例的路径规划方法,首先,获取道路图像和当前车辆位置坐标。其次,对上述道路图像进行障碍物检测,以生成障碍物距离信息。其中,上述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标。这里,考虑到在路况复杂的情况下,超声波雷达探测容易受限于外部环境,因此,仅对道路图像进行障碍物检测,以生成障碍物距离信息。确定上述当前车辆位置坐标和上述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值。这里,通过引入地图坐标系,可以用于替代超声波雷达感知结果与道路图像中识别到的障碍物距离信息相结合。以此提高生成的地图坐标系距离值。最后,响应于确定上述障碍物位置坐标处于当前车辆所在车道、以及上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,得到规划路径。通过引入第一预设距离条件,可以便于根据障碍物距离位置情况进行划分。同时也因为引入了地图坐标系距离值,可以有效结合障碍物距离信息,以供进行路径规划。从而,可以用于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,一些实施例的路径规划装置200包括:获取单元201、障碍物检测单元202、确定单元203和路径规划单元204。其中,获取单元201,被配置成获取道路图像和当前车辆位置坐标;障碍物检测单元202,被配置成对上述道路图像进行障碍物检测,以生成障碍物距离信息,其中,上述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标;确定单元203,被配置成确定上述当前车辆位置坐标和上述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值;路径规划单元204,被配置成响应于确定上述障碍物位置坐标处于当前车辆所在车道、以及上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,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:获取道路图像和当前车辆位置坐标;对上述道路图像进行障碍物检测,以生成障碍物距离信息,其中,上述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标;确定上述当前车辆位置坐标和上述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值;响应于确定上述障碍物位置坐标处于当前车辆所在车道、以及上述地图坐标系距离值和上述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,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、障碍物检测单元、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“获取道路图像和当前车辆位置坐标的单元”。
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 (7)
1.一种路径规划方法,包括:
获取道路图像和当前车辆位置坐标;
对所述道路图像进行障碍物检测,以生成障碍物距离信息,其中,所述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标;
确定所述当前车辆位置坐标和所述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值;
响应于确定所述障碍物位置坐标处于当前车辆所在车道、以及所述地图坐标系距离值和所述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,得到规划路径;
其中,所述对所述道路图像进行障碍物检测,以生成障碍物距离信息,包括:
对所述道路图像进行识别处理,以生成障碍物位置坐标;
将所述道路图像输入至预先训练的障碍物检测模型,以生成道路图像深度值序列;
从所述道路图像深度值序列中选出对应障碍物位置的道路图像深度值,以作为检测障碍物距离值;
将所述检测障碍物距离值和所述障碍物位置坐标确定为障碍物距离信息;
其中,所述确定所述当前车辆位置坐标和所述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值,包括:
将所述当前车辆位置坐标和所述障碍物位置坐标投影至地图坐标系,得到投影后当前车辆位置坐标和投影后障碍物位置坐标;
将所述投影后当前车辆位置坐标和所述投影后障碍物位置坐标之间的距离确定为地图坐标系距离值;
其中,所述障碍物检测模型是通过以下步骤训练的:
获取训练样本,其中,所述训练样本包括:样本道路图像和样本点云数据,样本道路图像是预先拍摄的道路图像,样本点云数据是预先通过车载超声波雷达检测的、与道路图像对应同一时刻的样本数据,样本点云数据包括样本点云坐标序列;
利用所述样本点云数据,确定所述样本道路图像中每个像素点对应的深度值,得到图像深度值序列;
将所述样本道路图像和所述图像深度值序输列入至初始障碍物检测模型包括的编码器,以生成道路图像编码特征,其中,所述初始障碍物检测模型还包括解码器;
将所述道路图像编码特征输入至所述解码器,以生成距离灰度图;
基于预设的损失函数,确定所述样本道路图像、所述距离灰度图和所述图像深度值序列之间的特征损失值;
响应于确定所述特征损失值满足预设损失值条件,将所述初始障碍物检测模型确定为障碍物检测模型。
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当前车辆控制终端以供控制当前车辆移动避障。
3.根据权利要求1所述的方法,其中,所述训练步骤还包括:
响应于确定所述特征损失值不满足所述预设损失值条件,对初始障碍物检测模型中的参数进行调整,以及再次获取训练样本以供进行障碍物检测模型训练步骤。
4.根据权利要求1所述的方法,其中,所述方法还包括:
响应于确定所述障碍物位置坐标处于当前车辆所在车道、以及所述地图坐标系距离值和所述障碍物距离信息包括检测障碍物距离值满足第二预设距离条件,对所述损失函数进行调整。
5.一种路径规划装置,包括:
获取单元,被配置成获取道路图像和当前车辆位置坐标;
障碍物检测单元,被配置成对所述道路图像进行障碍物检测,以生成障碍物距离信息,其中,所述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标;
确定单元,被配置成确定所述当前车辆位置坐标和所述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值;
路径规划单元,被配置成响应于确定所述障碍物位置坐标处于当前车辆所在车道、以及所述地图坐标系距离值和所述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件,以当前车辆位置坐标为起始坐标进行路径规划,得到规划路径;
其中,所述对所述道路图像进行障碍物检测,以生成障碍物距离信息,包括:
对所述道路图像进行识别处理,以生成障碍物位置坐标;
将所述道路图像输入至预先训练的障碍物检测模型,以生成道路图像深度值序列;
从所述道路图像深度值序列中选出对应障碍物位置的道路图像深度值,以作为检测障碍物距离值;
将所述检测障碍物距离值和所述障碍物位置坐标确定为障碍物距离信息;
其中,所述确定所述当前车辆位置坐标和所述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值,得到地图坐标系距离值,包括:
将所述当前车辆位置坐标和所述障碍物位置坐标投影至地图坐标系,得到投影后当前车辆位置坐标和投影后障碍物位置坐标;
将所述投影后当前车辆位置坐标和所述投影后障碍物位置坐标之间的距离确定为地图坐标系距离值;
其中,所述障碍物检测模型是通过以下步骤训练的:
获取训练样本,其中,所述训练样本包括:样本道路图像和样本点云数据,样本道路图像是预先拍摄的道路图像,样本点云数据是预先通过车载超声波雷达检测的、与道路图像对应同一时刻的样本数据,样本点云数据包括样本点云坐标序列;
利用所述样本点云数据,确定所述样本道路图像中每个像素点对应的深度值,得到图像深度值序列;
将所述样本道路图像和所述图像深度值序输列入至初始障碍物检测模型包括的编码器,以生成道路图像编码特征,其中,所述初始障碍物检测模型还包括解码器;
将所述道路图像编码特征输入至所述解码器,以生成距离灰度图;
基于预设的损失函数,确定所述样本道路图像、所述距离灰度图和所述图像深度值序列之间的特征损失值;
响应于确定所述特征损失值满足预设损失值条件,将所述初始障碍物检测模型确定为障碍物检测模型。
6.一种电子设备,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1-4中任一所述的方法。
7.一种计算机可读介质,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1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310437224.8A CN116164770B (zh) | 2023-04-23 | 2023-04-23 | 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 |
---|---|---|---|
CN202310437224.8A CN116164770B (zh) | 2023-04-23 | 2023-04-23 | 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 |
---|---|
CN116164770A CN116164770A (zh) | 2023-05-26 |
CN116164770B true CN116164770B (zh) | 2023-07-25 |
Family
ID=86413491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310437224.8A Active CN116164770B (zh) | 2023-04-23 | 2023-04-23 | 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) | CN116164770B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109471432B (zh) * | 2018-11-08 | 2021-09-28 | 南京农业大学 | 一种自主导航农用车最短避障路径规划方法 |
CN110502982B (zh) * | 2019-07-11 | 2024-03-05 | 平安科技(深圳)有限公司 | 一种检测高速公路中障碍物的方法、装置及计算机设备 |
CN110765922B (zh) * | 2019-10-18 | 2023-05-02 | 华南理工大学 | 一种agv用双目视觉物体检测障碍物系统 |
CN111783582A (zh) * | 2020-06-22 | 2020-10-16 | 东南大学 | 一种基于深度学习的无监督单目深度估计算法 |
US20220057806A1 (en) * | 2020-08-18 | 2022-02-24 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for obstacle detection using a neural network model, depth maps, and segmentation maps |
CN112733820B (zh) * | 2021-03-31 | 2021-07-27 | 禾多科技(北京)有限公司 | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
CN113887276A (zh) * | 2021-08-20 | 2022-01-04 | 苏州易航远智智能科技有限公司 | 基于图像的前向主目标检测方法 |
CN113837059B (zh) * | 2021-09-22 | 2023-12-19 | 哈尔滨工程大学 | 一种规劝行人及时佩戴口罩的巡视车及其控制方法 |
CN114119896B (zh) * | 2022-01-26 | 2022-04-15 | 南京信息工程大学 | 一种驾驶路径规划方法 |
CN115220449B (zh) * | 2022-07-14 | 2023-11-21 | 小米汽车科技有限公司 | 路径规划的方法、装置、存储介质、芯片及车辆 |
CN115507815A (zh) * | 2022-09-06 | 2022-12-23 | 福思(杭州)智能科技有限公司 | 一种目标测距方法、装置及车辆 |
CN115540893B (zh) * | 2022-11-30 | 2023-03-14 | 广汽埃安新能源汽车股份有限公司 | 车辆路径规划方法、装置、电子设备和计算机可读介质 |
-
2023
- 2023-04-23 CN CN202310437224.8A patent/CN116164770B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116164770A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111079619B (zh) | 用于检测图像中的目标对象的方法和装置 | |
CN112001287B (zh) | 障碍物的点云信息生成方法、装置、电子设备和介质 | |
CN115185271B (zh) | 导航路径生成方法、装置、电子设备和计算机可读介质 | |
CN115326099B (zh) | 局部路径规划方法、装置、电子设备和计算机可读介质 | |
CN115540894B (zh) | 车辆轨迹规划方法、装置、电子设备和计算机可读介质 | |
CN111310770A (zh) | 目标检测方法和装置 | |
CN116164770B (zh) | 路径规划方法、装置、电子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 | |
CN114894205B (zh) | 三维车道线信息生成方法、装置、设备和计算机可读介质 | |
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 | |
CN115616937A (zh) | 自动驾驶仿真测试方法、装置、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 | |
CN113673446A (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
CN116088537B (zh) | 车辆避障方法、装置、电子设备和计算机可读介质 | |
CN112150491B (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
US11341596B2 (en) | Robot and method for correcting position of same | |
CN115761702B (zh) | 车辆轨迹生成方法、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 | |
CN110135517B (zh) | 用于获取车辆相似度的方法及装置 | |
CN117218187A (zh) | 行人位置信息生成方法、装置、设备和计算机可读介质 | |
CN115565158A (zh) | 车位检测方法、装置、电子设备和计算机可读介质 | |
CN115408609A (zh) | 泊车路线推荐方法、装置、电子设备和计算机可读介质 | |
CN116653931B (zh) | 车辆泊车控制方法、装置、电子设备和计算机可读介质 | |
CN115848358B (zh) | 车辆泊车方法、装置、电子设备和计算机可读介质 | |
CN116704473B (zh) | 障碍物信息检测方法、装置、电子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 | ||
CP03 | Change of name, title or address | ||
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: Building D, Luowa Building, No. 203 Lize Zhong'er Road, Chaoyang District, Beijing, 100000 Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |