CN116576874A - 车辆行驶路径优化方法、装置、电子设备及存储介质 - Google Patents
车辆行驶路径优化方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116576874A CN116576874A CN202310494090.3A CN202310494090A CN116576874A CN 116576874 A CN116576874 A CN 116576874A CN 202310494090 A CN202310494090 A CN 202310494090A CN 116576874 A CN116576874 A CN 116576874A
- Authority
- CN
- China
- Prior art keywords
- path
- road
- target side
- boundary
- point positions
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 title claims abstract description 53
- 230000008859 change Effects 0.000 claims description 36
- 238000013519 translation Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
-
- 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)
- Navigation (AREA)
Abstract
本发明提供一种车辆行驶路径优化方法、装置、电子设备及存储介质,该车辆行驶路径优化方法包括获取车辆的多个路径点位置和多个道路边界点位置,对全部道路边界点位置进行划分,得到多个道路目标侧边界点位置,对每一路径点位置与全部道路目标侧边界点位置进行匹配,以确定匹配成功的路径点位置到道路目标侧边界的历史边界距离,若历史边界距离不满足标准边界参数,对匹配成功的路径点位置进行平移,直至每一匹配成功的路径点位置对应的历史边界距离满足标准边界参数,基于当前的路径点生成车辆的优化行驶路径;能够修正非正常的历史行驶路径,以使车辆能够安全合理地进行自动驾驶,既提高了自动驾驶的安全性,又满足了驾驶员的体验感。
Description
技术领域
本申请涉及车辆路径优化技术领域,具体涉及一种车辆行驶路径优化方法、装置、电子设备及存储介质。
背景技术
记忆行车是一种自动驾驶功能,具体由学习建图和自动巡航两个阶段组成。在学习建图阶段,由驾驶员手动驾驶车辆,开启学习建图功能后开始正常行驶,记忆行驶算法记录车辆行驶轨迹、传感器采集的环境信息等数据,最终构建记忆路径、语义地图等。在自动巡航阶段,车辆根据记忆路径和定位信息,实现自动驾驶功能。
当前的记忆行车基本都是根据学习建图阶段由车辆行驶轨迹生成的记忆路径行驶,这就会导致对驾驶员建图阶段的手动驾驶行驶的路径有特殊的要求,如果驾驶员在建图阶段进行非正常驾驶,例如靠左侧车道行驶或者压线行驶等,由此生成的非正常记忆路径,后续每次自动巡航阶段,自动驾驶车辆都会按照非正常的记忆路径进行自动巡航,自动驾驶的安全性不高,影响驾乘人员的生命安全。
发明内容
鉴于以上所述现有技术的缺点,本申请提供一种车辆行驶路径优化方法、装置、设备及介质,以解决上述现有记忆行车技术在出现非正常记忆路径时,无法安全合理地进行自动巡航驾驶的技术问题。
本申请提供了一种车辆行驶路径优化方法,所述车辆行驶路径优化方法包括:获取车辆的历史行驶路径数据和历史行驶道路数据,所述历史行驶路径数据包括多个路径点的路径点位置,所述历史行驶道路数据包括多个道路边界点的道路边界点位置;将每一道路边界点位置与全部路径点位置进行匹配,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,所述相对位置参数表征所述匹配成功的道路边界点位置和路径点位置之间的位置关系;根据每一道路边界点位置对应的相对位置参数对全部道路边界点位置进行划分,得到多个道路目标侧边界点位置;对每一路径点位置与全部道路目标侧边界点位置进行匹配,基于匹配成功的路径点位置和道路目标侧边界点位置,确定所述匹配成功的路径点位置到道路目标侧边界的距离,作为历史边界距离,所述道路目标侧边界基于所述匹配成功的道路目标侧边界点位置得到;若所述历史边界距离不满足标准边界参数,基于所述历史边界距离和所述标准边界参数确定平移参数,基于所述平移参数对所述匹配成功的路径点位置进行平移,直至每一匹配成功的路径点位置对应的历史边界距离满足所述标准边界参数,基于当前的路径点生成所述车辆的优化行驶路径。
于本申请的一实施例中,根据每一道路边界点位置对应的相对位置参数对全部道路边界点位置进行划分,包括:若所述相对位置参数小于预设参数,则将所述相对位置参数对应的道路边界点位置作为道路非目标侧边界点位置,得到多个道路非目标侧边界位置;若所述相对位置参数大于所述预设参数,则将所述相对位置参数对应的道路边界点位置作为道路目标侧边界点位置,得到多个道路目标侧边界点位置。
于本申请的一实施例中,对每一路径点位置与全部道路目标侧边界点位置进行匹配之前,所述车辆行驶路径优化方法包括:计算每一路径点位置在历史行驶路径上的曲率,根据相邻路径点位置的曲率计算曲率变化值,得到多个曲率变化值,以确定曲率变化极值,所述历史行驶路径基于全部的路径点位置得到;基于预设范围以及所述曲率变化极值对应的路径点位置,对全部路径点位置进行筛选,得到多个直道路径点位置;基于每一直道路径点位置对全部道路目标侧边界点位置进行匹配,将匹配成功的道路目标侧边界点位置作为直道目标侧边界点位置,得到多个直道目标侧边界点位置;基于每一直道路径点位置对全部道路非目标侧边界点位置进行匹配,将匹配成功的道路非目标侧边界点位置作为直道非目标侧边界点位置,得到多个直道非目标侧边界点位置。
于本申请的一实施例中,对每一路径点位置与全部道路目标侧边界点位置进行匹配之前,所述车辆行驶路径优化方法还包括:计算每一路径点位置在历史行驶路径上的曲率,根据相邻路径点位置的曲率计算曲率变化值,得到多个曲率变化值,以确定曲率变化极值,所述历史行驶路径基于全部的路径点位置得到;基于预设范围以及所述曲率变化极值对应的路径点位置,对全部路径点位置进行筛选,得到多个初始直道路径点位置;基于每一初始直道路径点位置对全部道路目标侧边界点位置进行匹配,将匹配成功的道路目标侧边界点位置作为初始直道目标侧边界点位置,得到多个初始直道目标侧边界点位置;对多个初始直道目标侧边界点位置进行拟合,得到初始直道目标侧边界线,基于每一道路目标侧边界点位置和所述初始直道目标侧边界线,确定每一道路目标侧边界点位置到所述初始直道目标侧边界线的垂直距离;若所述垂直距离小于预设阈值,则将所述垂直距离对应的道路目标侧边界点位置作为直道目标侧边界点位置,得到多个直道目标侧边界点位置;基于每一直道目标侧边界点位置对全部路径点位置进行匹配,将匹配成功的路径点位置作为直道路径点位置,得到多个直道路径点位置;基于每一直道路径点位置对全部道路非目标侧边界点位置进行匹配,将匹配成功的道路非目标侧边界点位置作为直道非目标侧边界点位置,得到多个直道非目标侧边界点位置。
于本申请的一实施例中,若所述历史边界距离不满足标准边界参数,基于所述历史边界距离和所述标准边界参数确定平移参数之前,所述车辆行驶路径优化方法包括:获取所述车辆的车辆宽度;对多个直道非目标侧边界点位置进行拟合,得到直道非目标侧边界线,并对多个直道目标侧边界点位置进行拟合,得到直道目标侧边界线;根据所述直道非目标侧边界线和所述直道目标侧边界线,确定道路宽度;根据所述车辆宽度和所述道路宽度,确定所述标准边界参数。
于本申请的一实施例中,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,包括:根据所述匹配成功的路径点位置确定参考点位置;计算所述匹配成功的道路边界点位置和路径点位置之间的位置差,并计算所述参考点位置和所述匹配成功的路径点位置所属直线的倾斜角;根据所述倾斜角和所述位置差确定所述相对位置参数。
于本申请的一实施例中,所述位置差(Δx,Δy)的表达式为:
(Δx,Δy)=(xm-xn1,ym-yn1)
其中,(xm,ym)为所述匹配成功的道路边界点位置,(xn1,yn1)为所述匹配成功的路径点位置;
所述倾斜角θ的表达式为:
其中,(xn1,yn1)为所述匹配成功的路径点位置,(xn2,yn2)为所述参考点位置;
所述相对位置参数Q的表达式为:
Q=sinθ*Δx-cosθ*Δy
其中,θ为所述倾斜角,(Δx,Δy)为所述位置差。
于本申请的一实施例中,还提供一种车辆行驶路径优化装置,所述车辆行驶路径优化装置包括:获取模块,用于获取车辆的历史行驶路径数据和历史行驶道路数据,所述历史行驶路径数据包括多个路径点的路径点位置,所述历史行驶道路数据包括多个道路边界点的道路边界点位置;划分模块,用于将每一道路边界点位置与全部路径点位置进行匹配,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,所述相对位置参数表征所述匹配成功的道路边界点位置和路径点位置之间的位置关系;根据每一道路边界点对应的相对位置参数对全部道路边界点位置进行划分,得到多个道路目标侧边界点位置;确定模块,用于对每一路径点位置与全部道路目标侧边界点位置进行匹配,基于匹配成功的路径点位置和道路目标侧边界点位置,确定所述匹配成功的路径点位置到道路目标侧边界的距离,作为历史边界距离,所述道路目标侧边界基于所述匹配成功的道路目标侧边界点位置得到;优化模块,用于若所述历史边界距离不满足标准边界参数,基于所述历史边界参数和所述标准边界距离确定平移参数,基于所述平移参数对所述匹配成功的路径点位置进行平移,直至每一匹配成功的路径点位置对应的历史边界距离等于所述标准边界参数,基于当前的路径点生成所述车辆的优化行驶路径。
于本申请的一实施例中,还提供一种电子设备,所述电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如上所述的车辆行驶路径优化方法。
于本申请的一实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行如上所述的车辆行驶路径优化方法。
本发明的有益效果:本发明提供一种车辆行驶路径优化方法、装置、设备及介质,该车辆行驶路径优化方法通过对道路边界点位置进行划分,得到道路目标侧边界点位置,基于路径点位置与道路目标侧边界点位置确定每个路径点位置到道路目标侧边界的距离,以对车辆的历史行驶路径进行优化,能够修正非正常的历史行驶路径,以使车辆在自动巡航阶段能够安全合理地进行自动驾驶,既提高了自动驾驶的安全性,又满足了驾驶员的体验感。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本申请的一示例性实施例示出的一种车辆行驶路径优化方法的实施环境示意图;
图2是本申请的一示例性实施例示出的一种车辆行驶路径优化方法的流程图;
图3是本申请的一具体实施例示出的泊车场景的车辆行驶路径优化的系统架构图;
图4是本申请的一具体实施例示出的泊车场景的车辆行驶路径优化的简要流程图;
图5是本申请的一示例性实施例示出的一种车辆行驶路径优化装置的框图;
图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下将参照附图和优选实施例来说明本申请的实施方式,本领域技术人员可由本说明书中所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本申请,而不是为了限制本申请的保护范围。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本申请的基本构想,遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
需要说明的是,本申请中,“第一”、“第二”等仅为对相似对象的区分,并非是对相似对象的顺序限定或先后次序限定。所描述的“包括”、“具有”等变形,表示该词语的主语所涵盖的范围除该词语所示出的示例外,并不排他。
可以理解的是,在本申请中记载的各种数字编号、步序编号等标号为描述方便进行的区分,并不用来限制本申请的范围。本申请标号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定。
在下文描述中,探讨了大量细节,以提供对本申请实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本申请的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本申请的实施例难以理解。
本申请的实施例分别提出一种车辆行驶路径优化方法、一种车辆行驶路径优化装置、一种电子设备、一种计算机可读存储介质以及一种计算机程序产品,以下将对这些实施例进行详细描述。
请参阅图1,图1是本申请的一示例性实施例示出的一种车辆行驶路径优化方法的实施环境示意图。
如图1所示,实施环境可以包括自动驾驶汽车110和计算机设备120,其中,计算机设备120可以是微型计算机、嵌入式计算机、神经网络计算机等中的至少一种,计算机设备120可以配置在自动驾驶汽车110中,计算机设备120也可以是独立的计算机设备,此处不进行限制。自动驾驶汽车110作为车辆的一种示例,自动驾驶汽车110在驾驶员手动驾驶阶段,通过传感器采集车辆行驶轨迹信息和道路环境信息,构建历史行驶路径数据和历史行驶道路数据,并将历史行驶路径数据和历史行驶道路数据提供给计算机设备120进行处理。计算机设备120基于历史行驶路径数据和历史行驶道路数据完成对车辆行驶路径的优化处理。
示意性的,计算机设备120获取车辆的历史行驶路径数据和历史行驶道路数据,其中,历史行驶路径数据包括多个路径点的路径点位置,历史行驶道路数据包括多个道路边界点的道路边界点位置,将每一道路边界点位置与全部路径点位置进行匹配,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,相对位置参数表征匹配成功的道路边界点位置和路径点位置之间的位置关系,根据每一道路边界点位置对应的相对位置参数对全部道路边界点位置进行划分,得到多个道路目标侧边界点位置,对每一路径点位置与全部道路目标侧边界点位置进行匹配,基于匹配成功的路径点位置和道路目标侧边界点位置,确定匹配成功的路径点位置到道路目标侧边界的距离,作为历史边界距离,道路目标侧边界基于匹配成功的道路目标侧边界点位置得到;若历史边界距离不满足标准边界参数,基于历史边界距离和标准边界参数确定平移参数,基于平移参数对匹配成功的路径点位置进行平移,直至每一匹配成功的路径点位置对应的历史边界距离满足标准边界参数,基于当前的路径点生成车辆的优化行驶路径。可见,本申请实施例的技术方案通过对道路边界点位置进行划分,得到道路目标侧边界点位置,基于路径点位置与道路目标侧边界点位置确定每个路径点位置到道路目标侧边界的距离,以对车辆的历史行驶路径进行优化,能够修正非正常的历史行驶路径,以使车辆在自动巡航阶段能够安全合理地进行自动驾驶,既提高了自动驾驶的安全性,又满足了驾驶员的体验感。
需要说明的是,本申请实施例的技术方案可以应用固定路线的行车场景中,例如自动泊车、上下班的固定行车路线等。
请参阅图2,图2是本申请的一示例性实施例示出的一种车辆行驶路径优化方法的流程图。该方法可以应用于图1所示的实施环境,并由该实施环境中的计算机设备120具体执行。应理解的是,该方法也可以适用于其他的示例性实施环境,并由其他实施环境中的设备具体执行,本实施例不对该方法所适用的实施环境进行限制。
如图2所示,在一示例性的实施例中,车辆行驶路径优化方法至少包括步骤S210至步骤S250,详细介绍如下:
步骤S210,获取车辆的历史行驶路径数据和历史行驶道路数据。
在本申请的一个实施例中,历史行驶路径数据包括多个路径点的路径点位置,历史行驶道路数据包括多个道路边界点的道路边界点位置。驾驶员进行手动驾驶并开启车辆的学习建图功能,以使车辆在手动行驶过程中通过图像采集设备、雷达、轮速计等传感器进行建图。在学习建图阶段,会产生两个记录文件,一个是由车辆的多个轨迹点组成的记忆路径,每个轨迹点具有横纵向坐标信息和航向属性,且每个轨迹点具有相应的时间戳。另一个是语义点云文件(历史行驶道路数据),由多个道路边界点组成,每个道路边界点包含横纵向坐标信息,即道路边界点位置。对记忆路径中的轨迹点进行等间距和排序预处理,具体包括:对多个轨迹点进行等间距筛选,得到多个目标轨迹点,相邻目标轨迹点的间距一致;按照目标轨迹点产生的时间先后顺序对全部目标轨迹点进行排序,对每个目标轨迹点编排相应的序号;将目标轨迹点作为路径点,相应的,将目标轨迹点的横纵向坐标信息和航向属性作为路径点的路径点位置,得到多个路径点以及每个路径点的路径点位置,基于多个路径点以及每个路径点的路径点位置形成历史行驶路径数据。
可以理解的是,多个路径点的路径点位置是指多个路径点以及每个路径点的路径点位置,多个道路边界点的道路边界点位置是指多个道路边界点以及每个道路边界点的道路边界点位置。
步骤S220,将每一道路边界点位置与全部路径点位置进行匹配,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数。
在本申请的一个实施例中,为了对路径点进行靠道路目标侧进行修正或优化,需要确定哪些道路边界点属于道路目标侧。基于一道路边界点位置与全部路径点位置进行匹配,确定与该道路边界点位置最近的路径点位置,将该道路边界点位置和该最近的路径点位置作为匹配成功的道路边界点位置和路径点位置。以此类推,得到多组匹配成功的道路边界点位置和路径点位置。基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,得到多个道路边界点对应的相对位置参数,其中,相对位置参数表征匹配成功的道路边界点位置和路径点位置之间的位置关系,用于判断相应的道路边界点属于道路目标侧或道路非目标侧,示例性的,道路目标侧为道路右侧,道路非目标侧为左侧。
此外,还可以建立道路边界点与路径点的对应关系,即对匹配成功的道路边界点位置对应的道路边界点和匹配成功的路径点位置对应的路径点配置对应关系,其中,每个路径点至少对应一个道路边界点。
此外,还可以对所有道路边界点进行排序,因为已经进行了路径点的排序,同时建立了路径点与道路边界点的对应关系,所以,排序可按照道路边界点对应的路径点的序号进行排序,即可得到道路边界点的顺序关系。应当明白的是,由于路径点具有相应的路径点位置,道路边界点具有相应的道路边界点位置,因此,路径点与道路点的对应关系也可以理解为路径点位置与道路边界点位置的对应关系。
在本申请的一个实施例中,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,包括:根据匹配成功的路径点位置确定参考点位置;计算匹配成功的道路边界点位置和路径点位置之间的位置差,并计算参考点位置和所述匹配成功的路径点位置所属直线的倾斜角;根据倾斜角和位置差确定相对位置参数。
在本实施例中,按照每个路径点的序号大小顺序或者按照每个路径点的产生时间顺序,基于全部的路径点位置生成历史行驶路径,基于匹配成功的路径点位置的航向属性确定该匹配成功的路径点位置在历史行驶路径中的切线正方向,并沿切线正方向选择一点作为参考点,该点的位置即为参考点位置,参考点位置与该匹配成功的路径点位置之间的距离可以是1m,也可以是其他不为0的数值。根据匹配成功的道路边界点位置和路径点位置计算两者之间的位置差,并根据参考点位置和匹配成功的路径点位置计算两者构成的直线在坐标系中的倾斜角,以根据倾斜角和位置差计算该匹配成功的道路边界点位置对应的相对位置参数。
在本申请的一个实施例中,所述位置差(Δx,Δy)的表达式为:
(Δx,Δy)=(xm-xn1,ym-yn1)式(1),
其中,(xm,ym)为所述匹配成功的道路边界点位置,(xn1,yn1)为所述匹配成功的路径点位置。
所述倾斜角θ的表达式为:
其中,(xn1,yn1)为所述匹配成功的路径点位置,(xn2,yn2)为所述参考点位置。
所述相对位置参数Q的表达式为:
Q=sinθ*Δx-cosθ*Δy式(3),
其中,θ为所述倾斜角,(Δx,Δy)为所述位置差。
步骤S230,根据每一道路边界点位置对应的相对位置参数对全部道路边界点位置进行划分,得到多个道路目标侧边界点位置。
在本申请的一个实施例中,根据各道路边界点位置对应的相对位置参数将各道路边界点划分到道路两侧,即道路目标侧或道路非目标侧,可以根据相对位置参数是否为正数进行划分。将划分到道路目标侧的道路边界点作为道路目标侧边界点,相应的,将划分到道路目标侧的道路边界点的道路边界点位置作为道路目标侧边界点的道路目标侧边界点位置,得到多个道路目标侧边界点位置;将划分到道路非目标侧的道路边界点作为道路非目标侧边界点,相应的,将划分到道路非目标侧的道路边界点的道路边界点位置作为道路非目标侧边界点的道路非目标侧边界点位置,得到多个道路非目标侧边界点位置。
应当明白的是,由于每个道路边界点具有其对应的道路边界点位置,因此,道路边界点位置对应的相对位置参数也可以理解为道路边界点对应的相对位置参数,对道路边界点的划分也就是对道路边界点位置的划分。
在本申请的一个实施例中,根据每一道路边界点位置对应的相对位置参数对全部道路边界点位置进行划分,包括:若相对位置参数小于预设参数,则将相对位置参数对应的道路边界点位置作为道路非目标侧边界点位置,得到多个道路非目标侧边界位置;若相对位置参数大于预设参数,则将相对位置参数对应的道路边界点位置作为道路目标侧边界点位置,得到多个道路目标侧边界点位置。
本实施例中,预设参数可以是0,若道路边界点对应的相对位置参数小于0,则将该道路边界点作为道路左侧边界点并归入左边界语义点云集,即道路非目标侧边界数据,若道路边界点对应的相对位置参数大于0,则将该道路边界点作为道路右侧边界点并归入右边界语义点云集,即道路目标侧边界数据,以此类推,对全部道路边界点进行划分。划分完成后,左边界语义点云集包括多个道路左侧边界点以及各道路左侧边界点的道路左侧边界点位置,即多个道路非目标侧边界点以及各道路非目标侧边界点的道路非目标侧边界点位置;右边界语义点云集包括多个道路右侧边界点以及各道路右侧边界点的道路右侧边界点位置,即多个道路目标侧边界点以及各道路目标侧边界点的道路目标侧边界点位置。若相对位置参数等于0,说明学习建图过程中,车辆的轨迹已经压了边界线,此时暂时舍弃该相对位置参数对应的道路边界点。
步骤S240,对每一路径点位置与全部道路目标侧边界点位置进行匹配,基于匹配成功的路径点位置和道路目标侧边界点位置,确定匹配成功的路径点位置到道路目标侧边界的距离,作为历史边界距离,道路目标侧边界基于匹配成功的道路目标侧边界点位置得到。
在本申请的一个实施例中,计算每个路径点到道路目标侧边界的距离,即历史边界距离,以便根据历史边界距离判断相应的路径点是否需要修正。为每一路径点位置匹配最近的至少两个道路目标侧边界点位置,匹配成功的路径点位置和道路目标侧边界点位置即为路径点位置、与路径点位置最近的至少两个道路目标侧边界点位置。基于一路径点位置最近的至少两个道路目标侧边界点位置进行数据拟合,得到该路径点附近的道路目标侧边界的拟合曲线,基于该路径点位置与该拟合曲线计算路径点到该曲线的垂线距离,作为历史边界距离。以此类推,计算每一路径点对应的历史边界距离。由于两点确定一直线,三点确定一曲线,可以为每一路径点位置匹配最近的三个道路目标侧边界点位置,由此计算的历史边界距离准确性更高。
应当明白的是,由于每个路径点具有其对应的路径点位置,因此,路径点位置对应的历史边界距离也可以理解为路径点对应的历史边界距离。
在本申请的另一个实施例中,还可以根据路径点与道路边界点之间的对应关系,找到每个路径点位置对应的道路目标侧边界点位置,将该路径点位置命名为A位置,将A位置对应的道路目标侧边界点位置命名为B1位置,根据道路边界点的排序选择B1位置附近的至少一个道路目标侧边界点位置,以选择B1位置前后的两个道路目标侧边界点位置为例,将B1位置前后的两个道路目标侧边界点位置分别命名为B0位置和B2位置,基于B0位置、B1位置和B2位置进行数据拟合,得到A位置附近的道路目标侧边界的拟合曲线,基于计算A位置到该拟合曲线的垂直距离,作为A位置对应的历史边界距离。以此类推,得到每个路径点对应的历史边界距离。
在本申请的一个实施例中,对每一路径点位置与全部道路目标侧边界点位置进行匹配之前,该车辆行驶路径优化方法包括:计算每一路径点位置在历史行驶路径上的曲率,根据相邻路径点位置的曲率计算曲率变化值,得到多个曲率变化值,以确定曲率变化极值,历史行驶路径基于全部的路径点位置得到;基于预设范围以及曲率变化极值对应的路径点位置,对全部路径点位置进行筛选,得到多个直道路径点位置;基于每一直道路径点位置对全部道路目标侧边界点位置进行匹配,将匹配成功的道路目标侧边界点位置作为直道目标侧边界点位置,得到多个直道目标侧边界点位置;基于每一直道路径点位置对全部道路非目标侧边界点位置进行匹配,将匹配成功的道路非目标侧边界点位置作为直道非目标侧边界点位置,得到多个直道非目标侧边界点位置。
在本实施例中,可以找到历史行驶路径的直道区域,进而根据历史行驶路径的直道区域找到对应的道路直道区域。对全部路径点位置进行拟合,将得到的拟合曲线作为历史行驶路径,计算历史行驶路径上每个路径点位置处的曲率,得到多个路径点位置的曲率,根据相邻路径点位置的曲率计算曲率变化值,得到多个曲率变化值。从多个曲率变化值中筛选出曲率变化极值,包括曲率变化最大值和曲率变化最小值,将曲率变化最大值对应的路径点沿着历史行驶路径到曲率变化最小值对应的路径点形成历史行驶路径的初始弯道区域,基于预设范围将初始弯道区域沿着历史行驶路径进行前后延伸,得到历史行驶路径的弯道区域。去除历史行驶路径的弯道区域,即可形成历史行驶路径的直道区域,将直道区域内的路径点作为直道路径点,得到多个直道路径点以及每个直道路径点的直道路径点位置。
筛选直道目标侧边界点位置或直道非目标侧边界点位置的方法有多种方式。示意性的,对每个直道路径点位置匹配与该直道路径点位置距离最近的道路目标侧边界点位置,匹配成功的道路目标侧边界点位置即该直道路径点位置最近的道路目标侧边界点位置,作为直道目标侧边界点位置,以此得到多个直道目标侧边界点位置。同理,对每个直道路径点位置匹配与该直道路径点位置距离最近的道路非目标侧边界点位置,作为直道非目标侧边界点位置,得到多个直道非目标侧边界点位置。
此外,也可以根据路径点与道路边界点的对应关系,在道路目标侧边界数据匹配每个直道路径点对应的道路目标侧边界点,作为直道目标侧边界点,得到多个直道目标侧边界点以及每个直道目标侧边界点的直道目标侧边界点位置。例如直道区域1中的直道路径点为1-30号路径点,因为已建立了道路边界点与路径点的对应关系,即可直接查询到在道路目标侧边界数据中1-30号路径点对应的道路目标侧边界点。同理,可以根据路径点与道路边界点的对应关系,在道路非目标侧边界数据匹配每个直道路径点对应的道路非目标侧边界点,作为直道非目标侧边界点,得到多个直道非目标侧边界点以及每个直道非目标侧边界点的直道非目标侧边界点位置。
在本申请的另一个实施例中,对每一路径点位置与全部道路目标侧边界点位置进行匹配之前,该车辆行驶路径优化方法还包括:计算每一路径点位置在历史行驶路径上的曲率,根据相邻路径点位置的曲率计算曲率变化值,得到多个曲率变化值,以确定曲率变化极值,历史行驶路径基于全部的路径点位置得到;基于预设范围以及曲率变化极值对应的路径点位置,对全部路径点位置进行筛选,得到多个初始直道路径点位置;基于每一初始直道路径点位置对全部道路目标侧边界点位置进行匹配,将匹配成功的道路目标侧边界点位置作为初始直道目标侧边界点位置,得到多个初始直道目标侧边界点位置;对多个初始直道目标侧边界点位置进行拟合,得到初始直道目标侧边界线,基于每一道路目标侧边界点位置和初始直道目标侧边界线,确定每一道路目标侧边界点位置到初始直道目标侧边界线的垂直距离;若垂直距离小于预设阈值,则将垂直距离对应的道路目标侧边界点位置作为直道目标侧边界点位置,得到多个直道目标侧边界点位置;基于每一直道目标侧边界点位置对全部路径点位置进行匹配,将匹配成功的路径点位置作为直道路径点位置,得到多个直道路径点位置;基于每一直道路径点位置对全部道路非目标侧边界点位置进行匹配,将匹配成功的道路非目标侧边界点位置作为直道非目标侧边界点位置,得到多个直道非目标侧边界点位置。
需要说明的是,历史行驶路径的弯道区域并不代表其所对应的道路为弯道,驾驶员可能在直道上也会驾驶出弯曲的历史行驶路径。
在本实施例中,按照前述实施例中过程得到历史行驶路径的弯道区域之后,筛除弯道区域,形成历史行驶路径的初始直道区域,将初始直道区域内的路径点作为初始直道路径点,得到多个初始直道路径点以及每个初始直道路径点的初始直道路径点位置。对每个初始直道路径点位置匹配与该初始直道路径点位置距离最近的道路目标侧边界点位置,匹配成功的道路目标侧边界点位置即该初始直道路径点位置最近的道路目标侧边界点位置,作为初始直道目标侧边界点位置,以此得到多个初始直道目标侧边界点位置。也可以根据路径点与道路边界点的对应关系,在道路目标侧边界数据匹配每个初始直道路径点对应的道路目标侧边界点,作为初始直道目标侧边界点,得到多个初始直道目标侧边界点以及每个初始直道目标侧边界点的初始直道目标侧边界点位置。
基于多个初始直道目标侧边界点位置进行数据拟合,得到拟合曲线,作为初始直道右侧边界线,根据具体的需求可以拟合一次多项式或者二次多项式,示例性的,本实施例中采用一次多项式。计算每个道路目标侧边界点位置到所述初始直道目标侧边界线的垂直距离,并将该垂直距离与预设阈值进行比较,以对道路目标侧边界点位置重新进行筛选,将垂直距离大于或等于预设阈值的道路目标侧边界点位置作为弯道目标侧边界点位置,将垂直距离小于预设阈值的道路目标侧边界点位置作为直道目标侧边界点位置,得到多个直道目标侧边界点位置。
为每一直道目标侧边界点位置匹配与直道目标侧边界点位置距离最近的路径点位置,将匹配成功的路径点位置也即距离该直道目标侧边界点位置最近的路径点位置,作为直道路径点位置,得到多个直道路径点位置。也可以根据路径点和道路边界点的对应关系,匹配每一直道目标侧边界点位置对应的路径点,作为直道路径点位置,得到多个直道路径点位置。
对每个直道路径点位置匹配与该直道路径点位置距离最近的道路非目标侧边界点位置,匹配成功的道路非目标侧边界点位置即该直道路径点位置最近的道路非目标侧边界点位置,作为直道非目标侧边界点位置,以此得到多个直道非目标侧边界点位置。也可以根据路径点与道路边界点的对应关系,在道路非目标侧边界数据中匹配每个直道路径点对应的道路非目标侧边界点,作为直道非目标侧边界点,得到多个直道非目标侧边界点以及每个直道非目标侧边界点的直道非目标侧边界点位置。
本实施例的技术方案解决了由于直道上出现弯曲的历史行驶路径而漏筛了部分直道的目标侧边界点和部分直道的路径点的问题。最终得到的直道目标侧边界点和直道路径点也更加完整。
步骤S250,若历史边界距离不满足标准边界参数,基于历史边界距离和标准边界参数确定平移参数,基于平移参数对匹配成功的路径点位置进行平移,直至每一匹配成功的路径点位置对应的历史边界距离满足标准边界参数,基于当前的路径点生成车辆的优化行驶路径。
在本申请的一个实施例中,对标准边界参数与每个路径点对应的历史边界距离进行比较,若历史边界距离满足标准边界参数,则无需对该历史边界距离对应的路径点位置进行平移;若历史边界距离不满足标准边界参数,则基于该历史边界距离和标准边界参数计算平移参数,其中,平移参数包括移动距离和移动方向,基于平移参数对该历史边界距离对应的路径点位置进行平移。以此类推,直至每一个路径点位置对应的历史边界距离满足标准边界参数,基于当前的路径点生成车辆的优化行驶路径,其中,当前的路径点包括平移后的路径点,以及历史边界距离满足标准边界参数没有进行平移的路径点。标准边界参数可以是预设的,可以预设标准边界参数为20cm或20cm±1cm。
在本申请的一个具体实施例中,若一路径点对应的历史边界距离为12cm,则移动距离为8cm,确定该路径点到拟合曲线的垂线方向,可以预设路径点沿垂线方向靠近拟合曲线为垂线正方向,沿垂线方向远离拟合曲线为垂线反方向,则该路径点的移动方向为垂线反方向,以使该路径点位置沿垂线反方向平移8cm。
还可以实时采集感知信息,感知信息包括车道线信息和静态障碍物边界坐标信息中至少之一,若采集到感知信息,此时路径点对应的历史边界距离虽然满足标准边界参数,但可能存在压线或碰撞的情况,为了避免压线或者碰撞,还需要根据感知信息对路径点进行修正调整(二次平移),若没有采集到感知信息,则不进行修正处理。完成上述步骤后,基于当前的路径点生成优化行驶路径。
此外,还可以采用二次规划等常用优化方法,对优化行驶路径进行平滑优化。
在本申请的一个实施例中,若历史边界距离不满足标准边界参数,基于历史边界距离和标准边界参数确定平移参数之前,该车辆行驶路径优化方法包括:获取车辆的车辆宽度;对多个直道非目标侧边界点位置进行拟合,得到直道非目标侧边界线,并对多个直道目标侧边界点位置进行拟合,得到直道目标侧边界线;根据直道非目标侧边界线和直道目标侧边界线,确定道路宽度;根据车辆宽度和道路宽度,确定标准边界参数。
在本实施例中,标准边界参数也可以是根据车道宽度和车辆宽度计算得到的。分别对直道区域的道路两侧的道路边界点位置(即多个直道非目标侧边界点位置和多个直道目标侧边界点位置)进行拟合,得到直道区域道路两侧的拟合曲线,即直道非目标侧边界线和直道目标侧边界线。对直道非目标侧边界线和直道目标侧边界线之间的距离均值进行计算,作为直道区域的道路宽度。获取车辆的宽度(车辆宽度)根据道路宽度和车辆的宽度,可计算出车辆距离目标侧边界的最佳距离,可以将该最佳距离作为标准边界参数,可以将该最佳距离和预设公差范围得到标准边界参数。
在本申请的另一个实施例中,基于每一直道路径点位置和直道目标侧边界线计算每一直道路径点位置到直道目标侧边界线的垂线距离,作为每一直道路径点位置对应的历史边界距离,若历史边界距离不满足标准边界参数,基于历史边界距离和标准边界参数确定平移参数,基于平移参数对该历史边界距离对应的直道路径点位置进行平移,直至每一直道路径点位置对应的历史边界距离满足标准边界参数,基于当前的直道路径点生成所述车辆的直道优化行驶路径,其中当前的直道路径点包括平移后的直道路径点,以及历史边界距离满足标准边界参数没有进行平移的直道路径点。平移参数的确定方式前述实施例具有详细记载,此处不再进行赘述。
在本申请的另一个实施例中,还可以实时采集感知信息,若采集到感知信息,根据感知信息对直道路径点进行修正调整(二次平移),若没有采集到感知信息,则不进行修正处理。完成上述步骤后,基于当前的直道路径点生成直道优化行驶路径。此外,还可以采用二次规划等常用优化方法,对直道优化行驶路径进行平滑优化。
本申请技术方案可以应用在记忆泊车的记忆路径优化阶段,通过记录的车道边界点的语义点云信息和实时感知的车道线信息、Freespace(空域)信息,对由车辆行驶轨迹形成的历史行驶路径进行修正。大致流程如下:
通过将语义点云中的道路边界点与记忆路径(历史行驶路径)上的路径点进行关联,并道路边界点计算到记忆路径的垂线距离(相对位置参数),其中,垂线距离可以大于0或小于0,可完成对点云(道路边界点)的排序、道路左右边界区分。并根据语义点云匹配的路径关系(路径点与道路边界点的对应关系),按照路径点的先后顺行,对形成的点云进行排序。
计算记忆路径上每个路径点的曲率,通过曲率判定记忆路径的弯道区域,并最终得到非弯道区域,即直道区域。此时得到的直道区域可能是不连续的区间,可以逐个对直道区域进行后续步骤的计算。
根据记忆路径的直道区域以及语义点云匹配的路径关系,确定记忆路径的直道区域对应的语义点云集合,并根据语义点云集合拟合一次多项式曲线,计算同侧点云和拟合的一次多项式曲线之间的距离,距离小于预设阈值的点云被重新归入到当前直道区域的语义点云集合内,作为当前直道区域语义点云集合。
根据新形成的当前直道区域语义点云集合以及语义点云匹配的路径关系,更新当前直道区域语义点云集合对应的记忆路径区域,作为记忆路径的当前直道区域,并重新根据前直道区域语义点云集合,拟合一次多项式,形成道路边界(前直道区域语义点云集合分为左右两侧,故此时的道路边界也分为左右两侧)。
根据车辆宽度、形成的道路边界,生成路径点距离右侧边界的最佳距离,并对当前直道区域的路径点按照最佳距离进行平移。如果感知有车道线和Freesapce输出,可根据输出的结果对道路边界进行修正,如果没有,则不进行修正。
采用的路径平滑算法,对记忆路径进行平滑处理,最终生成优化后的记忆路径。
请参阅图3,图3是本申请的一具体实施例示出的泊车场景的车辆行驶路径优化的系统架构图。如图3所示,该泊车场景的车辆行驶路径优化的系统架构包括车辆轨迹模块、路径预处理模块、语义地图模块、感知车道线模块、感知Freespace模块、路径修正模块、路径优化模块、规划控制模块,其中,车辆轨迹模块用于记录车辆在人工驾驶学习建图阶段,根据时间先后顺序采集的车辆横纵向坐标和航向信息(x、y,h),按照时间先后形成数据集合,并存储起来形成原始的记忆路径。路径预处理模块用于对原始的记忆路径进行等间距处理和排序,并将预处理后的记忆路径作为历史行驶路径数据输入给路径修正模块。语义地图模块用于记录车辆在人工驾驶学习建图阶段,通过传感器识别到的道路边界点的横纵向坐标(x,y),语义地图里的道路边界点的点云是无序排列的。感知车道线模块用于在巡航泊车阶段,通过传感器实时感知车道线信息。感知freespace模块用于在巡航泊车阶段,通过传感器实时感知静态障碍物信息,例如墙体、立柱等。路径修正模块用于接收语义地图模块中存储的道路边界点横纵向坐标即历史行驶道路数据、感知车道线模块的实时感知的车道线信息、感知Freespace模块中的实时感知的静态障碍物边界横纵向坐标信息,平移当前的路径点,得到修正记忆路径。路径优化模块用于对路径修正模块输入的修正记忆路径进行平滑处理,得到优化记忆路径,确保最终的记忆路径更加符合车辆运动学要求。规划控制模块根据路径优化模块的优化后的优化记忆路径进行局部路径规划和跟随控制,确保车辆能够正常地自动驾驶巡航。
请参阅图4,图4是本申请的一具体实施例示出的泊车场景的车辆行驶路径优化的简要流程图。如图4所示,泊车场景的车辆行驶路径优化的流程如下:
(1)对原始的记忆路径进行等间距处理,并按照产生的时间先后顺序进行排序,对每个记忆路径点编排相应的序号。
(2)建立语义地图中道路边界点与路径点的对应关系,即匹配语义地图中的每一个道路边界点距离最近的路径点。
(3)对语义地图中的所有道路边界点进行排序,因为已经进行了路径点的排序,同时建立了路径点与语义地图中道路边界点的对应关系,所以,排序可按照语义地图中道路边界点对应的路径点序号进行排序,即可得到语义地图中道路边界点的顺序关系。
(4)计算每一个语义地图中的道路边界点到记忆路径的垂线距离(相对位置参数)。
(5)判断垂线距离是否小于0,若垂线距离小于0,则将对应的道路边界点归入左边界语义点云集,若垂线距离大于0,则将对应的道路边界点归入右边界语义点云集。原则上不应该等于0,等于0的情况说明学习建图过程中,车辆的轨迹已经压了边界线,此时暂时舍弃此部分语义道路边界点云信息(道路边界点)。
(6)根据曲率查找记忆路径的直道区域,具体的步骤如下:
1)计算路径点上的曲率;
2)根据相邻两个记忆路径点(路径点)的曲率变化情况,计算整个记忆路径曲率变化极值点,并将极值点向沿着记忆路径前后各延伸固定的预设范围,形成记忆路径的弯道区域。需要说明的是,记忆路径形成的弯道区域,并不代表此道路为弯道,驾驶员可能在直道上也会驾驶出弯曲的记忆路径。
3)去除记忆路径的弯道区域,即可形成记忆路径的直道区域。
(7)根据记忆路径的直道区域,寻找道路的直道区域。
1)具体方法是遍历记忆路径的直道区域,根据直道区域内记忆路径与语义点云的对应关系,即路径点与道路边界点的对应关系,形成初步的直道语义点云集合,包括初始直道右边界语义点云集合或初始直道左边界语义点云集合,其中,初始直道右边界语义点云集合包括多个初始直道右侧边界点位置,初始直道左边界语义点云集合包括多个初始直道左侧边界点位置。例如直道区域1,其对应的记忆路径为1-30号路径点,因前述步骤已建立了道路边界点与路径点的对应关系,即可直接查询到1-30号路径点对应的右侧道路边界点。
2)对当前路段初步形成的直道语义点云集合进行拟合,根据具体的需求可以拟合一次多项式或者二次多项式,本实施例中采用一次多项式。
3)计算同侧所有的道路边界点到前述步骤拟合的一次多项式的距离,并将距离小于预设阈值的道路边界点的点云,加入到当前直道语义点云集合,形成该段的最终直道点云集合。
(8)根据最终直道点云集合,拟合该直道道路的边界左右两边的一次多项式。
(9)根据最终直道点云集合,查找对应的最小路径点序号和最大路径点序号即可得到该直道道路对应的记忆路径段。
(10)计算左右两侧边界一次多项式,在该直道道路对应的记忆路径段内的距离均值,此均值可认为是该直道道路宽度。
(11)根据道路的宽度以及车辆的宽度,可计算出距离右侧边界的最佳距离,作为标准边界参数。
(12)计算该直道道路对应的记忆路径段内每个记忆路径点距离右侧边界的垂线距离,对垂线距离大于最佳距离的路径点进行平移,使其距离右侧边界的距离等于最佳距离。
(13)当有感知的freespace和车道线的情况下,对生成的记忆路径进行修正调整,如果没有实时感知信息则不修正处理。
(14)采用二次规划等常用优化方法,对平移后的路径进行平滑优化。
详细过程请参见前述各个实施例中的记载,本处不再对此进行赘述。
在该具体实施例中,本申请的技术方案能够根据环境信息修正记忆路径,确保了自动驾驶巡航时的路径不再单纯依靠车辆轨迹的信息,不再对学习建图阶段的驾驶员驾车行为有严苛的要求。由于记录的语义地图信息是在学习建图时产生,可以采用多帧数据确定等方式,因此,形成的道路边界往往更加稳定和准确。再以实时的传感器信息进行辅助修正,确保了道路边界有变化情况下也能够及时更新。通过根据道路边界点对原始路径的修正,确保了修正后的路径更加符合交通规则的约束和场景的要求,提升了记忆泊车的实用性,以使车辆在巡航泊车阶段能够安全合理地进行自动驾驶,既提高了自动驾驶的安全性,又满足了驾驶员的体验感。
请参阅图5,图5是本申请的一示例性实施例示出的一种车辆行驶路径优化装置的框图。该装置可以应用于图1所示的实施环境,并具体配置在计算机设备120中。该装置也可以适用于其它的示例性实施环境,并具体配置在其他设备中,本实施例不对该装置所适用的实施环境进行限制。
如图5所示,该示例性的车辆行驶路径优化装置包括:
获取模块510,用于获取车辆的历史行驶路径数据和历史行驶道路数据,历史行驶路径数据包括多个路径点的路径点位置,历史行驶道路数据包括多个道路边界点的道路边界点位置;划分模块520,用于将每一道路边界点位置与全部路径点位置进行匹配,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,相对位置参数表征匹配成功的道路边界点位置和路径点位置之间的位置关系;根据每一道路边界点对应的相对位置参数对全部道路边界点位置进行划分,得到多个道路目标侧边界点位置;确定模块530,用于对每一路径点位置与全部道路目标侧边界点位置进行匹配,基于匹配成功的路径点位置和道路目标侧边界点位置,确定匹配成功的路径点位置到道路目标侧边界的距离,作为历史边界距离,道路目标侧边界基于匹配成功的道路目标侧边界点位置得到;优化模块540,用于若历史边界距离不满足标准边界参数,基于历史边界参数和标准边界距离确定平移参数,基于平移参数对匹配成功的路径点位置进行平移,直至每一匹配成功的路径点位置对应的历史边界距离等于标准边界参数,基于当前的路径点生成车辆的优化行驶路径。
需要说明的是,上述实施例所提供的车辆行驶路径优化装置与上述实施例所提供的车辆行驶路径优化方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的车辆行驶路径优化装置在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本申请的实施例还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现上述各个实施例中提供的车辆行驶路径优化方法。
请参阅图6,图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是,图6示出的电子设备的计算机系统600仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(Central Processing Unit,CPU)601,其可以根据存储在只读存储器(Read-Only Memory,ROM)602中的程序或者从储存部分608加载到随机访问存储器(Random Access Memory,RAM)603中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM603中,还存储有系统操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(Input/Output,I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分607;包括硬盘等的储存部分608;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入储存部分608。
特别地,根据本申请的实施例,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,本申请的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计算机程序。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示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(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的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计算机程序。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。计算机可读的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计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的装置、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。其中,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,上述模块、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,框图或流程图中的每个方框、以及框图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。
描述于本申请实施例中所涉及到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。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。
本申请的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机的处理器执行时,使计算机执行如前所述的车辆行驶路径优化方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的车辆行驶路径优化方法。
上述实施例仅示例性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,但凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种车辆行驶路径优化方法,其特征在于,所述车辆行驶路径优化方法包括:
获取车辆的历史行驶路径数据和历史行驶道路数据,所述历史行驶路径数据包括多个路径点的路径点位置,所述历史行驶道路数据包括多个道路边界点的道路边界点位置;
将每一道路边界点位置与全部路径点位置进行匹配,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,所述相对位置参数表征所述匹配成功的道路边界点位置和路径点位置之间的位置关系;
根据每一道路边界点位置对应的相对位置参数对全部道路边界点位置进行划分,得到多个道路目标侧边界点位置;
对每一路径点位置与全部道路目标侧边界点位置进行匹配,基于匹配成功的路径点位置和道路目标侧边界点位置,确定所述匹配成功的路径点位置到道路目标侧边界的距离,作为历史边界距离,所述道路目标侧边界基于所述匹配成功的道路目标侧边界点位置得到;
若所述历史边界距离不满足标准边界参数,基于所述历史边界距离和所述标准边界参数确定平移参数,基于所述平移参数对所述匹配成功的路径点位置进行平移,直至每一匹配成功的路径点位置对应的历史边界距离满足所述标准边界参数,基于当前的路径点生成所述车辆的优化行驶路径。
2.根据权利要求1所述的车辆行驶路径优化方法,其特征在于,根据每一道路边界点位置对应的相对位置参数对全部道路边界点位置进行划分,包括:
若所述相对位置参数小于预设参数,则将所述相对位置参数对应的道路边界点位置作为道路非目标侧边界点位置,得到多个道路非目标侧边界位置;
若所述相对位置参数大于所述预设参数,则将所述相对位置参数对应的道路边界点位置作为道路目标侧边界点位置,得到多个道路目标侧边界点位置。
3.根据权利要求2所述的车辆行驶路径优化方法,其特征在于,对每一路径点位置与全部道路目标侧边界点位置进行匹配之前,所述车辆行驶路径优化方法包括:
计算每一路径点位置在历史行驶路径上的曲率,根据相邻路径点位置的曲率计算曲率变化值,得到多个曲率变化值,以确定曲率变化极值,所述历史行驶路径基于全部的路径点位置得到;
基于预设范围以及所述曲率变化极值对应的路径点位置,对全部路径点位置进行筛选,得到多个直道路径点位置;
基于每一直道路径点位置对全部道路目标侧边界点位置进行匹配,将匹配成功的道路目标侧边界点位置作为直道目标侧边界点位置,得到多个直道目标侧边界点位置;
基于每一直道路径点位置对全部道路非目标侧边界点位置进行匹配,将匹配成功的道路非目标侧边界点位置作为直道非目标侧边界点位置,得到多个直道非目标侧边界点位置。
4.根据权利要求2所述的车辆行驶路径优化方法,其特征在于,对每一路径点位置与全部道路目标侧边界点位置进行匹配之前,所述车辆行驶路径优化方法还包括:
计算每一路径点位置在历史行驶路径上的曲率,根据相邻路径点位置的曲率计算曲率变化值,得到多个曲率变化值,以确定曲率变化极值,所述历史行驶路径基于全部的路径点位置得到;
基于预设范围以及所述曲率变化极值对应的路径点位置,对全部路径点位置进行筛选,得到多个初始直道路径点位置;
基于每一初始直道路径点位置对全部道路目标侧边界点位置进行匹配,将匹配成功的道路目标侧边界点位置作为初始直道目标侧边界点位置,得到多个初始直道目标侧边界点位置;
对多个初始直道目标侧边界点位置进行拟合,得到初始直道目标侧边界线,基于每一道路目标侧边界点位置和所述初始直道目标侧边界线,确定每一道路目标侧边界点位置到所述初始直道目标侧边界线的垂直距离;
若所述垂直距离小于预设阈值,则将所述垂直距离对应的道路目标侧边界点位置作为直道目标侧边界点位置,得到多个直道目标侧边界点位置;
基于每一直道目标侧边界点位置对全部路径点位置进行匹配,将匹配成功的路径点位置作为直道路径点位置,得到多个直道路径点位置;
基于每一直道路径点位置对全部道路非目标侧边界点位置进行匹配,将匹配成功的道路非目标侧边界点位置作为直道非目标侧边界点位置,得到多个直道非目标侧边界点位置。
5.根据权利要求3或4任一项所述的车辆行驶路径优化方法,其特征在于,若所述历史边界距离不满足标准边界参数,基于所述历史边界距离和所述标准边界参数确定平移参数之前,所述车辆行驶路径优化方法包括:
获取所述车辆的车辆宽度;
对多个直道非目标侧边界点位置进行拟合,得到直道非目标侧边界线,并对多个直道目标侧边界点位置进行拟合,得到直道目标侧边界线;
根据所述直道非目标侧边界线和所述直道目标侧边界线,确定道路宽度;
根据所述车辆宽度和所述道路宽度,确定所述标准边界参数。
6.根据权利要求1所述的车辆行驶路径优化方法,其特征在于,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,包括:
根据所述匹配成功的路径点位置确定参考点位置;
计算所述匹配成功的道路边界点位置和路径点位置之间的位置差,并计算所述参考点位置和所述匹配成功的路径点位置所属直线的倾斜角;
根据所述倾斜角和所述位置差确定所述相对位置参数。
7.根据权利要求6所述的车辆行驶路径优化方法,其特征在于,
所述位置差(Δx,Δy)的表达式为:
(Δx,Δy)=(xm-xn1,ym-yn1)
其中,(xm,ym)为所述匹配成功的道路边界点位置,(xn1,yn1)为所述匹配成功的路径点位置;
所述倾斜角θ的表达式为:
其中,(xn1,yn1)为所述匹配成功的路径点位置,(xn2,yn2)为所述参考点位置;
所述相对位置参数Q的表达式为:
Q=sinθ*Δx-cosθ*Δy
其中,θ为所述倾斜角,(Δx,Δy)为所述位置差。
8.一种车辆行驶路径优化装置,其特征在于,所述车辆行驶路径优化装置包括:
获取模块,用于获取车辆的历史行驶路径数据和历史行驶道路数据,所述历史行驶路径数据包括多个路径点的路径点位置,所述历史行驶道路数据包括多个道路边界点的道路边界点位置;
划分模块,用于将每一道路边界点位置与全部路径点位置进行匹配,基于匹配成功的道路边界点位置和路径点位置确定相对位置参数,所述相对位置参数表征所述匹配成功的道路边界点位置和路径点位置之间的位置关系;根据每一道路边界点对应的相对位置参数对全部道路边界点位置进行划分,得到多个道路目标侧边界点位置;
确定模块,用于对每一路径点位置与全部道路目标侧边界点位置进行匹配,基于匹配成功的路径点位置和道路目标侧边界点位置,确定所述匹配成功的路径点位置到道路目标侧边界的距离,作为历史边界距离,所述道路目标侧边界基于所述匹配成功的道路目标侧边界点位置得到;
优化模块,用于若所述历史边界距离不满足标准边界参数,基于所述历史边界参数和所述标准边界距离确定平移参数,基于所述平移参数对所述匹配成功的路径点位置进行平移,直至每一匹配成功的路径点位置对应的历史边界距离等于所述标准边界参数,基于当前的路径点生成所述车辆的优化行驶路径。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1至7中任一项所述的车辆行驶路径优化方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行如权利要求1至7中任一项所述的车辆行驶路径优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310494090.3A CN116576874A (zh) | 2023-04-28 | 2023-04-28 | 车辆行驶路径优化方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310494090.3A CN116576874A (zh) | 2023-04-28 | 2023-04-28 | 车辆行驶路径优化方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116576874A true CN116576874A (zh) | 2023-08-11 |
Family
ID=87536967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310494090.3A Pending CN116576874A (zh) | 2023-04-28 | 2023-04-28 | 车辆行驶路径优化方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116576874A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117906593A (zh) * | 2024-03-19 | 2024-04-19 | 广州小鹏自动驾驶科技有限公司 | 地图构建方法、终端设备及存储介质 |
-
2023
- 2023-04-28 CN CN202310494090.3A patent/CN116576874A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117906593A (zh) * | 2024-03-19 | 2024-04-19 | 广州小鹏自动驾驶科技有限公司 | 地图构建方法、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200265710A1 (en) | Travelling track prediction method and device for vehicle | |
US11320836B2 (en) | Algorithm and infrastructure for robust and efficient vehicle localization | |
US20220107647A1 (en) | Speed planning method and apparatus, electronic device and storage medium | |
CN110861650B (zh) | 车辆的路径规划方法、装置,车载设备和存储介质 | |
US20190235516A1 (en) | Path and speed optimization fallback mechanism for autonomous vehicles | |
JP6997211B2 (ja) | ポリゴンにおける中間点を低減する方法および装置 | |
CN113448335A (zh) | 路径规划方法和装置、车辆和可读存储介质 | |
US11507107B2 (en) | Map information system | |
CN113984080B (zh) | 一种适用于大型复杂场景下的分层局部路径规划方法 | |
CN116576874A (zh) | 车辆行驶路径优化方法、装置、电子设备及存储介质 | |
CN116118780A (zh) | 一种车辆避障轨迹规划方法、系统、车辆及存储介质 | |
CN112249009A (zh) | 车速控制方法、装置、系统及电子设备 | |
CN117146844A (zh) | 路径规划中参考线平滑优化方法、装置、设备及介质 | |
CN116071714A (zh) | 车道偏离检测方法、系统、电子设备及可读存储介质 | |
CN115923803A (zh) | 车辆可通行区域确定方法、装置、设备及介质 | |
CN114842435A (zh) | 一种目标车辆的确定方法、装置、电子设备及存储介质 | |
CN114115268A (zh) | 路径生成方法、装置、交通工具及存储介质 | |
JP6936673B2 (ja) | 地図データ更新システムおよび地図データ更新プログラム | |
JP2001526397A (ja) | 道路部分のカーブの存在を予測する方法 | |
CN117128976B (zh) | 道路中心线的获取方法、装置、车辆和存储介质 | |
CN117068206A (zh) | 车辆行驶路径的生成方法、控制装置及存储介质 | |
US20230296400A1 (en) | Apparatus, method, and computer program for generating lane network | |
US20220004781A1 (en) | Method and system for determining a driving corridor | |
CN114137972A (zh) | 路径生成方法、装置、交通工具及存储介质 | |
CN117762121A (zh) | 车辆的路径规划方法及装置、存储介质、车辆、终端 |
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 |