CN116659501A - 数据处理方法、装置和车辆 - Google Patents

数据处理方法、装置和车辆 Download PDF

Info

Publication number
CN116659501A
CN116659501A CN202310612007.8A CN202310612007A CN116659501A CN 116659501 A CN116659501 A CN 116659501A CN 202310612007 A CN202310612007 A CN 202310612007A CN 116659501 A CN116659501 A CN 116659501A
Authority
CN
China
Prior art keywords
vehicle
track
map
path
planning
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
Application number
CN202310612007.8A
Other languages
English (en)
Inventor
周建波
许林
张军
李杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Seres New Energy Automobile Design Institute Co Ltd
Original Assignee
Chongqing Seres New Energy Automobile Design Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Seres New Energy Automobile Design Institute Co Ltd filed Critical Chongqing Seres New Energy Automobile Design Institute Co Ltd
Priority to CN202310612007.8A priority Critical patent/CN116659501A/zh
Publication of CN116659501A publication Critical patent/CN116659501A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供一种数据处理方法、装置和存储介质，涉及自动驾驶技术领域。在对车辆进行路径规划时，获取地图、车辆定位信息和障碍物预测轨迹；基于所述地图和所述障碍物预测轨迹，得到时间预测价值地图，所述时间预测价值地图用于表示不同时间下的障碍物位置，通过时间预测价值地图，保证了规划后的路径高效通行；基于所述车辆定位信息、所述时间预测价值地图和车辆状态，根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划、轨迹平滑、轨迹跟踪，得到的规划路径前瞻性更好，避障效果更好；根据阿克曼底盘模型的运动约束和阈值约束，进行轨迹平滑、轨迹跟踪，使得路径规划后的行驶体验更舒适。

Description

数据处理方法、装置和车辆
技术领域
本申请涉及自动驾驶技术领域，特别涉及一种数据处理方法、装置和车辆。
背景技术
车辆的自动行驶过程中，高效的路径规划和路径跟踪优化控制有助于车辆实现快速导航任务。
目前，常用的路径规划算法是A*(A-Star)算法。
然而，A*算法是一种静态路网中求解最短路径的直接搜索方法，在复杂已知局部空间，传统的A*算法进行路径规划，动态避障效果差。
发明内容
有鉴于此，本申请实施例提供一种数据处理方法、装置、车辆及存储介质，可以改善动态避障效果。
根据本申请实施例的第一方面，提供了一种数据处理方法，包括：获取地图、车辆定位信息和障碍物预测轨迹；基于地图和障碍物预测轨迹，得到时间预测价值地图，时间预测价值地图用于表示不同时刻下所述车辆距离障碍物的远近程度；基于车辆定位信息、时间预测价值地图和车辆状态，根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划，得到第一规划路径；对第一规划路径进行轨迹平滑，得到第二规划路径；基于第二规划路径进行轨迹跟踪，得到轨迹跟踪结果。
可选的，车辆状态包括车辆坐标、车辆速度、车辆航向角、车辆轮胎夹角和时间信息；阿克曼底盘模型的运动约束和阈值约束包括对车辆速度和车辆轮胎夹角的约束。
可选的，进行局部路径规划包括：获取第i时刻的车辆状态其中，x和y为车辆在两个维度上的坐标，v为车辆速度，/>为车辆航向角，θ为车辆轮胎夹角，t为规划时长；基于vi，根据车辆速度阈值和车辆速度变化量阈值，得到第i+1时刻的多个采样车辆速度(v1，v2，v3，...，vn)，n为车辆速度的采样数量；基于θi，根据车辆轮胎夹角阈值和车辆轮胎夹角变化量阈值，得到第i+1时刻的多个采样车辆轮胎夹角(θ1，θ2，θ3，...，θm)，m为车辆轮胎夹角的采样数量；获取任意一个采样车辆速度和任意一个采样车辆轮胎夹角的采样组合构成的集合((v1，θ1)，(v1，θ2)，...，(vn，θm))；对应每个采样组合，得到对应的第i+1时刻的车辆状态；在多个采样组合对应的第i+1时刻的车辆状态中，根据评价函数确定第i+1时刻的目标坐标。
可选的，对应每个采样组合，得到对应的第i+1时刻的车辆状态包括：将采样组合的采样车辆速度作为vi+1，将采样组合的采样车辆轮胎夹角作为θi+1，计算第i+1时刻的
若|θi|＜ε，ε为预设值，则
若|θi|≥ε，则
x2+(y-R)2＝R2，R＝l/tanθi+1。
可选的，在根据评价函数确定第i+1时刻的目标坐标的过程中，根据权重值确定目标坐标，权重值与坐标在时间预测价值地图中的值负相关、与坐标对应的车辆速度变化量负相关、与坐标对应的车辆轮胎夹角变化量负相关。
可选的，地图是2D栅格地图；基于地图和障碍物预测轨迹，得到时间预测价值地图包括：根据时间变化删除动态障碍物的历史栅格，得到时间预测的2D栅格地图列表；根据障碍物预测轨迹，将2D栅格地图转化为价值图，包括，将2D栅格地图中障碍物占据的栅格赋值为1，空白栅格赋值为0，得到障碍物栅格子集和空白栅格子集；遍历障碍物栅格子集，包括，若障碍物占据的栅格相邻有空白栅格，将该空白栅格的赋值更新为该障碍物栅格的赋值减去设定值，得到新栅格，将该新栅格从空白栅格子集中删除，并加入新栅格子集；遍历新栅格子集，直至空白栅格子集为空，包括，若新栅格相邻有空白栅格，将该空白栅格的赋值更新为该新栅格的赋值减去设定值，得到新栅格。
可选的，对第一规划路径进行轨迹平滑，得到第二规划路径，包括，
基于第一规划路径中轨迹点的车辆状态f(x)，根据历史轨迹点的车辆状态和扩展卡尔曼滤波得到下一个轨迹点的车辆状态f(x’)；
根据车辆速度、车辆航向角、车辆轮胎夹角得出状态转移矩阵；
|θi|＜ε时，对应的状态转移矩阵为：
|θi|≥ε时：对应的状态转移矩阵为：
其中，
其中，Δt为轨迹平滑后的轨迹点的时间间隔。
根据状态转移矩阵，通过在第一规划路径规划出的轨迹点的时间间隔中间插值对所述第一规划路径进行轨迹平滑，得到第二规划路径。
可选的，基于第二规划路径进行轨迹跟踪，包括，基于第二规划路径，添加先验一元因子，一元因子满足阿克曼底盘模型的运动约束；添加二元因子，二元因子满足阿克曼底盘模型运动约束、车辆速度变化量阈值、车辆轮胎夹角变化量阈值的约束。
可选的，若执行进行局部路径规划后，未得到第一规划路径，则停车并再次执行进行局部路径规划的过程。
可选的，基于障碍物预测轨迹和轨迹跟踪结果，进行碰撞预测，得到碰撞预测结果；若碰撞预测结果为会碰撞，则再次执行基于地图和障碍物预测轨迹，得到时间预测价值地图的过程。
可选的，若碰撞预测结果为不会碰撞，进行是否到达终点的检测，得到第一检测结果；若第一检测结果显示为没有到达终点，检测是否进行了横纵向控制，得到第二检测结果；若第二检测结果显示进行了横纵向控制，则再次执行获取时间预测价值地图、进行局部路径规划、进行轨迹平滑、进行轨迹跟踪的过程。
根据本申请实施例的第二方面，提供了一种数据处理装置，其特征在于，包括路况信息获取模块、时间预测价值地图计算模块、局部路径规划模块、轨迹平滑模块和轨迹跟踪模块，其中，路况信息获取模块，用于获取地图、车辆定位信息和障碍物预测轨迹；时间预测价值地图计算模块，用于基于地图和障碍物预测轨迹，得到时间预测价值地图，时间预测价值地图用于表示不同时间下的障碍物位置；局部路径规划模块，用于基于车辆定位信息、时间预测价值地图和车辆状态，根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划，得到第一规划路径；轨迹平滑模块，用于对第一规划路径进行轨迹平滑，得到第二规划路径；轨迹跟踪模块，用于基于第二规划路径进行轨迹跟踪，得到轨迹跟踪结果。
根据本申请实施例的第三方面，提供了一种车辆，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；存储器用于存放至少一可执行指令，可执行指令使处理器执行如第一方面的数据处理方法对应的操作。
根据本申请实施例的第四方面，提供了一种计算机存储介质，其特征在于，包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行如第一方面的数据处理方法。
由上述技术方案可知，在对车辆进行路径规划时，获取地图、车辆定位信息和障碍物预测轨迹；基于地图和障碍物预测轨迹，得到时间预测价值地图，时间预测价值地图用于表示不同时间下的障碍物位置，，基于时间预测价值地图所述地图和所述障碍物预测轨迹进行路径规划，可以使规划出的路径尽量接近可行驶区域的中间位置，以远离障碍物，提高行驶安全性。基于车辆定位信息、时间预测价值地图和车辆状态，根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划，得到第一规划路径前瞻性更好，避障效果更好。对第一规划路径进行轨迹平滑，得到第二规划路径，使得规划的路径更加平稳。基于第二规划路径进行轨迹跟踪，得到轨迹跟踪结果，通过轨迹跟踪结果优化路径规划过程，使得路径规划后的行驶体验更舒适。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为适用本申请实施例的一种数据处理方法的流程图；
图2为适用本申请实施例的一种数据处理方法的整体逻辑图；
图3为适用本申请实施例的一种数据处理方法的阿克曼底盘模型示意图；
图4为适用本申请实施例的一种数据处理方法的窄道会车场景示意图；
图5为适用本申请实施例的一种数据处理方法的窄道会车场景中动态障碍物随时间推移的位置变化示意图；
图6为适用本申请实施例的一种数据处理方法的对局部路径规划中的车辆速度和车辆速度变化量进行约束的示意图；
图7为适用本申请实施例的一种数据处理方法的时间预测价值地图示意图；
图8为适用本申请实施例的一种数据处理方法的对轨迹跟踪计算过程进行约束的示意图；
图9为适用本申请实施例的一种数据处理装置的示意图；
图10为适用本申请实施例的一种车辆的结构示意图。
具体实施方式
本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。
在对本申请实施例进行说明之前，首先对相关技术及其技术问题进行介绍。针对车辆的自动行驶，目前，常用的路径规划算法是A*(A-Star)算法、DWA(动态窗口法)算法局部路径规划、TED算法。
现有的路径规划算法存在以下问题：
A*算法是一种静态路网中求解最短路径的直接搜索方法，在复杂已知局部空间，传统的A*算法进行路径规划算法具有低效性，且生成路径转折点多和不平滑，还不能避开动态障碍物，无法满足阿克曼底盘的车辆快速且稳定导航；
DWA(动态窗口法)算法局部路径规划，该算法在速度空间内采样线速度和角速度,并根据机器人的运动学模型预测其下一时间间隔的轨迹，对待评价轨迹进行评分,从而获得更加安全、平滑的最优局部路径，但在障碍物进行复杂运动的情况下，前瞻性不足，动态避障效果差，不适用于阿克曼模型车辆；
TED算法计算复杂度较大，速度和角度波动较大、控制不稳定。
路径跟踪优化控制通常是根据车轮转角、驱动力、制动力等控制量的输入，使车辆能够稳定行驶最终到达期望的行驶路径，例如PID控制算法、MPC(模型预测控制)算法等；
综上，相关技术的路径规划和路径跟踪优化控制，忽略了车辆行驶过程中的自身稳定性，且动态避障效果差。
本申请提供一种数据处理方法，可以提高稳定性以及提高路径规划中避开动态障碍物的能力。
为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。下面结合本申请实施例附图进一步说明本申请实施例具体实现。
图4和图5是本申请实施例的行驶场景示意图，本申请包括但不限于如图所示的窄道会车场景。
图4为适用本申请实施例的一种数据处理方法的窄道会车场景示意图，如图4所示，图中401表示动态障碍物，403和404表示静态障碍物，402表示本申请所规划路径的车辆，405表示障碍物轨迹，406表示车辆避开动态障碍物的行驶轨迹。
图5为适用本申请实施例的一种数据处理方法的窄道会车场景中动态障碍物随时间推移的位置变化示意图；
图中401表示动态障碍物，403和404表示静态障碍物，图中从左至右依次表示动态障碍物随时间推移所处的不同位置。
图1是本申请实施例提供的一种数据处理方法的流程图，如图1所示，该方法包括:
步骤1001：获取地图、车辆定位信息和障碍物预测轨迹；
具体的，本申请获取地图、车辆定位信息和障碍物预测轨迹的方式包括但不限于以下方式，通过地图定位模块获取地图和车辆定位信息，通过障碍物预测跟踪模块获取障碍物预测轨迹。车辆定位信息例如可以通过GPS的定位得到，动态障碍物预测轨迹例如可以通过雷达或摄像头等传感器获取障碍物的状态，来计算其预测轨迹，例如还可以通过获取动态障碍物的定位位置，基于其定位位置的动态变化来计算其预测轨迹，本申请实施例对于上述各类信息的具体获取方式不做限定。
步骤1002：基于地图和障碍物预测轨迹，得到时间预测价值地图，时间预测价值地图用于表示不同时间下的障碍物位置。
步骤1003：基于车辆定位信息、时间预测价值地图和车辆状态，根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划，得到第一规划路径；
具体的，车辆定位信息表示当前时间下的车辆位置，一方面，所述时间预测价值地图用于表示不同时刻下所述车辆距离障碍物的远近程度，车辆状态表示车辆当前的行驶数据，因此，可以使规划出的路径尽量接近可行驶区域的中间位置，以远离障碍物，提高行驶安全性。根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划，得到的第一规划路径前瞻性更好，避障效果更好。
步骤1004：对第一规划路径进行轨迹平滑，得到第二规划路径；
经过轨迹平滑得到的第二规划路径，会更加圆滑和平稳。
步骤1005：基于第二规划路径进行轨迹跟踪，得到轨迹跟踪结果。
通过轨迹跟踪结果优化路径规划过程，进一步得到的优化后的规划路径，使得车辆的行驶体验更舒适。
在本申请实施例中，在对车辆进行路径规划时，获取地图、车辆定位信息和障碍物预测轨迹，基于地图和障碍物预测轨迹，得到时间预测价值地图，时间预测价值地图用于表示不同时刻下所述车辆距离障碍物的远近程度，基于时间预测价值地图和障碍物预测轨迹进行路径规划，可以使规划出的路径尽量接近可行驶区域的中间位置，以远离障碍物，提高行驶安全性。基于车辆定位信息、时间预测价值地图和车辆状态，根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划，得到第一规划路径前瞻性更好，避障效果更好。对第一规划路径进行轨迹平滑，得到第二规划路径，使得规划的路径更加平稳。基于第二规划路径进行轨迹跟踪，得到轨迹跟踪结果，通过轨迹跟踪结果优化路径规划过程，使得路径规划后的行驶体验更舒适。
在一种可能的实现方式中，车辆状态包括车辆坐标、车辆速度、车辆航向角、车辆轮胎夹角和时间信息；阿克曼底盘模型的运动约束和阈值约束包括对车辆速度和车辆轮胎夹角的约束。
在本申请实施例中，通过局部路径规划过程中，对车辆速度和车辆轮胎夹角的约束，使得局部路径规划过程结合了车辆行驶过程中的自身的行驶数据，规划出的路径行驶起来会更加平稳。
在一种可能的实现方式中，图3为适用本申请实施例的一种数据处理方法的阿克曼底盘模型示意图，图中车辆左轮和右轮的轴距用2d表示，前轮和后轮的轴距用l表示，车辆轮胎夹角θ表示，车辆转弯的半径用R表示。
具体的，进行局部路径规划包括：基于vi，根据车辆速度阈值和车辆速度变化量阈值，得到第i+1时刻的多个采样车辆速度(v1,v2,v3,…,vn)，n为车辆速度的采样数量，在车辆速度符合车辆速度阈值和车辆速度变化量阈值内采样得到速度集合(v1,v2,v3,…,vn)，如图6所示，图6为适用本申请实施例的一种数据处理方法的对局部路径规划中的车辆速度和车辆速度变化量进行约束的示意图，用横坐标表示时间，纵坐标表示车辆速度，横坐标值为t的坐标点对应的纵坐标值表示第i时刻的车辆速度，横坐标值为t+1的坐标点对应的纵坐标值表示第i+1时刻的车辆速度，车辆速度最大值阈值用vmax表示，车辆速度最小值阈值用vmin表示，车辆速度变化量对车辆速度集合的约束用如图所示斜线的斜率表示。同样，基于θi，根据车辆轮胎夹角阈值和车辆轮胎夹角变化量阈值，得到第i+1时刻的多个采样车辆轮胎夹角(θ1,θ2,θ3,...,θm)，m为车辆轮胎夹角的采样数量。然后将速度集合(v1,v2,v3,…,vn)和车辆轮胎夹角集合(θ1,θ2,θ3,...,θm)，两两组合得到搜索空间((v1，θ1)，(v1，θ2)，...，(vn，θm))。
根据任意一个采样车辆速度和任意一个采样车辆轮胎夹角的采样组合构成的集合，约束得到第i+1时刻的车辆状态
在多个采样组合对应的第i+1时刻的车辆状态中，根据评价函数确定第i+1时刻的目标坐标。
局部路径规划的过程需要确定出多个坐标位置，以组成规划路径，上述第i时刻的车辆状态即为一个已知位置的车辆状态，根据该车辆状态得到第i+1时刻的车辆状态即为路径规划过程中的一个步骤。根据评价函数确定第i+1时刻的目标坐标，可以达到更好的路径规划效果。
在本申请实施例中，由不同时间下的车辆状态点组成的车辆状态轨迹，由于结合了车辆速度和车辆轮胎夹角进行采样式搜索，会使得车辆和轮胎在行驶过程中，更能结合自身状态进行方向调整，来有效应对动态避障路况。
在一种可能的实现方式中，对应每个采样组合，得到对应的第i+1时刻的车辆状态包括：
将采样组合的采样车辆速度作为vi+1，将采样组合的采样车辆轮胎夹角作为θi+1，计算第i+1时刻的
若|θi|＜ε，ε为预设值，
则
若|θi|≥ε，
则
x2+(y-R)2＝R2，
R＝l/tanθi+1。
具体的，Ti时刻的状态为Ti+1时刻的状态为建立坐标系，以Ti时刻为原点，当θi+1不为0时，因为角度比较大，从Ti时刻到Ti+1时刻，可以按照圆周运动计算得到下一个时刻的车辆状态，圆的函数为x2+(y-R)2＝R2，如图3所示，其中R为车辆转弯半径；
|θi|＜ε(θi接近0)时，从Ti时刻到Ti+1时刻，因为的时间间隔很短，按照直线运动来计算，
当|θi|≥ε时，通过(vi+1，θi+1)推算圆周运动过程：
阿克曼底盘模型运动约束：
R＝l/tanθi+1
圆周运动公式：
坐标系转换：
最后从Ti+1时刻的航向角求解：
最终，
在本申请实施例中，对应每个采样组合，在车辆轮胎夹角小于预设值时，将车辆视为匀速直线运动，在车辆轮胎夹角大于预设值时，将车辆视为圆周运动，根据所采样状态点中车辆轮胎夹角的大小不同，采用不同的计算方式得到对应的第i+1时刻的车辆状态更加准确。
在一种可能的实现方式中，如图7所示，图7为适用本申请实施例的一种数据处理方法的时间预测价值地图示意图，地图是2D栅格地图；基于地图和障碍物预测轨迹，得到时间预测价值地图包括：根据时间变化删除动态障碍物的历史栅格，得到时间预测的2D栅格地图列表；根据障碍物预测轨迹，将2D栅格地图转化为价值图，包括，将2D栅格地图中障碍物占据的栅格赋值为1，空白栅格赋值为0，得到障碍物栅格子集和空白栅格子集；遍历障碍物栅格子集，包括，若障碍物占据的栅格相邻有空白栅格，将该空白栅格的赋值更新为该障碍物栅格的赋值减去设定值，得到新栅格，将该新栅格从空白栅格子集中删除，并加入新栅格子集；遍历新栅格子集，直至空白栅格子集为空，包括，若新栅格相邻有空白栅格，将该空白栅格的赋值更新为该新栅格的赋值减去设定值，得到新栅格。
具体的，道路边缘赋值为1的栅格表示静态障碍物，道路中间方框中赋值为1的栅格表示动态障碍物，其余赋值不足1的栅格表示可行驶区域，赋值越低的栅格离障碍物越远。
在本申请实施例中，基于上述方法得到的时间预测价值地图，可以使得计算的可行驶区域更加准确，后续规划出的路线尽可能接近可行驶区域的中间位置。
在一种可能的实现方式中，在根据评价函数确定第i+1时刻的目标坐标的过程中，根据权重值确定目标坐标，权重值与坐标在时间预测价值地图中的值负相关、与坐标对应的车辆速度变化量负相关、与坐标对应的车辆轮胎夹角变化量负相关。
具体的，评价函数为多目标加权函数，坐标在时间预测价值地图中的值越小得分越多，如图7所示，道路边缘赋值为1的栅格表示静态障碍物，道路中间方框中赋值为1的栅格表示动态障碍物，当栅格的值为1时，该点状态与障碍物预测轨迹重合，说明会发生碰撞，该点状态不能作为第i+1时刻的目标坐标，因此将该点状态放入闭集合；对于速度得分，速度变化越小得分越多；对于车轮与车体的夹角得分，角度变化越小得分越多。
在本申请实施例中，通过评价函数从时间预测价值地图、车辆速度变化量、车辆轮胎夹角变化量维度对规划的路径进行评价，由于添加了时间得分、车辆速度得分、车辆轮胎夹角变化量得分，因此，可以基于车辆实时状态来灵活躲避动态障碍物，使得车辆行驶更加安全。
在一种可能的实现方式中，对第一规划路径进行轨迹平滑，得到第二规划路径，包括，基于第一规划路径中轨迹点的车辆状态f(x)，根据历史轨迹点的车辆状态和扩展卡尔曼滤波得到下一个轨迹点的车辆状态f(x’)；
根据车辆速度、车辆航向角、车辆轮胎夹角得出状态转移矩阵。
|θi|＜ε时，对应的状态转移矩阵为：
|θi|≥ε时：对应的状态转移矩阵为：
其中，
其中，Δt为轨迹平滑后的轨迹点的时间间隔。|θi|＜ε表示θi接近0，|θi|≥ε表示θi远离0，两种方式采用不同的计算。
根据状态转移矩阵，通过在第一规划路径规划出的轨迹点的时间间隔中间插值对所述第一规划路径进行轨迹平滑，得到第二规划路径
具体的，扩展卡尔曼滤波轨迹平滑算法，改进的A*启发式搜索算法得到时间序列的点集合，时间间隔为ΔT，平滑后的轨迹点的时间间隔Δt变小，Δf＝n*Δt，Δt与跟踪算法的计算时间间隔一致，Tj与Tj+n中间的时间点的点状态由扩展卡尔曼滤波预测得到，Ti点状态由扩展卡尔曼滤波更新后得到，j＜i＜j+n。
在本申请实施例中，对第一规划路径进行轨迹平滑时，依据车辆速度、车辆航向角、车辆轮胎夹角得出状态转移矩阵，通过状态转移矩阵，在之前第一规划路径中规划出的轨迹点的时间间隔中间插值，使得轨迹点的时间颗粒度变小，得到的第二规划路径会更加平滑，行驶更加舒适。
在一种可能的实施方式中，如图8所示，图8为适用本申请实施例的一种数据处理方法的对轨迹跟踪计算过程进行约束的示意图，基于第二规划路径进行轨迹跟踪，包括，基于第二规划路径，添加先验一元因子，一元因子满足车辆速度变化量阈值、车辆轮胎夹角变化量阈值的约束；添加二元因子，二元因子满足阿克曼底盘模型运动约束、车辆速度变化量阈值、车辆轮胎夹角变化量阈值的约束。
具体的，轨迹跟踪在固定时间窗口内，周期性获取车辆状态数据，窗口内的点状态数量为n，点状态为将当前状态固定为第一个定点，添加先验一元因子，优化后的第一个顶点状态变化不大，其他点状态分别加一个先验一元因子，依次对应轨迹窗口的后n-1个点状态，同时满足车辆速度变化量阈值、车辆轮胎夹角变化量阈值的约束阈值约束，优化后窗口内的点状态逐渐靠近平滑后的轨迹点。相邻的两个点状态添加一个二元因子，二元因子约束是对相邻的点状态之间的约束关系，优化后相邻的点状态同时满足阿克曼底盘模型运动约束、车辆速度变化量阈值、车辆轮胎夹角变化量阈值的约束。
在本申请实施例中，在行驶过程中，对第二规划路径的轨迹点，先执行车辆速度变化量阈值、车辆轮胎夹角变化量阈值的约束，再执行阿克曼底盘模型运动约束、车辆速度变化量阈值、车辆轮胎夹角变化量阈值的约束，通过已知的车辆状态中的车辆速度变化量和车辆轮胎夹角变化量对未知的轨迹点进行预测，可以在车辆行驶同时，不断减小规划路径的误差，使得规划路径更加准确，行驶更加平稳、舒适。
在一种可能的实施方式中，如图2所示，若执行进行局部路径规划后，未得到第一规划路径，则基于第二规划路径进行轨迹跟踪停车并再次执行进行局部路径规划、进行轨迹平滑、进行轨迹跟踪的过程。
周期性持续获取车辆定位信息和障碍物预测轨迹，在未得到第一规划路径时，说明路径规划失败，可能的情况包括但不限于基于当前到达点没有合适的行驶路线，或者车辆当前状态不适合继续行驶，或者行驶超时等，寻找合理的停车点状态，让后车先过去，可以在更改到达点后，重启本申请的局部路径规划、轨迹平滑、轨迹跟踪过程。
在本申请实施例中，通过上述对行驶过程中可能出现的需要，及时规划停车，并重新规划到达点的情况设计出的技术方案，使得基于路径规划的行驶过程更智能安全。
在一种可能的实施方式中，如图2所示，图2为适用本申请实施例的一种数据处理方法的整体逻辑图，基于障碍物预测轨迹和轨迹跟踪结果，进行碰撞预测，得到碰撞预测结果；若碰撞预测结果为会碰撞，则再次执行基于地图和障碍物预测轨迹，得到时间预测价值地图、进行局部路径规划、进行轨迹平滑、进行轨迹跟踪的过程。
具体的，本申请对于碰撞预测的具体实施方式不做限定。可以是，获取障碍物预测轨迹，与轨迹跟踪优化后的规划路径进行碰撞检测，所述碰撞检测是基于时间价值地图的时空交叉点检测，得到碰撞预测结果，若碰撞预测结果为会碰撞，即同一个时间障碍物预测轨迹与轨迹跟踪优化后的规划路径存在交叉点，则重新给时间预测价值地图中的栅格赋值，得到新的时间预测价值地图来进一步得到新的可行驶区域，然后进行局部路径规划、进行轨迹平滑、进行轨迹跟踪的过程。
也可以是，。
在本申请实施例中，通过上述对行驶过程中可能出现的碰撞情况，及时更新时间预测价值地图，重新进行路径规划、轨迹平滑、轨迹跟踪，使得基于路径规划的行驶过程更安全。
在一种可能的实施方式中，如图2所示，若碰撞预测结果为不会碰撞，进行是否到达终点的检测，得到第一检测结果；若第一检测结果显示为没有到达终点，检测是否进行了横纵向控制，得到第二检测结果；若第二检测结果显示进行了横纵向控制，检测是否需要重新规划路径，得到重新规划路径检测结果；若重新规划路径检测结果显示需要重新规划，则再次执行获取时间预测价值地图、进行局部路径规划、进行轨迹平滑、进行轨迹跟踪的过程。
具体的，周期性持续获取车辆定位信息和障碍物预测轨迹，若检查到车辆进行了横纵向控制，则再次执行本申请获取时间预测价值地图、进行局部路径规划、进行轨迹平滑、进行轨迹跟踪的过程。
具体的，横纵向控制的过程是，根据规划路径中车辆行驶状态点，得到对应状态点的物理硬件控制量，再由用户或者车辆智能驾驶系统执行该物理硬件控制量，所述物理硬件控制量包括但不限于控制量，的油门、刹车、方向盘、档位等。
在本申请实施例中，基于对横纵向控制的路径规划过程，使得车辆可以有效应对实时行驶状态来灵活反应。
下面结合图9对本申请实施例中一种数据处理装置进行具体说明。具体地，图9是本申请实施例提供的一种应用于第一终端的软件开发工具包的更新装置示意图，如图9所示，该装置包括：
路况信息获取模块、时间预测价值地图计算模块、局部路径规划模块、轨迹平滑模块和轨迹跟踪模块，其中，
路况信息获取模块，用于获取地图、车辆定位信息和障碍物预测轨迹；
时间预测价值地图计算模块，用于基于地图和障碍物预测轨迹，得到时间预测价值地图，时间预测价值地图用于表示不同时间下的障碍物位置；
局部路径规划模块，用于基于车辆定位信息、时间预测价值地图和车辆状态，根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划，得到第一规划路径；
轨迹平滑模块，用于对第一规划路径进行轨迹平滑，得到第二规划路径；
轨迹跟踪模块，用于基于第二规划路径进行轨迹跟踪，得到轨迹跟踪结果。
本实施例的数据处理装置用于实现前述应用于车辆的数据处理方法，并具有相应的方法实施例的有益效果，在此不再赘述。此外，本实施例的数据处理装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述，在此亦不再赘述。
参照图10，示出了根据本申请实施例的一种车辆的结构示意图，本申请具体实施例并不对车辆的具体实现做限定。
如图10所示，该车辆可以包括：处理器(processor)1002、通信接口(Communications Interface)1004、存储器(memory)1006、以及通信总线1008。
其中：
处理器1002、通信接口1004、以及存储器1006通过通信总线1008完成相互间的通信。
通信接口1004，用于与其它车辆或服务器进行通信。
处理器1002，用于执行程序1010，具体可以执行上述软件开发工具包的更新方法实施例中的相关步骤。
具体地，程序1010可以包括程序代码，该程序代码包括计算机操作指令。
处理器1002可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器1006，用于存放程序1010。存储器1006可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序1010中各步骤的具体实现可以参见上述软件开发工具包的更新方法实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
本申请实施例还提供了一种计算机程序产品，包括计算机指令，该计算机指令指示计算设备执行上述多个方法实施例中的任一种数据处理方法对应的操作。
需要指出，根据实施的需要，可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的校验码生成方法。此外，当通用计算机访问用于实现在此示出的校验码生成方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的校验码生成方法的专用计算机。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例，而并非对本申请实施例的限制，有关技术领域的普通技术人员，在不脱离本申请实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本申请实施例的范畴，本申请实施例的专利保护范围应由权利要求限定。

Claims (14)

1.一种数据处理方法，应用于车辆，其特征在于，包括：
获取地图、车辆定位信息和障碍物预测轨迹；
基于所述地图和所述障碍物预测轨迹，得到时间预测价值地图，所述时间预测价值地图用于表示不同时刻下所述车辆距离障碍物的远近程度；
基于所述车辆定位信息、所述时间预测价值地图和车辆状态，根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划，得到第一规划路径；
对所述第一规划路径进行轨迹平滑，得到第二规划路径；
基于第二规划路径进行轨迹跟踪，得到轨迹跟踪结果。
2.根据权利要求1所述的方法，其特征在于，
所述车辆状态包括车辆坐标、车辆速度、车辆航向角、车辆轮胎夹角和时间信息；
所述阿克曼底盘模型的运动约束和阈值约束包括对车辆速度和车辆轮胎夹角的约束。
3.根据权利要求2所述的方法，其特征在于，
所述进行局部路径规划包括：
获取第i时刻的车辆状态其中，x和y为车辆在两个维度上的坐标，v为车辆速度，/>为车辆航向角，θ为车辆轮胎夹角，t为规划时长；
基于vi，根据车辆速度阈值和车辆速度变化量阈值，得到第i+1时刻的多个采样车辆速度(v1,v2,v3,…,vn)，n为车辆速度的采样数量；
基于θi，根据车辆轮胎夹角阈值和车辆轮胎夹角变化量阈值，得到第i+1时刻的多个采样车辆轮胎夹角(θ1,θ2,θ3,...,θm)，m为车辆轮胎夹角的采样数量；
获取任意一个所述采样车辆速度和任意一个所述采样车辆轮胎夹角的采样组合构成的集合((v1,θ1),(v1,θ2),…,(vn,θm))；
对应每个所述采样组合，得到对应的第i+1时刻的车辆状态；
在多个所述采样组合对应的所述第i+1时刻的车辆状态中，根据评价函数确定第i+1时刻的目标坐标。
4.根据权利要求3所述的方法，其特征在于，
所述对应每个所述采样组合，得到对应的第i+1时刻的车辆状态包括：
将所述采样组合的采样车辆速度作为vi+1，将所述采样组合的采样车辆轮胎夹角作为θi+1，计算第i+1时刻的
若|θi|<ε，ε为预设值，
则
若|θi|≥ε，
则
x2+(y-R)2＝R2，
R＝l/tanθi+1。
5.根据权利要求4所述的方法，其特征在于，
在所述根据评价函数确定第i+1时刻的目标坐标的过程中，根据权重值确定所述目标坐标，所述权重值与坐标在所述时间预测价值地图中的值负相关、与坐标对应的车辆速度变化量负相关、与坐标对应的车辆轮胎夹角变化量负相关。
6.根据权利要求1所述的方法，其特征在于，
所述地图是2D栅格地图；
所述基于所述地图和所述障碍物预测轨迹，得到时间预测价值地图包括：根据时间变化删除动态障碍物的历史栅格，得到时间预测的2D栅格地图列表；
根据所述障碍物预测轨迹，将2D栅格地图转化为价值图，包括，将所述2D栅格地图中障碍物占据的栅格赋值为1，空白栅格赋值为0，得到障碍物栅格子集和空白栅格子集；
遍历障碍物栅格子集，包括，若障碍物占据的栅格相邻有空白栅格，将该空白栅格的赋值更新为该障碍物栅格的赋值减去设定值设定值，得到新栅格，将该新栅格从空白栅格子集中删除，并加入新栅格子集；
遍历新栅格子集，直至空白栅格子集为空，包括，若新栅格相邻有空白栅格，将该空白栅格的赋值更新为该新栅格的赋值减去设定值，得到新栅格。
7.根据权利要求1所述的方法，其特征在于，对所述第一规划路径进行轨迹平滑，得到第二规划路径，包括，
基于第一规划路径中轨迹点的车辆状态f(x)，根据历史轨迹点的车辆状态和扩展卡尔曼滤波得到下一个轨迹点的车辆状态f(x’)；
根据车辆速度、车辆航向角、车辆轮胎夹角得出状态转移矩阵；当|θi|<ε时，对应的状态转移矩阵为:
当|θi|≥ε时：对应的状态转移矩阵为:
其中，
其中，Δt为轨迹平滑后的轨迹点的时间间隔；
根据状态转移矩阵，通过在第一规划路径规划出的轨迹点的时间间隔中间插值对所述第一规划路径进行轨迹平滑，得到第二规划路径。
8.根据权利要求1所述的方法，其特征在于，所述基于第二规划路径进行轨迹跟踪，包括，
基于第二规划路径，添加先验一元因子，所述一元因子满足车辆速度变化量阈值、车辆轮胎夹角变化量阈值的约束；
添加二元因子，所述二元因子满足阿克曼底盘模型运动约束、车辆速度变化量阈值、车辆轮胎夹角变化量阈值的约束。
9.根据权利要求1所述的方法，其特征在于，
若执行所述进行局部路径规划后，未得到所述第一规划路径，则停车并再次执行所述进行局部路径规划、进行轨迹平滑、进行轨迹跟踪的过程。
10.根据权利要求1所述的方法，其特征在于，
基于障碍物预测轨迹和轨迹跟踪结果，进行碰撞预测，得到碰撞预测结果；
若所述碰撞预测结果为会碰撞，则再次执行所述基于所述地图和所述障碍物预测轨迹，得到时间预测价值地图、进行局部路径规划、进行轨迹平滑、进行轨迹跟踪的过程。
11.根据权利要求10所述的方法，其特征在于，
若所述碰撞预测结果为不会碰撞，进行是否到达终点的检测，得到第一检测结果；
若所述第一检测结果显示为没有到达终点，检测是否进行了横纵向控制，得到第二检测结果；
若所述第二检测结果显示进行了横纵向控制，检测是否需要重新规划路径，得到重新规划路径检测结果；
若重新规划路径检测结果显示需要重新规划，则再次执行获取时间预测价值地图、进行局部路径规划、进行轨迹平滑、进行轨迹跟踪的过程。
12.一种数据处理装置，其特征在于，包括路况信息获取模块、时间预测价值地图计算模块、局部路径规划模块、轨迹平滑模块和轨迹跟踪模块，其中，
路况信息获取模块，用于获取地图、车辆定位信息和障碍物预测轨迹；
时间预测价值地图计算模块，用于基于所述地图和所述障碍物预测轨迹，得到时间预测价值地图，所述时间预测价值地图用于表示不同时间下的障碍物位置；
局部路径规划模块，用于基于所述车辆定位信息、所述时间预测价值地图和车辆状态，根据阿克曼底盘模型的运动约束和阈值约束，进行局部路径规划，得到第一规划路径；
轨迹平滑模块，用于对所述第一规划路径进行轨迹平滑，得到第二规划路径；
轨迹跟踪模块，用于基于第二规划路径进行轨迹跟踪，得到轨迹跟踪结果。
13.一种车辆，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-11中任一项所述的数据处理方法对应的操作。
14.一种计算机存储介质，其特征在于，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1至11中任意一项所述的数据处理方法。
CN202310612007.8A 2023-05-26 2023-05-26 数据处理方法、装置和车辆 Pending CN116659501A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310612007.8A CN116659501A (zh) 2023-05-26 2023-05-26 数据处理方法、装置和车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310612007.8A CN116659501A (zh) 2023-05-26 2023-05-26 数据处理方法、装置和车辆

Publications (1)

Publication Number Publication Date
CN116659501A true CN116659501A (zh) 2023-08-29

Family

ID=87716561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310612007.8A Pending CN116659501A (zh) 2023-05-26 2023-05-26 数据处理方法、装置和车辆

Country Status (1)

Country Link
CN (1) CN116659501A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117246344A (zh) * 2023-10-26 2023-12-19 南京航空航天大学 一种考虑底盘动力学边界的智能车轨迹规划方法
CN118209127A (zh) * 2024-03-29 2024-06-18 重庆赛力斯凤凰智创科技有限公司 路径优化方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117246344A (zh) * 2023-10-26 2023-12-19 南京航空航天大学 一种考虑底盘动力学边界的智能车轨迹规划方法
CN118209127A (zh) * 2024-03-29 2024-06-18 重庆赛力斯凤凰智创科技有限公司 路径优化方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
WO2021175313A1 (zh) 自动驾驶控制方法、装置、车辆及存储介质
US10678248B2 (en) Fast trajectory planning via maneuver pattern selection
US20210163068A1 (en) Obstacle avoidance guidance for ground vehicles
Alia et al. Local trajectory planning and tracking of autonomous vehicles, using clothoid tentacles method
CN111830979B (zh) 一种轨迹优化方法和装置
CN116659501A (zh) 数据处理方法、装置和车辆
CN112965476B (zh) 一种基于多窗口模型的高速无人车轨迹规划系统及方法
CN114234998A (zh) 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法
CN111319615A (zh) 智能代客泊车方法、计算机可读存储介质及电子设备
CN109900289B (zh) 基于闭环控制的路径规划方法及装置
CN113494923B (zh) 基于微分动态规划的路径轨迹规划方法及系统
CN113433936A (zh) 移动设备绕障方法、装置、移动设备及存储介质
CN112859838B (zh) 一种自动驾驶控制方法、装置、设备和介质
CN113515111B (zh) 一种车辆避障路径规划方法及装置
CN113670305A (zh) 泊车轨迹生成方法、装置、计算机设备和存储介质
CN116331264A (zh) 一种未知障碍物分布的避障路径鲁棒规划方法及系统
CN115077553A (zh) 基于栅格搜索轨迹规划方法、系统、汽车、设备及介质
CN114877904A (zh) 一种道路曲率的估计方法、测量装置和计算机设备
CN115497322B (zh) 一种窄路会车方法、装置、设备及存储介质
CN115840454A (zh) 非结构化道路冲突区域的多车轨迹协同规划方法及装置
CN115420300A (zh) 一种运动调度方法、装置以及介质
CN115097826A (zh) 一种车辆掉头轨迹规划方法及装置
Nejad et al. Real time localization, path planning and motion control for autonomous parking in cluttered environment with narrow passages
CN115973162B (zh) 用于确定车辆行驶轨迹的方法、装置、电子设备和介质
Tang et al. Research on path planning of self-driving vehicles based on improved DWA algorithm

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