CN116700065A - 无人驾驶设备的控制方法、装置、电子设备及存储介质 - Google Patents

无人驾驶设备的控制方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116700065A
CN116700065A CN202310465361.2A CN202310465361A CN116700065A CN 116700065 A CN116700065 A CN 116700065A CN 202310465361 A CN202310465361 A CN 202310465361A CN 116700065 A CN116700065 A CN 116700065A
Authority
CN
China
Prior art keywords
path
acceleration
determining
sub
unmanned
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
CN202310465361.2A
Other languages
English (en)
Inventor
安健侨
夏中谱
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202310465361.2A priority Critical patent/CN116700065A/zh
Publication of CN116700065A publication Critical patent/CN116700065A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25257—Microcontroller
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开提供了一种无人驾驶设备的控制方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及自动驾驶、智能交通等人工智能技术领域。具体实现方案为：响应于无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合；确定每个让超决策集合对应的至少一个加速度序列；基于每个让超决策集合对应的至少一个加速度序列，确定无人驾驶设备在各子路径上的目标加速度；基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。由此，不仅可以准确地避让障碍物，而且可以减少计算量，提高对无人驾驶设备的控制效率。

Description

无人驾驶设备的控制方法、装置、电子设备及存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及自动驾驶、智能交通等人工智能技术领域，具体涉及一种无人驾驶设备的控制方法、装置、电子设备及存储介质。
背景技术
在无人驾驶领域中，无人驾驶设备在自动行驶过程中，需要实时根据周围的环境，及预测出的障碍物轨迹等，对自身进行控制，以避免与障碍物发生碰撞，进而保证无人驾驶设备安全行驶。因此，如何准确地对无人驾驶设备进行控制成为重点的研究方向。
发明内容
本公开提供了一种无人驾驶设备的控制方法、装置、电子设备及存储介质。
根据本公开的第一方面，提供了一种无人驾驶设备的控制方法，包括：
响应于无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定所述无人驾驶设备在所述第一路径上对应的至少一个让超决策集合；
确定每个所述让超决策集合对应的至少一个加速度序列，其中，所述加速度序列中包含所述无人驾驶设备在每个子路径对应的加速度，所述子路径为所述第一路径中以所述路径交点为分界点的路径；
基于所述第一加速度、及所述至少一个加速度序列，确定所述无人驾驶设备在各子路径上的目标加速度；
基于所述第一路径及所述各子路径上的目标加速度，对所述无人驾驶设备进行控制。
根据本公开的第二方面，提供了一种无人驾驶设备的控制装置，包括：
第一确定模块，用于响应于无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定所述无人驾驶设备在所述第一路径上对应的至少一个让超决策集合；
第二确定模块，用于确定每个所述让超决策集合对应的至少一个加速度序列，其中，所述加速度序列中包含所述无人驾驶设备在每个子路径对应的加速度，所述子路径为所述第一路径中以所述路径交点为分界点的路径；
第三确定模块，用于基于每个所述让超决策集合对应的至少一个加速度序列，确定所述无人驾驶设备在各子路径上的目标加速度；
控制模块，用于基于所述第一路径及所述各子路径上的目标加速度，对所述无人驾驶设备进行控制。
根据本公开的第三方面，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如第一方面所述的无人驾驶设备的控制方法。
根据本公开第四方面，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，所述计算机指令用于使所述计算机执行如第一方面所述的无人驾驶设备的控制方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机指令，所述计算机指令在被处理器执行时实现如第一方面所述的无人驾驶设备的控制方法的步骤。
根据本公开的第五方面，提供了一种自动驾驶车辆，包括如第三方面所述的电子设备。
本公开提供的无人驾驶设备的控制方法、装置、电子设备及存储介质，存在如下有益效果：
本公开实施例中，在无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合，之后确定每个让超决策集合对应的至少一个加速度序列，基于每个让超决策集合对应的至少一个加速度序列，确定无人驾驶设备在各子路径上的目标加速度，最后基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。由此，在无人驾驶设备的第一路径与障碍物的第二路径存在交点的情况下，仅考虑无人驾驶设备与障碍物的空间位置，忽略每个路径点对应的时间信息，进而基于在每个路径交点可能的让超决策，确定无人驾驶设备在每个子路径上的加速度，从而不仅可以准确地避让障碍物，而且可以减少计算量，提高对无人驾驶设备的控制效率。
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是根据本公开一实施例提供的一种无人驾驶设备的控制方法的流程示意图；
图2为本公开一实施例提供的一种第一路径与第二路径之间存在路径交点的示意图；
图3是根据本公开又一实施例提供的一种无人驾驶设备的控制方法的流程示意图；
图4是根据本公开又一实施例提供的一种无人驾驶设备的控制方法的流程示意图；
图5是根据本公开又一实施例提供的一种无人驾驶设备的控制装置的结构示意图；
图6是用来实现本公开实施例的无人驾驶设备的控制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。
本公开实施例涉及自动驾驶、智能交通等人工智能技术领域。
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
自动驾驶一般指自动驾驶系统。自动驾驶系统系统采用先进的通信、计算机、网络和控制技术，对列车实现实时、连续控制。自动驾驶系统是指列车驾驶员执行的工作完全自动化的、高度集中控制的列车运行系统。自动驾驶系统具备列车自动唤醒启动和休眠、自动出入停车场、自动清洗、自动行驶、自动停车、自动开关车门、故障自动恢复等功能，并具有常规运行、降级运行、运行中断等多种运行模式。实现全自动运营可以节省能源，优化系统能耗和速度的合理匹配。
智能交通，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
下面参考附图描述本公开实施例的无人驾驶设备的控制方法、装置、电子设备及存储介质。
其中，需要说明的是，本实施例的无人驾驶设备的控制方法的执行主体为无人驾驶设备的控制装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
本公开实施例中的无人驾驶设备的控制方法可应用于无人驾驶设备转弯的场景中，也可以应用于任意无人驾驶设备的路径与障碍物的路径之间存在交点的场景中。本公开对此不做限定。
图1是根据本公开一实施例提供的一种无人驾驶设备的控制方法的流程示意图。
如图1所示，该无人驾驶设备的控制方法包括：
S101：响应于无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合。
其中，第一路径，可以为无人驾驶设备基于车辆周围的环境及目的地，预测得到的无人驾驶设备的行驶路径。
其中，无人驾驶设备周围的障碍物可以包括无人驾驶车辆、行人等。本公开对此不做限定。
其中，第二路径，可以为无人驾驶设备对周围的障碍物预测的路径。或者，也可以为接收障碍物发送的路径。本公开对此不做限定。
其中，无人驾驶设备在第一路径上对应的至少一个让超决策集合中，包含无人驾驶设备在每个路径交点的让超决策。每个路径交点的让超决策可以为让路或者超车。
即可以根据无人驾驶设备在每个路径交点的让超决策，确定让超决策集合。
图2为本公开一实施例提供的一种第一路径与第二路径之间存在路径交点的示意图。如图2所示，A为无人驾驶设备、与A连接的线为第一路径；1为第一个障碍物，与1连接的线为第一个障碍物对应的第二路径，第一个障碍物对应的第二路径与第一路径的交点为第一个路径交点；2为第二个障碍物，与2连接的线为第二个障碍物对应的第二路径，第二个障碍物对应的第二路径与第一路径的交点为第二个路径交点；3为第三个障碍物，与3连接的线为第三个障碍物对应的第二路径，第三个障碍物对应的第二路径与第一路径的交点为第三个路径交点；4为第四个障碍物，与4连接的线为第四个障碍物对应的第二路径，第四个障碍物对应的第二路径与第一路径的交点为第四个路径交点。
无人驾驶设备在第一个路径交点、第二个路径交点、第三个路径交点及第三个路径交点对应的让超决策均可以为让路或者超车。因此，无人驾驶设备对应的让超决策集合的数量可以为24个，4为路径交点的总数量。
比如，让超决策集合为{让路、超车、让路、超车}，则表示无人驾驶设备对第一个障碍物让路，对第二个障碍物超车，对第三个障碍物让路，对第四个障碍物超车。
需要说明的是，本公开实施例中对路径交点的数量不做具体限定，路径交点的数量，可以为一个，也可以为多个。
S102：确定每个让超决策集合对应的至少一个加速度序列，其中，加速度序列中包含无人驾驶设备在每个子路径对应的加速度，子路径为第一路径中以路径交点为分界点的路径。
其中，如图2所示，若有4个路径交点，则加速度序列中包含可以四个加速度，为[a1、a2、a2、a4]，其中，a1可以为无人驾驶设备与第一个路径交点之间的加速度，a2可以为第一个路径交点与第二个路径交点之间的加速度，a3可以为第二个路径交点与第三个路径交点之间的加速度，a4可以为第三个路径交点与第四个路径交点之间的加速度。
其中，每个让超决策集合中对应的加速度序列，必须满足让超决策集合在每个路径交点的让超决策。
比如，让超决策集合为{让路、超车}，对应的加速度序列为[a1、a2],则无人驾驶设备基于加速度a1行驶至第一个路径交点的时间，需晚于第一个障碍物行驶至第一个路径交点的时间，从而保证无人驾驶设备对第一个障碍物让路；无人驾驶设备基于加速度a1行驶至第一个路径交点，并基于加速度a2自第一个路径交点行驶至第二个路径交点的时间，需早于第二个障碍物行驶至第二个路径交点的时间，从而保证无人驾驶设备对第二个障碍物超车。
S103：基于每个让超决策集合对应的至少一个加速度序列，确定无人驾驶设备在各子路径上的目标加速度。
需要说明的是，每个让超决策集合对应的加速度序列，均可以使无人驾驶设备不与障碍物发生碰撞地行驶第一路径，即安全地经过第一路径。
但是，加速度序列中若每个子路径对应的加速度变化较大，可能会导致无人驾驶设备在第一路径上的速度发生较大的变化，从而导致车辆的行驶不平稳，乘车体验较差。因此，可以从每个让超决策集合对应的至少一个加速度序列中，确定一个加速度变化最小的加速度序列，作为目标加速度序列。并将目标加速度序列中每个子路径对应的加速度，确定为无人驾驶设备在各子路径上的目标加速度。
在一些可能的实现方式中，还可以根据无人驾驶设备当前时刻的加速度，确定目标加速度序列。具体可以为，将加速度变化较小，且较接近当前时刻的加速度的加速度序列，确定为目标加速度序列。
S104：基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。
本公开实施例中，在确定了第一路径及各子路径上的目标加速度之后，即可基于各子路径上的目标加速度，控制无人驾驶设备在第一路径上进行行驶，从而不仅可以使无人驾驶设备准确地避让开障碍物，且由于不需考虑每个时间点无人驾驶设备在第一路径中的位置，提高了对无人驾驶设备的控制效率。
本公开实施例中，在无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合，之后确定每个让超决策集合对应的至少一个加速度序列，基于每个让超决策集合对应的至少一个加速度序列，确定无人驾驶设备在各子路径上的目标加速度，最后基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。由此，在无人驾驶设备的第一路径与障碍物的第二路径存在交点的情况下，仅考虑无人驾驶设备与障碍物的空间位置，忽略每个路径点对应的时间信息，进而基于在每个路径交点可能的让超决策，确定无人驾驶设备在每个子路径上的加速度，从而不仅可以准确地避让障碍物，而且可以减少计算量，提高对无人驾驶设备的控制效率。
图3是根据本公开又一实施例提供的一种无人驾驶设备的控制方法的流程示意图。
如图3所示，该无人驾驶设备的控制方法包括：
S301：响应于无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合。
S302：获取第一个障碍物到达第一个路径交点的第一时长、当前时刻无人驾驶设备与第一个路径交点之间的第一距离，无人驾驶设备当前的第一速度。
其中，第一个障碍物可以为第一路径上第一个路径交点对应的障碍物。
可选的，可以先获取第一个障碍物当前时刻的加速度、速度、第一个障碍与第一个路径交点之间的距离，之后基于第一障碍物对应的加速度、速度、距离，确定第一障碍物到达第一个路径交点的第一时长。
或者，也可以获取第一障碍物对应的预测轨迹，预测轨迹中包含第一个障碍物在每个轨迹点对应的时间，进而确定第一障碍物到达第一个路径交点的第一时长。
可选的，可以通过无人驾驶设备中的运动传感器模块，获取无人驾驶设备在当前时刻的第一速度。
其中，第一距离可以为第一路径中，无人驾驶设备与第一个路径交点之间的路径长度。
S303，根据让超决策集合中第一个路径交点对应的让超决策、第一距离、第一速度、第一时长，确定无人驾驶设备在第一个子路径对应的第一加速度区间。
可选的，可以先根据让超决策集合中第一个路径交点对应的让超决策及第一时长，确定无人驾驶设备到达第一个路径交点的第三时长对应的约束条件，之后根据第三时长对应的约束条件、第一距离及第一速度，确定第一加速度区间。由此，可以准确地确定第一子路径对应的第一加速度区间。
可以理解的是，第一路径交点对应的让超决策不同，则第三年时长对应的约束条件不同。
比如，第一个路径交点的让超决策为让路，则第三时长应小于第一时长，进而可以根据第一距离，及第三速度，确定在第三时长小于第一时长的前提下，无人驾驶设备在第一个子路径上对应的第一加速度区间。
或者，第一个路径交点的让超决策为超车，则第三时长应大于第一时长，进而可以根据第一距离，及第三速度，确定在第三时长大于第一时长的前提下，无人驾驶设备在第一个子路径上对应的第一加速度区间。
需要说明的是，由于无人驾驶设备有对应的加速度阈值区间，因此，还需要保证第一加速度区间包含于加速度阈值区间。
S304，基于第一加速度区间内的任一加速度，第一距离、第一速度，确定无人驾驶设备在第一个路径交点的第二速度。
需要说明的是，第一加速度区间内包含多个第一个子路径对应的多个加速度。因此，需要基于第一加速度区间内每个加速度，确定让超决策集合对应的至少一个加速度序列。本公开实施例中，以加速度内的任一加速度距离为例，详细说明确定让超决策结合对应的一个加速度的序列的步骤。
具体为，可以先从第一加速度区间中，随机采样或者均匀采样，得到任一加速度，之后确定无人驾驶设备以第一速度为起始速度，基于任一加速度，沿着第一个子路径行驶至第一个路径交点时，无人驾驶设备的第一个路径交点的第二速度。
S305，获取第一个路径交点与第二个路径交点之间的第二距离、第二个障碍物到达第二个路径交点的第二时长。
其中，确定第二时长的具体实现方式，与确定第一时长的具体实现方式相同，此处不再具体赘述。
S306，基于让超决策集合中第二个路径交点对应的让超决策、第二距离、第二速度、第二时长，返回执行加速度区间的操作，直至获取无人驾驶设备在最后一个子路径的加速度。
可选的，可以先根据让超决策集合中第二个路径交点对应的让超决策及第二时长，确定无人驾驶设备从当前时刻到达第二个路径交点的第四时长对应的约束条件。由于第四时长中包含无人驾驶设备以任一加速度行驶至第一个路径交点的第五时长，及无人驾驶设备在第二子路径上的第六时长，因此，可以进一步确定第六时长对应的约束条件，进而基于第六时长、第二距离、第二速度，确定无人驾驶设备在任一加速度的前提下，在第二子路径上对应的第二加速度区间。依次类推，确定无人驾驶设备在最后一个子路径上对应的加速度，从而即可获取加速度序列。
举例来说，若第二个路径交点对应的让超决策为超车，则第四时长应小于第二时长，其中，第四时长中包含无人驾驶设备在第一个子路径对应的第五时长，及第二个子路径对应的第六时长，因此，第六时长对应的约束条件应为：第六时长小于第二时长与第五时长的差值，进而可以基于第六时长对应的约束条件，第二距离、第二速度，确定第二加速度区间。
S307：基于每个让超决策集合对应的至少一个加速度序列，确定无人驾驶设备在各子路径上的目标加速度。
S308：基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。
本公开实施例中，在无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点情况下，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合，之后先根据让超决策集合中第一个路径交点对应的让超决策、第一个障碍物到达第一个路径交点的第一时长，确定无人驾驶设备在第一个子路径对应的第一加速度区间，之后基于第一加速度区间中的任一加速度、无人驾驶设备基于任一加速度行驶至第一个路径交点时的第二速度、第一个路径交点与第二个路径交点之间的第二距离、及让超决策集合中第二个路径交点对应的让超决策、第二个障碍物到达第二个路径交点的第二时长，确定在任一加速度的前提下，第二个子路径对应的第二加速度区间，依次确定每个子路径对应的加速度，以得到每个让超决策集合对应的至少一个加速度序列，进而确定无人驾驶设备在各子路径上的目标加速度，最后基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。由此，可以准确地确定每个让超决策集合对应的全部加速度序列，为后续确定无人驾驶设备在各子路径上的目标加速度提供了条件，进而提高了对无人驾驶设备进行控制，以避让障碍物的准确性及效率。
图4是根据本公开又一实施例提供的一种无人驾驶设备的控制方法的流程示意图；
如图4所示，该无人驾驶设备的控制方法包括：
S401：响应于无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合。
S402：确定每个让超决策集合对应的至少一个加速度序列，其中，加速度序列中包含无人驾驶设备在每个子路径对应的加速度，子路径为第一路径中以路径交点为分界点的路径。
S403：确定每个加速度序列分别对应的损失值。
可选的，将加速度序列中各加速度的第一绝对值的和，确定为第一子损失值，之后确定加速度序列中每两个相邻的加速度间的差值的第二绝对值，之后将第二绝对值的和，确定为第二子损失值，最后根据第一子损失值及第二子损失值，确定加速度序列对应的损失值。
其中，第一子损失值可以表征加速度序列中的加速度是否在0附近，第一子损失越小，表示加速度序列中的加速度越接近0。加速度序列中的加速度越接近0，表示无人驾驶设备的速度变化越小，行驶越平稳。
其中，第二子损失值可以表征加速度序列中的加速度的连贯性，第二子损失越小，表示加速度序列中的加速度越连贯，无人驾驶设备不会发生过速度的急剧变化，使车辆可以平稳行驶。
由此，在确定每个加速度序列对应的损失值时，既考虑了各子路径上的加速度的连贯性，又考虑了各子路径上的加速度是否接近0，从而可以准确地确定加速度序列分别对应的损失值，进而为基于每个加速度序列对应的损失值，确定各子路径的目标加速度提供了依据。
可选的，还可以确定第一子损失值对应的第一权重，第二子损失值对应的第二权重，之后确定损失值为：第一子损失值*第一权重+第二子损失值*第二权重。
其中，第一权重和第二权重的和可以为1，第一权重和第二权重可以为根据第一子损失值及第二子损失值对损失值的影响程度确定的。比如，第一权重为0.5、第二权重为0.5。或者，第一权重为0.3、第二权重为0.7。本公开对此不做限定。
具体地，损失值的计算公式可以如下所示：
其中，cost为损失值，α1为第一权重，α2为第二权重，n为路径交点的总数量，也表示子路径的总数量，i为第i个子路径，aadci为第i个子路径对应的加速度。
在一些可能的实现方式中，加速度序列中还可以包含当前时刻无人驾驶设备的加速度。从而在计算加速度序列对应的损失值时，还可以进一步考虑加速度序列中的加速度与当前时刻的加速度之间的连贯性。
S404：基于每个让超决策集合对应的至少一个损失值，确定无人驾驶设备在各子路径上的目标加速度。
可选的，可以先基于每个让超决策集合对应的至少一个损失值，确定每个让超决策集合分别对应的最小损失值，之后将至少一个让超决策集合分别对应的最小损失值中的最小值，确定为第一目标损失值，并将第一目标损失值对应的加速度序列中的各加速度，确定为无人驾驶设备在各子路径上的目标加速度。
具体地，即从全部加速度序列(包含每个让超决策集合对应的至少一个加速度序列)中选择一个损失值最小的加速度序列，作为目标加速度序列。这种确定各子路径上的目标加速度的方法是一种优中选优的策略，即一种拔尖思想，可以为下游的速度规划提供更好的引导。
可选的，还可以基于每个让超决策集合对应的至少一个损失值，确定每个让超决策集合分别对应的最大损失值，之后将至少一个让超决策集合分别对应的最大损失值中的最小值，确定为第二目标损失值，并将第二目标损失值对应的加速度序列中的各加速度，确定为无人驾驶设备在各子路径上的目标加速度。
如图2所示，共有4个路径交点，则对应16个让超决策集合，从16个让超决策集合对应的至少一个加速度序列中分别选择一个损失值最大的加速度序列，即共选择了16个加速度序列，进而从损失值最大的16个加速度系列中选择一个损失值最小的加速度序列作为目标加速度序列。这种确定各子路径上的目标加速度的方法是一种兜底思想，可以更好地保证目标加速度序列对应的让超决策集合的鲁棒性。
S405：基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。
本公开实施例中，在无人驾驶设备的第一路径，与周围每个障碍物对应每个第二路径之间存在路径交点情况下，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合，之后确定每个让超决策集合对应的至少一个加速度序列，进而根据每个加速度序列对应的损失值，确定无人驾驶设备在各子路径上的目标加速度，最后基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。由此，可以基于预设的损失函数，确定每个加速度序列对应的损失值，进而基于损失值，准确地确定目标加速度序列，进而基于目标加速度序列中的加速度对无人驾驶设备进行控制，从而提高了确定的目标加速度序列的准确性，进一步提高了对无人驾驶设备进行控制，以避让障碍物的准确性及效率。
图5是根据本公开又一实施例提供的一种无人驾驶设备的控制装置的结构示意图。
如图5所示，该无人驾驶设备的控制装置500，包括：
第一确定模块510，用于响应于无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合；
第二确定模块520，用于确定每个让超决策集合对应的至少一个加速度序列，其中，加速度序列中包含无人驾驶设备在每个子路径对应的加速度，子路径为第一路径中以路径交点为分界点的路径；
第三确定模块530，用于基于每个让超决策集合对应的至少一个加速度序列，确定无人驾驶设备在各子路径上的目标加速度；
控制模块540，用于基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。
在本公开的一些实施例中，其中，第二确定模块520，具体用于：
获取第一个障碍物到达第一个路径交点的第一时长、当前时刻无人驾驶设备与第一个路径交点之间的第一距离，无人驾驶设备当前的第一速度；
根据让超决策集合中第一个路径交点对应的让超决策、第一距离、第一速度、第一时长，确定无人驾驶设备在第一个子路径对应的第一加速度区间；
基于第一加速度区间内的任一加速度，第一距离、第一速度，确定无人驾驶设备在第一个路径交点的第二速度；
获取第一个路径交点与第二个路径交点之间的第二距离、第二个障碍物到达第二个路径交点的第二时长；
基于让超决策集合中第二个路径交点对应的让超决策、第二距离、第二速度、第二时长，返回执行加速度区间的操作，直至获取无人驾驶设备在最后一个子路径的加速度。
在本公开的一些实施例中，其中，第二确定模块520，还具体用于：
根据让超决策集合中第一个路径交点对应的让超决策及第一时长，确定无人驾驶设备到达第一个路径交点的第三时长对应的约束条件；
根据第三时长对应的约束条件、第一距离及第一速度，确定第一加速度区间。
在本公开的一些实施例中，其中，第三确定模块530，具体包括：
第一确定单元，用于确定每个加速度序列分别对应的损失值；
第二确定单元，用于基于每个让超决策集合对应的至少一个损失值，确定无人驾驶设备在各子路径上的目标加速度。
在本公开的一些实施例中，其中，第一确定单元，具体用于：
将加速度序列中各加速度的第一绝对值的和，确定为第一子损失值；
确定加速度序列中每两个相邻的加速度间的差值的第二绝对值；
将第二绝对值的和，确定为第二子损失值；
根据第一子损失值及第二子损失值，确定加速度序列对应的损失值。
在本公开的一些实施例中，其中，第二确定单元，具体用于：
基于每个让超决策集合对应的至少一个损失值，确定每个让超决策集合分别对应的最小损失值；
将至少一个让超决策集合分别对应的最小损失值中的最小值，确定为第一目标损失值；
将第一目标损失值对应的加速度序列中的各加速度，确定为无人驾驶设备在各子路径上的目标加速度。
在本公开的一些实施例中，其中，第二确定单元，具体用于：
基于每个让超决策集合对应的至少一个损失值，确定每个让超决策集合分别对应的最大损失值；
将至少一个让超决策集合分别对应的最大损失值中的最小值，确定为第二目标损失值；
将第二目标损失值对应的加速度序列中的各加速度，确定为无人驾驶设备在各子路径上的目标加速度。
需要说明的是，前述对无人驾驶设备的控制方法的解释说明也适用于本实施例的无人驾驶设备的控制装置，此处不再赘述。
本公开实施例中，在无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定无人驾驶设备在第一路径上对应的至少一个让超决策集合，之后确定每个让超决策集合对应的至少一个加速度序列，基于每个让超决策集合对应的至少一个加速度序列，确定无人驾驶设备在各子路径上的目标加速度，最后基于第一路径及各子路径上的目标加速度，对无人驾驶设备进行控制。由此，在无人驾驶设备的第一路径与障碍物的第二路径存在交点的情况下，仅考虑无人驾驶设备与障碍物的空间位置，忽略每个路径点对应的时间信息，进而基于在每个路径交点可能的让超决策，确定无人驾驶设备在每个子路径上的加速度，从而不仅可以准确地避让障碍物，而且可以减少计算量，提高对无人驾驶设备的控制效率。
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、一种计算机程序产品和一种自动驾驶车辆。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理，例如无人驾驶设备的控制。例如，在一些实施例中，无人驾驶设备的控制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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的无人驾驶设备的控制的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行无人驾驶设备的控制。
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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(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/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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)、互联网及区块链网络。
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("Virtual Private Server"，或简称"VPS")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。
需要说明的是，上述电子设备也可以实现本公开实施例的无人驾驶设备的控制方法。
根据本公开的实施例，本公开还提供了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行本公开上述实施例提出的无人驾驶设备的控制方法。
根据本公开的实施例，本公开还提供了一种自动驾驶车辆，包括上述电子设备。
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公开的技术方案所期望的结果，本文在此不进行限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本公开的描述中，所使用的词语“如果”及“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“在……情况下”。
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 (18)

1.一种无人驾驶设备的控制方法，包括：
响应于无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定所述无人驾驶设备在所述第一路径上对应的至少一个让超决策集合；
确定每个所述让超决策集合对应的至少一个加速度序列，其中，所述加速度序列中包含所述无人驾驶设备在每个子路径对应的加速度，所述子路径为所述第一路径中以所述路径交点为分界点的路径；
基于每个所述让超决策集合对应的至少一个加速度序列，确定所述无人驾驶设备在各子路径上的目标加速度；
基于所述第一路径及所述各子路径上的目标加速度，对所述无人驾驶设备进行控制。
2.根据权利要求1所述的方法，其中，所述确定每个所述让超决策集合对应的至少一个加速度序列，包括：
获取第一个障碍物到达第一个路径交点的第一时长、当前时刻所述无人驾驶设备与所述第一个路径交点之间的第一距离，所述无人驾驶设备当前的第一速度；
根据所述让超决策集合中所述第一个路径交点对应的让超决策、所述第一距离、所述第一速度、所述第一时长，确定所述无人驾驶设备在第一个子路径对应的第一加速度区间；
基于所述第一加速度区间内的任一加速度，所述第一距离、所述第一速度，确定所述无人驾驶设备在第一个路径交点的第二速度；
获取所述第一个路径交点与所述第二个路径交点之间的第二距离、第二个障碍物到达所述第二个路径交点的第二时长；
基于所述让超决策集合中所述第二个路径交点对应的让超决策、所述第二距离、所述第二速度、所述第二时长，返回执行所述加速度区间的操作，直至获取所述无人驾驶设备在最后一个子路径的加速度。
3.根据权利要求2所述的方法，其中，所述确定所述无人驾驶设备在第一个子路径对应的第一加速度区间，包括：
根据所述让超决策集合中所述第一个路径交点对应的让超决策及所述第一时长，确定所述无人驾驶设备到达所述第一个路径交点的第三时长对应的约束条件；
根据所述第三时长对应的约束条件、所述第一距离及所述第一速度，确定所述第一加速度区间。
4.根据权利要求1所述的方法，其中，所述基于每个所述让超决策集合对应的至少一个加速度序列，确定所述无人驾驶设备在各子路径上的目标加速度，包括：
确定每个所述加速度序列分别对应的损失值；
基于每个所述让超决策集合对应的至少一个损失值，确定所述无人驾驶设备在各子路径上的目标加速度。
5.根据权利要求4所述的方法，其中，所述确定每个所述加速度序列分别对应的损失值，包括：
将所述加速度序列中各加速度的第一绝对值的和，确定为第一子损失值；
确定所述加速度序列中每两个相邻的加速度间的差值的第二绝对值；
将所述第二绝对值的和，确定为第二子损失值；
根据所述第一子损失值及所述第二子损失值，确定所述加速度序列对应的损失值。
6.根据权利要求4所述的方法，其中，所述基于每个所述让超决策集合对应的至少一个损失值，确定所述无人驾驶设备在各子路径上的目标加速度，包括：
基于每个所述让超决策集合对应的至少一个损失值，确定每个所述让超决策集合分别对应的最小损失值；
将所述至少一个让超决策集合分别对应的最小损失值中的最小值，确定为第一目标损失值；
将所述第一目标损失值对应的加速度序列中的各加速度，确定为所述无人驾驶设备在各子路径上的目标加速度。
7.根据权利要求4所述的方法，其中，所述基于每个所述让超决策集合对应的至少一个损失值，确定所述无人驾驶设备在各子路径上的目标加速度，包括：
基于每个所述让超决策集合对应的至少一个损失值，确定每个所述让超决策集合分别对应的最大损失值；
将所述至少一个让超决策集合分别对应的最大损失值中的最小值，确定为第二目标损失值；
将所述第二目标损失值对应的加速度序列中的各加速度，确定为所述无人驾驶设备在各子路径上的目标加速度。
8.一种无人驾驶设备的控制装置，包括：
第一确定模块，用于响应于无人驾驶设备的第一路径，与周围每个障碍物对应的每个第二路径之间存在路径交点，确定所述无人驾驶设备在所述第一路径上对应的至少一个让超决策集合；
第二确定模块，用于确定每个所述让超决策集合对应的至少一个加速度序列，其中，所述加速度序列中包含所述无人驾驶设备在每个子路径对应的加速度，所述子路径为所述第一路径中以所述路径交点为分界点的路径；
第三确定模块，用于基于每个所述让超决策集合对应的至少一个加速度序列，确定所述无人驾驶设备在各子路径上的目标加速度；
控制模块，用于基于所述第一路径及所述各子路径上的目标加速度，对所述无人驾驶设备进行控制。
9.根据权利要求8所述的装置，其中，所述第二确定模块，具体用于：
获取第一个障碍物到达第一个路径交点的第一时长、当前时刻所述无人驾驶设备与所述第一个路径交点之间的第一距离，所述无人驾驶设备当前的第一速度；
根据所述让超决策集合中所述第一个路径交点对应的让超决策、所述第一距离、所述第一速度、所述第一时长，确定所述无人驾驶设备在第一个子路径对应的第一加速度区间；
基于所述第一加速度区间内的任一加速度，所述第一距离、所述第一速度，确定所述无人驾驶设备在第一个路径交点的第二速度；
获取所述第一个路径交点与所述第二个路径交点之间的第二距离、第二个障碍物到达所述第二个路径交点的第二时长；
基于所述让超决策集合中所述第二个路径交点对应的让超决策、所述第二距离、所述第二速度、所述第二时长，返回执行所述加速度区间的操作，直至获取所述无人驾驶设备在最后一个子路径的加速度。
10.根据权利要求9所述的装置，其中，所述第二确定模块，还具体用于：
根据所述让超决策集合中所述第一个路径交点对应的让超决策及所述第一时长，确定所述无人驾驶设备到达所述第一个路径交点的第三时长对应的约束条件；
根据所述第三时长对应的约束条件、所述第一距离及所述第一速度，确定所述第一加速度区间。
11.根据权利要求8所述的装置，其中，所述第三确定模块，具体包括：
第一确定单元，用于确定每个所述加速度序列分别对应的损失值；
第二确定单元，用于基于每个所述让超决策集合对应的至少一个损失值，确定所述无人驾驶设备在各子路径上的目标加速度。
12.根据权利要求11所述的装置，其中，所述第一确定单元，具体用于：
将所述加速度序列中各加速度的第一绝对值的和，确定为第一子损失值；
确定所述加速度序列中每两个相邻的加速度间的差值的第二绝对值；
将所述第二绝对值的和，确定为第二子损失值；
根据所述第一子损失值及所述第二子损失值，确定所述加速度序列对应的损失值。
13.根据权利要求11所述的装置，其中，所述第二确定单元，具体用于：
基于每个所述让超决策集合对应的至少一个损失值，确定每个所述让超决策集合分别对应的最小损失值；
将所述至少一个让超决策集合分别对应的最小损失值中的最小值，确定为第一目标损失值；
将所述第一目标损失值对应的加速度序列中的各加速度，确定为所述无人驾驶设备在各子路径上的目标加速度。
14.根据权利要求11所述的装置，其中，所述第二确定单元，具体用于：
基于每个所述让超决策集合对应的至少一个损失值，确定每个所述让超决策集合分别对应的最大损失值；
将所述至少一个让超决策集合分别对应的最大损失值中的最小值，确定为第二目标损失值；
将所述第二目标损失值对应的加速度序列中的各加速度，确定为所述无人驾驶设备在各子路径上的目标加速度。
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权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
18.一种自动驾驶车辆，包括如权利要求15所述的电子设备。
CN202310465361.2A 2023-04-26 2023-04-26 无人驾驶设备的控制方法、装置、电子设备及存储介质 Pending CN116700065A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310465361.2A CN116700065A (zh) 2023-04-26 2023-04-26 无人驾驶设备的控制方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310465361.2A CN116700065A (zh) 2023-04-26 2023-04-26 无人驾驶设备的控制方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116700065A true CN116700065A (zh) 2023-09-05

Family

ID=87836386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310465361.2A Pending CN116700065A (zh) 2023-04-26 2023-04-26 无人驾驶设备的控制方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116700065A (zh)

Similar Documents

Publication Publication Date Title
CN113682318B (zh) 车辆行驶控制方法及装置
CN114771572A (zh) 一种自动驾驶轨迹预测方法、装置、设备和存储介质
CN114506343B (zh) 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆
CN114987546A (zh) 轨迹预测模型的训练方法、装置、设备及存储介质
CN113978465A (zh) 一种变道轨迹规划方法、装置、设备以及存储介质
CN116499487B (zh) 一种车辆的路径规划方法、装置、设备及介质
CN114526752A (zh) 一种路径规划方法、装置、电子设备及存储介质
CN117168488A (zh) 一种车辆的路径规划方法、装置、设备及介质
CN113715821B (zh) 控制车辆的方法、装置、电子设备和介质
CN114590246B (zh) 一种双通道通信自动泊车方法、装置、设备和存储介质
CN115959154A (zh) 变道轨迹的生成方法、装置和存储介质
CN115535003A (zh) 自动驾驶车辆的路口控制方法、装置、电子设备和介质
CN116700065A (zh) 无人驾驶设备的控制方法、装置、电子设备及存储介质
CN114919661A (zh) 一种泊车控制方法、装置、设备和存储介质
CN113715845A (zh) 一种自动驾驶方法、装置及电子设备
CN114590248B (zh) 行驶策略的确定方法、装置、电子设备和自动驾驶车辆
CN113791564B (zh) 远程控制的方法、装置、设备、云端服务器及控制系统
CN116331190B (zh) 记忆泊车的记忆路线的修正方法、装置、设备及车辆
CN118810822A (zh) 一种基于拓扑结构的空间约束方法、装置、设备及介质
CN113553255B (zh) 路线场景文件的生成方法、装置、电子设备及存储介质
CN117922572A (zh) 掉头场景下车辆限速方法、设备及自动驾驶车辆
CN116225019A (zh) 无人驾驶设备的控制方法、装置、电子设备及存储介质
CN117068198A (zh) 轨迹规划方法、装置、电子设备及自动驾驶车辆
CN117360548A (zh) 一种车辆横向控制方法、装置、设备及存储介质
CN117508223A (zh) 自动驾驶变道决策及模型训练方法、装置、设备和车辆

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