CN116734878A - 路径规划方法、装置、电子设备、介质及自动驾驶车辆 - Google Patents
路径规划方法、装置、电子设备、介质及自动驾驶车辆 Download PDFInfo
- Publication number
- CN116734878A CN116734878A CN202310693421.6A CN202310693421A CN116734878A CN 116734878 A CN116734878 A CN 116734878A CN 202310693421 A CN202310693421 A CN 202310693421A CN 116734878 A CN116734878 A CN 116734878A
- Authority
- CN
- China
- Prior art keywords
- path
- constraint
- constraint condition
- smooth
- smoothing
- 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 88
- 238000009499 grossing Methods 0.000 claims abstract description 98
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 11
- 230000000452 restraining effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000005457 optimization Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000010295 mobile communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010845 search algorithm Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002699 waste material 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Abstract
本公开提供了一种路径规划方法、装置、电子设备、介质及自动驾驶车辆,可以用于计算机技术领域和智能驾驶技术领域。该路径规划方法包括:根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,第一约束条件包括以下至少一项:控制约束条件和避障约束条件;以及根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径,第二约束条件包括以下至少两项:控制约束条件和避障约束条件,且第二约束条件的数目大于第一约束条件的数目。
Description
技术领域
本公开涉及计算机技术领域和自动驾驶领域,更具体地,涉及一种路径规划方法、装置、电子设备、介质及自动驾驶车辆。
背景技术
随着计算机技术的发展,自动驾驶车辆(Autonomous Vehicles)应运而生。自动驾驶汽车可以指基于人工智能、视觉计算、雷达、监控装置和全球定位系统(GlobalPositioning System,GPS)的协同合作,能够通过计算机自动操作的机动车辆。
在自动驾驶车辆的工作过程中,自动驾驶车辆能够按照规划好的路径,朝着目的地行驶。路径规划过程包括路径搜索和路径平滑。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下问题:由于平滑路径的求解过程对初始解的依赖程度高,导致初始解影响路径生成准确率和生成速度。
发明内容
有鉴于此,本公开提供了一种路径规划方法、装置、电子设备、介质及自动驾驶车辆。
本公开的一个方面提供了一种路径规划方法,包括:
根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,第一约束条件包括以下至少一项:控制约束条件和避障约束条件;以及
根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径,第二约束条件包括以下至少两项:控制约束条件和避障约束条件,且第二约束条件的数目大于第一约束条件的数目。
根据本公开的实施例,其中,根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,包括:
获取代价函数,代价函数包括第一平滑路径与初始规划路径之间的距离差值项和控制量差值项;以及
在满足第一约束条件的情况下,求解代价函数的值最小时的路径参数,得到第一平滑路径。
根据本公开的实施例,其中,在满足第一约束条件的情况下,求解代价函数的最小时的路径参数,得到第一平滑路径,包括:
将随机控制量和随机路径参数作为第一初始解,利用非线性规划求解器,求解在满足第一约束条件的情况下,代价函数最小时的路径参数,得到第一平滑路径。
根据本公开的实施例,其中,根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标路径,包括:
将第一平滑路径作为第二初始解,利用非线性规划求解器,在满足第二约束条件的情况下,求解代价函数的值最小时的路径参数,得到目标平滑路径。
根据本公开的实施例,其中,控制约束条件包括:速度约束条件和前轮转角约束条件;
速度约束条件包括自动驾驶车辆的速度上限约束和速度下限约束;
前轮转角约束条件包括自动驾驶车辆前轮转角的转向幅度上限约束与转向幅度下限约束。
根据本公开的实施例,其中,避障约束条件包括障碍物约束,障碍物约束表征自动驾驶车辆以第一平滑路径或目标平滑路径行驶时,与障碍物不发生碰撞的距离约束。
根据本公开的实施例,其中,障碍物被表征为圆形,障碍物约束包括:
第一平滑路径或目标平滑路径中每个路径点与圆形的圆心的距离大于障碍物的半径。
根据本公开的实施例,还包括:
确定第一平滑路径和第三约束条件的约束关系,约束关系用于表征第一平滑路径是否满足第三约束条件,第三约束条件包括控制约束条件或避障约束条件,且第三约束条件与第一约束条件不同;
在约束关系表征第一平滑路径不满足第三约束条件的情况下,根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径。
根据本公开的实施例,还包括:
在约束关系表征第一平滑路径满足第三约束条件的情况下,将第一平滑路径确定为目标平滑路径。
本公开的另一个方面提供了一种路径规划装置,包括:
第一平滑模块,用于根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,第一约束条件包括以下至少一项:控制约束条件和避障约束条件;
第二平滑模块,用于根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径,第二约束条件包括以下至少两项:控制约束条件和避障约束条件,且第二约束条件的数目大于第一约束条件的数目。
本公开的另一个方面,提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个指令,
其中,当上述一个或多个指令被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如本公开的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,指令在被执行时用于实现如上的方法。
本公开的另一方面提供了一种计算机程序产品,计算机程序产品包括计算机可执行指令,指令在被执行时用于实现如上的方法。
本公开的另一方面提供了一种自动驾驶车辆,包括上述电子设备。
根据本公开的实施例,由于简化后的约束条件对初始解不敏感,因此,先根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径;再根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径,能够克服直接在控制约束条件和避障约束条件下求解平滑路径对初始解敏感的缺点,至少部分地解决了由于平滑路径的求解过程对初始解的依赖程度高,导致初始解影响路径生成准确率和生成速度的技术问题,能够实现提高求解准确率和求解速度、提高路径规划安全性的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了可以应用本公开的用于路径规划方法和装置的示例性系统架构;
图2示意性示出了根据本公开实施例的路径规划方法的流程图;
图3示意性示出了根据本公开实施例的路径规划方法的应用场景;
图4A示意性示出了根据本公开一具体实施例的确定目标平滑路径的流程图;
图4B示意性示出了根据本公开一具体实施例的根据第一初始解计算第一平滑路径的流程图;
图5示意性示出了根据本公开另一实施例的路径规划方法的流程图;
图6示意性示出了根据本公开实施例的路径规划装置的框图;以及
图7示意性示出了根据本公开实施例的适于实现路径规划方法的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的实施例中,所涉及的数据(例如,包括但不限于用户个人信息)的收集、更新、分析、处理、使用、传输、提供、公开、存储等方面,均符合相关法律法规的规定,被用于合法的用途,且不违背公序良俗。特别地,对用户个人信息采取了必要措施,防止对用户个人信息数据的非法访问,维护用户个人信息安全、网络安全和国家安全。
在本公开的实施例中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
路径规划过程包括路径搜索和路径平滑。路径搜索可以指在环境模型的基础上应用相应算法寻找行走路径,使预定的性能函数获得最优值的过程。路径平滑可以指对路径搜索得到的路径进行进一步处理与平滑,使其成为一条实际可行的路径的过程。
在自动驾驶车辆的行驶过程中,由于自动驾驶车辆车辆的运动学模型是非线性的,在行驶过程中由躲避障碍物等多种要求带来的约束也是非线性、非凸的,由此,路径平滑问题一般是非凸优化问题。相关技术中,一般将非凸优化问题简化为凸优化问题,进而使用二次规划等凸优化技术来求解平滑路径。但是,上述简化会导致路径规划存在细节损失,进而带来安全风险。
相关技术中,还可以利用非线性算法处理上述非凸优化问题。具体地,非线性算法根据给定的初始解迭代求解平滑路径。然而,非线性算法对初始解敏感。一方面,平滑路径的生成准确率和成功率依赖于初始解的好坏,如,根据坏的初始解无法成功计算平滑路径,导致平滑效果差;另一方面,平滑路径的生成速度也依赖于初始解,如,坏的初始解会导致求解时间长、平滑路径的生成速度慢。
为了至少部分地解决相关技术中存在的技术问题,本公开提供了一种路径规划方法、装置、电子设备和计算机存储介质,可以应用于计算机技术领域和自动驾驶技术领域。该路径规划方法包括:根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,第一约束条件包括控制约束条件或避障约束条件;以及根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径,第二约束条件包括控制约束条件和避障约束条件。
需要说明的是,本公开实施例提供的路径规划方法和装置可用于计算机技术领域和自动驾驶技术领域,例如应用于定位和导航领域。本公开实施例提供的路径规划方法和装置也可用于除计算机技术领域和自动驾驶技术领域之外的任意领域,例如应用于仓储管理领域。本公开实施例提供的路径规划方法和装置的应用领域不做限定。
图1示意性示出了可以应用本公开的用于路径规划方法和装置的示例性系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括第一终端设备101、第二终端设备102、第三终端设备103,网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括有线通信网络和无线通信网络。
例如,无线通信网络可以包括车用无线通信(Vehicle to X,V2X)。例如,车用无线通信可以包括以下至少之一:基于专用短距离通信(Dedicated Short RangeCommunication,DSRC)的车用无线通信和基于蜂窝移动通信的车用无线通信(CellularV2X,C-V2X)。基于蜂窝移动通信的车用无线通信可以包括以下至少之一:基于LTE-V2X(Long Term Evolution V2X,长期演进的车用无线通信)、基于第四代移动通信的车用无线通信(The 4th Generation Mobile Communication Technology,4G)和基于第五代移动通信(The 5th Generation Mobile Communication Technology,5G)的车用无线通信。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互,以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种导航类型应用、网页浏览器应用、搜索类应用、娱乐类应用和即时通讯类应用(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏、支持网页浏览、支持定位和导航的各种电子设备,包括但不限于自动驾驶车辆、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的路径规划方法一般可以由服务器105执行。相应地,本公开实施例所提供的路径规划装置一般可以设置于服务器105中。本公开实施例所提供的路径规划方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的路径规划装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
备选地,本公开实施例所提供的路径规划方法也可以由第一终端设备101、第二终端设备102或第三终端设备103执行,或者也可以由不同于第一终端设备101、第二终端设备102或第三终端设备103的其他终端设备执行。相应地,本公开实施例所提供的路径规划装置也可以设置于第一终端设备101、第二终端设备102或第三终端设备103中,或设置于不同于第一终端设备101、第二终端设备102或第三终端设备103的其他终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
应注意,以下方法中各个操作的序号仅作为该操作的表示以便描述,而不应被看作表示该各个操作的执行顺序。除非明确指出,否则该方法不需要完全按照所示顺序来执行。
图2示意性示出了根据本公开实施例的路径规划方法的流程图。
如图2所示,该方法包括操作S210~S220。
在操作S210,根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,第一约束条件包括以下至少一项:控制约束条件和避障约束条件。
在操作S220,根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径,第二约束条件包括以下至少两项:控制约束条件和避障约束条件,且第二约束条件的数目大于第一约束条件的数目。
根据本公开的实施例,初始规划路径表征自动驾驶车辆从起始位置点到目标位置点的规划路径。
根据本公开的实施例,初始规划路径可以根据路径搜索算法确定。例如,获取起始位置点信息和目标位置点信息,利用路径搜索算法处理起始位置点信息和目标位置点信息,输出从起始位置点到目标位置点的初始规划路径。
根据本公开的实施例,路径搜索算法包括但不限于Astar算法(A*算法)及其变种、广度优先搜索算法(Breadth-First Search,BFS)、深度优先搜索算法(Depth FirstSearch,DFS)、贪心算法、回溯算法、动态规划等多种搜索算法。
根据本公开的实施例,起始位置点信息可以是自动驾驶车辆当前的实时位置信息。例如,自动驾驶车辆可以根据定位模块确定上述起始位置点信息。定位模块可以通过多种定位方法确定起始位置点信息,例如,定位模块通过与定位系统的服务器端的实时交互操作,获取起始位置点信息。定位系统包括:全球定位系统(Global Positioning System,GPS)、北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)、全球导航卫星系统(Global Navigation Satellite System,GNSS)格洛纳斯(GLObal NAvigationSarwllite System,GLONASS)。或者,定位模块还可以通过自动驾驶车辆内配备的定位单元获取起始位置点信息。定位单元包括惯性测量单元(Inertial Measurement Unit,IMU)、视觉传感器、车端激光雷达和车端雷达等。
根据本公开的实施例,起始位置点信息也可以由用户实时输入。例如,用户通过交互界面输入起始位置点信息;或者,用户还可以通过语音等交互操作输入起始位置点信息。目标位置点信息可以由用户实时输入。例如,用户通过交互界面输入目标位置点信息;或者,用户还可以通过语音等交互操作输入目标位置点信息。
根据本公开的实施例,从起始位置点到目标位置点的路径中,可以存在至少一个障碍物。避障约束条件用于保证自动驾驶车辆在从起始位置点到目标位置点的行驶过程中,与所有障碍物都不发生碰撞。控制约束条件用于保证自动驾驶车辆以动力学标准从起始位置点行驶至目标位置点。
例如,控制约束条件可以用于保证自动驾驶车辆以车道允许的速度,从起始位置点行驶至目标位置点。控制约束条件还可以用于保证自动驾驶车辆以车辆性能允许的安全速度,从起始位置点行驶至目标位置点。
根据本公开的实施例,根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径包括:在第一约束条件下,利用非线性规划求解器对初始规划路径进行平滑处理,得到第一平滑路径。
根据本公开的实施例,根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径,包括:在第二约束条件下,利用非线性规划求解器、以及第一平滑路径对初始规划路径进行平滑处理,得到目标平滑路径。
根据本公开的实施例,非线性规划求解器包括用于处理非凸优化问题的迭代线性二次调节(iterative linear quadratic regulation,iLQR)器、增广拉格朗日迭代线性二次调节(augmented Lagrangian iterative linear quadratic regulation,AL-iLQR)器等。
根据本公开的实施例,避障约束条件和控制约束条件属于不同维度的非线性约束,两者的非线性约束形式、约束条件均不同。在生成平滑路径的过程中,自动驾驶车辆需要同时满足控制约束条件和避障约束条件。然而,在同时满足控制约束条件和避障约束条件的情况下求解平滑路径,会导致平滑路径的求解过程对初始解敏感。
根据本公开的实施例,由于第一约束条件的数目小于第二约束条件的数目,因此第一约束条件可以看作对第二约束条件进行简化后得到的约束条件,由此,简化后的约束条件对初始解不敏感。
例如,第一约束条件仅包括一个维度的约束条件,如避障约束条件或控制约束条件,第二约束条件同时包括上述两个维度的约束条件,如避障约束条件和控制约束条件。此时,第一约束条件是第二约束条件简化后得到约束条件。
根据本公开的实施例,由于简化后的约束条件对初始解不敏感,因此,先根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径;再根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径,能够克服直接在控制约束条件和避障约束条件下求解平滑路径对初始解敏感的缺点,至少部分地解决了由于平滑路径的求解过程对初始解的依赖程度高,导致初始解影响路径生成准确率和生成速度的技术问题,能够实现提高求解准确率和求解速度、提高路径规划安全性的技术效果。
下面参考图3、图4A、图4B和图5,结合具体实施例对图2所示的方法做进一步说明。
图3示意性示出了根据本公开实施例的路径规划方法的应用场景300。
如图3所示,起始位置点可以是A点,目标位置点可以是B点,从A点到B点的过程中,存在多个障碍物,如图300中菱形图案。根据起始位置点信息和目标位置点信息生成的初始规划路径如图300中实线所示,目标平滑路径如图300中虚线所示。与初始规划路径相比,目标平滑路径较为平滑,不包括折线。
根据本公开的实施例,在执行操作S210之前,路径规划方法还包括确定初始规划路径。确定初始规划路径的方法可以包括:
获取起始位置点信息和目标位置点信息,基于车辆运动学模型,根据起始位置点信息和目标位置点信息进行路径搜索,得到至少一个路径点,至少一个路径点构成初始规划路径。
根据本公开的实施例,车辆运动学模型可以根据实际业务需求进行设置,在此不作限定。例如,车辆运动学模型可以包括以下至少之一:以后轴中心为参考点的车辆运动学模型、以前轴中心为参考点的车辆运动学模型和以质心为参考点的车辆运动学模型。
根据本公开的实施例,以后轴中心为参考点的车辆运动学模型可以如下式(1)~式(3)所示。该模型可以描述车辆的位置和航向角随纵向速度和前轮转角的变化情况。
根据本公开的实施例,以前轴中心为参考点的车辆运动学模型可以如下式(4)~式(6)所示。该模型可以描述车辆的位置和航向角随纵向速度和前轮转角的变化情况。
根据本公开的实施例,以质心为参考点的车辆运动学模型可以如下式(7)~式(10)所示。该模型可以描述车辆的位置和航向角随纵向速度和前轮转角的变化情况。
其中,可以表征车辆的x方向坐标,/>可以表征车辆的y方向坐标,θ可以表征车辆的航向角,v可以表征车辆的纵向速度,δ可以表征车辆的前轮转角,L可以表征车辆的底盘长度,Lr可以表征车辆的质心到后轴的中心。
根据本公开的实施例,在选用以后轴中心为参考点的车辆运动学模型的情况下,可以使用欧拉方法对给定初值的常微分方程求解。欧拉方法可以包括以下至少之一:前向欧拉法和后向欧拉法。例如,可以使用前向欧拉法对以后轴中心为参考点的车辆运动学模型进行离散化,得到离散时间下的运动学模型如下式(11)~式(13)所示。
xk+1=xk+vkcos(θk)Δt (11)
yk+1=yk+vksin(θk)Δt (12)
其中,xk可以表征离散后的车辆的x方向坐标,yk可以表征离散后的车辆的y方向坐标,θk可以表征离散后的车辆的航向角,vk可以表征离散后的车辆的纵向速度,δk可以表征离散后的车辆的前轮转角,Δt可以表征采样时间。k=0、1、2、…、n、…、N,N可以是大于或等于0的整数。
根据本公开的实施例,在路径搜索过程中直接考虑车辆运动学模型,保障初始规划路径是根据车辆实际运动学性能确定的,能够减少车辆的实际路径和规划路径之间的偏差,进而能够提高后续生成目标平滑路径的准确性和精确性。
根据本公开的实施例,针对操作S210,根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,包括以下步骤:
获取代价函数,代价函数包括第一平滑路径与初始规划路径之间的距离差值项和控制量差值项。
在满足第一约束条件的情况下,求解代价函数的值最小时的路径参数,得到第一平滑路径。
根据本公开的实施例,可以将路径平滑问题建模为一个带约束的最优控制问题,将在约束条件下求得代价函数的最小值建模为优化目标。
根据本公开的实施例,优化函数可以表示为:
其中,Xr,k可以表征初始规划路径,包括至少一个路径点,Xk可以表征平滑路径,Uk可以表征控制量序列,Qk是一个3×3的半正定矩阵,k=1,2,...,N-1,R是一个2×2的正定矩阵,(Xk-Xr,k)TQk(Xk-Xr,k)项用于对平滑后的路径和初始规划路径的偏差进行惩罚,使得平滑后的路径接近初始规划路径;Uk TRUk项对控制量进行惩罚,防止控制量过大、变化过大,能够实现平滑控制量的效果。Qk和R用于调节控制量和路径的平衡系数,可以根据实际情况确定。
根据本公开的实施例,优化目标可以表示为公式(15)和(16):
s.t.Xk+1=F(Xk,Uk) (16)
其中,公式(15)中的参数含义参见公式(14)的解释;公式(16)作为公式(15)的运动学约束条件,与公式(15)共同建模为优化目标,其中,Xk+1=F(Xk,Uk)表示公式(11)~(13)简写得到的离散时间下的运动学模型,Xk=[xk,yk,θk]T,Uk=[vk,δk]T。
作为本公开的另一个实施例,公式(16)也可以与公式(14)共同看作代价函数,其中,公式(16)作为代价函数的运动学约束条件。
根据本公开的实施例,第一平滑路径与初始规划路径之间距离差值项为控制量差值项为Uk TRUk,其中,Xk表征第一平滑路径,Uk可以表征第一平滑路径的控制量序列。
根据本公开的实施例,在满足第一约束条件的情况下,求解代价函数的值最小时的路径参数,得到第一平滑路径可以理解为:在约束条件为gk(Xk)<0或者fk(Uk)<0时,求解满足公式(15)和(16)的路径参数,得到第一平滑路径。其中,gk(Xk)<0表征避障约束条件,fk(Uk)<0表征控制约束条件。
根据本公开的实施例,在满足第一约束条件的情况下,求解代价函数的值最小时的路径参数,得到第一平滑路径包括:将随机控制量和随机路径参数作为第一初始解,利用非线性规划求解器,求解在满足第一约束条件的情况下,代价函数最小时的路径参数,得到第一平滑路径。
根据本公开的实施例,可以由非线性规划求解器在约束条件为gk(Xk)<0或者fk(Uk)<0时,求解满足公式(15)和(16)的路径参数,得到第一平滑路径。
根据本公开的实施例,非线性规划求解器包括iLQR器和AL-iLQR器等。其中,AL-iLQR器作为iLQR器的一个变种,在iLQR算法的基础上加入了增广拉格朗日函数。
根据本公开的实施例,根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标路径,包括:将第一平滑路径作为第二初始解,利用非线性规划求解器,在满足第二约束条件的情况下,求解代价函数的值最小时的路径参数,得到目标平滑路径。
根据本公开的实施例,在计算目标平滑路路径的过程中,可以由非线性规划求解器在约束条件为gk(Xk)<0和fk(Uk)<0时,求解满足公式(15)和(16)的路径参数,得到目标平滑路径。
根据本公开的实施例,求解目标平滑路径的非线性规划求解器与求解第一平滑路径的非线性规划求解器相同,包括iLQR器和AL-iLQR器等。
根据本公开的实施例,在第二约束条件下,对初始规划路径进行平滑得到目标平滑路径的方法与得到第一平滑路径的方法相似,仅在约束条件和初始解不同,在此不再赘述。
根据本公开的实施例,路径规划方法包括:将随机控制量和随机路径参数作为第一初始解,仅在避障约束条件的情况下,对初始规划路径进行平滑处理,得到第一平滑路径;将第一平滑路径作为第二初始解,在控制约束条件和避障约束条件下,对初始规划路径进行平滑处理,得到目标平滑路径。
或者,路径规划方法还包括:将随机控制量和随机路径参数作为第一初始解,仅在控制约束条件的情况下,对初始规划路径进行平滑处理,得到第一平滑路径;将第一平滑路径作为第二初始解,在控制约束条件和避障约束条件下,对初始规划路径进行平滑处理,得到目标平滑路径。
在本公开的实施例,由于简化后的约束条件对初始解不敏感,先根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径;然后将第一平滑路径作为第二次平滑计算的初始解,并在第二约束条件下对初始规划路径进行平滑处理,得到目标平滑路径,既能够克服在控制约束条件和避障约束条件下求解平滑路径对初始解敏感的缺点,又能提高求解准确率和求解速度、提高路径规划安全性。
根据本公开的实施例,控制约束条件包括:速度约束条件和前轮转角约束条件。
根据本公开的实施例,速度约束条件包括自动驾驶车辆的速度上限约束和速度下限约束。
根据本公开的实施例,前轮转角约束条件包括自动驾驶车辆前轮转角的转向幅度上限约束与转向幅度下限约束。
根据本公开的实施例,转向幅度上限约束可以表征为:
其中,fk,1(Uk)表征转向幅度上限约束,表征转向幅度上限,δk可以表征离散后的车辆的前轮转角。
根据本公开的实施例,转向幅度下限约束可以表征为:
fk,2(Uk)=δ-δk<0 (18)
其中,fk,2(Uk)表征转向幅度下限约束,δ表征转向幅度下限,δk可以表征离散后的自动驾驶车辆的前轮转角。
根据本公开的实施例,速度上限约束可以表征为:
其中,fk,3(Uk)表征速度上限约束,表征速度上限,vk可以表征自动驾驶车辆的纵向速度。
根据本公开的实施例,速度下限约束可以表征为:
fk,4(Uk)=v-vk<0 (20)
其中,fk,4(Uk)表征速度下限约束,v表征速度下限,vk可以表征自动驾驶车辆的纵向速度。
根据本公开的实施例,避障约束条件包括障碍物约束,障碍物约束表征自动驾驶车辆以第一平滑路径或目标平滑路径行驶时,与障碍物不发生碰撞的距离约束。
根据本公开的实施例,障碍物被表征为圆形,障碍物约束包括:第一平滑路径或目标平滑路径中每个路径点与圆形的圆心的距离大于障碍物的半径。
根据本公开的实施例,障碍物约束可以表征为:
gk(Xk)=Robs-(xk-xobs)2-(yk-yobs)2<0 (21)
其中,Robs表征障碍物的半径,(xobs,yobs)表征圆心的坐标,xobs表征圆心的横坐标,yobs表征圆心的纵坐标,(xk,yk)表征第一平滑路径或目标平滑路径中的第k个路径点的坐标。
图4A示意性示出了根据本公开一具体实施例的确定目标平滑路径的流程图。
如图4A所示,确定目标平滑路径的流程图400A示意性示出了确定目标平滑路径的流程。
初始规划路径401可以根据自动驾驶车辆的起始位置点和目标位置点确定。根据初始规划路径401可以确定路径参数403和控制量404。其中,路径参数403可以表征初始规划路径中至少一个路径点的坐标信息,控制量404可以表征与至少一个路径点对应的控制量信息,如自动驾驶车辆的速度、自动驾驶车辆的前轮转角。
第一平滑路径402可以由非线性规划求解器,如AL-iLQR器,经过多轮迭代后,在代价函数的值最小时求解得到的。根据第一平滑路径402可以确定平滑后控制量405和平滑后路径参数406。其中,平滑后路径参数406可以表征第一平滑路径中至少一个路径点的坐标信息,平滑后控制量405可以表征与至少一个路径点对应的控制量信息,如自动驾驶车辆的速度、自动驾驶车辆的前轮转角。
根据本公开的实施例,初始规划路径401与第一平滑规划路径402可以包括相同数目的路径点。
根据本公开的实施例,根据路径参数403和平滑后路径参数406,可以计算第一距离差值408。根据控制量404和平滑后控制量405,可以计算第一控制量差值407。具体地,可以根据公式(14)或(15)中的计算第一距离差值408;根据公式(14)或(15)中的Uk TRUk,计算第一控制量差值407。之后,将第一距离差值408和第一控制量差值407相加得到第一代价函数值410。
根据本公开的实施例,根据第一初始解409、第一代价函数值410和第一约束条件411确定第一平滑路径402。例如,将第一初始解409作为非线性规划求解器的初始解,求解在满足第一约束条件411的情况下,第一代价函数值410最小的路径参数,得到第一平滑路径402。其中,第一初始解409为随机初始解。
目标平滑路径412可以由非线性规划求解器,如AL-iLQR器,经过多轮迭代后,在代价函数的值最小时求解得到。根据目标平滑路径412可以确定目标控制量413和目标路径参数414。其中,目标路径参数414可以表征目标平滑路径中至少一个路径点的坐标信息,目标控制量413可以表征与至少一个路径点对应的控制量信息,如自动驾驶车辆的速度、自动驾驶车辆的前轮转角。
根据本公开的实施例,根据路径参数403和目标路径参数414,可以计算第二距离差值416。根据控制量404和目标控制量413,可以计算第二控制量差值415。具体地,可以根据公式(14)或(15)中的计算第二距离差值416;根据公式(14)或(15)中的Uk TRUk,计算第二控制量差值415。而后,将第二距离差值416和第二控制量差值415相加得到第二代价函数值417。
根据本公开的实施例,根据第一平滑路径402、第二代价函数值417和第二约束条件418确定目标平滑路径412。例如,将第一平滑路径402作为非线性规划求解器的第二初始解,求解在满足第二约束条件418的情况下,第二代价函数值417最小的路径参数,得到目标平滑路径412。
图4B示意性示出了根据本公开一具体实施例的根据第一初始解计算第一平滑路径的流程图。
如图4B所示,根据第一初始解计算第一平滑路径的流程图400B示意性示出了利用非线性规划求解器计算第一平滑路径的流程。
根据本公开的实施例,第一初始解409包括随机控制量409_1和随机路径参数409_2。将随机控制量409_1、随机路径参数409_2、代价函数419和第一约束条件411输入非线性规划求解器420,以便非线性规划求解器420通过T轮迭代,在第一代价函数值最小时输出第一平滑路径402,其中,T大于等于2,具体数目可以根据实际情况确定。例如,在第一代价函数值收敛的情况下,停止迭代。
例如,在T轮迭代过程中,以随机控制量409_1、随机路径参数409_2作为初始解,在第一约束条件411的情况下,通过不断迭代,产生一系列改进解,例如,X(1)和U(1),X(2)和U(2),…,X(T)和U(T),直至改进解的第一代价函数值最小,表征改进解收敛到原优化问题的局部最优解,得到第一平滑路径402。
根据本公开的实施例,利用非线性规划求解器计算目标平滑路径的流程与上述图400B类似,在此不再赘述。
根据本公开的实施例,路径规划方法还包括:确定第一平滑路径和第三约束条件的约束关系,约束关系用于表征第一平滑路径是否满足第三约束条件,第三约束条件包括控制约束条件或避障约束条件,且第三约束条件与第一约束条件不同。在约束关系表征第一平滑路径不满足第三约束条件的情况下,根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径。
根据本公开的实施例,在第一约束条件包括避障约束条件的情况下,第三约束条件包括控制约束条件;在第一约束条件包括控制约束条件的情况下,第三约束条件包括避障约束条件。第一约束条件和第三约束条件构成第二约束条件。
根据本公开的实施例,由于自动驾驶车辆要求较高的求解成功率和较快的求解速度,使得满足在100毫秒内求解一次的实时性要求,通过将第一平滑路径确定为二次平滑求解问题的初始解,虽然能够提高求解速度和求解难度,但是二次求解计算仍然需要耗时计算。
根据本公开的实施例,由于第一约束条件为第二约束条件的简化约束条件,根据简化后的第一约束条件确定的第一平滑路径可能满足完整的第二约束条件。由此,在根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径之前,确定第一平滑路径与第三约束条件的约束关系,以便确定是否需要继续进行二次求解。
根据本公开的实施例,在约束关系表征第一平滑路径不满足第三约束条件的情况下,第一平滑路径不能同时满足避障约束条件和控制约束条件,由此,根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,以得到同时满足避障约束条件和控制约束条件的目标平滑路径。
在约束关系表征第一平滑路径满足第三约束条件的情况下,第一平滑路径已经能够同时满足避障约束条件和控制约束条件,由此,可以将第一平滑路径确定为目标平滑路径。
本公开的实施例以判断的形式,确定第一平滑路径是否同时满足避障约束条件和控制约束条件,能够避免第二层不必要的平滑求解,减少整个路径平滑模块的耗时,在保证求解成功率的同时进一步提高了求解速度,减少了计算资源的浪费。
图5示意性示出了根据本公开另一实施例的路径规划方法的流程图。
如图5所示,另一实施例的路径规划方法的流程图500包括操作S501~操作S505。
在操作S501,确定初始规划路径。
在操作S502,根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径。
在操作S503,第一平滑路径是否满足第三约束条件。在第一平滑路径满足第三约束条件的情况下,进入操作S505;在第一平滑路径不满足第三约束条件的情况下,进入操作S504。
在操作S504,根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径。
在操作S505,将第一平滑路径确定为目标平滑路径。
以上仅是示例性实施例,但不限于此,还可以包括本领域已知的其他路径规划方法,只要能够在控制约束条件和避障约束条件下平滑路径求解操作对初始解敏感的缺点,实现提高求解成功率和求解速度、提高路径规划安全性的技术效果即可。
图6示意性示出了根据本公开实施例的路径规划装置的框图。
如图6所示,路径规划装置600包括第一平滑模块610和第二平滑模块620。
第一平滑模块610,用于根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,第一约束条件包括以下至少一项:控制约束条件和避障约束条件。
第二平滑模块620,用于根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径,第二约束条件包括以下至少两项:控制约束条件和避障约束条件,且第二约束条件的数目大于第一约束条件的数目。
根据本公开的实施例,第一平滑模块610包括获取子模块和第一平滑子模块。
获取子模块,用于获取代价函数,代价函数包括第一平滑路径与初始规划路径之间的距离差值项和控制量差值项。
第一平滑子模块,用于在满足第一约束条件的情况下,求解代价函数的值最小时的路径参数,得到第一平滑路径。
根据本公开的实施例,第一平滑子模块包括第一平滑单元,用于将随机控制量和随机路径参数作为第一初始解,利用非线性规划求解器,求解在满足第一约束条件的情况下,代价函数最小时的路径参数,得到第一平滑路径。
根据本公开的实施例,第二平滑模块620包括第二平滑子模块,用于将第一平滑路径作为第二初始解,利用非线性规划求解器,在满足第二约束条件的情况下,求解代价函数的值最小时的路径参数,得到目标平滑路径。
根据本公开的实施例,控制约束条件包括:速度约束条件和前轮转角约束条件。
速度约束条件包括自动驾驶车辆的速度上限约束和速度下限约束。
前轮转角约束条件包括自动驾驶车辆前轮转角的转向幅度上限约束与转向幅度下限约束。
根据本公开的实施例,避障约束条件包括障碍物约束,障碍物约束表征自动驾驶车辆以第一平滑路径或目标平滑路径行驶时,与障碍物不发生碰撞的距离约束。
根据本公开的实施例,障碍物被表征为圆形,障碍物约束包括:第一平滑路径或目标平滑路径中每个路径点与圆形的圆心的距离大于障碍物的半径。
根据本公开的实施例,路径规划模块还包括关系确定模块,关系确定模块用于确定第一平滑路径和第三约束条件的约束关系,约束关系用于表征第一平滑路径是否满足第三约束条件,第三约束条件包括控制约束条件或避障约束条件,且第三约束条件与第一约束条件不同。
在约束关系表征第一平滑路径不满足第三约束条件的情况下,关系确定模块能够调用第二平滑模块620,以便第二平滑模块620根据第二约束条件和第一平滑路径,对初始规划路径进行平滑处理,得到目标平滑路径。
根据本公开的实施例,路径规划模块还包括第三平滑模块,用于在约束关系表征第一平滑路径满足第三约束条件的情况下,将第一平滑路径确定为目标平滑路径。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一平滑模块610和第二平滑模块620中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,第一平滑模块610和第二平滑模块620中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一平滑模块610和第二平滑模块620中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中路径规划装置部分与本公开的实施例中路径规划方法部分是相对应的,路径规划装置部分的描述具体参考路径规划方法部分,在此不再赘述。
图7示意性示出了根据本公开实施例的适于实现路径规划方法的电子设备的框图。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,根据本公开实施例的电子设备700包括处理器701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 703中,存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备700还可以包括输入/输出(I/O)接口705,输入/输出(I/O)接口705也连接至总线704。系统700还可以包括连接至I/O接口705的以下部件中的一项或多项:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,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710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开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存储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。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储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执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于: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)、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。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行本公开实施例所提供的方法的程序代码,当计算机程序产品在电子设备上运行时,该程序代码用于使电子设备实现本公开实施例所提供的路径规划方法。
在该计算机程序被处理器701执行时,执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分709被下载和安装,和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
基于前述的电子设备,本公开还提供一种自动驾驶车辆,可以包括电子设备,还可以包括通信部件、用于实现人机界面的显示屏以及用于采集周围环境信息的信息采集设备等,通信部件、显示屏、信息采集设备与电子设备之间通信连接。自动驾驶车辆包括的电子设备可以实现本公开实施例所述的对象运动轨迹信息处理方法。
其中,电子设备可以与通信部件、显示屏以及信息采集设备一体集成,也可以与通信部件、显示屏以及信息采集设备分体设置。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(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,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。本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (14)
1.一种路径规划方法,包括:
根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,所述第一约束条件包括以下至少一项:控制约束条件和避障约束条件;以及
根据第二约束条件和所述第一平滑路径,对所述初始规划路径进行平滑处理,得到所述目标平滑路径,所述第二约束条件包括以下至少两项:所述控制约束条件和所述避障约束条件,且所述第二约束条件的数目大于所述第一约束条件的数目。
2.根据权利要求1所述的方法,其中,所述根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,包括:
获取代价函数,所述代价函数包括所述第一平滑路径与所述初始规划路径之间的距离差值项和控制量差值项;以及
在满足所述第一约束条件的情况下,求解所述代价函数的值最小时的路径参数,得到所述第一平滑路径。
3.根据权利要求2所述的方法,其中,在满足所述第一约束条件的情况下,求解所述代价函数的最小时的路径参数,得到所述第一平滑路径,包括:
将随机控制量和随机路径参数作为第一初始解,利用非线性规划求解器,求解在满足第一约束条件的情况下,所述代价函数最小时的路径参数,得到所述第一平滑路径。
4.根据权利要求1所述的方法,其中,所述根据第二约束条件和所述第一平滑路径,对所述初始规划路径进行平滑处理,得到所述目标路径,包括:
将所述第一平滑路径作为第二初始解,利用非线性规划求解器,在满足第二约束条件的情况下,求解所述代价函数的值最小时的路径参数,得到所述目标平滑路径。
5.根据权利要求1所述的方法,其中,所述控制约束条件包括:速度约束条件和前轮转角约束条件;
所述速度约束条件包括自动驾驶车辆的速度上限约束和速度下限约束;
所述前轮转角约束条件包括自动驾驶车辆前轮转角的转向幅度上限约束与转向幅度下限约束。
6.根据权利要求1所述的方法,其中,所述避障约束条件包括障碍物约束,所述障碍物约束表征自动驾驶车辆以所述第一平滑路径或所述目标平滑路径行驶时,与障碍物不发生碰撞的距离约束。
7.根据权利要求6所述的方法,其中,所述障碍物被表征为圆形,所述障碍物约束包括:
所述第一平滑路径或所述目标平滑路径中每个路径点与所述圆形的圆心的距离大于所述障碍物的半径。
8.根据权利要求1所述的方法,还包括:
确定所述第一平滑路径和所述第三约束条件的约束关系,所述约束关系用于表征所述第一平滑路径是否满足所述第三约束条件,所述第三约束条件包括所述控制约束条件或所述避障约束条件,且所述第三约束条件与所述第一约束条件不同;
在所述约束关系表征所述所述第一平滑路径不满足所述第三约束条件的情况下,根据第二约束条件和所述第一平滑路径,对所述初始规划路径进行平滑处理,得到所述目标平滑路径。
9.根据权利要求8所述的方法,还包括:
在所述约束关系表征所述所述第一平滑路径满足所述第三约束条件的情况下,将所述第一平滑路径确定为所述目标平滑路径。
10.一种路径规划装置,包括:
第一平滑模块,用于根据第一约束条件,对初始规划路径进行平滑处理,得到第一平滑路径,所述第一约束条件包括以下至少一项:控制约束条件和避障约束条件;
第二平滑模块,用于根据第二约束条件和所述第一平滑路径,对所述初始规划路径进行平滑处理,得到所述目标平滑路径,所述第二约束条件包括以下至少两项:所述控制约束条件和所述避障约束条件,且所述第二约束条件的数目大于所述第一约束条件的数目。
11.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现权利要求1至9中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的方法。
14.一种自动驾驶车辆,包括权利要求11所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310693421.6A CN116734878A (zh) | 2023-06-12 | 2023-06-12 | 路径规划方法、装置、电子设备、介质及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310693421.6A CN116734878A (zh) | 2023-06-12 | 2023-06-12 | 路径规划方法、装置、电子设备、介质及自动驾驶车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116734878A true CN116734878A (zh) | 2023-09-12 |
Family
ID=87907552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310693421.6A Pending CN116734878A (zh) | 2023-06-12 | 2023-06-12 | 路径规划方法、装置、电子设备、介质及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116734878A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117533317A (zh) * | 2023-12-12 | 2024-02-09 | 北京斯年智驾科技有限公司 | 一种牵引车倒车路径平滑方法、系统、装置以及存储介质 |
CN117533317B (zh) * | 2023-12-12 | 2024-05-17 | 北京斯年智驾科技有限公司 | 一种牵引车倒车路径平滑方法、系统、装置以及存储介质 |
-
2023
- 2023-06-12 CN CN202310693421.6A patent/CN116734878A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117533317A (zh) * | 2023-12-12 | 2024-02-09 | 北京斯年智驾科技有限公司 | 一种牵引车倒车路径平滑方法、系统、装置以及存储介质 |
CN117533317B (zh) * | 2023-12-12 | 2024-05-17 | 北京斯年智驾科技有限公司 | 一种牵引车倒车路径平滑方法、系统、装置以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11807247B2 (en) | Methods and systems for managing interactions between vehicles with varying levels of autonomy | |
US10802494B2 (en) | Method for motion planning for autonomous moving objects | |
US11531110B2 (en) | LiDAR localization using 3D CNN network for solution inference in autonomous driving vehicles | |
US11594011B2 (en) | Deep learning-based feature extraction for LiDAR localization of autonomous driving vehicles | |
JP6667686B2 (ja) | 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体 | |
EP3875985A1 (en) | Method, apparatus, computing device and computer-readable storage medium for positioning | |
US11364931B2 (en) | Lidar localization using RNN and LSTM for temporal smoothness in autonomous driving vehicles | |
US20200331476A1 (en) | Automatic lane change with minimum gap distance | |
US20210001868A1 (en) | Receding Horizon State Estimator | |
CN114212110B (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
CN114945959B (zh) | 行驶轨迹确定方法、装置、计算机设备和存储介质 | |
US20210370978A1 (en) | Navigation cost computation for lane changes before a critical intersection | |
CN112896191A (zh) | 轨迹处理方法、装置、电子设备和计算机可读介质 | |
CN111707258B (zh) | 一种外部车辆监测方法、装置、设备及存储介质 | |
Kim et al. | Vision-based uncertainty-aware lane keeping strategy using deep reinforcement learning | |
CN113306570B (zh) | 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车 | |
CN112649011B (zh) | 车辆避障方法、装置、设备和计算机可读介质 | |
CN116734878A (zh) | 路径规划方法、装置、电子设备、介质及自动驾驶车辆 | |
CN116343169A (zh) | 路径规划方法、目标对象运动控制方法、装置及电子设备 | |
CN114154510A (zh) | 自动驾驶车辆的控制方法、装置、电子设备及存储介质 | |
CN113682298A (zh) | 车辆限速方法和装置 | |
US11875615B2 (en) | Odometry noise model fitting from fleet-scale datasets | |
CN116892953A (zh) | 路径规划方法、装置、电子设备及计算机存储介质 | |
CN115056802B (zh) | 车辆自动驾驶方法、装置、设备及存储介质 | |
CN116353629A (zh) | 运动路径生成方法、车辆控制方法、装置及存储介质 |
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 |