CN116907523A - 路径规划方法、装置、计算机设备和存储介质 - Google Patents

路径规划方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116907523A
CN116907523A CN202310313746.7A CN202310313746A CN116907523A CN 116907523 A CN116907523 A CN 116907523A CN 202310313746 A CN202310313746 A CN 202310313746A CN 116907523 A CN116907523 A CN 116907523A
Authority
CN
China
Prior art keywords
path
track
path diagram
target
vehicle
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
CN202310313746.7A
Other languages
English (en)
Inventor
杨思超
齐遇
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.)
Guangzhou Xiaoma Zhika Technology Co ltd
Original Assignee
Guangzhou Xiaoma Zhika 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 Guangzhou Xiaoma Zhika Technology Co ltd filed Critical Guangzhou Xiaoma Zhika Technology Co ltd
Priority to CN202310313746.7A priority Critical patent/CN116907523A/zh
Publication of CN116907523A publication Critical patent/CN116907523A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种路径规划方法、装置、计算机设备和存储介质。所述方法包括：获取当前车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图、路径共享车辆共享的路径图、实时生成的路径图；根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。采用本方法能够对路径规划更为准确、合理，提高了道路交通安全。

Description

路径规划方法、装置、计算机设备和存储介质
技术领域
本申请涉及自动驾驶技术领域，特别是涉及一种路径规划方法、装置、计算机设备和存储介质。
背景技术
自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统的协同合作，可以让电脑可以在没有任何人类的主动操作下，自动安全地操作机动车辆。
当自动驾驶汽车以自动驾驶模式行驶时，尤其依赖于高精度道路地图。然而，在一些特殊场景下行驶时，社会车辆并不总会按照地图上所规划的道路进行行驶，因此会导致自动驾驶汽车对路径的预测和规划产生误判，进而危害交通安全。
发明内容
基于此，提供一种路径规划方法、装置、计算机设备和计算机可读存储介质，以通过改善路径规划的方法来提高道路交通安全。
一方面，提供一种路径规划方法，所述方法包括：
获取当前车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；
根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；
将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图、路径共享车辆共享的路径图、实时生成的路径图；
根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
在其中一个实施例中，还包括：
建立参考坐标系；
根据所述参考坐标系对所述目标车辆的位置信息进行采样，得到车辆轨迹点，以及根据所述行驶环境信息确认所述目标车辆对应的路径数量；
根据所述路径数量对所述车辆轨迹点进行分组处理，得到分组结果；
对每个分组结果中的车辆轨迹点进行拟合，得到所述目标车辆对应的轨迹信息。
在其中一个实施例中，还包括：
对每个分组结果中的车辆轨迹点进行拟合，得到初始轨迹信息；
计算每个所述初始轨迹信息之间的轨迹距离；
若所述轨迹距离不满足预设条件，则对所述路径数量进行修改；
根据修改后的路径数量对所述车辆轨迹点重新进行分组处理，得到再分组结果；
对每个所述再分组结果中的车辆轨迹点进行拟合，得到新的初始轨迹信息；
直至每个所述新的初始轨迹信息之间的轨迹距离满足预设条件，则将所述新的初始轨迹信息作为所述目标车辆对应的轨迹信息。
在其中一个实施例中，还包括：
根据所述轨迹信息，计算在所述轨迹信息的条件下，所述目标车辆在所述候选路径图上行驶的概率，得到预测概率；
对比各个所述路径图的所述预测概率，选择所述预测概率最高的所述路径图，得到所述目标路径图。
在其中一个实施例中，还包括：
根据所述轨迹信息生成至少一条虚拟车道，计算所述虚拟车道的可信概率；
将所述可信概率和概率阈值进行对比，选择所述可信概率大于所述概率阈值的车道的中线作为所述目标车辆的预测轨迹；
计算在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率。
在其中一个实施例中，还包括：
在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率P的数学表达为：
其中，当所述目标车辆在所述候选路径图上的第m条车道行驶时，有n条所述车辆的所述预测轨迹j。
在其中一个实施例中，还包括：
根据所述候选路径图对应的时间信息对所述候选路径图进行聚类处理，得到多个时间段对应的候选路径图集合；
根据所述轨迹信息对应的时间段选取候选路径图集合；
将所述轨迹信息和选取的候选路径图集合中的候选路径图进行匹配，得到目标路径图。
另一方面，提供了一种路径规划装置，所述装置包括：
识别模块，用于获取目标车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；
确认模块，用于根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；
匹配模块，用于将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图和路径共享车辆共享的路径图；
控制模块，用于根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
再一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取当前车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；
根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；
将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图、路径共享车辆共享的路径图、实时生成的路径图；
根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
又一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取当前车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；
根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；
将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图、路径共享车辆共享的路径图、实时生成的路径图；
根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
上述路径规划方法、装置、计算机设备和存储介质，通过获取当前车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别，得到周围行驶环境中的其他车辆的信息；根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息，以获取目标车辆的行驶轨迹；将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，以完成对道路路径的分析；再根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理，完成对当前车辆的路径规划。通过上述路径规划方法，对路径规划过程进行了改善，使自动驾驶汽车在行驶时，对路径规划更为准确、合理，提高了道路交通安全。
附图说明
图1为一个实施例中路径规划方法的流程示意图；
图2为一个实施例中路径规划装置的结构框图；
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
当自动驾驶车辆在一些特殊场景下行驶时，可能会遇到一些社会车辆并不总会按照地图上所规划的道路进行行驶，因此会导致自动驾驶汽车对路径的预测和规划产生误判，进而危害交通安全。
例如：在收费站前后、匝道出入口、园区、城中村等未画车道线的区域，社会车辆可能会在一条车道上进行多车并排行驶；
或当车道以及周边空间宽度足以容纳多辆车并排时，社会车辆可能在车道内并排形成多个队列；
或在遭遇紧急情况时，社会车辆会让出另外的车道用作通行空间以供警车、救护车以及消防车等救援车辆通行等多种情况，上述情况都会给自动驾驶车辆的路径规划带来影响，因此，为了使自动驾驶汽车在行驶时，对路径规划更为准确、合理，提高道路交通安全性，提供一种路径规划方法。
在一个示例性的实施例中，如图1所示，提供了一种路径规划方法，该路径规划方法可以由自动驾驶车辆上具有计算能力的设备执行，也可以由如服务器等其它具有计算能力的设备执行，本实施例不对该方法所适用的执行主体进行限制。
下面以自动驾驶车辆的行驶场景为例，结合本实施例的路径规划方法进行说明，包括以下步骤：
步骤101，获取当前车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别。
其中，行驶环境信息指的是当前车辆在行驶过程中的周围环境的信息。
具体地，需要从行驶环境信息中识别并提取周围环境中行驶的其他车辆，得到目标车辆的信息。
步骤102，根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息。
具体地，获取一段时间内目标车辆的位置信息，可以理解的是，根据这些位置信息的变化，可以在一定程度上计算出目标车辆的运动轨迹，得到目标车辆的轨迹信息。
步骤103，将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图、路径共享车辆共享的路径图、实时生成的路径图。
其中，候选路径图是路径图库中的一种或多种路径图，预先存储的路径图可以是经过标注的高精地图或其它平台的地图，路径共享车辆共享的路径图指的是行驶过当前路径和/或正在行驶当前路径的车辆所共享出来的地图，实时生成的路径图则指的是通过周围其他车辆行驶轨迹和/或当前车辆的形式轨迹所实时生成的地图。
具体地，将轨迹信息和路径图库中的候选路径图进行匹配，判断哪个路径图是最匹配目标车辆的轨迹信息的，并将其作为目标路径图。
步骤104，根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
具体地，根据目标路径图控制当前车辆在该道路上行驶，并将该目标路径图共享至服务器和/或其他车辆。
在其中一个实施例中，还包括：
建立参考坐标系；
根据所述参考坐标系对所述目标车辆的位置信息进行采样，得到车辆轨迹点，以及根据所述行驶环境信息确认所述目标车辆对应的路径数量；
根据所述路径数量对所述车辆轨迹点进行分组处理，得到分组结果；
对每个分组结果中的车辆轨迹点进行拟合，得到所述目标车辆对应的轨迹信息。
示例性地说明，可以将当前车辆行驶路线的中线作为s轴，再以s轴的法向为d轴建立Frenet坐标系，需要说明的是，Frenet坐标系适用于自动驾驶的路径规划，可以将地图数据进行降维处理，减小计算量，提高计算效率。
根据目标车辆的几何中心获取目标车辆的位置信息，并将其位置信息转换到Frenet坐标系上进行表示，即得到目标车辆的轨迹点，将轨迹点分组并进行拟合，得到对应的轨迹信息，根据轨迹信息和行驶环境信息，对虚拟车道数量进行估算，其中，虚拟车道指的是根据实时采集、计算的信息(包括轨迹信息和行驶环境信息)所生成的车道信息，是上述实时生成的路径图中的一种。
需要说明的是，虚拟车道的数量不一定和从地图(路径图库)中获取的车道数量一致，例如：在车道距离足够宽的同向双车道上，同时有N辆以上的车辆并排行驶，其中，N≥3且N为整数，那么从地图获取的车道数量可能是2，但是虚拟车道的数量可能是N。
优选地，根据目标车辆被连续多帧所观测到的几何中心，将其采样到Frenet坐标系上，得到轨迹点，并可以对轨迹点进行分组、线性插值、按采样精度ds重采样等数据处理方式来将轨迹点进行拟合，得到对应的轨迹，即目标车辆的轨迹信息。如：第n辆目标车辆j，连续t帧被观测到的几何中心在Frenet坐标系中被采样表示为{(s_n_1,d_n_1),(s_n_2,d_n_2),…,(s_n_t,d_n_t)}，对每条轨迹进行线性插值，按采样精度ds重新采样后，则对应的一组S＝{0,ds,2ds，…}来表示目标车辆j的轨迹{(s_1',d_n_1'),(s_2',d_n_2'),…}，其中，s_1',s_2',...∈S。
在其中一个实施例中，还包括：
对每个分组结果中的车辆轨迹点进行拟合，得到初始轨迹信息；
计算每个所述初始轨迹信息之间的轨迹距离；
若所述轨迹距离不满足预设条件，则对所述路径数量进行修改；
根据修改后的路径数量对所述车辆轨迹点重新进行分组处理，得到再分组结果；
对每个所述再分组结果中的车辆轨迹点进行拟合，得到新的初始轨迹信息；
直至每个所述新的初始轨迹信息之间的轨迹距离满足预设条件，则将所述新的初始轨迹信息作为所述目标车辆对应的轨迹信息。
具体地，得到至少两个初始轨迹信息后，根据轨迹之间的距离来判断虚拟车道的路径数量是否符合预设条件，若不满足预设条件，则对虚拟车道的数量进行修改，直至虚拟车道的数量符合轨迹之间的安全距离标准。
示例性地，结合本实施例和上述实施例进行说明，可以通过k-means聚类算法根据车辆轨迹生成对应的道路图，将目标车辆轨迹随机分为k组，对于第i组轨迹，在每个轨迹s_i'∈S上，计算所有包含s_i'轨迹的对应的d_n_i'的平均值，其中，i＝1,2,3,…k，并通过线性插值保证每个s_i'∈S都有对应的平均值；
对每组轨迹都计算其到上述平均值的平方距离，并获取其中最小值对轨迹进行重新分组，直至轨迹分组稳定不变；
计算相邻的各组平均值轨迹之间的最大距离，若该最大距离小于经验宽度，则表明这两组轨迹过于接近，可以将这两组轨迹进行合并，减小分组数量k并重新聚类，其中，经验宽度指的是车辆宽度数据，其可以是预设的，也可以是根据实际行驶条件所计算得到的，或通过实时数据采集得到的；否则，可以按照两组轨迹平均值为界限生成虚拟车道，在虚拟车道宽度不足车宽时，还可以基于经验宽度对虚拟车道宽度进行补偿，以保证生成的虚拟车道是可以容纳自动驾驶车辆行驶的。
在其中一个实施例中，还包括：
根据所述轨迹信息，计算在所述轨迹信息的条件下，所述目标车辆在所述候选路径图上行驶的概率，得到预测概率；
对比各个所述路径图的所述预测概率，选择所述预测概率最高的所述路径图，得到所述目标路径图。
根据候选路径图可以获取到对应的车道信息，若在每条车道上，各个目标车辆的对应轨迹服从相应均值的高维正态分布，其正态分布的协方差可以通过调参的先验分布和观测值进行计算得出，则可根据该正态分布得到轨迹与各个路径图的车道匹配的概率，即预测概率，进而根据预测概率选取最合适的路径图用作当前车辆的路径规划。
在其中一个实施例中，还包括：
根据所述轨迹信息生成至少一条虚拟车道，计算所述虚拟车道的可信概率；
将所述可信概率和概率阈值进行对比，选择所述可信概率大于所述概率阈值的车道的中线作为所述目标车辆的预测轨迹；
计算在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率。
在其中一个实施例中，还包括：
在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率P的数学表达为：
其中，当所述目标车辆在所述候选路径图上的第m条车道行驶时，有n条所述车辆的所述预测轨迹j。
结合本实施例及以上实施例进行示例性地说明，根据该正态分布得到轨迹j与各个路径图(地图)的车道匹配的概率，即预测概率P(j|m)，因为在车辆的实际行驶过程中，通常高精地图是最可靠的，通过网络获取的其他平台的地图或路径共享车辆所共享的地图，其次，实时计算生成的地图的可靠性则相对较低，因此可以对这些地图设置对应的先验概率P(m)。
通过贝叶斯推理法将计算方法进行转换，获取对应的每条轨迹与每种地图的匹配概率P，以表现在其所提供的轨迹条件下，车辆在各个路径上所能行驶的概率，进而判断哪个地图的车道更符合行驶轨迹。
优选地，可以在计算过程中将数值格式转换成log对数格式进行计算其对数概率，能够避免因相乘带来的计算精度问题。
在其中一个实施例中，还包括：
根据所述候选路径图对应的时间信息对所述候选路径图进行聚类处理，得到多个时间段对应的候选路径图集合；
根据所述轨迹信息对应的时间段选取候选路径图集合；
将所述轨迹信息和选取的候选路径图集合中的候选路径图进行匹配，得到目标路径图。
需要说明的是，候选路径图中还包括通过网络获取的联网路径图，联网路径图与实时生成的路径图相似，但联网路径图通常是使用来自多个时刻、多个车辆的行驶数据，其提供的数据更加完备。由于一些车道在不同时段的交通状况不同，则可以按照时间维度再次进行聚类，来生成多个时段的联网路径图以供选择并用于自动驾驶车辆的路径规划。
在一个实施例中，如图2所示，提供了一种路径规划装置，包括：识别模块、确认模块、匹配模块和控制模块，其中：
识别模块，用于获取目标车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；
确认模块，用于根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；
匹配模块，用于将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图和路径共享车辆共享的路径图；
控制模块，用于根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
在其中一个实施例中，还包括：
建立参考坐标系；
根据所述参考坐标系对所述目标车辆的位置信息进行采样，得到车辆轨迹点，以及根据所述行驶环境信息确认所述目标车辆对应的路径数量；
根据所述路径数量对所述车辆轨迹点进行分组处理，得到分组结果；
对每个分组结果中的车辆轨迹点进行拟合，得到所述目标车辆对应的轨迹信息。
在其中一个实施例中，还包括：
对每个分组结果中的车辆轨迹点进行拟合，得到初始轨迹信息；
计算每个所述初始轨迹信息之间的轨迹距离；
若所述轨迹距离不满足预设条件，则对所述路径数量进行修改；
根据修改后的路径数量对所述车辆轨迹点重新进行分组处理，得到再分组结果；
对每个所述再分组结果中的车辆轨迹点进行拟合，得到新的初始轨迹信息；
直至每个所述新的初始轨迹信息之间的轨迹距离满足预设条件，则将所述新的初始轨迹信息作为所述目标车辆对应的轨迹信息。
在其中一个实施例中，还包括：
根据所述轨迹信息，计算在所述轨迹信息的条件下，所述目标车辆在所述候选路径图上行驶的概率，得到预测概率；
对比各个所述路径图的所述预测概率，选择所述预测概率最高的所述路径图，得到所述目标路径图。
在其中一个实施例中，还包括：
根据所述轨迹信息生成至少一条虚拟车道，计算所述虚拟车道的可信概率；
将所述可信概率和概率阈值进行对比，选择所述可信概率大于所述概率阈值的车道的中线作为所述目标车辆的预测轨迹；
计算在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率。
在其中一个实施例中，还包括：
在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率P的数学表达为：
其中，当所述目标车辆在所述候选路径图上的第m条车道行驶时，有n条所述车辆的所述预测轨迹j。
在其中一个实施例中，还包括：
根据所述候选路径图对应的时间信息对所述候选路径图进行聚类处理，得到多个时间段对应的候选路径图集合；
根据所述轨迹信息对应的时间段选取候选路径图集合；
将所述轨迹信息和选取的候选路径图集合中的候选路径图进行匹配，得到目标路径图。
关于路径规划装置的具体限定可以参见上文中对于路径规划方法的限定，在此不再赘述。上述路径规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储路径规划的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种路径规划方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取当前车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；
根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；
将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图、路径共享车辆共享的路径图、实时生成的路径图；
根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
建立参考坐标系；
根据所述参考坐标系对所述目标车辆的位置信息进行采样，得到车辆轨迹点，以及根据所述行驶环境信息确认所述目标车辆对应的路径数量；
根据所述路径数量对所述车辆轨迹点进行分组处理，得到分组结果；
对每个分组结果中的车辆轨迹点进行拟合，得到所述目标车辆对应的轨迹信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对每个分组结果中的车辆轨迹点进行拟合，得到初始轨迹信息；
计算每个所述初始轨迹信息之间的轨迹距离；
若所述轨迹距离不满足预设条件，则对所述路径数量进行修改；
根据修改后的路径数量对所述车辆轨迹点重新进行分组处理，得到再分组结果；
对每个所述再分组结果中的车辆轨迹点进行拟合，得到新的初始轨迹信息；
直至每个所述新的初始轨迹信息之间的轨迹距离满足预设条件，则将所述新的初始轨迹信息作为所述目标车辆对应的轨迹信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述轨迹信息，计算在所述轨迹信息的条件下，所述目标车辆在所述候选路径图上行驶的概率，得到预测概率；
对比各个所述路径图的所述预测概率，选择所述预测概率最高的所述路径图，得到所述目标路径图。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述轨迹信息生成至少一条虚拟车道，计算所述虚拟车道的可信概率；
将所述可信概率和概率阈值进行对比，选择所述可信概率大于所述概率阈值的车道的中线作为所述目标车辆的预测轨迹；
计算在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率P的数学表达为：
其中，当所述目标车辆在所述候选路径图上的第m条车道行驶时，有n条所述车辆的所述预测轨迹j。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述候选路径图对应的时间信息对所述候选路径图进行聚类处理，得到多个时间段对应的候选路径图集合；
根据所述轨迹信息对应的时间段选取候选路径图集合；
将所述轨迹信息和选取的候选路径图集合中的候选路径图进行匹配，得到目标路径图。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取当前车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；
根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；
将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图、路径共享车辆共享的路径图、实时生成的路径图；
根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
建立参考坐标系；
根据所述参考坐标系对所述目标车辆的位置信息进行采样，得到车辆轨迹点，以及根据所述行驶环境信息确认所述目标车辆对应的路径数量；
根据所述路径数量对所述车辆轨迹点进行分组处理，得到分组结果；
对每个分组结果中的车辆轨迹点进行拟合，得到所述目标车辆对应的轨迹信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对每个分组结果中的车辆轨迹点进行拟合，得到初始轨迹信息；
计算每个所述初始轨迹信息之间的轨迹距离；
若所述轨迹距离不满足预设条件，则对所述路径数量进行修改；
根据修改后的路径数量对所述车辆轨迹点重新进行分组处理，得到再分组结果；
对每个所述再分组结果中的车辆轨迹点进行拟合，得到新的初始轨迹信息；
直至每个所述新的初始轨迹信息之间的轨迹距离满足预设条件，则将所述新的初始轨迹信息作为所述目标车辆对应的轨迹信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述轨迹信息，计算在所述轨迹信息的条件下，所述目标车辆在所述候选路径图上行驶的概率，得到预测概率；
对比各个所述路径图的所述预测概率，选择所述预测概率最高的所述路径图，得到所述目标路径图。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述轨迹信息生成至少一条虚拟车道，计算所述虚拟车道的可信概率；
将所述可信概率和概率阈值进行对比，选择所述可信概率大于所述概率阈值的车道的中线作为所述目标车辆的预测轨迹；
计算在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率P的数学表达为：
其中，当所述目标车辆在所述候选路径图上的第m条车道行驶时，有n条所述车辆的所述预测轨迹j。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述候选路径图对应的时间信息对所述候选路径图进行聚类处理，得到多个时间段对应的候选路径图集合；
根据所述轨迹信息对应的时间段选取候选路径图集合；
将所述轨迹信息和选取的候选路径图集合中的候选路径图进行匹配，得到目标路径图。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种路径规划方法，其特征在于，包括：
获取当前车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；
根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；
将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图、路径共享车辆共享的路径图、实时生成的路径图；
根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息，包括：
建立参考坐标系；
根据所述参考坐标系对所述目标车辆的位置信息进行采样，得到车辆轨迹点，以及根据所述行驶环境信息确认所述目标车辆对应的路径数量；
根据所述路径数量对所述车辆轨迹点进行分组处理，得到分组结果；
对每个分组结果中的车辆轨迹点进行拟合，得到所述目标车辆对应的轨迹信息。
3.根据权利要求2所述的方法，其特征在于，所述对每个分组结果中的车辆轨迹点进行拟合，得到所述目标车辆对应的轨迹信息，包括：
对每个分组结果中的车辆轨迹点进行拟合，得到初始轨迹信息；
计算每个所述初始轨迹信息之间的轨迹距离；
若所述轨迹距离不满足预设条件，则对所述路径数量进行修改；
根据修改后的路径数量对所述车辆轨迹点重新进行分组处理，得到再分组结果；
对每个所述再分组结果中的车辆轨迹点进行拟合，得到新的初始轨迹信息；
直至每个所述新的初始轨迹信息之间的轨迹距离满足预设条件，则将所述新的初始轨迹信息作为所述目标车辆对应的轨迹信息。
4.根据权利要求1所述的方法，其特征在于，所述将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，包括：
根据所述轨迹信息，计算在所述轨迹信息的条件下，所述目标车辆在所述候选路径图上行驶的概率，得到预测概率；
对比各个所述路径图的所述预测概率，选择所述预测概率最高的所述路径图，得到所述目标路径图。
5.根据权利要求4所述的方法，其特征在于，所述根据所述轨迹信息，计算在所述轨迹信息的条件下，所述目标车辆在所述候选路径图上行驶的概率，包括：
根据所述轨迹信息生成至少一条虚拟车道，计算所述虚拟车道的可信概率；
将所述可信概率和概率阈值进行对比，选择所述可信概率大于所述概率阈值的车道的中线作为所述目标车辆的预测轨迹；
计算在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率。
6.根据权利要求5所述的方法，其特征在于，所述计算在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率，包括：
在所述预测轨迹的条件下，所述目标车辆在所述候选路径图上行驶的概率P的数学表达为：
其中，当所述目标车辆在所述候选路径图上的第m条车道行驶时，有n条所述车辆的所述预测轨迹j。
7.根据权利要求1所述的方法，其特征在于，所述将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，包括：
根据所述候选路径图对应的时间信息对所述候选路径图进行聚类处理，得到多个时间段对应的候选路径图集合；
根据所述轨迹信息对应的时间段选取候选路径图集合；
将所述轨迹信息和选取的候选路径图集合中的候选路径图进行匹配，得到目标路径图。
8.一种路径规划装置，其特征在于，包括：
识别模块，用于获取目标车辆的行驶环境信息，对所述行驶环境信息中的目标车辆进行识别；
确认模块，用于根据所述目标车辆的位置信息，确认所述目标车辆对应的轨迹信息；
匹配模块，用于将所述轨迹信息和路径图库中的候选路径图进行匹配，得到目标路径图，其中，所述路径图库包括预先存储的路径图和路径共享车辆共享的路径图；
控制模块，用于根据所述目标路径图控制所述当前车辆的行驶，并将所述目标路径图进行共享处理。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述路径规划方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述路径规划方法的步骤。
CN202310313746.7A 2023-03-28 2023-03-28 路径规划方法、装置、计算机设备和存储介质 Pending CN116907523A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310313746.7A CN116907523A (zh) 2023-03-28 2023-03-28 路径规划方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310313746.7A CN116907523A (zh) 2023-03-28 2023-03-28 路径规划方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN116907523A true CN116907523A (zh) 2023-10-20

Family

ID=88363496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310313746.7A Pending CN116907523A (zh) 2023-03-28 2023-03-28 路径规划方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116907523A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112825160A (zh) * 2019-11-21 2021-05-21 北京图森智途科技有限公司 一种状态转移库构建方法、路径规划方法及相关设备
CN117128976A (zh) * 2023-10-26 2023-11-28 小米汽车科技有限公司 道路中心线的获取方法、装置、车辆和存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112825160A (zh) * 2019-11-21 2021-05-21 北京图森智途科技有限公司 一种状态转移库构建方法、路径规划方法及相关设备
CN117128976A (zh) * 2023-10-26 2023-11-28 小米汽车科技有限公司 道路中心线的获取方法、装置、车辆和存储介质
CN117128976B (zh) * 2023-10-26 2024-03-12 小米汽车科技有限公司 道路中心线的获取方法、装置、车辆和存储介质

Similar Documents

Publication Publication Date Title
CN110293968B (zh) 自动驾驶车辆的控制方法、装置、设备及可读存储介质
CN116907523A (zh) 路径规划方法、装置、计算机设备和存储介质
CN109631915B (zh) 轨迹预测方法、装置、设备及计算机可读存储介质
CN113811830B (zh) 轨迹预测方法、装置、计算机设备和存储介质
CN107406073B (zh) 用于在无碰撞性方面监视要由车辆驶过的额定轨迹的方法和设备
CN112286206B (zh) 自动驾驶的模拟方法、系统、设备、可读存储介质及平台
CN113587944B (zh) 准实时的车辆行驶路线生成方法、系统及设备
CN112815948B (zh) 识别偏航模式的方法、装置、计算机设备和存储介质
CN111091215B (zh) 车辆识别方法、装置、计算机设备和存储介质
EP3915851B1 (en) System and method for estimating take-over time
US20220121213A1 (en) Hybrid planning method in autonomous vehicle and system thereof
CN111753639A (zh) 感知地图生成方法、装置、计算机设备和存储介质
CN113383283B (zh) 感知信息处理方法、装置、计算机设备和存储介质
CN114973781B (zh) 机场场面无人机碰撞风险检测方法、装置、计算机设备
CN110097077B (zh) 点云数据分类方法、装置、计算机设备和存储介质
CN110647146B (zh) 无人车控制方法、装置、计算机设备和存储介质
CN114394099B (zh) 车辆行驶异常识别方法、装置、计算机设备及存储介质
CN113447037B (zh) 行程偏航检测方法及装置
CN112991712B (zh) 预测交通密度的方法、系统、计算机设备和存储介质
CN111414804B (zh) 识别框确定方法、装置、计算机设备、车辆和存储介质
CN113609947A (zh) 运动轨迹预测方法、装置、计算机设备和存储介质
CN115496312A (zh) 车辆调度方法、装置、计算机设备和存储介质
CN116097193A (zh) 轨迹数据处理方法、装置、计算机设备和存储介质
Pavelko et al. Modification and Experimental Validation of a Logistic Regression Vehicle-Pedestrian Model
CN110874549A (zh) 目标视野确定方法、系统、计算机设备和存储介质

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