CN117207960A - 基于状态机的驾驶方法、驾驶系统及存储介质 - Google Patents
基于状态机的驾驶方法、驾驶系统及存储介质 Download PDFInfo
- Publication number
- CN117207960A CN117207960A CN202310527852.5A CN202310527852A CN117207960A CN 117207960 A CN117207960 A CN 117207960A CN 202310527852 A CN202310527852 A CN 202310527852A CN 117207960 A CN117207960 A CN 117207960A
- Authority
- CN
- China
- Prior art keywords
- state machine
- sub
- state
- scene
- layer
- 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 44
- 230000007613 environmental effect Effects 0.000 claims abstract description 16
- 230000006399 behavior Effects 0.000 claims description 27
- 230000003068 static effect Effects 0.000 claims description 17
- 238000013209 evaluation strategy Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种基于状态机的驾驶方法、驾驶系统及存储介质。该驾驶方法包括:每隔预设时间获取位置信息、环境信息和驾驶行为数据;根据位置信息确定第一层状态机的子状态;基于第一层状态机的子状态,根据环境信息确定与第一层状态机的子状态对应的第二层状态机的子状态;基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定与第二层状态机的子状态对应的第三层状态机的子状态;执行第三层状态机的子状态,确定目标轨迹;跟踪目标轨迹中的参考轨迹点,以控制车辆完成驾驶任务。本申请通过依次确定第一层状态机的子状态、第二层状态机的子状态和第三层状态机的子状态,能够适应复杂多变的驾驶场景。
Description
技术领域
本申请涉及智能驾驶技术领域,具体涉及一种基于状态机的驾驶方法、驾驶系统及存储介质。
背景技术
智能驾驶已成为当前热门研究和应用领域。高阶智能驾驶通常包含感知、定位、预测、决策、控制等模块。决策模块为智能驾驶重要模块,主要负责对输入信息处理后输出参考路径和横纵向决策信息。在实际的驾驶过程中,由于智能汽车所处的场景复杂多变,应对复杂场景并得到准确决策信息,是决策模块的重难点问题。目前,由于现有技术中关于场景的定义难以统一,利用如有限状态机、决策树和行为树等典型模型,虽然可以按照部分规则实现智能驾驶行为决策,但其仍难以适应复杂多变的场景。因此,现有技术中智能驾驶技术存在难以适应复杂多变场景的问题。
发明内容
本申请实施例的目的是提供一种基于状态机的驾驶方法、驾驶系统及存储介质,用以解决现有技术中智能驾驶技术难以适应复杂多变场景的问题。
为了实现上述目的,本申请第一方面提供一种基于状态机的驾驶方法,应用于基于状态机的驾驶系统,该驾驶方法包括:
每隔预设时间获取位置信息、环境信息和驾驶行为数据;
根据位置信息确定第一层状态机的子状态;
基于第一层状态机的子状态,根据环境信息确定与第一层状态机的子状态对应的第二层状态机的子状态;
基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定与第二层状态机的子状态对应的第三层状态机的子状态;
执行第三层状态机的子状态,确定目标轨迹;
跟踪目标轨迹中的参考轨迹点,以控制车辆完成驾驶任务。
在本申请实施例中,根据位置信息确定第一层状态机的子状态包括:
获取车辆的默认场景;
根据位置信息确定当前场景;
判断当前场景是否与默认场景匹配;
在当前场景与默认场景匹配的情况下,将默认场景确定为第一层状态机的子状态;
在当前场景与默认场景不匹配的情况下,将当前场景确定为第一层状态机的子状态。
在本申请实施例中,当前场景为城区场景、高速场景或泊车场景。
在本申请实施例中,第一层状态机的子状态为基于道路类型确定的静态场景,第二层状态机的子状态为基于第一层状态机的子状态和道路类型确定的静态场景,第三层状态机的子状态为基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定的动态场景。
在本申请实施例中,执行第三层状态机的子状态,确定目标轨迹,包括:
执行第三层状态机的子状态,以确定至少一个参考路径及约束信息;
根据参考路径和约束信息,确定至少一个候选轨迹;
基于轨迹评估策略,从候选轨迹中选取最优轨迹;
将最优轨迹确定为目标轨迹。
在本申请实施例中,基于轨迹评估策略,从候选轨迹中选取最优轨迹包括:
根据候选轨迹对应的碰撞时间、加速度、速度、曲率和路径选取最优轨迹。
在本申请实施例中,执行第三层状态机的子状态,以确定至少一个参考路径包括:
获取地图数据;
根据地图数据和第三层状态机的子状态,按照直行优先原则确定至少一个参考路径。
在本申请实施例中,确定约束信息包括:
结合环境信息中的障碍物信息,得到参考路径上的约束信息,约束信息包括位置约束信息和速度约束信息。
本申请第二方面提供一种基于状态机的驾驶系统,包括:
存储器,被配置成存储指令;以及
处理器,被配置成从存储器调用指令以及在执行指令时能够实现上述的基于状态机的驾驶方法。
本申请第三方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的基于状态机的驾驶方法。
本申请的有益效果:
(1)本申请通过依次确定第一层状态机的子状态、第二层状态机的子状态和第三层状态机的子状态,并执行第三层状态机的子状态,确定目标轨迹,以进一步跟踪目标轨迹中的参考轨迹点,控制车辆完成驾驶任务,能够通过三层状态机之间的子状态切换,适应复杂多变的驾驶场景;
(2)本申请根据道路类型和实际环境将决策场景定义为动静场景,符合驾驶场景需求;
(3)本申请通过驾驶闭环控制,能够提高智能驾驶过程中的控制精度。
附图说明
附图是用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本申请实施例,但并不构成对本申请实施例的限制。在附图中:
图1示意性示出了根据本申请一实施例的一种基于状态机的驾驶系统的结构框图;
图2示意性示出了根据本申请实施例的一种基于状态机的驾驶方法的流程图;
图3示意性示出了根据本申请一具体实施例的一种基于状态机的驾驶方法的流程图;
图4示意性示出了根据本申请另一实施例的一种基于状态机的驾驶系统的结构框图。
其中,110-决策模块;111-场景获取单元;112-状态机设计单元;113-决策任务实现单元;120-规划模块;130-控制模块;410-存储器;420-处理器。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明,若本申请实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本申请实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其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。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
图1示意性示出了根据本申请一实施例的一种基于状态机的驾驶系统的结构框图。如图1所示,在本申请一实施例中,驾驶系统包括决策模块110、规划模块120和控制模块130。决策模块110与规划模块120通信,规划模块120与控制模块130通信。规划模块120用于提供目标轨迹。控制模块130用于控制车辆按照目标轨迹完成驾驶任务。决策模块110可以提供参考路径和约束信息,包括但不限于场景获取单元111、状态机设计单元112和决策任务实现单元113,状态机设计单元112分别与场景获取单元111和决策任务实现单元113通信。场景获取单元111用于根据采集到的位置信息等数据确定车辆的当前场景,从而为状态机的切换提供依据。状态机设计单元112用于设计分层有限状态机,即设计第一层状态机的子状态、第二层状态机的子状态、第三层状态机的子状态以及不同子状态之间切换逻辑等。决策任务实现单元113用于执行第三层状态机的子状态。
图2示意性示出了根据本申请实施例的一种基于状态机的驾驶方法的流程图。如图2所示,本申请实施例提供一种基于状态机的驾驶方法,应用于基于状态机的驾驶系统,该驾驶方法可以包括下列步骤:
步骤201、每隔预设时间获取位置信息、环境信息和驾驶行为数据;
步骤202、根据位置信息确定第一层状态机的子状态;
步骤203、基于第一层状态机的子状态,根据环境信息确定与第一层状态机的子状态对应的第二层状态机的子状态;
步骤204、基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定与第二层状态机的子状态对应的第三层状态机的子状态;
步骤205、执行第三层状态机的子状态,确定目标轨迹;
步骤206、跟踪目标轨迹中的参考轨迹点,以控制车辆完成驾驶任务。
在本申请实施例中,驾驶系统可以每隔预设时间获取位置信息、环境信息和驾驶行为数据。预设时间根据实际情况设定。根据位置信息,驾驶系统可以确定车辆的当前场景,从而确定第一层状态机的子状态。当前场景可以为城区场景、高速场景或泊车场景。第一层状态机的子状态为基于道路类型确定的静态场景。在当前场景为城区场景的情况下,可以将城区场景确定为第一层状态机的子状态,并进一步根据环境信息确定与城区场景对应的第二层状态机的子状态。此时,与城区场景对应的第二层状态机的子状态包括城市路、隧道、路口、弯道、环岛和匝道等静态场景,可以根据实际情况进行调整。在当前场景为高速场景的情况下,可以将高速场景确定为第一层状态机的子状态,并进一步根据环境信息确定与高速场景对应的第二层状态机的子状态。此时,与高速场景对应的第二层状态机的子状态包括高速路、隧道、匝道等静态场景,可以根据实际情况进行调整。在当前场景为泊车场景的情况下,可以将泊车场景确定为第一层状态机的子状态,并进一步根据环境信息确定与泊车场景对应的第二层状态机的子状态。此时,与泊车场景对应的第二层状态机的子状态包括车库路、匝口等静态场景,同样可以根据实际情况进行调整。
在确定第二层状态机的子状态后,驾驶系统可以根据环境信息和驾驶行为数据确定与第二层状态机的子状态对应的第三层状态机的子状态。第三层状态机的子状态为基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定的动态场景。在一个示例中,若第二层状态机的子状态为城市路,那么第三层状态机的子状态可以为变道、车道保持、直行、避障或其它动态场景。在另一个示例中,若第二层状态机的子状态为路口,那么第三层状态机的子状态可以为停车等待、安全通过、左右转、直行或其它动态场景。进一步地,驾驶系统可以执行第三层状态机的子状态,从而确定目标轨迹,并跟踪目标轨迹中的参考轨迹点,以控制车辆完成驾驶任务。
通过上述技术方案,首先,每隔预设时间获取位置信息、环境信息和驾驶行为数据,再根据位置信息确定第一层状态机的子状态。随后,基于第一层状态机的子状态,根据环境信息确定与第一层状态机的子状态对应的第二层状态机的子状态。然后,基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定与第二层状态机的子状态对应的第三层状态机的子状态。进而执行第三层状态机的子状态,确定目标轨迹。最后,跟踪目标轨迹中的参考轨迹点,以控制车辆完成驾驶任务。本申请通过依次确定第一层状态机的子状态、第二层状态机的子状态和第三层状态机的子状态,并执行第三层状态机的子状态,确定目标轨迹,以进一步跟踪目标轨迹中的参考轨迹点,控制车辆完成驾驶任务,能够适应复杂多变的驾驶场景。
在本申请实施例中,第一层状态机的子状态可以为基于道路类型确定的静态场景,第二层状态机的子状态可以为基于第一层状态机的子状态和道路类型确定的静态场景,第三层状态机的子状态可以为基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定的动态场景。
具体地,第一层状态机的子状态可以为基于道路类型确定的静态场景,第二层状态机的子状态可以为基于第一层状态机的子状态和道路类型确定的静态场景,第三层状态机的子状态可以为基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定的动态场景。在一个示例中,在车辆的当前场景为城区场景的情况下,可以将城区场景确定为第一层状态机的子状态,并进一步根据环境信息确定与城区场景对应的第二层状态机的子状态。此时,与城区场景对应的第二层状态机的子状态包括城市路、隧道、路口、弯道、环岛和匝道等静态场景。在确定第二层状态机的子状态后,可以基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定与第二层状态机的子状态对应的第三层状态机的子状态。例如,若第二层状态机的子状态为城市路,那么第三层状态机的子状态可以为变道、车道保持、直行、避障或其它动态场景。或者,若第二层状态机的子状态为路口,那么第三层状态机的子状态可以为停车等待、安全通过、左右转、直行或其它动态场景。
在本申请实施例中,当前场景可以为城区场景、高速场景或泊车场景。
具体地,本申请实施例主要应用于城区、高速和车库这三类典型的道路场景。因此,可以将场景分为城区场景、高速场景或泊车场景,以满足场景划分需求。
在本申请实施例中,步骤202、根据位置信息确定第一层状态机的子状态可以包括:
获取车辆的默认场景;
根据位置信息确定当前场景;
判断当前场景是否与默认场景匹配;
在当前场景与默认场景匹配的情况下,将默认场景确定为第一层状态机的子状态;
在当前场景与默认场景不匹配的情况下,将当前场景确定为第一层状态机的子状态。
具体地,驾驶系统可以设置车辆的默认场景,即选择城区场景、高速场景和泊车场景中任意一个场景作为默认场景。为满足实际驾驶需求,默认场景通常设置为城区场景。在获取车辆的位置信息后,驾驶系统可以根据位置信息确定当前场景,并判断当前场景是否与默认场景匹配。在当前场景与默认场景匹配的情况下,将默认场景确定为第一层状态机的子状态。在当前场景与默认场景不匹配的情况下,将当前场景确定为第一层状态机的子状态。这样,驾驶系统可以确定第一层状态机的子状态。
在本申请实施例中,步骤205、执行第三层状态机的子状态,确定目标轨迹,可以包括:
执行第三层状态机的子状态,以确定至少一个参考路径及约束信息;
根据参考路径和约束信息,确定至少一个候选轨迹;
基于轨迹评估策略,从候选轨迹中选取最优轨迹;
将最优轨迹确定为目标轨迹。
具体地,在确定第三层状态机的子状态后,驾驶系统可以根据预存的地图数据以及第三层状态机的子状态,确定至少一个参考路径。同时,结合环境信息中的障碍物信息,驾驶系统可以确定约束信息。约束信息是参考路径上的横纵向约束信息,包括但不限于位置约束信息和速度约束信息。随后,驾驶系统可以结合约束信息,优化参考路径,以得到至少一个候选轨迹。其中,候选轨迹的个数与参考路径的个数相同。进一步地,驾驶系统可以根据候选轨迹对应的碰撞时间、加速度、速度、曲率和路径从候选轨迹中选取最优轨迹,并将最优轨迹确定为目标轨迹。这样,驾驶系统可以确定目标轨迹,以便后续控制车辆按照目标轨迹行驶,并使得车辆在按照目标轨迹行驶的情况下能够降低碰撞到障碍物的可能性。
在本申请实施例中,执行第三层状态机的子状态,以确定至少一个参考路径可以包括:
获取地图数据;
根据地图数据和第三层状态机的子状态,按照直行优先原则确定至少一个参考路径。
具体地,驾驶系统中预先存储有地图数据,地图数据包括导航信息。根据地图数据和第三层状态机的子状态,驾驶系统在尽可能保证直线行驶的情况下,确定至少一条起始位置与目标位置之间的参考路径。这样,驾驶系统能够确定至少一个参考路径,并进一步基于参考路径确定目标路径。
在本申请实施例中,确定约束信息可以包括:
结合环境信息中的障碍物信息,得到参考路径上的约束信息,约束信息包括位置约束信息和速度约束信息。
具体地,驾驶系统可以确定约束信息。驾驶系统可以获取环境信息,并结合环境信息中的障碍物信息确定约束信息。约束信息包括但不限于位置约束信息和速度约束信息。这样,驾驶系统可以结合约束信息来优化参考路径。
在本申请实施例中,基于轨迹评估策略,从候选轨迹中选取最优轨迹可以包括:
根据候选轨迹对应的碰撞时间、加速度、速度、曲率和路径选取最优轨迹。
在本申请实施例中,基于轨迹评估策略,驾驶系统可以从候选轨迹中选取最优轨迹。具体来说,驾驶系统可以根据候选轨迹对应的碰撞时间、加速度、速度、曲率和路径选取最优轨迹,即确定候选轨迹中最符合无碰撞时间、加速度较小、速度较小、曲率较小或路径较长等条件的轨迹。
图3示意性示出了根据本申请一具体实施例的一种基于状态机的驾驶方法的流程图。如图3所示,在本申请一具体实施例中,驾驶系统可以获取输入信号。在对输入信号进行数据解析后,可以得到位置信息、环境信息和驾驶行为数据。将位置信息、环境信息和驾驶行为数据输入至决策模块。决策模块包括第一层状态机、第二层状态机和第三层状态机。根据位置信息、环境信息和驾驶行为数据,决策模块可以依次实现第一层状态机、第二层状态机和第三层状态机之间的状态切换。在确定第三层状态机后,驾驶系统可以执行第三层状态机的子状态,并通过规划模块确定目标轨迹,并进一步根据目标轨迹的参考轨迹点,通过控制模块控制车辆完成驾驶任务。同时,由于车辆在完成驾驶任务的过程中位置信息会发生改变,因此,驾驶系统可以实时获取车辆当前的位置信息,以使得驾驶系统可以重新确定第一层状态机的子状态。
图4示意性示出了根据本申请另一实施例的一种基于状态机的驾驶系统的结构框图。如图4所示,本申请另一实施例提供一种基于状态机的驾驶系统,可以包括:
存储器410,被配置成存储指令;以及
处理器420,被配置成从存储器410调用指令以及在执行指令时能够实现上述的基于状态机的驾驶方法。
具体地,在本申请实施例中,处理器420可以被配置成:
每隔预设时间获取位置信息、环境信息和驾驶行为数据;
根据位置信息确定第一层状态机的子状态;
基于第一层状态机的子状态,根据环境信息确定与第一层状态机的子状态对应的第二层状态机的子状态;
基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定与第二层状态机的子状态对应的第三层状态机的子状态;
执行第三层状态机的子状态,确定目标轨迹;
跟踪目标轨迹中的参考轨迹点,以控制车辆完成驾驶任务。
进一步地,处理器420还可以被配置成:
获取车辆的默认场景;
根据位置信息确定当前场景;
判断当前场景是否与默认场景匹配;
在当前场景与默认场景匹配的情况下,将默认场景确定为第一层状态机的子状态;
在当前场景与默认场景不匹配的情况下,将当前场景确定为第一层状态机的子状态。
在本申请实施例中,当前场景为城区场景、高速场景或泊车场景。
在本申请实施例中,第一层状态机的子状态为基于道路类型确定的静态场景,第二层状态机的子状态为基于第一层状态机的子状态和道路类型确定的静态场景,第三层状态机的子状态为基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定的动态场景。
进一步地,处理器420还可以被配置成:
执行第三层状态机的子状态,以确定至少一个参考路径及约束信息;
根据参考路径和约束信息,确定至少一个候选轨迹;
基于轨迹评估策略,从候选轨迹中选取最优轨迹;
将最优轨迹确定为目标轨迹。
进一步地,处理器420还可以被配置成:
根据候选轨迹对应的碰撞时间、加速度、速度、曲率和路径选取最优轨迹。
进一步地,处理器420还可以被配置成:
获取地图数据;
根据地图数据和第三层状态机的子状态,按照直行优先原则确定至少一个参考路径。
进一步地,处理器420还可以被配置成:
结合环境信息中的障碍物信息,得到参考路径上的约束信息,约束信息包括位置约束信息和速度约束信息。
通过上述技术方案,首先,每隔预设时间获取位置信息、环境信息和驾驶行为数据,再根据位置信息确定第一层状态机的子状态。随后,基于第一层状态机的子状态,根据环境信息确定与第一层状态机的子状态对应的第二层状态机的子状态。然后,基于第二层状态机的子状态,根据环境信息和驾驶行为数据确定与第二层状态机的子状态对应的第三层状态机的子状态。进而执行第三层状态机的子状态,确定目标轨迹。最后,跟踪目标轨迹中的参考轨迹点,以控制车辆完成驾驶任务。本申请通过依次确定第一层状态机的子状态、第二层状态机的子状态和第三层状态机的子状态,并执行第三层状态机的子状态,确定目标轨迹,以进一步跟踪目标轨迹中的参考轨迹点,控制车辆完成驾驶任务,能够适应复杂多变的驾驶场景。
本申请实施例还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的基于状态机的驾驶方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于状态机的驾驶方法,其特征在于,应用于基于状态机的驾驶系统,所述驾驶方法包括:
每隔预设时间获取位置信息、环境信息和驾驶行为数据;
根据所述位置信息确定第一层状态机的子状态;
基于所述第一层状态机的子状态,根据所述环境信息确定与所述第一层状态机的子状态对应的第二层状态机的子状态;
基于所述第二层状态机的子状态,根据所述环境信息和所述驾驶行为数据确定与所述第二层状态机的子状态对应的第三层状态机的子状态;
执行所述第三层状态机的子状态,确定目标轨迹;
跟踪所述目标轨迹中的参考轨迹点,以控制车辆完成驾驶任务。
2.根据权利要求1所述的基于状态机的驾驶方法,其特征在于,所述根据所述位置信息确定第一层状态机的子状态包括:
获取所述车辆的默认场景;
根据所述位置信息确定当前场景;
判断所述当前场景是否与所述默认场景匹配;
在所述当前场景与所述默认场景匹配的情况下,将所述默认场景确定为所述第一层状态机的子状态;
在所述当前场景与所述默认场景不匹配的情况下,将所述当前场景确定为所述第一层状态机的子状态。
3.根据权利要求2所述的基于状态机的驾驶方法,其特征在于,所述当前场景为城区场景、高速场景或泊车场景。
4.根据权利要求1所述的基于状态机的驾驶方法,其特征在于,所述第一层状态机的子状态为基于道路类型确定的静态场景,所述第二层状态机的子状态为基于所述第一层状态机的子状态和道路类型确定的静态场景,所述第三层状态机的子状态为基于所述第二层状态机的子状态,根据环境信息和驾驶行为数据确定的动态场景。
5.根据权利要求1所述的基于状态机的驾驶方法,其特征在于,所述执行所述第三层状态机的子状态,确定目标轨迹,包括:
执行所述第三层状态机的子状态,以确定至少一个参考路径及约束信息;
根据所述参考路径和所述约束信息,确定至少一个候选轨迹;
基于轨迹评估策略,从所述候选轨迹中选取最优轨迹;
将所述最优轨迹确定为所述目标轨迹。
6.根据权利要求5所述的基于状态机的驾驶方法,其特征在于,所述基于轨迹评估策略,从所述候选轨迹中选取最优轨迹包括:
根据所述候选轨迹对应的碰撞时间、加速度、速度、曲率和路径选取所述最优轨迹。
7.根据权利要求5所述的基于状态机的驾驶方法,其特征在于,执行所述第三层状态机的子状态,以确定至少一个参考路径包括:
获取地图数据;
根据所述地图数据和所述第三层状态机的子状态,按照直行优先原则确定至少一个参考路径。
8.根据权利要求7所述的基于状态机的驾驶方法,其特征在于,确定约束信息包括:
结合所述环境信息中的障碍物信息,得到所述参考路径上的约束信息,所述约束信息包括位置约束信息和速度约束信息。
9.一种基于状态机的驾驶系统,其特征在于,包括:
存储器,被配置成存储指令;以及
处理器,被配置成从所述存储器调用所述指令以及在执行所述指令时能够实现根据权利要求1至8中任一项所述的基于状态机的驾驶方法。
10.一种机器可读存储介质,其特征在于,该机器可读存储介质上存储有指令,该指令用于使得机器执行根据权利要求1至8中任一项所述的基于状态机的驾驶方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310527852.5A CN117207960A (zh) | 2023-05-11 | 2023-05-11 | 基于状态机的驾驶方法、驾驶系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310527852.5A CN117207960A (zh) | 2023-05-11 | 2023-05-11 | 基于状态机的驾驶方法、驾驶系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117207960A true CN117207960A (zh) | 2023-12-12 |
Family
ID=89049851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310527852.5A Pending CN117207960A (zh) | 2023-05-11 | 2023-05-11 | 基于状态机的驾驶方法、驾驶系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117207960A (zh) |
-
2023
- 2023-05-11 CN CN202310527852.5A patent/CN117207960A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105936276A (zh) | 行驶控制装置 | |
CN107664993A (zh) | 一种路径规划方法 | |
CN109754636B (zh) | 停车位协同感知识别、停车辅助方法、装置 | |
US11465627B2 (en) | Traveling control apparatus, traveling control method, and non-transitory computer-readable storage medium storing program for controlling traveling of a vehicle | |
US20210294324A1 (en) | Scenario based control of autonomous driving vehicle | |
CN113009539A (zh) | 一种车辆自动变道处理方法、车辆及设备 | |
CN112277951B (zh) | 车辆感知模型生成方法、车辆自动驾驶控制方法及装置 | |
US20210300333A1 (en) | A parking-trajectory generation method combined with offline and online solutions | |
CN115042788A (zh) | 交通路口通行方法、装置及电子设备、存储介质 | |
CN113033527A (zh) | 一种场景识别方法、装置、存储介质及无人设备 | |
CN113310498A (zh) | 车辆规划路径信号 | |
CN111721309B (zh) | 路径规划方法及装置 | |
CN117207960A (zh) | 基于状态机的驾驶方法、驾驶系统及存储介质 | |
US20210197823A1 (en) | Central line shifting based pre-change lane path planning | |
CN114858176B (zh) | 一种基于自动驾驶的路径导航方法及装置 | |
CN113505446B (zh) | 交通仿真方法、装置、电子设备及计算机存储介质 | |
CN115447607A (zh) | 用于规划车辆行驶轨迹的方法和装置 | |
JP6867257B2 (ja) | 車両制御装置、車両、車両制御方法およびプログラム | |
CN115014380A (zh) | 泊车路径规划方法以及装置、电子设备、存储介质 | |
CN114964293A (zh) | 车辆的路径规划方法、装置及电子设备、存储介质 | |
CN114910083A (zh) | 定位方法以及定位装置、电子设备、存储介质 | |
CN114590249A (zh) | 一种无人设备控制方法、装置、设备及存储介质 | |
CN113753038A (zh) | 一种轨迹预测方法、装置、电子设备和存储介质 | |
CN112677976A (zh) | 车辆行驶方法、装置、车辆和存储介质 | |
CN114815825B (zh) | 确定车辆最优行驶轨迹方法和装置 |
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 |