CN117490714A - 一种车辆、路径规划方法、装置、计算机设备及存储介质 - Google Patents
一种车辆、路径规划方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117490714A CN117490714A CN202311438781.8A CN202311438781A CN117490714A CN 117490714 A CN117490714 A CN 117490714A CN 202311438781 A CN202311438781 A CN 202311438781A CN 117490714 A CN117490714 A CN 117490714A
- Authority
- CN
- China
- Prior art keywords
- path
- point
- lane
- driven
- optimal
- 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 56
- 238000005070 sampling Methods 0.000 claims abstract description 79
- 230000006870 function Effects 0.000 claims description 86
- 230000015654 memory Effects 0.000 claims description 26
- 238000009499 grossing Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 description 16
- 238000010276 construction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆控制技术领域,公开了一种车辆、路径规划方法、装置、计算机设备及存储介质。其中路径规划方法包括:当第一点不位于需行驶车道时,根据第一点的位姿信息在需行驶车道中选取与第一点接近的第二点,并在需行驶车道上选取第二点附近的多个第一采样点;在多个第一采样点中选取第一连接点;利用第一连接点结合需行驶车道确定第一规划路径。由于第一连接点是在综合考虑第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离等条件下在多个第一采样点中选取的最优值,因此利用第一连接点结合需行驶车道确定的第一规划路径,能够最大限度的符合人工驾驶的习惯。
Description
技术领域
本发明涉及车辆控制技术领域,具体涉及一种车辆、路径规划方法、装置、计算机设备及存储介质。
背景技术
无人驾驶车辆在园区作业时,当接收到云控平台下发的行驶指令后,需要由当前位置行驶到目标位置。具体的,云控平台下发的行驶指令中包括:1、需行驶车道(如R13,R17…,代表不同车道的编号);2、终点位姿(x、y、theta)。无人驾驶车辆在接收到行驶指令时,可能并不在需行驶车道中,且目标位置也不在需行驶车道中;而且由于作业、泊车的前端任务,还可能导致车辆的当前位置和/或目标位置与航向和车道有较大偏差;因此,如何规划路径使车辆顺利的从当前位置行驶至需行驶车道且顺利抵达目标位置是需要解决的问题。
目前,在进行车辆从当前位置行驶至需行驶车道且抵达目标位置的路径规划时,有时得到的规划路径并不符合人工驾驶习惯,导致用户体验较差。
发明内容
有鉴于此,本发明提供了一种车辆、路径规划方法、装置、计算机设备及存储介质,以解决在进行车辆从当前位置行驶至需行驶车道且抵达目标位置的路径规划时,得到的规划路径不符合人工驾驶习惯的问题。
第一方面,本发明实施例提供了一种路径规划方法,方法包括以下步骤:分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息;当第一点不位于需行驶车道时,根据第一点的位姿信息在需行驶车道中选取与第一点接近的第二点,并在需行驶车道上选取第二点附近的多个第一采样点;其中,第一点为起点或终点;利用多个第一采样点分别与第一点组成多条第一路径;利用预设的第一代价函数在多条第一路径中选取最优第一路径,将与最优第一路径相对应的第一采样点作为第一连接点;其中,第一代价函数包括以下中的至少一项:第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离;利用第一连接点结合需行驶车道确定第一规划路径。
本实施例提供的路径规划方法,由于第一连接点是在综合考虑第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离等条件下在多个第一采样点中选取的最优值,因此利用第一连接点结合需行驶车道确定的第一规划路径,能够最大限度的符合人工驾驶的习惯。
在一种可选的实施方式中,路径规划方法还包括以下步骤:当第三点不位于需行驶车道时,根据第三点的位姿信息在需行驶车道中选取与第三点接近的第四点,并在需行驶车道上选取第四点附近的多个第二采样点;其中第三点为终点或起点;利用多个第二采样点分别与第三点组成多条第二路径;利用预设的第二代价函数在多条第二路径中选取最优第二路径,将与最优第二路径相对应的第二采样点作为第二连接点;其中,第二代价函数包括以下中的至少一项:第二路径的路径段数、第二路径的最短路径、第二路径的路径长度、第二路径的最大曲率、第二路径与障碍物的最近距离;利用第二连接点结合需行驶车道确定第二规划路径。
由于第一连接点是在综合考虑第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离等条件下在多个第一采样点中选取的最优值;第二连接点是在综合考虑第二路径的路径段数、第二路径的最短路径、第二路径的路径长度、第二路径的最大曲率、第二路径与障碍物的最近距离等条件下在多个第二采样点中选取的最优值,因此利用第一连接点、第二连接点结合需行驶车道确定的第三规划路径能够最大限度的符合人工驾驶的习惯;进一步的,在得到第三规划路径之后,还对第三规划路径进行平滑处理,由此可以使得得到的规划路径更加符合人工驾驶的习惯。
在一种可选的实施方式中,第一代价函数为:
其中,cost1表示第一代价函数;ks1表示第一路径段数代价系数;pathSize1表示第一路径段数;km1表示第一最短路代价系数;minLen1表示第一最短路径;kl1表示第一路径长度代价系数;totalLength1表示第一路径长度;kc1表示第一最大曲率代价系数;maxCurve1表示第一最大曲率;kob1表示第一障碍物代价系数;minDist1表示第一障碍物最近距离。
由此可以根据不同应用场景,改变第一路径段数代价系数、第一最短路代价系数、第一路径长度代价系数、第一最大曲率代价系数和第一障碍物代价系数,由此可以使得路径规划方法的应用范围更广。
在一种可选的实施方式中,第二代价函数为:
其中,cost2表示第二代价函数;ks2表示第二路径段数代价系数;pathSize2表示第二路径段数;km2表示第二最短路代价系数;minLen2表示第二最短路径;kl2表示第二路径长度代价系数;totalLength2表示第二路径长度;kc2表示第二最大曲率代价系数;maxCurve2表示第二最大曲率;kob2表示第二障碍物代价系数;minDist2表示第二障碍物最近距离。
由此可以根据不同应用场景,改变第二路径段数代价系数、第二最短路代价系数、第二路径长度代价系数、第二最大曲率代价系数和第二障碍物代价系数,由此可以使得路径规划方法的应用范围更广。
在一种可选的实施方式中,利用预设的第一代价函数在多条第一路径中选取最优第一路径包括:分别获取每个第一路径的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、路径与障碍物的第一最近距离;针对每个第一路径,将与该第一路径相对应的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、路径与障碍物的第一最近距离输入到第一代价函数中,计算得到第一代价函数值;在计算得到的多个第一代价函数值中选取最高值;将与最高值相对应的第一路径作为最优第一路径;和/或,利用预设的第二代价函数在多条第二路径中选取最优第二路径包括:分别获取每个第二路径的第二路径段数、第二最短路径、第二路径长度、第二最大曲率、路径与障碍物的第二最近距离;针对每个第一路径,将与该第一路径相对应的第二路径段数、第二最短路径、第二路径长度、第二最大曲率、路径与障碍物的第二最近距离输入到第二代价函数中,计算得到第二代价函数值;在计算得到的多个第二代价函数值中选取最高值;将与最高值相对应的第二路径作为最优第二路径。
由此可以准确的选取出最优第一路径和/或最优第二路径。
在一种可选的实施方式中,利用第一连接点结合需行驶车道确定第一规划路径包括:在第一连接点处将最优第一路径与需行驶车道连接,得到第一规划路径;和/或;利用第二连接点结合需行驶车道确定第二规划路径包括:在第二连接点处将最优第二路径与需行驶车道连接,得到第二规划路径。
由此可以使得得到的规划路径符合人工驾驶习惯。
在一种可选的实施方式中,在利用第一连接点结合需行驶车道确定第一规划路径之后,还包括:对第一规划路径进行平滑处理;和/或;在利用第二连接点结合需行驶车道确定第二规划路径之后,还包括:对第二规划路径进行平滑处理;和/或;在利用第一连接点结合需行驶车道确定第一规划路径且利用第二连接点结合需行驶车道确定第二规划路径之后,还包括:对第一规划路径和第二规划路径进行合并,得到第三规划路径,对第三规划路径进行平滑处理。
由此可以使得得到的规划路径更加符合人工驾驶习惯。
第二方面,本发明实施例提供了一种路径规划装置,装置包括获取模块、选取模块、最优路径选择模块和规划路径确定模块;获取模块,用于分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息;选取模块,用于当第一点不位于需行驶车道时,根据第一点的位姿信息在需行驶车道中选取与第一点接近的第二点,并在第二点附近选取多个第一采样点;其中,第一点为起点或终点;最优路径选择模块,用于利用多个第一采样点分别与第一点组成多条第一路径;利用预设的第一代价函数在多条第一路径中选取最优第一路径,将与最优第一路径相对应的第一采样点作为第一连接点;其中,第一代价函数包括以下中的至少一项:第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离;规划路径确定模块,用于利用第一连接点结合需行驶车道确定第一规划路径。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的路径规划方法。
第四方面,本发明实施例还提供了一种车辆,包括第三方面的计算机设备。
第五方面,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的路径规划方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的路径规划方法的流程图;
图2是根据本发明实施例的另一路径规划方法的流程图;
图3是根据本发明实施例的再一路径规划方法的流程图;
图4根据本发明实施例的又一路径规划方法的流程图;
图5是起点与第一个采样点之间的规划路径示意图;
图6是起点与第二个采样点之间的规划路径示意图;
图7是起点与第三个采样点之间的规划路径示意图;
图8是起点与第四个采样点之间的规划路径示意图;
图9是起点与第五个采样点之间的规划路径示意图;
图10是终点与第一个采样点之间的规划路径示意图;
图11是终点与第二个采样点之间的规划路径示意图;
图12是终点与第三个采样点之间的规划路径示意图;
图13是终点与第四个采样点之间的规划路径示意图;
图14是终点与第五个采样点之间的规划路径示意图;
图15是根据本发明实施例路径规划方法一示例中得到的第三规划路径示意图;
图16是根据本发明实施例路径规划方法一示例中平滑处理后的第三规划路径示意图;
图17是根据本发明实施例的路径规划装置的结构框图;
图18是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如前所述,目前在进行车辆从当前位置行驶至需行驶车道且抵达目标位置的路径规划时,有时得到的规划路径并不符合人工驾驶习惯。例如,当车辆体积较大时,作业空间较为局促,且车辆有最小转弯半径的限制,若规划起点、终点选取不合适,将会出现前进、后退多次挪车的情况;再例如,在空间局促的位置进行路径搜索时,可能出现极短的路径,如0.2m长的路径,该长度的路径并不适合用于路径跟踪,影响跟踪精度;再例如,由于转弯半径的限制,为了抵达终点,搜索路径可能绕一段路,导致路径长度过大,不符合人工驾驶习惯。
基于此,根据本发明实施例,提供了一种路径规划方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种路径规划方法,可用于计算机设备,图1是根据本发明实施例的路径规划方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101:分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息。
示例的,当无人驾驶车辆在园区进行作业时,会收到云控平台下发的行驶指令,在行驶指令中包括需行驶车道、起点的第一位姿信息和终点的第二位姿信息。
步骤S102:当第一点不位于需行驶车道时,根据第一点的位姿信息在需行驶车道中选取与第一点接近的第二点,并在需行驶车道上选取第二点附近的多个第一采样点;其中,第一点为起点或终点。
在一种可选的实施方式中,根据第一点的位姿信息在需行驶车道的采样点中进行匹配,得到需行驶车道中与第一点接近的第二点。其中,第一点可以为车辆的起点,也可以为车辆的终点。
示例的,假设对需行驶车道的采样点进行编号,第二点的编号为0,如果需要选取5个第一采样点,则需行驶车道上第二点附近的多个第一采样点的编号可以为{-2,-1,0,1,2},还可以为{-4,-3,-2,-1,0},还可以为{-3,-2,-1,0,1}等。
步骤S103:利用多个第一采样点分别与第一点组成多条第一路径。
具体的,可以以每个第一采样点分别与第一点进行路径搜索,得到多条第一路径。
示例的,如果在需行驶车道上选取了5个第一采样点,则5个第一采样点分别与第一点进行路径搜索,得到5条第一路径。
步骤S104:利用预设的第一代价函数在多条第一路径中选取最优第一路径,将与最优第一路径相对应的第一采样点作为第一连接点。
在一种可选的实施方式中,第一代价函数包括以下中的至少一项:路径段数、最短路径、路径长度、最大曲率、障碍物最近距离。
也就是说,根据第一代价函数在多条第一路径中选取最优的第一路径,其中最优的第一路径可以理解在第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离方面进行综合考虑,一条最优的第一路径。
具体的,当第一点为起点时,第一连接点可以称为上线点,最优第一路径可以称为上线路径。当第一点为终点时,第一连接点可以称为下线点,最优第一路径可以称为下线路径。
步骤S105:利用第一连接点结合需行驶车道确定第一规划路径。
本实施例提供的路径规划方法,通过分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息;当第一点不位于需行驶车道时,根据第一点的位姿信息在需行驶车道中选取与第一点接近的第二点,并在需行驶车道上选取第二点附近的多个第一采样点;其中,第一点为起点或终点;利用多个第一采样点分别与第一点组成多条第一路径;利用预设的第一代价函数在多条第一路径中选取最优第一路径,将与最优第一路径相对应的第一采样点作为第一连接点;利用第一连接点结合需行驶车道确定第一规划路径。由于第一连接点是在综合考虑第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离等条件下在多个第一采样点中选取的最优值,因此利用第一连接点结合需行驶车道确定的第一规划路径,能够最大限度的符合人工驾驶的习惯。
在本实施例中提供了一种路径规划方法,可用于计算机设备。本发明实施例以第一点为终点为例,对路径规划方法进行详细说明。图2是根据本发明实施例的另一路径规划方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201:分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息。
步骤S202:当起点不位于需行驶车道时,根据起点的第一位姿信息(即第一点的位姿信息)在需行驶车道中选取与起点(即第一点)接近的第二点,并在第二点附近选取多个第一采样点。
步骤S203:利用多个第一采样点分别与起点(即第一点)组成多条第一路径。
步骤S204:利用预设的第一代价函数在多条第一路径中选取最优第一路径,将与最优第一路径相对应的第一采样点作为第一连接点。
在一种可选的实施方式中,第一代价函数为:
其中,cost1表示第一代价函数值;ks1表示第一路径段数代价系数;pathSize1表示第一路径段数;km1表示第一最短路代价系数;minLen1表示第一最短路径;kl1表示第一路径长度代价系数;totalLength1表示第一路径长度;kc1表示第一最大曲率代价系数;maxCurve1表示第一最大曲率;kob1表示第一障碍物代价系数;minDist1表示第一障碍物最近距离。
在一种可选的实施方式中,步骤S204包括:
步骤S2041:分别获取每个第一路径的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、第一路径与障碍物的最近距离。
步骤S2042:针对每个第一路径,将与该第一路径相对应的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、路径与障碍物的第一最近距离输入到第一代价函数中,计算得到第一代价函数值。
步骤S2043:在计算得到的多个第一代价函数值中选取最高值。
步骤S2044:将与最高值相对应的第一路径作为最优第一路径。
需要说明的是,可以根据不同应用场景,改变第一路径段数代价系数、第一最短路代价系数、第一路径长度代价系数、第一最大曲率代价系数和第一障碍物代价系数,由此可以使得路径规划方法的应用范围更广。
步骤S205:利用第一连接点结合需行驶车道确定第一规划路径。
在一种可选的实施方式中,利用第一连接点结合需行驶车道确定第一规划路径包括:在第一连接点处将最优第一路径与需行驶车道连接,得到第一规划路径。
步骤S206:对第一规划路径进行平滑处理。
本发明实施例以第一点为起点为例,对路径规划方法进行详细说明。由于第一连接点是在综合考虑第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离等条件下在多个第一采样点中选取的最优值,因此利用第一连接点结合需行驶车道确定的第一规划路径,能够最大限度的符合人工驾驶的习惯;进一步的,在得到第一规划路径之后,还对第一规划路径进行平滑处理,由此可以使得得到的规划路径更加符合人工驾驶的习惯。
在本实施例中提供了一种路径规划方法,可用于计算机设备。本发明实施例以第一点为终点为例,对路径规划方法进行详细说明。图3是根据本发明实施例的再一路径规划方法的流程图,如图3所示,该流程包括如下步骤:
步骤S301:分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息。
步骤S302:当终点不位于需行驶车道时,根据终点的第二位姿信息(即第一点的位姿信息)在需行驶车道中选取与终点(即第一点)接近的第二点,并在第二点附近选取多个第一采样点。
步骤S303:利用多个第一采样点分别与终点(即第一点)组成多条第一路径。
步骤S304:利用预设的第一代价函数在多条第一路径中选取最优第一路径,将与最优第一路径相对应的第一采样点作为第一连接点。
在一种可选的实施方式中,第一代价函数为:
其中,cost1表示第一代价函数值;ks1表示第一路径段数代价系数;pathSize1表示第一路径段数;km1表示第一最短路代价系数;minLen1表示第一最短路径;kl1表示第一路径长度代价系数;totalLength1表示第一路径长度;kc1表示第一最大曲率代价系数;maxCurve1表示第一最大曲率;kob1表示第一障碍物代价系数;minDist1表示第一障碍物最近距离。
在一种可选的实施方式中,步骤S304包括:
步骤S3041:分别获取每个第一路径的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、第一路径与障碍物的最近距离。
步骤S3042:针对每个第一路径,将与该第一路径相对应的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、路径与障碍物的第一最近距离输入到第一代价函数中,计算得到第一代价函数值。
步骤S3043:在计算得到的多个第一代价函数值中选取最高值。
步骤S3044:将与最高值相对应的第一路径作为最优第一路径。
步骤S305:利用第一连接点结合需行驶车道确定第一规划路径。
在一种可选的实施方式中,利用第二连接点结合需行驶车道确定第二规划路径包括:在第二连接点处将最优第二路径与需行驶车道连接,得到第二规划路径。
步骤S306:对第一规划路径进行平滑处理。
本发明实施例以第一点为终点为例,对路径规划方法进行详细说明。由于第一连接点是在综合考虑第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离等条件下在多个第一采样点中选取的最优值,因此利用第一连接点结合需行驶车道确定的第一规划路径,能够最大限度的符合人工驾驶的习惯;进一步的,在得到第一规划路径之后,还对第一规划路径进行平滑处理,由此可以使得得到的规划路径更加符合人工驾驶的习惯。
在本实施例中提供了一种路径规划方法,可用于计算机设备。本发明实施例以第一点为起点,第三点为终点为例,对路径规划方法进行详细说明。图4根据本发明实施例的又一路径规划方法的流程图,如图4示,该流程包括如下步骤:
步骤S401:分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息。
步骤S402:当起点和终点均不位于需行驶车道时,根据起点的第一位姿信息在需行驶车道中选取与起点(即第一点)接近的第二点,并在第二点附近选取多个第一采样点;根据终点的第二位姿信息在需行驶车道中选取与终点(即第三点)接近的第四点,并在第四点附近选取多个第二采样点。
步骤S403:利用多个第一采样点分别与起点组成多条第一路径;利用多个第二采样点分别与终点组成多条第二路径。
步骤S404:利用预设的第一代价函数在多条第一路径中选取最优第一路径,将与最优第一路径相对应的第一采样点作为第一连接点;利用预设的第二代价函数在多条第二路径中选取最优第二路径,将与最优第二路径相对应的第二采样点作为第二连接点。
具体的,在一种可选的实施方式中,第一代价函数为:
其中,cost1表示第一代价函数值;ks1表示第一路径段数代价系数;pathSize1表示第一路径段数;km1表示第一最短路代价系数;minLen1表示第一最短路径;kl1表示第一路径长度代价系数;totalLength1表示第一路径长度;kc1表示第一最大曲率代价系数;maxCurve1表示第一最大曲率;kob1表示第一障碍物代价系数;minDist1表示第一障碍物最近距离。
在一种可选的实施方式中,步骤S404中的利用预设的第一代价函数在多条第一路径中选取最优第一路径包括:
步骤a1:分别获取每个第一路径的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、第一路径与障碍物的最近距离。
步骤a2:针对每个第一路径,将与该第一路径相对应的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、路径与障碍物的第一最近距离输入到第一代价函数中,计算得到第一代价函数值。
步骤a3:在计算得到的多个第一代价函数值中选取最高值。
步骤a4:将与最高值相对应的第一路径作为最优第一路径。
在一种可选的实施方式中,第二代价函数为:
其中,cost2表示第二代价函数值;ks2表示第二路径段数代价系数;pathSize2表示第二路径段数;km2表示第二最短路代价系数;minLen2表示第二最短路径;kl2表示第二路径长度代价系数;totalLength2表示第二路径长度;kc2表示第二最大曲率代价系数;maxCurve2表示第二最大曲率;kob2表示第二障碍物代价系数;minDist2表示路径与障碍物的第二最近距离。
在一种可选的实施方式中,步骤S404中的利用预设的第二代价函数在多条第二路径中选取最优第二路径包括:
步骤Sb1:分别获取每个第二路径的第二路径段数、第二最短路径、第二路径长度、第二最大曲率、路径与障碍物的第二最近距离。
步骤Sb2:针对每个第一路径,将与该第一路径相对应的第二路径段数、第二最短路径、第二路径长度、第二最大曲率、路径与障碍物的第二最近距离输入到第二代价函数中,计算得到第二代价函数值。
步骤Sb3:在计算得到的多个第二代价函数值中选取最高值。
步骤Sb4:将与最高值相对应的第二路径作为最优第二路径。
同样,可以根据不同应用场景,改变第二路径段数代价系数、第二最短路代价系数、第二路径长度代价系数、第二最大曲率代价系数和第二障碍物代价系数,由此可以使得路径规划方法的应用范围更广。
步骤S405:利用第一连接点结合需行驶车道确定第一规划路径;利用第二连接点结合需行驶车道确定第二规划路径;将第一规划路径和第二规划路径进行合并,得到第三规划路径。
步骤S406:对第三规划路径进行平滑处理。
为了把本发明实施例路径规划方法说明的更加详细,给出一个具体的示例。云控平台会下发一个循迹行驶任务,该任务信息中包含起点S、终点E位置姿态、由起点到终点需要行驶的车道编号。收到以上任务信息后:
第一步,首先提取起点和终点在车道中心线的采样点中进行匹配,计算得到起点(即图4所示实施例中的第一点)在车道中的最近点S’(即图4所示实施例中的第二点)和终点(即图4所示实施例中的第三点)在车道中的最近点E’(即图4所示实施例中的第四点)。将需要行驶的车道中心线采样点全部提出,并将相邻车道通过插值的方式首尾相连,得到完整的车道线path。
第二步,然后在S’处按车道线前后按索引{-2,-1,0,1,2}分别进行采样,得到5个采样点(即图4所示实施例中的第一采样点),遍历5个采样点,分别以S作为起点,采样点作为终点进行路径搜索,得到5条路径(即图4所述实施例中的第一路径),具体的,5条路径可参见图5、图6、图7、图8和图9,分别计算这5条路径的第一路径段数pathSize1,第一最短路径minLen1、第一路径长度pathLength1、第一最大曲率maxCurve1、第一障碍物最近距离minDist1。
分别将第一路径段数pathSize1,第一最短路径minLen1、第一路径长度pathLength1、第一最大曲率maxCurve1、第一障碍物最近距离minDist1输入到第一代价函数中,计算得到多个第一代价函数值。在计算得到的多个第一代价函数值中选取最高值,将与最高值相对应的第一路径作为最优第一路径pathS。进一步的,将与最优第一路径pathS相对应的第一采样点(也可称为上线点)pointS。
第三步,接着,采用与第二步同样的方法可得终点E对应的最优第二路径pathE,及将与最优第二路径pathE相对应的第二采样点(也可称为下线点)pointE。具体的,图10、图11、图12、图13和图14分别是终点与第一个采样点、第二个采样点、第三个采样点、第四个采样点和第五个采样点之间的规划路径示意图。
第四步,将第一步的完整车道线path以pointS作为首个点,pointE作为末端点进行截取,将两点之外的路径点全部删除,得到一条路径path‘。
第五步,将起点处筛选出的最优路径pathS拼接到path‘前端,终点处pathE拼接到path‘末端,得到以S为起点,E为终点,途径必要车道线中心线的粗糙轨迹trajectory(即图4所述实施例中的第三路径),如图15所示。
第六步,使用DL-IAPS算法对上述粗糙轨迹进行平滑处理,得到一条平滑的最终trajectory,如图16所示。
本发明实施例以第一点为起点,第三点为终点为例,对路径规划方法进行详细说明。由于第一连接点是在综合考虑第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离等条件下在多个第一采样点中选取的最优值;第二连接点是在综合考虑第二路径的路径段数、第二路径的最短路径、第二路径的路径长度、第二路径的最大曲率、第二路径与障碍物的最近距离等条件下在多个第二采样点中选取的最优值,因此利用第一连接点、第二连接点结合需行驶车道确定的第三规划路径能够最大限度的符合人工驾驶的习惯;进一步的,在得到第三规划路径之后,还对第三规划路径进行平滑处理,由此可以使得得到的规划路径更加符合人工驾驶的习惯。
在本实施例中还提供了一种路径规划装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种路径规划装置,如图17所示,包括:
获取模块1701,用于分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息。
选取模块1702,用于当第一点不位于需行驶车道时,根据第一点的位姿信息在需行驶车道中选取与第一点接近的第二点,并在第二点附近选取多个第一采样点;其中,第一点为起点或终点。
最优路径选择模块1703,用于利用多个第一采样点分别与第一点组成多条第一路径;利用预设的第一代价函数在多条第一路径中选取最优第一路径,将与最优第一路径相对应的第一采样点作为第一连接点,其中,第一代价函数包括以下中的至少一项:第一路径的路径段数、第一路径的最短路径、第一路径的路径长度、第一路径的最大曲率、第一路径与障碍物的最近距离。
规划路径确定模块1704,用于利用第一连接点结合需行驶车道确定第一规划路径。
在一些可选的实施方式中,选取模块1702,还用于当第三点不位于需行驶车道时,根据第三点的位姿信息在需行驶车道中选取与第三点接近的第四点,并在需行驶车道上选取第四点附近的多个第二采样点;其中第三点为终点或起点。最优路径选择模块1703,还用于利用多个第二采样点分别与第二点组成多条第二路径;利用预设的第二代价函数在多条第二路径中选取最优第二路径,将与最优第二路径相对应的第二采样点作为第二连接点;其中,第二代价函数包括以下中的至少一项:第二路径的路径段数、第二路径的最短路径、第二路径的路径长度、第二路径的最大曲率、第二路径与障碍物的最近距离;规划路径确定模块1704,还用于利用第二连接点结合需行驶车道确定第二规划路径。
在一些可选的实施方式中,第一代价函数为:
其中,cost1表示第一代价函数值;ks1表示第一路径段数代价系数;pathSize1表示第一路径段数;km1表示第一最短路代价系数;minLen1表示第一最短路径;kl1表示第一路径长度代价系数;totalLength1表示第一路径长度;kc1表示第一最大曲率代价系数;maxCurve1表示第一最大曲率;kob1表示第一障碍物代价系数;minDist1表示路径与障碍物的第一最近距离。
在一些可选的实施方式中,第二代价函数为:
其中,cost2表示第二代价函数值;ks2表示第二路径段数代价系数;pathSize2表示第二路径段数;km2表示第二最短路代价系数;minLen2表示第二最短路径;k12表示第二路径长度代价系数;totalLength2表示第二路径长度;kc2表示第二最大曲率代价系数;maxCurve2表示第二最大曲率;kob2表示第二障碍物代价系数;minDist2表示路径与障碍物的第二最近距离。
在一些可选的实施方式中,最优路径选择模块1703包括路径构建单元、路径选择单元和连接点确定单元。其中,路径构建单元用于利用多个第一采样点分别与第一点组成多条第一路径。路径选择单元具体用于:分别获取每个第一路径的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、路径与障碍物的第一最近距离;针对每个第一路径,将与该第一路径相对应的第一路径段数、第一最短路径、第一路径长度、第一最大曲率、路径与障碍物的第一最近距离输入到第一代价函数中,计算得到第一代价函数值;在计算得到的多个第一代价函数值中选取最高值;将与最高值相对应的第一路径作为最优第一路径。连接点确定单元用于将与最优第一路径相对应的第一采样点作为第一连接点。
在一些可选的实施方式中,路径构建单元用于利用多个第二采样点分别与第三点组成多条第二路径。路径选择单元具体还用于:分别获取每个第二路径的第二路径段数、第二最短路径、第二路径长度、第二最大曲率、路径与障碍物的第二最近距离;针对每个第一路径,将与该第一路径相对应的第二路径段数、第二最短路径、第二路径长度、第二最大曲率、路径与障碍物的第二最近距离输入到第二代价函数中,计算得到第二代价函数值;在计算得到的多个第二代价函数值中选取最高值;将与最高值相对应的第二路径作为最优第二路径。连接点确定单元用于将与最优第二路径相对应的第二采样点作为第二连接点。
在一些可选的实施方式中,规划路径确定模块1704用于在第一连接点处将最优第一路径与需行驶车道连接,得到第一规划路径。
在一些可选的实施方式中,规划路径确定模块1704还用于在第二连接点处将最优第二路径与需行驶车道连接,得到第二规划路径。
在一些可选的实施方式中,路径规划装置还包括平滑处理模块。在利用第一连接点结合需行驶车道确定第一规划路径之后,平滑处理模块用于对第一规划路径进行平滑处理。和/或,在利用第二连接点结合需行驶车道确定第二规划路径之后,平滑处理模块用于对第二规划路径进行平滑处理。和/或,在利用第一连接点结合需行驶车道确定第一规划路径且利用第二连接点结合需行驶车道确定第二规划路径之后,平衡处理模块,用于对第一规划路径和第二规划路径进行合并,得到第三规划路径,对第三规划路径进行平滑处理。
本发明实施例还提供一种计算机设备,具有上述图17所示的路径规划装置。
请参阅图18,图18是本发明可选实施例提供的一种计算机设备的结构示意图,如图18所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图18中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,存储器20存储有可由至少一个处理器10执行的指令,以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接,图18中以通过总线连接为例。
输入装置30可接收输入的数字或字符信息,以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。上述显示设备包括但不限于液晶显示器,发光二极管,显示器和等离子体显示器。在一些可选的实施方式中,显示设备可以是触摸屏。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种路径规划方法,其特征在于,所述方法包括:
分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息;
当第一点不位于所述需行驶车道时,根据所述第一点的位姿信息在所述需行驶车道中选取与所述第一点接近的第二点,并在所述需行驶车道上选取所述第二点附近的多个第一采样点;其中,所述第一点为所述起点或所述终点;
利用多个所述第一采样点分别与所述第一点组成多条第一路径;利用预设的第一代价函数在多条所述第一路径中选取最优第一路径,将与所述最优第一路径相对应的第一采样点作为第一连接点;其中,所述第一代价函数包括以下中的至少一项:所述第一路径的路径段数、所述第一路径的最短路径、所述第一路径的路径长度、所述第一路径的最大曲率、所述第一路径与障碍物的最近距离;
利用所述第一连接点结合所述需行驶车道确定第一规划路径。
2.根据权利要求1所述的方法,其特征在于,还包括:
当第三点不位于所述需行驶车道时,根据所述第三点的位姿信息在所述需行驶车道中选取与所述第三点接近的第四点,并在所述需行驶车道上选取所述第四点附近的多个第二采样点;其中所述第三点为所述终点或所述起点;
利用多个所述第二采样点分别与所述第三点组成多条第二路径;利用预设的第二代价函数在多条所述第二路径中选取最优第二路径,将与所述最优第二路径相对应的第二采样点作为第二连接点;其中,所述第二代价函数包括以下中的至少一项:所述第二路径的路径段数、所述第二路径的最短路径、所述第二路径的路径长度、所述第二路径的最大曲率、所述第二路径与障碍物的最近距离;
利用所述第二连接点结合所述需行驶车道确定第二规划路径。
3.根据权利要求2所述的方法,其特征在于:
所述第一代价函数为:
其中,cost1表示第一代价函数值;ks1表示第一路径段数代价系数;pathSize1表示第一路径段数;km1表示第一最短路代价系数;minLen1表示第一最短路径;kl1表示第一路径长度代价系数;totalLength1表示第一路径长度;kc1表示第一最大曲率代价系数;maxCurve1表示第一最大曲率;kob1表示第一障碍物代价系数;minDist1表示路径与障碍物的第一最近距离;
和/或;
所述第二代价函数为:
其中,cost2表示第二代价函数值;ks2表示第二路径段数代价系数;pathSize2表示第二路径段数;km2表示第二最短路代价系数;minLen2表示第二最短路径;kl2表示第二路径长度代价系数;totalLength2表示第二路径长度;kc2表示第二最大曲率代价系数;maxCurve2表示第二最大曲率;kob2表示第二障碍物代价系数;minDist2表示路径与障碍物的第二最近距离。
4.根据权利要求3所述的方法,其特征在于:
所述利用预设的第一代价函数在多条所述第一路径中选取最优第一路径包括:
分别获取每个所述第一路径的所述第一路径段数、所述第一最短路径、所述第一路径长度、所述第一最大曲率、所述路径与障碍物的第一最近距离;
针对每个第一路径,将与该第一路径相对应的第一路径段数、所述第一最短路径、所述第一路径长度、所述第一最大曲率、所述路径与障碍物的第一最近距离输入到第一代价函数中,计算得到第一代价函数值;
在计算得到的多个第一代价函数值中选取最高值;
将与所述最高值相对应的第一路径作为最优第一路径;
和/或;
所述利用预设的第二代价函数在多条所述第二路径中选取最优第二路径包括:
分别获取每个所述第二路径的所述第二路径段数、所述第二最短路径、所述第二路径长度、所述第二最大曲率、所述路径与障碍物的第二最近距离;
针对每个第一路径,将与该第一路径相对应的所述第二路径段数、所述第二最短路径、所述第二路径长度、所述第二最大曲率、所述路径与障碍物的第二最近距离输入到第二代价函数中,计算得到第二代价函数值;
在计算得到的多个第二代价函数值中选取最高值;
将与所述最高值相对应的第二路径作为最优第二路径。
5.根据权利要求3所述的方法,其特征在于:
所述利用所述第一连接点结合所述需行驶车道确定第一规划路径包括:
在所述第一连接点处将所述最优第一路径与所述需行驶车道连接,得到所述第一规划路径;
和/或;
利用所述第二连接点结合所述需行驶车道确定第二规划路径包括:
在所述第二连接点处将所述最优第二路径与所述需行驶车道连接,得到所述第二规划路径。
6.根据权利要求5所述的方法,其特征在于:
在利用所述第一连接点结合所述需行驶车道确定第一规划路径之后,还包括:对所述第一规划路径进行平滑处理;
和/或;
在利用所述第二连接点结合所述需行驶车道确定第二规划路径之后,还包括:对所述第二规划路径进行平滑处理;
和/或;
在利用所述第一连接点结合所述需行驶车道确定第一规划路径且利用所述第二连接点结合所述需行驶车道确定第二规划路径之后,还包括:对所述第一规划路径和所述第二规划路径进行合并,得到第三规划路径,对所述第三规划路径进行平滑处理。
7.一种路径规划装置,其特征在于,所述装置包括:
获取模块,用于分别获取需行驶车道、起点的第一位姿信息和终点的第二位姿信息;
选取模块,用于当第一点不位于所述需行驶车道时,根据所述第一点的位姿信息在所述需行驶车道中选取与所述第一点接近的第二点,并在所述第二点附近选取多个第一采样点;其中,所述第一点为所述起点或所述终点;
最优路径选择模块,用于利用多个所述第一采样点分别与所述第一点组成多条第一路径;利用预设的第一代价函数在多条所述第一路径中选取最优第一路径,将与所述最优第一路径相对应的第一采样点作为第一连接点;其中,所述第一代价函数包括以下中的至少一项:所述第一路径的路径段数、所述第一路径的最短路径、所述第一路径的路径长度、所述第一路径的最大曲率、所述第一路径与障碍物的最近距离;
规划路径确定模块,用于利用所述第一连接点结合所述需行驶车道确定第一规划路径。
8.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的路径规划方法。
9.一种车辆,其特征在于,包括权利要求8所述的计算机设备。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311438781.8A CN117490714A (zh) | 2023-10-31 | 2023-10-31 | 一种车辆、路径规划方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311438781.8A CN117490714A (zh) | 2023-10-31 | 2023-10-31 | 一种车辆、路径规划方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117490714A true CN117490714A (zh) | 2024-02-02 |
Family
ID=89668167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311438781.8A Pending CN117490714A (zh) | 2023-10-31 | 2023-10-31 | 一种车辆、路径规划方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117490714A (zh) |
-
2023
- 2023-10-31 CN CN202311438781.8A patent/CN117490714A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111238497B (zh) | 一种高精度地图的构建方法及装置 | |
CN112504286B (zh) | 基于引导线图层的路径规划方法及系统、服务器及介质 | |
JP2022104639A (ja) | 車両の車線変更制御方法、機器、記憶媒体及びプログラム | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
JP2022020764A (ja) | サンプル偏差データの取得方法、装置及び電子機器 | |
CN113635912B (zh) | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 | |
CN112258873B (zh) | 用于控制车辆的方法、装置、电子设备及存储介质 | |
CN111397611A (zh) | 路径规划方法、装置以及电子设备 | |
US10949751B2 (en) | Optimization of multiple criteria in journey planning | |
CN115410410B (zh) | 车位推荐方法、装置、设备以及存储介质 | |
CN110823237A (zh) | 起点绑路及预测模型获取方法、装置及存储介质 | |
CN114863047A (zh) | 路口虚拟线绘制方法、装置、电子设备及计算机程序产品 | |
CN108663062B (zh) | 路径规划方法及其系统 | |
CN113570727A (zh) | 场景文件的生成方法、装置、电子设备及存储介质 | |
CN111371862B (zh) | 无人车调试方法、装置、服务器和介质 | |
CN117490714A (zh) | 一种车辆、路径规划方法、装置、计算机设备及存储介质 | |
CN116858261A (zh) | 导航路线动态规划方法、装置、计算机设备及存储介质 | |
CN115583254A (zh) | 路径规划方法、装置、设备以及自动驾驶车辆 | |
CN114689061A (zh) | 自动驾驶设备的导航路线处理方法、装置及电子设备 | |
JP7212709B2 (ja) | モデリングルートの検証方法、装置、無人車両及び記憶媒体 | |
CN114674340A (zh) | 地图数据的处理方法、装置、电子设备和存储介质 | |
CN115435800A (zh) | 基于高精度地图的路径规划方法、装置、设备及介质 | |
CN113276888A (zh) | 基于自动驾驶的乘车方法、装置、设备和存储介质 | |
CN112699202A (zh) | 禁行道路的识别方法、装置、电子设备及存储介质 | |
CN117739947A (zh) | 地图数据处理方法、装置、车辆及存储介质 |
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 |