CN118010049A - 轨迹规划方法、装置、电子设备及存储介质 - Google Patents
轨迹规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN118010049A CN118010049A CN202410076611.8A CN202410076611A CN118010049A CN 118010049 A CN118010049 A CN 118010049A CN 202410076611 A CN202410076611 A CN 202410076611A CN 118010049 A CN118010049 A CN 118010049A
- Authority
- CN
- China
- Prior art keywords
- current vehicle
- objective function
- obstacle
- planning
- optimization objective
- 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 51
- 230000006870 function Effects 0.000 claims abstract description 79
- 238000005457 optimization Methods 0.000 claims abstract description 48
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种轨迹规划方法、装置、电子设备及存储介质。该方法包括:获取预先构建的优化目标函数以及所述优化目标函数对应的约束条件,其中,所述优化目标函数是基于第一躲避障碍物信息构建的轨迹规划函数,所述约束条件是基于第二躲避障碍物信息构建的约束函数;确定所述优化目标函数在所述约束条件下的目标规划轨迹。上述技术方案,通过将躲避障碍物信息加入轨迹规划函数和约束条件,使求解得到的目标规划轨迹能更准确的躲避障碍物,有效提升了规划轨迹的准确度。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种轨迹规划方法、装置、电子设备及存储介质。
背景技术
自动驾驶车辆为了到达既定目标位置,需要轨迹规划算法进行行驶路线的规划。
轨迹规划算法在进行轨迹规划时,常用时空解耦的规划算法,即分为路径规划和速度规划,在路径规划时先规划出一条路径,继而在规划的路径基础上再规划速度。
在实现本发明的过程中,发明人发现现有技术中至少存在以下技术问题:上述现有技术方案,存在轨迹规划不准确的问题。
发明内容
本发明提供了一种轨迹规划方法、装置、电子设备及存储介质,以提升轨迹规划的准确度。
根据本发明的一方面,提供了一种轨迹规划方法,包括:
获取预先构建的优化目标函数以及所述优化目标函数对应的约束条件,其中,所述优化目标函数是基于第一躲避障碍物信息构建的轨迹规划函数,所述约束条件是基于第二躲避障碍物信息构建的约束函数;
确定所述优化目标函数在所述约束条件下的目标规划轨迹。
根据本发明的另一方面,提供了一种轨迹规划装置,包括:
优化目标函数获取模块,用于获取预先构建的优化目标函数以及所述优化目标函数对应的约束条件,其中,所述优化目标函数是基于第一躲避障碍物信息构建的轨迹规划函数,所述约束条件是基于第二躲避障碍物信息构建的约束函数;
优化目标函数确定模块,用于确定所述优化目标函数在所述约束条件下的目标规划轨迹。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的轨迹规划方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的轨迹规划方法。
本发明实施例的技术方案,通过将躲避障碍物信息加入轨迹规划函数和约束条件,使求解得到的目标规划轨迹能更准确的躲避障碍物,提升了规划轨迹的准确度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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一提供的一种轨迹规划方法的流程图;
图2是根据本发明实施例二提供的一种轨迹规划方法的流程图;
图3是根据本发明实施例提供的一种当前车辆与障碍物潜在碰撞区域的示意图;
图4是根据本发明实施例三提供的一种轨迹规划装置的结构示意图;
图5是实现本发明实施例的轨迹规划方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
实施例一
图1为本发明实施例一提供的一种轨迹规划方法的流程图,本实施例可适用于自动驾驶车辆自动进行轨迹规划的情况,该方法可以由轨迹规划装置来执行,该轨迹规划装置可以采用硬件和/或软件的形式实现,该轨迹规划装置可配置于车载终端中。如图1所示,该方法包括:
S110、获取预先构建的优化目标函数以及所述优化目标函数对应的约束条件,其中,所述优化目标函数是基于第一躲避障碍物信息构建的轨迹规划函数,所述约束条件是基于第二躲避障碍物信息构建的约束函数。
在本公开实施例中,优化目标函数是指用于描述当前车辆轨迹规划问题中目标优化的数学表达式。约束条件是指在当前车辆轨迹规划时需要遵循的限制条件。第一躲避障碍物信息与第二躲避障碍物信息是指当前车辆进行障碍物躲避时相关联的车辆信息,例如躲避障碍物信息可以包括当前车辆位置以及当前车辆速度等信息。障碍物可以为车辆、树木或货物等阻碍当前车辆行驶的物体,在此不做限定。
具体地,可以从车载终端的预设存储位置调取预先构建的优化目标函数以及优化目标函数对应的约束条件。
S120、确定所述优化目标函数在所述约束条件下的目标规划轨迹。
在本公开实施例中,可以通过优化求解器求解优化目标函数在约束条件下的目标规划轨迹。可选地,目标规划轨迹包括规划路径信息和规划速度信息,其中,规划路径信息包括当前车辆在弗伦内特坐标系下的多个时刻的横向位置,规划速度信息包括多个时刻的当前车辆速度。
本发明实施例的技术方案,通过将躲避障碍物信息加入轨迹规划函数和约束条件,使求解得到的目标规划轨迹能更准确的躲避障碍物,有效提升了规划轨迹的准确度。
实施例二
图2为本发明实施例二提供的一种轨迹规划方法的流程图,本实施例的方法与上述实施例中提供的轨迹规划方法中各个可选方案可以结合。本实施例提供的轨迹规划方法进行了进一步优化。可选的,第一躲避障碍物信息包括:当前车辆在弗伦内特坐标系下的横向位置、当前车辆在弗伦内特坐标系下的参考横向位置、当前车辆速度和当前车辆参考速度;以及第二躲避障碍物信息包括:当前车辆速度和当前车辆在弗伦内特坐标系下的距离障碍物的横向距离。
如图2所示,该方法包括:
S210、获取预先构建的优化目标函数以及所述优化目标函数对应的约束条件,其中,所述优化目标函数是基于第一躲避障碍物信息构建的轨迹规划函数,所述第一躲避障碍物信息包括当前车辆在弗伦内特坐标系下的横向位置、当前车辆在弗伦内特坐标系下的参考横向位置、当前车辆速度和当前车辆参考速度;所述约束条件是基于第二躲避障碍物信息构建的约束函数,所述第二躲避障碍物信息包括当前车辆速度和当前车辆在弗伦内特坐标系下的距离障碍物的横向距离。
其中,横向位置为未知量,即待求解量;参考横向位置为已知量。当前车辆速度为未知量,即待求解量;当前车辆参考速度为已知量。
S220、确定所述优化目标函数在所述约束条件下的目标规划轨迹。
可选地,优化目标函数包括:
其中,f(x)表示初始优化目标函数,li表示当前车辆在弗伦内特坐标系下第i个时刻的横向位置;liref表示当前车辆在弗伦内特坐标系下第i个时刻的参考横向位置;vi表示当前车辆在第i个时刻的速度;viref表示当前车辆在第i个时刻的参考速度;w1表示目标横向位置权重;w2表示目标速度权重。
需要说明的是,初始优化目标函数是指未加入第一躲避障碍物信息的原始优化目标函数,可以通过参考轨迹和预测轨迹等信息构建得到。目标横向位置权重和目标速度权重可以根据实验标定得到。
可选地,约束条件包括:
m(x)<0;
其中,h(x)表示初始约束条件,vi表示当前车辆在第i个时刻的速度;liobs表示当前车辆在弗伦内特坐标系下第i个时刻距离障碍物的横向距离;y(liobs)表示当前车辆在距离障碍物liobs时的最大允许速度。
需要说明的是,初始约束条件是指未加入第二躲避障碍物信息的约束条件,可以包括但不限于最大速度约束、最大加速度约束和转向角约束等。y(·)可以为预先设定的liobs与最大允许速度的映射关系式,映射关系可以为线性关系或者指数关系等,在此不做限定。
可选地,方法还包括:在当前车辆进入预设碰撞区域的情况下,采集当前车辆在弗伦内特坐标系下的距离障碍物的横向距离;在当前车辆未进入预设碰撞区域的情况下,将当前车辆在弗伦内特坐标系下的距离障碍物的横向距离设置为目标距离值,其中,目标距离值为预先标定的横向距离最大值。
其中,预设碰撞区域是指当前车辆与障碍物的潜在碰撞区域。
可以理解的是,在当前车辆未进入预设碰撞区域的情况下,将当前车辆在弗伦内特坐标系下的距离障碍物的横向距离设置为目标距离值,可以有效保证当前车辆以大于通过预设碰撞区域的速度行驶,提升车辆行驶速度。
示例性的,图3是根据本发明实施例提供的一种当前车辆与障碍物潜在碰撞区域的示意图。图3中A表示当前车辆,B表示障碍物,当前车辆与障碍物潜在碰撞区域的范围可以为S1-S2。
本发明实施例的技术方案,通过将躲避障碍物信息加入轨迹规划函数和约束条件,使求解得到的目标规划轨迹能更准确的躲避障碍物,提升了规划轨迹的准确度。
实施例三
图4为本发明实施例三提供的一种轨迹规划装置的结构示意图。如图4所示,该装置包括:
优化目标函数获取模块310,用于获取预先构建的优化目标函数以及所述优化目标函数对应的约束条件,其中,所述优化目标函数是基于第一躲避障碍物信息构建的轨迹规划函数,所述约束条件是基于第二躲避障碍物信息构建的约束函数;
优化目标函数确定模块320,用于确定所述优化目标函数在所述约束条件下的目标规划轨迹。
本发明实施例的技术方案,通过将躲避障碍物信息加入轨迹规划函数和约束条件,使求解得到的目标规划轨迹能更准确的躲避障碍物,提升了规划轨迹的准确度。
在一些可选的实施方式中,所述第一躲避障碍物信息包括:
当前车辆在弗伦内特坐标系下的横向位置、当前车辆在弗伦内特坐标系下的参考横向位置、当前车辆速度和当前车辆参考速度。
在一些可选的实施方式中,所述优化目标函数包括:
其中,f(x)表示初始优化目标函数,li表示当前车辆在弗伦内特坐标系下第i个时刻的横向位置;liref表示当前车辆在弗伦内特坐标系下第i个时刻的参考横向位置;vi表示当前车辆在第i个时刻的速度;viref表示当前车辆在第i个时刻的参考速度;w1表示目标横向位置权重;w2表示目标速度权重。
在一些可选的实施方式中,所述第二躲避障碍物信息包括:
当前车辆速度和当前车辆在弗伦内特坐标系下的距离障碍物的横向距离。
在一些可选的实施方式中,所述约束条件包括:
m(x)<0;
其中,h(x)表示初始约束条件,vi表示当前车辆在第i个时刻的速度;liobs表示当前车辆在弗伦内特坐标系下第i个时刻距离障碍物的横向距离;y(liobs)表示当前车辆在距离障碍物liobs时的最大允许速度。
在一些可选的实施方式中轨迹规划装置,还包括:
横向距离获取模块,用于在当前车辆进入预设碰撞区域的情况下,采集当前车辆在弗伦内特坐标系下的距离障碍物的横向距离;在当前车辆未进入预设碰撞区域的情况下,将当前车辆在弗伦内特坐标系下的距离障碍物的横向距离设置为目标距离值,其中,所述目标距离值为预先标定的横向距离最大值。
在一些可选的实施方式中,所述目标规划轨迹包括规划路径信息和规划速度信息,其中,所述规划路径信息包括当前车辆在弗伦内特坐标系下的多个时刻的横向位置,所述规划速度信息包括多个时刻的当前车辆速度。
本发明实施例所提供的轨迹规划装置可执行本发明任意实施例所提供的轨迹规划方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。I/O接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如轨迹规划方法,该方法包括:
获取预先构建的优化目标函数以及所述优化目标函数对应的约束条件,其中,所述优化目标函数是基于第一躲避障碍物信息构建的轨迹规划函数,所述约束条件是基于第二躲避障碍物信息构建的约束函数;
确定所述优化目标函数在所述约束条件下的目标规划轨迹。
在一些实施例中,轨迹规划方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的轨迹规划方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行轨迹规划方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、系统级芯片(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种轨迹规划方法,其特征在于,包括:
获取预先构建的优化目标函数以及所述优化目标函数对应的约束条件,其中,所述优化目标函数是基于第一躲避障碍物信息构建的轨迹规划函数,所述约束条件是基于第二躲避障碍物信息构建的约束函数;
确定所述优化目标函数在所述约束条件下的目标规划轨迹。
2.根据权利要求1所述的方法,其特征在于,所述第一躲避障碍物信息包括:
当前车辆在弗伦内特坐标系下的横向位置、当前车辆在弗伦内特坐标系下的参考横向位置、当前车辆速度和当前车辆参考速度。
3.根据权利要求2所述的方法,其特征在于,所述优化目标函数包括:
其中,f(x)表示初始优化目标函数,li表示当前车辆在弗伦内特坐标系下第i个时刻的横向位置;liref表示当前车辆在弗伦内特坐标系下第i个时刻的参考横向位置;vi表示当前车辆在第i个时刻的速度;viref表示当前车辆在第i个时刻的参考速度;w1表示目标横向位置权重;w2表示目标速度权重。
4.根据权利要求1所述的方法,其特征在于,所述第二躲避障碍物信息包括:
当前车辆速度和当前车辆在弗伦内特坐标系下的距离障碍物的横向距离。
5.根据权利要求4所述的方法,其特征在于,所述约束条件包括:
m(x)<0;
其中,h(x)表示初始约束条件,vi表示当前车辆在第i个时刻的速度;liobs表示当前车辆在弗伦内特坐标系下第i个时刻距离障碍物的横向距离;
y(liobs)表示当前车辆在距离障碍物liobs时的最大允许速度。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在当前车辆进入预设碰撞区域的情况下,采集当前车辆在弗伦内特坐标系下的距离障碍物的横向距离;
在当前车辆未进入预设碰撞区域的情况下,将当前车辆在弗伦内特坐标系下的距离障碍物的横向距离设置为目标距离值,其中,所述目标距离值为预先标定的横向距离最大值。
7.根据权利要求1所述的方法,其特征在于,所述目标规划轨迹包括规划路径信息和规划速度信息,其中,所述规划路径信息包括当前车辆在弗伦内特坐标系下的多个时刻的横向位置,所述规划速度信息包括多个时刻的当前车辆速度。
8.一种轨迹规划装置,其特征在于,包括:
优化目标函数获取模块,用于获取预先构建的优化目标函数以及所述优化目标函数对应的约束条件,其中,所述优化目标函数是基于第一躲避障碍物信息构建的轨迹规划函数,所述约束条件是基于第二躲避障碍物信息构建的约束函数;
优化目标函数确定模块,用于确定所述优化目标函数在所述约束条件下的目标规划轨迹。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的轨迹规划方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的轨迹规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410076611.8A CN118010049A (zh) | 2024-01-18 | 2024-01-18 | 轨迹规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410076611.8A CN118010049A (zh) | 2024-01-18 | 2024-01-18 | 轨迹规划方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118010049A true CN118010049A (zh) | 2024-05-10 |
Family
ID=90947189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410076611.8A Pending CN118010049A (zh) | 2024-01-18 | 2024-01-18 | 轨迹规划方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118010049A (zh) |
-
2024
- 2024-01-18 CN CN202410076611.8A patent/CN118010049A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114987546A (zh) | 轨迹预测模型的训练方法、装置、设备及存储介质 | |
CN115903831A (zh) | 一种车辆驾驶控制方法、装置、车辆及存储介质 | |
CN114003613A (zh) | 高精地图车道线更新方法、装置、电子设备以及存储介质 | |
CN113971723B (zh) | 高精地图中三维地图的构建方法、装置、设备和存储介质 | |
CN117261880A (zh) | 一种车辆控制方法、装置、设备以及存储介质 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN117168488A (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN114919661B (zh) | 一种泊车控制方法、装置、设备和存储介质 | |
CN116300946A (zh) | 一种自动装载机的路径规划方法、装置、设备及介质 | |
CN118010049A (zh) | 轨迹规划方法、装置、电子设备及存储介质 | |
CN115792985A (zh) | 一种车辆定位方法、装置、电子设备、存储介质及车辆 | |
CN114987497A (zh) | 一种后向车道线拟合方法、装置、电子设备和存储介质 | |
CN114842305A (zh) | 深度预测模型训练方法、深度预测方法及相关装置 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN117589188B (zh) | 行车路径规划方法、装置、电子设备和存储介质 | |
CN115096328B (zh) | 车辆的定位方法、装置、电子设备以及存储介质 | |
CN113361379B (zh) | 生成目标检测系统和检测目标的方法及装置 | |
CN116203601A (zh) | 位置补偿方法、装置、电子设备及存储介质 | |
CN118035788A (zh) | 一种目标车辆相对位置分类方法、装置、设备及存储介质 | |
CN117022280A (zh) | 一种车辆换道轨迹规划方法、装置、设备及介质 | |
CN116740676A (zh) | 一种障碍物检测方法、装置、设备和介质 | |
CN116483085A (zh) | 一种规划轨迹确定方法、装置、设备及存储介质 | |
CN116953691A (zh) | 基于毫米波雷达的目标跟踪方法、装置、车辆及存储介质 | |
CN117950306A (zh) | 一种pid控制参数确定方法、装置、设备及介质 | |
CN116934779A (zh) | 一种激光点云的分割方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |