JP7183490B2 - 車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム - Google Patents
車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム Download PDFInfo
- Publication number
- JP7183490B2 JP7183490B2 JP2020041773A JP2020041773A JP7183490B2 JP 7183490 B2 JP7183490 B2 JP 7183490B2 JP 2020041773 A JP2020041773 A JP 2020041773A JP 2020041773 A JP2020041773 A JP 2020041773A JP 7183490 B2 JP7183490 B2 JP 7183490B2
- Authority
- JP
- Japan
- Prior art keywords
- point
- grid
- grids
- destination
- vehicle trajectory
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 28
- 238000003062 neural network model Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- 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
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- G01C21/3492—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Instructional Devices (AREA)
- Navigation (AREA)
Description
したがって、従来技術に対して、無人車両計画アルゴリズムを緊急に改善する必要がある。
出発地から目的地までの道路シーンを複数のグリッドに分割し、前記複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識することと、
前記グリッドに標識されたシーン情報Aと計画戦略Bとの関数であるB=f(A,W)を構築し、ここで、WはニューラルネットワークモデルWであり、計画戦略Bは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含むことと、
構築された複数の前記関数B=f(A,W)によりフィッティングして、前記ニューラルネットワークモデルWを取得することと、
前記ニューラルネットワークモデルWに基づいて、前記出発地から前記目的地までの計画軌跡を得ることと、を含む。
前記各グリッドに番号を付けること、を含む。
前記障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、前記障害物を包含しないグリッドには、同じシーン情報が標識されることを含む。
出発地から目的地まで通過する各グリッドに対し、所定条件に基づき、前記グリッドに標識されたシーン情報Aと計画戦略Bとの関数であるB=f(A,W)を構築することを含む。
出発地から目的地までの道路シーンを複数のグリッドに分割し、前記複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識するグリッド分割ユニットと、
前記グリッドに標識されたシーン情報Aと計画戦略Bとの関数であるB=f(A,W)を構築し、ここで、WはニューラルネットワークモデルWであり、計画戦略Bは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含む構築ユニットと、
構築された複数の前記関数B=f(A,W)によりフィッティングして、前記ニューラルネットワークモデルWを取得するフィッティングユニットと、
前記ニューラルネットワークモデルWに基づいて、前記出発地から前記目的地までの計画軌跡を得る計画ユニットと、を含む。
前記障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、前記障害物を包含しないグリッドには、同じシーン情報が標識されることを含む。
出発地から目的地まで通過する各グリッドに対し、所定条件に基づき、前記グリッドに標識されたシーン情報Aと計画戦略との関数であるB=f(A,W)を構築することを含む。
1つの実施形態において、前記出発地から目的地まで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含む。
ステップS102において、出発地から目的地までの道路シーンを複数のグリッドに分割し、複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識する。
ステップS104において、グリッドに標識されたシーン情報Aと計画戦略Bとの関数であるB=f(A,W)を構築し、ここで、WはニューラルネットワークモデルWであり、計画戦略Bは、出発地から目的地まで通過するグリッドにおける各位置ポイントの情報を含む。
ステップS106において、構築された複数の関数B=f(A,W)によりフィッティングして、前記ニューラルネットワークモデルWを取得する。
ステップS108において、ニューラルネットワークモデルに基づいて、出発地から目的地までの計画軌跡を得る。
図4に示したように、出発地Aから目的地Dへの道路シーンは5*8個のグリッドに分割される。グリッドの番号は、例えば図4にて簡単に示されたよう、当該5*8個のグリッド番号は次の通りである。
(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(1,7),(1,8);
(2,1),(2,2),(2,3),(2,4),(2,5),(2,6),(2,7),(2,8);
(3,1),(3,2),(3,3),(3,4),(3,5),(3,6),(3,7),(3,8);
(4,1),(4,2),(4,3),(4,4),(4,5),(4,6),(4,7),(4,8);
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6),(5,7),(5,8)。
図4は、出発地Aから目的地Dへの4つの可能な経路、つまり、経路1、経路2、経路3、経路4を示している。この4つの可能な経路はすべて、出発地Aから目的地Dへ到達することができる。2つのグリッドには障害物が存在している。つまり、グリッド(3,3)には障害物1、グリッド(3,6)には障害物2がそれぞれ存在している。ここでの障害物は、現在車両(自車両)の前方で走行している車両であってもよいし、または道路建設などの工事によって引き起こされる障害物であってもよい。分割されたグリッドのサイズは妥当であり、障害物1の領域と障害物2の領域は避けられない領域であるため、回避する必要があるとする。ここに示されている5*8個グリッドは単なる例示であり、当業者なら理解されうるよう、任意の適切な分割を行うことができる。
ステップ110において、障害物を包含するグリッドを標識するためのシーン情報については、障害物のタイプと状態を含み、前記障害物を包含しないグリッドについては、同じシーン情報が標識される。例えば、障害物のタイプや状態などの情報を使用してグリッド値を標識する場合、障害物1のタイプは車両で、状態は運動または静止であり、障害物2のタイプは工事のマウンドで、状態は静止である、のように区別させる。さらに、図4に示すよう、障害物のないグリッドに対しては同じシーン情報が標識され、例えば、グリッド(3,3)、(3,6)を除いて、他のグリッドは通過可能の状態情報と標識され、 グリッド(1,1)、(1,2)、(2,1)、(2,2)、…(4,7)、(4,8)、(5,7)、(5,8)などは、妨げがないと標識される。
出発地から目的地まで通過する各グリッドに対し、所定条件に基づき、グリッドに標識されるシーン情報Aと計画戦略Bとの関数であるB=f(A,W)を構築する。
例えば、B1=f(A1,W)について、B1は計画戦略であり、出発地Aからグリッド(3,2)にあるポイントBまでの計画戦略を表し、A1は、出発地AからポイントBまでのシーン情報であり、出発地Aからグリッド(3,2)にあるポイントBまでのシーン情報は妨げがなく、何の障害物もないという情報であり、Wはニューラルネットワークモデルを表す。
車両が出発地Aから出発すると、出発地のグリッド(3,1)から次のグリッドへの経路選択の計算が開始され、例えば、時間が最短であること、距離が最短であること、高速が優先的であること、及び/又は渋滞を回避することなどの特定のニーズに応じて、B1=f(A1,W)によって、次のグリッド(3,2)、つまり、グリッド(3,2)におけるBポイントを選択でき、上記のように、A1は出発地Aから地点Bへのシーン情報を表し、B1は出発地AからポイントBへの計画戦略を表す。
経路2を選択する場合、例えば計画戦略B2=f(A2,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(2,2)のエッジであるC0ポイントが選択され、A2はポイントBからポイントC0のシーン情報であり、B2はポイントBからポイントC0までの計画戦略を表す。
グリッド(2,3)のエッジであるポイントC1に到達しようとしているとき、例えば計画戦略B4=f(A4,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(2,4)のエッジであるポイントC2が選択され、A4はポイントC1からポイントC2のシーン情報であり、B4はポイントC1からポイントC2までの計画戦略を表す。
グリッド(2,4)のエッジであるポイントC2に到達しようとしているとき、例えば計画戦略B5=f(A5,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(2,5)のエッジであるポイントC3が選択され、A5はポイントC2からポイントC3のシーン情報であり、B5はポイントC2からポイントC3までの計画戦略を表す。
グリッド(2,5)のエッジであるポイントC3に到達しようとしているとき、例えば計画戦略B6=f(A6,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(2,6)のエッジであるポイントC4が選択され、A6はポイントC3からポイントC4のシーン情報であり、B6はポイントC3からポイントC4までの計画戦略を表す。
グリッド(2,6)のエッジであるポイントC4に到達しようとしているとき、例えば計画戦略B7=f(A7,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(2,7)のエッジであるポイントC5が選択され、A7はポイントC4からポイントC5のシーン情報であり、B7はポイントC4からポイントC5までの計画戦略を表す。
グリッド(2,7)のエッジであるポイントC5に到達しようとしているとき、例えば計画戦略B8=f(A8,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(2,7)の内部にあるポイントC6が選択され、A8はポイントC5からポイントC6のシーン情報であり、B8はポイントC5からポイントC6までの計画戦略を表す。
グリッド(2,7)の内部にあるポイントC6に到達しようとしているとき、例えば計画戦略B9=f(A9,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(3,7)のエッジであるポイントC7が選択され、A9はポイントC6からポイントC7のシーン情報であり、B9はポイントC6からポイントC7までの計画戦略を表す。
グリッド(3,7)のエッジであるポイントC7に到達しようとしているとき、例えば計画戦略B10=f(A10,W)に従って、時間が最短であるなどの要因に応じて、次のポイントがグリッド(3,8)の内部にあるポイントD(すなわち、目的地)が選択され、A10はポイントC7からポイントDのシーン情報であり、B10はポイントC7からポイントDまでの計画戦略を表す。
あるいは、出発地Aから出発し、目的地Dへの計画戦略としては、経路3の計画戦略を選択してもよい。なぜなら、全ての経路のうち、経路3は、距離が最短であるという所定条件を満たすためである。
あるいは、出発地Aから出発して、目的地Dへの計画戦略としては、経路1の計画戦略を選択してもよい。なぜなら、全ての経路のうち、経路1は、高速が優先的であるという所定条件を満たすためである。
あるいは、出発地Aから出発して、目的地Dへの計画戦略としては、経路4の計画戦略を選択してもよい。なぜなら、全ての経路のうち、経路4は、渋滞を回避するという所定条件を満たすためである。
経路3、1、4などを選択する場合、類似したマッピング操作も同様に実行され、最終的に目的地Dが所在しているグリッド(3,8)に到達する。
本発明の1つの実施形態において、ステップ104で述べたよう、出発地Aから目的地Dまで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含むことができる。
グリッド(2,3)のエッジであるポイントC1に到達しようとしているとき、例えば計画戦略B4=f(A4,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(2,4)のエッジであるポイントC2が選択され、ここで、計画戦略には、到達しようとする位置(グリッド(2,4)のエッジであるポイントC2)及び相応の端点C2の位置情報(ΔX4,ΔY4)が含まれる。
グリッド(2,5)のエッジであるポイントC3に到達しようとしているとき、例えば計画戦略B6=f(A6,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(2,6)のエッジであるポイントC4が選択され、ここで、計画戦略には、到達しようとする位置(グリッド(2,6)のエッジであるポイントC4)及び相応の端点C4の位置情報(ΔX6,ΔY6)が含まれる。
グリッド(2,7)のエッジであるポイントC5に到達しようとしているとき、例えば計画戦略B8=f(A8,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(2,7)の内部にあるポイントC6が選択され、ここで、計画戦略には、到達しようとする位置(グリッド(2,7)の内部にあるポイントC6)及び相応の端点C6の位置情報(ΔX8,ΔY8)が含まれる。
グリッド(3,7)のエッジであるポイントC7に到達しようとしているとき、例えば計画戦略B10=f(A10,W)に従って、時間が最短であるなどの要因に応じて、次のポイントとしてグリッド(3,8)のエッジであるポイントD(すなわち、目的地)が選択され、ここで、計画戦略には、到達しようとする位置(グリッド(3,8)の内部にあるポイントD)及び相応のポイントDの位置情報(ΔX10,ΔY10)が含まれる。
例えば、上記のように取得したデータに基づき、多数のグリッド(シーン情報A)と計画戦略B(B1、B2、B3、B4、... Bn)間の関数関係のデータ、または標記データが生成される。例えば、経路2を選択した場合、次の関数関係が取得される。
B1=f(A1,W),
B2=f(A2,W),
B3=f(A3,W),
……
Bn=f(An,W);
例えば、経路3を選択した場合、次の関数関係が取得される。
B1 ’=f(A1 ’,W),
B2 ’=f(A2 ’,W),
B3 ’=f(A3 ’,W),
……
Bn’=f(An’,W);
例えば、経路1を選択した場合、次の関数関係が取得される。
B1 ’’=f(A1 ’’,W),
B2 ’’=f(A2 ’’,W),
B3 ’’=f(A3 ’’,W),
……
Bn ’’=f(An ’’,W);
例えば、経路4を選択した場合、次の関数関係が取得される。
B1 ’’’=f(A1 ’’’,W),
B2 ’’’=f(A2 ’’’,W),
B3 ’’’=f(A3 ’’’,W),
……
Bn’’’=f(An’’’,W);
よって、上記の関数関係によりフィッティングして、ニューラルネットワークモデルWを取得することができる。
例えば、フィッティングして取得したニューラルネットワークモデルWに基づいて、出発地Aと目的地Dの情報を入力した後、ニューラルネットワークモデルWは経路2を選択する計画戦略を、出発地Aから出発して目的地Dに到達する計画戦略として推薦する(経路2は時間が最短である要件を満たしているため)。
あるいは、ニューラルネットワークモデルWは経路3を選択する計画戦略を、出発地Aから出発して目的地Dに到達する計画戦略として推薦する(経路3は距離が最短である要件を満たしているため)。
あるいは、ニューラルネットワークモデルWは経路1を選択する計画戦略を、出発地Aから出発して目的地Dに到達する計画戦略として推薦する(経路1は高速が優先的である要件を満たしているため)。
あるいは、ニューラルネットワークモデルWは経路4を選択する計画戦略を、出発地Aから出発して目的地Dに到達する計画戦略として推薦する(経路4は渋滞を回避する要件を満たしているため)。
出発地から目的地までの道路シーンを複数のグリッドに分割し、複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識するグリッド分割ユニット202と、
グリッドに標識されるシーン情報Aと計画戦略Bとの関数であるB=f(A,W)を構築し、ここで、WはニューラルネットワークモデルWであり、計画戦略Bは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含む構築ユニット204と、
構築された複数の関数B=f(A,W)をフィッティングして、ニューラルネットワークモデルWを取得するフィッティングユニット206と、
ニューラルネットワークモデルに基づいて、出発地から目的地までの計画軌跡を得る計画ユニット208と、を含む。
本発明のもう1つの実施形態において、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識することは、障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、障害物を包含しないグリッドには、同じシーン情報が標識されることを含む。
発地から目的地まで通過する各グリッドに対し、所定条件に基づき、前記グリッドに標識されるシーン情報Aと計画戦略との関数であるB=f(A,W)を構築することを含むように構成されている。
本発明の1つの実施形態において、出発地から目的地まで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含む。
メモリ310は、高速度RAMメモリを含んでもよく、少なくとも1つの磁気メモリのような不揮発性メモリ(non-volatile memory)を含んでもよい。
メモリ310、プロセッサ320、及び通信インターフェース330が個別に実現される場合、メモリ310、プロセッサ320、及び通信インターフェース330は、バスによって相互接続して相互通信を行うことができる。前記バスは、インダストリスタンダードアーキテクチャ(ISA、Industry Standard Architecture)バス、外部デバイス相互接続(PCI、Peripheral ComponentInterconnect)バス、又は拡張インダストリスタンダードアーキテクチャ(EISA、Extended Industry Standard Component)バス等であってもよい。前記バスは、アドレスバス、データバス、制御バス等として分けられることが可能である。表示の便宜上、図8に1本の太線のみで表示するが、バスが1つ又は1種類のみであることを意味しない。
また、用語「第1」、「第2」とは比較的重要性を示している又は暗示しているわけではなく、単に説明のためのものであり、示される技術的特徴の数を暗示するわけでもない。そのため、「第1」、「第2」で限定される特徴は、少なくとも1つの当該特徴を明示又は暗示的に含むことが可能である。本出願の記載の中において、「複数」の意味とは、明確的に限定される以外に、2つ又は2つ以上を意味する。
フローチャートに示された、又はその他の方式で説明された論理及び/又はステップは、例えば、論理機能を実現させるための実行可能なコマンドのシーケンスリストとして見なされることが可能であり、コマンド実行システム、装置、又はデバイス(プロセッサのシステム、又はコマンド実行システム、装置、デバイスからコマンドを取得して実行することが可能なその他のシステムを含むコンピュータによるシステム)が使用できるように提供し、又はこれらのコマンドを組み合わせて使用するコマンド実行システム、装置、又はデバイスに使用されるために、いかなるコンピュータ可読記憶媒体にも具体的に実現されることが可能である。本明細書において、「コンピュータ可読記憶媒体」は、コマンド実行システム、装置、デバイス、又はこれらのコマンドを組み合わせて実行するシステム、装置又はデバイスが使用できるように提供するため、プログラムを格納、記憶、通信、伝搬又は伝送する装置であってもよい。コンピュータ読み取り可能媒体のより具体的例(非網羅的なリスト)として、1つ又は複数の布配線を含む電気接続部(電子装置)、ポータブルコンピュータディスク(磁気装置)、ランダム・アクセス・メモリ(RAM)、リード・オンリー・メモリ(ROM)、消去書き込み可能リード・オンリー・メモリ(EPROM又はフラッシュメモリ)、光ファイバー装置、及びポータブル読み取り専用メモリ(CDROM)を少なくとも含む。また、コンピュータ読み取り可能媒体は、そのうえで前記プログラムを印字できる紙又はその他の適切な媒体であってもよく、例えば紙又はその他の媒体に対して光学的スキャンを行い、そして編集、解釈又は必要に応じてその他の適切の方式で処理して電子的方式で前記プログラムを得、その後コンピュータメモリに記憶することができるためである。
Claims (13)
- 出発地から目的地までの道路シーンを複数のグリッドに分割し、前記複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識することと、 前記出発地から前記目的地まで通過する前記障害物を包含しない各グリッドに対し、所定条件に基づき、前記グリッドに標識されたシーン情報Aと計画戦略Bとの関数であるB=f(A,W)を構築し、ここで、WはニューラルネットワークモデルWであり、計画戦略Bは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含むことと、 構築された複数の前記関数B=f(A,W)によりフィッティングして、前記ニューラルネットワークモデルWを取得することと、 前記ニューラルネットワークモデルWに基づいて、前記出発地から前記目的地までの計画軌跡を得ることと、を含む、 ことを特徴とする車両軌跡計画方法。
- 前記出発地から前記目的地までの道路シーンを複数のグリッドに分割することは、 前記各グリッドに番号を付けること、を含む、 ことを特徴とする請求項1に記載の車両軌跡計画方法。
- 前記障害物を包含するグリッドと前記障害物を包含しないグリッドに対し、前記対応するシーン情報をそれぞれ標識することは、 前記障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、前記障害物を包含しないグリッドには、同じシーン情報が標識されることを含む、 ことを特徴とする請求項2に記載の車両軌跡計画方法。
- 前記所定条件には、時間が最短であること、距離が最短であること、高速が優先的であること、及び/又は渋滞を回避することが含まれる、 ことを特徴とする請求項1に記載の車両軌跡計画方法。
- 前記出発地から前記目的地まで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含む、 ことを特徴とする請求項4に記載の車両軌跡計画方法。
- 出発地から目的地までの道路シーンを複数のグリッドに分割し、前記複数のグリッドのうち、障害物を包含するグリッドと障害物を包含しないグリッドに対し、対応するシーン情報をそれぞれ標識するグリッド分割ユニットと、 前記出発地から前記目的地まで通過する前記障害物を包含しない各グリッドに対し、所定条件に基づき、前記グリッドに標識されたシーン情報Aと計画戦略Bとの関数であるB=f(A,W)を構築し、ここで、WはニューラルネットワークモデルWであり、計画戦略Bは、前記出発地から前記目的地まで通過するグリッドにおける各位置ポイントの情報を含む構築ユニットと、 構築された複数の前記関数B=f(A,W)によりフィッティングして、前記ニューラルネットワークモデルWを取得するフィッティングユニットと、 前記ニューラルネットワークモデルWに基づいて、前記出発地から前記目的地までの計画軌跡を得る計画ユニットと、を含む、 ことを特徴とする車両軌跡計画装置。
- 前記出発地から前記目的地までの道路シーンを複数のグリッドに分割することは、前記各グリッドに番号を付けること、を含む、 ことを特徴とする請求項6に記載の車両軌跡計画装置。
- 前記障害物を包含するグリッドと前記障害物を包含しないグリッドに対し、前記対応するシーン情報をそれぞれ標識することは、 前記障害物を包含するグリッドを標識するためのシーン情報には、障害物のタイプと状態を含み、前記障害物を包含しないグリッドには、同じシーン情報が標識されることを含む、 ことを特徴とする請求項7に記載の車両軌跡計画装置。
- 前記所定条件には、時間が最短であること、距離が最短であること、高速が優先的であること、及び/又は渋滞を回避することが含まれる、 ことを特徴とする請求項6に記載の車両軌跡計画装置。
- 前記出発地から前記目的地まで通過するグリッド内の各位置ポイントの情報は、通過するグリッド内の所定ポイントの横座標と縦座標を含む、 ことを特徴とする請求項9に記載の車両軌跡計画装置。
- 1つ又は複数のプロセッサと、 1つ又は複数のプログラムを記憶するためのメモリと、を含み、 前記1つ又は複数のプロセッサは、前記1つ又は複数のプログラムを実行する場合、請求項1~5のいずれか1項に記載の車両軌跡計画方法を実行させる、 ことを特徴とするコンピュータ設備。
- コンピュータプログラムが記憶されているコンピュータ可読記憶媒体であって、 当該プログラムがプロセッサにより実行される場合、請求項1~5のいずれか1項に記載の車両軌跡計画方法を実行させる、 ことを特徴とするコンピュータ可読記憶媒体。
- コンピュータにおいて、プロセッサにより実行される場合、請求項1~5のいずれか1項に記載の車両軌跡計画方法を実現することを特徴とするプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910185812.0 | 2019-03-12 | ||
CN201910185812.0A CN109978243A (zh) | 2019-03-12 | 2019-03-12 | 车辆轨迹规划方法、装置、计算机设备、计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020148776A JP2020148776A (ja) | 2020-09-17 |
JP7183490B2 true JP7183490B2 (ja) | 2022-12-06 |
Family
ID=67078599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020041773A Active JP7183490B2 (ja) | 2019-03-12 | 2020-03-11 | 車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200292336A1 (ja) |
EP (1) | EP3709231A1 (ja) |
JP (1) | JP7183490B2 (ja) |
KR (2) | KR20200109275A (ja) |
CN (1) | CN109978243A (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781132A (zh) * | 2020-06-15 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 一种线上导购方法和装置 |
CN112633590B (zh) * | 2020-12-30 | 2024-04-30 | 江苏智库智能科技有限公司 | 一种用于四向穿梭车的智能入库方法及系统 |
CN113115622B (zh) * | 2021-03-08 | 2022-09-30 | 深圳拓邦股份有限公司 | 视觉机器人避障控制方法、装置及割草机器人 |
CN114815825A (zh) * | 2022-04-21 | 2022-07-29 | 合众新能源汽车有限公司 | 确定车辆最优行驶轨迹方法和装置 |
CN115235501B (zh) * | 2022-09-20 | 2022-12-09 | 江苏天一航空工业股份有限公司 | 一种物流散装货物装载车行驶轨迹规划控制系统及方法 |
CN115657674B (zh) * | 2022-10-26 | 2023-05-05 | 宝开(上海)智能物流科技有限公司 | 一种基于图神经网络的分布式路径规划方法及装置 |
CN115577574B (zh) * | 2022-12-08 | 2023-03-10 | 西南交通大学 | 一种导流栏杆位置计算方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013160504A (ja) | 2012-02-01 | 2013-08-19 | Toyota Motor Corp | 移動体の走行支援装置及び移動体の走行支援方法 |
JP2018095149A (ja) | 2016-12-15 | 2018-06-21 | 本田技研工業株式会社 | 軌道評価装置、軌道評価方法、および軌道評価プログラム |
WO2019010659A1 (en) | 2017-07-13 | 2019-01-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEMS AND METHODS FOR TRACK DETERMINATION |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3544577B2 (ja) * | 1995-03-30 | 2004-07-21 | 株式会社日立製作所 | 経路選択装置 |
DE102006022365B3 (de) * | 2006-05-12 | 2007-08-02 | Hummel, Heinrich, Dipl.-Math. | Multipath - vorwärts und rückwärts |
JP4661838B2 (ja) * | 2007-07-18 | 2011-03-30 | トヨタ自動車株式会社 | 経路計画装置及び方法、コスト評価装置、並びに移動体 |
KR101022785B1 (ko) * | 2008-09-17 | 2011-03-17 | 포항공과대학교 산학협력단 | 신경망과 진화연산을 이용한 로봇의 환경 지도 작성 방법 |
US8352112B2 (en) * | 2009-04-06 | 2013-01-08 | GM Global Technology Operations LLC | Autonomous vehicle management |
KR101105325B1 (ko) * | 2009-09-08 | 2012-01-16 | 부산대학교 산학협력단 | 실제 로봇의 다중 경로계획 방법 |
US20180341881A1 (en) * | 2017-05-23 | 2018-11-29 | Uber Technologies, Inc. | Post-trip optimization for autonomous vehicles |
CN107817798A (zh) * | 2017-10-30 | 2018-03-20 | 洛阳中科龙网创新科技有限公司 | 一种基于深度学习系统的农用机械避障方法 |
CN108536157A (zh) * | 2018-05-22 | 2018-09-14 | 上海迈陆海洋科技发展有限公司 | 一种智能水下机器人及其系统、物标跟踪方法 |
CN108896052A (zh) * | 2018-09-20 | 2018-11-27 | 鲁东大学 | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 |
CN109343532A (zh) * | 2018-11-09 | 2019-02-15 | 中国联合网络通信集团有限公司 | 一种动态随机环境的路径规划方法和装置 |
US10948300B2 (en) * | 2018-12-27 | 2021-03-16 | Beijing Voyager Technology Co., Ltd. | Systems and methods for path determination |
-
2019
- 2019-03-12 CN CN201910185812.0A patent/CN109978243A/zh active Pending
-
2020
- 2020-03-06 US US16/811,007 patent/US20200292336A1/en not_active Abandoned
- 2020-03-11 JP JP2020041773A patent/JP7183490B2/ja active Active
- 2020-03-12 EP EP20162590.2A patent/EP3709231A1/en not_active Ceased
- 2020-03-12 KR KR1020200030926A patent/KR20200109275A/ko not_active IP Right Cessation
-
2022
- 2022-02-25 KR KR1020220025340A patent/KR102554126B1/ko active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013160504A (ja) | 2012-02-01 | 2013-08-19 | Toyota Motor Corp | 移動体の走行支援装置及び移動体の走行支援方法 |
JP2018095149A (ja) | 2016-12-15 | 2018-06-21 | 本田技研工業株式会社 | 軌道評価装置、軌道評価方法、および軌道評価プログラム |
WO2019010659A1 (en) | 2017-07-13 | 2019-01-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEMS AND METHODS FOR TRACK DETERMINATION |
Also Published As
Publication number | Publication date |
---|---|
JP2020148776A (ja) | 2020-09-17 |
KR20220034748A (ko) | 2022-03-18 |
KR20200109275A (ko) | 2020-09-22 |
KR102554126B1 (ko) | 2023-07-12 |
EP3709231A1 (en) | 2020-09-16 |
US20200292336A1 (en) | 2020-09-17 |
CN109978243A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7183490B2 (ja) | 車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム | |
EP3699048A1 (en) | Travelling track prediction method and device for vehicle | |
WO2020108207A1 (zh) | 一种高精度地图的构建方法及装置 | |
US8214142B2 (en) | System and method for efficient routing on a network in the presence of multiple-edge restrictions and other constraints | |
JP7000637B2 (ja) | 運転参照経路の処理方法、装置、車両、及びプログラム | |
JP4950858B2 (ja) | 画像認識装置及び画像認識プログラム | |
CN110287276A (zh) | 高精地图更新方法、装置及存储介质 | |
CN110462543A (zh) | 用于评估自动驾驶车辆的感知要求的基于仿真的方法 | |
JP7220169B2 (ja) | 情報処理方法、装置、記憶媒体、及びプログラム | |
CN110119140A (zh) | 用于加速曲线投影的系统和方法 | |
CN109429518A (zh) | 基于地图图像的自动驾驶交通预测 | |
JP2020132154A (ja) | 運転経路の計画方法、装置、車両、及びプログラム | |
US20210191394A1 (en) | Systems and methods for presenting curated autonomy-system information of a vehicle | |
CN110364009A (zh) | 基于路侧设备的行驶规划方法、装置、路侧设备和存储介质 | |
CN110096053A (zh) | 用于自动驾驶车辆的驾驶轨迹生成方法、系统和机器可读介质 | |
US20200262436A1 (en) | Method, device, and terminal apparatus for invoking automatic driving reference line | |
CN109491378A (zh) | 自动驾驶车辆的基于道路分段的路线引导系统 | |
WO2020057407A1 (zh) | 一种辅助车辆导航方法和系统 | |
US10834552B1 (en) | Intelligent vehicle pass-by information sharing | |
JP2023515188A (ja) | ナビゲーション方法および装置 | |
US20200410851A1 (en) | Intelligent vehicle pass-by information sharing | |
WO2022052856A1 (zh) | 基于交通工具的数据处理方法、装置、计算机及存储介质 | |
JP7121454B2 (ja) | 統計に基づく障害物位置シミュレーション方法、装置及び端末 | |
JP2020009189A (ja) | 渋滞状態特定方法、渋滞状態特定装置及びコンピュータプログラム | |
JP5194828B2 (ja) | 道路ネットワーク突合プログラム、方法及びシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200311 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210427 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210428 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210726 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211005 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20211029 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20211104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211104 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220603 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220630 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220915 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20221117 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7183490 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |