CN107843267A - 施工路段无人驾驶车辆的路径生成方法及装置 - Google Patents
施工路段无人驾驶车辆的路径生成方法及装置 Download PDFInfo
- Publication number
- CN107843267A CN107843267A CN201711010197.7A CN201711010197A CN107843267A CN 107843267 A CN107843267 A CN 107843267A CN 201711010197 A CN201711010197 A CN 201711010197A CN 107843267 A CN107843267 A CN 107843267A
- Authority
- CN
- China
- Prior art keywords
- waypoint
- construction section
- traffic areas
- barrier
- region
- 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.)
- Granted
Links
- 238000010276 construction Methods 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000004888 barrier function Effects 0.000 claims abstract description 81
- 238000013459 approach Methods 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 5
- 238000010845 search algorithm Methods 0.000 description 4
- 208000010877 cognitive disease Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/26—Indicating devices
- E02F9/261—Surveying the work-site to be treated
- E02F9/262—Surveying the work-site to be treated with follow-up actions to control the work tool, e.g. controller
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
- E02F9/2025—Particular purposes of control systems not otherwise provided for
- E02F9/2045—Guiding machines along a predetermined path
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
- E02F9/2025—Particular purposes of control systems not otherwise provided for
- E02F9/205—Remotely operated machines, e.g. unmanned vehicles
-
- 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
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mining & Mineral Resources (AREA)
- Civil Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种施工路段无人驾驶车辆的路径生成方法、装置、计算机设备及存储介质,方法包括:在检测到施工路段时,获取检测到的障碍物信息,障碍物信息包括障碍物的类别和特征信息,特征信息包括位置信息;根据障碍物的类别和位置信息,确定施工路段的当前可通行区域,并确定当前可通行区域中包含的各路点;根据当前可通行区域确定目标行驶路径的终止路点;将车辆当前所处位置作为起始路点,根据起始路点、终止路点在当前可通行区域包含的各路点中进行路径搜索,确定目标行驶路径在施工路段中的途径路点;根据起始路点、途径路点以及终止路点生成目标行驶路径。本申请提供的方案能适应施工路段的道路实况。
Description
技术领域
本发明涉及无人驾驶技术领域,特别是涉及一种施工路段无人驾驶车辆的路径生成方法、装置、计算机可读存储介质及计算机设备。
背景技术
目前,无人驾驶车辆一般是依赖于车辆中预先存储的导航地图生成行驶路径。然而,对于路况复杂多变的施工路段,基于导航地图生成的行驶路径无法适应施工路段的实时路况,从而无法引导无人驾驶车辆顺利地通过施工路段。
发明内容
基于此,有必要针对传统方式中生成的行驶路径无法适应施工路段的实时路况的问题,提供一种施工路段无人驾驶车辆的路径生成方法、装置、计算机可读存储介质及计算机设备。
一种施工路段无人驾驶车辆的路径生成方法,所述方法包括:
在检测到施工路段时,获取检测到的障碍物信息,所述障碍物信息包括障碍物的类别和特征信息,所述特征信息包括位置信息;
根据所述障碍物的类别和位置信息,确定所述施工路段的当前可通行区域,并确定所述当前可通行区域中包含的各路点;
根据所述当前可通行区域确定目标行驶路径的终止路点;
将车辆当前所处位置作为起始路点,根据所述起始路点、所述终止路点在所述当前可通行区域包含的各路点中进行路径搜索,确定所述目标行驶路径在所述施工路段中的途径路点;
根据所述起始路点、所述途径路点以及所述终止路点生成所述目标行驶路径。
一种施工路段无人驾驶车辆的路径生成装置,所述装置包括:
特征信息获取模块,用于在检测到施工路段时,获取检测到的障碍物信息,所述障碍物信息包括障碍物的类别和特征信息,所述特征信息包括位置信息;
通行区域确定模块,用于根据障碍物的类别和特征信息,确定所述施工路段的当前可通行区域,并确定所述当前可通行区域中包含的各路点;
终止路点确定模块,用于根据所述当前可通行区域确定目标行驶路径的终止路点;
途径路点确定模块,用于将车辆当前所处位置作为起始路点,根据所述起始路点、所述终止路点在所述当前可通行区域包含的各路点中进行路径搜索,确定所述目标行驶路径在检测到的施工路段中的途径路点;以及,
行驶路径生成模块,用于根据所述起始路点、所述途径路点以及所述终止路点生成所述目标行驶路径。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可执行指令,所述计算机可执行指令被处理器执行时,使得所述处理器执行如上所述的施工路段无人驾驶车辆的路径生成方法的步骤。
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如上所述的施工路段无人驾驶车辆的路径生成方法的步骤。
上述施工路段无人驾驶车辆的路径生成方法、装置、计算机可读存储介质及计算机设备,在检测到施工路段时,根据检测范围内检测到的障碍物的类别和位置信息确定该施工路段的当前可通行区域,可见,施工路段的可通行区域是根据检测到的该施工路段的实时障碍物信息确定的,能够适应施工路段的实时路况,因此,基于该可通行区域生成的行驶路径同样能够适应施工路段的实时路况。
附图说明
图1为一个实施例中施工路段无人驾驶车辆的路径生成方法的流程示意图;
图2为一个实施例中施工路段无人驾驶车辆的路径生成装置的结构示意图;
图3为一个实施例中计算机设备的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请各实施例提供的施工路段无人驾驶车辆的路径生成方法可应用于无人驾驶车辆,该无人驾驶车辆一般涉及环境感知***及控制终端,该环境感知***和该控制终端可以通过有线或无线的方式连接,以进行数据通信。其中,控制终端可为车载终端或移动终端,移动终端具体可以为手机、平板电脑或笔记本电脑等。
图1示出了一个实施例中施工路段无人驾驶车辆的路径生成方法的流程示意图。该实施例中以该方法应用于上述控制终端举例说明。参照图1,该方法具体包括如下步骤S102至步骤S110。
步骤S102,在检测到施工路段时,获取检测到的障碍物信息,所述障碍物信息包括障碍物的类别和特征信息,所述特征信息包括位置信息;
在无人驾驶车辆的行驶过程中,可由车辆上的环境感知***基于预定的检测范围实时检测本车周边环境,并采集环境信息。在一个具体的示例中,环境感知***可包括激光雷达和摄像头,相应地,环境信息可包括激光雷达采集的点云数据和摄像头采集的图像数据。其中,点云数据一般为位于三维坐标***中的向量的集合,该集合内的向量常以X、Y、Z三维坐标的形式表示,并且,点云数据可用于表征三维物体的形态。
进一步地,控制终端可对环境感知***采集的环境信息进行数据的处理与分析,从而获取检测范围内的障碍物、交通指示牌和道路路面上的交通标线等信息。
一个实施例中,控制终端可基于本车上的环境感知***采集的环境信息,判断本车行驶方向上是否存在施工路段。在一个具体示例中,当通过环境感知***中的摄像头拍摄获得的图像,识别出本车行驶方向上存在施工标志物时,判定本车行驶方向上存在施工路段,即判定检测到施工路段。其中,施工标志物指的是常放置于道路施工位置附近的物体,例如,标有施工提示信息(如“前方施工,请绕行”)的指示牌、用于施工道路的交通防护设施及处于指定工作状态下的施工用车(如挖掘机和铲车等)等。
另外,在检测到施工路段时,获取检测范围内检测到的障碍物信息。其中,检测范围可以指本车上的环境感知***的预定检测范围,该预定检测范围与环境感知***的硬件选型相关。可以理解的是,当位于检测范围内的施工路段中存在障碍物时,环境感知***采集的环境信息中会包括该障碍物的信息,进而控制计算机设备可基于该环境信息获取检测范围内检测到的障碍物信息。其中,障碍物信息包括障碍物的类别及特征信息。
一方面,可将障碍物的类别分为行人障碍物、车辆障碍物和既非行人也非车辆的其他障碍物。具体地,可基于摄像头拍摄获得的图像数据,并结合深度学习识别障碍物的类别;或者,可基于激光雷达扫描获得的大量样本障碍物的点云数据,对样本障碍物进行聚类,把样本障碍物的反射强度、横向和纵向的宽度以及位置姿态作为它的特征,进行三维物体信息的提取,从而获得训练集,当获取到待识别的障碍物后,则可将该待识别的障碍物放入预先获得的训练集中,再利用SVM分类器识别障碍物的类别;另外,上述两种识别方式各有利弊,优选地,可将激光雷达与摄像头融合,使得其充分发挥各自的优势,从而更准确地识别障碍物的类别。
另一方面,障碍物的位置信息可用于确定该障碍物在检测到的施工路段中的位置。在一个具体的示例中,可以以二维矩阵表示障碍物的位置信息,更具体地,可设置二维矩阵中的一个固定坐标为本车当前所在的位置,其他坐标为检测到的障碍物的位置。
步骤S104,根据所述障碍物的类别和位置信息,确定所述施工路段的当前可通行区域,并确定所述当前可通行区域中包含的各路点;
一般,对一段施工路段而言,部分区域是车辆不可通行的,例如需要进行施工作业的区域和用于堆放施工物资的区域等,除不可通行的区域外的区域即为车辆可以通行的区域。
在一个实施例中,可根据障碍物的位置信息获得该障碍物在该施工路段上对应的位置点,再将与该位置点的距离超过预设距离值的区域确定为该施工路段的当前可通行区域。例如,预设距离值为1.2米,且检测范围内仅存在一个需考虑的障碍物,则将以该障碍物的位置点向四周膨胀1.2米后所覆盖的区域作为该施工路段的当前不可通行区域,相应地,该施工路段中除该不可通行区域外的区域即为该施工路段的当前可通行区域。
此外,若检测范围内存在多个需考虑的障碍物,则各障碍物均一一对应一个当前不可通行区域,相应地,该施工路段中除上述各障碍物对应的所有当前不可通行区域外的区域即为该施工路段的当前可通行区域。
还需要说明的是,环境感知***一般放置在车顶的中心位置,因此获得障碍物的位置信息后,可一并结合本车自身的宽度确定当前可通行区域。具体地,根据本车自身的宽度设定预设距离值。
需要说明的是,在地图数据中,通常使用包含经度、纬度数据的路点来保存车道信息,在每一条车道上勘测一系列连续编号的路点以确定该车道的几何参数。因此,在一个实施例中,可根据预存的地图数据确定当前可通行区域中包含的各路点。
步骤S106,根据所述当前可通行区域确定目标行驶路径的终止路点;
其中,目标行驶路径指的是待生成的针对检测到的施工路段的行驶路径,用于引导无人驾驶车辆通过该检测到的施工路段。终止路点指的是该目标行驶路径的终点,在一个具体的示例中,可在当前可通行区域所包含的各路点中选取满足预设条件的路点作为终止路点。
步骤S108,将车辆当前所处位置作为起始路点,根据所述起始路点、所述终止路点在所述当前可通行区域包含的各路点中进行路径搜索,确定所述目标行驶路径在所述施工路段中的途径路点;
在实际应用中,当满足生成行驶路径的条件时,通过车辆定位技术定位出车辆当前所处的位置,其中,车辆定位技术可包括GPS定位、磁导航定位及视觉导航定位等中的任意一种或多种。此后,则可将车辆当前所处的位置作为目标行驶路径的起始路点。
其中,途径路点是指一条路径所覆盖的所有路点中,除起始路点和终止路点外的各路点。可以理解的是,途径路点的确定方式不唯一,只需保证目标行驶路径在检测到的施工路段中的途径路点均位于可通行区域内,且起始路点、各途径路点以及终止路点间具备相应的连通性,通过各途径路径能够将起始路点和终止路点连通即可。可知,确定途径路点的具体方式可以有多种,从而对于一个可通行区域而言,在其所包含的所有路点中可确定出多组符合上述条件的途径路点。
步骤S110,根据所述起始路点、所述途径路点以及所述终止路点生成所述目标行驶路径。
其中,目标行驶路径是指从起始路点通往终止路径,且覆盖所有途径路点的路径,可用于引导无人驾驶车辆通过检测到的施工路段。
上述施工路段无人驾驶车辆的路径生成方法,在检测到施工路段时,根据检测范围内检测到的障碍物的类别和位置信息确定该施工路段的当前可通行区域,可见,施工路段的可通行区域是根据检测到的该施工路段的实时障碍物信息确定的,能够适应施工路段的实时路况,因此,基于该可通行区域生成的行驶路径同样能够适应施工路段的实时路况。
为进一步对本发明的方案进行更详细的说明,下文对本发明的一些优选实施例进行具体描述或举例说明。
在一个实施例中,所述特征信息还包括形状信息和尺寸信息;
所述根据所述障碍物的类别和位置信息,确定所述施工路段的当前可通行区域的方式,可以包括:
根据指定类别的障碍物的位置信息、形状信息和尺寸信息,确定各指定类别的障碍物在检测到的施工路段中的设障区域;
基于所述设障区域确定检测到的施工路段的当前不可通行区域;
将检测到的施工路段中除所述当前不可通行区域外的区域确定为所述当前可通行区域。
需要说明的是,可能检测到多种能够影响本车实际行驶的障碍物,例如行人、外部车辆、放置在施工路段中的提示牌以及交通防护设施等。然而,部分类别的障碍物虽然会影响本车实际行驶,但其本身的位置是可以动态变化的,因此生成行驶路径时可以不考虑,例如能够在道路上进行动态移动的行人或外部车辆等。基于此,在本实施例中,可将既非行人也非车辆的障碍物作为指定类别的障碍物,如放置在道路上的施工提示牌以及交通防护设施等。进一步地,可仅根据各指定类别的障碍物的位置信息、形状信息和尺寸信息,确定各指定类别的障碍物在检测到的施工路段中的设障区域,而不考虑指定类别外的障碍物。
其中,设障区域可以为指定类别的障碍物在检测到的施工路段上所占据的区域,可以理解的是,若车辆车身越过某个指定类别的障碍物的设障区域的边界,则会与该障碍物发生碰撞,因此可通行区域应避开该障碍物的设障区域。
具体地,可将指定类别的障碍物与施工路段的路面的接触区域确定为设障区域。优选地,也可将指定类别的障碍物在施工路段的路面上的投影对应的区域确定为该障碍物的设障区域。需要说明的是,相较于上述根据接触区域确定设障区域,基于投影确定设障区域能够降低无人驾驶车辆在行驶过程中与指定类别的障碍物发生碰撞的几率。例如,施工路段上立有一个“T”形的指定类别的障碍物,该障碍物与该施工路段的接触区域为由“|”形部分的底部确定的区域,显然未考虑到该障碍物的“一”形部分对无人驾驶车辆的阻碍,因此车辆仍有可能与该障碍物发生碰撞。然而,该障碍物在施工路段的路面上的投影对应的区域则考虑了该障碍物的外缘对无人驾驶车辆的阻碍,因此能够降低无人驾驶车辆在行驶过程中与指定类别的障碍物发生碰撞的几率。
在一个实施例中,所述基于所述设障区域确定检测到的施工路段的当前不可通行区域的步骤,可以包括:
将所述设障区域的边缘向四周延伸预设距离值后获得的区域,确定为检测到的施工路段的当前不可通行区域。
在本实施例中,不可通行区域需能够完全覆盖该设障区域,并且,基于本车自身的宽度考虑,其边界线与设障区域相应的边界线之间可留一定的间距,即预设距离值对应的间距。
具体地,不论设障区域的形状是否规则,其对应的不可通行区域均可为形状与设障区域相同、能够完全覆盖该设障区域、且其边线与该设障区域的相应边线之间的距离为预设距离值的区域。以一个具体的实例进行说明,设障区域为一个边长为0.5米的正方形,预设距离值为1米,则其对应的不可通行区域为,将该正方形的边缘向四周延伸1米后,获得的能够完全覆盖该正方形、其四条边的边长均为2.5米、且其四条边与该正方形的四条边分别对应平行的正方形。
在一个实施例中,所述根据所述当前可通行区域确定目标行驶路径的终止路点的步骤,可以包括:
当搜索到预定条件的道路横截面时,根据该预定条件的道路横截面所覆盖的车道中线路点确定目标行驶路径的终止路点,所述预定条件的道路横截面为:自该预定条件的道路横截面开始、检测到的施工路段覆盖的所有车道的车道中线路点均位于所述当前可通行区域内的道路横截面;
当未搜索到所述预定条件的道路横截面、但搜索到预定条件的路点时,根据所述预定条件的路点确定所述终止路点,所述预定条件的路点为位于所述检测范围的最远端、且位于所述当前可通行区域内的车道中线路点;
当未搜索到所述预定条件的道路横截面、且未搜索到所述预定条件的路点时,搜索所述检测范围的最远端的道路横截面上的可通行豁口,根据所述可通行豁口确定所述终止路点。
一方面,预定条件的道路横截面所在的位置为整条施工路段的完结位置,即整条施工路段到这个位置打止。在搜索到预定条件的道路横截面的情况下,则可在该预定条件的道路横截面所覆盖的车道中线路点中选取一个路点作为目标行驶路径的终止路点,并且可基于本车的行驶方向选取,例如预定条件的道路横截面覆盖了三个车道,分别为左转车道、直行车道及右转车道,若本车需右转,则将预定条件的道路横截面所覆盖的右转车道的车道中线路点确定为终止路点。
另一方面,若未在检测范围内搜索到预定条件的道路横截面,则说明检测整条施工路段的长度可能较长,当前检测范围内覆盖的可能仅为整条施工路段的一部分。在此情况下,可根据位于当前检测范围的最远端、且位于当前可通行区域内的车道中线路点(预定条件的路点)确定终止路点,可以理解的是,当前检测范围的最远端对应的位置为当前检测范围内覆盖的这一部分施工路段的完结位置。
又一方面,若未搜索到预定条件的路点,则说明检测到的施工路段不可通行,则进一步搜索位于检测范围的最远端的道路横截面上是否存在可通行豁口,例如掉头豁口。当搜索到可通行豁口时,则根据可通行豁口确定目标行驶路径的终止路点,具体地,可将搜索到的可通行豁口的中点作为目标行驶路径的终止路点。
在一个实施例中,所述根据所述起始路点、所述途径路点以及所述终止路点生成所述目标行驶路径的步骤,可以包括:
根据所述起始路点、所述途径路点以及所述终止路点生成初始行驶路径;
对所述初始行驶路径进行滤波,获得所述目标行驶路径。
需要说明的是,可根据起始路点、途径路点、终止路点以及预设的路径搜索算法生成目标行驶路径,经由预设搜索算法生成的目标行驶路径可能较为粗糙,因此可对其进行滤波处理,以使目标行驶路径平滑,从而提高目标行驶路径的精确度。例如,可根据A星算法生成的目标行驶路径,然而,经由A星算法得到的初始行驶路径一般不是十分平滑,对A星算法得到的初始行驶路径进行贝塞尔曲线滤波后,则可以获得更为平滑的行驶路径。
在一个实施例中,预设的路径搜索算法包括A星算法,且所述A星算法中计算当前路点的总代价值的公式为:
f(t)=g(t)+h(t)+k*e(t)
其中,f(t)为所述当前路点的总代价值;g(t)为所述起始路点到所述当前路点的累计距离代价;h(t)是所述当前路点到所述终止路点的预估距离代价;e(t)为距离所述当前路点最近的目标障碍物到所述当前路点的距离代价;k是预设的代价常数。
其中,预估距离代价可以为曼哈顿距离代价,即当前路点与终止路点的经度距离差与纬度距离差的绝对值之和,采用曼哈顿距离进行预估,可以简便快捷地进行预估。另外,预估距离代价还可以为欧式距离代价或对角线估价等,此处不做具体限定。
其中,e(t)是当前路点处的目标障碍物距离代价,其考量的是与当前路点距离最近的指定类别的障碍物与当前路点的距离。该距离越大,e(t)越小,且可以预设距离阈值,使得距离大于该距离阈值时,e(t)为0。在一个具体示例中,基于实际需求,距离阈值可设置为1.8米。另外,k是预设的代价常数,可基于施工路段的实测效果进行标定。
此外,A星算法是基于最短路径原则的路径搜索算法。因此,本实施例能够获得从起始路点到终止路点的最短路径。而且,本实施例对传统A星算法的代价函数做出改进,加入了路径与指定类别的障碍物的间距的考量,因此,基于本实施例生成的目标行驶路径,能够使本车在通行过程中与指定类别的障碍物保持适当的安全间距。
需要说明的是,实际施工路段的长度不一,对于长度较短的施工路段,环境感知***的检测范围可一次覆盖整条施工路段,相应地,将本发明提供的任一实施例的各步骤执行一次,生成一条目标行驶路径,即可引导本车通过整条施工路段。然而,对于长度较长的施工路段,环境感知***的检测范围无法一次性覆盖整条施工路段,则需要针对每次检测范围覆盖施工路段分别生成对应的目标行驶路径,生成的多条目标行驶路径首尾相接,车辆依次根据这多条目标行驶路径行驶才可以通过整条施工路段。相应地,针对这种情况,则需要多次执行本发明提供的任一实施例的各步骤,即,每执行一次则可生成一条目标行驶路径。下面以一个具体实例进行说明,若本车上设置的环境感知***的检测范围为100米,即一次仅能覆盖100米,现需要针对一条长度为800米的施工路段生成行驶路径,该施工路段的起点为A,终点为E,且为方便说明,假设3个中间点B、C和D,相邻两个点之间间隔100米,若本车的当前位置刚好在A点,则需要先生成一条从A到B的第一目标行驶路径,当车辆按照第一目标行驶路径行驶到B处时,再生成一条从B到C的第二目标行驶路径,当车辆按照第二目标行驶路径行驶到C处时,再生成一条从C到D的第三目标行驶路径,当车辆按照第三目标行驶路径行驶到D处时,最后再生成一条从D到E的第四目标行驶路径,车辆依次按照这四条目标行驶路径行驶,则可以通过整条施工路段。
图2示出了一个实施例中施工路段无人驾驶车辆的路径生成装置的结构示意图。参照图2,该装置200具体可以包括如下模块:
特征信息获取模块202,用于在检测到施工路段时,获取检测到的障碍物信息,所述障碍物信息包括障碍物的类别和特征信息,所述特征信息包括位置信息;
通行区域确定模块204,用于根据所述障碍物的类别和位置信息,确定所述施工路段的当前可通行区域,并确定所述当前可通行区域中包含的各路点;
终止路点确定模块206,用于根据所述当前可通行区域确定目标行驶路径的终止路点;
途径路点确定模块208,用于将车辆当前所处位置作为起始路点,根据所述起始路点、所述终止路点在所述当前可通行区域包含的各路点中进行路径搜索,确定所述目标行驶路径在所述施工路段中的途径路点;以及,
行驶路径生成模块210,用于根据所述起始路点、所述途径路点以及所述终止路点生成所述目标行驶路径。
上述施工路段无人驾驶车辆的路径生成装置,在检测到施工路段时,根据检测范围内检测到的障碍物的类别和位置信息确定该施工路段的当前可通行区域,可见,施工路段的可通行区域是根据检测到的该施工路段的实时障碍物信息确定的,能够适应施工路段的实时路况,因此,基于该可通行区域生成的行驶路径同样能够适应施工路段的实时路况。
在一个实施例中,所述特征信息还包括形状信息和尺寸信息;
此时,所述通行区域确定模块204可以包括:
设障区域确定单元,用于根据指定类别的障碍物的位置信息、形状信息和尺寸信息,确定各指定类别的障碍物在检测到的施工路段中的设障区域;
不可通行区域确定单元,用于基于所述设障区域确定检测到的施工路段的当前不可通行区域;
可通行区域确定单元,用于将检测到的施工路段中除所述当前不可通行区域外的区域确定为所述当前可通行区域。
在一个实施例中,所述不可通行区域确定单元具体可以用于:将所述设障区域的边缘向四周延伸预设距离值后获得的区域,确定为检测到的施工路段的当前不可通行区域。
在一个实施例中,所述终止路点确定模块206可以包括:
第一终止路点确定单元,用于当搜索到预定条件的道路横截面时,根据该预定条件的道路横截面所覆盖的车道中线路点确定目标行驶路径的终止路点,所述预定条件的道路横截面为:自该预定条件的道路横截面开始、检测到的施工路段覆盖的所有车道的车道中线路点均位于所述当前可通行区域内的道路横截面;
第二终止路点确定单元,用于当未搜索到所述预定条件的道路横截面、但搜索到预定条件的路点时,根据所述预定条件的路点确定所述终止路点,所述预定条件的路点为位于所述检测范围的最远端、且位于所述当前可通行区域内的车道中线路点;以及,
第三终止路点确定单元,用于当未搜索到所述预定条件的道路横截面、且未搜索到所述预定条件的路点时,搜索所述检测范围的最远端的道路横截面上的可通行豁口,根据所述可通行豁口确定所述终止路点。
在一个实施例中,所述行驶路径生成模块210可以包括:
初始路径生成单元,用于根据所述起始路点、所述途径路点以及所述终止路点生成初始行驶路径;以及,
目标路径生成单元,用于对所述初始行驶路径进行滤波,获得所述目标行驶路径。
在一个实施例中,采用A星算法进行路径搜索,所述路径搜索过程中,采用下述公式计算当前路点的总代价值:
f(t)=g(t)+h(t)+k*e(t)
其中,f(t)为所述当前路点的总代价值;g(t)为所述起始路点到所述当前路点的累计距离代价;h(t)是所述当前路点到所述终止路点的预估距离代价;e(t)为距离所述当前路点最近的指定类别的障碍物到所述当前路点的距离代价;k为代价常数。
本实施例的施工路段无人驾驶车辆的路径生成装置中的其他技术特征,可以与上述施工路段无人驾驶车辆的路径生成方法实施例中的相同。
图3示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是上文所述的控制终端。如图3所示,该计算机设备可包括通过***总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现上述施工路段无人驾驶车辆的路径生成方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行上述施工路段无人驾驶车辆的路径生成方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
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,本发明提供的施工路段无人驾驶车辆的路径生成装置可以实现为一种计算机程序的形式,计算机程序可在如图3所示的计算机设备上运行。计算机设备的存储器中可存储组成该施工路段无人驾驶车辆的路径生成装置的各个程序模块,比如,图2所示的特征信息获取模块202、通行区域确定模块204、终止路点确定模块206、途径路点确定模块208和行驶路径生成模块210。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各实施例的施工路段无人驾驶车辆的路径生成方法中的步骤。
例如,图3所示的计算机设备可以通过如图2所示的施工路段无人驾驶车辆的路径生成装置中的特征信息获取模块202执行图2中的步骤S102、可通过通行区域确定模块204执行图2中的步骤S104、以及可通过终止路点确定模块206执行图2中的步骤S106等等。
为此,一个实施例中还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行本申请提供的任一实施例中的施工路段无人驾驶车辆的路径生成方法的步骤。
上述计算机设备,在检测到施工路段时,根据检测范围内检测到的障碍物的类别和位置信息确定该施工路段的当前可通行区域,可见,施工路段的可通行区域是根据检测到的该施工路段的实时障碍物信息确定的,能够适应施工路段的实时路况,因此,基于该可通行区域生成的行驶路径同样能够适应施工路段的实时路况。
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,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,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。
为此,一个实施例中还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可执行指令,所述计算机可执行指令被处理器执行时,使得所述处理器执行本申请提供的任一实施例中的施工路段无人驾驶车辆的路径生成方法的步骤。
上述计算机可读存储介质,在检测到施工路段时,根据检测范围内检测到的障碍物的类别和位置信息确定该施工路段的当前可通行区域,可见,施工路段的可通行区域是根据检测到的该施工路段的实时障碍物信息确定的,能够适应施工路段的实时路况,因此,基于该可通行区域生成的行驶路径同样能够适应施工路段的实时路况。
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本申请专利范围的限制。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)
1.一种施工路段无人驾驶车辆的路径生成方法,其特征在于,所述方法包括:
在检测到施工路段时,获取检测到的障碍物信息,所述障碍物信息包括障碍物的类别和特征信息,所述特征信息包括位置信息;
根据所述障碍物的类别和位置信息,确定所述施工路段的当前可通行区域,并确定所述当前可通行区域中包含的各路点;
根据所述当前可通行区域确定目标行驶路径的终止路点;
将车辆当前所处位置作为起始路点,根据所述起始路点、所述终止路点在所述当前可通行区域包含的各路点中进行路径搜索,确定所述目标行驶路径在所述施工路段中的途径路点;
根据所述起始路点、所述途径路点以及所述终止路点生成所述目标行驶路径。
2.如权利要求1所述的施工路段无人驾驶车辆的路径生成方法,其特征在于,所述特征信息还包括形状信息和尺寸信息;
所述根据所述障碍物的类别和位置信息,确定所述施工路段的当前可通行区域的方式,包括:
根据指定类别的障碍物的位置信息、形状信息和尺寸信息,确定各指定类别的障碍物在检测到的施工路段中的设障区域;
基于所述设障区域确定检测到的施工路段的当前不可通行区域;
将检测到的施工路段中除所述当前不可通行区域外的区域确定为所述当前可通行区域。
3.如权利要求2所述的施工路段无人驾驶车辆的路径生成方法,其特征在于,所述基于所述设障区域确定检测到的施工路段的当前不可通行区域的步骤,包括:
将所述设障区域的边缘向四周延伸预设距离值后获得的区域,确定为检测到的施工路段的当前不可通行区域。
4.如权利要求1所述的施工路段无人驾驶车辆的路径生成方法,其特征在于,所述根据所述当前可通行区域确定目标行驶路径的终止路点的步骤,包括:
当搜索到预定条件的道路横截面时,根据该预定条件的道路横截面所覆盖的车道中线路点确定目标行驶路径的终止路点,所述预定条件的道路横截面为:自该预定条件的道路横截面开始、检测到的施工路段覆盖的所有车道的车道中线路点均位于所述当前可通行区域内的道路横截面;
当未搜索到所述预定条件的道路横截面、但搜索到预定条件的路点时,根据所述预定条件的路点确定所述终止路点,所述预定条件的路点为位于所述检测范围的最远端、且位于所述当前可通行区域内的车道中线路点;
当未搜索到所述预定条件的道路横截面、且未搜索到所述预定条件的路点时,搜索所述检测范围的最远端的道路横截面上的可通行豁口,根据所述可通行豁口确定所述终止路点。
5.如权利要求1所述的施工路段无人驾驶车辆的路径生成方法,其特征在于,所述根据所述起始路点、所述途径路点以及所述终止路点生成所述目标行驶路径的步骤,包括:
根据所述起始路点、所述途径路点以及所述终止路点生成初始行驶路径;
对所述初始行驶路径进行滤波,获得所述目标行驶路径。
6.如权利要求1至5任一项所述的施工路段无人驾驶车辆的路径生成方法,其特征在于,采用A星算法进行路径搜索,所述路径搜索过程中,采用下述公式计算当前路点的总代价值:
f(t)=g(t)+h(t)+k*e(t)
其中,f(t)为所述当前路点的总代价值;g(t)为所述起始路点到所述当前路点的累计距离代价;h(t)是所述当前路点到所述终止路点的预估距离代价;e(t)为距离所述当前路点最近的指定类别的障碍物到所述当前路点的距离代价;k为代价常数。
7.一种施工路段无人驾驶车辆的路径生成装置,其特征在于,所述装置包括:
特征信息获取模块,用于在检测到施工路段时,获取检测到的障碍物信息,所述障碍物信息包括障碍物的类别和特征信息,所述特征信息包括位置信息;
通行区域确定模块,用于根据障碍物的类别和特征信息,确定所述施工路段的当前可通行区域,并确定所述当前可通行区域中包含的各路点;
终止路点确定模块,用于根据所述当前可通行区域确定目标行驶路径的终止路点;
途径路点确定模块,用于将车辆当前所处位置作为起始路点,根据所述起始路点、所述终止路点在所述当前可通行区域包含的各路点中进行路径搜索,确定所述目标行驶路径在检测到的施工路段中的途径路点;以及,
行驶路径生成模块,用于根据所述起始路点、所述途径路点以及所述终止路点生成所述目标行驶路径。
8.如权利要求7所述的施工路段无人驾驶车辆的路径生成装置,其特征在于,所述特征信息还包括形状信息和尺寸信息;
所述通行区域确定模块包括:
设障区域确定单元,用于根据指定类别的障碍物的位置信息、形状信息和尺寸信息,确定各指定类别的障碍物在检测到的施工路段中的设障区域;
不可通行区域确定单元,用于基于所述设障区域确定检测到的施工路段的当前不可通行区域;以及,
可通行区域确定单元,用于将检测到的施工路段中除所述当前不可通行区域外的区域确定为所述当前可通行区域。
9.一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可执行指令,所述计算机可执行指令被处理器执行时,使得所述处理器执行如权利要求1至6任一项所述方法的步骤。
10.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至6任一项所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711010197.7A CN107843267B (zh) | 2017-10-25 | 2017-10-25 | 施工路段无人驾驶车辆的路径生成方法及装置 |
US16/489,365 US11221224B2 (en) | 2017-10-25 | 2018-10-19 | Method and device for generating path of unmanned vehicle on construction section |
PCT/CN2018/111087 WO2019080782A1 (zh) | 2017-10-25 | 2018-10-19 | 施工路段无人驾驶车辆的路径生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711010197.7A CN107843267B (zh) | 2017-10-25 | 2017-10-25 | 施工路段无人驾驶车辆的路径生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107843267A true CN107843267A (zh) | 2018-03-27 |
CN107843267B CN107843267B (zh) | 2020-04-17 |
Family
ID=61663151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711010197.7A Active CN107843267B (zh) | 2017-10-25 | 2017-10-25 | 施工路段无人驾驶车辆的路径生成方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11221224B2 (zh) |
CN (1) | CN107843267B (zh) |
WO (1) | WO2019080782A1 (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108871361A (zh) * | 2018-06-11 | 2018-11-23 | 江苏盛海智能科技有限公司 | 一种规划循迹路径的方法及终端 |
CN109062948A (zh) * | 2018-06-22 | 2018-12-21 | 广州杰赛科技股份有限公司 | 目标点确定、目标路径确定方法和*** |
CN109213153A (zh) * | 2018-08-08 | 2019-01-15 | 东风汽车有限公司 | 一种车辆自动驾驶方法及电子设备 |
CN109634282A (zh) * | 2018-12-25 | 2019-04-16 | 奇瑞汽车股份有限公司 | 自动驾驶车辆、方法和装置 |
WO2019080782A1 (zh) * | 2017-10-25 | 2019-05-02 | 广州汽车集团股份有限公司 | 施工路段无人驾驶车辆的路径生成方法及装置 |
CN109739219A (zh) * | 2018-12-05 | 2019-05-10 | 北京百度网讯科技有限公司 | 通行路径的规划方法、装置、设备及可读存储介质 |
CN109765902A (zh) * | 2019-02-22 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 一种驾驶参考线处理方法、装置及车辆 |
CN109784526A (zh) * | 2018-12-05 | 2019-05-21 | 北京百度网讯科技有限公司 | 通行路径的规划方法、装置、设备及可读存储介质 |
CN109827584A (zh) * | 2019-01-15 | 2019-05-31 | 北京百度网讯科技有限公司 | 路径规划方法、装置、电子设备与存储介质 |
CN110377021A (zh) * | 2018-09-29 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 设备控制方法、装置、***、计算机可读存储介质 |
CN111189453A (zh) * | 2020-01-07 | 2020-05-22 | 深圳南方德尔汽车电子有限公司 | 基于Bezier全局路径规划方法、装置、计算机设备及存储介质 |
CN111238505A (zh) * | 2018-11-29 | 2020-06-05 | 沈阳美行科技有限公司 | 一种道路地图的道路线段描画方法、装置及相关*** |
CN111238500A (zh) * | 2018-11-29 | 2020-06-05 | 沈阳美行科技有限公司 | 道路地图区域的道路线段的地图生成方法、装置及*** |
CN111397611A (zh) * | 2020-03-05 | 2020-07-10 | 北京百度网讯科技有限公司 | 路径规划方法、装置以及电子设备 |
CN111426330A (zh) * | 2020-03-24 | 2020-07-17 | 江苏徐工工程机械研究院有限公司 | 路径生成方法和设备、无人化运输***和存储介质 |
CN111538335A (zh) * | 2020-05-15 | 2020-08-14 | 深圳国信泰富科技有限公司 | 一种驾驶机器人的防碰撞方法 |
CN111709355A (zh) * | 2020-06-12 | 2020-09-25 | 北京百度网讯科技有限公司 | 识别目标区域的方法、装置、电子设备和路侧设备 |
CN112085959A (zh) * | 2019-06-13 | 2020-12-15 | 百度在线网络技术(北京)有限公司 | 无人车行驶控制方法及设备 |
CN112257889A (zh) * | 2019-07-21 | 2021-01-22 | 长沙智能驾驶研究院有限公司 | 智慧工地中工地移动对象的路径规划方法、装置 |
CN112578788A (zh) * | 2019-09-30 | 2021-03-30 | 北京百度网讯科技有限公司 | 车辆避障二次规划方法、装置、设备和可读存储介质 |
CN112633570A (zh) * | 2020-12-17 | 2021-04-09 | 广州小马智行科技有限公司 | 车辆的行驶路线的确定方法、装置、处理器与车辆*** |
CN112733923A (zh) * | 2021-01-04 | 2021-04-30 | 上海高仙自动化科技发展有限公司 | 一种确定禁行区域的***及机器人 |
CN112965472A (zh) * | 2019-11-27 | 2021-06-15 | 深圳市大富科技股份有限公司 | 一种无人车及其行进辅助方法、装置、*** |
CN113282088A (zh) * | 2021-05-21 | 2021-08-20 | 潍柴动力股份有限公司 | 工程车的无人驾驶方法、装置、设备、存储介质及工程车 |
WO2021189374A1 (en) * | 2020-03-26 | 2021-09-30 | Baidu.Com Times Technology (Beijing) Co., Ltd. | A navigation route planning method for autonomous vehicles |
CN113532448A (zh) * | 2020-04-13 | 2021-10-22 | 广州汽车集团股份有限公司 | 一种自动驾驶车辆的导航方法及其***、驾驶控制设备 |
CN113673919A (zh) * | 2020-05-15 | 2021-11-19 | 北京京东乾石科技有限公司 | 多车协同路径确定方法及装置、电子设备和存储介质 |
CN113682299A (zh) * | 2020-05-19 | 2021-11-23 | 广州汽车集团股份有限公司 | 一种车辆前向碰撞预警方法及装置 |
CN113741412A (zh) * | 2020-05-29 | 2021-12-03 | 杭州海康威视数字技术股份有限公司 | 自动驾驶设备的控制方法、装置及存储介质 |
CN113781786A (zh) * | 2021-11-11 | 2021-12-10 | 中移(上海)信息通信科技有限公司 | 一种不可通行区域确认方法、装置、设备及可读存储介质 |
CN113792375A (zh) * | 2021-08-06 | 2021-12-14 | 清华大学 | 基于云支持的预测性巡航控制车速解析方法、***及装置 |
CN114511044A (zh) * | 2022-04-18 | 2022-05-17 | 新石器慧通(北京)科技有限公司 | 无人车通行控制方法及装置 |
WO2022193665A1 (zh) * | 2021-03-19 | 2022-09-22 | 杭州海康威视***技术有限公司 | 一种绕行路径的确定方法、装置及存储介质 |
WO2024146339A1 (zh) * | 2023-01-06 | 2024-07-11 | 徐工集团工程机械股份有限公司建设机械分公司 | 路径规划方法、装置和起重机 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111684379B (zh) * | 2018-12-26 | 2023-12-22 | 百度时代网络技术(北京)有限公司 | 自动驾驶车辆的三点转弯的最优规划器切换方法 |
US11215985B2 (en) * | 2019-03-15 | 2022-01-04 | Nissan North America, Inc. | Pathfinding assistance system for teleoperation |
US11987261B2 (en) | 2020-09-15 | 2024-05-21 | Tusimple, Inc. | Detecting a road structure change by a lead autonomous vehicle (AV) and updating routing plans for the lead AV and following AVs |
CN113790725B (zh) * | 2020-09-22 | 2024-03-01 | 北京京东乾石科技有限公司 | 路径规划方法、路径规划装置、存储介质与可移动设备 |
CN112182710A (zh) * | 2020-09-28 | 2021-01-05 | 杭州品茗安控信息技术股份有限公司 | 一种施工道路布置方法、装置、设备及可读存储介质 |
CN113112622A (zh) * | 2021-04-15 | 2021-07-13 | 北京世纪高通科技有限公司 | 一种计费方法、装置和服务器 |
CN114022622A (zh) * | 2021-10-29 | 2022-02-08 | 华中科技大学 | 一种土方施工三维实时导航方法及*** |
CN114264307B (zh) * | 2021-12-15 | 2024-06-04 | 广州小鹏自动驾驶科技有限公司 | 路径生成方法、装置、交通工具及存储介质 |
CN114911239A (zh) * | 2022-05-27 | 2022-08-16 | 上海伯镭智能科技有限公司 | 一种无人驾驶矿车的异常识别方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140063232A1 (en) * | 2012-09-05 | 2014-03-06 | Google Inc. | Construction Zone Sign Detection |
US9056395B1 (en) * | 2012-09-05 | 2015-06-16 | Google Inc. | Construction zone sign detection using light detection and ranging |
CN104809901A (zh) * | 2014-01-28 | 2015-07-29 | 通用汽车环球科技运作有限责任公司 | 使用街道级图像增强车辆的自动驾驶模式的方法 |
CN106323309A (zh) * | 2015-06-30 | 2017-01-11 | Lg电子株式会社 | 车辆驾驶辅助装置、车辆用显示装置以及车辆 |
WO2017029775A1 (en) * | 2015-08-19 | 2017-02-23 | Sony Corporation | System and method for determing navigation information for an autonomous vehicle |
US20170242436A1 (en) * | 2017-03-17 | 2017-08-24 | GM Global Technology Operations LLC | Road construction detection systems and methods |
US20170300059A1 (en) * | 2017-05-03 | 2017-10-19 | GM Global Technology Operations LLC | Methods and systems for lidar point cloud anomalies |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8099237B2 (en) * | 2008-07-25 | 2012-01-17 | Navteq North America, Llc | Open area maps |
US20100023251A1 (en) * | 2008-07-25 | 2010-01-28 | Gale William N | Cost based open area maps |
US9141107B2 (en) * | 2013-04-10 | 2015-09-22 | Google Inc. | Mapping active and inactive construction zones for autonomous driving |
CN107843267B (zh) | 2017-10-25 | 2020-04-17 | 广州汽车集团股份有限公司 | 施工路段无人驾驶车辆的路径生成方法及装置 |
-
2017
- 2017-10-25 CN CN201711010197.7A patent/CN107843267B/zh active Active
-
2018
- 2018-10-19 US US16/489,365 patent/US11221224B2/en active Active
- 2018-10-19 WO PCT/CN2018/111087 patent/WO2019080782A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140063232A1 (en) * | 2012-09-05 | 2014-03-06 | Google Inc. | Construction Zone Sign Detection |
US9056395B1 (en) * | 2012-09-05 | 2015-06-16 | Google Inc. | Construction zone sign detection using light detection and ranging |
CN104809901A (zh) * | 2014-01-28 | 2015-07-29 | 通用汽车环球科技运作有限责任公司 | 使用街道级图像增强车辆的自动驾驶模式的方法 |
CN106323309A (zh) * | 2015-06-30 | 2017-01-11 | Lg电子株式会社 | 车辆驾驶辅助装置、车辆用显示装置以及车辆 |
WO2017029775A1 (en) * | 2015-08-19 | 2017-02-23 | Sony Corporation | System and method for determing navigation information for an autonomous vehicle |
US20170242436A1 (en) * | 2017-03-17 | 2017-08-24 | GM Global Technology Operations LLC | Road construction detection systems and methods |
US20170300059A1 (en) * | 2017-05-03 | 2017-10-19 | GM Global Technology Operations LLC | Methods and systems for lidar point cloud anomalies |
Cited By (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11221224B2 (en) | 2017-10-25 | 2022-01-11 | Guangzhou Automobile Group Co., Ltd. | Method and device for generating path of unmanned vehicle on construction section |
WO2019080782A1 (zh) * | 2017-10-25 | 2019-05-02 | 广州汽车集团股份有限公司 | 施工路段无人驾驶车辆的路径生成方法及装置 |
CN108871361A (zh) * | 2018-06-11 | 2018-11-23 | 江苏盛海智能科技有限公司 | 一种规划循迹路径的方法及终端 |
CN109062948A (zh) * | 2018-06-22 | 2018-12-21 | 广州杰赛科技股份有限公司 | 目标点确定、目标路径确定方法和*** |
CN109062948B (zh) * | 2018-06-22 | 2020-11-13 | 广州杰赛科技股份有限公司 | 目标点确定、目标路径确定方法和*** |
CN109213153B (zh) * | 2018-08-08 | 2022-01-07 | 东风汽车有限公司 | 一种车辆自动驾驶方法及电子设备 |
CN109213153A (zh) * | 2018-08-08 | 2019-01-15 | 东风汽车有限公司 | 一种车辆自动驾驶方法及电子设备 |
CN110377021A (zh) * | 2018-09-29 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 设备控制方法、装置、***、计算机可读存储介质 |
CN111238500A (zh) * | 2018-11-29 | 2020-06-05 | 沈阳美行科技有限公司 | 道路地图区域的道路线段的地图生成方法、装置及*** |
CN111238500B (zh) * | 2018-11-29 | 2022-07-26 | 沈阳美行科技股份有限公司 | 道路地图区域的道路线段的地图生成方法、装置及*** |
CN111238505A (zh) * | 2018-11-29 | 2020-06-05 | 沈阳美行科技有限公司 | 一种道路地图的道路线段描画方法、装置及相关*** |
CN111238505B (zh) * | 2018-11-29 | 2023-11-24 | 沈阳美行科技股份有限公司 | 一种道路地图的道路线段描画方法、装置及相关*** |
US11521495B2 (en) | 2018-12-05 | 2022-12-06 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method, apparatus, device and readable storage medium for planning pass path |
CN109739219A (zh) * | 2018-12-05 | 2019-05-10 | 北京百度网讯科技有限公司 | 通行路径的规划方法、装置、设备及可读存储介质 |
CN109784526B (zh) * | 2018-12-05 | 2023-02-28 | 阿波罗智能技术(北京)有限公司 | 通行路径的规划方法、装置、设备及可读存储介质 |
CN109784526A (zh) * | 2018-12-05 | 2019-05-21 | 北京百度网讯科技有限公司 | 通行路径的规划方法、装置、设备及可读存储介质 |
US11480967B2 (en) | 2018-12-05 | 2022-10-25 | Beijing Baidu Netcom Science Technology Co., Ltd. | Pass route planning method and apparatus, device and readable storage medium |
CN109634282A (zh) * | 2018-12-25 | 2019-04-16 | 奇瑞汽车股份有限公司 | 自动驾驶车辆、方法和装置 |
CN109634282B (zh) * | 2018-12-25 | 2021-05-28 | 奇瑞汽车股份有限公司 | 自动驾驶车辆、方法和装置 |
CN109827584A (zh) * | 2019-01-15 | 2019-05-31 | 北京百度网讯科技有限公司 | 路径规划方法、装置、电子设备与存储介质 |
CN109827584B (zh) * | 2019-01-15 | 2021-07-09 | 北京百度网讯科技有限公司 | 路径规划方法、装置、电子设备与存储介质 |
CN113324557A (zh) * | 2019-01-15 | 2021-08-31 | 北京百度网讯科技有限公司 | 路径规划方法、装置、电子设备与存储介质 |
CN109765902B (zh) * | 2019-02-22 | 2022-10-11 | 阿波罗智能技术(北京)有限公司 | 无人车驾驶参考线处理方法、装置及车辆 |
US11415993B2 (en) | 2019-02-22 | 2022-08-16 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method and apparatus for processing driving reference line, and vehicle |
CN109765902A (zh) * | 2019-02-22 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 一种驾驶参考线处理方法、装置及车辆 |
CN112085959A (zh) * | 2019-06-13 | 2020-12-15 | 百度在线网络技术(北京)有限公司 | 无人车行驶控制方法及设备 |
CN112085959B (zh) * | 2019-06-13 | 2022-04-12 | 百度在线网络技术(北京)有限公司 | 无人车行驶控制方法及设备 |
CN112257889A (zh) * | 2019-07-21 | 2021-01-22 | 长沙智能驾驶研究院有限公司 | 智慧工地中工地移动对象的路径规划方法、装置 |
CN112578788A (zh) * | 2019-09-30 | 2021-03-30 | 北京百度网讯科技有限公司 | 车辆避障二次规划方法、装置、设备和可读存储介质 |
CN112578788B (zh) * | 2019-09-30 | 2023-05-02 | 北京百度网讯科技有限公司 | 车辆避障二次规划方法、装置、设备和可读存储介质 |
CN112965472A (zh) * | 2019-11-27 | 2021-06-15 | 深圳市大富科技股份有限公司 | 一种无人车及其行进辅助方法、装置、*** |
CN111189453A (zh) * | 2020-01-07 | 2020-05-22 | 深圳南方德尔汽车电子有限公司 | 基于Bezier全局路径规划方法、装置、计算机设备及存储介质 |
CN111397611A (zh) * | 2020-03-05 | 2020-07-10 | 北京百度网讯科技有限公司 | 路径规划方法、装置以及电子设备 |
CN111426330A (zh) * | 2020-03-24 | 2020-07-17 | 江苏徐工工程机械研究院有限公司 | 路径生成方法和设备、无人化运输***和存储介质 |
US11945463B2 (en) | 2020-03-26 | 2024-04-02 | Baidu Usa Llc | Navigation route planning method for autonomous vehicles |
WO2021189374A1 (en) * | 2020-03-26 | 2021-09-30 | Baidu.Com Times Technology (Beijing) Co., Ltd. | A navigation route planning method for autonomous vehicles |
CN113532448A (zh) * | 2020-04-13 | 2021-10-22 | 广州汽车集团股份有限公司 | 一种自动驾驶车辆的导航方法及其***、驾驶控制设备 |
CN111538335A (zh) * | 2020-05-15 | 2020-08-14 | 深圳国信泰富科技有限公司 | 一种驾驶机器人的防碰撞方法 |
CN113673919A (zh) * | 2020-05-15 | 2021-11-19 | 北京京东乾石科技有限公司 | 多车协同路径确定方法及装置、电子设备和存储介质 |
CN113682299A (zh) * | 2020-05-19 | 2021-11-23 | 广州汽车集团股份有限公司 | 一种车辆前向碰撞预警方法及装置 |
CN113741412B (zh) * | 2020-05-29 | 2023-09-01 | 杭州海康威视数字技术股份有限公司 | 自动驾驶设备的控制方法、装置及存储介质 |
CN113741412A (zh) * | 2020-05-29 | 2021-12-03 | 杭州海康威视数字技术股份有限公司 | 自动驾驶设备的控制方法、装置及存储介质 |
CN111709355B (zh) * | 2020-06-12 | 2023-08-29 | 阿波罗智联(北京)科技有限公司 | 识别目标区域的方法、装置、电子设备和路侧设备 |
CN111709355A (zh) * | 2020-06-12 | 2020-09-25 | 北京百度网讯科技有限公司 | 识别目标区域的方法、装置、电子设备和路侧设备 |
CN112633570A (zh) * | 2020-12-17 | 2021-04-09 | 广州小马智行科技有限公司 | 车辆的行驶路线的确定方法、装置、处理器与车辆*** |
CN112733923A (zh) * | 2021-01-04 | 2021-04-30 | 上海高仙自动化科技发展有限公司 | 一种确定禁行区域的***及机器人 |
WO2022193665A1 (zh) * | 2021-03-19 | 2022-09-22 | 杭州海康威视***技术有限公司 | 一种绕行路径的确定方法、装置及存储介质 |
CN113282088A (zh) * | 2021-05-21 | 2021-08-20 | 潍柴动力股份有限公司 | 工程车的无人驾驶方法、装置、设备、存储介质及工程车 |
CN113792375B (zh) * | 2021-08-06 | 2022-09-09 | 清华大学 | 基于云支持的预测性巡航控制车速解析方法、***及装置 |
CN113792375A (zh) * | 2021-08-06 | 2021-12-14 | 清华大学 | 基于云支持的预测性巡航控制车速解析方法、***及装置 |
CN113781786A (zh) * | 2021-11-11 | 2021-12-10 | 中移(上海)信息通信科技有限公司 | 一种不可通行区域确认方法、装置、设备及可读存储介质 |
WO2023083043A1 (zh) * | 2021-11-11 | 2023-05-19 | 中移(上海)信息通信科技有限公司 | 一种不可通行区域确认方法、装置、设备及可读存储介质 |
CN114511044B (zh) * | 2022-04-18 | 2022-06-28 | 新石器慧通(北京)科技有限公司 | 无人车通行控制方法及装置 |
CN114511044A (zh) * | 2022-04-18 | 2022-05-17 | 新石器慧通(北京)科技有限公司 | 无人车通行控制方法及装置 |
WO2024146339A1 (zh) * | 2023-01-06 | 2024-07-11 | 徐工集团工程机械股份有限公司建设机械分公司 | 路径规划方法、装置和起重机 |
Also Published As
Publication number | Publication date |
---|---|
US11221224B2 (en) | 2022-01-11 |
US20200249037A1 (en) | 2020-08-06 |
WO2019080782A1 (zh) | 2019-05-02 |
CN107843267B (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107843267A (zh) | 施工路段无人驾驶车辆的路径生成方法及装置 | |
US20200409389A1 (en) | Advanced path prediction | |
US5922036A (en) | Lane detection sensor and navigation system employing the same | |
US20190094858A1 (en) | Parking Location Prediction | |
CN105936276A (zh) | 行驶控制装置 | |
CN106774313A (zh) | 一种基于多传感器的室外自动避障agv导航方法 | |
CN104376297A (zh) | 道路上的线型指示标志的检测方法和装置 | |
CN107646114A (zh) | 用于估计车道的方法 | |
US11656090B2 (en) | Method and system for generating navigation data for a geographical location | |
CN106980657A (zh) | 一种基于信息融合的车道级电子地图构建方法 | |
CN110531376A (zh) | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 | |
Chong et al. | Integrated real-time vision-based preceding vehicle detection in urban roads | |
CN110047276A (zh) | 障碍物车辆的拥堵状态确定方法、装置和相关产品 | |
CN108364466A (zh) | 一种基于无人机交通视频的车流量统计方法 | |
JP2003123197A (ja) | 道路標示等認識装置 | |
US20160055382A1 (en) | Vehicle discrimination apparatus | |
US7804424B2 (en) | Automatic guide apparatus for traffic facilities | |
CN115240471B (zh) | 一种基于图像采集的智慧厂区避撞预警方法和*** | |
CN110346799A (zh) | 一种障碍物检测方法及设备 | |
KR101500168B1 (ko) | 주행 도로의 측면 경계 인지 방법 | |
JP6419260B1 (ja) | 交通情報取得装置、交通情報取得システム、交通情報取得方法、および交通情報取得プログラム | |
TW202022804A (zh) | 路面影像重建與載具定位之方法與系統 | |
JP3856798B2 (ja) | ナビゲーション装置 | |
US20210383141A1 (en) | Sign position identification system and program | |
CN115755888A (zh) | 多传感器数据融合的agv障碍物检测***及避障方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |