CN108445886A - 一种基于高斯方程的自动驾驶车辆换道规划方法及*** - Google Patents

一种基于高斯方程的自动驾驶车辆换道规划方法及*** Download PDF

Info

Publication number
CN108445886A
CN108445886A CN201810381104.XA CN201810381104A CN108445886A CN 108445886 A CN108445886 A CN 108445886A CN 201810381104 A CN201810381104 A CN 201810381104A CN 108445886 A CN108445886 A CN 108445886A
Authority
CN
China
Prior art keywords
change
waypoint
lane
automatic driving
driving vehicle
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
Application number
CN201810381104.XA
Other languages
English (en)
Other versions
CN108445886B (zh
Inventor
刘元盛
杨建锁
郭笑笑
钟启学
韩玺
张文娟
柴梦娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Union University
Original Assignee
Beijing Union University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Union University filed Critical Beijing Union University
Priority to CN201810381104.XA priority Critical patent/CN108445886B/zh
Publication of CN108445886A publication Critical patent/CN108445886A/zh
Application granted granted Critical
Publication of CN108445886B publication Critical patent/CN108445886B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供一种基于高斯方程的自动驾驶车辆换道规划方法及***，其中方法包括以下步骤：步骤1：定义局部路点格式；步骤2：计算障碍物中心即纵向长度；步骤3：规划函数设计，并计算每一个所述路点的平移量△h；步骤4。将所述平移量△h标记到对应路点的横坐标变化量△x。本发明通过计算障碍物中心点坐标与障碍物纵向深度，将高斯原点从车体局部坐标原点移动到障碍物中心点，同时利用障碍物的纵向深度进行高斯函数分段获取每个路点对应的平移百分比；将规划中每个路点的横向变化量用全局坐标标记，保证换道情况不变时路径的一致性。

Description

一种基于高斯方程的自动驾驶车辆换道规划方法及***
技术领域
本发明涉及计算机视觉和图像处理的技术领域，特别是一种基于高斯方程的自动驾驶车辆换道规划方法及***。
背景技术
自动驾驶技术日益成熟，而路径规划则是无人车智能程度的保障。目前多数无人车的换道方法采用轨迹平移法，这种方法虽然简单高效，但是存在轨迹阶跃突变的问题，这样的问题容易导致无人车横向控制不平顺从而造成较差的驾驶体验；同时在换道规划时若换道情况不变，为了保证导航路径的一致性，无人车应尽可能减少规划。为了解决上述问题，本发明提出了轨迹平移与高斯低通滤波相结合的换道轨迹规划方法，通过计算障碍物中心点坐标与障碍物纵向深度，将高斯原点从车体局部坐标原点移动到障碍物中心点，同时利用障碍物的纵向深度进行高斯函数分段获取每个路点对应的平移百分比；将规划中每个路点的横向变化量用全局坐标标记，保证换道情况不变时路径的一致性。本发明在换道源头上解决了轨迹突变的问题，同时不仅可以规划出换道路径，车道保持路径，还可以规划出返回原始轨迹路径。另外，基于高斯函数的特点，换道路径调节只需调节高斯函数的截止频率，方法简单高效。
申请号为CN201710497273.5的发明专利公开了一种自动驾驶车辆的换道控制方法和装置，在换道时，先根据障碍物与车辆之间的距离和当前路况，确定可行驶区域，当调整后的引导轨迹位于可行驶区域内时，在准备换向，避免了因反复尝试换道而造成的方向盘抖动。该方法在换道过程中每一周期都需要进行路径平移直到换道结束，这样的做法会导致在换道过程中规划轨迹受车体运动变化与传感器误差等影响，从而导致每次规划的路径相关性弱。
申请号为CN1O5329238A的发明专利公开了一种基于单目视觉的自动驾驶汽车换道控制方法，本方法在自动驾驶汽车的车顶安装摄像头，用于采集车道线图像；通过图像处理模块来对车道线图像处理和识别得到拟合的车道线；通过上位机模块计算出方向盘转角增量，输出电机控制信号给执行单元。该方法对于采集装置要求比较高，只能使用摄像头采集车道信息，基于单目视觉图像处理的换道方法，适应性不足。
发明内容
为了解决上述的技术问题，本发明提出一种基于高斯方程的自动驾驶车辆换道规划方法及***，通过计算障碍物中心点坐标与障碍物纵向深度，将高斯原点从车体局部坐标原点移动到障碍物中心点，同时利用障碍物的纵向深度进行高斯函数分段获取每个路点对应的平移百分比；将规划中每个路点的横向变化量用全局坐标标记，保证换道情况不变时路径的一致性。
本发明的第一目的是提供了一种基于高斯方程的自动驾驶车辆换道规划方法，包括以下步骤：
步骤1：定义局部路点格式；
步骤2：计算障碍物中心即纵向长度；
步骤3：规划函数设计，并计算每一个所述路点的平移量△h；
步骤4：将所述平移量△h标记到对应路点的横坐标变化量△x。
优选的是，所述每一个路点由全局坐标(X，Y)和局部坐标(x，y)以及横坐标变化量△x组成。
在上述任一方案中优选的是，所述全局坐标是考虑到车、障碍物、地图等位置的坐标系，坐标原点不发生变化。
在上述任一方案中优选的是，所述局部坐标是以车头为原点，车的运动方向为纵轴，与运动方向垂直的方向为横轴的直角坐标系，坐标原点随车体实时发生变化。
在上述任一方案中优选的是，所述步骤2为计算障碍物纵向深度s即障碍物中心局部坐标(j，i)。
在上述任一方案中优选的是，所述步骤3包括将路径的纵向距离作为自变量，取依据高斯低通滤波函数得到的每一个距离对应的平移百分比H(y)，所述平移百分比H(y)的计算公式为
其中，D0位关于中心的扩展度的度量，y是据频率矩形中心的距离。
在上述任一方案中优选的是，所述每一个所述路点的平移量△h的计算公式为
△h＝h×H(y)
其中，h为最大平移距离值。
在上述任一方案中优选的是，所述步骤3包括考虑障碍物的纵向长度以保证换道后车道保持的安全性，得到下面平移分布函数
其中，T是纵向距离取值范围，关于障碍物中心点对称。
在上述任一方案中优选的是，所述步骤4包括通过所述全局中的△x来校正新的局部坐标。
在上述任一方案中优选的是，所述高斯低通滤波函数为
其中，μ为正态分布的概率密度函数值，σ2为方差。
在上述任一方案中优选的是，一个随机变量X服从所述函数f(x，μ，σ)的分布，记作XN(μ，σ2)。
在上述任一方案中优选的是，基于高斯概率分布的特点，高斯函数可以进行频率域滤波函数的演变，得到如下公式：
其中，D(u，v)是据频率矩形中心的距离，σ是关于中心的扩展度的度量。
在上述任一方案中优选的是，令σ＝D0，得到高斯低通滤波器
其中，D0是截止频率。
发明的第二目的是提供了一种基于高斯方程的自动驾驶车辆换道规划***，包括以下模块：
路点定义模块：用于定义局部路点格式；
计算模块：用于计算障碍物中心即纵向长度，规划函数设计，并计算每一个所述路点的平移量△h；
标记模块：用于将所述平移量△h标记到对应路点的横坐标变化量△x。优选的是，所述每一个路点由全局坐标(X，Y)和局部坐标(x，y)以及横坐标变化量△x组成。
在上述任一方案中优选的是，所述全局坐标是考虑到车、障碍物、地图等位置的坐标系，坐标原点不发生变化。
在上述任一方案中优选的是，所述局部坐标是以车头为原点，车的运动方向为纵轴，与运动方向垂直的方向为横轴的直角坐标系，坐标原点随车体实时发生变化。
在上述任一方案中优选的是，所述计算模块用于计算障碍物纵向深度s即障碍物中心局部坐标(j，i)。
在上述任一方案中优选的是，所述计算模块还用于将路径的纵向距离作为自变量，取依据高斯低通滤波函数得到的每一个距离对应的平移百分比H(y)，所述平移百分比H(y)的计算公式为
其中，D0位关于中心的扩展度的度量，y是据频率矩形中心的距离。
在上述任一方案中优选的是，所述每一个所述路点的平移量△h的计算公式为
△h＝h×H(y)
其中，h为最大平移距离值。
在上述任一方案中优选的是，所述步骤3包括考虑障碍物的纵向长度以保证换道后车道保持的安全性，得到下面平移分布函数
其中，T是纵向距离取值范围，关于障碍物中心点对称。
在上述任一方案中优选的是，所述标记模块用于通过所述全局中的△x来校正新的局部坐标。
在上述任一方案中优选的是，所述高斯低通滤波函数为
其中，μ为正态分布的概率密度函数值，σ2为方差。
在上述任一方案中优选的是，一个随机变量X服从所述函数f(x，μ，σ)的分布，记作X N(μ，σ2)。
在上述任一方案中优选的是，基于高斯概率分布的特点，高斯函数可以进行频率域滤波函数的演变，得到如下公式：
其中，D(u，v)是据频率矩形中心的距离，σ是关于中心的扩展度的度量。
在上述任一方案中优选的是，令σ＝D0，得到高斯低通滤波器
其中，D0是截止频率。
本发明提出了一种基于高斯方程的自动驾驶车辆换道规划方法，在换道源头上解决了轨迹突变的问题，同时不仅可以规划出换道路径，车道保持路径，还可以规划出返回原始轨迹路径，基于高斯函数的特点，换道路径调节只需调节高斯函数的截止频率，方法简单高效。
附图说明
图1为按照本发明的基于高斯方程的自动驾驶车辆换道规划方法的一优选实施例的流程图。
图1A为按照本发明的基于高斯方程的自动驾驶车辆换道规划方法的如图1所示实施例的不同截止频率的高斯低通滤波函数分布图。
图1B为按照本发明的基于高斯方程的自动驾驶车辆换道规划方法的如图1所示实施例的规则地形下单条路线方位角图。
图1C为按照本发明的基于高斯方程的自动驾驶车辆换道规划方法的如图1所示实施例的换道过程中规划路径点索引方法流程图。
图1D为按照本发明的基于高斯方程的自动驾驶车辆换道规划方法的如图1所示实施例的无人车轨迹规划实例图。
图2为按照本发明的基于高斯方程的自动驾驶车辆换道规划***的一优选实施例的模块图。
图3为按照本发明的基于高斯方程的自动驾驶车辆换道规划方法的另一优选实施例的提出规划算法的概率分布图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
自动驾驶技术日益成熟，而路径规划则是无人车智能程度的保障。目前多数无人车的换道方法采用轨迹平移法，这种方法虽然简单高效，但是存在轨迹阶跃突变的问题，这样的问题容易导致无人车横向控制不平顺从而造成较差的驾驶体验；同时在换道规划时若换道情况不变，为了保证导航路径的一致性，无人车应尽可能减少规划。为了解决上述问题，本发明提出了轨迹平移与高斯低通滤波相结合的换道轨迹规划方法，通过计算障碍物中心点坐标与障碍物纵向深度，将高斯原点从车体局部坐标原点移动到障碍物中心点，同时利用障碍物的纵向深度进行高斯函数分段获取每个路点对应的平移百分比；将规划中每个路点的横向变化量用全局坐标标记，保证换道情况不变时路径的一致性。本发明在换道源头上解决了轨迹突变的问题，同时不仅可以规划出换道路径，车道保持路径，还可以规划出返回原始轨迹路径。另外，基于高斯函数的特点，换道路径调节只需调节高斯函数的截止频率，方法简单高效。
如图1、2所示，执行步骤100，路点定义模块200定义局部路点格式。路点结构体如表1所示，每一个路点由全局坐标(X，Y)和局部坐标(x，y)及横坐标变化量△x组成，局部路径由若干个路点组成，如图1A所示。局部坐标是以车头为原点，车的运动方向为纵轴，与运动方向垂直的方向为横轴的直角坐标系，坐标原点随车体实时发生变化如图1A中的jMi；全局坐标是考虑到车、障碍物、地图等位置的坐标系，坐标原点不发生变化，如图1A中的yOx。局部坐标主导作用引导无人车进行实时自动驾驶，全局坐标主导作用在障碍物不发生变化时进行规划路点标记，对于无人车而言，这样的处理方式对于同一次换道只需进行一次规划，避免换道过程中实时的二次规划。
全局坐标 全局坐标 局部坐标 局部坐标 横坐标变化量
X Y x y △x
表1局部路点结构
执行步骤110，计算模块210计算障碍物中心即纵向长度。如图1A所示，计算障碍物纵向深度s及障碍物中心局部坐标(j，i)。
执行步骤120，计算模块210规划函数设计，并计算每一个所述路点的平移量△h。该函数的功能在于将路径的纵向距离作为自变量，取依据高斯低通滤波函数得到的每一个距离对应的平移百分比。
将原始路径上的横向平移百分比乘上最大平移距离值得到每一个路点的平移量，如公式2所示。
△h＝h×H(y) (2)
高斯低通滤波的特点在于函数概率分布以0点为中心，平滑且对称的向两侧递减。基于此，为了规划出换道路径与回道路径，利用高斯函数向两侧递减的特点，需将高斯坐标原点从车身局部坐标原点移动到障碍物中心点。同时，为了保证换道后车道保持的安全性，需考虑障碍物的纵向长度，如图1A中的s.在障碍物长度覆盖的范围内，平移百分比应该占平移量的100％，所以可得以下平移分布函数，如公式3所示。
其中，T是纵向距离取值范围，关于障碍物中心点对称。公式3的概率分布函数如图1B所示。图1B中，不同的截止频率曲线纵轴递减程度不一，这为不同情况规划不同曲率的路径提供了条件。同时，在原点两侧保持纵轴值为1的函数段，这里就是车道保持时平移量保持100％的位置。图1B中横坐标单位为dm。
执行步骤130，标记模块220将所述平移量△h标记到对应路点的横坐标变化量△x。这样以便无人车在换道过程中找到每个路点对应的全局坐标，通过全局坐标里面的来校正新的局部坐标。因为每个路点的全局坐标是不发生变化的，所以这样的做法保证了在换道情况不变时只进行一次规划，保证了无人车换道的平顺性。如图1C所示，执行步骤131，换道过程中，得到当前的局部路点时，首先索引第一次规划下面的全局坐标与当前全局坐标的一一对应点。执行步骤132，依据第一次规划全局坐标下的横坐标变化量来修改当前局部坐标的横坐标平移量，最终得到当前的导航路径。执行步骤133无人车依据该导航路径进行实时自动驾驶。
通过以上四个步骤即可完成本发明的换道规划实现，实现结果如图1D所示。无人车在行驶路线上碰到了障碍物，具备向右换道条件，此时按照本发明提出的换道规划方法无人车可得到4条备选路径且每条路径都包括换道路段、车道保持路段与回到原始轨迹路段，不同的路径高斯低通函数的截止频率不同。图1D有效的证明了本发明的有效性与优越性。
实施例二
高斯低通滤波函数
正态分布的概率密度函数均值为μ,方差为σ2(或标准差)是高斯函数的一个实例：
如果一个随机变量X服从这个分布，我们写作X：N(μ，σ2)。基于高斯概率分布的特点，高斯函数可以进行频率域滤波函数的演变，如：
其中，D(u，v)是据频率矩形中心的距离，σ是关于中心的扩展度的度量。通过令σ＝D0可以得到高斯低通滤波器：
其中，D0是截止频率，不同截止频率的H(u，v)的概率分布图如图2所示。
实施例三
自动驾驶车辆常用的换道方法是：基于障碍物的位置直接对当前的局部路径进行左右平移一个固定的距离，平移后得到的新路径即为换道路径，如图2中的规划路径0。此种方式规划出来的换道路径没有考虑到未来无人车运动轨迹，缺乏换道后回到原始路径的规划，同时忽略了无人车到达规划轨迹过程中的危险性判断，由于这样轨迹平移对无人车而言属于路径阶跃型跳变，所以会造成无人车换道过程横向控制易抖动且舒适性差。
本发明的主旨在于在平移换道基础上得到一条平滑的规划曲线，即考虑到无人车未来运动轨迹，也加入换道后回到原始轨迹的规划。
实施例四
相对于其他的类似的现有技术，本申请的技术特点如下：
1、技术线路与以往不同。本申请在轨迹平移的基础上加上高斯低通函数来进行换道轨迹规划，规划轨迹不仅包括换道轨迹，同时包括车道保持轨迹与车道返回原始路径轨迹。
2、解决换道时驾驶舒适性方法不同。在轨迹上直接利用高斯函数进行平滑，从源头上解决换道角度突变造成驾驶舒适度差的问题。
3、规划次数不同。在满足换道条件下只进行一次局部路径规划，将规划得到的路径横向变换量标记到全局坐标下，这样在换道过程中新的周期路径只需通过全局坐标来索引局部坐标的变化量，保证了换道路径的一致性。
4、对传感器配置要求不一致..对传感器没有特别要求，无论是雷达、导航、图像等，只要能够提供道路引导线即可，适用性更广。
5、技术本质不同。本申请是基于满足换道条件下进行的，也就是说重点在满足换道条件后进行换道路径规划，并不涉及换道条件选取；
6、换道控制方法不同，本申请最终的结果是换道路径，并非是换道控制量。
7、覆盖范围不同。本申请是基于安全区域规划出来的轨迹，也就是说本申请的平移轨迹最大值是车道宽度，并且车道保持路段是障碍物纵向深度。
为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种基于高斯方程的自动驾驶车辆换道规划方法，包括以下步骤：
步骤1：定义局部路点格式；
步骤2：计算障碍物中心即纵向长度；
步骤3：规划函数设计，并计算每一个所述路点的平移量△h；
步骤4：将所述平移量△h标记到对应路点的横坐标变化量△x。
2.如权利要求1所述的基于高斯方程的自动驾驶车辆换道规划方法，其特征在于：所述每一个路点由全局坐标(X，Y)和局部坐标(x，y)以及横坐标变化量△x组成。
3.如权利要求2所述的基于高斯方程的自动驾驶车辆换道规划方法，其特征在于：所述全局坐标是考虑到车、障碍物、地图等位置的坐标系，坐标原点不发生变化。
4.如权利要求3所述的基于高斯方程的自动驾驶车辆换道规划方法，其特征在于：所述局部坐标是以车头为原点，车的运动方向为纵轴，与运动方向垂直的方向为横轴的直角坐标系，坐标原点随车体实时发生变化。
5.如权利要求4所述的基于高斯方程的自动驾驶车辆换道规划方法，其特征在于：所述步骤2为计算障碍物纵向深度s即障碍物中心局部坐标(j，i)。
6.如权利要求5所述的基于高斯方程的自动驾驶车辆换道规划方法，其特征在于：所述步骤3包括将路径的纵向距离作为自变量，取依据高斯低通滤波函数得到的每一个距离对应的平移百分比H(y)，所述平移百分比H(y)的计算公式为
其中，D0位关于中心的扩展度的度量，y是据频率矩形中心的距离。
7.如权利要求6所述的基于高斯方程的自动驾驶车辆换道规划方法，其特征在于：所述每一个所述路点的平移量△h的计算公式为
△h＝h×H(y)
其中，h为最大平移距离值。
8.如权利要求7所述的基于高斯方程的自动驾驶车辆换道规划方法，其特征在于：所述步骤3包括考虑障碍物的纵向长度以保证换道后车道保持的安全性，得到下面平移分布函数
其中，T是纵向距离取值范围，关于障碍物中心点对称。
9.如权利要求8所述的基于高斯方程的自动驾驶车辆换道规划方法，其特征在于：所述步骤4包括通过所述全局中的△x来校正新的局部坐标。
10.一种基于高斯方程的自动驾驶车辆换道规划***，包括以下模块：
路点定义模块：用于定义局部路点格式；
计算模块：用于计算障碍物中心即纵向长度，规划函数设计，并计算每一个所述路点的平移量△h；
标记模块：用于将所述平移量△h标记到对应路点的横坐标变化量△x。
CN201810381104.XA 2018-04-25 2018-04-25 一种基于高斯方程的自动驾驶车辆换道规划方法及*** Active CN108445886B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810381104.XA CN108445886B (zh) 2018-04-25 2018-04-25 一种基于高斯方程的自动驾驶车辆换道规划方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810381104.XA CN108445886B (zh) 2018-04-25 2018-04-25 一种基于高斯方程的自动驾驶车辆换道规划方法及***

Publications (2)

Publication Number Publication Date
CN108445886A true CN108445886A (zh) 2018-08-24
CN108445886B CN108445886B (zh) 2021-09-21

Family

ID=63201053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810381104.XA Active CN108445886B (zh) 2018-04-25 2018-04-25 一种基于高斯方程的自动驾驶车辆换道规划方法及***

Country Status (1)

Country Link
CN (1) CN108445886B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110333727A (zh) * 2019-08-01 2019-10-15 上海钛米机器人科技有限公司 机器人路径规划方法、装置、设备及介质
CN110362096A (zh) * 2019-08-13 2019-10-22 东北大学 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN111123952A (zh) * 2019-12-31 2020-05-08 华为技术有限公司 一种轨迹规划方法及装置
CN112577504A (zh) * 2019-09-30 2021-03-30 北京百度网讯科技有限公司 车辆行驶路径二次规划方法、装置、设备和可读存储介质
CN113515111A (zh) * 2020-03-25 2021-10-19 郑州宇通客车股份有限公司 一种车辆避障路径规划方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591332A (zh) * 2011-01-13 2012-07-18 同济大学 用于无人驾驶汽车局部路径规划的装置及方法
CN106843235A (zh) * 2017-03-31 2017-06-13 深圳市靖洲科技有限公司 一种面向无人自行车的人工势场路径规划法
CN106873600A (zh) * 2017-03-31 2017-06-20 深圳市靖洲科技有限公司 一种面向无人自行车的局部避障路径规划方法
CN107121980A (zh) * 2017-03-17 2017-09-01 北京理工大学 一种基于虚拟约束的自动驾驶车辆路径规划方法
CN107817790A (zh) * 2017-09-05 2018-03-20 百度在线网络技术（北京）有限公司 一种计算车辆轨迹的曲率的方法和装置
CN107894767A (zh) * 2016-12-19 2018-04-10 驭势科技（北京）有限公司 一种自动驾驶车辆横向运动控制对象选择方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591332A (zh) * 2011-01-13 2012-07-18 同济大学 用于无人驾驶汽车局部路径规划的装置及方法
CN107894767A (zh) * 2016-12-19 2018-04-10 驭势科技（北京）有限公司 一种自动驾驶车辆横向运动控制对象选择方法
CN107121980A (zh) * 2017-03-17 2017-09-01 北京理工大学 一种基于虚拟约束的自动驾驶车辆路径规划方法
CN106843235A (zh) * 2017-03-31 2017-06-13 深圳市靖洲科技有限公司 一种面向无人自行车的人工势场路径规划法
CN106873600A (zh) * 2017-03-31 2017-06-20 深圳市靖洲科技有限公司 一种面向无人自行车的局部避障路径规划方法
CN107817790A (zh) * 2017-09-05 2018-03-20 百度在线网络技术（北京）有限公司 一种计算车辆轨迹的曲率的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郭俊杰: "无人驾驶车GPS自主导航***设计与实现", 《中国优秀硕士学位论文全文数据库·工程科技Ⅱ辑》 *
郭笑笑等: "基于无人驾驶汽车的避障算法综述", 《计算机科学》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110333727A (zh) * 2019-08-01 2019-10-15 上海钛米机器人科技有限公司 机器人路径规划方法、装置、设备及介质
CN110362096A (zh) * 2019-08-13 2019-10-22 东北大学 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN112577504A (zh) * 2019-09-30 2021-03-30 北京百度网讯科技有限公司 车辆行驶路径二次规划方法、装置、设备和可读存储介质
CN112577504B (zh) * 2019-09-30 2024-06-04 北京百度网讯科技有限公司 车辆行驶路径二次规划方法、装置、设备和可读存储介质
CN111123952A (zh) * 2019-12-31 2020-05-08 华为技术有限公司 一种轨迹规划方法及装置
CN111123952B (zh) * 2019-12-31 2021-12-31 华为技术有限公司 一种轨迹规划方法及装置
CN113515111A (zh) * 2020-03-25 2021-10-19 郑州宇通客车股份有限公司 一种车辆避障路径规划方法及装置
CN113515111B (zh) * 2020-03-25 2023-08-25 宇通客车股份有限公司 一种车辆避障路径规划方法及装置

Also Published As

Publication number Publication date
CN108445886B (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
CN108445886A (zh) 一种基于高斯方程的自动驾驶车辆换道规划方法及***
CN106515722B (zh) 一种垂直泊车轨迹规划方法
DE102019102944B4 (de) Systeme und Verfahren für eine Fahrzeugregelstrategie mit niedrigem Vorsteuerungsniveau
EP3584663B1 (de) Verfahren zur automatischen querführung eines folgefahrzeugs in einem fahrzeug-platoon
CN109059944B (zh) 基于驾驶习惯学习的运动规划方法
DE102019102942A1 (de) Systeme und Verfahren für die Korrektur von Fahrzeugwegfolgern
CN111547066B (zh) 车辆轨迹跟踪方法、装置、设备及存储介质
CN109017793B (zh) 基于前后轴融合参考的自主停车导航及控制方法
CN112193244B (zh) 基于线性约束的自动驾驶车辆运动规划方法
DE102018113782A1 (de) Personalisierte Fahreigenschaften eines autonomen Fahrzeugs
CN105138044B (zh) 一种基于信息物理网的车队编队控制装置及编队控制方法
DE102018113926A1 (de) Autonome Fahrzeugantriebssysteme und Verfahren für kritische Zustände
DE102019201124A1 (de) Ein System für ein Fahrzeug
EP1913569A1 (de) Verfahren zur flugführung mehrerer im verband fliegender flugzeuge
CN111137298B (zh) 一种车辆自动驾驶方法、装置、***和存储介质
DE102020100749A1 (de) Ermittlung von wegen für fahrzeuge
CN110553660A (zh) 一种基于a*算法和人工势场的无人车轨迹规划方法
DE102019134050A1 (de) Fahrzeugpfadverarbeitung
CN111896004A (zh) 一种狭窄通道车辆轨迹规划方法及***
DE102020102717A1 (de) Verfahren und systeme zur steuerung der seitlichen position des fahrzeugs über eine kreuzung
CN115993825A (zh) 一种基于空地协同的无人车集群控制***
DE102019131288A1 (de) Fahrzeugsteuervorrichtung
CN110377027A (zh) 无人驾驶感知方法、***、装置和存储介质
DE102020105657A1 (de) Verfahren und Systeme für die Kartierung und Lokalisierung eines Fahrzeuges
CN116069037A (zh) 无人车编队轨迹规划控制方法、装置、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
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant