CN110207716A - 一种参考行驶线快速生成方法、***、终端和存储介质 - Google Patents

一种参考行驶线快速生成方法、***、终端和存储介质 Download PDF

Info

Publication number
CN110207716A
CN110207716A CN201910343032.4A CN201910343032A CN110207716A CN 110207716 A CN110207716 A CN 110207716A CN 201910343032 A CN201910343032 A CN 201910343032A CN 110207716 A CN110207716 A CN 110207716A
Authority
CN
China
Prior art keywords
path
point
difficulty
highly difficult
driving line
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
CN201910343032.4A
Other languages
English (en)
Other versions
CN110207716B (zh
Inventor
余恒
王凡
唐锐
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.)
Zongmu Technology Shanghai Co Ltd
Original Assignee
Zongmu Technology Shanghai Co Ltd
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 Zongmu Technology Shanghai Co Ltd filed Critical Zongmu Technology Shanghai Co Ltd
Priority to CN201910343032.4A priority Critical patent/CN110207716B/zh
Publication of CN110207716A publication Critical patent/CN110207716A/zh
Priority to EP20794378.8A priority patent/EP3951321A4/en
Priority to PCT/CN2020/086577 priority patent/WO2020216315A1/zh
Priority to US17/606,559 priority patent/US11592305B2/en
Application granted granted Critical
Publication of CN110207716B publication Critical patent/CN110207716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
    • G01C21/3685—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities the POI's being parking facilities
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/387—Organisation of map data, e.g. version management or database structures

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种参考行驶线快速生成方法、***、终端和存储介质,对不同难度的路段按照行驶难度分割路径规划点，将行驶难度低的部分以几何处理的方式获得行驶参考行驶线；将行驶难度高的部分结合车动力学约束以Hybrid A star算法处理方式获得行驶参考行驶线，再将各个部分的行驶参考行驶线拼接形成完整的行驶参考行驶线，该方法***资源占用率低，算法耗时短。

Description

一种参考行驶线快速生成方法、***、终端和存储介质
技术领域
本发明涉及汽车电子技术领域，特别是涉及一种参考行驶线快速生成方法、***、终端和存储介质。
背景技术
参考行驶线是地图路径规划服务中的一种常用模块，在获取使用者起始位置，并获取使用者输入目的地位置后，地图会生成一个全局道路(global path)，全局道路是由稀疏的沿线道路节点组成的，再由自起始位置至目的地位置终止方向的路径规划线将这些沿线道路节点串联形成全局道路(global path)。
全局道路(global path)由于节点和节点之间是直接连线的，而车辆在不同的道路场景下、在不同车型的车身动力学参数影响下，车辆实际行驶路径都需要即符合车辆车身动力学控制要求，又需要符合真实道路场景复杂工况，才能作为L4乃至L5级别的无人驾驶参考行驶线使用。而车辆在复杂停车场场景中每获取一次局部地图均会通过算法更新一次参考行驶线，而不同行驶难度的路段参考行驶线的计算难度是不同的，对于所有路段使用同一种参考行驶线生成算法会提高***资源的占用，并且提高算法耗时。
发明内容
为了解决上述的以及其他潜在的技术问题，本发明提供了一种参考行驶线快速生成方法、***、终端和存储介质,对不同难度的路段按照行驶难度分割路径规划点，将行驶难度低的部分以几何处理的方式获得行驶参考行驶线；将行驶难度高的部分结合车动力学约束以算法处理方式获得行驶参考行驶线，再将各个部分的行驶参考行驶线拼接形成完整的行驶参考行驶线，该方法***资源占用率低，算法耗时短。
一种参考行驶线快速生成方法，包括：
S01：获取预加载地图和全局路径规划，找到存在于预加载地图范围内的路径规划点和路径方向；
S02：按照行驶难度分割路径规划点：
当行驶难度高于额定值时，将该部分划分为高难度局部路径部分，并给予高难度局部路径划分编号，提取高难度局部路径部分覆盖范围内的路径规划点，形成高难度局部路径规划点集；
当行驶难度低于额定值时，将该部分划分为低难度局部路径部分，并给予低难度路径划分编号，提取低难度局部路径部分覆盖范围内的路径规划点，形成低难度路径规划点集；
高难度局部路径部分和低难度路径部分的集合等于该预加载地图中全局路径规划部分；
S03：逐一提取高难度局部路径划分编号的高难度路径规划点集，路径规划点集中的每一个路径规划点均含有该路径规划点的x坐标信息、y坐标信息，
遍历高难度路径规划点集中所有路径规划点的x坐标信息，找出x坐标的最大值和x坐标的最小值；
遍历高难度路径规划点集中所有路径规划点的y坐标信息，找出y坐标的最大值和y坐标的最小值；
以x坐标最大值、x坐标最小值、y坐标最大值，y坐标最小值为边界形成高难度局部路径区域；
S04：将每一个高难度局部路径区域的高难度路径点以算法模拟参考行驶线，将每一个低难度局部路径区域中路径规划点以几何方式获取参考行驶线；将高难度局部路径规划和低难度局部路径规划按照编号拼接，形成局部地图的路径规划。
进一步地，若步骤S04执行失败，则以搜索方式找到该高难度局部路径区域的参考行驶线；若搜索方式可以找到高难度局部路径区域参考行驶线，则用该高难度路径区域参考行驶线与剩余部分路径区域参考行驶线拼接；若搜索方式寻找高难度局部路径区域参考行驶线失败，则返回到步骤S01重新寻找存在于预加载地图范围内的路径规划点和路径方向。
进一步地，还包括一下情形：
按照行驶难度分割路径规划点：当行驶难度无法识别时，给予预加载地图范围内路径规划点以统一的划分编号。
进一步地，在步骤S01获取预加载地图和预加载地图范围内的路径规划点和路径方向时，还包括步骤S011：判断预加载地图的高度信息与车辆行驶过的前一张局部地图高度信息是否一致；若一致，则进入步骤S02；若不一致，则结束。
进一步地，步骤S04中以算法模拟参考行驶线使用的算法是：Hybrid A star算法生成参考行驶线。Hybrid A star算法的输入层包括：需要完成掉头的两条车道的中心线数据，中心线的每个点数据包含位置与朝向(x,y,theta)。Hybrid A star算法用以轨迹生成类计算，能够生成一条位置、曲率平滑的轨迹，让车辆能够完成掉头运动。Hybrid A star算法的输出层包括连接两条车道的完整轨迹，轨迹中每个点包含位置、朝向与曲率数据(x,y,theta,kappa)。
使用Hybrid A star算法来寻找可行驶轨迹。在离散的情况下Hybrid A star给出的路径不是可行驶的，但是当我们加入汽车的动力学约束后，也许可以达到题目要求的结果。
Hybrid A star算法在程序中包括以下步骤：
S041：使用动力学约束来计算Hybrid A star算法的可扩展区域，即可扩展的栅格格子；约束动力学模型的同时，HeuristicCost也需要根据U-Turn的场景进行适当的优化；
S042：删除不合理的区域，所述不合理的区域包括障碍物、地图外区域、效率低的区域；
S043：记录连续的车辆状态以及状态关联的离散栅格格子；
S044：待得到搜索结果后取出路径相关联的连续状态点数据(x，y，theta)；
S045：检查曲率是否平滑。
Hybrid A star算法在程序实现中可视化问题：可视化部分使用python的matplotlib。
Hybrid A star算法测试问题：代码部分并没有引入测试框架(gtest，boosttest等)，而是用脚本配合c++assert的轻量化方案，因为开发和测试过程中需要很多肉眼观测的辅助和批量的测试文件读取，使用c++对代码维护要求较高，而且无法做到和代码不耦合的可视化。
Hybrid A star算法在使用时，没有使用三维数组形式的真栅各地图，而是使用std::vector<std::map<Point,State>>该形式有点像稀疏矩阵的表达方式，大大节约了空间消耗，也大大减轻的坐标系转换的工作。最终的轨迹经过了拟合以及重采样，为了让轨迹是平滑的，同时也是为了计算kappa kappa的计算根据该公式得出：
其中，曲线是由参数方程给出，利用参数方程求导法可以得出K值。
进一步地，Hybrid A star算法的代替方案，可以生成半圆曲线作为referenceline,然后使用qp进行优化。使用目标lane的入口作为end-configuration space，然后使用Jerk minimize直接求解汽车可执行轨迹，然后检查轨迹是超过边界或存在碰撞。该方法可能导致计算出的trajectory不满足车子的物理特性，比如某些点的curve过大。
一种参考行驶线快速生成***，包括：
地图模块，所述地图模块包含某一城市的市级地图、某一区的区级地图、某一乡镇的乡镇级地图、街道级地图、或者某一室内场景的地图；
全局路径规划模块，所述全局路径规划模块包含车辆的起始点、终止点位置以及从起始点到终止点所经过的道路路径点；
行驶难度分割模块，所述行驶难度分割模块用于分割***预加载局部地图的路径，在分割前经过道路行驶难度分析，当认定行驶难度高于额定值时，将该部分划分为高难度局部路径部分，提取高难度局部路径部分覆盖范围内的路径规划点，形成高难度局部路径规划点集；当行驶难度低于额定值时，将该部分划分为低难度局部路径部分，提取低难度局部路径部分覆盖范围内的路径规划点，形成低难度路径规划点集；
参考行驶线生成模块，所述参考行驶线生成模块根据行驶难度分割模块分割结果，分别将高难度局部路径规划点和低难度局部路径规划点以不同的方式生成行驶参考行驶线，再将行驶参考行驶线拼接成完成的行驶参考行驶线。
进一步地，所述行驶难度分割模块分割高难度局部路径规划点集时，先获取高难度局部路径区域，获取方式为：
逐一提取高难度局部路径划分编号的高难度路径规划点集，路径规划点集中的每一个路径规划点均含有该路径规划点的x坐标信息、y坐标信息，遍历高难度路径规划点集中所有路径规划点的x坐标信息，找出x坐标的最大值和x坐标的最小值；遍历高难度路径规划点集中所有路径规划点的y坐标信息，找出y坐标的最大值和y坐标的最小值；以x坐标最大值、x坐标最小值、y坐标最大值，y坐标最小值为边界形成高难度局部路径区域。
一种参考行驶线快速生成终端，如可以执行上述参考行驶线快速生成方法的智能手机或可以执行上述参考行驶线快速生成***的车载终端控制设备。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行参考行驶线快速生成方法中的步骤。
如上所述，本发明的具有以下有益效果：
对不同难度的路段按照行驶难度分割路径规划点，将行驶难度低的部分以几何处理的方式获得行驶参考行驶线；将行驶难度高的部分结合车动力学约束以算法处理方式获得行驶参考行驶线，再将各个部分的行驶参考行驶线拼接形成完整的行驶参考行驶线，该方法***资源占用率低，算法耗时短。
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显示为本发明的流程图。
图2显示为本发明某一时刻室内停车场中行驶参考行驶线的示意图。
图3显示为本发明下一时刻室内停车场中行驶参考行驶线的示意图。
图4显示为本发明下一时刻室内停车场中行驶参考行驶线的示意图。
图5显示为本发明预加载局部地图行驶难度分割模块分割后的示意图。
图6显示为本发明预加载局部地图行驶难度分割模块分割后高难度行驶路径的示意图。
图7显示为本发明预加载局部地图行驶难度分割模块分割后低难度行驶路径的示意图。
图8显示为本发明预加载局部地图行驶难度分割模块分割后另一部分低难度行驶路径的示意图。
图9显示为另一预加载局部地图中行驶难度分割模块分割后的示意图。
图10显示为另一预加载局部地图中行驶难度分割模块分割后某一高难度路径路径的示意图图。
100-第一低难度局部路径部分；200-第一高难度局部路径部分；300-第二低难度局部路径部分；400-第四低难度局部路径部分；500-第五高难度局部路径部分；101～106-第一低难度局部路径部分的路径点；201～211-第一高难度局部路径部分的路径点；301～305-第二低难度局部路径部分的路径点；501～521-第五高难度局部路径部分的路径点。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
参见图1～图10，
一种参考行驶线快速生成方法，包括：
S01：获取预加载地图和全局路径规划，找到存在于预加载地图范围内的路径规划点和路径方向；
S02：按照行驶难度分割路径规划点：
当行驶难度高于额定值时，将该部分划分为高难度局部路径部分，并给予高难度局部路径划分编号，提取高难度局部路径部分覆盖范围内的路径规划点，形成高难度局部路径规划点集；
当行驶难度低于额定值时，将该部分划分为低难度局部路径部分，并给予低难度路径划分编号，提取低难度局部路径部分覆盖范围内的路径规划点，形成低难度路径规划点集；
高难度局部路径部分和低难度路径部分的集合等于该预加载地图中全局路径规划部分；
S03：逐一提取高难度局部路径划分编号的高难度路径规划点集，路径规划点集中的每一个路径规划点均含有该路径规划点的x坐标信息、y坐标信息，
遍历高难度路径规划点集中所有路径规划点的x坐标信息，找出x坐标的最大值和x坐标的最小值；
遍历高难度路径规划点集中所有路径规划点的y坐标信息，找出y坐标的最大值和y坐标的最小值；
以x坐标最大值、x坐标最小值、y坐标最大值，y坐标最小值为边界形成高难度局部路径区域；
S04：将每一个高难度局部路径区域的高难度路径点以算法模拟参考行驶线，将每一个低难度局部路径区域中路径规划点以几何方式获取参考行驶线；将高难度局部路径规划和低难度局部路径规划按照编号拼接，形成局部地图的路径规划。
进一步地，若步骤S04执行失败，则以搜索方式找到该高难度局部路径区域的参考行驶线；若搜索方式可以找到高难度局部路径区域参考行驶线，则用该高难度路径区域参考行驶线与剩余部分路径区域参考行驶线拼接；若搜索方式寻找高难度局部路径区域参考行驶线失败，则返回到步骤S01重新寻找存在于预加载地图范围内的路径规划点和路径方向。
进一步地，还包括一下情形：
按照行驶难度分割路径规划点：当行驶难度无法识别时，给予预加载地图范围内路径规划点以统一的划分编号。
进一步地，在步骤S01获取预加载地图和预加载地图范围内的路径规划点和路径方向时，还包括步骤S011：判断预加载地图的高度信息与车辆行驶过的前一张局部地图高度信息是否一致；若一致，则进入步骤S02；若不一致，则结束。
进一步地，步骤S04中以算法模拟参考行驶线使用的算法是：Hybrid A star算法生成参考行驶线。Hybrid A star算法的输入层包括：需要完成掉头的两条车道的中心线数据，中心线的每个点数据包含位置与朝向(x,y,theta)。Hybrid A star算法用以轨迹生成类计算，能够生成一条位置、曲率平滑的轨迹，让车辆能够完成掉头运动。Hybrid A star算法的输出层包括连接两条车道的完整轨迹，轨迹中每个点包含位置、朝向与曲率数据(x,y,theta,kappa)。
使用Hybrid A star算法来寻找可行驶轨迹。在离散的情况下Hybrid A star给出的路径不是可行驶的，但是当我们加入汽车的动力学约束后，也许可以达到题目要求的结果。
Hybrid A star算法在程序中包括以下步骤：
S041：使用动力学约束来计算Hybrid A star算法的可扩展区域，即可扩展的栅格格子；约束动力学模型的同时，HeuristicCost也需要根据U-Turn的场景进行适当的优化；
S042：删除不合理的区域，所述不合理的区域包括障碍物、地图外区域、效率低的区域；
S043：记录连续的车辆状态以及状态关联的离散栅格格子；
S044：待得到搜索结果后取出路径相关联的连续状态点数据(x，y，theta)；
S045：检查曲率是否平滑。
Hybrid A star算法在程序实现中可视化问题：可视化部分使用python的matplotlib。
Hybrid A star算法测试问题：代码部分并没有引入测试框架(gtest，boosttest等)，而是用脚本配合c++assert的轻量化方案，因为开发和测试过程中需要很多肉眼观测的辅助和批量的测试文件读取，使用c++对代码维护要求较高，而且无法做到和代码不耦合的可视化。
Hybrid A star算法在使用时，没有使用三维数组形式的真栅各地图，而是使用std::vector<std::map<Point,State>>该形式有点像稀疏矩阵的表达方式，大大节约了空间消耗，也大大减轻的坐标系转换的工作。最终的轨迹经过了拟合以及重采样，为了让轨迹是平滑的，同时也是为了计算kappa kappa的计算根据该公式得出：
其中，曲线是由参数方程给出，利用参数方程求导法可以得出K值。
进一步地，Hybrid A star算法的代替方案，可以生成半圆曲线作为referenceline,然后使用qp进行优化。使用目标lane的入口作为end-configuration space，然后使用Jerk minimize直接求解汽车可执行轨迹，然后检查轨迹是超过边界或存在碰撞。该方法可能导致计算出的trajectory不满足车子的物理特性，比如某些点的curve过大。
一种参考行驶线快速生成***，包括：
地图模块，所述地图模块包含某一城市的市级地图、某一区的区级地图、某一乡镇的乡镇级地图、街道级地图、或者某一室内场景的地图；
全局路径规划模块，所述全局路径规划模块包含车辆的起始点、终止点位置以及从起始点到终止点所经过的道路路径点；
行驶难度分割模块，所述行驶难度分割模块用于分割***预加载局部地图的路径，在分割前经过道路行驶难度分析，当认定行驶难度高于额定值时，将该部分划分为高难度局部路径部分，提取高难度局部路径部分覆盖范围内的路径规划点，形成高难度局部路径规划点集；当行驶难度低于额定值时，将该部分划分为低难度局部路径部分，提取低难度局部路径部分覆盖范围内的路径规划点，形成低难度路径规划点集；
参考行驶线生成模块，所述参考行驶线生成模块根据行驶难度分割模块分割结果，分别将高难度局部路径规划点和低难度局部路径规划点以不同的方式生成行驶参考行驶线，再将行驶参考行驶线拼接成完成的行驶参考行驶线。
进一步地，所述行驶难度分割模块分割高难度局部路径规划点集时，先获取高难度局部路径区域，获取方式为：
逐一提取高难度局部路径划分编号的高难度路径规划点集，路径规划点集中的每一个路径规划点均含有该路径规划点的x坐标信息、y坐标信息，遍历高难度路径规划点集中所有路径规划点的x坐标信息，找出x坐标的最大值和x坐标的最小值；遍历高难度路径规划点集中所有路径规划点的y坐标信息，找出y坐标的最大值和y坐标的最小值；以x坐标最大值、x坐标最小值、y坐标最大值，y坐标最小值为边界形成高难度局部路径区域。
一种参考行驶线快速生成终端，如可以执行上述参考行驶线快速生成方法的智能手机或可以执行上述参考行驶线快速生成***的车载终端控制设备。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行参考行驶线快速生成方法中的步骤。
作为优选实施例，本实施例还提供一种终端设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式云端、刀片式云端、塔式云端或机柜式云端(包括独立的云端，或者多个云端所组成的云端集群)等。本实施例的终端设备至少包括但不限于：可通过***总线相互通信连接的存储器、处理器。需要指出的是，具有组件存储器、处理器的终端设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的符合车辆动力学的参考行驶线生成方法实施更多或者更少的组件。
作为优选实施例，存储器(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，存储器也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。当然，存储器还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，存储器通常用于存储安装于计算机设备的操作***和各类应用软件，例如实施例中的符合车辆动力学的参考行驶线生成方法程序代码等。此外，存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、云端、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储符合车辆动力学的参考行驶线生成方法程序，被处理器执行时实现符合车辆动力学的参考行驶线生成方法程序实施例中的符合车辆动力学的参考行驶线生成方法。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中包括通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (11)

1.一种参考行驶线快速生成方法，其特征在于，包括：
S01：获取预加载地图和全局路径规划，找到存在于预加载地图范围内的路径规划点和路径方向；
S02：按照行驶难度分割路径规划点：
当行驶难度高于额定值时，将该部分划分为高难度局部路径部分，并给予高难度局部路径划分编号，提取高难度局部路径部分覆盖范围内的路径规划点，形成高难度局部路径规划点集；
当行驶难度低于额定值时，将该部分划分为低难度局部路径部分，并给予低难度路径划分编号，提取低难度局部路径部分覆盖范围内的路径规划点，形成低难度路径规划点集；
高难度局部路径部分和低难度路径部分的集合等于该预加载地图中全局路径规划部分；
S03：逐一提取高难度局部路径划分编号的高难度路径规划点集，路径规划点集中的每一个路径规划点均含有该路径规划点的x坐标信息、y坐标信息，
遍历高难度路径规划点集中所有路径规划点的x坐标信息，找出x坐标的最大值和x坐标的最小值；
遍历高难度路径规划点集中所有路径规划点的y坐标信息，找出y坐标的最大值和y坐标的最小值；
以x坐标最大值、x坐标最小值、y坐标最大值，y坐标最小值为边界形成高难度局部路径区域；
S04：将每一个高难度局部路径区域的高难度路径点以算法模拟参考行驶线，将每一个低难度局部路径区域中路径规划点以几何方式获取参考行驶线；将高难度局部路径规划和低难度局部路径规划按照编号拼接，形成局部地图的路径规划。
2.根据权利要求1所述的参考行驶线快速生成方法，其特征在于，还包括一下情形：
按照行驶难度分割路径规划点：当行驶难度无法识别时，给予预加载地图范围内路径规划点以统一的划分编号。
3.根据权利要求1所述的参考行驶线快速生成方法，其特征在于，在步骤S01获取预加载地图和预加载地图范围内的路径规划点和路径方向时，还包括步骤S011：判断预加载地图的高度信息与车辆行驶过的前一张局部地图高度信息是否一致；若一致，则进入步骤S02；若不一致，则结束。
4.根据权利要求1所述的参考行驶线快速生成方法，其特征在于，步骤S04中以算法模拟参考行驶线使用的算法是：Hybrid A star算法生成参考行驶线；
所述Hybrid A star算法的输入层包括：需要完成掉头的两条车道的中心线数据，中心线的每个点数据包含位置与朝向(x,y,theta)；
所述Hybrid A star算法用以轨迹生成类计算，能够生成一条位置、曲率平滑的轨迹，让车辆能够完成掉头运动；
所述Hybrid A star算法输出层包括连接两条车道的完整轨迹，轨迹中每个点包含位置、朝向与曲率数据(x,y,theta,kappa)。
5.根据权利要求1所述的参考行驶线快速生成方法，其特征在于，Hybrid A star算法在程序中包括以下步骤：
S041：使用动力学约束来计算Hybrid A star算法的可扩展区域，即可扩展的栅格格子；约束动力学模型的同时，HeuristicCost也需要根据U-Turn的场景进行适当的优化；
S042：删除不合理的区域，所述不合理的区域包括障碍物、地图外区域、效率低的区域；
S043：记录连续的车辆状态以及状态关联的离散栅格格子；
S044：待得到搜索结果后取出路径相关联的连续状态点数据(x，y，theta)；
S045：检查曲率是否平滑。
6.根据权利要求1所述的参考行驶线快速生成方法，其特征在于，所述Hybrid A star算法在使用时，没有使用三维数组形式的真栅各地图，而是使用std::vector<std::map<Point,State>>形式，形成有点像稀疏矩阵的表达方式。
7.根据权利要求1所述的参考行驶线快速生成方法，其特征在于，S045步骤检测曲率是否平滑经过了拟合以及重采样，曲率表达式：
8.一种参考行驶线快速生成***，其特征在于，包括：
地图模块，所述地图模块包含某一城市的市级地图、某一区的区级地图、某一乡镇的乡镇级地图、街道级地图、或者某一室内场景的地图；
全局路径规划模块，所述全局路径规划模块包含车辆的起始点、终止点位置以及从起始点到终止点所经过的道路路径点；
行驶难度分割模块，所述行驶难度分割模块用于分割***预加载局部地图的路径，在分割前经过道路行驶难度分析，当认定行驶难度高于额定值时，将该部分划分为高难度局部路径部分，提取高难度局部路径部分覆盖范围内的路径规划点，形成高难度局部路径规划点集；当行驶难度低于额定值时，将该部分划分为低难度局部路径部分，提取低难度局部路径部分覆盖范围内的路径规划点，形成低难度路径规划点集；
参考行驶线生成模块，所述参考行驶线生成模块根据行驶难度分割模块分割结果，分别将高难度局部路径规划点和低难度局部路径规划点以不同的方式生成行驶参考行驶线，再将行驶参考行驶线拼接成完成的行驶参考行驶线。
9.根据权利要求9所述的参考行驶线快速生成***，其特征在于，所述行驶难度分割模块分割高难度局部路径规划点集时，先获取高难度局部路径区域，获取方式为：
逐一提取高难度局部路径划分编号的高难度路径规划点集，路径规划点集中的每一个路径规划点均含有该路径规划点的x坐标信息、y坐标信息，遍历高难度路径规划点集中所有路径规划点的x坐标信息，找出x坐标的最大值和x坐标的最小值；遍历高难度路径规划点集中所有路径规划点的y坐标信息，找出y坐标的最大值和y坐标的最小值；以x坐标最大值、x坐标最小值、y坐标最大值，y坐标最小值为边界形成高难度局部路径区域。
10.一种终端设备，其特征在于：如可以执行上述权利要求1-7所述的参考行驶线快速生成方法的智能手机或可以执行上述8-9所述的参考行驶线快速生成***的车载终端控制设备。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求1至7任一权利要求所述的方法中的步骤。
CN201910343032.4A 2019-04-26 2019-04-26 一种参考行驶线快速生成方法、***、终端和存储介质 Active CN110207716B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910343032.4A CN110207716B (zh) 2019-04-26 2019-04-26 一种参考行驶线快速生成方法、***、终端和存储介质
EP20794378.8A EP3951321A4 (en) 2019-04-26 2020-04-24 METHOD AND SYSTEM FOR RAPID GENERATING REFERENCE DRIVING ROUTE, TERMINAL AND STORAGE MEDIA
PCT/CN2020/086577 WO2020216315A1 (zh) 2019-04-26 2020-04-24 一种参考行驶线快速生成方法、***、终端和存储介质
US17/606,559 US11592305B2 (en) 2019-04-26 2020-04-24 Method, system, terminal, and storage medium for rapid generation of reference lines

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910343032.4A CN110207716B (zh) 2019-04-26 2019-04-26 一种参考行驶线快速生成方法、***、终端和存储介质

Publications (2)

Publication Number Publication Date
CN110207716A true CN110207716A (zh) 2019-09-06
CN110207716B CN110207716B (zh) 2021-08-17

Family

ID=67786553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910343032.4A Active CN110207716B (zh) 2019-04-26 2019-04-26 一种参考行驶线快速生成方法、***、终端和存储介质

Country Status (4)

Country Link
US (1) US11592305B2 (zh)
EP (1) EP3951321A4 (zh)
CN (1) CN110207716B (zh)
WO (1) WO2020216315A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2020216315A1 (zh) * 2019-04-26 2020-10-29 纵目科技（上海）股份有限公司 一种参考行驶线快速生成方法、***、终端和存储介质
CN112362074A (zh) * 2020-10-30 2021-02-12 重庆邮电大学 一种结构化环境下的智能车辆局部路径规划方法
CN112964271A (zh) * 2021-03-15 2021-06-15 西安交通大学 一种面向多场景的自动驾驶规划方法及***
CN113091750A (zh) * 2021-04-12 2021-07-09 京东数科海益信息科技有限公司 局部路径规划方法、装置、计算机设备和存储介质
CN113310492A (zh) * 2021-05-27 2021-08-27 青岛星华智能装备有限公司 一种基于a星算法的单舵轮agv路径规划方法和***

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112762950B (zh) * 2020-12-15 2022-11-11 浙江大学 基于人工势场引导的Hybrid A*自主泊车路径规划方法
CN114379569B (zh) * 2022-01-19 2023-11-07 浙江菜鸟供应链管理有限公司 一种生成驾驶参考线的方法及装置
CN114676939B (zh) * 2022-05-26 2022-09-02 之江实验室 一种多车型参数自适应的参考线平滑方法和***
CN115077557B (zh) * 2022-07-28 2024-05-03 苏州轻棹科技有限公司 一种路口掉头的路径规划方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110251783A1 (en) * 2010-04-12 2011-10-13 Alpine Electronics, Inc. Navigation device and guide route search method
CN106403970A (zh) * 2016-06-27 2017-02-15 百度在线网络技术（北京）有限公司 一种路网数据处理方法及装置
CN108981739A (zh) * 2018-06-08 2018-12-11 南方科技大学 一种路径规划方法、装置、服务器及存储介质
CN109491375A (zh) * 2017-09-13 2019-03-19 百度（美国）有限责任公司 用于自动驾驶车辆的基于驾驶场景的路径规划
CN111121814A (zh) * 2020-01-08 2020-05-08 百度在线网络技术（北京）有限公司 导航方法、装置、电子设备及计算机可读存储介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101703144B1 (ko) * 2012-02-09 2017-02-06 한국전자통신연구원 차량의 자율주행 장치 및 그 방법
CN103940434B (zh) * 2014-04-01 2017-12-15 西安交通大学 基于单目视觉和惯性导航单元的实时车道线检测***
US9686451B2 (en) * 2015-01-21 2017-06-20 Toyota Jidosha Kabushiki Kaisha Real time driving difficulty categorization
JP6304104B2 (ja) * 2015-04-01 2018-04-04 トヨタ自動車株式会社 走行環境評価システム
US20170292843A1 (en) * 2016-04-07 2017-10-12 Delphi Technologies, Inc. Automated vehicle route planner with route difficulty scoring
CN105955273A (zh) * 2016-05-25 2016-09-21 速感科技（北京）有限公司 室内机器人导航***及方法
JP6769892B2 (ja) * 2017-02-22 2020-10-14 クラリオン株式会社 ナビゲーション装置、経路探索サーバ、および経路探索方法
US10816973B2 (en) * 2017-06-02 2020-10-27 Baidu Usa Llc Utilizing rule-based and model-based decision systems for autonomous driving control
CN108673496B (zh) 2018-05-02 2021-05-11 苏州寻迹智行机器人技术有限公司 一种基于纯追踪模型的工业机器人路径跟踪方法
CN108829105A (zh) 2018-06-21 2018-11-16 浙江工业大学 一种基于km算法和人工势场法的仓储物流调度避障优化方法
US11604464B2 (en) * 2018-10-30 2023-03-14 Here Global B.V. Virtual valet
CN109806590B (zh) * 2019-02-21 2020-10-09 腾讯科技（深圳）有限公司 对象控制方法和装置、存储介质及电子装置
CN110207716B (zh) 2019-04-26 2021-08-17 纵目科技（上海）股份有限公司 一种参考行驶线快速生成方法、***、终端和存储介质
CN110196592B (zh) * 2019-04-26 2023-07-28 纵目科技（上海）股份有限公司 一种轨迹线的更新方法、***、终端和存储介质
CN113970919A (zh) * 2020-07-21 2022-01-25 图森有限公司 用于自动路线导航的***和方法
US11643103B2 (en) * 2020-09-24 2023-05-09 GM Global Technology Operations LLC Navigation considering route driving difficulty

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110251783A1 (en) * 2010-04-12 2011-10-13 Alpine Electronics, Inc. Navigation device and guide route search method
CN106403970A (zh) * 2016-06-27 2017-02-15 百度在线网络技术（北京）有限公司 一种路网数据处理方法及装置
CN109491375A (zh) * 2017-09-13 2019-03-19 百度（美国）有限责任公司 用于自动驾驶车辆的基于驾驶场景的路径规划
CN108981739A (zh) * 2018-06-08 2018-12-11 南方科技大学 一种路径规划方法、装置、服务器及存储介质
CN111121814A (zh) * 2020-01-08 2020-05-08 百度在线网络技术（北京）有限公司 导航方法、装置、电子设备及计算机可读存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020216315A1 (zh) * 2019-04-26 2020-10-29 纵目科技（上海）股份有限公司 一种参考行驶线快速生成方法、***、终端和存储介质
US11592305B2 (en) 2019-04-26 2023-02-28 Zongmu Technology (Shanghai) Co., Ltd. Method, system, terminal, and storage medium for rapid generation of reference lines
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
CN112362074A (zh) * 2020-10-30 2021-02-12 重庆邮电大学 一种结构化环境下的智能车辆局部路径规划方法
CN112362074B (zh) * 2020-10-30 2024-03-19 重庆邮电大学 一种结构化环境下的智能车辆局部路径规划方法
CN112964271A (zh) * 2021-03-15 2021-06-15 西安交通大学 一种面向多场景的自动驾驶规划方法及***
CN113091750A (zh) * 2021-04-12 2021-07-09 京东数科海益信息科技有限公司 局部路径规划方法、装置、计算机设备和存储介质
CN113310492A (zh) * 2021-05-27 2021-08-27 青岛星华智能装备有限公司 一种基于a星算法的单舵轮agv路径规划方法和***
CN113310492B (zh) * 2021-05-27 2023-04-14 青岛星华智能装备有限公司 一种基于a星算法的单舵轮agv路径规划方法和***

Also Published As

Publication number Publication date
CN110207716B (zh) 2021-08-17
EP3951321A1 (en) 2022-02-09
US11592305B2 (en) 2023-02-28
EP3951321A8 (en) 2022-11-23
US20220214182A1 (en) 2022-07-07
EP3951321A4 (en) 2022-08-24
WO2020216315A1 (zh) 2020-10-29

Similar Documents

Publication Publication Date Title
CN110207716A (zh) 一种参考行驶线快速生成方法、***、终端和存储介质
CN110196592A (zh) 一种轨迹线的更新方法、***、终端和存储介质
CN107229973B (zh) 一种用于车辆自动驾驶的策略网络模型的生成方法及装置
CN107992036B (zh) 一种智能停车库中存取车路径规划方法、装置及存储介质
CN105606113B (zh) 快速规划最优路径方法及装置
US20200262436A1 (en) Method, device, and terminal apparatus for invoking automatic driving reference line
CN112466111B (zh) 一种车辆行驶控制方法、装置、存储介质及电子设备
CN109795492A (zh) 自动驾驶汽车驾驶切换方法、***、设备及存储介质
CN112454367B (zh) 一种轨迹规划方法、装置以及计算机存储介质
CN110110021A (zh) 一种高精度局部地图间的坐标转换方法、终端和存储介质
WO2022078067A1 (zh) 面向智能车辆的区域协同驾驶意图调度方法、***和介质
CN111795699A (zh) 无人车的路径规划方法、装置和计算机可读存储介质
CN110083668A (zh) 一种高精度地图的数据管理***、管理方法、终端和存储介质
CN114764249A (zh) 实时避障路径规划方法、***、设备及介质
CN113671941A (zh) 一种轨迹规划方法、装置、设备和存储介质
CN105667504A (zh) 自主车辆转弯操纵
CN116523970A (zh) 基于二次隐式匹配的动态三维目标跟踪方法及装置
CN115061499B (zh) 无人机控制方法及无人机控制装置
CN116772846A (zh) 一种无人机航迹规划方法、装置、设备及介质
CN110186470A (zh) 符合车辆动力学的参考线生成***、终端和使用方法
CN116107576A (zh) 页面组件的渲染方法、装置、电子设备和车辆
CN115657675A (zh) 一种车辆运动路径生成方法、***及存储介质
CN115257692A (zh) 一种基于视觉交通信息的phev能量管理方法及***
CN111338336B (zh) 一种自动驾驶方法及装置
CN112379692A (zh) 无人机航线的确定方法、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
CB03 Change of inventor or designer information

Inventor after: Xu Zhenghao

Inventor after: Yu Heng

Inventor after: Wang Fan

Inventor after: Tang Rui

Inventor before: Yu Heng

Inventor before: Wang Fan

Inventor before: Tang Rui

CB03 Change of inventor or designer information