CN110550029B - 障碍物避让方法及装置 - Google Patents

障碍物避让方法及装置 Download PDF

Info

Publication number
CN110550029B
CN110550029B CN201910743055.4A CN201910743055A CN110550029B CN 110550029 B CN110550029 B CN 110550029B CN 201910743055 A CN201910743055 A CN 201910743055A CN 110550029 B CN110550029 B CN 110550029B
Authority
CN
China
Prior art keywords
vehicle
parallel line
information
obstacle
potential energy
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
Application number
CN201910743055.4A
Other languages
English (en)
Other versions
CN110550029A (zh
Inventor
王超
王新宇
杨绍宇
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201910743055.4A priority Critical patent/CN110550029B/zh
Publication of CN110550029A publication Critical patent/CN110550029A/zh
Priority to PCT/CN2020/105326 priority patent/WO2021027568A1/zh
Priority to EP20852477.7A priority patent/EP3858697A4/en
Priority to JP2021520334A priority patent/JP7255782B2/ja
Application granted granted Critical
Publication of CN110550029B publication Critical patent/CN110550029B/zh
Priority to US17/317,294 priority patent/US20210262808A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • 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
    • 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
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
    • 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
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • 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
    • B60W2400/00—Indexing codes relating to detected, measured or calculated conditions or factors
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/20—Static objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明涉及人工智能领域，公开了智能汽车领域的一种障碍物避让方法，包括：在t时刻获取自车信息和障碍物信息及自车的可行驶区域；根据自车信息和障碍物信息对可行驶区域进行处理，以得到势能栅格地图；获取自车当前所在车道中心线信息，并根据车道中心线信息获取平行线轨迹簇；根据势能栅格地图计算平行线轨迹簇中的每条平行线轨迹的代价值；根据t‑1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，按照t时刻的目标轨迹行驶以避开障碍物。本发明还公开了一种避让装置。采用本发明实施例实现了在前方有障碍物时，根据获取的目标轨迹进行车道内部避让，保证了车辆行驶的安全性和平顺性。

Description

障碍物避让方法及装置
技术领域
本发明涉及智能汽车领域，尤其涉及一种障碍物避让方法及装置。
背景技术
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。
自动驾驶是人工智能领域的一种主流应用，自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位***等协同合作，让机动车辆可以在不需要人类主动操作下，实现自动驾驶。自动驾驶的车辆使用各种计算***来帮助将乘客从一个位置运输到另一位置。一些自动驾驶车辆可能要求来自操作者(诸如，领航员、驾驶员、或者乘客)的一些初始输入或者连续输入。自动驾驶车辆准许操作者从手动模操作式切换到自动驾驶模式或者介于两者之间的模式。由于自动驾驶技术无需人类来驾驶机动车辆，所以理论上能够有效避免人类的驾驶失误，减少交通事故的发生，且能够提高公路的运输效率。因此，自动驾驶技术越来越受到重视。
自动驾驶技术的关键技术包括：地图及定位、环境感知、融合预测、决策规划以及底层控制，其中规划主要集中在纵向速度规划以及横向路径规划。在传统路径规划的基础上，各厂商也提出了应用于不同场景的路径规划方法。
例如，自车前方有障碍物入侵当前车道时，自车需要停车(或低速跟车)或执行避障动作避免碰撞，避障动作分为车道内部避让以及换道避障。特别是当障碍物只小幅入侵车道时，停车(或低速跟车)会影响本车道交通效率，进行换道避障自车会与相邻车道车辆互动，增加不可控因素(社会车辆)对自车的影响。尤其在某些特定场景下，当前交通规则并不允许换道。
因此，面对有障碍物小幅入侵自车当前车道的场景，如何实现车道内部避让并保证智能驾驶的安全性及平顺性是本领域技术人员所需要解决的问题之一。
发明内容
本发明实施例提供一种障碍物避让方法及装置，采用本发明实施例实现了在前方有障碍物入侵自车当前车道时，根据获取的目标轨迹进行车道内部避让，保证了车辆行驶的安全性和平顺性。
第一方面，本发明实施例提供一种障碍物避让方法，包括：
在t时刻获取自车信息和障碍物信息及自车的可行驶区域；根据自车信息和障碍物信息对可行驶区域进行处理，以得到势能栅格地图，势能栅格地图中的每个栅格对应一个势能信息，该势能信息用于表征该栅格被障碍物占据的概率；获取自车当前所在车道的车道中心线信息，并根据车道中心线信息获取平行线轨迹簇，其中，该平行线轨迹簇包括多条平行线轨迹，该多条平行线轨迹中的每条平行线轨迹均与车道中心线平行；根据势能栅格地图计算平行线轨迹簇中的每条平行线轨迹的代价值；根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，该t时刻目标轨迹用于由自车按照t时刻的目标轨迹行驶，以避让障碍物。
由于当前时刻的目标轨迹是根据上一时刻的目标轨迹向代价值最小的平行线轨迹进行滤波得到的，使得目标轨迹与自车的当前位置解耦，防止控制***延迟及自车执行机构响应时间造成***震荡，同时使得自车在按照目标轨迹行驶避让障碍物时，保证了自车在行驶过程中的安全性和平顺性。
在一个可行的实施例中，自车信息包括自车坐标和尺寸，障碍物信息包括障碍物坐标和尺寸，自车坐标和障碍物坐标均为在大地坐标系ENU下的坐标，根据自车信息和障碍物信息对可行驶区域进行处理，以得到势能栅格地图，包括：
对可行驶区域进行栅格化处理，以得到栅格地图；根据自车的坐标将障碍物的坐标从ENU下转换到车辆坐标系下，以得到障碍物的相对位置坐标；根据障碍物的相对位置坐标及尺寸将障碍物映射到栅格地图上，得到障碍物在栅格地图上的占据区域及硬边界和软边界，硬边界与占据区域的边界之间的距离为D/2，软边界与占据区域的边界之间的距离为D，D为自车的车宽；根据硬边界与软边界及占据区域对栅格地图进行势能化处理，以得到势能栅格地图；
其中，硬边界内栅格的势能值均为a，软边界之外所有栅格的势能值均为b，硬边界和软边界之间栅格的势能值沿着硬边界到软边界的方向从c逐渐减小至b，a大于b，c小于或者等于a，且c大于b。
通过障碍物信息引入软边界和硬边界，并基于软边界和硬边界对自车的可行驶区域进行处理，得到势能栅格地图，后续基于势能栅格地图进行轨迹预测，相比于现有技术，降低了对传感器精度的依赖性。
在一个可行的实施例中，车道中心线信息包括车道中心线上路点的坐标，该坐标为在ENU下的坐标，根据车道中心线信息获取平行线轨迹簇，包括：
根据车道中心线上路点的坐标及距离dm，获取平行线轨迹簇，距离dm为所述车道中心线与平行线轨迹簇中第m条平行线轨迹之间的距离。
进一步地，第m条平行轨迹线上第k个路点的坐标为
Figure BDA0002163749460000021
其中，
Figure BDA0002163749460000022
(xk,xk)和(xk+1,xk+1)分别为车道中心线上第k个路点和第k+1个路点的坐标，该坐标为在ENU下的坐标。
在一个可行的实施例中，平行线轨迹簇中的第j条平行线轨迹的代价值是根据第j条平行线轨迹上路点所在栅格的势能值得到的，第j条平行线轨迹为多条平行线轨迹中的任一条。
进一步地，第j条平行线轨迹的代价值为：
Figure BDA0002163749460000023
其中，Offsetcost(j)为第j条平行线轨迹与道路中心线的偏移量，a(v)为与自车当前车速正相关的函数，wbackground为Offsetcost(j)的权重，wmap为障碍物的权重，b(i)为与第j条平行轨迹线上的第i个路点与自车距离的负相关的函数，c(xi,yi)用于指示第i个路点所在栅格的类型，PM(xi,yi)为第i个路点所在栅格的势能值，wmap大于wbackground。
在计算代价值时，将车速、障碍物与自车之间的距离等数据作为计算参数，使得代价值能够准确地体现平行线轨迹的优劣性或者被选中的概率，进而使得保证了后续目标轨迹的准确性和安全性。
在一个可行的实施例中，根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹之后，该方法还包括：
获取自车当前时刻t的坐标Pt、速度St和航向角At；并根据坐标Pt、速度St和航向角At及t时刻的目标轨迹获取X个预测位姿信息，X为大于1的整数；根据X个预测位姿信息判断自车与障碍物是否会发生碰撞；若自车与障碍物会发生碰撞，则向自车的控制模块发送制动信息，以指示控制模块控制自车在发生碰撞前停止前进或者降速前进。
通过根据多个X预测位姿信息实现与障碍物碰撞检测，可实时保证车辆基于目标轨迹行驶的安全。
在一个可行的实施例中，根据坐标Pt、速度St和航向角At及t时刻的目标轨迹获取X个预测位姿信息，包括：
在t+xΔt时刻，将坐标Pt+xΔt、速度St+xΔt、航向角At+xΔt和t时刻的目标轨迹输入到预测模型中，计算得自车在t+xΔt时刻的速度St+(x+1)Δt和预测位姿信息It+(x+1)Δt，预测位姿信息It+(x+1)Δt包括坐标Pt+(x+1)Δt和航向角At+(x+1)Δt；
其中，X个预测位姿信息包括预测位姿信息It+(x+1)Δt，Δt为预测步长，x＝0,1,2,…,X-1。
第二方面，本发明实施例提供一种障碍物避让装置，包括：
获取单元，用于在t时刻获取自车信息和障碍物信息及自车的可行驶区域；
处理单元，用于根据自车信息和障碍物信息对可行驶区域进行处理，以得到势能栅格地图，势能栅格地图中的每个栅格对应一个势能信息，该势能信息用于表征该栅格被障碍物占据的概率；
获取单元，还用于获取自车当前所在车道的车道中心线信息，并根据车道中心线信息获取平行线轨迹簇，其中，该平行线轨迹簇包括多条平行线轨迹，该平行线轨迹簇中的每条平行线轨迹与车道中心线平行；
计算单元，用于根据势能场栅格地图计算平行线轨迹簇中的每条平行线轨迹的代价值；
滤波单元，用于根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，t时刻的目标轨迹用于由自车按照目标轨迹行驶，以避让障碍物。
在一个可行的实施例中，自车信息包括自车坐标和尺寸，障碍物信息包括障碍物坐标和尺寸，自车坐标和障碍物坐标均为在大地坐标系ENU下的坐标，处理单元具体用于：
对可行驶区域进行栅格化处理，以得到栅格地图；根据自车的坐标将障碍物的坐标从ENU下转换到车辆坐标系下，以得到障碍物的相对位置坐标；根据障碍物的相对位置坐标及尺寸将障碍物映射到栅格地图上，得到障碍物在栅格地图上的占据区域及硬边界和软边界，硬边界与占据区域的边界之间的距离为D/2，软边界与占据区域的边界之间的距离为D，D为自车的车宽；根据硬边界与软边界及占据区域对栅格地图进行势能化处理，以得到势能栅格地图；
其中，硬边界内栅格的势能值均为a，软边界之外所有栅格的势能值均为b，硬边界和软边界之间栅格的势能值沿着硬边界到软边界的方向从c逐渐减小至b，a大于b，c小于或者等于a，且c大于b。
在一个可行的实施例中，车道中心线信息包括车道中心线上路点的坐标，该坐标为在ENU下的坐标，在根据车道中心线信息获取平行线轨迹簇的方面，获取单元具体用于：
根据车道中心线上路点的坐标及距离dm，获取平行线轨迹簇，距离dm为车道中心线与平行线轨迹簇中第m条平行线轨迹之间的距离。
进一步地，第m条平行轨迹线上第k个路点的坐标为
Figure BDA0002163749460000041
其中，
Figure BDA0002163749460000042
(xk,xk)和(xk+1,xk+1)分别为车道中心线上第k个路点和第k+1个路点的坐标，该坐标为在ENU下的坐标。
在一个可行的实施例中，平行线轨迹簇中的第j条平行线轨迹的代价值是根据第j条平行线轨迹上路点所在栅格的势能值得到的，第j条平行线轨迹为多条平行线轨迹中的任一条。
进一步地，第j条平行线轨迹的代价值为：
Figure BDA0002163749460000043
其中，Offsetcost(j)为第j条平行线轨迹与道路中心线的偏移量，a(v)为与自车当前车速正相关的函数，wbackground为Offsetcost(j)的权重，wmap为障碍物的权重，b(i)为与第j条平行轨迹线上的第i个路点与自车距离的负相关的函数，c(xi,yi)用于指示第i个路点所在栅格的类型，PM(xi,yi)为第i个路点所在栅格的势能值，wmap大于wbackground。
在一个可行的实施例中，自车信息包括自车的坐标，预测装置还包括：
获取单元，还用于在滤波单元根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹之后，获取自车当前时刻t的坐标Pt、速度St和航向角At；
预测单元，用于根据坐标Pt、速度St和航向角At及t时刻的目标轨迹获取X个预测位姿信息，X为大于1的整数；
碰撞检测单元，用于根据多个连续时刻的预测位姿信息判断自车与障碍物是否会发生碰撞；
发送单元，用于若碰撞检测单元判断自车与障碍物会发生碰撞，则向自车的控制模块发送制动信息，以指示控制模块控制自车在发生碰撞前停止前进或者降速前进。
在一个可行的实施例中，预测单元具体用于：
在t+xΔt时刻，将坐标Pt+xΔt、速度St+xΔt、航向角At+xΔt和t时刻的目标轨迹输入到预测模型中，计算得自车在t+xΔt时刻的速度St+(x+1)Δt和预测位姿信息It+(x+1)Δt，预测位姿信息It+(x+1)Δt包括坐标Pt+(x+1)Δt和航向角At+(x+1)Δt；
其中，X个预测位姿信息包括预测位姿信息It+(x+1)Δt，Δt为预测步长，x＝0,1,2,…,X-1。
第三方面，本申请实施例还提供一种自动驾驶装置，包括如第二方面所述装置的部分或全部。
第四方面，本申请实施例提供一种障碍物避让装置，包括：
存储有可执行程序代码的存储器；
与存储器耦合的处理器；
其中，处理器调用存储器中存储的可执行程序代码，执行如第一方面所述方法的部分或全部。
第五方面，本申请实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令当被执行处理器执行时使所述处理器执行如如第一方面所述方法的部分或全部。
第六方面，提供一种芯片，所述芯片包括处理器与数据接口，所述处理器通过所述数据接口读取存储器上存储的指令，执行第一方面中的方法。
可选地，作为一种实现方式，所述芯片还可以包括存储器，所述存储器中存储有指令，所述处理器用于执行所述存储器上存储的指令，当所述指令被执行时，所述处理器用于执行第一方面中的方法的部分或全部。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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1a为车辆坐标系的示意图；
图1b为本发明实施例提供的一种自动驾驶汽车的结构示意图；
图2为本发明实施例提供的一种计算机***的结构示意图；
图3为本发明实施例提供的一种障碍物避让方法的应用场景示意图；
图4为本发明实施例提供的一种障碍物避让方法的流程示意图；
图5为本发明实施例提供的栅格势能地图示意图；
图6为计算软边界和硬边界之间区域的栅格的势能值；
图7为直道上平行线轨迹簇的示意图；
图8为弯道上平行线轨迹簇的示意图；
图9为平行线轨迹的代价值与障碍物的位置关系示意图；
图10为滤波后得到的目标轨迹示意图；
图11为本发明实施例提供的碰撞检测示意图；
图12为虚拟墙与障碍物的位置关系示意图；
图13为本发明实施例提供的一种障碍物避让装置的结构示意图；
图14为本发明实施例提供的另一种障碍物避让装置的结构示意图；
图15为本发明实施例提供的一种计算机程序产品的结构示意图。
具体实施方式
下面结合附图分别进行详细说明。
在此首先对本发明涉及的术语进行说明。
自车执行机构：车辆执行指令的机构，比如油门、刹车踏板，档位以及方向盘等。
栅格地图：栅格地图是把环境划分成一系列栅格，其中每一栅格给定一个势能值，该势能值表示该栅格被占据的概率。
势能场：应用人工势场法解决路径规划问题时，人为地把目标设为低势能点，障碍物为高势能点，从而引导自动驾驶车辆沿着势能场变化方向从高势能处向低势能处运动。
自车位置：自车后轴中点的位置。
位姿：位置和姿态。
车辆坐标系：当车辆在水平路面上处于静止状态下，x轴平行于地面指向前方，z轴通过后轴中心垂直向上，y轴指向驾驶员座位的左侧，后轴中心为坐标系的原点O，如图1a所示。
大地坐标系：指相对于地面固定的坐标系。大地坐标系的定义方式有多种，例如可以将原点定义在车辆的初始位置，x轴沿目标的正方向，当车辆运动后，原点位置和x轴方向固定在地面不随车辆运动，或者，将原点定义在大地的某一位置，x轴向北。
图1b是本发明实施例提供的车辆100的功能框图。在一个实施例中，将车辆100配置为完全或部分地自动驾驶模式。例如，车辆100可以在处于自动驾驶模式中的同时控制自身，并且可通过人为操作来确定车辆及其周边环境的当前状态，确定周边环境中的至少一个其他车辆的可能行为，并确定该其他车辆执行可能行为的可能性相对应的置信水平，基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时，可以将车辆100置为在没有和人交互的情况下操作。
车辆100可包括各种子***，例如行进***102、传感器***104、控制***106、一个或多个***设备108以及电源110、计算机***112和用户接口116。可选地，车辆100可包括更多或更少的子***，并且每个子***可包括多个元件。另外，车辆100的每个子***和元件可以通过有线或者无线互连。
行进***102可包括为车辆100提供动力运动的组件。在一个实施例中，推进***102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合，例如汽油发动机和电动机组成的混动引擎，内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。
能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为车辆100的其他***提供能量。
传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中，传动装置120还可以包括其他器件，比如离合器。其中，驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。
传感器***104可包括感测关于车辆100周边的环境的信息的若干个传感器。例如，传感器***104可包括定位***122(定位***可以是GPS***，也可以是北斗***或者其他定位***)、惯性测量单元(inertial measurement unit，IMU)124、雷达126、激光测距仪128以及相机130。传感器***104还可包括被监视车辆100的内部***的传感器(例如，车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。
定位***122可用于估计车辆100的地理位置。IMU 124用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中，IMU 124可以是加速度计和陀螺仪的组合。
雷达126可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中，除了感测物体以外，雷达126还可用于感测物体的速度和/或前进方向。
激光测距仪128可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中，激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他***组件。
相机130可用于捕捉车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。
控制***106为控制车辆100及其组件的操作。控制***106可包括各种元件，其中包括转向***132、油门134、制动单元136、传感器融合算法138、计算机视觉***140、路线控制***142以及障碍物避免***144。
转向***132可操作来调整车辆100的前进方向。例如在一个实施例中可以为方向盘***。
油门134用于控制引擎118的操作速度并进而控制车辆100的速度。
制动单元136用于控制车辆100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中，制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制车辆100的速度。
计算机视觉***140可以操作来处理和分析由相机130捕捉的图像以便识别车辆100周边环境中的物体和/或特征。该物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉***140可使用物体识别算法、运动中恢复结构(Structure from Motion，SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中，计算机视觉***140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。
路线控制***142用于确定车辆100的行驶路线。在一些实施例中，路线控制***142可结合来自传感器138、GPS 122和一个或多个预定地图的数据以为车辆100确定行驶路线。
障碍物避免***144用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。
当然，在一个实例中，控制***106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。
车辆100通过***设备108与外部传感器、其他车辆、其他计算机***或用户之间进行交互。***设备108可包括无线通信***146、车载电脑148、麦克风150和/或扬声器152。
在一些实施例中，***设备108提供车辆100的用户与用户接口116交互的手段。例如，车载电脑148可向车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中，***设备108可提供用于车辆100与位于车内的其它设备通信的手段。例如，麦克风150可从车辆100的用户接收音频(例如，语音命令或其他音频输入)。类似地，扬声器152可向车辆100的用户输出音频。
无线通信***146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如，无线通信***146可使用3G蜂窝通信，例如CDMA、EVD0、GSM/GPRS，或者4G蜂窝通信，例如LTE。或者5G蜂窝通信。无线通信***146可利用WiFi与无线局域网(wireless localarea network，WLAN)通信。在一些实施例中，无线通信***146可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆通信***，例如，无线通信***146可包括一个或多个专用短程通信(dedicated short range communications，DSRC)设备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
电源110可向车辆100的各种组件提供电力。在一个实施例中，电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中，电源110和能量源119可一起实现，例如一些全电动车中那样。
车辆100的部分或所有功能受计算机***112控制。计算机***112可包括至少一个处理器113，处理器113执行存储在例如数据存储装置114这样的非暂态计算机可读介质中的指令115。计算机***112还可以是采用分布式方式控制车辆100的个体组件或子***的多个计算设备。
处理器113可以是任何常规的处理器，诸如商业可获得的CPU。替选地，该处理器可以是诸如ASIC或其它基于硬件的处理器的专用设备。尽管图1b功能性地图示了处理器、存储器、和在相同块中的计算机110的其它元件，但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如，存储器可以是硬盘驱动器或位于不同于计算机110的外壳内的其它存储介质。因此，对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤，诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器，所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中，处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中，此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行，包括采取执行单一操纵的必要步骤。
在一些实施例中，数据存储装置114可包含指令115(例如，程序逻辑)，指令115可被处理器113执行来执行车辆100的各种功能，包括以上描述的那些功能。数据存储装置114也可包含额外的指令，包括向推进***102、传感器***104、控制***106和***设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令115以外，数据存储装置114还可存储数据，例如道路地图、路线信息，车辆的位置、方向、速度以及其它这样的车辆数据，以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机***112使用。
比如在t时刻时，通过传感***104中的全球定位***122获取自车的坐标，处理器113进而根据不同时刻的坐标获取自车的速度；根据惯性测量单元124获取自车的航向角，通过激光测距仪128获取自车与障碍物之间的距离，处理器113从而可根据该距离和自车的坐标获取障碍物的坐标。对于运动的障碍物，处理器113可通过不同时刻的坐标获取障碍物的速度。通过相机130获取自车的可行驶区域及障碍物的尺寸。处理器113根据自车的坐标及尺寸和障碍物的坐标和尺寸对自车的可行驶区域进行处理，得到势能栅格地图。全球定位***122获取车道中心线上路点的坐标，处理器113基于车道中心线上路点的坐标获取车辆的平行线轨迹簇，然后基于势能栅格地图计算平行线轨迹簇中每条平行线轨迹的代价值，再根据t-1时刻的目标轨迹对代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹。控制***106中的路线控制***142基于t时刻的目标轨迹控制自车行驶，以避开障碍物。
处理器113根据自车的坐标、当前时刻的速度、航向角和t时刻的目标轨迹获取未来多个连续时刻的预测位姿信息，障碍规避***144基于未来多个连续时刻的预测位姿信息进行避障。
用户接口116，用于向车辆100的用户提供信息或从其接收信息。可选地，用户接口116可包括在***设备108的集合内的一个或多个输入/输出设备，例如无线通信***146、车车在电脑148、麦克风150和扬声器152。
计算机***112可基于从各种子***(例如，行进***102、传感器***104和控制***106)以及从用户接口116接收的输入来控制车辆100的功能。例如，计算机***112可利用来自控制***106的输入以便控制转向单元132来避免由传感器***104和障碍物避免***144检测到的障碍物。在一些实施例中，计算机***112可操作来对车辆100及其子***的许多方面提供控制。
可选地，上述这些组件中的一个或多个可与车辆100分开安装或关联。例如，数据存储装置114可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地，上述组件只是一个示例，实际应用中，上述各个模块中的组件有可能根据实际需要增添或者删除，图1b不应理解为对本发明实施例的限制。
在道路行进的自动驾驶汽车，如上面的车辆100，可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中，可以独立地考虑每个识别的物体，并且基于物体的各自的特性，诸如它的当前速度、加速度、与车辆的间距等，可以用来确定自动驾驶汽车所要调整的速度。
可选地，自动驾驶汽车车辆100或者与自动驾驶车辆100相关联的计算设备(如图1b的计算机***112、计算机视觉***140、数据存储装置114)可以基于所识别的物体的特性和周围环境的状态(例如，交通、雨、道路上的冰、等等)来预测所述识别的物体的行为。可选地，每一个所识别的物体都依赖于彼此的行为，因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说，自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如，加速、减速、或者停止)什么稳定状态。在这个过程中，也可以考虑其它因素来确定车辆100的速度，诸如，车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外，计算设备还可以提供修改车辆100的转向角的指令，以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如，道路上的相邻车道中的轿车)的安全横向和纵向距离。
上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车、和手推车等，本发明实施例不做特别的限定。
场景示例2：自动驾驶***
根据图2，计算机***101包括处理器103，处理器103和***总线105耦合。处理器103可以是一个或者多个处理器，其中每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)107，显示适配器可以驱动显示器109，显示器109和***总线105耦合。***总线105通过总线桥111和输入输出(I/O)总线113耦合。I/O接口115和I/O总线耦合。I/O接口115和多种I/O设备进行通信，比如输入设备117(如：键盘，鼠标，触摸屏等)，多媒体盘(media tray)121,(例如，CD-ROM，多媒体接口等)。收发器123(可以发送和/或接受无线电通信信号)，摄像头155(可以捕捉景田和动态数字视频图像)和外部USB接口125。其中，可选地，和I/O接口115相连接的接口可以是USB接口。
其中，处理器103可以是任何传统处理器，包括精简指令集计算(“RISC”)处理器、复杂指令集计算(“CISC”)处理器或上述的组合。可选地，处理器可以是诸如专用集成电路(“ASIC”)的专用装置。可选地，处理器103可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。
可选地，在本文所述的各种实施例中，计算机***101可位于远离自动驾驶车辆的地方，并且可与自动驾驶车辆0无线通信。在其它方面，本文所述的一些过程在设置在自动驾驶车辆内的处理器上执行，其它由远程处理器执行，包括采取执行单个操纵所需的动作。
计算机101可以通过网络接口129和软件部署服务器149通信。网络接口129是硬件网络接口，比如，网卡。网络127可以是外部网络，比如因特网，也可以是内部网络，比如以太网或者虚拟私人网络(VPN)。可选地，网络127还尅是无线网络，比如WiFi网络，蜂窝网络等。
硬盘驱动接口和***总线105耦合。硬件驱动接口和硬盘驱动器相连接。***内存135和***总线105耦合。运行在***内存135的数据可以包括计算机101的操作***137和应用程序143。
操作***包括Shell 139和内核(kernel)141。Shell 139是介于使用者和操作***之内核(kernel)间的一个接口。shell是操作***最外面的一层。shell管理使用者与操作***之间的交互:等待使用者的输入,向操作***解释使用者的输入,并且处理各种各样的操作***的输出结果。
内核141由操作***中用于管理存储器、文件、外设和***资源的那些部分组成。直接与硬件交互，操作***内核通常运行进程，并提供进程间的通信，提供CPU时间片管理、中断、内存管理、IO管理等等。
应用程序143包括控制汽车自动驾驶相关的程序，比如，管理自动驾驶的汽车和路上障碍物交互的程序，控制自动驾驶汽车路线或者速度的程序，控制自动驾驶汽车和路上其他自动驾驶汽车交互的程序。应用程序143也存在于软件部署服务器149的***上。在一个实施例中，在需要执行应用程序147时，计算机***101可以从软件部署服务器149下载应用程序143。
传感器153和计算机***101关联。传感器153用于探测计算机101周围的环境。举例来说，传感器153可以探测动物，汽车，障碍物和人行横道等，进一步传感器还可以探测上述动物，汽车，障碍物和人行横道等物体周围的环境，比如：动物周围的环境，例如，动物周围出现的其他动物，天气条件，周围环境的光亮度等。可选地，如果计算机101位于自动驾驶的汽车上，传感器153可以是摄像头，红外线感应器，化学检测器，麦克风、惯性测量单元、激光测距仪、定位***等。
比如传感器153中的定位***获取自车的坐标及车道中心线上路点的坐标，惯性测量单元获取自车的航向角、摄像头获取自车的可行驶区域及障碍物的尺寸，激光测距仪获取自车与障碍物之间的距离。
处理器103通过基于***总线105及硬盘驱动器接口131从硬盘驱动器133中获取传感器153及摄像头155采集的相关数据，调用应用程序143中的自动驾驶相关程序147执行以下方法：
在t时刻，根据不同时刻自车的坐标获取自车的速度；根据自车与障碍物之间的距离和自车的坐标获取障碍物的坐标；根据自车的坐标及尺寸和障碍物的坐标和尺寸对自车的可行驶区域进行处理，得到势能栅格地图；基于自车所在车道的车道中心线上路点的坐标获取自车的平行线轨迹簇，平行线轨迹簇包括多条平行线轨迹，然后基于势能栅格地图计算多条平行线轨迹中每条平行线轨迹的代价值；再根据t-1时刻的目标轨迹对代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹；基于该t时刻的目标轨迹控制自车行驶。并根据自车的坐标、当前时刻的速度、航向角和t时刻的目标轨迹获取未来多个连续时刻的预测位姿信息，若根据预测位姿信息确定自车与障碍物将会发生碰撞，则控制自车在碰撞前制动停止前进或降速前进。
参见图3，图3为本发明实施例提供的一种应用场景示意图。如图3所示，自车当前车道前方有障碍物小幅入侵车道，对向车道有来车并且两车道中间交通标志线为实线，在交通规则不允许换道或相邻车道车流密集的情况下，自车无法换道。自车需进行车道内部避让绕开让障碍物在车道内部通行。
在t时刻，自车获取自车信息和障碍物信息及自车的可行驶区域；根据自车信息和障碍物信息对可行驶区域进行处理，以得到势能栅格地图；获取自车当前所在车道中心线信息，并根据车道中心线信息获取平行线轨迹簇，其中，该平行线轨迹簇中的每条平行线轨迹与车道中心线平行；根据势能栅格地图计算平行线轨迹簇中的每条平行线轨迹的代价值；根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，自车按照t时刻的目标轨迹行驶，以避让障碍物。
自车获取当前时刻的坐标、速度和航向角；根据该当前时刻的坐标、速度、航向角和t时刻的目标轨迹获取自车在未来多个连续时刻的预测位姿信息；根据多个连续时刻的预测位姿信息判断自车与障碍物是否会发生碰撞；若检测到自车与障碍物会发生碰撞，则在障碍物之前生成一道虚拟墙，使得自车在障碍物前停止或者降速前进，以保证安全。
参见图4，图4为本发明实施例提供的一种障碍物避让方法的流程示意图。如图4所示，该方法包括：
S401、在t时刻获取自车信息和障碍物信息及自车的可行驶区域。
其中，自车信息包括自车的尺寸及坐标，障碍物信息包括障碍物的尺寸及坐标，且自车坐标和障碍物坐标均为在ENU坐标系下的坐标。可行驶区域为以自车为中心尺寸为L*I的矩形区域。
需要说明的是，障碍物可以包括在自车的可行驶区域内移动或静止的人或物体(比如汽车、树木和骑自行车的人等)。
S402、根据自车信息和障碍物信息对可行驶区域进行处理，以得到势能栅格地图。
具体地，对可行驶区域进行栅格化处理，以得到栅格地图；根据自车的坐标将障碍物的坐标从ENU下转换到车辆坐标系下，以得到障碍物的相对位置坐标；根据自车的尺寸和障碍物的相对位置坐标及尺寸将障碍物映射到栅格地图上，得到障碍物在栅格地图上的占据区域及硬边界和软边界，硬边界与占据区域的边界之间的距离为D/2，软边界与占据区域的边界之间的距离为D，D为自车的车宽；根据硬边界与软边界及占据区域对栅格地图进行势能化处理，以得到势能栅格地图；
其中，硬边界内栅格的势能值均为a，软边界之外所有栅格的势能值均为b，硬边界和软边界之间栅格的势能值沿着硬边界到软边界的方向从c逐渐减小至b，a大于b，c小于或者等于a，且c大于b。
如图5所示的场景为例，以自车为中心，将尺寸为50m*50m的方形或其他尺寸的矩形区域作为可行驶区域，对可行驶区域进行栅格化处理，得到栅格地图(如图5中灰色格子所示)；栅格分辨率为0.25m*0.25m，即该栅格地图中每个栅格的尺寸为0.25m*0.25m。将障碍物(包括图5中所示的社会车和障碍物)的坐标从ENU坐标系下转换到自车坐标系下，以得到障碍物相对自车的相对位置坐标。
再根据自车坐标及尺寸和障碍物的相对位置坐标及尺寸将自车和障碍物映射到栅格地图上，得到自车和障碍物在栅格地图上的占据区域及硬边界和软边界，硬边界与占据区域的边界之间的距离为D/2，软边界与占据区域的边界之间的距离为D，D为自车的车宽。换句话说，在获取障碍区在栅格地图的占据区域后，将两个已占据的区域(包括社会车的占据区域和障碍物的占据区域)按照自车实际宽度的二分之一向外进行膨胀，得到图5，如图5所示的黑色区域，黑色区域的外边界即为硬边界；将黑色区域以自车实际宽度二分之一向外膨胀，得到如图5所示的灰色区域，该灰色区域的外边界即为软边界。
根据硬边界、软边界和占据区域对栅格地图进行势能化处理，以得到势能栅格地图。其中，硬边界内(即图5中的黑色区域和占据区域)所有栅格的势能值均为a，软边界之外的所有栅格的势能值均为b，灰色区域内栅格的势能值沿着硬边界到软边界的方向从c逐渐减小到b。比如，黑色区域内所有栅格的势能值均为1，软边界之外所有栅格的势能值均为0，灰色区域内栅格的势能值沿着硬边界到软件界的方向从0.08减小至0。
其中，硬边界和软边界之间栅格的势能值沿着硬边界到软边界的方向从c逐渐减小至b具体可以是从c线性减小至b。
如图6所示，硬边界和软边界之间在包括4个栅格，分别为栅格I1，栅格I2，栅格I3和栅格I4，其中，栅格I1左侧的栅格处于硬边界中，势能值为1，I1的势能值为0.08，I2为0.06，I3为0.04，I4为0.02，I4左侧栅格势能均为0。
在一个可行的实施例中，针对软边界和硬边界之间的区域内的栅格，可根据高斯滤波算法或者均值滤波算法得到该栅格的势能值(该值为浮点数)，从而得到平滑的高分辨率的势能场。
如图5所示，针对硬边界与软边界之间的栅格的势能值，根据高斯滤波算法或者均值滤波算法计算得到的，进而得到势能值由1平滑过渡到0的灰色渐变区域，形成当前场景下完整的势能场。
在此需要说明的是，在确定障碍物的软边界和硬边界后，可将自车看作一个质点，方便后续计算。在本申请中将社会车也称为障碍物。
S403、获取自车当前所在车道的中心线信息，并根据车道的中心线信息获取平行线轨迹簇。
其中，车道的中心线信息包括车道的中心线上每个路点的坐标；平行线轨迹簇包括多条平行线轨迹，每条平行线轨迹与车道中心线相平行。
具体地，根据车道的中心线信息获取平行线轨迹簇，包括：
根据车道的中心线路点的坐标及距离dm获取平行线轨迹簇，距离dm为所述车道中心线与平行线轨迹簇中第m条平行线轨迹之间的距离。
进一步地，第m条平行轨迹线上第k个路点的坐标为
Figure BDA0002163749460000121
其中，
Figure BDA0002163749460000131
其中，(xk,xk)和(xk+1,xk+1)分别为车道的中心线上第k个路点和第k+1个路点的坐标，该坐标为在ENU下的坐标。
在此需要说明的是，平行线轨迹簇中最外侧的平行线轨迹与车道边界线之间的距离的绝对值自车车宽的一半，以保证车辆行驶时不会越过车道边界线与其他车道车辆产生互动或影响其他车道车辆正常行驶。
在一个具体的实施例中，以图3所示的场景为例，首先获取平行线轨迹与车道中心线之间的距离d，然后根据预设公式对车道的中心线上路点坐标和距离d进行计算，以得到该平行线轨迹路点的坐标，进而得到该平行线轨迹。
通过对距离d取不同值，比如-0.8m、-0.4m、0.4m和0.8m，重复执行上述步骤，进而得到平行线轨迹簇。如图3场景中，当间隔d为-1.6m或1.6m，即生成的平行线轨迹与车道边界线之间的距离小于车宽的一半时，停止新的平行线轨迹的生成，最终得到如图7白色细线所示的平行线轨迹作为平行线轨迹簇。弯道中生成平行线轨迹簇的具体过程可参见图7中平行线轨迹簇的生成过程，在此不再叙述。弯道中生成的平行线轨迹簇如图8所示。可根据不同场景调整距离d的大小，从而生成不同密度的平行线轨迹簇。
在此需要说明的是，d为负数表示平行线轨迹位于车道中心线的左侧，d为正数表示平行线轨迹位于车道中心线的右侧；或者d为负数表示平行线轨迹位于车道中心线的右侧，d为正数表示平行线轨迹位于车道中心线的左侧。
S404、根据平行线轨迹上点所在栅格的势能值计算平行线轨迹簇中每条轨迹的代价值。
其中，平行线轨迹簇中第j条平行线轨迹的代价值为：
Figure BDA0002163749460000132
offset cos t(j)为第j条平行线轨迹与车道中心线的偏移量，a(v)为与自车当前车速的正相关的函数，确保自车速度越高时越倾向选择偏移量小的平行线轨迹，以保证舒适性。wbackground为offset cost(j)的权重，wmap为障碍物的权重，且wmap大于wbackground。PM(xi,yi)为第j条平行线轨迹上第i个路点所在栅格的势能值，b(i)是第j条平行线轨迹上第i个路点与自车之间距离负相关的函数，第i个路点与自车之间的距离越大，b(i)取值越小，也就是说障碍物与自车之间的距离越大，对选择平行线轨迹的影响就越小。c(xi,yi)用于指示第i个路点所在栅格的类型。比如，若第i个路点所在栅格的类型为位于硬边界内的栅格，则c(xi,yi)取1，若第i个路点所在栅格的类型为位于硬边界和软边界之间区域的栅格，则c(xi,yi)取小于0.1的取值，通过c(xi,yi)的不同大小或数量级差异确保经过硬边界内区域的平行线轨迹不会被选中，第j条平行线轨迹为多条平行线轨迹中的任一条。
在确定障碍物的权重wmap和偏移量的权重Offsetcost(j)时，保证障碍物的权重wmap大于偏移量的权重Offsetcost(j)，硬边界内平行线轨迹路点对应栅格的势能值远大于硬边界与软边界之间区域内平行线轨迹的路点对应栅格的势能值。
如图9所示，车道中心线右侧的平行线轨迹由于经过势能栅格地图中障碍物的软、硬边界，其代价值较高，车道中心线最左侧平行线轨迹由于距车道中心线较远，其代价值也较高。代价值最小的平行线轨迹距车道线中心线较近且在障碍物软、硬边界之外。
S405、根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，该t时刻的目标轨迹用于由自车按照t时刻的目标轨迹行驶，以避让障碍物。
在此需要说明的是，根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹具体是指自车从t-1时刻的目标轨迹向平行线轨迹簇中代价值最小的平行线轨迹进行推移，从而得到t时刻的目标轨迹。t时刻的目标轨迹可以看成位于t-1时刻的目标轨迹与平行线轨迹簇中代价值最小的平行线轨迹之间。
由于t时刻的目标轨迹是基于t-1时刻的目标轨迹和平行线轨迹簇中代价值最小的平行线轨迹得到的，可以保证t时刻的目标轨迹的起始位置不为自车当前位置，使得目标轨迹与自车位置解耦，防止控制***延迟及自车执行机构响应时间造成***震荡，并使得自车在按照目标轨迹行驶避让障碍物时，保证了自车在行驶过程中的安全性和平顺。
t时刻的目标轨迹和t-1时刻的目标轨迹及带代价值最小的平行线轨迹的位置关系如图10所示。
S406、获取自车当前时刻t的坐标Pt、速度St和航向角At，并根据当前时刻的坐标Pt、速度St、航向角At及t时刻的目标轨迹获取X个预测位姿信息。
其中，位姿信息包括坐标和航向角。
具体地，根据坐标Pt、速度St和航向角At及目标轨迹获取X个预测位姿信息，包括：
在t+xΔt时刻，将坐标Pt+xΔt、速度St+xΔt、航向角At+xΔt和t时刻的目标轨迹输入到预测模型中，计算得自车在t+xΔt时刻的速度St+(x+1)Δt和预测位姿信息It+(x+1)Δt，该预测位姿信息It+(x+1)Δt包括坐标Pt+(x+1)Δt和航向角At+(x+1)Δt；其中，X个预测位姿信息包括预测位姿信息It+(x+1)Δt，Δt为预测步长，x＝0,1,2,…,X-1。
其中，预测模型是基于车辆动力学、运动学和控制器实现的。
其中，坐标Pt和航向角At是基于大地坐标系的，即X个预测位姿信息是基于大地坐标系的。
换句话说，将当前时刻t自车的坐标Pt、速度St、航向角At及t时刻的目标轨迹输入基于平行***的自动驾驶控制器中，根据车辆动力学、运动学模型得到下一时刻(即时刻t+Δt)预测的自车的速度以及位姿信息(包括坐标和航向角)，再将新得到的速度和位姿信息继续输入自动驾驶控制器，重复上述步骤X次，即可得到未来X个预测位姿信息。
在一个可行的实施例中，S401和S406中，获取自车的坐标可以是同时进行的。
S407、根据X个预测位姿信息对自车与障碍物进行碰撞检测。
具体地，基于X个预测位姿信息得到X个连续时刻自车的覆盖区域，图11和图12所示矩形虚线区域即为自车的覆盖区域，白色线条包围的灰色区域为障碍物的侵占区域。其中，该X个连续时刻自车的覆盖区域可以看成预测轨迹，相邻两个时刻之差为Δt，即预测步长。再判断X个连续时刻自车的覆盖区域是否与障碍物的侵占区域是否重叠；若确定X个连续时刻自车的覆盖区域与障碍物的侵占区域未重叠，则确定自车与障碍物不会发生碰撞。如图11所示，矩形虚线区域与障碍物的侵占区域未发生重叠，表示在前方有障碍物时自车可顺利通过；若确定多个连续时刻自车的覆盖区域与障碍物的侵占区域重叠，如图12所示，矩形虚线区域与障碍物的侵占区域有重叠，则确定自车与障碍物会发生碰撞，向自车的控制模块发送制动信息，以指示所述控制模块在障碍物前停止或降速前进。自车的控制模块在障碍物前生成一堵虚拟墙，使自车在障碍物前停止，保证安全。
在此需要说明的是，对于静态的障碍物，图11和图12中所示的障碍物的侵占区域为上述栅格地图中障碍物的占据区域，由于栅格地图中障碍物的占据区域是基于自车坐标系的，而自车的X个预测位姿信息是基于大地坐标系的，因此需要将X个预测位姿信息转换到自车坐标系下，得到自车坐标系下的X个预测位姿信息，再基于自车坐标系下的X个预测位姿信息得到X个连续时刻自车的覆盖区域，然后再进行碰撞检测，检测方法同上。此时当检测到自车会与障碍物发生碰撞时，自车的控制模块在障碍物前生成一堵虚拟墙，使自车在障碍物前停止，保证安全。
对于动态的障碍物，图11和图12中所示的障碍物的侵占区域为在大地坐标系下的障碍物的包络区域，自车的X个预测位姿信息是基于大地坐标系的，因此在进行碰撞检测之前不需要进行坐标转换，检测方法同上。此时当检测到自车会与障碍物发生碰撞时，自车降速前进以保证行驶安全。
通过未来多个连续时刻的预测位姿信息与可行驶区域中障碍物进行碰撞检测，可实现对碰撞位置和碰撞时间的精确预测，进而可实时确保规划路径的安全。
在此需要说明的是，本申请障碍物避让方法及后续的碰撞检测不仅应用于障碍区小幅入侵自车当前车道的场景，还可以应用到整个自动驾驶的过程中，以实时确保行车安全。
在一个示例中，在避让过障碍物后，自车可按照目标轨迹继续行驶或者按照道路中心线行驶。
可以看出，在本发明实施例方案中，根据障碍物信息引入硬边和软边界，并基于硬边界和软边界对自车的可行驶区域进行处理，得到势能栅格地图，后续基于势能栅格地图进行轨迹预测，相比于现有技术，降低了对传感器精度的依赖性。在计算代价值时，将车速、障碍物与自车之间的距离等数据作为计算参数，使得代价值能够准确地体现平行线轨迹的优劣性，。通过代价值选取代价最小的平行线轨迹，确保了轨迹的安全；引入预瞄时间对代价值最小的平行线轨迹进行时域滤波，使得自车在按照目标轨迹时，保证了自车行驶的安全性和平顺性，并且由于预测轨迹的起始位置不是自车当前位置，使得预测轨迹与自车位置解耦，防止控制***延迟及自车执行机构响应时间造成***震荡。通过引入碰撞检测，可实时保证车辆基于目标轨迹行驶的安全。
参见图13，图13为本发明实施例提供的一种障碍物避让装置的结构示意图。如图13所示，该障碍物避让装置1300包括：
获取单元1301，用于在t时刻获取自车信息和障碍物信息及自车的可行驶区域；
处理单元1302，用于根据自车信息和障碍物信息对可行驶区域进行处理，以得到势能栅格地图，势能栅格地图中的每个栅格对应一个势能信息，该势能信息用于表征该栅格被障碍物占据的概率；
获取单元1301，还用于获取自车当前所在车道的车道中心线信息，并根据车道中心线信息获取平行线轨迹簇，其中，该平行线轨迹簇包括多条平行线轨迹，该多条平行线轨迹中的每条平行线轨迹均与车道中心线平行；
计算单元1303，用于根据势能场栅格地图计算平行线轨迹簇中的每条平行线轨迹的代价值；
滤波单元1304，用于根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，t时刻的目标轨迹自车按照t时刻的目标轨迹行驶，以避让障碍物。
在一个可行的实施例中，自车信息包括自车坐标和尺寸，障碍物信息包括障碍物坐标和尺寸，自车坐标和障碍物坐标均为在大地坐标系ENU下的坐标，处理单元1302具体用于：
对可行驶区域进行栅格化处理，以得到栅格地图；根据自车的坐标将障碍物的坐标从ENU下转换到车辆坐标系下，以得到障碍物的相对位置坐标；根据障碍物的相对位置坐标及尺寸将障碍物映射到栅格地图上，得到障碍物在栅格地图上的占据区域及硬边界和软边界，硬边界与占据区域的边界之间的距离为D/2，软边界与占据区域的边界之间的距离为D，D为自车的车宽；根据硬边界与软边界及占据区域对栅格地图进行势能化处理，以得到势能栅格地图；
其中，硬边界内栅格的势能值均为a，软边界之外所有栅格的势能值均为b，硬边界和软边界之间栅格的势能值沿着硬边界到软边界的方向从c逐渐减小至b，a大于b，c大于或者小于a，且c大于b。
在一个可行的实施例中，车道中心线信息包括车道中心线上路点的坐标，该坐标为在ENU下的坐标，在根据车道中心线信息获取平行线轨迹簇的方面，获取单元1301具体用于：
根据车道中心线上路点的坐标及距离dm，获取平行线轨迹簇，距离dm为所述车道中心线与平行线轨迹簇中第m条平行线轨迹之间的距离。
进一步地，第m条平行轨迹线上第k个路点的坐标为
Figure BDA0002163749460000163
其中，
Figure BDA0002163749460000161
(xk,xk)和(xk+1,xk+1)分别为车道中心线上第k个路点和第k+1个路点的坐标，该坐标为在ENU下的坐标。
在一个可行的实施例中，平行线轨迹簇中的第j条平行线轨迹的代价值是根据第j条平行线轨迹上路点所在栅格的势能值得到的，第j条平行线轨迹为多条平行线轨迹中的任一条。
进一步地，第j条平行线轨迹的代价值为：
Figure BDA0002163749460000162
其中，Offsetcost(j)为第j条平行线轨迹与道路中心线的偏移量，a(v)为与自车当前车速正相关的函数，wbackground为Offsetcost(j)的权重，wmap为障碍物的权重，b(i)为与第j条平行轨迹线上的第i个路点与自车距离的负相关的函数，c(xi,yi)用于指示第i个路点所在栅格的类型，PM(xi,yi)为第i个路点所在栅格的势能值，wmap大于wbackground。
在一个可行的实施例中，障碍物避让装置1300还包括：
获取单元1301，还用于在滤波单元1304根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹之后，获取自车当前时刻t的坐标Pt、速度St和航向角At；
预测单元1305，用于根据坐标Pt、速度St和航向角At及目标轨迹获取X个预测位姿信息，X为大于1的整数；
碰撞检测单元1306，用于根据多个连续时刻的预测位姿信息判断自车与障碍物是否会发生碰撞；
发送单元1307，用于若碰撞检测单元判断自车与障碍物会发生碰撞，则向自车的控制模块发送制动信息，以指示控制模块控制自车在发生碰撞前停止前进。
在一个可行的实施例中，预测单元1305具体用于：
在t+xΔt时刻，将坐标Pt+xΔt、速度St+xΔt、航向角At+xΔt和t时刻的目标轨迹输入到预测模型中，计算得自车在t+xΔt时刻的速度St+(x+1)Δt和预测位姿信息It+(x+1)Δt，预测位姿信息It+(x+1)Δt包括坐标Pt+(x+1)Δt和航向角At+(x+1)Δt；
其中，X个预测位姿信息包括预测位姿信息It+(x+1)Δt，Δt为预测步长，x＝0,1,2,…,X-1。
需要说明的是，上述各单元(获取单元1301、处理单元1302、计算单元1303、滤波单元1304、预测单元1305、碰撞检测单元1306和发送单元1307)用于执行上述方法的相关步骤。比如，获取单元1301用于执行步骤S401、S403和S406的相关内容，处理单元1302用于执行步骤S402的相关内容，计算单元1303用于执行步骤S404的相关内容，预测单元1305、碰撞检测单元1306和发送单元1307用于执行步骤S406和S407的相关内容。
在本实施例中，障碍物避让装置1300是以单元的形式来呈现。这里的“单元”可以指特定应用集成电路(application-specific integrated circuit，ASIC)，执行一个或多个软件或固件程序的处理器和存储器，集成逻辑电路，和/或其他可以提供上述功能的器件。此外，以上获取单元1301、处理单元1302、计算单元1303、滤波单元1304、预测单元1305、碰撞检测单元1306和发送单元1307可通过图14所示的障碍物避让装置的处理器1401来实现。
如图14所示障碍物避让装置1400可以以图14中的结构来实现，该障碍物避让装置1400包括至少一个处理器1401，至少一个存储器1402以及至少一个通信接口1403。所述处理器1401、所述存储器1402和所述通信接口1403通过所述通信总线连接并完成相互间的通信。
处理器1401可以是通用中央处理器(CPU)，微处理器，特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制以上方案程序执行的集成电路。
通信接口1403，用于与其他设备或通信网络通信，如以太网，无线接入网(RAN)，无线局域网(Wireless Local Area Networks，WLAN)等。
存储器1402可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中，所述存储器1402用于存储执行以上方案的应用程序代码，并由处理器501来控制执行。所述处理器1401用于执行所述存储器1402中存储的应用程序代码。
存储器1402存储的代码可执行以上提供的一种障碍物避让方法，包括：在t时刻获取自车信息和障碍物信息及自车的可行驶区域；根据自车信息和障碍物信息对可行驶区域进行处理，以得到势能栅格地图，势能栅格地图中的每个栅格对应一个势能信息，该势能信息用于表征该栅格被障碍物占据的概率；获取自车当前所在车道的车道中心线信息，并根据车道中心线信息获取平行线轨迹簇，其中，该平行线轨迹簇包括多条平行线轨迹，该多条平行线轨迹中的每条平行线轨迹均与车道中心线平行；根据势能栅格地图计算平行线轨迹簇中的每条平行线轨迹的代价值；根据t-1时刻的目标轨迹对平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，该t时刻的目标轨迹用于由自车按照t时刻的目标轨迹行驶，以避让障碍物。
本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何一种障碍物避让方法的部分或全部步骤。
程序产品实施例：
在一些实施例中，所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。图15示意性地示出根据这里展示的至少一些实施例而布置的示例计算机程序产品的概念性局部视图，所述示例计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。在一个实施例中，示例计算机程序产品1500是使用信号承载介质1501来提供的。所述信号承载介质1501可以包括一个或多个程序指令1502，其当被一个或多个处理器运行时可以提供以上针对图4描述的功能或者部分功能。此外，图15中的程序指令1502也描述示例指令。
在一些示例中，信号承载介质1501可以包含计算机可读介质1503,诸如但不限于，硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等等。在一些实施方式中，信号承载介质1501可以包含计算机可记录介质1504,诸如但不限于，存储器、读/写(R/W)CD、R/W DVD、等等。在一些实施方式中，信号承载介质1501可以包含通信介质1505,诸如但不限于，数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路、等等)。因此，例如，信号承载介质1501可以由无线形式的通信介质1505(例如，遵守IEEE802.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令1502可以是，例如，计算机可执行指令或者逻辑实施指令。在一些示例中，诸如针对图4描述的计算设备的计算设备可以被配置为，响应于通过计算机可读介质1503、计算机可记录介质1504、和/或通信介质1505中的一个或多个传达到计算设，的程序指令1502，提供各种操作、功能、或者动作。应该理解，这里描述的布置仅仅是用于示例的目的。因而，本领域技术人员将理解，其它布置和其它元素(例如，机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用，并且一些元素可以根据所期望的结果而一并省略。另外，所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上上述，本说明书内容不应理解为对本发明的限制。

Claims (19)

1.一种障碍物避让方法，其特征在于，包括：
在t时刻，获取自车信息和障碍物信息及自车的可行驶区域；其中，所述自车信息包括自车坐标和尺寸，所述障碍物信息包括障碍物坐标和尺寸，
根据所述自车信息和障碍物信息对所述可行驶区域进行处理，以得到势能栅格地图，所述势能栅格地图中的每个栅格对应一个势能信息，该势能信息用于表征该栅格被障碍物占据的概率；
获取所述自车当前所在车道的车道中心线信息，并根据所述车道中心线信息获取平行线轨迹簇，其中，所述平行线轨迹簇包括多条平行线轨迹，所述多条平行线轨迹中的每条均与所述车道中心线平行；
根据所述势能栅格地图计算所述平行线轨迹簇中的每条平行线轨迹的代价值；
根据t-1时刻的目标轨迹对所述平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，所述t时刻的目标轨迹用于由所述自车按照所述t时刻的目标轨迹行驶，以避让所述障碍物；
其中，所述自车坐标和障碍物坐标均为在大地坐标系ENU下的坐标，所述根据所述自车信息和障碍物信息对所述可行驶区域进行处理，以得到势能栅格地图，包括：
对所述可行驶区域进行栅格化处理，以得到栅格地图；
根据所述自车的坐标将所述障碍物的坐标从所述ENU下转换到车辆坐标系下，以得到所述障碍物的相对位置坐标；
根据所述障碍物的相对位置坐标及尺寸将所述障碍物映射到所述栅格地图上，得到所述障碍物在所述栅格地图上的占据区域及硬边界和软边界，所述硬边界与所述占据区域的边界之间的距离为D/2，所述软边界与所述占据区域的边界之间的距离为D，所述D为所述自车的车宽；
根据所述硬边界与软边界及所述占据区域对所述栅格地图进行势能化处理，以得到所述势能栅格地图；
其中，所述硬边界内栅格的势能值均为a，所述软边界之外所有栅格的势能值均为b，所述硬边界和所述软边界之间栅格的势能值沿着所述硬边界到软边界的方向从c逐渐减小至b，所述a大于b，c小于或等于a，且c大于b。
2.根据权利要求1所述的方法，其特征在于，所述车道中心线信息包括所述车道中心线上路点的坐标，该坐标为在所述ENU下的坐标，所述根据车道中心线信息获取平行线轨迹簇，包括：
根据所述车道中心线上路点的坐标及距离dm获取所述平行线轨迹簇，所述距离dm为所述车道中心线与所述平行线轨迹簇中第m条平行线轨迹之间的距离。
3.根据权利要求1所述的方法，其特征在于，所述平行线轨迹簇中的第j条平行线轨迹的代价值是根据所述第j条平行线轨迹上路点所在栅格的势能值得到的，所述第j条平行线轨迹为所述多条平行线轨迹中的任一条。
4.根据权利要求2所述的方法，其特征在于，所述平行线轨迹簇中的第j条平行线轨迹的代价值是根据所述第j条平行线轨迹上路点所在栅格的势能值得到的，所述第j条平行线轨迹为所述多条平行线轨迹中的任一条。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据t-1时刻的目标轨迹对所述平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹之后，所述方法还包括：
获取所述自车当前时刻t的坐标Pt、速度St和航向角At；并根据所述坐标Pt、速度St和航向角At及所述t时刻的目标轨迹获取X个预测位姿信息，所述X为大于1的整数；
根据所述X个预测位姿信息判断所述自车与障碍物是否会发生碰撞；
若所述自车与所述障碍物会发生碰撞，则向所述自车的控制模块发送制动信息，以指示所述控制模块控制所述自车在发生碰撞前停止前进或者降速前进。
6.根据权利要求5所述的方法，其特征在于，所述根据所述坐标Pt、速度St和航向角At及所述t时刻的目标轨迹获取X个预测位姿信息，包括：
在t+xΔt时刻，将坐标Pt+xΔt、速度St+xΔt、航向角At+xΔt和t时刻的目标轨迹输入到预测模型中，计算得所述自车在t+xΔt时刻的速度St+(x+1)Δt和预测位姿信息It+(x+1)Δt，所述预测位姿信息It+(x+1)Δt包括坐标Pt+(x+1)Δt和航向角At+(x+1)Δt；
其中，所述X个预测位姿信息包括预测位姿信息It+(x+1)Δt，所述Δt为预测步长，所述x＝0，1，2，…，X-1。
7.一种障碍物避让方法，其特征在于，包括：
在t时刻，获取自车信息和障碍物信息及自车的可行驶区域；
根据所述自车信息和障碍物信息对所述可行驶区域进行处理，以得到势能栅格地图，所述势能栅格地图中的每个栅格对应一个势能信息，该势能信息用于表征该栅格被障碍物占据的概率；
获取所述自车当前所在车道的车道中心线信息，并根据所述车道中心线信息获取平行线轨迹簇，其中，所述平行线轨迹簇包括多条平行线轨迹，所述多条平行线轨迹中的每条均与所述车道中心线平行；
根据所述势能栅格地图计算所述平行线轨迹簇中的每条平行线轨迹的代价值；
根据t-1时刻的目标轨迹对所述平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，所述t时刻的目标轨迹用于由所述自车按照所述t时刻的目标轨迹行驶，以避让所述障碍物；
其中，
所述根据t-1时刻的目标轨迹对所述平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹之后，所述方法还包括：
获取所述自车当前时刻t的坐标Pt、速度St和航向角At；并根据所述坐标Pt、速度St和航向角At及所述t时刻的目标轨迹获取X个预测位姿信息，所述X为大于1的整数；
根据所述X个预测位姿信息判断所述自车与障碍物是否会发生碰撞；
若所述自车与所述障碍物会发生碰撞，则向所述自车的控制模块发送制动信息，以指示所述控制模块控制所述自车在发生碰撞前停止前进或者降速前进。
8.根据权利要求7所述的方法，其特征在于，所述根据所述坐标Pt、速度St和航向角At及所述t时刻的目标轨迹获取X个预测位姿信息，包括：
在t+xΔt时刻，将坐标Pt+xΔt、速度St+xΔt、航向角At+xΔt和t时刻的目标轨迹输入到预测模型中，计算得所述自车在t+xΔt时刻的速度St+(x+1)Δt和预测位姿信息It+(x+1)Δt，所述预测位姿信息It+(x+1)Δt包括坐标Pt+(x+1)Δt和航向角At+(x+1)Δt；
其中，所述X个预测位姿信息包括预测位姿信息It+(x+1)Δt，所述Δt为预测步长，所述x＝0，1，2，…，X-1。
9.一种障碍物避让装置，其特征在于，包括：
获取单元，用于在t时刻获取自车信息和障碍物信息及自车的可行驶区域，所述自车信息包括自车坐标和尺寸，所述障碍物信息包括障碍物坐标和尺寸，
处理单元，用于根据所述自车信息和障碍物信息对所述可行驶区域进行处理，以得到势能栅格地图，所述势能栅格地图中的每个栅格对应一个势能信息，所述势能信息用于表征该栅格被障碍物占据的概率；
所述获取单元，还用于获取所述自车当前所在车道的车道中心线信息，并根据所述车道中心线信息获取平行线轨迹簇，其中，所述平行线轨迹簇包括多条平行线轨迹，所述多条平行线轨迹中的每条平行线轨迹均与所述车道中心线平行；
计算单元，用于根据所述势能场栅格地图计算所述平行线轨迹簇中的每条平行线轨迹的代价值：
滤波单元，用于根据t-1时刻的目标轨迹对所述平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，所述t时刻的目标轨迹用于由所述自车按照所述t时刻的目标轨迹行驶，以避让所述障碍物；
其中，所述自车坐标和障碍物坐标均为在大地坐标系ENU下的坐标，所述处理单元具体用于：
对所述可行驶区域进行栅格化处理，以得到栅格地图；
根据所述自车的坐标将所述障碍物的坐标从所述ENU下转换到车辆坐标系下，以得到所述障碍物的相对位置坐标；
根据所述障碍物的相对位置坐标及尺寸将所述障碍物映射到所述栅格地图上，得到所述障碍物在所述栅格地图上的占据区域及硬边界和软边界，所述硬边界与所述占据区域的边界之间的距离为D/2，所述软边界与所述占据区域的边界之间的距离为D，所述D为所述自车的车宽；
根据所述硬边界与软边界及所述占据区域对所述栅格地图进行势能化处理，以得到所述势能栅格地图；
其中，所述硬边界内栅格的势能值均为a，所述软边界之外所有栅格的势能值均为b，所述硬边界和所述软边界之间栅格的势能值沿着所述硬边界到软边界的方向从c逐渐减小至b，所述a大于b，c小于或者等于a，且c大于b。
10.根据权利要求9所述的装置，其特征在于，所述车道中心线信息包括所述车道中心线上路点的坐标，该坐标为在所述ENU下的坐标，在所述根据车道中心线信息获取平行线轨迹簇的方面，所述获取单元具体用于：
根据所述车道中心线上路点的坐标及距离dm获取所述平行线轨迹簇，所述距离dm为所述车道中心线与所述平行线轨迹簇中第m条平行线轨迹之间的距离。
11.根据权利要求9所述的装置，其特征在于，所述平行线轨迹簇中的第j条平行线轨迹的代价值是根据所述第j条平行线轨迹上路点所在栅格的势能值得到的。
12.根据权利要求10所述的装置，其特征在于，所述平行线轨迹簇中的第j条平行线轨迹的代价值是根据所述第j条平行线轨迹上路点所在栅格的势能值得到的。
13.根据权利要求9-12任一项所述的装置，其特征在于，所述装置还包括：
所述获取单元，还用于在所述滤波单元根据t-1时刻的目标轨迹对所述平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹之后，获取所述自车当前时刻t的坐标Pt、速度St和航向角At；
预测单元，用于根据所述坐标Pt、速度St和航向角At及所述t时刻的目标轨迹获取X个预测位姿信息，所述X为大于1的整数；
碰撞检测单元，用于根据X个预测位姿信息判断所述自车与障碍物是否会发生碰撞；
发送单元，用于若所述碰撞检测单元判断所述自车与所述障碍物会发生碰撞，则向所述自车的控制模块发送制动信息，以指示所述控制模块控制所述自车在发生碰撞前停止前进或者降速前进。
14.根据权利要求13所述的装置，其特征在于，所述预测单元具体用于：
在t+xΔt时刻，将坐标Pt+xΔt、速度St+xΔt、航向角At+xΔt和t时刻的目标轨迹输入到预测模型中，计算得所述自车在t+xΔt时刻的速度St+(x+1)Δt和预测位姿信息It+(x+1)Δt，所述预测位姿信息It+(x+1)Δt包括坐标Pt+(x+1)Δt和航向角At+(x+1)Δt；
其中，所述X个预测位姿信息包括预测位姿信息It+(x+1)Δt，所述Δt为预测步长，所述x＝0，1，2，…，X-1。
15.一种障碍物避让装置，其特征在于，包括：
获取单元，用于在t时刻获取自车信息和障碍物信息及自车的可行驶区域；
处理单元，用于根据所述自车信息和障碍物信息对所述可行驶区域进行处理，以得到势能栅格地图，所述势能栅格地图中的每个栅格对应一个势能信息，所述势能信息用于表征该栅格被障碍物占据的概率；
所述获取单元，还用于获取所述自车当前所在车道的车道中心线信息，并根据所述车道中心线信息获取平行线轨迹簇，其中，所述平行线轨迹簇包括多条平行线轨迹，所述多条平行线轨迹中的每条平行线轨迹均与所述车道中心线平行；
计算单元，用于根据所述势能场栅格地图计算所述平行线轨迹簇中的每条平行线轨迹的代价值；
滤波单元，用于根据t-1时刻的目标轨迹对所述平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹，所述t时刻的目标轨迹用于由所述自车按照所述t时刻的目标轨迹行驶，以避让所述障碍物；
其中，所述装置还包括：
所述获取单元，还用于在所述滤波单元根据t-1时刻的目标轨迹对所述平行线轨迹簇中代价值最小的平行线轨迹进行时域滤波，以得到t时刻的目标轨迹之后，获取所述自车当前时刻t的坐标Pt、速度St和航向角At；
预测单元，用于根据所述坐标Pt、速度St和航向角At及所述t时刻的目标轨迹获取X个预测位姿信息，所述X为大于1的整数；
碰撞检测单元，用于根据X个预测位姿信息判断所述自车与障碍物是否会发生碰撞；
发送单元，用于若所述碰撞检测单元判断所述自车与所述障碍物会发生碰撞，则向所述自车的控制模块发送制动信息，以指示所述控制模块控制所述自车在发生碰撞前停止前进或者降速前进。
16.根据权利要求15所述的装置，其特征在于，所述预测单元具体用于：
在t+xΔt时刻，将坐标Pt+xΔt、速度St+xΔt、航向角At+xΔt和t时刻的目标轨迹输入到预测模型中，计算得所述自车在t+xΔt时刻的速度St+(x+1)Δt和预测位姿信息It+(x+1)Δt，所述预测位姿信息It+(x+1)Δt包括坐标Pt+(x+1)Δt和航向角At+(x+1)Δt；
其中，所述X个预测位姿信息包括预测位姿信息It+(x+1)Δt，所述Δt为预测步长，所述x＝0，1，2，…，X-1。
17.一种自动驾驶装置，其特征在于，包括权利要求9-16任一项所述的装置。
18.一种障碍物避让装置，其特征在于，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的可执行程序代码，执行如权利要求1-8任一项所述的方法。
19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行处理器执行时使所述处理器执行如权利要求1-8任一项所述的方法。
CN201910743055.4A 2019-08-12 2019-08-12 障碍物避让方法及装置 Active CN110550029B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201910743055.4A CN110550029B (zh) 2019-08-12 2019-08-12 障碍物避让方法及装置
PCT/CN2020/105326 WO2021027568A1 (zh) 2019-08-12 2020-07-28 障碍物避让方法及装置
EP20852477.7A EP3858697A4 (en) 2019-08-12 2020-07-28 METHOD AND DEVICE FOR AVOIDING OBSTACLES
JP2021520334A JP7255782B2 (ja) 2019-08-12 2020-07-28 障害物回避方法、障害物回避装置、自動運転装置、コンピュータ可読記憶媒体及びプログラム
US17/317,294 US20210262808A1 (en) 2019-08-12 2021-05-11 Obstacle avoidance method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910743055.4A CN110550029B (zh) 2019-08-12 2019-08-12 障碍物避让方法及装置

Publications (2)

Publication Number Publication Date
CN110550029A CN110550029A (zh) 2019-12-10
CN110550029B true CN110550029B (zh) 2021-02-09

Family

ID=68737309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910743055.4A Active CN110550029B (zh) 2019-08-12 2019-08-12 障碍物避让方法及装置

Country Status (5)

Country Link
US (1) US20210262808A1 (zh)
EP (1) EP3858697A4 (zh)
JP (1) JP7255782B2 (zh)
CN (1) CN110550029B (zh)
WO (1) WO2021027568A1 (zh)

Families Citing this family (79)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110550029B (zh) * 2019-08-12 2021-02-09 华为技术有限公司 障碍物避让方法及装置
JP2021077088A (ja) * 2019-11-08 2021-05-20 ソニー株式会社 情報処理装置、情報処理方法及び情報処理プログラム
US11884302B2 (en) * 2019-11-15 2024-01-30 Massachusetts Institute Of Technology Social behavior for autonomous vehicles
US20210179092A1 (en) * 2019-12-16 2021-06-17 Automotive Research & Testing Center Active safety assistance system for pre-adjusting speed and control method using the same
CN113119964B (zh) * 2019-12-30 2022-08-02 宇通客车股份有限公司 一种自动驾驶车辆碰撞预测判断方法及装置
CN113156927A (zh) * 2020-01-22 2021-07-23 华为技术有限公司 自动驾驶车辆的安全控制方法及安全控制装置
EP3882813A1 (en) * 2020-03-20 2021-09-22 Aptiv Technologies Limited Method for generating a dynamic occupancy grid
CN113525375B (zh) * 2020-04-21 2023-07-21 宇通客车股份有限公司 一种基于人工势场法的车辆换道方法及装置
EP4145339A4 (en) * 2020-05-11 2023-05-24 Huawei Technologies Co., Ltd. VEHICLE DRIVING ZONE DETECTION METHOD AND SYSTEM, AND SELF-DRIVING VEHICLE IMPLEMENTING THE SYSTEM
CN111750886B (zh) * 2020-05-12 2022-06-28 重庆兰德适普信息科技有限公司 局部路径规划方法及装置
CN111907521B (zh) * 2020-06-15 2022-11-22 浙江吉利汽车研究院有限公司 一种自动驾驶车辆的横向控制方法、装置及存储介质
CN111731240A (zh) * 2020-06-18 2020-10-02 北京百度网讯科技有限公司 急刹车合理性评估方法、装置、设备以及存储介质
CN111857135A (zh) 2020-06-30 2020-10-30 北京百度网讯科技有限公司 用于车辆的避障方法、装置、电子设备和计算机存储介质
CN111913183A (zh) * 2020-07-27 2020-11-10 中国第一汽车股份有限公司 车辆侧向避障方法、装置、设备及车辆
US11827217B2 (en) * 2020-08-28 2023-11-28 Ford Global Technologies, Llc Vehicle detection and response
CN112015839B (zh) * 2020-08-28 2024-03-01 北京百度网讯科技有限公司 地图坐标处理方法、地图坐标处理装置、电子设备和存储介质
CN112305911B (zh) * 2020-09-11 2023-03-03 北京智行者科技股份有限公司 一种复杂环境下的反馈预测控制方法及其装置、车辆
CN112026762B (zh) * 2020-09-15 2021-06-29 北京经纬恒润科技股份有限公司 一种车辆碰撞分析方法及装置
CN111829545B (zh) * 2020-09-16 2021-01-08 深圳裹动智驾科技有限公司 自动驾驶车辆及其运动轨迹的动态规划方法及***
CN114248794A (zh) * 2020-09-23 2022-03-29 华为技术有限公司 车辆的控制方法、装置及车辆
CN112543938B (zh) * 2020-09-29 2022-02-08 华为技术有限公司 占据栅格地图的生成方法和装置
CN112649011B (zh) * 2020-12-01 2022-06-28 禾多科技（北京）有限公司 车辆避障方法、装置、设备和计算机可读介质
CN112703140A (zh) * 2020-12-15 2021-04-23 华为技术有限公司 控制方法和控制装置
WO2022133684A1 (zh) * 2020-12-21 2022-06-30 华为技术有限公司 控制方法、相关设备及计算机可读存储介质
CN113055821B (zh) * 2021-03-15 2023-01-31 北京京东乾石科技有限公司 用于发送信息的方法和装置
CN112883909B (zh) * 2021-03-16 2024-06-14 东软睿驰汽车技术（沈阳）有限公司 基于包围盒的障碍物位置检测方法、装置和电子设备
WO2022213373A1 (zh) * 2021-04-09 2022-10-13 华为技术有限公司 一种轨迹规划方法以及相关设备
WO2023024542A1 (zh) * 2021-08-25 2023-03-02 驭势科技（北京）有限公司 车辆决策规划方法、装置、设备及介质
CN113052401A (zh) * 2021-04-26 2021-06-29 青岛大学 盲人行走轨迹预测方法、电子设备及存储介质
CN113335272B (zh) * 2021-05-14 2023-04-25 江铃汽车股份有限公司 辅助驾驶方法
US20210309221A1 (en) * 2021-06-15 2021-10-07 Nauto, Inc. Devices and methods for determining region of interest for object detection in camera images
CN115509216A (zh) * 2021-06-21 2022-12-23 广州视源电子科技股份有限公司 路径规划方法、装置、计算机设备和存储介质
CN113799797B (zh) * 2021-07-27 2022-07-12 北京三快在线科技有限公司 轨迹规划方法、装置、存储介质及电子设备
CN113479199B (zh) * 2021-07-30 2022-08-30 三一专用汽车有限责任公司 开放区域避障方法、车辆和计算机可读存储介质
CN113641734B (zh) * 2021-08-12 2024-04-05 驭势科技（北京）有限公司 一种数据处理方法、装置、设备及介质
CN113753078B (zh) * 2021-08-17 2023-09-01 北京百度网讯科技有限公司 障碍物轨迹的预测方法、装置、电子设备及自动驾驶车辆
CN113670632B (zh) * 2021-08-18 2024-04-12 北京经纬恒润科技股份有限公司 碰撞检测方法及装置
CN113744566B (zh) * 2021-09-08 2023-12-05 京东鲲鹏(江苏)科技有限公司 一种预警方法和装置
CN113619606B (zh) * 2021-09-17 2024-06-14 中国第一汽车股份有限公司 障碍物确定方法、装置、设备以及存储介质
CN113867349B (zh) * 2021-09-28 2024-04-09 浙江大华技术股份有限公司 一种机器人的避障方法、***及智能机器人
CN113963535B (zh) * 2021-09-30 2023-01-13 华为技术有限公司 行驶决策确定方法、装置、电子设备存储介质
CN113607162B (zh) * 2021-10-09 2021-12-28 创泽智能机器人集团股份有限公司 一种基于三维地图的路径规划方法及设备
CN114084129A (zh) * 2021-10-13 2022-02-25 武汉光庭信息技术股份有限公司 一种基于融合的车辆自动驾驶控制方法及***
CN113928340B (zh) * 2021-10-26 2024-05-03 中国第一汽车股份有限公司 应用于车辆中的避障方法、装置、电子设备和存储介质
CN113815649B (zh) * 2021-10-29 2023-05-23 上海洛轲智能科技有限公司 避障***、避障方法、电子设备及介质
CN114115240B (zh) * 2021-11-04 2024-02-27 北京三快在线科技有限公司 一种无人设备的控制方法及装置
CN114333298B (zh) * 2021-12-02 2024-02-23 河北雄安京德高速公路有限公司 一种基于交通雷达的车辆归属车道估计方法
CN114212106B (zh) * 2021-12-17 2023-10-10 东软睿驰汽车技术（沈阳）有限公司 一种车辆的可行驶区域内安全概率的确定方法及装置
CN114030486B (zh) * 2021-12-21 2024-05-28 阿波罗智联(北京)科技有限公司 动态障碍物的轨迹预测方法、装置、电子设备和存储介质
CN114103957B (zh) * 2021-12-22 2024-02-06 阿波罗智联(北京)科技有限公司 变道控制方法、装置、电子设备和存储介质
CN114291112B (zh) * 2021-12-30 2023-08-04 同济大学 一种应用于自动驾驶汽车的决策规划协同增强方法
CN114610016B (zh) * 2022-01-25 2024-04-05 合肥工业大学 基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法
CN115014372B (zh) * 2022-04-18 2024-03-12 小米汽车科技有限公司 路径规划方法、装置、存储介质及车辆
CN114608602A (zh) * 2022-04-18 2022-06-10 小米汽车科技有限公司 路径规划方法、装置、存储介质及车辆
CN114608603B (zh) * 2022-04-18 2023-07-04 小米汽车科技有限公司 路径规划方法、装置、存储介质及车辆
CN115060279B (zh) * 2022-06-08 2024-04-16 合众新能源汽车股份有限公司 路径规划方法、装置、电子设备和计算机可读介质
CN114815872B (zh) * 2022-06-14 2022-11-18 哈尔滨工业大学 一种针对碰撞规避的星座智能自主轨道控制方法
CN115145275B (zh) * 2022-06-24 2024-04-30 中国安全生产科学研究院 基于改进人工势场法的多机器人编队避障控制方法
CN114859940A (zh) * 2022-07-05 2022-08-05 北京建筑大学 机器人移动控制方法、装置、设备以及存储介质
CN114879704B (zh) * 2022-07-11 2022-11-25 山东大学 一种机器人绕障控制方法及***
CN115092136B (zh) * 2022-07-27 2023-09-12 广州小鹏自动驾驶科技有限公司 车速规划方法、装置、车辆及存储介质
CN115214724B (zh) * 2022-09-20 2022-12-09 毫末智行科技有限公司 一种轨迹预测的方法、装置、电子设备及存储介质
JP7400911B1 (ja) 2022-09-26 2023-12-19 いすゞ自動車株式会社 自動運転装置
CN115562296B (zh) * 2022-10-26 2023-05-26 宝开(上海)智能物流科技有限公司 一种基于混合控制策略的机器人调度方法、***及装置
CN115782867B (zh) * 2022-11-17 2024-01-30 上海西井科技股份有限公司 轨迹碰撞风险评估方法、装置、电子设备和存储介质
CN115798261B (zh) * 2022-11-22 2023-11-07 上海木蚁机器人科技有限公司 车辆避障控制方法、装置和设备
CN116106906B (zh) * 2022-12-01 2023-11-21 山东临工工程机械有限公司 工程车辆避障方法、装置、电子设备、存储介质及装载机
CN116086477B (zh) * 2023-01-30 2024-02-20 禾多科技（北京）有限公司 局部路径信息生成方法、装置、设备和计算机可读介质
CN115880673B (zh) * 2023-02-22 2023-05-26 西南石油大学 一种基于计算机视觉的避障方法及***
CN116088538B (zh) * 2023-04-06 2023-06-13 禾多科技（北京）有限公司 车辆轨迹信息生成方法、装置、设备和计算机可读介质
CN116299474B (zh) * 2023-05-23 2023-09-12 禾多科技（北京）有限公司 一体化雷达装置和车辆避障方法
CN116767224B (zh) * 2023-07-03 2024-01-23 小米汽车科技有限公司 确定可行驶区域的方法、装置、车辆、及存储介质
CN116611603B (zh) * 2023-07-20 2023-11-28 青岛迪迪车联信息技术有限公司 一种车辆路径调度方法、装置、计算机及存储介质
CN116691667A (zh) * 2023-07-24 2023-09-05 中国第一汽车股份有限公司 车辆的行驶轨迹规划方法、装置、车辆和存储介质
CN116734882B (zh) * 2023-08-14 2023-11-24 禾昆科技(北京)有限公司 车辆路径规划方法、装置、电子设备和计算机可读介质
CN116749968B (zh) * 2023-08-16 2023-11-03 知行汽车科技(苏州)股份有限公司 一种目标车辆的检测方法、装置、设备及介质
CN117148837A (zh) * 2023-08-31 2023-12-01 上海木蚁机器人科技有限公司 动态障碍物的确定方法、装置、设备和介质
CN117104222B (zh) * 2023-10-25 2023-12-29 广州市德赛西威智慧交通技术有限公司 一种应用于车辆行驶区域的障碍物检测方法及装置
CN117311369B (zh) * 2023-11-29 2024-02-09 江苏伊凡诺尔智能科技有限公司 一种多场景的机器人智能巡检方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5853589B2 (ja) * 2011-10-26 2016-02-09 日産自動車株式会社 運転支援装置
KR20140126975A (ko) * 2013-04-24 2014-11-03 주식회사 만도 차량의 충돌 회피 장치 및 방법
US9457807B2 (en) * 2014-06-05 2016-10-04 GM Global Technology Operations LLC Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver
US9499197B2 (en) * 2014-10-15 2016-11-22 Hua-Chuang Automobile Information Technical Center Co., Ltd. System and method for vehicle steering control
KR101886483B1 (ko) * 2015-12-08 2018-08-07 현대자동차주식회사 차량 간 통신에서 주행 경로 데이터를 이용한 타겟 분류 방법
KR101816034B1 (ko) * 2015-12-11 2018-02-21 현대오트론 주식회사 카메라 및 레이더를 이용한 도로 경계선 검출 장치 및 방법
US10446031B2 (en) * 2017-03-14 2019-10-15 Hyundai Mobis Co., Ltd. Apparatus and method of safety support for vehicle
CN107121980B (zh) * 2017-03-17 2019-07-09 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
JP6919307B2 (ja) * 2017-04-25 2021-08-18 トヨタ自動車株式会社 自律移動体
JP6805965B2 (ja) * 2017-05-23 2020-12-23 トヨタ自動車株式会社 衝突回避制御装置
CN108241370B (zh) * 2017-12-20 2021-06-22 北京理工华汇智能科技有限公司 通过栅格地图获取避障路径的方法及装置
CN107992050B (zh) * 2017-12-20 2021-05-11 广州汽车集团股份有限公司 无人驾驶汽车局部路径运动规划方法和装置
US10996679B2 (en) * 2018-04-17 2021-05-04 Baidu Usa Llc Method to evaluate trajectory candidates for autonomous driving vehicles (ADVs)
US11215997B2 (en) * 2018-11-30 2022-01-04 Zoox, Inc. Probabilistic risk assessment for trajectory evaluation
JP7253908B2 (ja) * 2018-12-03 2023-04-07 日立Astemo株式会社 車両制御装置
JP7207098B2 (ja) * 2019-03-29 2023-01-18 マツダ株式会社 自動車用走行制御システム
CN110045376B (zh) * 2019-04-28 2021-06-01 森思泰克河北科技有限公司 可行驶区域获取方法、计算机可读存储介质及终端设备
CN110550029B (zh) * 2019-08-12 2021-02-09 华为技术有限公司 障碍物避让方法及装置

Also Published As

Publication number Publication date
CN110550029A (zh) 2019-12-10
EP3858697A4 (en) 2022-03-02
JP7255782B2 (ja) 2023-04-11
JP2022543507A (ja) 2022-10-13
US20210262808A1 (en) 2021-08-26
EP3858697A1 (en) 2021-08-04
WO2021027568A1 (zh) 2021-02-18

Similar Documents

Publication Publication Date Title
CN110550029B (zh) 障碍物避让方法及装置
CN111123952B (zh) 一种轨迹规划方法及装置
CN112230642B (zh) 道路可行驶区域推理方法及装置
CN113968216B (zh) 一种车辆碰撞检测方法、装置及计算机可读存储介质
WO2021102955A1 (zh) 车辆的路径规划方法以及车辆的路径规划装置
CN112639793A (zh) 一种自动驾驶车辆的测试方法及装置
CN113156927A (zh) 自动驾驶车辆的安全控制方法及安全控制装置
CN112672942B (zh) 一种车辆换道方法及相关设备
CN112429016B (zh) 一种自动驾驶控制方法及装置
CN112543877B (zh) 定位方法和定位装置
WO2022062825A1 (zh) 车辆的控制方法、装置及车辆
US20230048680A1 (en) Method and apparatus for passing through barrier gate crossbar by vehicle
CN115042821B (zh) 车辆控制方法、装置、车辆及存储介质
CN113954858A (zh) 一种规划车辆行驶路线的方法以及智能汽车
CN112810603B (zh) 定位方法和相关产品
CN115100377A (zh) 地图构建方法、装置、车辆、可读存储介质及芯片
CN113741384B (zh) 检测自动驾驶***的方法和装置
CN112654547A (zh) 驾驶提醒的方法、装置及***
CN113799794B (zh) 车辆纵向运动参数的规划方法和装置
CN114764980B (zh) 一种车辆转弯路线规划方法及装置
CN115056784A (zh) 车辆控制方法、装置、车辆、存储介质及芯片
CN112639910B (zh) 交通元素的观测方法和装置
US20230256970A1 (en) Lane Change Track Planning Method and Apparatus
CN118182516A (zh) 一种轨迹规划方法以及相关设备

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