CN110779530A - 车辆路径生成方法、装置和存储介质 - Google Patents
车辆路径生成方法、装置和存储介质 Download PDFInfo
- Publication number
- CN110779530A CN110779530A CN201911404867.2A CN201911404867A CN110779530A CN 110779530 A CN110779530 A CN 110779530A CN 201911404867 A CN201911404867 A CN 201911404867A CN 110779530 A CN110779530 A CN 110779530A
- Authority
- CN
- China
- Prior art keywords
- lane
- driving
- segment
- vehicle
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 230000006870 function Effects 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 230000008447 perception Effects 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
-
- 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
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3658—Lane guidance
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车辆路径生成方法、装置和存储介质;本发明实施例先获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,然后,当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。该方案可以有效地提高车辆路径生成的效率。
Description
技术领域
本发明涉及无人驾驶技术领域,具体涉及一种车辆路径生成方法、装置和存储介质。
背景技术
近年来,随着人工智能的发展,车辆的无人驾驶技术得到了广泛关注。车辆路径规划是车辆实现无人驾驶的关键技术之一,无人驾驶车辆的路径规划是指在一定的环境模型基础上,给定无人驾驶车辆起始点和目标点后,按照性能指标规划出一条无碰撞、能安全到达目标点的有效路径。
车辆路径规划主要在建立的环境地图中选择合适的路径搜索算法,快速地搜索可行驶的最佳路径。在规划一条最优路径后,无人驾驶车辆开始按照最优路径行驶,但是当途中因避让需要,无人驾驶车辆偏离最优路径到侧边的车道中,此时需要重新规划路径,浪费计算资源。而且,在无人驾驶背景下,变道是常见的现象,如果在变道后再使用路径搜索算法重新进行车辆路径规划,将浪费大量的计算资源。
发明内容
本发明实施例提供一种车辆路径生成方法、装置和存储介质,可以节约计算资源,提高车辆路径生成的效率。
本发明实施例提供一种车辆路径生成方法,包括:
获取车辆从起始点行驶到目标点的规划行驶路径、以及所述规划行驶路径对应的行驶车道集,所述规划行驶路径包括多个行驶车道段,所述行驶车道集包括所述多个行驶车道段和多个预测的可选车道段;
当所述车辆在行驶过程中驶离规划行驶路径时,判断所述车辆所处的当前车道段是否属于行驶车道集;
若所述车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,所述邻近车道段包括当前车道段的左车道段、右车道段和后继车道段;
根据所述邻近车道段信息生成所述车辆的推荐行驶路径,所述推荐行驶路径用于指示所述车辆从当前车道段行驶回所述规划行驶路径。
相应的,本发明实施例还提供一种车辆路径生成装置,包括:
第一获取单元,用于获取车辆从起始点行驶到目标点的规划行驶路径和所述规划行驶路径对应的行驶车道集,所述规划行驶路径包括多个行驶车道段,所述行驶车道集包括所述多个行驶车道段和多个预测的可选车道段;
判断单元,用于当所述车辆在行驶过程中驶离规划行驶路径时,判断所述车辆所处的当前车道段是否属于行驶车道集;
第二获取单元,用于若所述车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,所述邻近车道段包括当前车道段的左车道段、右车道段和后继车道段;
生成单元,用于根据所述邻近车道段信息生成所述车辆的推荐行驶路径,所述推荐行驶路径用于指示所述车辆从当前车道段行驶回所述规划行驶路径。
可选的,在一些实施例中,所述第二获取单元可以包括获取子单元和计算子单元,如下:
所述获取子单元,用于获取所述当前车道段的左车道段的推荐值和右车道段的推荐值;
所述计算子单元,用于计算所述当前车道段的后继车道段的推荐值;
则所述生成单元,具体用于根据所述左车道段的推荐值、所述右车道段的推荐值和所述后继车道段的推荐值生成所述车辆的推荐行驶路径。
可选的,在一些实施例中,所述获取子单元具体可以用于当所述当前车道段的左车道段在所述行驶车道集时,获取所述左车道段的分数,将所述左车道段的分数作为左车道段的推荐值;当所述当前车道段的左车道段不在所述行驶车道集时,将预设分值作为所述左车道段的推荐值;当所述当前车道段的右车道段在所述行驶车道集时,获取所述右车道段的分数,将所述右车道段的分数作为所述右车道段的推荐值;当所述当前车道段的右车道段不在所述行驶车道集时,将预设分值作为所述右车道段的推荐值。
可选的,在一些实施例中,所述计算子单元具体用于当所述当前车道段的后继车道段在所述行驶车道集时,获取所述后继车道段的分数以及车辆进入所述后继车道段的位置信息,根据所述后继车道段的分数和所述位置信息计算所述后继车道段的推荐值;当所述当前车道段的后继车道段不在所述行驶车道集时,将预设分值作为所述后继车道段的推荐值。
可选的,在一些实施例中,所述车辆路径生成装置还可以包括第一计算单元、第二计算单元和存储单元,如下:
所述第一计算单元,用于计算所述规划行驶路径中每个行驶车道段的分数;
所述第二计算单元,用于计算所述行驶车道集中每个可选车道段的分数;
所述存储单元,用于将所述行驶车道段的分数和所述可选车道段的分数进行保存。
可选的,在一些实施例中,所述第一计算单元,具体用于对所述规划行驶路径进行倒序处理,当所述行驶车道段的后继车道段在所述行驶车道集时,根据所述后继车道段的分数计算所述行驶车道段的分数;当所述行驶车道段的后继车道段不在所述行驶车道集时,获取车辆在所述行驶车道段可行驶的距离以及所述行驶车道段的长度,根据所述距离以及所述行驶车道段的长度计算所述行驶车道段的分数。
可选的,在一些实施例中,所述第二计算单元,具体用于当所述可选车道段的后继车道段在所述行驶车道集时,根据所述后继车道段的分数计算所述可选车道段的分数;当所述可选车道段的后继车道段不在所述行驶车道集时,获取车辆在所述可选车道段可行驶的距离、所述可选车道段的长度和所述可选车道段的参考车道段的分数,根据所述距离、所述可选车道段的长度和所述参考车道段的分数计算所述可选车道段的分数。
可选的,在一些实施例中,所述车辆路径生成装置还可以包括规划单元和建立单元,如下:
所述规划单元,用于获取车辆的起始点与目标点之间的地图信息,根据所述地图信息对车辆的行驶路径进行规划,得到车辆的规划行驶路径;
所述建立单元,用于基于所述规划行驶路径建立所述规划行驶路径对应的行驶车道集。
可选的,在一些实施例中,所述规划单元,具体用于获取车辆的起始点与目标点之间的地图信息,根据所述地图信息从所述起始点到所述目标点和所述目标点到所述起始点两个方向进行逐步搜索;根据所述地图信息,构建所述车辆行驶路径规划的评价函数;根据搜索结果和所述评价函数计算所述车辆的行驶路径,得到车辆的规划行驶路径。
可选的,在一些实施例中,所述地图信息包括多个候选车道段,所述建立单元,具体用于根据所述规划行驶路径从候选车道段中确定属于所述规划行驶路径的车道段,得到所述规划行驶路径对应的多个行驶车道段;计算每个行驶车道段的附近车道段,将满足预设条件的附近车道段作为可选车道段;将所述行驶车道段和所述可选车道段添加到所述规划行驶路径对应的行驶车道集。
可选的,在一些实施例中,所述建立单元,具体用于获取所述行驶车道段的附近车道段,所述附近车道段包括所述行驶车道段的左车道段、右车道段、间接左车道段和间接右车道段;根据车辆行驶的最小变道距离计算可变道到行驶车道段的附近车道段,将所述可变道到行驶车道段的附近车道段作为可选车道段。
可选的,在一些实施例中,所述建立单元还可以具体用于,判断行驶车道集中两个可选车道段之间是否存在车道段;当所述两个可选车道段之间存在车道段时,将存在的车道段作为可选车道段,并添加到所述规划行驶路径对应的行驶车道集。
此外,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行本发明实施例提供的任一种车辆路径生成方法中的步骤。
此外,本发明实施例还提供一种车辆导航设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例提供的任一种车辆路径生成方法中的步骤。
此外,本发明实施例还提供一种无人驾驶车辆,所述无人驾驶车辆包括驱动***、控制***和导航***;所述导航***,用于执行本发明实施例提供的任一种车辆路径生成方法以对车辆进行导航;所述控制***,用于在所述导航***的导航下,对所述驱动***进行控制;所述驱动***,用于在所述控制***的控制下,驱动所述车辆运动。
本发明实施例可以获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段,然后,当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。该方案可以节约计算资源,有效地提高车辆路径生成的效率。
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是本发明实施例提供的车辆路径生成方法的场景示意图;
图1b是本发明实施例提供的车辆路径生成方法的流程图;
图1c是本发明实施例提供的车辆行驶路径示意图;
图2a是本发明实施例提供的车辆路径生成方法的另一流程图;
图2b是本发明实施例提供的车辆的规划行驶路径示意图;
图2c是本发明实施例提供的车辆行驶路径的行驶车道集示意图;
图2d是本发明实施例提供的车辆行驶路径的行驶车道集另一示意图;
图2e是本发明实施例提供的车辆行驶过程驶离规划行驶路径的示意图;
图2f是本发明实施例提供的行驶车道集中车道段的分数示意图;
图3是本发明实施例提供的车辆路径生成装置的结构示意图;
图4是本发明实施例提供的电子设备的结构示意图。
图5是本发明实施例提供的车辆导航设备的结构示意图。
图6是本发明实施例提供的无人驾驶车辆的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种车辆路径生成方法、装置和存储介质。其中,该车辆路径生成装置可以集成在电子设备中,该电子设备可以是服务器,也可以是车载终端(ElectronicControl Unit,ECU)等设备。
例如,参见图1a,以车辆路径生成装置集成在电子设备中为例,首先,该集成了车辆路径生成装置的电子设备获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段,然后,当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。
本申请实施例提供的车辆路径生成方法涉及人工智能领域中的无人驾驶技术。其中,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综合技术,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做出反应的智能机器。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。人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。其中,人工智能软件技术主要包括计算机视觉技术、机器学习/深度学习等方向。
无人驾驶技术是传感器、计算机、人工智能、通信、导航定位、模式识别、机器视觉、智能控制等多门前沿学科的综合体,指的是不需要测试驾驶员执行物理性驾驶操作的情况下,能够对车辆行驶任务进行指导与决策,并代替测试驾驶员的操控行为,使车辆完成安全行驶的功能的技术。按照无人驾驶汽车的职能模块,无人驾驶汽车的关键技术包括环境感知、导航定位、路径规划、决策控制等。本方案主要涉及路径规划,路径规划是无人驾驶汽车信息感知和智能控制的桥梁,是实现自主驾驶的基础。路径规划的任务就是在具有障碍物的环境内按照一定的评价标准,寻找一条从起始状态包括位置和姿态到达目标状态的无碰路径。
由于该方案在车辆行驶过程中驶离规划行驶路径时,可以判断该车辆所处的当前车道段是否属于行驶车道集,当该车辆所处的当前车道段属于行驶车道集,则可以根据当前车道段的邻近车道段信息生成该车辆的推荐行驶路径,而不需要重新进行路径规划,节约计算资源,有效地提高了车辆路径生成的效率。
以下分别进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本实施例将从车辆路径生成装置的角度进行描述,该车辆路径生成装置具体可以集成在电子设备中,该电子设备可以是服务器,也可以是车载终端等设备。
一种车辆路径生成方法,包括:获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段,然后,当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。
如图1b所示,该车辆路径生成方法的具体流程可以如下:
101、获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集。
其中,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段。比如,如图1c所示,起始点为途中Start,目标点为End。途中Start在行驶车道段Lane_B,终点在行驶车道段Lane_D,得到的规划行驶路径为:Lane_B ->Lane_C -> Lane_D。规划行驶路径行驶车道段Lane_B、Lane_C和Lane_D。
例如,具体可以通过车辆路径生成装置对车辆的行驶路径进行规划,也可以通过其他设备对车辆的行驶路径进行规划后发送给车辆路径生成装置,以使车辆路径生成装置可以获取到车辆的规划行驶路径。
其中,规划行驶路径指的是车辆从起始点到目标点之间的最优行驶路径,比如,可以通过计算车辆从起始点到目标点之间的路径,进而筛选得到车辆的最优行驶路径。计算车辆行驶最优路径的方式可以有很多种,比如可以利用A星(A-star)算法、迪杰斯特拉(Dijkstra)算法等等进行计算。行驶车道集指的是根据最优行驶路径计算得到的车辆从起始点到目标点之间所有可行使的车道段,可以包括规划行驶路径的多个行驶车道段,以及能到变道到行驶车道段的多个可选车道段。
其中,A星算法也称A*搜寻算法,A*算法是被广泛应用于路径优化领域。主要是在检查最短路径中每个可能的节点时引入了全局信息,对当前节点距终点的距离做出估计,并作为评价该节点处于最短路线上的可能性的量度。
A*算法在人工智能中是一种典型的启发式搜索算法,启发式搜索是在状态空间中的搜索对每一个搜索的位置进行评估,得到最好的位置,再从这个位置进行搜索直到目标。这样可以省略大量无畏的搜索路径,提高效率。在启发式搜索中,对位置的估价是十分重要的。采用了不同的估价可以有不同的效果,启发中的估价是用估价函数表示的,如:
f(n) = g(n) + h(n)
其中f(n)是节点n的估价函数,g(n)实在状态空间中从初始节点到n节点的实际代价,h(n)是从n到目标节点最佳路径的估计代价。在这里,h(n)体现了搜索的启发信息,g(n)代表了搜索的广度的优先趋势。但是,当h(n)>>g(n)时,可以省略g(n),进而提高效率。启发式搜索其实有很多的算法,比如:局部择优搜索法、最好优先搜索法等等,A*算法是一种最好优先的算法。如果一个估价函数可以找出最短的路径,可以称之为可采纳性。A*算法是一个可采纳的最好优先算法。A*算法的估价函数可表示为:
f'(n) = g'(n) + h'(n)
这里,f'(n)是估价函数,g'(n)是起点到终点的最短路径值,h'(n)是n到目标的最断路经的启发值。由于f'(n)是无法预先知道的,所以用前面的估价函数f(n)做近似。g(n)代替g'(n),但需g(n)>=g'(n)才可以(大多数情况下都是满足的,可以不用考虑),h(n)代替h'(n),但需h(n)<=h'(n)才可以(这一点特别的重要)。因此,可以证明应用这样的估价函数是可以找到最短路径的,也就是可采纳的。
可选的,为了提高车辆路径生成的效率,在“获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集”之前,可以包括:
获取车辆的起始点与目标点之间的地图信息;根据该地图信息对车辆的行驶路径进行规划,得到车辆的规划行驶路径;基于该规划行驶路径建立该规划行驶路径对应的行驶车道集。
其中,根据该地图信息对车辆的行驶路径进行规划,具体可以包括:根据该地图信息从该起始点到该目标点和该目标点到该起始点两个方向进行逐步搜索;根据该地图信息,构建该车辆行驶路径规划的评价函数;根据搜索结果和该评价函数对该车辆的行驶路径进行规划,得到车辆的规划行驶路径。
其中,地图信息指的是地图上所反映出的地理信息,比如,可以包括道路范围、车道线、人行道、红绿灯和停车区等信息,也可以将该地图中的车道划分为多个车道段等车道段划分信息,即该地图信息包括多个候选车道段,则基于该规划行驶路径建立该规划行驶路径对应的行驶车道集,可以包括:
根据该规划行驶路径从候选车道段中确定属于该规划行驶路径的车道段,得到该规划行驶路径对应的多个行驶车道段;计算每个行驶车道段的附近车道段,将满足预设条件的附近车道段作为可选车道段;将该行驶车道段和该可选车道段添加到该规划行驶路径对应的行驶车道集。
其中,计算可选车道段的方式可以有很多种,比如,可以通过在最小变道距离的限制下,从附近车道段出发能够变道到达行驶车道段的方法来计算得到可选车道段,也可以根据实际应用中存在的一些特殊情况来获取可选车道段,等等。即“计算每个行驶车道段的附近车道段,将满足预设条件的附近车道段作为可选车道段”,可以包括:
获取该行驶车道段的附近车道段,该附近车道段包括该行驶车道段的左车道段、右车道段、间接左车道段和间接右车道段;根据车辆行驶的最小变道距离计算可变道到行驶车道段的附近车道段,将该可变道到行驶车道段的附近车道段作为可选车道段。
其中,附近车道段指的是当前车道段左右两侧的车道段以及间接左右两侧的车道段。间接左车道段指的是行驶车道段的左车道段的左左车道段,以及左左车道段的左车道段等等,即行驶车道段的左车道段的左边所有的车道段。间接右车道段指的是行驶车道段的右车道段的右右车道段,以及右右车道段的右车道段等等,即行驶车道段的右车道段的右边所有的车道段。其中,左右指的是车辆由起始点往目标点行驶的左右方向。
为了尽量避免频繁地重新规划路径,可以将在实际情况中车辆也可以行驶的特殊车道段也添加进可选车道段,使车辆获得更多的可选车道段,即“将该行驶车道段和该可选车道段添加到该规划行驶路径对应的行驶车道集”之后,还可以包括:
判断行驶车道集中两个可选车道段之间是否存在车道段;当该两个可选车道段之间存在车道段时,将存在的车道段作为可选车道段,并添加到该规划行驶路径对应的行驶车道集。
102、当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集。
例如,具体可以当车辆在行驶过程中,因避让需要偏离规划行驶路径,变道到旁边的车道段时,可以先判断车辆所处的当前车道段是否属于行驶车道集中的车道段,若当前车道段属于行驶车道集,则执行步骤103,若当前车道段不属于行驶车道集,则重新规划车辆的行驶路径。比如,如图1c所示,Lane_B中有一个障碍物A,车辆在行驶到A之前需要采取措施进行避让,因此,车辆会变道到Lane_A,即驶离规划行驶路径。接着,判断Lane_A是否属于行驶车道集。
103、若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息。
其中,邻近车道段可以包括当前车道段的左车道段、右车道段和后继车道段。例如,当该车辆所处的当前车道段属于行驶车道集时,可以获取该当前车道段的左车道段的推荐值和右车道段的推荐值,计算该当前车道段的后继车道段的推荐值。其中,后继车道段指的是车辆在行驶方向上的下一个行驶车道段。
其中,获取该当前车道段的左车道段的推荐值和右车道段的推荐值的方式可以有很多种,比如,可以当该当前车道段的左车道段在该行驶车道集时,获取该左车道段的分数,将该左车道段的分数作为左车道段的推荐值;当该当前车道段的左车道段不在该行驶车道集时,将预设分值作为该左车道段的推荐值;当该当前车道段的右车道段在该行驶车道集时,获取该右车道段的分数,将该右车道段的分数作为该右车道段的推荐值;当该当前车道段的右车道段不在该行驶车道集时,将预设分值作为该右车道段的推荐值。
其中,计算该当前车道段的后继车道段的推荐值的方式也可以有很多种,比如,可以当该当前车道段的后继车道段在该行驶车道集时,获取该后继车道段的分数以及车辆进入该后继车道段的位置信息,根据该后继车道段的分数和该位置信息计算该后继车道段的推荐值;当该当前车道段的后继车道段不在该行驶车道集时,将预设分值作为该后继车道段的推荐值。
其中,预设分值的设定方式可以有很多种,比如,可以根据实际应用的需求灵活设置,也可以预先设置好存储在电子设备中。此外,预设分值可以内置于电子设备中,或者,也可以保存在存储器中并发送给电子设备,等等。
为了提高计算效率,在获取左车道段的分数、获取右车道段的分数以及获取后继车道段的分数之前,可以先计算行驶车道集中每个车道段的分数,即“获取该当前车道段的左车道段的推荐值和右车道段的推荐值”之前,还可以包括:
计算该规划行驶路径中每个行驶车道段的分数;以及计算该行驶车道集中每个可选车道段的分数;将该行驶车道段的分数和该可选车道段的分数进行保存。
其中,保存的方式可以有很多种,比如,可以将车道段和车道段对应的分数保存在电子设备中,或者,也可以保存在存储器中并发送给电子设备,等等。
其中,计算该规划行驶路径中每个行驶车道段的分数的方式可以有很多种,比如,可以对该规划行驶路径进行倒序处理,当该行驶车道段的后继车道段在该行驶车道集时,根据该后继车道段的分数计算该行驶车道段的分数;当该行驶车道段的后继车道段不在该行驶车道集时,获取车辆在该行驶车道段可行驶的距离以及该行驶车道段的长度,根据该车辆在该行驶车道段可行驶的距离以及该行驶车道段的长度计算该行驶车道段的分数。
其中,计算该行驶车道集中每个可选车道段的分数的方式也可以有很多种,比如,可以当该可选车道段的后继车道段在该行驶车道集时,根据该后继车道段的分数计算该可选车道段的分数;当该可选车道段的后继车道段不在该行驶车道集时,获取车辆在该可选车道段可行驶的距离、该可选车道段的长度和该可选车道段的参考车道段的分数,根据该车辆在该可选车道段可行驶的距离、该可选车道段的长度和该参考车道段的分数计算该可选车道段的分数。其中,参考车道段指的是车辆在扩展可选车道段时参考扩展的车道段,也可以指的是车辆在可选车道段中从左右方向进入规划行驶路径需要经过的车道段。
104、根据该邻近车道段信息生成该车辆的推荐行驶路径。
其中,推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。例如,具体可以根据该左车道段的推荐值、该右车道段的推荐值和该后继车道段的推荐值生成该车辆的推荐行驶路径,以使车辆可以根据该推荐行驶路径行驶回该规划行驶路径。
由上可知,本实施例可以先获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段,然后,当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。由于该方案在车辆行驶过程中驶离规划行驶路径时,可以判断该车辆所处的当前车道段是否属于行驶车道集,当该车辆所处的当前车道段属于行驶车道集,则可以根据当前车道段的邻近车道段信息生成该车辆的推荐行驶路径,而不需要重新进行路径规划,节约计算资源,有效地提高了车辆路径生成的效率。
根据上一个实施例所描述的方法,以下将举例作进一步详细说明。
在本实施例中,将以该车辆路径生成装置具体集成在电子设备中为例进行说明。
如图2a所示,一种车辆路径生成方法,具体流程可以如下:
201、电子设备获取车辆的起始点与目标点之间的地图信息,根据该地图信息对车辆的行驶路径进行规划,得到车辆的规划行驶路径。
其中,地图信息指的是地图上所反映出的地理信息,比如,可以包括道路范围、车道线、人行道、红绿灯和停车区等信息,也可以将该地图中的车道划分为多个车道段等车道段划分信息,即该地图信息包括多个候选车道段。比如,如图2b所示,可以将获取到的车道划分为Lane_01至Lane_33车道段。
例如,电子设备具体可以获取车辆的起始点与目标点之间的地图信息,根据该地图信息使用A星算法计算从起始点到目标点的最优行驶路径,得到车辆的规划行驶路径。其中,在使用A-star算法过程中,估价方法可以使用的是欧几里得距离,同时给变道转弯、掉头等动作赋予适当的估价权重,以使A-star算法搜寻到最佳的最短路径。比如,如图2b所示,使用A-star规划到的最优路径为规划行驶路径: { Lane_03 -> Lane_06 -> Lane_16-> Lane_19 -> Lane_31 -> Lane_24 -> Lane_27 -> Lane_28 }
202、电子设备基于该规划行驶路径建立该规划行驶路径对应的行驶车道集。
例如,电子设备具体可以根据该规划行驶路径从候选车道段中确定属于该规划行驶路径的车道段,得到该规划行驶路径对应的多个行驶车道段,比如,如图2b所示,多个行驶车道段可以为:Lane_03、Lane_06、Lane_16、Lane_19、Lane_31、Lane_24、Lane_27和Lane_28。计算每个行驶车道段的附近车道段,将满足预设条件的附近车道段作为可选车道段;将该行驶车道段和该可选车道段添加到该规划行驶路径对应的行驶车道集。
例如,可以通过在最小变道距离的限制下,从附近车道段出发能够变道到达行驶车道段的方法来计算得到可选车道段,比如,获取该行驶车道段的附近车道段,该附近车道段包括该行驶车道段的左车道段、右车道段、间接左车道段和间接右车道段,根据车辆行驶的最小变道距离计算可变道到行驶车道段的附近车道段,将该可变道到行驶车道段的附近车道段作为可选车道段。比如,如图2c所示,根据该规划行驶路径计算得到的可选车道段可以包括:Lane_01、Lane_02、Lane_22、Lane_23以及Lane_32。
其中,附近车道段指的是当前车道段左右两侧的车道段以及间接左右两侧的车道段。间接左车道段指的是行驶车道段的左车道段的左左车道段,以及左左车道段的左车道段等等,即行驶车道段的左车道段的左边所有的车道段。间接右车道段指的是行驶车道段的右车道段的右右车道段,以及右右车道段的右车道段等等,即行驶车道段的右车道段的右边所有的车道段。其中,左右指的是车辆由起始点往目标点行驶的左右方向。比如,Lane_03的左车道段为Lane_02,间接左车道段为Lane_01。
为了尽量避免频繁地重新规划路径,可以将在实际情况中车辆也可以行驶的特殊车道段也添加进可选车道段,使车辆获得更多的可选车道段,比如,判断行驶车道集中两个可选车道段之间是否存在车道段;当该两个可选车道段之间存在车道段时,将存在的车道段作为可选车道段,并添加到该规划行驶路径对应的行驶车道集。比如,如图2d所示,两个可选车道段Lane_23和Lane_32之间的车道段Lane_26,也是可行驶的车道段,需要加入到行驶车道集(Segments)中:即夹在两条可选车道之间的车道,也应该加入到行驶车道集中。
为了提高计算效率,在获取到行驶车道集后,可以先计算行驶车道集中每个车道段的分数,例如,具体可以计算该规划行驶路径中每个行驶车道段的分数;以及计算该行驶车道集中每个可选车道段的分数;将该行驶车道段的分数和该可选车道段的分数进行保存。
其中,保存的方式可以有很多种,比如,可以将车道段和车道段对应的分数保存在电子设备中,或者,也可以保存在存储器中并发送给电子设备,等等。
其中,计算行驶车道集中每个车道段的分数的方式可以有很多种,比如,可以对该规划行驶路径进行倒序处理,当该行驶车道段的后继车道段在该行驶车道集时,根据该后继车道段的分数计算该行驶车道段的分数;当该行驶车道段的后继车道段不在该行驶车道集时,获取车辆在该行驶车道段可行驶的距离以及该行驶车道段的长度,根据该车辆在该行驶车道段可行驶的距离以及该行驶车道段的长度计算该行驶车道段的分数。
比如, Lane_27的后继车道段Lane_28在该行驶车道集,则Lane_27的分数可以根据Lane_28的分数计算得到,则Lane_27的分数可以为:
score=后继车道段的分数(SuccessorLaneSegment.score)+ 1
比如, Lane_28不存在后继车道段(或者后继车道段不在该行驶车道集),则Lane_28的分数可以根据车辆在Lane_28可行驶的距离以及Lane_28的长度计算得到,则Lane_28的分数可以为:
score= s_end / Length of Lane
其中,s_end为车辆在该车道段Lane_28上可行驶的距离。
其中,处理行驶车道段的部分代码可以如下:
Input: BestPath
Output: Segments
Init: level = 0, s_end = Length of Goal Lane, Segments = {}
For (Lane : Reversed(BestPath)) {
SuccessorLaneSegment = GetSuccessorLane(Lane) // 若存在后继车道段在Segments中,则返回对应值
If LaneSegment in Segments {continue}
If SuccessorLaneSegment { // Case 1
LaneSegment = {drivable_dist: SuccessorLaneSegment .drivable_dist + s_end,
score: SuccessorLaneSegment.score + 1 // 如果存在后继车道段,且后继车道段在Segments中,分数为后继车道段得分加一
s_end: s_end,
level: level}
} Else { // Case 2
LaneSegment = {drivable_dist: s_end,
score: s_end / Length of Lane, // 如果不存在后继车道(或后继车道段不在该行驶车道集),则分数等于终点距离占车道段长度的比例
s_end: s_end,
level: level}
}
Put LaneSegment In Segments
其中,id为车道段的唯一标志符,level为车道段在路径规划算法中的等级,s_end为在该车道段上可行驶的终点的长度(即终点距离),drivable_dist为从该车道段出发到该车道段终点可行驶的路程长度,Length of Lane为车道段长度,score为车道段在路径规划算法中的分数,用于后续的导航计算。
比如,可以当该可选车道段的后继车道段在该行驶车道集时,根据该后继车道段的分数计算该可选车道段的分数;当该可选车道段的后继车道段不在该行驶车道集时,获取车辆在该可选车道段可行驶的距离、该可选车道段的长度和该可选车道段的参考车道段的分数,根据该车辆在该可选车道段可行驶的距离、该可选车道段的长度和该参考车道段的分数计算该可选车道段的分数。其中,参考车道段指的是车辆在扩展可选车道段时参考扩展的车道段,也可以指的是车辆在可选车道段中从左右方向进入规划行驶路径需要经过的车道段。
比如, Lane_26的后继车道段Lane_32在该行驶车道集,则Lane_26的分数可以根据Lane_32的分数计算得到,则Lane_26的分数可以为:
score=后继车道段的分数(SuccessorLaneSegment.score)+ 1
比如,Lane_02的后继车道段Lane_05不在该行驶车道集,则Lane_02的分数可以根据车辆在Lane_02可行驶的距离、Lane_02的长度以及Lane_03的分数计算得到,则Lane_02的分数可以为:
score= s_end / Length of Lane* NeighborLaneSegment.score
其中,s_end为车辆在该车道段上可行驶的距离,比如车辆在Lane_02上可行驶的距离,Length of Lane为车道段长度,比如Lane_02的长度,NeighborLaneSegment.score为参考车道段的分数,比如Lane_03的分数。
其中,处理可选车道段的部分代码可以如下:
Input: CurrentLane, NeighborLaneSegment
Output: Segments
If CurrentLaneSegemnt in Segments {continue} // 如果当前车道段已经加入到行驶车道集中,则无需处理
SuccessorLaneSegment = GetSuccessorLane(CurrentLaneSegemnt )
If SuccessorLaneSegment { // Case 1:即无需变道也可以到达规划行驶路径
s_end = Length of Lane,
CurrentLaneSegemnt = {
drivable_dist: SuccessorLaneSegment .drivable_dist + s_end,
score: SuccessorLaneSegment.score + 1 // 如果存在后继车道段,且后继车道段在Segments中,分数为后继车道段的分数+1
s_end: s_end,
evel: level}
} Else { // Case 2:需要通过变道才可以到达规划行驶路径
cur_dirvable_dist = MIN(Length of Lane, Neighbor Lane)
s_end = cur_dirvable_dist - ChangeLaneMinDist
CurrentLaneSegemnt = {
drivable_dist: NeighborLaneSegment.drivable_dist -ChangeLaneMinDist
score: s_end / Length of Lane * NeighborLaneSegment.score
s_end: s_end,
evel: level}
}
If s_end > 0 { // 判断从当前车道段是否可以变道到达规划行驶路径,即要求s_end需要大于0
Put CurrentLaneSegemnt In Segments
ExpandNeighborLanes(NegighborLane of Lane, CurrentLaneSegemnt)
}
return
比如,根据以上计算方法计算得到行驶车道集中各车道段的分数可以如图2f所示,Lane_01的分数为6.399,Lane_02的分数为7.11,Lane_03的分数为7.9,Lane_06的分数为6.9,Lane_16的分数为5.9,Lane_19的分数为4.9,Lane_31的分数为3.9,Lane_22的分数为2.349,Lane_23的分数为2.61,Lane_24的分数为2.9,Lane_26的分数为1.81,Lane_27的分数为1.9,Lane_28的分数为0.9以及Lane_32的分数为0.81,等等。
203、电子设备获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集。
其中,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段。比如,如图2d所示,行驶车道集可以包括Lane_01、Lane_02、Lane_03、Lane_06、Lane_16、Lane_19、Lane_31、Lane_22、 Lane_23、Lane_24、Lane_26、Lane_27、Lane_28以及Lane_32等车道段。
204、当该车辆在行驶过程中驶离规划行驶路径时,电子设备判断该车辆所处的当前车道段是否属于行驶车道集。
例如,具体可以当车辆在行驶过程中,因避让需要偏离规划行驶路径,变道到旁边的车道段时,可以先判断车辆所处的当前车道段是否属于行驶车道集中的车道段,若当前车道段属于行驶车道集,则执行步骤205,若当前车道段不属于行驶车道集,则重新规划车辆的行驶路径。比如,如图2e所示,Lane_03中有一个障碍物A,车辆在行驶到A之前需要采取措施进行避让,因此,车辆变道到Lane_02,即驶离规划行驶路径。接着,判断Lane_02是否属于行驶车道集。
205、若该车辆所处的当前车道段属于行驶车道集,则电子设备获取当前车道段的邻近车道段信息。
其中,邻近车道段可以包括当前车道段的左车道段、右车道段和后继车道段。例如,当该车辆所处的当前车道段Lane_02属于行驶车道集时,可以获取Lane_02的左车道段Lane_01的推荐值、和Lane_02的右车道段Lane_03的推荐值,以及计算Lane_02的后继车道段Lane_05的推荐值。
比如,可以当该当前车道段的左车道段在该行驶车道集时,获取该左车道段的分数,将该左车道段的分数作为左车道段的推荐值;当该当前车道段的左车道段不在该行驶车道集时,将预设分值作为该左车道段的推荐值;当该当前车道段的右车道段在该行驶车道集时,获取该右车道段的分数,将该右车道段的分数作为该右车道段的推荐值;当该当前车道段的右车道段不在该行驶车道集时,将预设分值作为该右车道段的推荐值。比如,计算左右车道段的推荐值可以为:
Score = LaneSegment.score
即:左右车道的推荐值为该车道对应车道段(LaneSegment)的分数。
如果左右车道段不在行驶车道集中,则设置对应左右车道段的推荐值为0。
由于后继车道段的分数一般比当前车道段的分数低一个比率(rate),因此需要将后继车道段的推荐值规划到当前车道段的同一个等级(level)计算得分,再与左右车道段比较推荐值。其中,s为进入该后继车道段时的s坐标。
比如,可以当该当前车道段的后继车道段在该行驶车道集时,获取该后继车道段的分数以及车辆进入该后继车道段的位置信息,根据该后继车道段的分数和该位置信息计算该后继车道段的推荐值;当该当前车道段的后继车道段不在该行驶车道集时,将预设分值作为该后继车道段的推荐值。比如,计算后继车道段的推荐值可以为:
Rate = (Length of Lane - s) / Length of Lane
Score = LaneSegment.score + Rate
其中,Length of Lane为后继车道段的长度。
如果后继车道段不在行驶车道集中,则设置对应后继车道段的推荐值为0。
比如,根据上述方法得到Lane_02的左车道段Lane_01的推荐值为6.399、右车道段Lane_03的推荐值为7.9、和后继车道段Lane_05的推荐值为0。
又比如,当车辆行驶到Lane_24时,因行驶需要,变道到Lane_23,此时,根据上述方法可以得到Lane_23的左车道段Lane_22的推荐值为2.349、右车道段Lane_24的推荐值为2.9,而后继车道段Lane_26的推荐值的计算可以如下:
因为车辆从可选车道段Lane_23进入后继车道段Lane_26的位置为Lane_26的初始位置,则后继车道段Lane_26的位置信息为0(即s = 0),此时,
Rate = (Length of Lane - s) / Length of Lane
= (Length of Lane - 0) / Length of Lane = 1
Score = LaneSegment.score + Rate = 1.81+1= 2.81
也就是后继车道段Lane_26的推荐值为2.81。
206、电子设备根据该邻近车道段信息生成该车辆的推荐行驶路径。
其中,推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。例如,具体可以根据该左车道段的推荐值、该右车道段的推荐值和该后继车道段的推荐值生成该车辆的推荐行驶路径,以使车辆可以根据该推荐行驶路径行驶回该规划行驶路径。比如,根据计算得到Lane_02的左车道段Lane_01的推荐值为6.399、右车道段Lane_03的推荐值为7.9、和后继车道段Lane_05的推荐值为0,可以得到该车辆的下一步推荐行驶路径为右车道段Lane_03。
比如,当车辆在Lane_23行驶时,根据计算得到Lane_23的左车道段Lane_22的推荐值为2.349、右车道段Lane_24的推荐值为2.9、和后继车道段Lane_26的推荐值为2.81,可以得到该车辆的下一步推荐行驶路径为右车道段Lane_23。
假设A-star算法的近似复杂度为O(C * log(L)),其中C为车道连接点的总数,L表示车道的总数。在首次计算路径时,本方案的时间复杂度和A-star相近,但无人车变道后,偏离规划行驶路径,且在行驶车道集时,A-star算法需要重新规划,但是本方案无需重新规划,只需计算邻近车道段的推荐值得分即可,此时时间复杂度为O(K),K表示当前车道段的周边车道段(比如,左车道段、右车道段和后继车道段等)的总数,两者的时间复杂度相差巨大,可大大地提高计算效率。
由上可知,本实施例可以先获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段,然后,当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。由于该方案在车辆行驶过程中驶离规划行驶路径时,可以判断该车辆所处的当前车道段是否属于行驶车道集,当该车辆所处的当前车道段属于行驶车道集,则可以根据当前车道段的邻近车道段信息生成该车辆的推荐行驶路径,而不需要重新进行路径规划,节约计算资源,有效地提高了车辆路径生成的效率。
为了更好地实施以上方法,相应的,本发明实施例还提供一种车辆路径生成装置,该车辆路径生成装置具体可以集成在电子设备中,该电子设备可以是服务器,也可以是终端等设备。
例如,如图3所示,该车辆路径生成装置可以包括第一获取单元301、判断单元302、第二获取单元303和生成单元304,如下:
(1)获取单元301;
获取单元301,用于获取车辆从起始点行驶到目标点的规划行驶路径和该规划行驶路径对应的行驶车道集。
其中,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段。例如,具体可以通过获取单元301对车辆的行驶路径进行规划,也可以通过其他设备对车辆的行驶路径进行规划后发送给获取单元301,以使获取单元301可以获取到车辆的规划行驶路径。
可选的,在一些实施例中,该车辆路径生成装置还可以包括规划单元和建立单元,如下:
该规划单元,用于获取车辆的起始点与目标点之间的地图信息,根据该地图信息对车辆的行驶路径进行规划,得到车辆的规划行驶路径;
该建立单元,用于基于该规划行驶路径建立该规划行驶路径对应的行驶车道集。
可选的,在一些实施例中,该规划单元,具体用于获取车辆的起始点与目标点之间的地图信息,根据该地图信息从该起始点到该目标点和该目标点到该起始点两个方向进行逐步搜索;根据该地图信息,构建该车辆行驶路径规划的评价函数;根据搜索结果和该评价函数计算该车辆的行驶路径,得到车辆的规划行驶路径。
可选的,在一些实施例中,该地图信息包括多个候选车道段,该建立单元,具体用于根据该规划行驶路径从候选车道段中确定属于该规划行驶路径的车道段,得到该规划行驶路径对应的多个行驶车道段;计算每个行驶车道段的附近车道段,将满足预设条件的附近车道段作为可选车道段;将该行驶车道段和该可选车道段添加到该规划行驶路径对应的行驶车道集。
可选的,在一些实施例中,该建立单元,具体用于获取该行驶车道段的附近车道段,该附近车道段包括该行驶车道段的左车道段、右车道段、间接左车道段和间接右车道段;根据车辆行驶的最小变道距离计算可变道到行驶车道段的附近车道段,将该可变道到行驶车道段的附近车道段作为可选车道段。
可选的,在一些实施例中,该建立单元还可以具体用于,判断行驶车道集中两个可选车道段之间是否存在车道段;当该两个可选车道段之间存在车道段时,将存在的车道段作为可选车道段,并添加到该规划行驶路径对应的行驶车道集。
(2)判断单元302;
判断单元302,用于当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集。
例如,判断单元302具体可以当车辆在行驶过程中,因避让需要偏离规划行驶路径,变道到旁边的车道段时,可以先判断车辆所处的当前车道段是否属于行驶车道集中的车道段,若当前车道段属于行驶车道集,则执行第二获取单元303的操作,若当前车道段不属于行驶车道集,则重新规划车辆的行驶路径。
(3)第二获取单元303;
第二获取单元303,用于若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息。
其中,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段。
可选的,在一些实施例中,该第二获取单元可以包括获取子单元和计算子单元,如下:
该获取子单元,用于获取该当前车道段的左车道段的推荐值和右车道段的推荐值;
该计算子单元,用于计算该当前车道段的后继车道段的推荐值;
则该生成单元,具体可以用于根据该左车道段的推荐值、该右车道段的推荐值和该后继车道段的推荐值生成该车辆的推荐行驶路径。
可选的,在一些实施例中,该获取子单元具体可以用于当该当前车道段的左车道段在该行驶车道集时,获取该左车道段的分数,将该左车道段的分数作为左车道段的推荐值;当该当前车道段的左车道段不在该行驶车道集时,将预设分值作为该左车道段的推荐值;当该当前车道段的右车道段在该行驶车道集时,获取该右车道段的分数,将该右车道段的分数作为该右车道段的推荐值;当该当前车道段的右车道段不在该行驶车道集时,将预设分值作为该右车道段的推荐值。
其中,预设分值的设定方式可以有很多种,比如,可以根据实际应用的需求灵活设置,也可以预先设置好存储在电子设备中。此外,预设分值可以内置于电子设备中,或者,也可以保存在存储器中并发送给电子设备,等等。
可选的,在一些实施例中,该计算子单元,具体可以用于当该当前车道段的后继车道段在该行驶车道集时,获取该后继车道段的分数以及车辆进入该后继车道段的位置信息,根据该后继车道段的分数和该位置信息计算该后继车道段的推荐值;当该当前车道段的后继车道段不在该行驶车道集时,将预设分值作为该后继车道段的推荐值。
可选的,在一些实施例中,该车辆路径生成装置还可以包括第一计算单元、第二计算单元和存储单元,如下:
该第一计算单元,用于计算该规划行驶路径中每个行驶车道段的分数;
该第二计算单元,用于计算该行驶车道集中每个可选车道段的分数;
该存储单元,用于将该行驶车道段的分数和该可选车道段的分数进行保存。
其中,保存的方式可以有很多种,比如,可以将车道段和车道段对应的分数保存在电子设备中,或者,也可以保存在存储器中并发送给电子设备,等等。
可选的,在一些实施例中,该第一计算单元,具体可以用于对该规划行驶路径进行倒序处理,当该行驶车道段的后继车道段在该行驶车道集时,根据该后继车道段的分数计算该行驶车道段的分数;当该行驶车道段的后继车道段不在该行驶车道集时,获取车辆在该行驶车道段可行驶的距离以及该行驶车道段的长度,根据该距离以及该行驶车道段的长度计算该行驶车道段的分数。
可选的,在一些实施例中,该第二计算单元,具体可以用于当该可选车道段的后继车道段在该行驶车道集时,根据该后继车道段的分数计算该可选车道段的分数;当该可选车道段的后继车道段不在该行驶车道集时,获取车辆在该可选车道段可行驶的距离、该可选车道段的长度和该可选车道段的参考车道段的分数,根据该距离、该可选车道段的长度和该参考车道段的分数计算该可选车道段的分数。
(4)生成单元304;
生成单元304,用于根据该邻近车道段信息生成该车辆的推荐行驶路径。
其中,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。例如,生成单元304具体可以根据该左车道段的推荐值、该右车道段的推荐值和该后继车道段的推荐值生成该车辆的推荐行驶路径,以使车辆可以根据该推荐行驶路径行驶回该规划行驶路径。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
由上可知,本实施例可以由第一获取单元301获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段,然后,当该车辆在行驶过程中驶离规划行驶路径时,由判断单元302判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则由第二获取单元303获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,由生成单元304根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。由于该方案在车辆行驶过程中驶离规划行驶路径时,可以判断该车辆所处的当前车道段是否属于行驶车道集,当该车辆所处的当前车道段属于行驶车道集,则可以根据当前车道段的邻近车道段信息生成该车辆的推荐行驶路径,而不需要重新进行路径规划,节约计算资源,有效地提高了车辆路径生成的效率。
此外,本发明实施例还提供一种电子设备,如图4所示,其示出了本发明实施例所涉及的电子设备的结构示意图,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图4中示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器401是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
电子设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理***与处理器401逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元404,该输入单元404可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,电子设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器401会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段,然后,当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本实施例可以先获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段,然后,当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。由于该方案在车辆行驶过程中驶离规划行驶路径时,可以判断所述车辆所处的当前车道段是否属于行驶车道集,当所述车辆所处的当前车道段属于行驶车道集,则可以根据当前车道段的邻近车道段信息生成所述车辆的推荐行驶路径,而不需要重新进行路径规划,节约计算资源,有效地提高了车辆路径生成的效率。
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可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例还提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的任一种车辆路径生成方法中的步骤。例如,该指令可以执行如下步骤:
获取车辆从起始点行驶到目标点的规划行驶路径、以及该规划行驶路径对应的行驶车道集,该规划行驶路径包括多个行驶车道段,该行驶车道集包括该多个行驶车道段和多个预测的可选车道段,然后,当该车辆在行驶过程中驶离规划行驶路径时,判断该车辆所处的当前车道段是否属于行驶车道集,若该车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,该邻近车道段包括当前车道段的左车道段、右车道段和后继车道段,接着,根据该邻近车道段信息生成该车辆的推荐行驶路径,该推荐行驶路径用于指示该车辆从当前车道段行驶回该规划行驶路径。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本发明实施例所提供的任一种车辆路径生成方法中的步骤,因此,可以实现本发明实施例所提供的任一种车辆路径生成方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
本发明实施例还提供一种车辆导航设备,如图5所示,其示出了本发明实施例所涉及的车辆导航设备的结构示意图,具体来讲:
该车辆导航设备可以包括定位装置501、地图生成装置502和导航装置503,本领域技术人员可以理解,图5中示出的车辆导航设备结构并不构成对车辆导航设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
定位装置501为车辆导航设备提供使用该车辆导航设备的车辆的实时位置信息。
地图生成装置502为车辆导航设备提供车辆所在道路的三维地图信息,结合车辆的实时的位置信息,获取使用该车辆导航设备的车辆在三维地图中的位置信息和当前路况信息。
导航装置503可以根据车辆输入的目的地,根据车辆的实时位置信息和生成三维地图,为车辆做路径规划,并根据路径规划信息生成相应的控制指令,根据控制指令控制无人驾驶车辆根据规划的路径到达设定的目的地。
本发明实施例还提供一种无人驾驶车辆,如图6所示,其示出了本发明实施例所涉及的无人驾驶车辆的结构示意图,具体来讲:
该无人驾驶车辆可以包括驱动***601、控制***602和导航***503,本领域技术人员可以理解,图6中示出的电子设备结构并不构成对无人驾驶车辆的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
驱动***601是无人驾驶车辆的动力源,驱动***可以为无人驾驶车辆提取驱动力,实现无人驾驶车辆的前进、后退和停止等驱动功能。驱动***可以包括发动机、传动装置和车轮等。
控制***602是无人驾驶车辆的控制核心,控制***可以控制无人驾驶车辆的启动、停止、转向,还能根据外部环境的变化实时的控制无人驾驶车辆按照规划路径行驶。控制***可以包括无人驾驶车辆控制装置。
导航***603可以根据车辆的目的地信息,对车辆行驶进行路径规划,根据规划的路径,生成该路径的控制指令,将该控制指令输入至控制***502,基于控制***502驱动驱动***501,使得无人驾驶车辆按照规划的路径到达目的地。
以上对本发明实施例所提供的一种车辆路径生成方法、装置和存储介质进行了详细介绍,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,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (16)
1.一种车辆路径生成方法,其特征在于,包括:
获取车辆从起始点行驶到目标点的规划行驶路径、以及所述规划行驶路径对应的行驶车道集,所述规划行驶路径包括多个行驶车道段,所述行驶车道集包括所述多个行驶车道段和多个预测的可选车道段;
当所述车辆在行驶过程中驶离规划行驶路径时,判断所述车辆所处的当前车道段是否属于行驶车道集;
若所述车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,所述邻近车道段包括当前车道段的左车道段、右车道段和后继车道段;
根据所述邻近车道段信息生成所述车辆的推荐行驶路径,所述推荐行驶路径用于指示所述车辆从当前车道段行驶回所述规划行驶路径。
2.根据权利要求1所述的方法,其特征在于,所述获取当前车道段的邻近车道段信息,包括:
获取所述当前车道段的左车道段的推荐值和右车道段的推荐值;
计算所述当前车道段的后继车道段的推荐值;
所述根据所述邻近车道段信息生成所述车辆的推荐行驶路径,包括:根据所述左车道段的推荐值、所述右车道段的推荐值和所述后继车道段的推荐值生成所述车辆的推荐行驶路径。
3.根据权利要求2所述的方法,其特征在于,所述获取所述当前车道段的左车道段的推荐值和右车道段的推荐值,包括:
当所述当前车道段的左车道段在所述行驶车道集时,获取所述左车道段的分数,将所述左车道段的分数作为左车道段的推荐值;
当所述当前车道段的左车道段不在所述行驶车道集时,将预设分值作为所述左车道段的推荐值;
当所述当前车道段的右车道段在所述行驶车道集时,获取所述右车道段的分数,将所述右车道段的分数作为所述右车道段的推荐值;
当所述当前车道段的右车道段不在所述行驶车道集时,将预设分值作为所述右车道段的推荐值。
4.根据权利要求2所述的方法,其特征在于,所述计算所述当前车道段的后继车道段的推荐值,包括:
当所述当前车道段的后继车道段在所述行驶车道集时,获取所述后继车道段的分数以及车辆进入所述后继车道段的位置信息,根据所述后继车道段的分数和所述位置信息计算所述后继车道段的推荐值;
当所述当前车道段的后继车道段不在所述行驶车道集时,将预设分值作为所述后继车道段的推荐值。
5.根据权利要求3或4所述的方法,其特征在于,所述获取所述当前车道段的左车道段的推荐值和右车道段的推荐值之前,还包括:
计算所述规划行驶路径中每个行驶车道段的分数;以及
计算所述行驶车道集中每个可选车道段的分数;
将所述行驶车道段的分数和所述可选车道段的分数进行保存。
6.根据权利要求5所述的方法,其特征在于,所述计算所述规划行驶路径中每个行驶车道段的分数,包括:
对所述规划行驶路径进行倒序处理,当所述行驶车道段的后继车道段在所述行驶车道集时,根据所述后继车道段的分数计算所述行驶车道段的分数;
当所述行驶车道段的后继车道段不在所述行驶车道集时,获取车辆在所述行驶车道段可行驶的距离以及所述行驶车道段的长度,根据所述距离以及所述行驶车道段的长度计算所述行驶车道段的分数。
7.根据权利要求5所述的方法,其特征在于,所述计算所述行驶车道集中每个可选车道段的分数,包括:
当所述可选车道段的后继车道段在所述行驶车道集时,根据所述后继车道段的分数计算所述可选车道段的分数;
当所述可选车道段的后继车道段不在所述行驶车道集时,获取车辆在所述可选车道段可行驶的距离、所述可选车道段的长度和所述可选车道段的参考车道段的分数,根据所述距离、所述可选车道段的长度和所述参考车道段的分数计算所述可选车道段的分数。
8.根据权利要求1所述的方法,其特征在于,所述获取车辆从起始点行驶到目标点的规划行驶路径、以及所述规划行驶路径对应的行驶车道集之前,还包括:
获取车辆的起始点与目标点之间的地图信息;
根据所述地图信息对车辆的行驶路径进行规划,得到车辆的规划行驶路径;
基于所述规划行驶路径建立所述规划行驶路径对应的行驶车道集。
9.根据权利要求8所述的方法,其特征在于,所述根据所述地图信息对车辆的行驶路径进行规划,得到车辆的规划行驶路径,包括:
根据所述地图信息从所述起始点到所述目标点和所述目标点到所述起始点两个方向进行逐步搜索;
根据所述地图信息,构建所述车辆行驶路径规划的评价函数;
根据搜索结果和所述评价函数对所述车辆的行驶路径进行规划,得到车辆的规划行驶路径。
10.根据权利要求8所述的方法,其特征在于,所述地图信息包括多个候选车道段,所述基于所述规划行驶路径建立所述规划行驶路径对应的行驶车道集,包括:
根据所述规划行驶路径从候选车道段中确定属于所述规划行驶路径的车道段,得到所述规划行驶路径对应的多个行驶车道段;
计算每个行驶车道段的附近车道段,将满足预设条件的附近车道段作为可选车道段;
将所述行驶车道段和所述可选车道段添加到所述规划行驶路径对应的行驶车道集。
11.根据权利要求10所述的方法,其特征在于,所述计算每个行驶车道段的附近车道段,将满足预设条件的附近车道段作为可选车道段,包括:
获取所述行驶车道段的附近车道段,所述附近车道段包括所述行驶车道段的左车道段、右车道段、间接左车道段和间接右车道段;
根据车辆行驶的最小变道距离计算可变道到行驶车道段的附近车道段,将所述可变道到行驶车道段的附近车道段作为可选车道段。
12.根据权利要求10所述的方法,其特征在于,所述将所述行驶车道段和所述可选车道段添加到所述规划行驶路径对应的行驶车道集之后,还包括:
判断行驶车道集中两个可选车道段之间是否存在车道段;
当所述两个可选车道段之间存在车道段时,将存在的车道段作为可选车道段,并添加到所述规划行驶路径对应的行驶车道集。
13.一种车辆路径生成装置,其特征在于,包括:
第一获取单元,用于获取车辆从起始点行驶到目标点的规划行驶路径和所述规划行驶路径对应的行驶车道集,所述规划行驶路径包括多个行驶车道段,所述行驶车道集包括所述多个行驶车道段和多个预测的可选车道段;
判断单元,用于当所述车辆在行驶过程中驶离规划行驶路径时,判断所述车辆所处的当前车道段是否属于行驶车道集;
第二获取单元,用于若所述车辆所处的当前车道段属于行驶车道集,则获取当前车道段的邻近车道段信息,所述邻近车道段包括当前车道段的左车道段、右车道段和后继车道段;
生成单元,用于根据所述邻近车道段信息生成所述车辆的推荐行驶路径,所述推荐行驶路径用于指示所述车辆从当前车道段行驶回所述规划行驶路径。
14.一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多条指令,所述指令适于处理器进行加载,以执行权利要求1至12任一项所述的车辆路径生成方法中的步骤。
15.一种车辆导航设备,其特征在于,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至12任一项所述车辆路径生成方法的步骤。
16.一种无人驾驶车辆,其特征在于,所述无人驾驶车辆包括驱动***、控制***和导航***;
所述导航***,用于执行权利要求1至12任一项所述的车辆路径生成方法以对车辆进行导航;
所述控制***,用于在所述导航***的导航下,对所述驱动***进行控制;
所述驱动***,用于在所述控制***的控制下,驱动所述车辆运动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911404867.2A CN110779530B (zh) | 2019-12-30 | 2019-12-30 | 车辆路径生成方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911404867.2A CN110779530B (zh) | 2019-12-30 | 2019-12-30 | 车辆路径生成方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110779530A true CN110779530A (zh) | 2020-02-11 |
CN110779530B CN110779530B (zh) | 2020-04-07 |
Family
ID=69394742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911404867.2A Active CN110779530B (zh) | 2019-12-30 | 2019-12-30 | 车辆路径生成方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110779530B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111526483A (zh) * | 2020-04-29 | 2020-08-11 | 江铃汽车股份有限公司 | 一种避让控制方法、装置、存储介质、车辆及*** |
CN111693050A (zh) * | 2020-05-25 | 2020-09-22 | 电子科技大学 | 基于建筑信息模型的室内中大型机器人导航方法 |
CN112747762A (zh) * | 2020-12-28 | 2021-05-04 | 深兰人工智能(深圳)有限公司 | 局部可行驶路径规划方法、装置、电子设备及存储介质 |
CN113264065A (zh) * | 2021-05-13 | 2021-08-17 | 京东鲲鹏(江苏)科技有限公司 | 一种车辆换道方法、装置、设备及存储介质 |
CN115061479A (zh) * | 2022-08-03 | 2022-09-16 | 国汽智控(北京)科技有限公司 | 车道关系确定方法、装置、电子设备及存储介质 |
WO2023232118A1 (zh) * | 2022-06-01 | 2023-12-07 | 驭势(上海)汽车科技有限公司 | 一种车道级导航规划方法、装置、设备、介质及车辆 |
WO2023232119A1 (zh) * | 2022-06-01 | 2023-12-07 | 驭势(上海)汽车科技有限公司 | 一种车辆控制方法、装置、设备、介质及车辆 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103935361A (zh) * | 2013-01-21 | 2014-07-23 | 通用汽车环球科技运作有限责任公司 | 用于自主的车道变换、经过和超越行为的有效数据流算法 |
US20180178801A1 (en) * | 2016-12-26 | 2018-06-28 | Toyota Jidosha Kabushiki Kaisha | Autonomous driving system |
KR20180105592A (ko) * | 2017-03-15 | 2018-09-28 | 한양대학교 산학협력단 | 차로 변경이 가능한 공간 선정 시스템 및 그 방법 |
CN109612496A (zh) * | 2019-02-20 | 2019-04-12 | 百度在线网络技术(北京)有限公司 | 一种路径规划方法、装置及车辆 |
-
2019
- 2019-12-30 CN CN201911404867.2A patent/CN110779530B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103935361A (zh) * | 2013-01-21 | 2014-07-23 | 通用汽车环球科技运作有限责任公司 | 用于自主的车道变换、经过和超越行为的有效数据流算法 |
US20180178801A1 (en) * | 2016-12-26 | 2018-06-28 | Toyota Jidosha Kabushiki Kaisha | Autonomous driving system |
KR20180105592A (ko) * | 2017-03-15 | 2018-09-28 | 한양대학교 산학협력단 | 차로 변경이 가능한 공간 선정 시스템 및 그 방법 |
CN109612496A (zh) * | 2019-02-20 | 2019-04-12 | 百度在线网络技术(北京)有限公司 | 一种路径规划方法、装置及车辆 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111526483A (zh) * | 2020-04-29 | 2020-08-11 | 江铃汽车股份有限公司 | 一种避让控制方法、装置、存储介质、车辆及*** |
CN111693050A (zh) * | 2020-05-25 | 2020-09-22 | 电子科技大学 | 基于建筑信息模型的室内中大型机器人导航方法 |
CN112747762A (zh) * | 2020-12-28 | 2021-05-04 | 深兰人工智能(深圳)有限公司 | 局部可行驶路径规划方法、装置、电子设备及存储介质 |
CN113264065A (zh) * | 2021-05-13 | 2021-08-17 | 京东鲲鹏(江苏)科技有限公司 | 一种车辆换道方法、装置、设备及存储介质 |
WO2023232118A1 (zh) * | 2022-06-01 | 2023-12-07 | 驭势(上海)汽车科技有限公司 | 一种车道级导航规划方法、装置、设备、介质及车辆 |
WO2023232119A1 (zh) * | 2022-06-01 | 2023-12-07 | 驭势(上海)汽车科技有限公司 | 一种车辆控制方法、装置、设备、介质及车辆 |
CN115061479A (zh) * | 2022-08-03 | 2022-09-16 | 国汽智控(北京)科技有限公司 | 车道关系确定方法、装置、电子设备及存储介质 |
CN115061479B (zh) * | 2022-08-03 | 2022-11-04 | 国汽智控(北京)科技有限公司 | 车道关系确定方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110779530B (zh) | 2020-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110779530B (zh) | 车辆路径生成方法、装置和存储介质 | |
WO2022052406A1 (zh) | 一种自动驾驶训练方法、装置、设备及介质 | |
CN112461256B (zh) | 路径规划方法和装置 | |
US20200149906A1 (en) | Path planning method, system and device for autonomous driving | |
CN112590775B (zh) | 一种自动泊车方法、装置、车辆及存储介质 | |
JP2021526478A (ja) | 車両の制御システム、車両を制御する方法、及び非一時的コンピュータ可読メモリ | |
KR20210121595A (ko) | 최적 경로 탐색 장치 및 이의 동작 방법 | |
CN111397622B (zh) | 基于改进A*算法与Morphin算法的智能汽车局部路径规划方法 | |
CN113375689B (zh) | 导航方法、装置、终端和存储介质 | |
CN113324554B (zh) | 自动驾驶路线规划方法、装置、可读存储介质及电子设备 | |
CN104897168A (zh) | 基于道路危险评估的智能车路径搜索方法及*** | |
CN112325898B (zh) | 路径规划方法、装置、设备和存储介质 | |
CN109115220B (zh) | 一种用于停车场***路径规划的方法 | |
CN113415288B (zh) | 分段式纵向车速规划方法、装置、设备及存储介质 | |
CN104021664B (zh) | 汽车协同编队行驶的动态路径规划方法 | |
CN110304066A (zh) | 自动驾驶模式下的路线选择方法、***、设备及存储介质 | |
CN112327888B (zh) | 路径规划方法、装置、电子设备和存储介质 | |
CN114137973B (zh) | 一种路径规划的方法、装置、设备及存储介质 | |
CN112799384A (zh) | 车辆及其行驶轨迹规划方法和规划装置 | |
CN114620071A (zh) | 绕行轨迹规划方法、装置、设备及存储介质 | |
CN116653963B (zh) | 车辆变道控制方法、***和智能驾驶域控制器 | |
US20210398014A1 (en) | Reinforcement learning based control of imitative policies for autonomous driving | |
KR20220095286A (ko) | 차량의 최적 속도 결정 장치 및 방법 | |
CN115892076B (zh) | 车道障碍物筛选方法、装置和域控制器 | |
CN110187707B (zh) | 无人驾驶设备运行轨迹的规划方法、装置及无人驾驶设备 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200211 Assignee: Tianyi Transportation Technology Co.,Ltd. Assignor: CIIC Technology Co.,Ltd.|Zhongzhixing (Shanghai) Transportation Technology Co.,Ltd. Contract record no.: X2022980001515 Denomination of invention: Vehicle path generation method, device and storage medium Granted publication date: 20200407 License type: Common License Record date: 20220214 |