CN111338339B - 轨迹规划方法、装置、电子设备及计算机可读介质 - Google Patents

轨迹规划方法、装置、电子设备及计算机可读介质 Download PDF

Info

Publication number
CN111338339B
CN111338339B CN202010106957.XA CN202010106957A CN111338339B CN 111338339 B CN111338339 B CN 111338339B CN 202010106957 A CN202010106957 A CN 202010106957A CN 111338339 B CN111338339 B CN 111338339B
Authority
CN
China
Prior art keywords
dimension
track
target
target object
constraint condition
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
CN202010106957.XA
Other languages
English (en)
Other versions
CN111338339A (zh
Inventor
李柏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Qianshi Technology 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 Beijing Jingdong Qianshi Technology Co Ltd filed Critical Beijing Jingdong Qianshi Technology Co Ltd
Priority to CN202010106957.XA priority Critical patent/CN111338339B/zh
Publication of CN111338339A publication Critical patent/CN111338339A/zh
Application granted granted Critical
Publication of CN111338339B publication Critical patent/CN111338339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开实施例提供一种轨迹规划方法、装置、电子设备及计算机可读介质，该方法包括：获取目标对象的第一轨迹；根据第一轨迹构述目标对象的第一最优控制问题，并求解第一最优控制问题获得目标对象的第二轨迹；根据障碍物信息与第二轨迹确定目标对象的目标线性约束条件；根据第二轨迹构建包括目标线性约束条件的第二最优控制问题，并求解第二最优控制问题获得目标对象的目标轨迹。本公开实施例提供的轨迹规划方法、装置、电子设备及计算机可读介质，基于目标线性约束条件构建第二最优控制问题，能够避免非线性约束条件的求解障碍，以大幅度降低最优控制问题的求解规模与难度，提高求解效率。

Description

轨迹规划方法、装置、电子设备及计算机可读介质
技术领域
本公开涉及自动驾驶技术领域，尤其涉及一种轨迹规划方法、装置、电子设备及计算机可读介质。
背景技术
轨迹规划是无人车的重要车载模块。与非结构化场景中低车速情况相比，道路上的交通工具行驶速度高，因此需要求解具有实时性，通常情况下要求一个完整的决策规划周期(包括对感知信息的处理耗时)不超过100ms。
然而，相关技术的建模求解过程中，导致问题模型求解困难的部分主要集中在碰撞躲避约束条件上，它往往体现较大规模以及较强的(非凸)非线性，严重制约了在线求解效率。
因此，需要一种新的轨迹规划方法、装置、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本公开实施例提供一种轨迹规划方法、装置、电子设备及计算机可读介质，进而至少在一定程度上避免由于躲避碰撞约束条件的非线性导致的较大的求解规模与求解难度、求解效率低的缺陷。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开实施例的第一方面，提出一种轨迹规划方法，该方法包括：获取目标对象的第一轨迹；根据所述第一轨迹构建所述目标对象的第一最优控制问题，并求解所述第一最优控制问题获得所述目标对象的第二轨迹；根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件；根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题，并求解所述第二最优控制问题获得所述目标对象的目标轨迹。
在本公开的一种示例性实施例中，根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件包括：若所述第二轨迹与所述障碍物信息重叠时，则基于预设参数调整所述第二轨迹；根据所述障碍物信息确定调整后的所述第二轨迹在各采样时刻下不会与障碍物发生碰撞的第一维度邻域、第二维度邻域和第三维度邻域；根据所述第一维度邻域、第二维度邻域和第三维度邻域确定所述目标对象的目标线性约束条件。
在本公开的一种示例性实施例中，根据所述第一维度邻域、第二维度邻域和第三维度邻域确定所述目标对象的目标线性约束条件，包括：分别确定所述第一维度邻域、所述第二维度邻域和所述第三维度邻域在均匀分布下的第一维度随机数、第二维度随机数和第三维度随机数；根据所述第一维度随机数、所述第二维度随机数和所述第三维度随机数确定多个待选组合及各待选组合的体积信息，并剔除与所述障碍物信息重叠的待选组合；确定剔除后的所述多个待选组合中体积信息最大的待选组合，以作为目标组合；根据所述目标组合确定所述目标对象的所述目标线性约束条件。
在本公开的一种示例性实施例中，根据所述目标组合确定所述目标对象的所述目标线性约束条件包括：根据所述目标组合中的第一维度尺寸、第二维度尺寸与第三维度尺寸确定目标直线信息；根据所述目标直线信息确定所述目标对象的目标线性约束条件。
在本公开的一种示例性实施例中，根据所述第一维度随机数、所述第二维度随机数和所述第三维度随机数确定多个待选组合及各待选组合的体积信息包括：通过蒙特卡洛方法对所述第一维度随机数、所述第二维度随机数和所述第三维度随机数各自组成的数值区间进行处理，获得多个待选组合及其体积信息。
在本公开的一种示例性实施例中，根据所述第一轨迹构建第一最优控制问题包括：根据所述第一轨迹构建第一目标函数；确定所述第一轨迹的初始时刻约束条件以及在各采样时刻的***动态方程约束条件；根据所述第一目标函数、所述初始时刻约束条件和所述***动态方程约束条件构建所述第一最优控制问题。
在本公开的一种示例性实施例中，根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题包括：根据所述第二轨迹构建第二目标函数；确定所述第二轨迹的初始时刻约束条件以及在各采样时刻的***动态方程约束条件；根据所述第二目标函数、所述初始时刻约束条件、所述***动态方程约束条件以及所述目标线性约束条件构建所述第二最优控制问题。
根据本公开实施例的第二方面，提出一种轨迹规划装置，该装置包括：第一轨迹生成模块，配置为获取目标对象的第一轨迹；第二轨迹生成模块，配置为根据所述第一轨迹构建第一最优控制问题，并求解所述第一最优控制问题获得所述目标对象的第二轨迹；线性约束条件模块，配置为根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件；目标轨迹规划模块，配置为根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题，并求解所述第二最优控制问题获得所述目标对象的目标轨迹。
根据本公开实施例的第三方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一项所述的轨迹规划方法。
根据本公开实施例的第四方面，提出一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述任一项所述的轨迹规划方法。
根据本公开某些实施例提供的轨迹规划方法、装置、电子设备及计算机可读介质，基于第一轨迹构建目标对象的第二最优控制问题，能够获得恢复运动学可行性的第二轨迹。根据障碍物信息和第二轨迹确定目标线性约束条件，并基于目标线性约束条件构建第二最优控制问题，能够避免非线性约束条件的求解障碍，以大幅度降低最优控制问题的求解规模与难度，提高求解效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种轨迹规划方法及装置的***框图；
图2是根据一示例性实施例示出的一种轨迹规划方法的流程图；
图3是根据另一示例性实施例示出的一种轨迹规划方法的流程图；
图4是根据又一示例性实施例示出的一种轨迹规划方法的流程图；
图5是根据再一示例性实施例示出的一种轨迹规划方法的流程图；
图6是根据一示例性实施例示出的一种轨迹规划装置的框图；
图7是根据一示例性实施例示出的一种电子设备的框图；
图8是根据一示例性实施例示出一种计算机可读存储介质示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图仅为本发明的示意性图解，图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和步骤，也不是必须按所描述的顺序执行。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
相关技术中，在笛卡尔坐标系中建立与轨迹规划任务相关的最优控制问题，采用散点确定场景中障碍物，并补充周围可移动障碍物的运动轨迹信息，从而令符合运动学方程约束的车辆从既定的起点运动至某一终点。然而这样的建模方式包含大量复杂的碰撞躲避约束条件，严重制约了在线求解效率。
因此，需要一种新的轨迹规划方法、装置、电子设备及计算机可读介质。
下面结合附图对本发明示例实施方式进行详细说明。
图1是根据一示例性实施例示出的一种轨迹规划方法及装置的***框图。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所进行操作的轨迹规划***提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的轨迹规划请求等数据进行分析等处理，并将处理结果(例如目标轨迹--仅为示例)反馈给终端设备。
服务器105可例如获取目标对象的第一轨迹；服务器105可例如根据所述第一轨迹构建所述目标对象的第一最优控制问题，并求解所述第一最优控制问题获得所述目标对象的第二轨迹；服务器105可例如根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件。服务器105可例如根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题，并求解所述第二最优控制问题获得所述目标对象的目标轨迹。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，服务器105中的一部分可例如作为本公开中的轨迹规划任务提交***，用于获取将要执行轨迹规划命令的任务；以及服务器105中的一部分还可例如作为本公开中的轨迹规划***，用于获取目标对象的第一轨迹；根据所述第一轨迹构建所述目标对象的第一最优控制问题，并求解所述第一最优控制问题获得所述目标对象的第二轨迹；根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件；根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题，并求解所述第二最优控制问题获得所述目标对象的目标轨迹。
根据本公开实施例提供的轨迹规划方法及装置，基于目标线性约束条件构建第二最优控制问题，能够避免非线性约束条件的求解障碍，以大幅度降低最优控制问题的求解规模与难度，提高求解效率。
图2是根据一示例性实施例示出的一种轨迹规划方法的流程图。本公开实施例提供的轨迹规划方法可以由任意具备计算处理能力的电子设备执行，例如终端设备101、102、103和/或服务器105，在下面的实施例中，以服务器执行所述方法为例进行举例说明，但本公开并不限定于此。本公开实施例提供的轨迹规划方法20可以包括步骤S202至S208。
如图2所示，在步骤S202中，获取目标对象的第一轨迹。
本公开实施例中，目标对象可为车辆，例如无人驾驶车辆等。第一轨迹可根据上游的轨迹决策环境获得的轨迹。第一轨迹可为根据起始点和终点进行决策获得的轨迹。上游决策环境获得的第一轨迹可能并不满足运动学可行性，且上游决策没有将障碍物信息纳入考虑范围。
在步骤S204中，根据第一轨迹构建目标对象的第一最优控制问题，并求解第一最优控制问题获得目标对象的第二轨迹。
在示例性实施例中，可对第一轨迹进行采样，并构造第一轨迹在各采样时刻的第一最优控制问题。例如，第一轨迹的运动过程对应时刻[0,trough]，trough为大于0的实数。可将该第一轨迹按照时间间隔(其中，Nfe为大于或等于1的整数)进行采样，并将采样后每一时刻t＝k·Δtsample下第一轨迹记录的位置/>状态按顺序记录下来(k＝0,1,...,Nfe)。其中，第一最优控制问题用于跟踪上述航路点/>(k＝0,1,...,Nfe)轨迹。第一最优控制问题可包括第一目标函数和第一约束条件。第一目标函数可基于运动学可行性以及运动轨迹的横向与纵向运动平稳为目的进行构建；第一约束条件可包括***动态方程约束条件。***动态方程约束条件可如下所示：
其中，(xi(t),yi(t))为目标对象i(例如车辆i)的后轮轴终点坐标。vi(t)及ai(t)为沿车体纵轴方向的速度及加速度，可使车辆前进方向为正方向；φi(t)为目标对象i的前轮偏转角，可以左转方向为正方向；ωi(t)为目标对象i的前轮偏转角速度；θi(t)代表目标对象i在坐标系中的姿态角，即坐标系X轴正方向与目标对象i的四个几何尺寸相关参数；Lw代表前后轮轴距。
第一约束条件还可包括初始时刻约束条件，初始时刻约束条件为对设置的点约束。
第一目标函数可如下式所示：
其中，w1、w2、w3≥0为各项对应的权重系数。
在示例性实施例中，可根据所述第一轨迹构建第一目标函数；确定所述第一轨迹的初始时刻约束条件以及在各采样时刻的***动态方程约束条件；根据所述第一目标函数、所述初始时刻约束条件和所述***动态方程约束条件构建所述第一最优控制问题。其中，第一目标函数可为公式(2)所示。***动态方程约束条件可如公式(1)所示。第一最优控制问题可为：
求解第一最优控制问题获得的目标对象的第二轨迹可表示为χsmooth。
在步骤S206中，根据障碍物信息与第二轨迹确定目标对象的目标线性约束条件。
本公开实施例中，可将第二轨迹χsmooth对应的时间区间t∈[0,trough]间划分的Nfe个时刻中，第k个时刻为(k＝0,1,...,Nfe)。假设车辆i在t0时刻处于无碰撞状态，将针对余下Nfe个时刻tk(k＝1,...,Nfe)确定目标对象的目标线性约束条件。其中，目标线性约束条件可针对x(t),y(t),θ(t)分别进行约束，x(t),y(t),θ(t)中每个参数的约束条件可为线性约束。其中，目标线性约束条件可如下所示：
其中，ak，bk，pk，qk，/>为常量系数。
障碍物信息描述了t＝tk时刻时，场景中动态/静态障碍物所在的位置姿态。例如，可将障碍物占据路面的情况以网格图形式或几何多边形顶点坐标形式进行记录。
在步骤S208中，根据第二轨迹构建包括目标线性约束条件的第二最优控制问题，并求解第二最优控制问题获得目标对象的目标轨迹。
本公开实施例中，第二最优控制问题可包括第二目标函数和第二约束条件。第二目标函数可包括第一子目标函数J1、第二子目标函数J2、第三子目标函数J3、第四子目标函数J4和第五子目标函数J5。其中，J1用于描述对第一轨迹的跟踪，J2用于描述对第二轨迹的跟踪，J3用于描述对障碍物信息的躲避，J4和J5用于描述车辆运动轨迹的横向、纵向平稳程度。第一子目标函数J1可例如下式所示：
第二子目标函数J2可例如下式所示：
其中为前一周期轨迹在当前周期时间区间特定时刻tk的位置，/>代表前一周期所规划轨迹在当前周期的最大适用范围，应满足/>
第三子目标函数J3可例如下式所示：
其中，描述了目标对象与障碍物j或道路盲区j的几何中心(xGj,yGj)的欧氏距离，Kj＞0表征了对第j个障碍物的远离程度需要(相对较大的Kj值意味着以较小程度远离障碍物j)。
第四子目标函数J4可如下式所示：
第五子目标函数J5可如下式所示：
通过将上述性能代价多项式加权汇总，可得到形如下式的第二目标函数：
J＝w1·J1+w2·J2+w3·J3+w4·J4+w5·J5, (6)
其中w1,w2,w3,w4,w5≥0为各项对应的权重系数。至此，第二最优控制问题可表述如下：
在示例性实施例中，可根据所述第二轨迹构建第二目标函数；确定所述第二轨迹的初始时刻约束条件以及在各采样时刻的***动态方程约束条件；根据所述第二目标函数、所述初始时刻约束条件、所述***动态方程约束条件以及所述目标线性约束条件构建所述第二最优控制问题。其中，第二目标函数的初始时刻约束条件、***动态方程约束条件的构造方式可分别与第一目标函数的初始时刻约束条件、***动态方程约束条件类似，此处不再赘述。
根据本公开实施例提供的轨迹规划方法，基于第一轨迹构建目标对象的第二最优控制问题，能够获得恢复运动学可行性的第二轨迹。根据障碍物信息和第二轨迹确定目标线性约束条件，并基于目标线性约束条件构建第二最优控制问题，能够避免非线性约束条件的求解障碍，以大幅度降低最优控制问题的求解规模与难度，提高求解效率。
图3是根据另一示例性实施例示出的一种轨迹规划方法的流程图。本公开实施例提供轨迹规划方法30可以包括步骤S302至S306。
如图3所示，在步骤S302中，若第二轨迹与障碍物信息重叠时，则基于预设参数调整第二轨迹。
本公开实施例中，障碍物信息可为网格图形式或或几何多边形顶点坐标形式。当第二轨迹与障碍物信息发生重叠时，认为目标对象按照第二轨迹进行移动时，将与障碍物发生碰撞。预设参数可为预设步长。具体的调整方式可如下所示的模块D的伪代码：
模块D.位置姿态合法化处理算法
其中，dx与dy为预设参数。模块D的输入端是(xbasic,ybasic,θbasic)，输出是经过微调后的位姿该模块D用于在固定车辆姿态角为θbasic的前提下，研究在(xbasic,ybasic)的微小邻域内是否存在合法的位置，直到找到某一个不再与障碍物发生碰撞的位姿/>为止，进而获得调整后的第二轨迹。
在步骤S304中，根据障碍物信息确定调整后的第二轨迹在各采样时刻下不会与障碍物发生碰撞的第一维度邻域、第二维度邻域和第三维度邻域。
本公开实施例中，其中，可基于目标对象(例如车辆)的横轴方向、纵轴方向以及姿态角为三维建立笛卡尔坐标系。第一维度邻域可例如为笛卡尔坐标系下的X轴的局部邻域，第二纬度邻域可例如为笛卡尔坐标系下的Y轴的局部邻域，第三维度邻域可例如为笛卡尔坐标系下的Z轴的局部邻域。假设第二轨迹中的tk时刻的位姿(xbasic,ybasic,θbasic)是不发生碰撞的位姿。在(xbasic,ybasic,θbasic)周围寻找到一个轮廓简单的局部邻域ζ，使得一旦(xi(tk),yi(tk),θi(tk))落入ζ中，则一定不发生碰撞。以(xbasic,ybasic)为原点O′、以θbasic指向为X′轴正方向构建新的坐标系X′O′Y′。暂时固定θi(tk)＝θbasic，将沿着X′轴正方向从O′平移车体，直到发生碰撞为止，记录此时的平移长度类似地，沿着X′轴负方向、Y′正负方向分别平移车体，得到平移长度/>此外，暂时固定xi(tk)＝xbasic、yi(tk)＝ybasic，将θi(tk)取值在θbasic两侧分别拓展至碰撞为止，可以得到θleft、θrightt。由于(xbasic,ybasic,θbasic)不发生碰撞，可以确定的是，/>θleftθright≥0，构成一个局部6维空间。其中，/>为第一维度邻域，/>为第二维度邻域，θleft+θright为第三维度邻域。
在步骤S306中，根据第一维度邻域、第二维度邻域和第三维度邻域确定目标对象的目标线性约束条件。
本公开实施例中，可根据第一维度邻域、第二维度邻域和第三维度邻域能够构建的最大体积的立方体作为目标立方体，并根据该目标立方体的尺寸确定该目标对象的目标线性约束条件。其中，可在步骤S304中获得的6维空间中进一步确定合理的取值，进而确定恰当的包围(xbasic,ybasic,θbasic)的一个局部立方体ζ，不妨设其尺寸为 除极端情况外，唯一确定ζ的尺寸是不可能的，这是因为X′-Y′-θ三个维度上此消彼长的区间设置都对应着不发生碰撞的立方体尺寸，而X′、Y′轴与θ轴量纲不同，更加剧了ζ立方体尺寸的选择困难。为此，可引入量纲转化权重因数wrad2m>0将θ维度(第三维度)上的弧度量纲换算为长度量纲，随后选择能够使得ζ在X′-Y′-θ中体积最大的方案，并基于该方案确定目标对象的目标线性约束条件。
本公开实施例的步骤S302至步骤S306可作为图2实施例中的步骤S206的替换步骤。
图4是根据又一示例性实施例示出的一种轨迹规划方法的流程图。本公开实施例提供轨迹规划方法40可以包括步骤S402至S408。
在步骤S402中，分别确定第一维度邻域、第二维度邻域和第三维度邻域在均匀分布下的第一维度随机数、第二维度随机数和第三维度随机数。
本公开实施例中，可分别在区间[0,θright]中生成均匀分布的随机数，并将其赋值给/> 以及其中，/>为第一维度随机数，/>为第二维度随机数，/>为第三维度随机数。
在步骤S404中，根据第一维度随机数、第二维度随机数和第三维度随机数确定多个待选组合及各待选组合的体积信息，并剔除与障碍物信息重叠的待选组合。
本公开实施例中，可根据各个第一维度随机数、第二维度随机数和第三维度随机数构成的立方体ζ作为待选组合，且该立方体ζ的体积 且为该待选组合的体积信息。进一步地，可检测立方体ζ中的所有位姿对应的车辆足迹是否与障碍物信息是否重叠，即是否发生碰撞。如果未发生碰撞，则将当前立方体ζ对应的待选组合连同其体积 记录下来；如果发生碰撞则放弃之，继续生成新的立方体设置方案，最终获得剔除后的待选组合及各待选组合的体积信息。
在示例性实施例中，可通过蒙特卡洛方法对第一维度随机数、第二维度随机数和第三维度随机数各自组成的数值区间进行处理，获得多个待选组合及其体积信息。其中，可随机生成NMC(NMC为大于0的整数)个待选组合。NMC可为预先设定的具体数值。
在步骤S406中，确定剔除后的多个待选组合中体积信息最大的待选组合，以作为目标组合。
本公开实施例中，可选择体积信息最大的待选组合对应的立方体作为目标组合对应的立方体ζ的尺寸，不妨仍称其为
在步骤S408中，根据目标组合确定目标对象的目标线性约束条件。
本公开实施例中，可根据立方体ζ的尺寸确定多条直线，并根据该多条直线确定目标对象的目标线性约束条件。
本公开实施例的步骤S402至步骤S408可作为图3实施例中的步骤S306的替换步骤。
图5是根据再一示例性实施例示出的一种轨迹规划方法的流程图。本公开实施例提供轨迹规划方法50可以包括步骤S502至S504。
在步骤S502中，根据目标组合中的第一维度尺寸、第二维度尺寸与第三维度尺寸确定目标直线信息。
本公开实施例中，目标组合中的第一维度尺寸、第二维度尺寸与第三维度尺寸可分别为其中，目标直线信息可包括第一目标直线Line1、第二目标直线Line2、第三目标直线Line3和第四目标直线Line4。以下两个坐标点经过第一目标直线Line1：
已知两点坐标(x1,y1)、(x2,y2)则可以确定一条直线
(y2-y1)·x+(x1-x2)·y+(x2y1-x1y2)＝0. (C1)
根据这一公式可以确定直线Line1，其余3条直线Line2～Line4确定方式类似。由于Line1与Line2、Line3与Line4平行，因此四条直线一定可写成以下的格式：
Line1:a·x+b·y+c1＝0,
Line2:a·x+b·y+c2＝0,
Line3:p·x+q·y+m1＝0,
Line4:p·x+q·y+m2＝0. (C2)
在步骤S504中，根据目标直线信息确定目标对象的目标线性约束条件。
本公开实施例中，可根据目标直线信息所围成的矩形区域确定目标对象的目标线性约束条件。其中，可通过将直线等式写为不等式，以表示平面上被一条直线分割的一侧区域。由于点(xbasic,ybasic)一定在围成的矩形区域内部，因此将该点分别代入目标直线信息中的4条直线的等式左侧部分，即可判断每一不等式的正负符号。为了统一格式，可一律建立≤0形式不等式，这需要将其中某2条不等式两侧同时乘以-1，最终得到的目标线性约束条件写为以下格式：
此外，角度θi(tk)的区间范围可以限定为
θbasic-θleft≤θi(tk)≤θbasic+θright. (C3b)
至此，获得形如公式(C3)的目标线性约束条件。其中，还可将公式(C3)改写为形如公式(4)所示的形式。
本公开实施例的步骤S502至步骤S504可作为图4实施例中的步骤S408的替换步骤。
根据本公开实施例提供的轨迹规划方法，在构建第二最优控制问题时，能够将复杂的碰撞躲避约束条件改造为线性的目标线性约束条件，则这样的碰撞躲避约束条件所构成的轨迹规划问题，在数值求解时转化成的非线性规划问题后，其中的所有碰撞躲避约束条件将全部具有线性形式，最终实现大幅度降低求解规模与难度。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由中央处理器(Central Processing Unit，CPU)执行的计算机程序。在该计算机程序被中央处理器CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图6是根据一示例性实施例示出的一种轨迹规划装置的框图。参照图6，本公开实施例提供的轨迹规划装置60可以包括：第一轨迹生成模块602、第二轨迹生成模块604、线性约束条件模块606和目标轨迹规划模块608。
在轨迹规划装置60中，第一轨迹生成模块602可以配置为获取目标对象的第一轨迹。
第二轨迹生成模块604可以配置为根据所述第一轨迹构建第一最优控制问题，并求解所述第一最优控制问题获得所述目标对象的第二轨迹。
在示例性实施例中，第二轨迹生成模块604可以包括第一目标函数单元、第一约束条件单元和第一最优控制问题构建单元。其中，第一目标函数单元可以配置为根据所述第一轨迹构建第一目标函数。第一约束条件单元可以配置为确定所述第一轨迹的初始时刻约束条件以及在各采样时刻的***动态方程约束条件。第一最优控制问题构建单元可以配置为根据所述第一目标函数、所述初始时刻约束条件和所述***动态方程约束条件构建所述第一最优控制问题。
线性约束条件模块606可以配置为根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件。
在示例性实施例中，线性约束条件模块606可以包括预设调整子模块、邻域确定子模块和线性约束条件子模块。其中，预设调整子模块可以配置为若所述第二轨迹与所述障碍物信息重叠时，则基于预设参数调整所述第二轨迹。邻域确定子模块可以配置为根据所述障碍物信息确定调整后的所述第二轨迹在各采样时刻下不会与障碍物发生碰撞的第一维度邻域、第二维度邻域和第三维度邻域。线性约束条件子模块可以配置为根据所述第一维度邻域、所述第二维度邻域和所述第三维度邻域确定所述目标对象的目标线性约束条件。
在示例性实施例中，线性约束条件子模块可以包括随机数生成单元、待选组合生成单元、目标组合生成单元和线性约束条件单元。其中，随机数生成单元可以配置为分别确定所述第一维度邻域、所述第二维度邻域和所述第三维度邻域在均匀分布下的第一维度随机数、第二维度随机数和第三维度随机数；待选组合生成单元可以配置为根据所述第一维度随机数、所述第二维度随机数和所述第三维度随机数确定多个待选组合及各待选组合的体积信息，并剔除与所述障碍物信息重叠的待选组合；目标组合生成单元可以配置为确定剔除后的所述多个待选组合中体积信息最大的待选组合，以作为目标组合；线性约束条件单元可以配置为根据所述目标组合确定所述目标对象的所述目标线性约束条件。
在示例性实施例中，线性约束条件单元可以包括目标直线生成子单元和线性约束条件子单元。其中，可以配置为根据所述目标组合中的第一维度尺寸、第二维度尺寸与第三维度尺寸确定目标直线信息；线性约束条件子单元可以配置为根据所述目标直线信息确定所述目标对象的目标线性约束条件。
在示例性实施例中，待选组合生成单元可以配置为通过蒙特卡洛方法对所述第一维度随机数、所述第二维度随机数和所述第三维度随机数各自组成的数值区间进行处理，获得多个待选组合及其体积信息。
目标轨迹规划模块608可以配置为根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题，并求解所述第二最优控制问题获得所述目标对象的目标轨迹。
在示例性实施例中，目标轨迹规划模块608可以包括第二目标函数单元、第二约束条件单元和第二最优控制问题构建单元。其中，第二目标函数单元可以配置为根据所述第二轨迹构建第二目标函数。第二约束条件单元可以配置为确定所述第二轨迹的初始时刻约束条件以及在各采样时刻的***动态方程约束条件。第二最优控制问题构建单元可以配置为根据所述第二目标函数、所述初始时刻约束条件、所述***动态方程约束条件以及所述目标线性约束条件构建所述第二最优控制问题。
根据本公开实施例提供的轨迹规划装置，基于第一轨迹构建目标对象的第二最优控制问题，能够获得恢复运动学可行性的第二轨迹。根据障碍物信息和第二轨迹确定目标线性约束条件，并基于目标线性约束条件构建第二最优控制问题，能够避免非线性约束条件的求解障碍，以大幅度降低最优控制问题的求解规模与难度，提高求解效率。
图7是根据一示例性实施例示出的一种电子设备的框图。
下面参照图7来描述根据本公开的这种实施方式的电子设备200。图7显示的电子设备200仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同***组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图2，图3，图4，图5中所示的步骤。
所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(ROM)2203。
所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
图8示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。
参考图8所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：获取目标对象的第一轨迹；根据所述第一轨迹构建所述目标对象的第一最优控制问题，并求解所述第一最优控制问题获得所述目标对象的第二轨迹；根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件；根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题，并求解所述第二最优控制问题获得所述目标对象的目标轨迹。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (10)

1.一种轨迹规划方法，其特征在于，包括：
获取目标对象的第一轨迹；
根据所述第一轨迹构建所述目标对象的第一最优控制问题，并求解所述第一最优控制问题获得所述目标对象的第二轨迹；
根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件；
所述目标对象的目标线性约束条件为：
其中，ak，bk，pk，qk，/>为常量系数，是如下四条直线的系数：
直线1:
直线2:
直线3:
直线4:
其中，四条直线所围成的矩形区域表示目标对象与障碍物不发生碰撞的区域，θi(tk)代表目标对象i在坐标系中的姿态角，(xi(tk),yi(tk))为目标对象i的后轮轴终点坐标，trough为大于0的实数，Nfe为大于或等于1的整数；
根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题，并求解所述第二最优控制问题获得所述目标对象的目标轨迹。
2.如权利要求1所述的方法，其特征在于，根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件包括：
若所述第二轨迹与所述障碍物信息重叠时，则基于预设步长调整所述第二轨迹；
根据所述障碍物信息确定调整后的所述第二轨迹在各采样时刻下不会与障碍物发生碰撞的第一维度邻域、第二维度邻域和第三维度邻域；
和/>分别为在各采样时刻下沿X轴正方向和负方向不会与障碍物发生碰撞的x值；
和/>分别为在各采样时刻下沿Y轴正方向和负方向不会与障碍物发生碰撞的y值；
θleft和θright分别为在各采样时刻下沿Z轴正方向和负方向不会与障碍物发生碰撞的θ值；
其中，为第一维度邻域，/>为第二维度邻域，θleft+θright为第三维度邻域；根据所述第一维度邻域、所述第二维度邻域和所述第三维度邻域确定所述目标对象的目标线性约束条件。
3.如权利要求2所述的方法，其特征在于，根据所述第一维度邻域、所述第二维度邻域和所述第三维度邻域确定所述目标对象的目标线性约束条件，包括：
分别确定所述第一维度邻域、所述第二维度邻域和所述第三维度邻域在均匀分布下的第一维度随机数、第二维度随机数和第三维度随机数；
其中，在区间[0,θleft]、[0,θright]中生成均匀分布的随机数，并将其赋值给/>以及/>其中，为第一维度随机数，/>为第二维度随机数，/>为第三维度随机数；
根据所述第一维度随机数、所述第二维度随机数和所述第三维度随机数确定多个待选组合及各待选组合的体积信息，并剔除与所述障碍物信息重叠的待选组合；
确定剔除后的所述多个待选组合中体积信息最大的待选组合，以作为目标组合；
根据所述目标组合确定所述目标对象的所述目标线性约束条件。
4.如权利要求3所述的方法，其特征在于，根据所述目标组合确定所述目标对象的所述目标线性约束条件包括：
根据所述目标组合中的第一维度尺寸、第二维度尺寸与第三维度尺寸确定目标直线信息；
所述目标组合中的第一维度尺寸、第二维度尺寸与第三维度尺寸分别为
根据所述目标直线信息确定所述目标对象的目标线性约束条件。
5.如权利要求3所述的方法，其特征在于，根据所述第一维度随机数、所述第二维度随机数和所述第三维度随机数确定多个待选组合及各待选组合的体积信息包括：
通过蒙特卡洛方法对所述第一维度随机数、所述第二维度随机数和所述第三维度随机数各自组成的数值区间进行处理，获得多个待选组合及其体积信息。
6.如权利要求1所述的方法，其特征在于，根据所述第一轨迹构建第一最优控制问题包括：
根据所述第一轨迹构建第一目标函数；
所述第一目标函数为：
其中，w1、w2、w3≥0为各项对应的权重系数，ai(t)为沿车体纵轴方向的速度及加速度，为采样后每一时刻t＝k·Δtsample下第一轨迹记录的位置；
确定所述第一轨迹的初始时刻约束条件以及在各采样时刻的***动态方程约束条件；
根据所述第一目标函数、所述初始时刻约束条件和所述***动态方程约束条件构建所述第一最优控制问题。
7.如权利要求1所述的方法，其特征在于，根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题包括：
根据所述第二轨迹构建第二目标函数；
所述第二目标函数为：
J＝w1·J1+w2·J2+w3·J3+w4·J4+w5·J5,
w1,w2,w3,w4,w5≥0为各项对应的权重系数；
其中，第一子目标函数J1为：
第二子目标函数J2为：
其中为前一周期轨迹在当前周期时间区间时刻的位置，/>为前一周期所规划轨迹在当前周期的最大适用范围，且/>
第三子目标函数J3为：
其中，为目标对象与障碍物j或道路盲区j的几何中心(xGj,yGj)的欧氏距离，Kj＞0表征了对第j个障碍物的远离程度需要；
第四子目标函数J4为：
第五子目标函数J5为：
确定所述第二轨迹的初始时刻约束条件以及在各采样时刻的***动态方程约束条件；
根据所述第二目标函数、所述初始时刻约束条件、所述***动态方程约束条件以及所述目标线性约束条件构建所述第二最优控制问题。
8.一种轨迹规划装置，其特征在于，包括：
第一轨迹生成模块，配置为获取目标对象的第一轨迹；
第二轨迹生成模块，配置为根据所述第一轨迹构建第一最优控制问题，并求解所述第一最优控制问题获得所述目标对象的第二轨迹；
线性约束条件模块，配置为根据障碍物信息与所述第二轨迹确定所述目标对象的目标线性约束条件；
所述目标对象的目标线性约束条件为：
其中，ak，bk，pk，qk，/>为常量系数，是如下四条直线的系数：
直线1:
直线2:
直线3:
直线4:
其中，四条直线所围成的矩形区域表示目标对象与障碍物不发生碰撞的区域，θi(tk)代表目标对象i在坐标系中的姿态角，(xi(tk),yi(tk))为目标对象i的后轮轴终点坐标，trough为大于0的实数，Nfe为大于或等于1的整数；
目标轨迹规划模块，配置为根据所述第二轨迹构建包括所述目标线性约束条件的第二最优控制问题，并求解所述第二最优控制问题获得所述目标对象的目标轨迹。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
CN202010106957.XA 2020-02-20 2020-02-20 轨迹规划方法、装置、电子设备及计算机可读介质 Active CN111338339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010106957.XA CN111338339B (zh) 2020-02-20 2020-02-20 轨迹规划方法、装置、电子设备及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010106957.XA CN111338339B (zh) 2020-02-20 2020-02-20 轨迹规划方法、装置、电子设备及计算机可读介质

Publications (2)

Publication Number Publication Date
CN111338339A CN111338339A (zh) 2020-06-26
CN111338339B true CN111338339B (zh) 2024-02-06

Family

ID=71181945

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010106957.XA Active CN111338339B (zh) 2020-02-20 2020-02-20 轨迹规划方法、装置、电子设备及计算机可读介质

Country Status (1)

Country Link
CN (1) CN111338339B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112181999B (zh) * 2020-09-21 2022-01-07 北京京东乾石科技有限公司 一种轨迹更新方法及装置、设备、存储介质
CN113110448B (zh) * 2021-04-13 2023-01-17 上海新纪元机器人有限公司 基于最小二乘的目标检测方法、***、机器人和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105549597A (zh) * 2016-02-04 2016-05-04 同济大学 一种基于环境不确定性的无人车动态路径规划方法
CN107678279A (zh) * 2017-10-09 2018-02-09 上海海事大学 一种考虑规避约束的agv轨迹规划方法
CN110375736A (zh) * 2018-11-28 2019-10-25 北京京东尚科信息技术有限公司 智能设备的路径规划方法、***、设备及可读存储介质
CN110647151A (zh) * 2019-10-16 2020-01-03 北京京东乾石科技有限公司 坐标转换方法及装置、计算机可读存储介质、电子设备
FR3084630A1 (fr) * 2018-07-31 2020-02-07 Psa Automobiles Sa Procede de planification de la trajectoire optimale d'un vehicule autonome et vehicule autonome equipe d’un calculateur embarque pour la mise en œuvre dudit procede
CN110782092A (zh) * 2019-10-25 2020-02-11 北京京东乾石科技有限公司 无人配送车在非结构化场景中的轨迹规划方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7248952B2 (en) * 2005-02-17 2007-07-24 Northrop Grumman Corporation Mixed integer linear programming trajectory generation for autonomous nap-of-the-earth flight in a threat environment
EP3291202B1 (en) * 2016-08-29 2019-04-17 Volvo Car Corporation Method of road vehicle trajectory planning
US10857994B2 (en) * 2016-10-20 2020-12-08 Motional Ad Llc Identifying a stopping place for an autonomous vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105549597A (zh) * 2016-02-04 2016-05-04 同济大学 一种基于环境不确定性的无人车动态路径规划方法
CN107678279A (zh) * 2017-10-09 2018-02-09 上海海事大学 一种考虑规避约束的agv轨迹规划方法
FR3084630A1 (fr) * 2018-07-31 2020-02-07 Psa Automobiles Sa Procede de planification de la trajectoire optimale d'un vehicule autonome et vehicule autonome equipe d’un calculateur embarque pour la mise en œuvre dudit procede
CN110375736A (zh) * 2018-11-28 2019-10-25 北京京东尚科信息技术有限公司 智能设备的路径规划方法、***、设备及可读存储介质
CN110647151A (zh) * 2019-10-16 2020-01-03 北京京东乾石科技有限公司 坐标转换方法及装置、计算机可读存储介质、电子设备
CN110782092A (zh) * 2019-10-25 2020-02-11 北京京东乾石科技有限公司 无人配送车在非结构化场景中的轨迹规划方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
熊升华 ; 赵海良 ; .基于矩形安全邻域的智能车移动仿真研究.计算机应用研究.2013,(12),全文. *

Also Published As

Publication number Publication date
CN111338339A (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
US10614592B2 (en) Three-dimensional posture estimating method and apparatus, device and computer storage medium
CN109434831B (zh) 机器人运行方法、装置、机器人、电子设备及可读介质
CN111338339B (zh) 轨迹规划方法、装置、电子设备及计算机可读介质
CN110647151B (zh) 坐标转换方法及装置、计算机可读存储介质、电子设备
CN111795699B (zh) 无人车的路径规划方法、装置和计算机可读存储介质
CN109509236B (zh) 无人驾驶场景中的车辆包围盒生成方法、装置及存储介质
CN110782092A (zh) 无人配送车在非结构化场景中的轨迹规划方法及装置
US20200147796A1 (en) Moving method and device for a robot, robot, electronic apparatus and readable medium
CN114348026B (zh) 一种车辆控制方法、装置、设备以及存储介质
CN113361152A (zh) 轨迹规划方法、轨迹规划装置、存储介质与电子设备
CN115534925B (zh) 车辆控制方法、装置、设备和计算机可读介质
CN114771570A (zh) 自动驾驶车辆的控制方法和装置
CN115617051A (zh) 车辆控制方法、装置、设备和计算机可读介质
Wang et al. A Universal Trajectory Planning Method for Automated Lane‐Changing and Overtaking Maneuvers
Malayjerdi et al. Practical path planning techniques in overtaking for autonomous shuttles
CN113306570B (zh) 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车
Liu et al. Methodology of hierarchical collision avoidance for high‐speed self‐driving vehicle based on motion‐decoupled extraction of scenarios
Liu et al. Dynamic motion planner with trajectory optimisation for automated highway lane‐changing driving
WO2024046789A1 (en) Trajectory planning method and apparatus, device and storage medium
CN116339347A (zh) 一种无人车运行路径规划方法、装置及设备
CN112633543A (zh) 无人配送车在非结构化场景中的泊车路径规划方法及装置
CN113804196B (zh) 无人车路径规划方法及相关设备
CN111399489A (zh) 用于生成信息的方法和装置
CN114581869A (zh) 确定目标对象位置的方法、装置、电子设备和存储介质
Gao et al. Path optimization of welding robot based on ant colony and genetic algorithm

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