CN112639849A - 路径选择方法和路径选择装置 - Google Patents

路径选择方法和路径选择装置 Download PDF

Info

Publication number
CN112639849A
CN112639849A CN202080004767.5A CN202080004767A CN112639849A CN 112639849 A CN112639849 A CN 112639849A CN 202080004767 A CN202080004767 A CN 202080004767A CN 112639849 A CN112639849 A CN 112639849A
Authority
CN
China
Prior art keywords
path
obstacle
risk
road
candidate
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.)
Pending
Application number
CN202080004767.5A
Other languages
English (en)
Inventor
刘亚林
曹昊天
宋晓琳
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
Publication of CN112639849A publication Critical patent/CN112639849A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • 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
    • B60W2554/4042—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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/805—Azimuth angle

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Educational Administration (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种路径选择方法，用于从多条候选路径中确定最优避障路径，可以提供路径选择效率，该方法包括：获取目标道路区域的道路基本信息、所述目标道路区域内的障碍物的位置信息和目标对象在所述目标道路区域内的多条候选路径；根据所述道路基本信息和所述障碍物的位置信息确定所述目标道路区域的障碍物风险关系，所述障碍物风险关系用于获取所述目标道路区域中的任意一个位置的障碍物风险；根据所述障碍物风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定每条候选路径的综合障碍物风险；根据所述每条候选路径的综合障碍物风险，从所述多条候选路径中确定目标路径。

Description

路径选择方法和路径选择装置
技术领域
本申请涉及无人驾驶技术领域，尤其涉及一种路径选择方法和路径选择装置。
背景技术
无人驾驶是智能交通***中的重要组成部分。无人驾驶车辆(下面简称无人车)接收到传感器的各种感知信息之后，对当前环境做出分析，然后对底层控制模块下达指令，这一过程就是决策规划模块的主要任务。典型的无人车决策规划包括：全局路径规划、行为决策和路径规划。其中，路径规划时，通常运用规划算法在路面上生成多条候选路径，然后根据候选路径的几何性质和障碍物的位置来选择最佳的避障路径，请参阅图1的路径选择的示意图。
现有的避障路径选择机制，通过构建不等式判断候选路径是否与障碍物存在交集，对候选路径逐条进行碰撞检测。如果路径与障碍物存在交集，那么舍弃该条路经。
由于需要逐条检查候选路径是否会与障碍物发生碰撞，当道路环境复杂，障碍物数据较多时，进行碰撞检测的不等式约束式复杂度高，路径选择效率低。
发明内容
本申请实施例提供了一种路径选择方法，用于从多条候选路径中确定最优避障路径，可以提供路径选择效率。
本申请实施例的第一方面提供一种路径选择方法，包括：获取目标道路区域的道路基本信息、所述目标道路区域内的障碍物的位置信息和目标对象在所述目标道路区域内的多条候选路径；根据所述道路基本信息和所述障碍物的位置信息确定所述目标道路区域的障碍物风险关系，所述障碍物风险关系用于获取所述目标道路区域中的任意一个位置的障碍物风险；根据所述障碍物风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定每条候选路径的综合障碍物风险；根据所述每条候选路径的综合障碍物风险，从所述多条候选路径中确定目标路径。所述多条候选路径基于目标对象在目标道路区域上的位置确定。
本申请实施例提供的路径选择方法，通过道路基本信息和障碍物的位置信息，可以构建目标道路区域中的障碍物风险关系，由此，可以确定多条候选路径的综合障碍物风险，从而从多条候选路径中直接获取障碍物风险较低的目标路径，可以提高路径选择效率。
在第一方面的一种可能的实现方式中，所述多条候选路径包括第一候选路径；所述根据所述障碍物风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定每条候选路径的综合障碍物风险包括：确定所述第一候选路径上的多个路径点；根据所述障碍物风险关系确定所述多个路径点的障碍物风险；根据所述多个路径点的障碍物风险确定所述第一候选路径的综合障碍物风险。
本申请实施例提供的路径选择方法，可以通过在候选路径上采样多个路径点，根据多个路径点的障碍物风险确定整条候选路径的综合障碍物风险，由此可以减少计算量，提高路径选择速度。
在第一方面的一种可能的实现方式中，所述第一路径点的障碍物风险根据所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定；所述第一路径点的横向障碍物风险关系根据所述障碍物的位置信息和障碍物横向风险放大系数确定；所述第一路径点的纵向障碍物风险关系根据所述障碍物的位置信息和障碍物纵向风险放大系数确定。
可选的，所述横向风险放大系数和所述纵向风险放大系数为预设参数，用于分别表示横向障碍物与纵向障碍物对道路内各点的风险的影响。
可选地，第一路径点的横向障碍物风险与所述横向风险放大系数正相关，与所述第一路径点在垂直道路参考线的道路横向方向上与所述障碍物的距离负相关；根据所述道路基本信息和所述障碍物位置，按照预设的障碍物纵向风险放大系数确定所述第一路径点的纵向障碍物风险，所述第一路径点的纵向障碍物风险与所述纵向风险放大系数正相关，与所述第一路径点在沿道路参考线方向的道路纵向方向上与所述障碍物的距离负相关，所述障碍物横向风险放大系数小于所述障碍物纵向风险放大系数；根据所述第一路径点的横向障碍物风险和所述第一路径点的纵向障碍物风险确定所述第一路径点的障碍物风险。
本申请实施例提供的路径选择方法，在构建障碍物风险关系时，针对障碍物在道路横向和纵向方向上，对于目标造成的威胁程度不同，设置横向风险放大系数和纵向风险放大系数，其中，障碍物纵向风险放大系数大于障碍物横向风险放大系数，由此，确定的障碍物风险关系中每个位置对应的障碍物风险可以更贴近实际场景。
在第一方面的一种可能的实现方式中，所述方法还包括：获取所述障碍物的航向角，所述障碍物的航向角根据所述障碍物的运动方向获得；所述第一路径点的障碍物风险根据所述障碍物的航向角、以及所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定。可选地，所述第一路径点的障碍物风险与第一角度大小负相关，所述第一角度为以所述障碍物为端点通过所述第一路径点的射线与地面坐标系横轴的角度与所述障碍物的航向角的差值。
本申请实施例提供的路径选择方法，在构建障碍物风险关系时，还可以考虑障碍物带当前的航向角，由于障碍物通常为移动物体，例如行驶中的车辆，参考其运动方向，考虑障碍物的动态风险，由此获取的障碍物风险关系可随着障碍物的姿态进行自适应调整。由此，生成的障碍物风险关系可以更贴近实际场景中的风险大小，障碍物风险预测效果更佳。
在第一方面的一种可能的实现方式中，所述障碍物为所述目标道路区域内的行驶车辆。
在第一方面的一种可能的实现方式中，所述目标对象为所述目标道路区域的车辆，所述障碍物为所述目标道路区域内除所述目标对象之外的车辆。
在第一方面的一种可能的实现方式中，根据所述道路基本信息确定所述目标道路区域的道路风险关系，所述道路风险关系用于获取所述目标道路区域中的任意一个位置的道路风险，所述道路基本信息包括道路长度、道路宽度和道路参考线的位置；根据所述道路风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定所述多条候选路径中每条候选路径的综合道路风险，所述综合道路风险用于从所述条候选路径中确定目标避障路径。
本申请实施例提供的路径选择方法，还考虑了道路边界的风险，由障碍物风险和道路风险共同确定行车风险，并用于选择目标路径，能更全面地预测风险。
在第一方面的一种可能的实现方式中，所述根据所述道路风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定所述多条候选路径中每条候选路径的综合道路风险包括：确定所述多条候选路径中第一候选路径上的多个路径点；根据所述道路风险关系确定所述多个路径点的道路风险；根据所述多个路径点的道路风险确定所述第一候选路径的综合道路风险。可选地，所述第三位置的道路风险与所述第三位置与道路左右边界的的距离差值正相关。
本申请实施例提供的路径选择方法，根据候选路径中采样的多个路径点确定每条候选路径的综合道路风险，道路中越靠近道路边界，则道路风险越高。
在第一方面的一种可能的实现方式中，所述方法还包括：所述根据所述每条候选路径的综合障碍物风险，从所述多条候选路径中确定目标路径包括：根据所述每条候选路径的所述路径参数和所述综合障碍物风险，从所述多条候选路径中确定目标路径。
本申请实施例提供的路径选择方法，除了考虑行车风险，还综合考虑路径参数，路径参数可以用于路径质量以确定目标避障路径。
在第一方面的一种可能的实现方式中，所述路径参数包括以下至少一个：曲率、长度、路径一致性、曲率变化率、航向角误差和所述航向角误差的变化率，所述路径一致性用于指示当前时刻的候选路径与上一规划时刻的所述候选路径的一致程度，所述航向角误差用于指示目标沿候选路径行驶的航向角与沿道路参考线行驶的航向角之间的偏差。
本申请实施例提供的路径选择方法，可以针对性设计不同组合的路径参数以确定目标路径，不同组合的路径参数可以衡量路径的质量，满足实际应用中对路径质量的多样化需求。
本申请实施例的第二方面提供了一种路径选择装置，包括：获取模块，用于获取目标道路区域的道路基本信息、所述目标道路区域内的障碍物的位置信息和目标对象在所述目标道路区域内的多条候选路径；确定模块，用于根据所述道路基本信息和所述障碍物的位置信息确定所述目标道路区域的障碍物风险关系，所述障碍物风险关系用于获取所述目标道路区域中的任意一个位置的障碍物风险；所述确定模块还用于，根据所述障碍物风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定每条候选路径的综合障碍物风险；所述确定模块还用于，根据所述每条候选路径的综合障碍物风险，从所述多条候选路径中确定目标路径。
在第二方面的一种可能的实现方式中，所述多条候选路径包括第一候选路径；所述确定模块具体用于：确定所述第一候选路径上的多个路径点；根据所述障碍物风险关系确定所述多个路径点的障碍物风险；根据所述多个路径点的障碍物风险确定所述第一候选路径的综合障碍物风险。
在第二方面的一种可能的实现方式中，所述多个路径点包括第一路径点；所述第一路径点的障碍物风险根据所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定；所述第一路径点的横向障碍物风险关系根据所述障碍物的位置信息和障碍物横向风险放大系数确定；所述第一路径点的纵向障碍物风险关系根据所述障碍物的位置信息和障碍物纵向风险放大系数确定。
可选地，所述第一路径点的横向障碍物风险与所述横向风险放大系数正相关，与所述第一路径点在垂直道路参考线的道路横向方向上与所述障碍物的距离负相关，所述第一路径点的纵向障碍物风险与所述纵向风险放大系数正相关，与所述第一路径点在沿道路参考线方向的道路纵向方向上与所述障碍物的距离负相关，所述障碍物横向风险放大系数小于所述障碍物纵向风险放大系数。
在第二方面的一种可能的实现方式中，所述获取模块还用于：获取所述障碍物的航向角，所述障碍物的航向角根据所述障碍物的运动方向获得；所述第一路径点的障碍物风险根据所述障碍物的航向角、以及所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定。
所述第一路径点的障碍物风险与第一角度大小负相关，所述第一角度为以所述障碍物为端点通过所述第一路径点的射线与地面坐标系横轴的角度与所述障碍物的航向角的差值。
在第二方面的一种可能的实现方式中，所述障碍物为所述目标道路区域内的行驶车辆。
在第二方面的一种可能的实现方式中，所述目标对象为所述目标道路区域内的车辆，所述障碍物为所述目标道路区域内除所述目标对象之外的车辆。
在第二方面的一种可能的实现方式中，所述确定模块还用于：所述确定模块还用于：根据所述道路基本信息确定所述目标道路区域的道路风险关系，所述道路风险关系用于获取所述目标道路区域中的任意一个位置的道路风险，所述道路基本信息包括道路长度、道路宽度和道路参考线的位置；根据所述道路风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定所述多条候选路径中每条候选路径的综合道路风险，所述综合道路风险用于从所述条候选路径中确定目标避障路径。
在第二方面的一种可能的实现方式中，所述确定模块具体用于：确定所述多条候选路径中第一候选路径上的多个路径点；根据所述道路风险关系确定所述多个路径点的道路风险；根据所述多个路径点的道路风险确定所述第一候选路径的综合道路风险。
可选地，所述多个路径点中的第三路径点的道路风险与所述第三路径点与道路左右边界的的距离差值正相关。
在第二方面的一种可能的实现方式中，所述确定模块具体用于：根据所述每条候选路径的所述路径参数和所述综合障碍物风险，从所述多条候选路径中确定目标路径。
在第二方面的一种可能的实现方式中，所述路径参数包括以下至少一个：曲率、长度、路径一致性、曲率变化率、航向角误差和所述航向角误差的变化率，所述路径一致性用于指示当前时刻的候选路径与上一规划时刻的所述候选路径的一致程度，所述航向角误差用于指示目标物体沿候选路径行驶的航向角与沿道路参考线行驶的航向角之间的偏差。
本申请实施例第三方面提供了一种路径选择装置，其特征在于，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令，执行如上述第一方面以及各种可能的实现方式中任一项所述的方法。
本申请实施例第四方面提供了一种包含指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得所述计算机执行如上述第一方面以及各种可能的实现方式中任一项所述的方法。
本申请实施例第五方面提供了一种计算机可读存储介质，包括指令，其特征在于，当所述指令在计算机上运行时，使得计算机执行如上述第一方面以及各种可能的实现方式中任一项所述的方法。
本申请实施例第六方面提供了一种一种芯片，包括处理器。处理器用于读取并执行存储器中存储的计算机程序，以执行上述任一方面任意可能的实现方式中的方法。可选地，该芯片该包括存储器，该存储器与该处理器通过电路或电线与存储器连接。进一步可选地，该芯片还包括通信接口，处理器与该通信接口连接。通信接口用于接收需要处理的数据和/或信息，处理器从该通信接口获取该数据和/或信息，并对该数据和/或信息进行处理，并通过该通信接口输出处理结果。该通信接口可以是输入输出接口。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例提供的路径选择方法，基于人工势场法构建障碍物风险关系，可以获取道路中任意位置的障碍物风险，根据障碍物风险关系和多条候选路径在目标道路区域中的位置分布可以确定多条候选路径的障碍物风险，通过比较多条候选路径的障碍物风险，确定最优的目标路径，当目标道路区域的障碍物数据较多时，相较现有的碰撞检测方法，可以显著降低路径选择时间。
此外，本申请实施例提供的路径选择方法，还可以根据道路基本信息构建道路风险关系，由障碍物风险关系和道路风险关系共同确定行车风险关系，风险势值的大小体现了候选路径的行车风险的高低，然后，通过计算候选路径的“路径参数”与“行车风险”的综合评估值选择最优避障路径，不同于通过不等式逐条判断候选路径是否与障碍物存在交集的“碰撞检测”，本申请方案中提供的方法更为简洁高效。
此外，本方案可适应在任意形状的结构化道路上进行路径规划避障时，对候选路径进行最优地选择。
附图说明
图1为路径选择的示意图；
图2为本申请实施例中最优避障路径选择***的架构示意图；
图3为本申请实施例中路径选择方法的实施例示意图；
图4为本申请实施例中障碍物行车风险场的示意图；
图5为本申请实施例中路径选择方法的实施例示意图；
图6a为本申请实施例中行车风险场等高图；
图6b为本申请实施例中人工势场行车风险等高图；
图7a为本申请实施例中从多条候选路径中确定目标避障路径的示意图；
图7b为多条候选路径的路径综合评估值的示意图；
图8为本申请实施例的路径选择方法与碰撞检测方法的对比示意图；
图9为本申请实施例中路径选择装置的一个实施例示意图；
图10为本申请实施例中路径选择装置的一个实施例示意图。
具体实施方式
本申请实施例提供了一种路径选择方法，用于智能驾驶中的路径选择，可以避免逐条选择候选路径，减少路径选择时的计算量，提升路径决策的效率。
本申请实施例可应用于各种运动目标(包括机动车、非机动车、行人或机器人等)在各种形式的路径(包括高速公路、城市道路、乡村道路或室内路径等)上的运动，后续实施例以车辆或车道为例做描述，但本领域技术人员可以将其扩展至其他目标的路径规划领域，具体此处不做限定。
本申请实施例中，假设无人车在结构化道路上行驶，实际应用场景可能包括多车道，在多车道场景中，由于无论无人车处于哪条车道，根据交通规则行驶过程中，只能选择相邻车道变道，即无人车只能向左变道或者向右变道，由此，可以将无人车在多车道中的行驶简化为双车道模型，本申请实施例中，将以双车道模型为例进行介绍，可以理解的是，这并不会对方案实施的场景构成限定。
自动驾驶***中如果将感知模块比作人的眼睛和耳朵，那么决策规划就是自动驾驶的大脑。大脑在接收到传感器的各种感知信息之后，对当前环境做出分析，然后对底层控制模块下达指令，这一过程就是决策规划模块的主要任务。
典型的无人车决策规划模块可以分为三个层次：
1、全局路径规划：在接收到一个给定的行驶目的地之后，结合地图信息，生成一条全局的路径，作为为后续具体路径规划的参考；
2、行为决策层：在接收到全局路径后，结合从感知模块得到的环境信息(包括其他车辆与行人，障碍物，以及道路上的交通规则信息)，做出具体的行为决策(例如选择变道超车还是跟随)；
3、最后路径规划层：根据具体的行为决策，规划生成一条满足特定约束条件(例如车辆本身的动力学约束、避免碰撞等)的轨迹，该轨迹作为控制模块的输入决定车辆最终行驶路径。目前一种运用较多的路径规划方法思路是：首先运用某种规划算法在路面上生成多条候选路径，然后根据候选路径的几何性质和障碍物的位置来选择最佳的避障路径。
为了便于理解，下面对本申请涉及的部分技术术语进行简要介绍：
车头时距(time headway，TH)是评价驾驶安全性的重要指标，车头时距代表着前后两辆车的前端通过同一地点的时间差，一般可使用前后车的车头间距除以后车速度来计算。车头时距代表当前车刹车时，后车驾驶员所具有的最大反应时间，因此它不随速度的变化而波动一般用ht表示，单位s。
下面结合附图，对本申请的实施例进行描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。在本申请中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相类似的技术效果即可。
下面对本申请实施例提供的路径选择方法进行介绍。
请参阅图2，为本申请实施例中最优避障路径选择***的架构示意图；
车辆经环境感知和信息融合得到道路边界、障碍物位置信息，并经路径规划模块得到一簇候选路径，该***以道路边界、障碍物位置以及候选路径作为输入，路径选择***综合评估每一条候选路径的质量(通过路径参数确定，例如路径曲率、长度和路径一致性)和行车风险(包括道路边界和障碍物引起的行车风险)，选择出最优的避障路径作为输出。
请参阅图3，为本申请实施例中路径选择方法的实施例示意图；
301、根据道路基本信息构建道路风险关系；
路径选择装置根据目标道路区域的道路基本信息构建道路风险关系，道路基本信息包括道路的位置，包括道路起始位置、道路终止位置、道路边界位置和道路参考线的位置，道路参考线例如可以是道路中心线。其中道路起始位置和道路终止位置可以预设，从而根据道路基本信息确定目标道路区域。在构建道路风险关系时可以基于不同的坐标系构建，坐标原点可以是当前的目标位置或者是目标道路中心线起点位置等，具体此处不做限定，下面以笛卡尔坐标系为例进行介绍。
根据笛卡尔坐标系中道路上任一点(x，y)与道路边界的横向距离为参数构建确定道路风险关系，本申请实施例中目标道路区域中的道路风险关系也称作道路风险场。
道路风险场的计算方法如下：
Figure BDA0002953899150000071
其中kl，kr分别为道路左边界风险场的强度值和右边界风险场的强度值，代表道路边界所具有的风险评估值，值越大意味着靠近道路边界时风险越高，该数值可以由仿真经验调试确定，具体数值此处不做限定。Ybi(s)，i∈{l，r}分别表示道路左右边界值，且
Figure BDA0002953899150000072
其中D为道路宽度，fcx和fcy是道路中心线笛卡尔坐标关于其对应中心线长度s的函数。这意味着如果该位置越靠近道路左右边界，其对应的风险值也会越来越大，进而达到约束主车在道路范围内行驶的目的。下标i可以取值l(left，左)或者r(right，右)，分别表示左边界Ybl，和右边界Ybr。
302、根据道路风险场确定候选路径的综合道路风险；
根据步骤301获取的道路风险场，可以计算每条候选路径的综合道路风险。可选的，以一定的间距采样候选路径上的路径点，根据各个路径点处的道路风险值确定整条候选路径的综合道路风险的值。
类似地，确定每条候选路径的综合道路风险的值。
可选地，目标道路区域中的多条候选路径基于目标对象在目标道路区域上的位置确定，例如以目标对象为起始点；或者，多条候选路径基于预设的起始位置和目的位置设定，对于候选路径的获取方式，此处具体不做限定。
需要说明的是，步骤301至步骤302为可选步骤，可以执行步骤301和步骤302，也可以不执行步骤301和步骤302，具体此处不做限定。
303、根据障碍物位置构建障碍物风险关系；
本申请实施例中目标道路区域中的障碍物风险关系也称作障碍物风险场，请参阅图4，为本申请实施例中障碍物行车风险场的示意图；
根据障碍物位置确定道路中的障碍物风险场。可以理解的是，若目标道路区域内包括目标车辆，则障碍物即为除目标车辆之外的其他车辆；若目标道路区域内不包括目标车辆，则障碍物为该目标道路区域内的所有车辆。
具体的，障碍物行车风险场同样基于高斯函数形式构建，其一般形式为：
Figure BDA0002953899150000081
其中，N是障碍物个数，本申请中对于障碍物的数量不做限定。
Kobst是障碍物行车风险场的强度因子，它应根据主车与障碍物的状态进行设计，可选的，本申请实施例中将其表示为关于本车与障碍物i的车头时距Th，i的非线性函数：
Figure BDA0002953899150000082
上式中kobst是基准强度参考值，表征障碍物风险强度的一个系数，可以根据经验确定，具体数值此处不做限定。μ是指数部分的调节参数，di是当前主车与第i个障碍物的间距，vhost是主车的前进速度，这就意味着车头时距越大，该障碍物风险场强度因子越小，引起的行车风险也会越低。
Ei的具体表达式为：
Figure BDA0002953899150000083
其中，A为障碍物纵向行车风险场放大系数，B为障碍物横向行车风险场放大系数，可以看作是在障碍物坐标系下，某位置与障碍物中心(xobst，i，yobst，i)的纵向、横向距离经“缩放”后的“距离”平方量，通过调节障碍物行车风险场放大系数A或B，需要说明的是，通常A的数值大于B，例如A为250至1000，B为1或2等，A和B的具体数值可以由经验设定，具体数值不做限定。“放大”或“缩小”障碍物在其纵向或横向上的行车风险值，例如通过增大系数A(保持B不变)可以扩大障碍物行车风险场在纵向上的影响范围，从而使主车达到与障碍保持足够的安全的纵向相对距离的目的。此外，Ei与第i个障碍物当前的航向角θobst，i有关，因此障碍物风险场数值的分布也能随着障碍物的姿态进行自适应调整，车辆的航向角可以根据陀螺仪等传感器获取，具体获取方式此处不做限定。
障碍物行车危险场的目的是为了防止主车与其他障碍物车辆发生碰撞，使主车与其保持一定的安全距离，因此在选取障碍物行车风险场函数时，一方面当车辆越接近障碍车辆，对应的风险值也应趋向于无穷大；另一方面，风险场的设计应使得在同样的间距情况下，主车与障碍物在纵向上的风险值要高于其在横向上的风险值。
304、根据障碍物风险场确定候选路径的综合障碍物风险；
根据步骤303获取的障碍物风险场，可以计算该候选路径的综合障碍物风险。可选的，以一定的间距采样候选路径中的路径点，根据各个路径点处的障碍物风险值确定整条候选路径的综合障碍物风险的值。
类似地，确定每条候选路径的综合障碍物风险的值。
305、确定候选路径的路径参数；
针对每条候选路径，取一定数目的路径参考点，路径参考点的数量此处不做限定，本实施例中以取N个路径参考点为例进行介绍，根据一个或多个路径参数评估每条候选路径本身的质量，路径参数包括以下至少一个：曲率、长度、路径一致性、曲率变化率、航向角误差和航向角误差变化率等。其中，路径一致性用于指示在当前时刻候选路径与上一规划时刻确定的候选路径之间的一致程度。航向角误差用于指示目标物体沿候选路径行驶的航向角与沿道路参考线行驶的航向角之间的偏差，具体的，航向角误差是目标物体沿候选路径行驶时在候选路径上某一路径点处的航向角，与沿道路参考线行驶时在距离该路径点最近的点处的航向角之间的偏差。
可选地，本步骤中可以仅确定曲率、长度、路径一致性、曲率变化率、航向角误差和航向角误差变化率中的任意一个，也可以从曲率、长度、路径一致性、曲率变化率、航向角误差和航向角误差变化率中确定多个，具体此处不做限定。可以理解的是，路径的曲率越小，弯曲程度越低，路径的质量越高；路径长度越小，路径的质量越高；路径一致性越高，与上一时刻规划路径的差异越小，路径规划的稳定性好则路径的质量越高；路径的曲率变化率越小，路径的质量越高；路径的航向角误差越小，与道路参考线的走势越接近，路径的质量越高，航向角误差变化率越小，路径的质量越高。
示例性的，本实施例以路径参数包括曲率、长度和一致性为例进行介绍。
可选的，曲率用路径的平均曲率Qκ度量，平均曲率Qκ为路径参考点处的平均曲率绝对值：
Figure BDA0002953899150000091
其中κk为路径参考点处的路径曲率。
可选的，长度用路径的平均长度Qs度量，平均长度Qs为路径参考点的平均间隔长度：
Figure BDA0002953899150000101
其中Δdk为相邻采样点的间隔。
可选的，路径一致性用路径采样点与前一时刻规划路径的平均横向偏差平方Ql度量：
Figure BDA0002953899150000102
其中Lk为采样点的与道路中心线的横向位移，Lpre为前一规划时刻的终点的横向位移，该指标保证前后路径规划的连续性。
由此，将上述三个路径参数指标之和的均值作为衡量路径的质量的指标Q，即：
Figure BDA0002953899150000103
其中
Figure BDA0002953899150000104
分别是上述每个指标的归一化值。
需要说明的是，由于离障碍物比较近的路径通常会有更大的风险，质量最好的路径并不一定是最安全的。
306、根据候选路径的综合道路风险、综合障碍物风险和路径参数确定目标路径；
根据道路风险和障碍物风险确定每条候选路径的行车风险，本实施例中也称为行车风险场。
行车风险场U包括道路边界风险场Urd和障碍物风险场Uobst，它的大小为两者之和：
U＝Urd+Uobst (10)
需要说明的是，若不执行步骤301和步骤302，则U＝Uobst。
根据行程风险和路径参数确定目标路径，其中，路径参数可以是曲率、长度、路径一致性、曲率变化率、航向角误差和航向角误差变化率中的一个或多个，若根据多个路径参数确定目标路径，可以为不同的路径参数设定权值，根据路径参数计算得到衡量路径的质量指标Q，进而根据质量指标Q和行车风险选择路径。下面以路径参数包括曲率、长度和路径一致性为例进行介绍。
将所有候选路径的行车风险场U归一化后得到
Figure BDA0002953899150000105
再根据步骤303获取的路径的质量指标Q，将每条路径的路径质量指标与行车风险指标的乘积作为最终的路径选择指标J，候选路径k的路径选择指标为Jk：
Figure BDA0002953899150000106
由(11)可知，指标J兼顾了路径质量和行车风险，因此J值最小对应的目标路径即为当前规划时刻下最优的避障路径。
示例性的，下面介绍本申请实施例中路径选择方法的一个具体实施例：
假设道路中心线为三次多项式曲线，道路长度约L＝250m，中心线开始处的曲率为0，终止曲率为Cf＝1/800，道路曲率变化率C＝(Xf-X0)/L＝1/200000，道路中心线侧向位移方程设为
Figure BDA0002953899150000111
在中心线上以间距为1采样笛卡尔横向X坐标，即x＝0：1：250，共计n＝251个采样点，根据式(12)计算得到笛卡尔纵向Y坐标的值y，通过勾股定理近似计算出相邻采样点之间的距离，并累计得到路径向量s(初始值s[0]＝0)
s[i]＝s[i-1]+sqrt((x[i]-x[i-1])2+(y[i]-y[i-1])2)，i＝1，...，n (13)
构造道路中心线笛卡尔坐标关于路径向量s的函数：在道路中心线起始处建立笛卡尔坐标系，可选的，采用三次样条曲线插值方法获得笛卡尔横向X坐标与路径向量s的函数关系式fcx，笛卡尔纵向Y坐标与路径向量s的函数关系式fcy，如(14)所示
Figure BDA0002953899150000112
构建车道边界风险场：以单向双车道为例，取道路宽度D＝7.5m，车道宽度即为3.75m，依据(2)和(14)获得道路左右边界的表达式Ybl，Ybr，即
Figure BDA0002953899150000113
取道路边界风险场强度值kl＝100，kr＝100，依据(1)，道路边界风险场表达式为：
Figure BDA0002953899150000114
其中s为任意道路中心线长度。
构建障碍物风险场：假定该车道上存在两个障碍物，其中左车道正中有一静止障碍物#1，距离起始位置约50m，在笛卡尔坐标系中的位置为(xobst，1，yobst，1)＝(50，1.90)，在此刻的航向角为θobst，1＝0；右车道有一运动障碍物#2，位置为距离道路开始处80m，在笛卡尔坐标系中的位置为(xobst，2，yobst，2)＝(100，0.14)，航向角θobst，2＝0.08rad，速度为15m/s，且运动方向与中心线平行。障碍物风险场基本强度因子kobst＝100，假若主车位于右车道中心起始处，速度为20m/s，它与静止障碍#1的车头时距
Figure BDA0002953899150000115
与障碍车辆#2的车头时距
Figure BDA0002953899150000116
依据式(4)，取调节参数μ＝10，这样静止障碍物#1风险场的强度因子Kobst，1＝100×e-2.5/10＝77.88，移动障碍物#2的风险场的强度因子Kobst，2＝100×e-5/10＝60.65。取行车风险场的放大系数A＝250，B＝1，根据(3)可以得到障碍物风险场的表达式：
Figure BDA0002953899150000121
其中，
Figure BDA0002953899150000122
Figure BDA0002953899150000123
结合道路边界风险场和障碍物风险场，依据式(10)最终得到当前障碍物行车风险场的表达式为：
Figure BDA0002953899150000124
这样如果知道任意笛卡尔坐标的位置(x,y)，根据(18)即可计算出当前位置的行车风险场的大小。
现有的通过构建虚拟人工势场，使得障碍物对车辆产生“排斥力”，在目标点对车辆产生“吸引力”，车辆在“吸引力”和“排斥力”的作用下避开障碍并向目标点运动，该方法原理简单、计算量小、易实现。现有技术下的人工势场值通常不能在障碍物的纵向和横向做出有效区分，举例来说，主车在纵向上保持与障碍物1m的距离与在横向上保持1m的距离，其危险程度是不可等同而言的，其对应的势场值也应该有着明显的区分；此外现有的人工势场设计通常不能随着障碍物运动、姿态变化等做出适当的调整；而在单纯采用势场法进行路径规划时，由于缺乏全局信息而容易使得车辆陷入局部极小值，使得规划的路径产生振荡甚至停滞。
请参阅图6a和图6b，分别为本申请实施例中行车风险场等高图和人工势场行车风险等高图。可以通过MATLAB环境下进行编程获取。
从图6a可以看出，本申请提出的方案可以实时生成当前行车环境的风险值，当主车越靠近车道边界或者接近障碍物，行车风险值将会显著增加。
而图6b展示的是一般人工势场构建的行车风险等高线图，即在构建障碍物行车风险时，没有区分障碍物在其横向和纵向上的危险程度，这样它在纵向上只有很小一段距离内有较高的势场值，意味着只有在非常靠近障碍的时候才会受到影响，反观它在横向车道范围内有很大的势场值，在横向上要距障碍物较远才可以得到较低的势场值，这两点都不适合于进行路径决策。
此外，图6b中也没能体现出障碍物在不同状态下其风险程度的差异，障碍物的风险场值能随当前与主车的相对运动状态来决定，由于静止障碍与主车的车头时距要大于离得较远的运动障碍，故静止障碍的行车风险值要高于离得较远的运动障碍；此外我们还能看出与图图6b相比，图6a中的行车风险值能根据车辆的航向做出对应的调整。
请参阅图7a，为本申请实施例中从多条候选路径中确定目标避障路径的示意图；
多条候选路径可以采用三次多项式方法生成。以距离间距为1生成路径采样点，即Sp＝0：1：70。根据式(6-8)分别计算每条路径的平均曲率，平均长度以及路径一致性指标，将这三个指标归一化后再依据(9)计算路径质量指标。依据(1-5)和(10)计算得到行车风险值并进行归一化，各归一化值如表1所示，最终依据(11)计算路径最终的评估值，其最小值对应的路径序号即为最佳的避障路径。请参阅图7b为多条候选路径的路径综合评估值的示意图。
表1候选路径评估指标
Figure BDA0002953899150000131
候选路径的具体实现效果如图7a所示，规划初始，障碍物距离主车约70m，与道路中心线的法向位移为-2m，生成的曲线簇即为候选路径，加粗的候选路径为确定的目标避障路径，即最优避障路径，各路径对应的评估值如图7b所示，我们可以观察到，路径13具有最小的路经综合评估值，可以被确定为目标避障路径。
请参阅图8，为本申请实施例的路径选择方法与碰撞检测方法的对比示意图；
为了区别于现有技术的技术效果，本实施例选取了目前常用的采取不等式判别来进行“碰撞检测”的方法进行对比，经仿真验证，本申请的路径选择方法的平均耗时约为25ms，而碰撞检测方法所用的时间多出一倍有余，约59ms；并且两种方法的选择的最优路径也有差异，如图8所示，碰撞检测的路径比本方法选择的路径更接近道路边界，而本申请方法选择的路径位置接近道路中心线，更为理想。
上面介绍了本申请提供的路径选择方法，下面对实现该路径选择方法的路径选择装置进行介绍，请参阅图9，为本申请实施例中路径选择装置的一个实施例示意图。
该路径选择装置，包括：
获取模块901，用于获取目标道路区域的道路基本信息、所述目标道路区域内的障碍物的位置信息和目标对象在所述目标道路区域内的多条候选路径；
确定模块902，用于根据所述道路信息和所述障碍物的位置信息确定所述目标道路区域的障碍物风险关系，所述障碍物风险关系用于获取所述目标道路区域中的任意一个位置的障碍物风险；
所述确定模块902还用于，根据所述障碍物风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定每条候选路径的综合障碍物风险；
所述确定模块902还用于，根据所述每条候选路径的综合障碍物风险，从所述多条候选路径中确定目标路径。
可选地，所述多条候选路径包括第一候选路径；所述确定模块902具体用于：确定所述第一候选路径上的多个路径点；根据所述障碍物风险关系确定所述多个路径点的障碍物风险；根据所述多个路径点的障碍物风险确定所述第一候选路径的综合障碍物风险。
可选地，所述多个路径点包括第一路径点；所述第一路径点的障碍物风险根据所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定；所述第一路径点的横向障碍物风险关系根据所述障碍物的位置信息和障碍物横向风险放大系数确定；所述第一路径点的纵向障碍物风险关系根据所述障碍物的位置信息和障碍物纵向风险放大系数确定。
可选地，所述获取模块901还用于：获取所述障碍物的航向角，所述障碍物的航向角根据所述障碍物的运动方向获得；所述第一路径点的障碍物风险根据所述障碍物的航向角、以及所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定。
可选地，所述障碍物为所述目标道路区域内的行驶车辆。
可选地，所述目标对象为所述目标道路区域内的车辆，所述障碍物为所述目标道路区域内除所述目标对象之外的车辆。
可选地，所述确定模块902还用于：根据所述道路信息确定所述目标道路区域的道路风险关系，所述道路风险关系用于获取所述目标道路区域中的任意一个位置的道路风险，所述道路信息包括道路长度、道路宽度和道路参考线的位置；根据所述道路风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定所述多条候选路径中每条候选路径的综合道路风险，所述综合道路风险用于从所述条候选路径中确定目标避障路径。
可选地，所述确定模块902具体用于：确定所述多条候选路径中第一候选路径上的多个路径点；根据所述道路风险关系确定所述多个路径点的道路风险；根据所述多个路径点的道路风险确定所述第一候选路径的综合道路风险。
可选地，所述确定模块902还用于：确定所述每条候选路径的路径质量；
所述确定模块902具体用于：根据所述每条候选路径的所述路径质量和所述综合障碍物风险，从所述多条候选路径中确定目标路径。
可选地，所述路径质量基于以下因素中的至少一个获取：曲率、长度、路径一致性、曲率变化率、航向角误差和航向角误差变化率，所述路径一致性用于指示当前时刻的候选路径与上一规划时刻的所述候选路径的一致程度。
图9中的各个模块的只一个或多个可以软件、硬件、固件或其结合实现。所述软件或固件包括但不限于计算机程序指令或代码，并可以被硬件处理器所执行。所述硬件包括但不限于各类集成电路，如中央处理单元(CPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或专用集成电路(ASIC)。
请参阅图10，本申请实施例中路径选择装置的一个实施例示意图。
如图10所示，路径选择装置1000包括存储器1001和处理器1002。所述存储器1001存储计算机程序指令，所述处理器1002运行所述计算机程序指令以执行上述实施例描述的路径选择相关操作。所述处理器1002还与路径选择装置1000外界的一个或多个传感器相连接，接收所述传感器探测的自车周围环境的原始数据。所述传感器包括但不限于如摄像头、激光雷达、超声波雷达或毫米波雷达。路径选择装置1000输出的目标路径一般发送给智能驾驶车辆的底层控制模块，提供控车参考信息。底层控制模块也可以是由处理器1002执行的一个软件模块或集成于处理器1002中，本实施例不做限定。处理器1002包括但不限于各类CPU、DSP、微控制器、微处理器或人工智能处理器。
上述图9、图10所示的路径选择装置，基于人工势场法构建障碍物风险场，还根据道路信息构建道路风险场，由障碍物风险场和道路风险场共同确定行车风险场，风险势值的大小体现了候选路径的行车风险的高低，然后，通过计算候选路径的“路径质量指标”与“行车风险指标”的综合评估值选择最优避障路径，不同于通过不等式逐条判断候选路径是否与障碍物存在交集的“碰撞检测”，本申请方案中提供的方法更为简洁高效。当目标道路区域的障碍物数据较多时，相较现有的碰撞检测方法，可以显著降低路径选择时间。

Claims (21)

1.一种路径选择方法，其特征在于，包括：
获取目标道路区域的道路基本信息、所述目标道路区域内的障碍物的位置信息和目标对象的在所述目标道路区域内的多条候选路径；
根据所述道路基本信息和所述障碍物的位置信息确定所述目标道路区域的障碍物风险关系，所述障碍物风险关系用于获取所述目标道路区域中的任意一个位置的障碍物风险；
根据所述障碍物风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定每条候选路径的综合障碍物风险；
根据所述每条候选路径的综合障碍物风险，从所述多条候选路径中确定目标路径。
2.根据权利要求1所述的方法，其特征在于，所述多条候选路径包括第一候选路径；
所述根据所述障碍物风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定每条候选路径的综合障碍物风险包括：
确定所述第一候选路径上的多个路径点；
根据所述障碍物风险关系确定所述多个路径点的障碍物风险；
根据所述多个路径点的障碍物风险确定所述第一候选路径的综合障碍物风险。
3.根据权利要求2所述的方法，其特征在于，所述多个路径点包括第一路径点；
所述第一路径点的障碍物风险根据所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定；
所述第一路径点的横向障碍物风险关系根据所述障碍物的位置信息和障碍物横向风险放大系数确定；
所述第一路径点的纵向障碍物风险关系根据所述障碍物的位置信息和障碍物纵向风险放大系数确定。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述障碍物的航向角，所述障碍物的航向角根据所述障碍物的运动方向获得；
所述第一路径点的障碍物风险根据所述障碍物的航向角、以及所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述障碍物为所述目标道路区域内的行驶车辆。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述方法还包括：
根据所述道路基本信息确定所述目标道路区域的道路风险关系，所述道路风险关系用于获取所述目标道路区域中的任意一个位置点的道路风险，所述道路基本信息包括道路长度、道路宽度和道路参考线的位置；
根据所述道路风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定所述多条候选路径中每条候选路径的综合道路风险，所述综合道路风险用于从所述条候选路径中确定目标避障路径。
7.根据权利要求6所述的方法，其特征在于，
所述根据所述道路风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定所述多条候选路径中每条候选路径的综合道路风险包括：
确定所述多条候选路径中第一候选路径上的多个路径点；
根据所述道路风险关系确定所述多个路径点的道路风险；
根据所述多个路径点的道路风险确定所述第一候选路径的综合道路风险。
8.根据权利要求1至7中任一项所述的方法，其特征在于，
所述根据所述每条候选路径的综合障碍物风险，从所述多条候选路径中确定目标路径包括：
根据所述每条候选路径的所述路径参数和所述综合障碍物风险，从所述多条候选路径中确定目标路径。
9.根据权利要求8所述的方法，其特征在于，
所述路径参数包括以下至少一个：曲率、长度、路径一致性、曲率变化率、航向角误差和所述航向角误差的变化率，所述路径一致性用于指示当前时刻的候选路径与上一规划时刻的所述候选路径的一致程度，所述航向角误差用于指示目标沿候选路径行驶的航向角与沿道路参考线行驶的航向角之间的偏差。
10.一种路径选择装置，其特征在于，包括：
获取模块，用于获取目标道路区域的道路基本信息、所述目标道路区域内的障碍物的位置信息和目标对象在所述目标道路区域内的多条候选路径；
确定模块，用于根据所述道路基本信息和所述障碍物的位置信息确定所述目标道路区域的障碍物风险关系，所述障碍物风险关系用于获取所述目标道路区域中的任意一个位置的障碍物风险；
所述确定模块还用于，根据所述障碍物风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定每条候选路径的综合障碍物风险；
所述确定模块还用于，根据所述每条候选路径的综合障碍物风险，从所述多条候选路径中确定目标路径。
11.根据权利要求10所述的装置，其特征在于，所述多条候选路径包括第一候选路径；
所述确定模块具体用于：
确定所述第一候选路径上的多个路径点；
根据所述障碍物风险关系确定所述多个路径点的障碍物风险；
根据所述多个路径点的障碍物风险确定所述第一候选路径的综合障碍物风险。
12.根据权利要求11所述的装置，其特征在于，所述多个路径点包括第一路径点；
所述第一路径点的障碍物风险根据所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定；
所述第一路径点的横向障碍物风险关系根据所述障碍物的位置信息和障碍物横向风险放大系数确定；
所述第一路径点的纵向障碍物风险关系根据所述障碍物的位置信息和障碍物纵向风险放大系数确定。
13.根据权利要求11或12中任一项所述的装置，其特征在于，
所述获取模块还用于：获取所述障碍物的航向角，所述障碍物的航向角根据所述障碍物的运动方向获得；
所述第一路径点的障碍物风险根据所述障碍物的航向角、以及所述第一路径点的横向障碍物风险关系和所述第一路径点的纵向障碍物风险关系确定。
14.根据权利要求10至13中任一项所述的装置，其特征在于，所述障碍物为所述目标道路区域内的行驶车辆。
15.根据权利要求10至14中任一项所述的装置，其特征在于，所述确定模块还用于：
根据所述道路基本信息确定所述目标道路区域的道路风险关系，所述道路风险关系用于获取所述目标道路区域中的任意一个位置的道路风险，所述道路基本信息包括道路长度、道路宽度和道路参考线的位置；
根据所述道路风险关系和所述多条候选路径中每条候选路径在所述目标道路区域中的位置分布确定所述多条候选路径中每条候选路径的综合道路风险，所述综合道路风险用于从所述条候选路径中确定目标避障路径。
16.根据权利要求15所述的装置，其特征在于，所述确定模块具体用于：
确定所述多条候选路径中第一候选路径上的多个路径点；
根据所述道路风险关系确定所述多个路径点的道路风险；
根据所述多个路径点的道路风险确定所述第一候选路径的综合道路风险。
17.根据权利要求10至16中任一项所述的装置，其特征在于，所述确定模块具体用于：
根据所述每条候选路径的所述路径参数和所述综合障碍物风险，从所述多条候选路径中确定目标路径。
18.根据权利要求17所述的装置，其特征在于，
所述路径参数包括以下至少一个：曲率、长度、路径一致性、曲率变化率、航向角误差和所述航向角误差的变化率，所述路径一致性用于指示当前时刻的候选路径与上一规划时刻的所述候选路径的一致程度，所述航向角误差用于指示目标物体沿候选路径行驶的航向角与沿道路参考线行驶的航向角之间的偏差。
19.一种路径选择装置，其特征在于，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令，执行如权利要求1至9中任一项所述的方法。
20.一种包含指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得所述计算机执行如权利要求1至9中任一项所述的方法。
21.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在计算机上运行时，使得计算机执行如权利要求1至9中任一项所述的方法。
CN202080004767.5A 2020-01-17 2020-01-17 路径选择方法和路径选择装置 Pending CN112639849A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/072850 WO2021142799A1 (zh) 2020-01-17 2020-01-17 路径选择方法和路径选择装置

Publications (1)

Publication Number Publication Date
CN112639849A true CN112639849A (zh) 2021-04-09

Family

ID=75291269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080004767.5A Pending CN112639849A (zh) 2020-01-17 2020-01-17 路径选择方法和路径选择装置

Country Status (3)

Country Link
EP (1) EP4089369A4 (zh)
CN (1) CN112639849A (zh)
WO (1) WO2021142799A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113859267A (zh) * 2021-10-27 2021-12-31 广州小鹏自动驾驶科技有限公司 路径决策方法、装置及车辆
CN114184195A (zh) * 2021-12-14 2022-03-15 广州极飞科技股份有限公司 路径搜索方法、装置、无人设备及存储介质
CN114200943A (zh) * 2021-12-13 2022-03-18 哈尔滨工业大学芜湖机器人产业技术研究院 一种动态避让方法及移动机器人
CN114506343A (zh) * 2022-03-02 2022-05-17 阿波罗智能技术(北京)有限公司 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆
CN114987498A (zh) * 2022-06-10 2022-09-02 清华大学 自动驾驶车辆的拟人化轨迹规划方法、装置、车辆及介质
CN113124891B (zh) * 2021-04-20 2023-05-16 东软睿驰汽车技术（沈阳）有限公司 一种行驶路径规划方法及相关装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114077249B (zh) * 2021-10-22 2024-03-15 陕西欧卡电子智能科技有限公司 一种作业方法、作业设备、装置、存储介质
CN114030483B (zh) * 2021-12-16 2024-06-07 阿波罗智联(北京)科技有限公司 车辆控制方法、装置、电子设备和介质
CN115327914A (zh) * 2022-08-24 2022-11-11 安徽机电职业技术学院 一种基于人造引力场运动模拟的机器人运动规划方法
CN116817948B (zh) * 2023-06-07 2024-05-07 重庆大学 一种基于顶点风险评估的车辆分段路径规划方法
CN117073709B (zh) * 2023-10-17 2024-01-16 福瑞泰克智能***有限公司 路径规划方法、装置、计算机设备以及存储介质
CN117705123B (zh) * 2024-02-01 2024-04-09 戴盟(深圳)机器人科技有限公司 一种轨迹规划方法、装置、设备及存储介质
CN118010055A (zh) * 2024-02-02 2024-05-10 广州小鹏自动驾驶科技有限公司 行车规划方法、装置、终端设备以及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010007115A2 (de) * 2008-07-15 2010-01-21 Aerospy Sense And Avoid Technology Gmbh System und verfahren zur kollisionsvermeidung
CN101817330A (zh) * 2009-02-27 2010-09-01 日产自动车株式会社 车辆驾驶操作支持设备和方法以及车辆
US20130110867A1 (en) * 2011-10-31 2013-05-02 International Business Machines Corporation Data collection for usage based insurance
CN104897168A (zh) * 2015-06-24 2015-09-09 清华大学 基于道路危险评估的智能车路径搜索方法及***
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
CN106371439A (zh) * 2016-09-13 2017-02-01 同济大学 一种统一的自动驾驶横向规划方法与***
CN107339997A (zh) * 2016-05-03 2017-11-10 现代自动车株式会社 自主车辆的路径规划装置及方法
CN107346611A (zh) * 2017-07-20 2017-11-14 北京纵目安驰智能科技有限公司 一种自主驾驶的车辆的避障方法以及避障***
CN107702716A (zh) * 2017-08-31 2018-02-16 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、***和装置
CN109855637A (zh) * 2018-12-24 2019-06-07 北京新能源汽车股份有限公司 一种车辆的自动驾驶路径规划方法、装置及设备
US20190391580A1 (en) * 2018-06-25 2019-12-26 Mitsubishi Electric Research Laboratories, Inc. Systems and Methods for Safe Decision Making of Autonomous Vehicles

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101714273B1 (ko) * 2015-12-11 2017-03-08 현대자동차주식회사 자율 주행 시스템의 경로 제어 방법 및 그 장치

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010007115A2 (de) * 2008-07-15 2010-01-21 Aerospy Sense And Avoid Technology Gmbh System und verfahren zur kollisionsvermeidung
CN101817330A (zh) * 2009-02-27 2010-09-01 日产自动车株式会社 车辆驾驶操作支持设备和方法以及车辆
US20130110867A1 (en) * 2011-10-31 2013-05-02 International Business Machines Corporation Data collection for usage based insurance
CN104897168A (zh) * 2015-06-24 2015-09-09 清华大学 基于道路危险评估的智能车路径搜索方法及***
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
CN107339997A (zh) * 2016-05-03 2017-11-10 现代自动车株式会社 自主车辆的路径规划装置及方法
CN106371439A (zh) * 2016-09-13 2017-02-01 同济大学 一种统一的自动驾驶横向规划方法与***
CN107346611A (zh) * 2017-07-20 2017-11-14 北京纵目安驰智能科技有限公司 一种自主驾驶的车辆的避障方法以及避障***
CN107702716A (zh) * 2017-08-31 2018-02-16 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、***和装置
US20190391580A1 (en) * 2018-06-25 2019-12-26 Mitsubishi Electric Research Laboratories, Inc. Systems and Methods for Safe Decision Making of Autonomous Vehicles
CN109855637A (zh) * 2018-12-24 2019-06-07 北京新能源汽车股份有限公司 一种车辆的自动驾驶路径规划方法、装置及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WEI LIU 等: "Comprehensive predictive control method for automated vehicles in dynamic traffic circumstances", 《THE INSTITUTION OF ENGINEERING AND TECHNOLOGY》 *
陈虹 等: "面向动态避障的智能汽车滚动时域路径规划", 《中国公路学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113124891B (zh) * 2021-04-20 2023-05-16 东软睿驰汽车技术（沈阳）有限公司 一种行驶路径规划方法及相关装置
CN113859267A (zh) * 2021-10-27 2021-12-31 广州小鹏自动驾驶科技有限公司 路径决策方法、装置及车辆
CN113859267B (zh) * 2021-10-27 2023-08-25 广州小鹏自动驾驶科技有限公司 路径决策方法、装置及车辆
CN114200943A (zh) * 2021-12-13 2022-03-18 哈尔滨工业大学芜湖机器人产业技术研究院 一种动态避让方法及移动机器人
CN114184195A (zh) * 2021-12-14 2022-03-15 广州极飞科技股份有限公司 路径搜索方法、装置、无人设备及存储介质
CN114184195B (zh) * 2021-12-14 2024-04-26 广州极飞科技股份有限公司 路径搜索方法、装置、无人设备及存储介质
CN114506343A (zh) * 2022-03-02 2022-05-17 阿波罗智能技术(北京)有限公司 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆
CN114987498A (zh) * 2022-06-10 2022-09-02 清华大学 自动驾驶车辆的拟人化轨迹规划方法、装置、车辆及介质

Also Published As

Publication number Publication date
EP4089369A1 (en) 2022-11-16
EP4089369A4 (en) 2023-02-01
WO2021142799A1 (zh) 2021-07-22

Similar Documents

Publication Publication Date Title
CN112639849A (zh) 路径选择方法和路径选择装置
US11465619B2 (en) Vehicle collision avoidance based on perturbed object trajectories
CN112068545B (zh) 一种无人驾驶车辆在十字路口的行驶轨迹规划方法、***及存储介质
CN112673234B (zh) 路径规划方法和路径规划装置
US11561542B2 (en) Safety and comfort constraints for navigation
US11225247B2 (en) Collision prediction and avoidance for vehicles
CN109583151B (zh) 车辆的行驶轨迹预测方法及装置
EP3474254B1 (en) Surrounding environment recognition device
CN110362077B (zh) 无人驾驶车辆紧急避险决策***、方法及介质
JP7411653B2 (ja) 軌道生成のためのシステム、方法、およびコンピュータプログラム
JP2021531208A (ja) 車両のための衝突予測及び回避
US11360480B2 (en) Collision zone detection for vehicles
US11433885B1 (en) Collision detection for vehicles
US9708004B2 (en) Method for assisting a driver in driving an ego vehicle and corresponding driver assistance system
EP3715204A1 (en) Vehicle control device
CN111552284A (zh) 无人驾驶车辆的局部路径规划方法、装置、设备及介质
US11898855B2 (en) Assistance control system that prioritizes route candidates based on unsuitable sections thereof
CN110834631A (zh) 一种行人避让方法、装置、车辆及存储介质
WO2023092451A1 (zh) 预测可行驶车道的方法和装置
US20220392276A1 (en) Vehicle behavior evaluation device, vehicle behavior evaluation method, and vehicle behavior evaluation program product
CN115900738A (zh) 路径规划方法、装置、车辆以及存储介质
CN116373851A (zh) 一种自动泊车的路径规划方法、自动泊车方法及相关装置
JP2022522298A (ja) 速度および位置情報を使用するレーダ反射の認識
US11565723B2 (en) Systems and methods for vehicle motion planning
CN116448134B (zh) 基于风险场与不确定分析的车辆路径规划方法及装置

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