CN113074734A - 一种轨迹规划方法、装置、存储介质及电子设备 - Google Patents
一种轨迹规划方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113074734A CN113074734A CN202110309235.9A CN202110309235A CN113074734A CN 113074734 A CN113074734 A CN 113074734A CN 202110309235 A CN202110309235 A CN 202110309235A CN 113074734 A CN113074734 A CN 113074734A
- Authority
- CN
- China
- Prior art keywords
- track
- feasible
- determining
- initial
- changed
- 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 66
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 35
- 238000005070 sampling Methods 0.000 claims description 149
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012986 modification Methods 0.000 claims description 16
- 230000004048 modification Effects 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本说明书公开了一种轨迹规划的方法、装置、存储介质及电子设备,根据无人设备当前位置、目标位置和障碍物位置,确定第一数量的可行轨迹,作为轨迹集合,判断轨迹集合是否满足输出条件。当满足输出条件,在轨迹集合中选择一条可行轨迹作为无人设备的行驶轨迹。当不满足输出条件,选出第二数量的可行轨迹作为初始轨迹,并确定从无人设备当前位置到指定位置的子轨迹,根据子轨迹中的至少一个位置,生成当前位置到目标位置的变更轨迹,将初始轨迹和变更轨迹合并,重新作为轨迹集合,直到轨迹集合满足输出条件。本方法在生成变更轨迹时,参考了初始轨迹的子轨迹,避免规划时陷入局部最优解,保证规划出的行驶轨迹的在符合车辆动力学原理同时更加平滑。
Description
技术领域
本说明书涉及无人驾驶领域,尤其涉及一种轨迹规划方法、装置、存储介质及电子设备。
背景技术
目前,无人驾驶技术逐渐兴起,为无人驾驶设备规划出一条行驶轨迹是无人驾驶领域关键技术之一。
在现有技术中,无人驾驶设备轨迹规划的主要方法分为两个步骤:首先,在确定需要规划的整体路段后,基于全局轨迹规划获得一条较为粗略的行驶轨迹,之后,根据局部轨迹规划对粗略的行驶轨迹进行优化。
对于上述轨迹规划方法,对于规划出的一条轨迹,在规划该条轨迹时,并非根据该条轨迹中已规划出的部分,来规划该条轨迹中未规划的部分,所以容易陷入局部最优解,从而导致最终规划出的行驶轨迹不平滑,甚至不符合车辆动力学原理而无法实际应用。
发明内容
本说明书提供一种轨迹规划方法及装置,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种轨迹规划方法,包括:
根据无人设备的当前位置以及障碍物的位置,确定从所述当前位置到目标位置的第一数量的可行轨迹,作为轨迹集合;
判断所述轨迹集合是否满足输出条件;
若满足输出条件,则在所述轨迹集合中选择最终轨迹,作为为所述无人设备规划的行驶轨迹;
若不满足输出条件,则从所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹;针对每条初始轨迹,确定该初始轨迹中从所述当前位置到指定位置的子轨迹,并根据所述子轨迹中的至少一个位置,生成从所述当前位置到所述目标位置的变更轨迹;将各初始轨迹和各变更轨迹合并,并重新作为轨迹集合,直至轨迹集合满足输出条件为止。
可选地,根据无人设备的当前位置以及障碍物的位置,确定从所述当前位置到目标位置的第一数量的可行轨迹,作为轨迹集合,具体包括:
以无人设备的前进方向作为横坐标,以垂直于所述前进方向的方向作为纵坐标,所述当前位置为原点建立坐标系;
将所述障碍物的位置映射到所述坐标系中得到对应的障碍范围;将所述目标位置映射到所述坐标系中得到对应的目标点;
在从所述原点到所述目标点的横坐标范围内,确定各采样点的横坐标;
根据各采样点的横坐标和所述障碍范围,确定各采样点的纵坐标;
按照从原点到所述目标点的顺序,连接各采样点得到可行轨迹;
确定第一数量的所述可行轨迹,作为轨迹集合。
可选地,采用下述方式确定各采样点的横坐标:
针对每两个相邻的采样点的横坐标,该两个采样点的横坐标越大,该两个采样点的横坐标之差的绝对值越大。
可选地,若满足输出条件,则在所述轨迹集合中选择最终轨迹,作为为所述无人设备规划的行驶轨迹,具体包括:
若满足输出条件,则针对所述轨迹集合中的每条可行轨迹,确定出该可行轨迹的评分;
在所述轨迹集合中,确定评分最高的可行轨迹,作为所述无人设备规划的行驶轨迹。
可选地,从所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹,具体包括:
针对每条可行轨迹,确定该可行轨迹的评分;
根据该可行轨迹的评分,确定该可行轨迹的被选中概率;该可行轨迹的评分越高,该可行轨迹被选择作为初始轨迹的概率越高;
根据各可行轨迹的被选中概率,在所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹。
可选地,针对每条可行轨迹,确定该可行轨迹的评分,具体包括:
针对每条可行轨迹,根据该可行轨迹的曲率和该可行轨迹与所述无人设备所在的车道的中心线的距离,确定该可行轨迹的评分;其中,该可行轨迹的曲率越小,该可行轨迹的评分越高,该可行轨迹所述无人设备所在的车道的中心线的距离,该可行轨迹的评分越高。
可选地,确定该初始轨迹中从所述当前位置到指定位置的子轨迹,具体包括:
在该初始轨迹包含的各采样点中确定指定采样点;
确定该初始轨迹中从所述当前位置到指定采样点的位置的子轨迹;
可选地,根据所述子轨迹中的至少一个位置,生成从所述当前位置到所述目标位置的变更轨迹,具体包括:
将所述初始轨迹中与所述指定采样点距离最近且横坐标大于该指定采样点横坐标的采样点,作为待变更采样点;
根据所述指定采样点,确定所述待变更采样点的纵坐标的变更范围;
在所述变更范围中,确定所述待变更采样点变更后的纵坐标,得到变更后的采样点;
将所述变更后的采样点重新作为所述指定采样点,直至不存在待变更采样点时,根据所述初始轨迹中所有的采样点,确定变更轨迹。
可选地,在所述变更范围中,确定所述待变更采样点的纵坐标的变更范围,具体包括:
确定使所述指定采样点处的曲率小于指定曲率的待变更采样点的纵坐标范围,作为所述待变更采样点的纵坐标的变更范围。
可选地,所述方法还包括:
当所述变更范围中不存在位于所述障碍范围之外的纵坐标时,增大所述变更范围。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述轨迹规划方法。
本说明书提供了一种电子设备,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上述距离规划方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的轨迹规划方法中,根据无人设备当前位置、目标位置和障碍物位置,确定出第一数量的可行轨迹,作为轨迹集合,判断轨迹集合是否满足输出条件。当满足输出条件,则在轨迹集合中选择一条可行轨迹作为无人设备的行驶轨迹。当不满足条件时,选出第二数量的可行轨迹作为初始轨迹。在初始轨迹中,确定从无人设备当前位置到指定位置的子轨迹,根据子轨迹中的至少一个位置,生成当前位置到目标位置的变更轨迹,将初始轨迹和变更轨迹合并,并重新作为轨迹集合,直到轨迹集合满足输出条件。
从上述方法中可以看出,与现有技术相比,本方法在生成当前位置到目标位置的变更轨迹时,参考了该初始轨迹中的子轨迹,可避免规划轨迹时陷入局部最优解,从而保证了规划出的行驶轨迹的在符合车辆动力学原理同时更加平滑。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种轨迹规划方法的流程示意图;
图2为本实施例提供的坐标系示意图;
图3为本说明书中一种轨迹变更方法的流程示意图;
图4为本说明书中一种规划变更轨迹方法的流程示意图;
图5为本说明书待变更点的纵坐标的变更范围示意图;
图6为本说明书提供的一种轨迹规划装置的示意图;
图7为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种轨迹规划方法的流程示意图,具体包括以下步骤:
S100:根据无人设备的当前位置以及障碍物的位置,确定从所述当前位置到目标位置的第一数量的可行轨迹,作为轨迹集合。
本说明书中所述的无人设备可以是指无人车、机器人、自动配送设备等能够实现自动驾驶的设备。基于此,应用本说明书提供的轨迹规划的方法的无人设备可以用于执行配送领域的配送任务,如,使用无人设备进行快递、物流、外卖等配送的业务场景。
在实际应用中,无人设备在行驶过程中往往需要在实时规划行驶轨迹的同时,按照实时规划出的轨迹行驶。对于无人设备的轨迹规划,可由无人设备自身实时规划出轨迹,还可以由服务器为无人设备规划出轨迹并发送给无人设备,无人设备接收到此轨迹并按照此轨迹行驶。在本说明书中对具体轨迹规划的主体不作限制。下面仅以由无人设备自身规划轨迹为例进行说明。
无人设备在规划行驶轨迹时,需要确定无人设备的当前位置和目标位置,其中,由于无人设备能够规划轨迹的长度有限,所以目标位置可以是无人设备能规划到的最远距离对应的位置。为了保证无人设备行驶时的安全,无人设备实时规划出的轨迹需要避开从当前位置到目标位置之间的所有障碍物,因此无人设备还需要确定从当前位置到目标位置之间所有障碍物的位置。
在确定了当前位置和目标位置以及障碍物的位置后,为了能够方便地表示出当前位置、目标位置、障碍物位置和规划的行驶轨迹对应的位置,在本说明书实施例中,可对需要进行轨迹规划的路段建立坐标系。
在本说明书实施例中,如图2所示,以无人设备的前进方向作为横坐标,以垂直于所述前进方向的方向(即无人设备可左右转向的方向)作为纵坐标,所述当前位置为原点建立出坐标系,将无人设备的目标位置映射到坐标系对应的坐标点,作为目标点,将所有障碍物映射到坐标系对应的范围,作为障碍范围。
为了在后续轨迹规划步骤中方便的表示行驶轨迹中的各个位置,还可在坐标系中设置一定数量的采样点。设置采样点时,具体可在从原点到目标点的横坐标范围内,确定各采样点的横坐标,再根据各采样点的横坐标和障碍范围,确定各采样点的纵坐标。
在无人设备实时规划轨迹时,对于与无人设备当前位置距离较近的障碍物,无人设备需要及时的避开,所以在靠近原点设置相对密集的采样点,能够保证无人设备遇到障碍物时及时躲避,从而确保规划出的轨迹的安全性。而对于与无人设备当前位置距离较远的障碍物可以等到无人设备靠近时再进行细致的轨迹规划,所以在远离原点的位置设置相对稀疏的采样点,能够减少无人设备在规划轨迹的计算量,从而提高轨迹规划的效率。因此,针对每两个相邻的采样点的横坐标,该两个采样点的横坐标越大,该两个采样点的横坐标之差的绝对值越大,如图2所示,点1与点2是靠近原点位置的采样点,点3与点4与原点位置较远的采样点,点1与点2的横坐标之差的绝对值小于点3与点4的横坐标之差。
在确定了各采样点的横坐标之后,同样为了保证最终规划出的行驶轨迹的安全性,在设置各采样点的纵坐标时,各采样点的位置不能与障碍范围有重合的部分,所以可通过设置各采样点的纵坐标,使各采样点不位于障碍范围内。如图2所示,矩形为障碍范围,在确定了点1~4的横坐标后,由于障碍范围内不设置采样点,因此确定可以使点1~4避开障碍范围的纵坐标,最终点1~4不会与障碍范围重合。
在坐标系中确定了各采样点的横坐标和纵坐标之后,各采样点的位置也就确定了,则可按照从原点到目标点的顺序,依次连接各采样点得到一条可行轨迹,重复上述操作,即可得到第一数量的可行轨迹,将这些可行轨迹构成的集合称作轨迹集合。值得注意的是,由于在障碍范围内没有设置采样点,所以可行轨迹均可避开所有的障碍范围。
其中,上述的第一数量可以根据需要进行设置,例如设置为10。
S102:判断所述轨迹集合是否满足输出条件,若是,执行步骤S104,否则执行步骤S106。
在无人设备通过上述步骤S100确定出轨迹集合后,需要判断轨迹集合是否满足输出条件。若轨迹集合中包含合适的轨迹,即可视为轨迹集合满足输出条件,其中合适的轨迹需要符合车辆动力学原理且平滑,从轨迹集合中选出一条最优轨迹作为无人规划设备的行驶轨迹。若轨迹集合中不存在合适的轨迹,即视为不满足输出条件,则可以对轨迹集合进行更新,直至轨迹集合中包含合适的轨迹。
S104:在所述轨迹集合中选择最终轨迹,作为所述无人设备规划的行驶轨迹。
在确定了轨迹集合满足输出条件后,无人设备从轨迹集合中选择最优的可行轨迹作为行驶轨迹,可通过对轨迹集合中可行轨迹评分的方法选出评分分最高的可行轨迹作为最优轨迹。具体的,以可行轨迹的曲率和/或所述无人设备所在的车道的中心线的距离作为评分标准,对轨迹集合中的每条可行轨迹进行评分,其中,可行轨迹的曲率越小,可行轨迹越符合车辆动力学原理且越平滑,因此可行轨迹获得的评分越高;可行轨迹与无人设备所在的车道的中心线的距离越近,可行轨迹越安全,因此可行轨迹获得的评分越高。由于上述评分标准共有两种,为了确定每条轨迹的最终的评分,针对上述两个评分标准,可设置这两个评分标准的权重,以加权平均分作为最终的评分,也可以采用其他方式确定最终的评分,本说明书对此不作限制。
在确定了轨迹集合中每个可行轨迹的评分后,选出评分最高的可行轨迹作为所述无人设备规划的行驶轨迹。
S106:从所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹;针对每条初始轨迹,确定该初始轨迹中从所述当前位置到指定位置的子轨迹,并根据所述子轨迹中的至少一个位置,生成从所述当前位置到所述目标位置的变更轨迹;将各初始轨迹和各变更轨迹合并,并重新作为轨迹集合,返回步骤S102。
在轨迹集合不满足输出条件时,为了让轨迹集合满足输出条件,则可以对轨迹集合进行更新。在对轨迹集合进行更新时,可通过在轨迹集合中选出一部分可行轨迹,并对选择出的可行轨迹进行更新的方式达到更新轨迹集合的目的。
具体的,可将选出的可行轨迹称为初始轨迹。针对每条初始轨迹,在该初始轨迹中确定一个位置作为指定位置,保留当前位置到指定位置的轨迹,称作子轨迹,舍弃指定位置到目标位置的轨迹。以保留的子轨迹为参考,补全指定位置到目标位置的轨迹,获得一条新的从当前位置到目标位置的轨迹,称为变更轨迹。将各变更轨迹和各初始轨迹构成的集合重新作为轨迹集合,此时完成了对轨迹集合的更新。在更新了轨迹集合后,返回步骤S102,判断轨迹集合是否满足输出条件,若是,则根据步骤S104确定无人设备的行驶轨迹,若否,继续更新轨迹集合,直至轨迹集合满足输出条件为止。
基于图1中的轨迹规划方法在生成当前位置到目标位置的变更轨迹时,参考了该初始轨迹中的子轨迹,可避免规划轨迹时陷入局部最优解,从而保证了规划出的行驶轨迹的在符合车辆动力学原理同时更加平滑。
为了提高轨迹规划的效率,只需在轨迹集合中选出一定数量的较为合适的可行轨迹进行更新,舍弃未被选中的可行轨迹即可,而不是将轨迹集合中的所有可行轨迹都进行更新。
上述步骤S106更新轨迹集合的方法,如图3所示,可以包括下述步骤S300-S302:
S300:根据被选中概率,从所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹,其中,针对轨迹集合中的每条可行轨迹,该可行轨迹越符合车辆动力学原理且平滑,该可行轨迹被选中作为初始轨迹的概率越高。
在本说明书实施例中,被选中概率的确定方法可以是:
根据步骤S104中计算可行轨迹评分的方法,确定轨迹集合中每条可行轨迹的评分,再根据每可行轨迹的评分确定被选中概率,例如,步骤S100中的第一数量为n,每条可行轨迹i的评分为Fi,因此被选中概率为Pi=∑in=F1iFi。也即,该可行轨迹的曲率越小,该可行轨迹的评分越高,该可行轨迹被选中作为初始轨迹的概率越高;该可行轨迹与无人设备所在的车道的中心线的距离越近,该可行轨迹的评分越高,该可行轨迹被选中作为初始轨迹的概率越高。
被选中概率也可以根据需要进行设置,本说明书对此不作限制。
为了得到符合车辆动力学原理且平滑的轨迹,在确定第二数量的初始轨迹之后,对选出的初始轨迹进行更新。
S302:在更新任一初始轨迹时,针对每条初始路径,确定该初始轨迹中从所述当前位置到指定位置的子轨迹;根据所述子轨迹中的至少一个位置,确定该初始轨迹中所述指定位置到所述目标位置的至少一个位置作为待变更位置;对所述待变更位置进行变更,并根据变更后的位置,生成所述当前位置到所述目标位置的变更轨迹。
在坐标系中,由于每条初始轨迹都是由原点到目标点之间的各采样点依次连接构成的,所以对于每条初始轨迹都能确定自身包含的各采样点。因此,在确定用于划分子路径的上述指定位置时,可在初始轨迹包含的各采样点中确定一个采样点作为指定采样点,将指定采样点在初始轨迹中对应的位置作为指定位置。在初始路径中将当前位置到指定采样点对应的位置作为子轨迹,并将子轨迹保留,以保留的子轨迹为参考,对于指定位置到目标位置的轨迹进行更新。
在初始轨迹中从指定采样点到目标点之间任意确定一个采样点作为待变更采样点,其中,指定采样点不能作为待变更采样点。以待采样点当前的横坐标作为变更后的采样点的横坐标。以使指定采样点处的曲率小于指定曲率的待变更采样点的纵坐标范围,作为待变更采样点的纵坐标的变更范围。
根据待变更采样点变更后的横坐标以及纵坐标的变更范围,可得到待变更采样点变更后的采样点。根据变更后的采样点,将初始轨迹包含的各采样点依次连接,最终得到一条从原点到目标点的变更轨迹。在本说明书实施例中,为了更加有效率的对初始轨迹进行更新,可将初始轨迹中指定采样点到目标点之间,但不包含指定采样点的各采样点均按照上述方法依次变更。
具体的,上述步骤S302中确定变更轨迹的方法,如图4所示,还可以包括以下步骤S400-S410:
S400:判断在初始轨迹中是否存在与所述指定采样点距离最近且横坐标大于该指定采样点横坐标的采样点,若否,执行步骤S402,若是,执行步骤S404。
S402:将初始轨迹中从原点到目标点的各采样点依次连接,确定变更轨迹。
S404:将所述初始轨迹中与所述指定采样点距离最近且横坐标大于该指定采样点横坐标的采样点,作为待变更采样点。
具体的,在确定指定采样点后,在初始轨迹中,将与指定采样点距离最近且横坐标大于指定采样点横坐标的采样点,作为待变更采样点,在后续步骤中,可对待变更采样点进行变更,以达到更新整条初始轨迹的目的。
S406:根据所述指定采样点,确定所述待变更采样点的纵坐标的变更范围。
具体的,确定了指定采样点的横纵坐标位置后,为了保证变更后的轨迹符合车辆动力学原理且平滑,因此确定使所述指定采样点处的曲率小于指定曲率的待变更采样点的纵坐标范围,作为所述待变更采样点的纵坐标的变更范围。
S408:在所述变更范围中,确定所述待变更采样点变更后的纵坐标,得到变更后的采样点。
在步骤S404-S406中,确定了变更后的横坐标以及纵坐标的变更范围,可在纵坐标变更范围中任意确定一个纵坐标作为待变更采样点变更后的纵坐标,得到待变更采样点变更后的采样点。至此,完成了对待变更采样点的变更。
S410:将变更后的采样点重新作为指定采样点,返回步骤S400。
值得注意的是,在待变更采样点根据变更范围变更纵坐标时,以纵坐标不与障碍范围的纵坐标重合为条件,判断待变更采样点的变更范围内是否存在满足条件的纵坐标,当存在时,待变更采样点可任选一个纵坐标作为变更后的纵坐标;当不存在时,可将变更范围X增大得到增大后的变更范围为X’。
如图5所示,当变更范围X内不存在符合条件的纵坐标时,将位于变更范围中的上限纵坐标邻域且大于上限纵坐标的纵坐标添加进变更范围,将位于变更范围中的下限纵坐标邻域且小于下限纵坐标的纵坐标添加进变更范围,此时纵坐标的变更范围为X’。若增大范围后的变更范围X’中仍然不存在符合条件的纵坐标,继续按照上述方法增大变更范围,直至变更范围内存在符合条件的纵坐标为止。
将所有初始轨迹均按照上述方法进行更新,得到对应的变更轨迹。将各初始轨迹和各变更轨迹构成的集合,并重新作为轨迹集合,返回步骤S102,判断更新后的轨迹集合是否满足输出条件。
以上为本说明书的一个或多个实施例提供的轨迹规划方法,基于同样的思路,本说明书还提供了相应的轨迹规划装置,如图6所示。
图6为本说明书提供的一种轨迹规划装置示意图,具体包括:
定位模块601、判断模块602、输出模块603、循环模块604,其中:
定位模块601,用于根据无人设备的当前位置以及障碍物的位置,确定从所述当前位置到目标位置的第一数量的可行轨迹,作为轨迹集合;
判断模块602,用于判断所述轨迹集合是否满足输出条件;
输出模块603,用于若满足输出条件,则在所述轨迹集合中选择最终轨迹,作为为所述无人设备规划的行驶轨迹;
循环模块604,用于若不满足输出条件,则从所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹;针对每条初始轨迹,确定该初始轨迹中从所述当前位置到指定位置的子轨迹,并根据所述子轨迹中的至少一个位置,生成从所述当前位置到所述目标位置的变更轨迹;将各初始轨迹和各变更轨迹合并,并重新作为轨迹集合,直至轨迹集合满足输出条件为止。
可选地,所述定位模块601具体用于,以无人设备的前进方向作为横坐标,以垂直于所述前进方向的方向作为纵坐标,所述当前位置为原点建立坐标系;将所述障碍物的位置映射到所述坐标系中得到对应的障碍范围;将所述目标位置映射到所述坐标系中得到对应的目标点;在从所述原点到所述目标点的横坐标范围内,确定各采样点的横坐标;根据各采样点的横坐标和所述障碍范围,确定各采样点的纵坐标;按照从原点到所述目标点的顺序,连接各采样点得到可行轨迹;确定第一数量的所述可行轨迹,作为轨迹集合。
可选地,所述定位模块601具体用于,针对每两个相邻的采样点的横坐标,该两个采样点的横坐标越大,该两个采样点的横坐标之差的绝对值越大。
可选地,所述输出模块603具体用于,针对所述轨迹集合中的每条可行轨迹,确定出该可行轨迹的评分;在所述轨迹集合中,确定评分最高的可行轨迹,作为所述无人设备规划的行驶轨迹。
可选地,所述循环模块604具体用于,针对每条可行轨迹,确定该可行轨迹的评分;根据该可行轨迹的评分,确定该可行轨迹的被选中概率;该可行轨迹的评分越高,该可行轨迹被选择作为初始轨迹的概率越高;根据各可行轨迹的被选中概率,在所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹。
可选地,所述循环模块604具体用于,针对每条可行轨迹,根据该可行轨迹的曲率和/或该可行轨迹与所述无人设备所在的车道的中心线的距离,确定该可行轨迹的评分;其中,该可行轨迹的曲率越小,该可行轨迹的评分越高,该可行轨迹与所述无人设备所在的车道的中心线的距离越近,该可行轨迹的评分越高。
可选地,所述循环模块604具体用于,在该初始轨迹包含的各采样点中确定指定采样点;确定该初始轨迹中从所述当前位置到指定采样点的位置的子轨迹;根据所述子轨迹中的至少一个位置,生成从所述当前位置到所述目标位置的变更轨迹,具体包括:将所述初始轨迹中与所述指定采样点距离最近且横坐标大于该指定采样点横坐标的采样点,作为待变更采样点;根据所述指定采样点,确定所述待变更采样点的纵坐标的变更范围;在所述变更范围中,确定所述待变更采样点变更后的纵坐标,得到变更后的采样点;将所述变更后的采样点重新作为所述指定采样点,直至不存在待变更采样点时,根据所述初始轨迹中所有的采样点,确定变更轨迹。
可选地,所述循环模块604具体用于,确定使所述指定采样点处的曲率小于指定曲率的待变更采样点的纵坐标范围,作为所述待变更采样点的纵坐标的变更范围。
可选地,所述循环模块604具体用于,当所述变更范围中不存在位于所述障碍范围之外的纵坐标时,增大所述变更范围。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的轨迹规划方法。
本说明书还提供了图7所示的电子设备的示意结构图。如图7所述,在硬件层面,该无人驾驶设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的轨迹规划方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (12)
1.一种轨迹规划方法,其特征在于,所述方法包括:
根据无人设备的当前位置以及障碍物的位置,确定从所述当前位置到目标位置的第一数量的可行轨迹,作为轨迹集合;
判断所述轨迹集合是否满足输出条件;
若满足输出条件,则在所述轨迹集合中选择最终轨迹,作为为所述无人设备规划的行驶轨迹;
若不满足输出条件,则从所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹;针对每条初始轨迹,确定该初始轨迹中从所述当前位置到指定位置的子轨迹,并根据所述子轨迹中的至少一个位置,生成从所述当前位置到所述目标位置的变更轨迹;将各初始轨迹和各变更轨迹合并,并重新作为轨迹集合,直至轨迹集合满足输出条件为止。
2.如权利要求1所述的方法,其特征在于,根据无人设备的当前位置以及障碍物的位置,确定从所述当前位置到目标位置的第一数量的可行轨迹,作为轨迹集合,具体包括:
以无人设备的前进方向作为横坐标,以垂直于所述前进方向的方向作为纵坐标,所述当前位置为原点建立坐标系;
将所述障碍物的位置映射到所述坐标系中得到对应的障碍范围;将所述目标位置映射到所述坐标系中得到对应的目标点;
在从所述原点到所述目标点的横坐标范围内,确定各采样点的横坐标;
根据各采样点的横坐标和所述障碍范围,确定各采样点的纵坐标;
按照从原点到所述目标点的顺序,连接各采样点得到可行轨迹;
确定第一数量的所述可行轨迹,作为轨迹集合。
3.如权利要求2所述的方法,其特征在于,采用下述方式确定各采样点的横坐标:
针对每两个相邻的采样点的横坐标,该两个采样点的横坐标越大,该两个采样点的横坐标之差的绝对值越大。
4.如权利要求1所述的方法,其特征在于,在所述轨迹集合中选择最终轨迹,作为为所述无人设备规划的行驶轨迹,具体包括:
针对所述轨迹集合中的每条可行轨迹,确定出该可行轨迹的评分;
在所述轨迹集合中,确定评分最高的可行轨迹,作为所述无人设备规划的行驶轨迹。
5.如权利要求1所述的方法,其特征在于,从所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹,具体包括:
针对每条可行轨迹,确定该可行轨迹的评分;
根据该可行轨迹的评分,确定该可行轨迹的被选中概率;该可行轨迹的评分越高,该可行轨迹被选择作为初始轨迹的概率越高;
根据各可行轨迹的被选中概率,在所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹。
6.如权利要求4或5所述的方法,其特征在于,针对每条可行轨迹,确定该可行轨迹的评分,具体包括:
针对每条可行轨迹,根据该可行轨迹的曲率和/或该可行轨迹与所述无人设备所在的车道的中心线的距离,确定该可行轨迹的评分;其中,该可行轨迹的曲率越小,该可行轨迹的评分越高,该可行轨迹与所述无人设备所在的车道的中心线的距离越近,该可行轨迹的评分越高。
7.如权利要求2所述的方法,其特征在于,确定该初始轨迹中从所述当前位置到指定位置的子轨迹,具体包括:
在该初始轨迹包含的各采样点中确定指定采样点;
确定该初始轨迹中从所述当前位置到指定采样点的位置的子轨迹;
根据所述子轨迹中的至少一个位置,生成从所述当前位置到所述目标位置的变更轨迹,具体包括:
将所述初始轨迹中与所述指定采样点距离最近且横坐标大于该指定采样点横坐标的采样点,作为待变更采样点;
根据所述指定采样点,确定所述待变更采样点的纵坐标的变更范围;
在所述变更范围中,确定所述待变更采样点变更后的纵坐标,得到变更后的采样点;
将所述变更后的采样点重新作为所述指定采样点,直至不存在待变更采样点时,根据所述初始轨迹中所有的采样点,确定变更轨迹。
8.如权利要求7所述的方法,其特征在于,在所述变更范围中,确定所述待变更采样点的纵坐标的变更范围,具体包括:
确定使所述指定采样点处的曲率小于指定曲率的待变更采样点的纵坐标范围,作为所述待变更采样点的纵坐标的变更范围。
9.如权利要求7或8所述的方法,其特征在于,所述方法还包括:
当所述变更范围中不存在位于所述障碍范围之外的纵坐标时,增大所述变更范围。
10.一种轨迹规划装置,其特征在于,包括:
定位模块,用于根据无人设备的当前位置以及障碍物的位置,确定从所述当前位置到目标位置的第一数量的可行轨迹,作为轨迹集合;
判断模块,用于判断所述轨迹集合是否满足输出条件;
输出模块,用于若满足输出条件,则在所述轨迹集合中选择最终轨迹,作为为所述无人设备规划的行驶轨迹;
循环模块,用于若不满足输出条件,则从所述轨迹集合中选择第二数量的可行轨迹,作为初始轨迹;针对每条初始轨迹,确定该初始轨迹中从所述当前位置到指定位置的子轨迹,并根据所述子轨迹中的至少一个位置,生成从所述当前位置到所述目标位置的变更轨迹;将各初始轨迹和各变更轨迹合并,并重新作为轨迹集合,直至轨迹集合满足输出条件为止。
11.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~9任一项所述的方法。
12.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现上述权利要求1~9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110309235.9A CN113074734B (zh) | 2021-03-23 | 2021-03-23 | 一种轨迹规划方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110309235.9A CN113074734B (zh) | 2021-03-23 | 2021-03-23 | 一种轨迹规划方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113074734A true CN113074734A (zh) | 2021-07-06 |
CN113074734B CN113074734B (zh) | 2023-05-30 |
Family
ID=76613573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110309235.9A Active CN113074734B (zh) | 2021-03-23 | 2021-03-23 | 一种轨迹规划方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113074734B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012157955A (ja) * | 2011-02-02 | 2012-08-23 | Sony Corp | 移動制御装置及び移動制御方法、並びにコンピューター・プログラム |
CN109101017A (zh) * | 2018-07-27 | 2018-12-28 | 江苏盛海智能科技有限公司 | 一种无人车寻迹路线规划方法及终端 |
US20190080266A1 (en) * | 2017-09-11 | 2019-03-14 | Baidu Usa Llc | Cost based path planning for autonomous driving vehicles |
CN109976355A (zh) * | 2019-04-26 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 轨迹规划方法、***、设备及存储介质 |
CN111076739A (zh) * | 2020-03-25 | 2020-04-28 | 北京三快在线科技有限公司 | 一种路径规划的方法及装置 |
WO2020092500A1 (en) * | 2018-11-02 | 2020-05-07 | Zoox, Inc. | Trajectory generation |
CN111142530A (zh) * | 2019-12-31 | 2020-05-12 | 深圳前海达闼云端智能科技有限公司 | 一种机器人运行轨迹的确定方法、机器人和存储介质 |
CN111208838A (zh) * | 2020-04-20 | 2020-05-29 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
US20200174483A1 (en) * | 2018-11-29 | 2020-06-04 | Twinny Co., Ltd. | Obstacle avoiding method in state-time space, recording medium storing program for executing same, and computer program stored in recording medium for executing same |
CN111258316A (zh) * | 2020-01-20 | 2020-06-09 | 浙江工业大学 | 一种动态环境下趋势感知的机器人轨迹规划方法 |
CN111338360A (zh) * | 2020-05-18 | 2020-06-26 | 北京三快在线科技有限公司 | 一种规划车辆行驶状态的方法及装置 |
CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、***及装置 |
-
2021
- 2021-03-23 CN CN202110309235.9A patent/CN113074734B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012157955A (ja) * | 2011-02-02 | 2012-08-23 | Sony Corp | 移動制御装置及び移動制御方法、並びにコンピューター・プログラム |
US20190080266A1 (en) * | 2017-09-11 | 2019-03-14 | Baidu Usa Llc | Cost based path planning for autonomous driving vehicles |
CN109101017A (zh) * | 2018-07-27 | 2018-12-28 | 江苏盛海智能科技有限公司 | 一种无人车寻迹路线规划方法及终端 |
WO2020092500A1 (en) * | 2018-11-02 | 2020-05-07 | Zoox, Inc. | Trajectory generation |
US20200174483A1 (en) * | 2018-11-29 | 2020-06-04 | Twinny Co., Ltd. | Obstacle avoiding method in state-time space, recording medium storing program for executing same, and computer program stored in recording medium for executing same |
CN109976355A (zh) * | 2019-04-26 | 2019-07-05 | 腾讯科技(深圳)有限公司 | 轨迹规划方法、***、设备及存储介质 |
CN111142530A (zh) * | 2019-12-31 | 2020-05-12 | 深圳前海达闼云端智能科技有限公司 | 一种机器人运行轨迹的确定方法、机器人和存储介质 |
CN111258316A (zh) * | 2020-01-20 | 2020-06-09 | 浙江工业大学 | 一种动态环境下趋势感知的机器人轨迹规划方法 |
CN111076739A (zh) * | 2020-03-25 | 2020-04-28 | 北京三快在线科技有限公司 | 一种路径规划的方法及装置 |
CN111208838A (zh) * | 2020-04-20 | 2020-05-29 | 北京三快在线科技有限公司 | 一种无人驾驶设备的控制方法及装置 |
CN111338360A (zh) * | 2020-05-18 | 2020-06-26 | 北京三快在线科技有限公司 | 一种规划车辆行驶状态的方法及装置 |
CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、***及装置 |
Non-Patent Citations (2)
Title |
---|
曹爱君: "汽车自动驾驶原理及关键技术分析", 《时代汽车》 * |
郑凯林等: "基于改进TEB算法的阿克曼机器人运动规划***", 《科学技术与工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113074734B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111190427B (zh) | 一种轨迹规划的方法及装置 | |
CN112766468B (zh) | 一种轨迹预测方法、装置、存储介质及电子设备 | |
CN111076739B (zh) | 一种路径规划的方法及装置 | |
CN111665844B (zh) | 一种路径规划方法及装置 | |
CN111208838B (zh) | 一种无人驾驶设备的控制方法及装置 | |
CN113419547B (zh) | 一种多车协同控制方法及装置 | |
CN111338360B (zh) | 一种规划车辆行驶状态的方法及装置 | |
CN113968243B (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
CN111062372B (zh) | 一种预测障碍物轨迹的方法及装置 | |
CN112677993A (zh) | 一种模型训练的方法及装置 | |
CN113110526B (zh) | 一种模型训练的方法、无人驾驶设备的控制方法及装置 | |
CN111532285B (zh) | 一种车辆控制方法及装置 | |
CN112033421A (zh) | 一种检测电子地图中车道的方法及装置 | |
CN113325855B (zh) | 基于迁移场景用于预测障碍物轨迹的模型训练方法 | |
CN112949756A (zh) | 一种模型训练以及轨迹规划的方法及装置 | |
CN113343425A (zh) | 一种仿真测试的方法及装置 | |
CN113340311B (zh) | 一种无人驾驶设备的路径规划方法及装置 | |
CN113074734B (zh) | 一种轨迹规划方法、装置、存储介质及电子设备 | |
CN114019971B (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 | |
CN112859883B (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN111046981B (zh) | 一种无人车控制模型的训练方法及装置 | |
CN114153207A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN114019981B (zh) | 一种无人驾驶设备的轨迹规划方法及规划装置 | |
CN112163475B (zh) | 一种确定车道线方向的方法及装置 | |
CN113815651B (zh) | 一种无人设备控制方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |