CN114003026A - 一种基于Apollo框架改进的变道机制 - Google Patents
一种基于Apollo框架改进的变道机制 Download PDFInfo
- Publication number
- CN114003026A CN114003026A CN202110691404.XA CN202110691404A CN114003026A CN 114003026 A CN114003026 A CN 114003026A CN 202110691404 A CN202110691404 A CN 202110691404A CN 114003026 A CN114003026 A CN 114003026A
- Authority
- CN
- China
- Prior art keywords
- lane
- apollo
- framework
- planning
- module
- 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
Links
- 230000008859 change Effects 0.000 title claims abstract description 43
- 230000007246 mechanism Effects 0.000 title claims abstract description 25
- 230000008447 perception Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于Apollo框架改进的变道机制,包括1:结合高精地图信息,规划全局路径;2:将道路中的冗余变道信息扩充到routing模块的全局路径中;3:结合高精地图信息、感知障碍物信息以及决策信息,决定是否需要变道,以及变道方向;4:在相应变道方向的道路上生成参考线并规划变道轨迹。本发明了通过对Apollo框架中routing模块和planning模块的进行扩充和优化,使Apollo框架加入了主动变道的功能,从而能够适用更加多变的变道场景。
Description
技术领域
本发明涉及一种基于Apollo框架改进的变道机制。
背景技术
随着新能源汽车的兴起,ADAS和自动驾驶相关技术得到了飞速的发展。作为自动驾驶技术领军者之一的百度2017年发布了Apollo-一款能够与车辆和硬件***相结合的软件开发平台。
变道行为作为自动驾驶车辆的主要行为之一,应用于基于路网驾驶的多种场景之中 (例如:换道、并道、超车等)。Apollo中的变道机制主要是routing和planning模块 配合完成的。即routing在全局规划中指定需要变道的道路位置,planning模块在接收到routing规划的全局路径之后,在生成局部规划路径时考虑需要变道的道路位置,从而规划出变道轨迹。但目前Apollo框架的routing和planning体系只支持被动变道的行为, 而无法规划处能够应用于主动变道场景的轨迹(例如:超车、并道等)。在百度的Apollo 框架中,目前只支持被动变道的场景,即变道行为受限于routing的结果,planning只能 够遵循routing指定的变道位置和变道方向变道。而routing在规划变道信息时也并未考 虑路况或动态信息(如:障碍物信息和车辆位置信息等)。所以目前的Apollo的框架中 routing和planning模块的设计与逻辑并不能够支持灵活变道的需求。
发明内容
发明目的:为了克服现有技术的不足,本发明提供一种通过对Apollo框架中routing 模块和planning模块的逻辑进行扩充和优化,使Apollo框架能够满足不同变道场景需求 的。
技术方案:本发明提供的一种基于Apollo框架改进的变道机制,所述的变道机制包 括如下步骤:一种基于Apollo框架改进的变道机制,包括以下步骤
步骤1:结合高精地图信息,规划全局路径;
步骤2:将道路中的冗余变道信息扩充到routing模块的全局路径中;
步骤3:结合高精地图信息、感知障碍物信息以及决策信息,决定是否需要变道,以及变道方向;
步骤4:在相应变道方向的道路上生成参考线并规划变道轨迹。
步骤1所述的规划全局路径具体为:利用A*算法完成全局最优路径的搜索,具体为:1)初始化开放列表(open_set)和关闭列表(close_set)并将起点放入开放列表中;
2)每次迭代开始时先将开放列表中的节点进行排序(到终点距离最优)并弹出当前 开放列表中的最优节点n;
3)将n的邻接节点m检测器是否在开放列表中,若不在,则加入开放列表,若在, 则查看是否从当前节点n到m开销最小并更新m的最优父节点;
4)持续迭代步骤2和3,直到搜索出到达终点的轨迹。
所述的A*算法中,开放列表open_set和关闭列表close_set为A*算法所运用的容器; n为搜索过程中当前正在搜索的节点,m为当前节点n的邻接节点。
所述步骤2中所述将可变道的冗余信息加入到全局路径中,具体为:未扩充的routing 模块将可变道的且未加入到全局路径中的道路信息加入到全局路径中。
步骤1、步骤2具体为:
1)利用A*算法搜索得到全局路径;
2)结合高精地图信息,找到所有可变道的且未加入全局路径的道路段;
3)将2)所述的道路段加入全局路径中,并添加正确的变道方向,来指引进入冗 余道路的车辆能够变道会原先的全局路径。
所述步骤3具体为planning模块得到扩充后的全局路径后,依据决策模块的输入指 令和感知模块输入,来决定最终的变道方向。若根据感知提供的信息,本车可安全变 道到决策指令的道路,则变道,否则在当前道路继续行驶,直道本车周围无其他障碍物 影响变道时,再变道。
所述输入指令包括是否变道或变道方向。
所述的感知模块输入包括前方障碍物感知信息。
所述步骤4具体为:依据planning最终决定的变道方向,在相应方向的道路上生成参考线,利用参考线对车辆的牵引最用来引导车辆朝相应的方向进行变道行为。
一种基于Apollo框架改进变道机制,包括装置包括:
Routing模块用于全局路径规划;
Planning模块用于局部路径规划;
高精地图模块作为变道机制的入参模块;
决策模块作为变道机制的入参模块。
有益效果:本发明的一种基于Apollo框架改进的变道机制,具有以下优点:
1)本发明了通过对Apollo框架中routing模块和planning模块的进行扩充和优化, 使Apollo框架加入了主动变道的功能,从而能够适用更加多变的变道场景;
2)本发明通过结合决策模块下发的决策指令(即变道指令和变道方向)、routing模块的全局路径以及冗余变道信息,综合生成变道轨迹;变道方向可以遵循全局路径中 的变道方向,也可以遵循决策模块下发的指令向任意方向变道;提高了现有框架的实用 性和可扩展性。
附图说明
图1为基于Apollo框架改进的变道机制流程图;
图2为变道冗余信息示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
实施例1
一种基于Apollo框架改进的变道机制,包括步骤:
步骤1:利用A*算法完成全局最优路径的搜索。A*(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法,也是解决许多搜索问题的有效算法。算法中的 距离估算值与实际值越接近,最终搜索速度越快。
A*的主要思想:从起点开始,检查其相邻的方格,然后向四周扩展,直至找到目标。开放列表(open_set)和关闭列表(close_set)为A*算法所运用的容器。其中n为搜索 过程中当前正在搜索的节点,m为当前节点n的邻接节点。A*的主要逻辑:
1)初始化开放列表(open_set)和关闭列表(close_set)并将起点放入开放列表中;
2)每次迭代开始时先将开放列表中的节点进行排序(到终点距离最优)并弹出当前 开放列表中的最优节点n;
3)将n的邻接节点m检测器是否在开放列表中,若不在,则加入开放列表,若在, 则查看是否从当前节点n到m开销最小并更新m的最优父节点;
4)持续迭代步骤2和3,直到搜索出到达终点的轨迹。
通过A*搜索得到全局最优路径。
步骤2:将可变道的冗余信息加入到全局路径中。如图2所示,例如,圆形 点为起始点,五角星形点为终点。未扩充的routing模块会将lane_3~lane_8作为 可行驶区域输出。但是lane0~2未加入全局路径中。
改进之后的routing模块将道路中可变道的并未加入到全局路径中的道路(例如图 中的lane_0~lane_2)继续加入到全局路径中。具体的思路为:1)首先利用A*搜索得到全局路径;2)结合高精地图信息,找到所有可变道的而未加入全局路径的道路段;3) 将这些可扩充的道路段加入全局路径中,并添加正确的变道方向,来指引进入冗余道路 的车辆能够变道会原先的全局路径。
步骤3:planning模块得到扩充后的全局路径后,依据决策模块的输入指令(例如:是否变道以及变道方向)和感知模块输入(例如:前方是否存在障碍物),来决定最终 的变道方向。
步骤4:依据planning最后决定的变道方向,在相应方向的道路上生成参考线(车辆的参考轨迹),利用参考线对车辆的牵引最用来引导车辆朝相应的方向进行变道行为。
本申请主要的技术效果是在Apollo现有框架中进行相应模块的扩充从而使得routing和planning模块能够支持主动变道的功能,使得扩充之后的框架能够满足更加灵活的变道需求。
本文中应用了具体个例对本发明的原理及实施方式进行阐述,以上实施例子的说明 只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的的思想,在具体实施方式及应用范围上会有改变之处。综上,本说明书内容 不应理解为对本发明的限制。
Claims (10)
1.一种基于Apollo框架改进的变道机制,其特征在于:包括以下步骤
步骤1:结合高精地图信息,规划全局路径;
步骤2:将道路中的冗余变道信息扩充到routing模块的全局路径中;
步骤3:结合高精地图信息、感知障碍物信息以及决策信息,决定是否需要变道,以及变道方向;
步骤4:在相应变道方向的道路上生成参考线并规划变道轨迹。
2.根据权利要求1所述的一种基于Apollo框架改进的变道机制,其特征在于:步骤1所述的规划全局路径具体为:利用A*算法完成全局最优路径的搜索,具体为:
1)初始化开放列表(open_set)和关闭列表(close_set)并将起点放入开放列表中;
2)每次迭代开始时先将开放列表中的节点进行排序(到终点距离最优)并弹出当前开放列表中的最优节点n;
3)将n的邻接节点m检测器是否在开放列表中,若不在,则加入开放列表,若在,则查看是否从当前节点n到m开销最小并更新m的最优父节点;
4)持续迭代步骤2和3,直到搜索出到达终点的轨迹。
3.根据权利要求2所述的一种基于Apollo框架改进的变道机制,其特征在于:所述的A*算法中,开放列表open_set和关闭列表close_set为A*算法所运用的容器;n为搜索过程中当前正在搜索的节点,m为当前节点n的邻接节点。
4.根据权利要求1所述的一种基于Apollo框架改进的变道机制,其特征在于:所述步骤2中所述将可变道的冗余信息加入到全局路径中,具体为:未扩充的routing模块将可变道的且未加入到全局路径中的道路信息加入到全局路径中。
5.根据权利要求1或4所述的一种基于Apollo框架改进的变道机制,其特征在于:步骤1、步骤2具体为:
1)利用A*算法搜索得到全局路径;
2)结合高精地图信息,找到所有可变道的且未加入全局路径的道路段;
3)将2)所述的道路段加入全局路径中,并添加能够返回原车道的变道方向,来指引进入冗余道路的车辆能够变道会原先的全局路径。
6.根据权利要求1所属的一种基于Apollo框架的改进变道机制,其特征在于:所述步骤3具体为planning模块得到扩充后的全局路径后,依据决策模块的输入指令和感知模块输入,来决定最终的变道方向。
7.根据权利要求6所述的一种基于Apollo框架改进的变道机制,其特征在于:所述输入指令包括是否变道或变道方向。
8.根据权利要求6所述的一种基于Apollo框架改进的变道机制,其特征在于:所述的感知模块输入包括前方障碍物感知信息。
9.根据权利要求1所述的一种基于Apollo框架改进的变道机制,其特征在于:所述步骤4具体为:依据planning最终决定的变道方向,在相应方向的道路上生成参考线,利用参考线对车辆的牵引最用来引导车辆朝相应的方向进行变道行为。
10.根据权利要求1所述的一种基于Apollo框架改进变道机制,其特征在于:包括装置包括:
Routing模块用于全局路径规划;
Planning模块用于局部路径规划;
高精地图模块作为变道机制的入参模块;
决策模块作为变道机制的入参模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110691404.XA CN114003026A (zh) | 2021-06-22 | 2021-06-22 | 一种基于Apollo框架改进的变道机制 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110691404.XA CN114003026A (zh) | 2021-06-22 | 2021-06-22 | 一种基于Apollo框架改进的变道机制 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114003026A true CN114003026A (zh) | 2022-02-01 |
Family
ID=79921031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110691404.XA Pending CN114003026A (zh) | 2021-06-22 | 2021-06-22 | 一种基于Apollo框架改进的变道机制 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114003026A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111947678A (zh) * | 2020-08-27 | 2020-11-17 | 重庆智行者信息科技有限公司 | 一种针对结构化道路的自动驾驶导航方法及*** |
CN112416004A (zh) * | 2020-11-19 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种基于自动驾驶的控制方法、装置、车辆以及相关设备 |
CN112462776A (zh) * | 2020-11-30 | 2021-03-09 | 的卢技术有限公司 | 一种基于非结构化道路的无人驾驶决策方法 |
CN112985445A (zh) * | 2021-04-20 | 2021-06-18 | 速度时空信息科技股份有限公司 | 基于高精地图的车道级精度实时性运动规划方法 |
-
2021
- 2021-06-22 CN CN202110691404.XA patent/CN114003026A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111947678A (zh) * | 2020-08-27 | 2020-11-17 | 重庆智行者信息科技有限公司 | 一种针对结构化道路的自动驾驶导航方法及*** |
CN112416004A (zh) * | 2020-11-19 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种基于自动驾驶的控制方法、装置、车辆以及相关设备 |
CN112462776A (zh) * | 2020-11-30 | 2021-03-09 | 的卢技术有限公司 | 一种基于非结构化道路的无人驾驶决策方法 |
CN112985445A (zh) * | 2021-04-20 | 2021-06-18 | 速度时空信息科技股份有限公司 | 基于高精地图的车道级精度实时性运动规划方法 |
Non-Patent Citations (1)
Title |
---|
王方浩: "apollo介绍之Routing模块", Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/65533164> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112099496B (zh) | 一种自动驾驶训练方法、装置、设备及介质 | |
JP6857371B2 (ja) | 安全な自律走行を支援する学習方法、そしてこれを利用した学習装置、テスト方法、及びテスト装置 | |
CN111506058B (zh) | 通过信息融合来计划自动驾驶的短期路径的方法及装置 | |
US11680821B2 (en) | Map information system | |
JP2022516383A (ja) | 自律型車両の計画 | |
CN111735639B (zh) | 一种面向智能网联汽车示范区的自动驾驶场景最小集生成方法 | |
JPWO2020100408A1 (ja) | 危険シーン予測装置、危険シーン予測方法および危険シーン予測プログラム | |
CN112947406A (zh) | 一种基于FLOYD和Astar的混合路径规划方法 | |
CN112414422A (zh) | 一种自动泊车的路径规划方法、装置及存储介质 | |
CN114281084A (zh) | 一种基于改进a*算法的智能车全局路径规划方法 | |
Boubakri et al. | High definition map update for autonomous and connected vehicles: A survey | |
Wei et al. | Planning a Continuous Vehicle Trajectory for an Automated Lane Change Maneuver by Nonlinear Programming considering Car‐Following Rule and Curved Roads | |
Wijesekara | Deep 3D dynamic object detection towards successful and safe navigation for full autonomous driving | |
CN117740011A (zh) | 用于自动驾驶的方法和装置 | |
CN114003026A (zh) | 一种基于Apollo框架改进的变道机制 | |
CN117075613A (zh) | 无人车辆感知及避障方法、***、计算机设备及存储介质 | |
CN113778102B (zh) | Avp全局路径规划***、方法、车辆及存储介质 | |
CN117032201A (zh) | 一种基于车路协同的矿井下自动驾驶车辆协调规划方法 | |
Ren et al. | Intelligent path planning and obstacle avoidance algorithms for autonomous vehicles based on enhanced rrt algorithm | |
CN115014380A (zh) | 泊车路径规划方法以及装置、电子设备、存储介质 | |
CN115432008A (zh) | 一种基于优化多任务的自动驾驶决策规划方法、电子设备及计算机存储介质 | |
CN113074747B (zh) | 一种路径规划方法、装置、设备及存储介质 | |
CN115562356A (zh) | 一种飞行车辆图搜索路径规划方法、终端设备和介质 | |
CN115617076A (zh) | 近地搜索无人机的轨迹规划及动态避障方法 | |
Qiu | A Review of Motion Planning for Urban Autonomous Driving |
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 |