CN114047760B - 路径规划方法、装置、电子设备及自动驾驶车辆 - Google Patents
路径规划方法、装置、电子设备及自动驾驶车辆 Download PDFInfo
- Publication number
- CN114047760B CN114047760B CN202111326794.7A CN202111326794A CN114047760B CN 114047760 B CN114047760 B CN 114047760B CN 202111326794 A CN202111326794 A CN 202111326794A CN 114047760 B CN114047760 B CN 114047760B
- Authority
- CN
- China
- Prior art keywords
- node
- lane
- virtual
- path planning
- shortest path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 claims description 34
- 230000004044 response Effects 0.000 claims description 6
- 230000037361 pathway Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 27
- 238000012545 processing Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- 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
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种路径规划方法、装置、电子设备及自动驾驶车辆,涉及计算机技术领域,尤其涉及自动驾驶技术领域。实现方案为:获取第一位置的第一位置信息和第二位置的第二位置信息;基于车道拓扑图,确定与第一位置信息对应的至少一个第一节点以及与第二位置信息对应的至少一个第二节点;在车道拓扑图中增加虚拟节点,其中,虚拟节点所对应的车道的距离属性置为0,且虚拟节点与至少一个第一节点中的每个第一节点分别相连;基于增加虚拟节点后的车道拓扑图,确定从虚拟节点至至少一个第二节点中的任意一个第二节点的最短路径,从而实现从多节点至多节点的最短路径规划。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及自动驾驶技术领域,具体涉及一种路径规划方法、装置、电子设备、计算机可读存储介质、计算机程序产品及自动驾驶车辆。
背景技术
路径规划技术广泛应用于多种技术领域,例如智能出行、自动驾驶和机器人自主行动等。而路径规划算法是实现智能化导航的核心,具有广阔的应用前景和科研价值。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种路径规划方法、装置、电子设备、计算机可读存储介质、计算机程序产品及自动驾驶车辆。
根据本公开的一方面,提供了一种路径规划方法,包括:获取第一位置的第一位置信息和第二位置的第二位置信息;基于车道拓扑图,确定与第一位置信息对应的至少一个第一节点以及与第二位置信息对应的至少一个第二节点,其中,至少一个第一节点和至少一个第二节点中的每一个节点分别对应于地图中的一条车道;在车道拓扑图中增加虚拟节点,其中,虚拟节点所对应的车道的距离属性置为0,且虚拟节点与至少一个第一节点中的每个第一节点分别相连;以及基于增加虚拟节点后的车道拓扑图,确定从虚拟节点至至少一个第二节点中的任意一个第二节点的最短路径。
根据本公开的另一方面,提供了一种路径规划装置,包括:获取单元,被配置为获取第一位置的第一位置信息和第二位置的第二位置信息;第一确定单元,被配置为基于车道拓扑图,确定与第一位置信息对应的至少一个第一节点以及与第二位置信息对应的至少一个第二节点,其中,至少一个第一节点和至少一个第二节点中的每一个节点分别对应于地图中的一条车道;增加单元,被配置为在车道拓扑图中增加虚拟节点,其中,虚拟节点所对应的车道的长度设置为0,且虚拟节点与至少一个第一节点中的每个第一节点分别相连;以及第二确定单元,基于增加虚拟节点后的车道拓扑图,确定从虚拟节点至至少一个第二节点中的任意一个第二节点的最短路径。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如上所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现权利要求若上所述的方法。
根据本公开的另一方面,提供了一种自动驾驶车辆,包括:如上的电子设备。
根据本公开的一个或多个实施例,可以实现从多节点至多节点的最短路径规划。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性***的示意图;
图2示出了根据本公开的一实施例的路径规划方法的流程图;
图3示出了图2中步骤S204的流程图;
图4示出了根据本公开的又一实施例的路径规划方法的流程图;
图5示出了根据本公开的实施例的路径规划方法中从起点至终点的拓扑结构图;
图6A示出了根据本公开的实施例的路径规划方法中从起点至途经点的拓扑结构图;
图6B示出了根据本公开的实施例的路径规划方法中从途经点至终点的拓扑结构图;
图7示出了根据本公开的实施例的路径规划装置的结构框图;
图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
路径规划技术广泛应用于多种技术领域,例如智能出行、自动驾驶和机器人自主行动等。而路径规划算法是实现智能化导航的核心,具有广阔的应用前景和科研价值。
目前的路径规划算法主要有A star算法、CH(Contraction Hierarchies)算法或蚁群算法等,这些路径规划算法只能实现从单一起点至单一终点的最短路径规划,但是,对于自动驾驶领域而言,自动驾驶车辆不仅需要选择一条路径最短的道路通行,还需要进一步地选择道路中的车道,当一条道路对应于多个车道时,上述最短路径规划算法存在局限性。
本公开实施例提供一种最短路径规划方法、装置、电子设备、计算机可读存储介质、计算机程序产品及自动驾驶车辆,通过为起点对应的多个节点添加虚拟节点,并从虚拟节点开始最短路径的搜索,从而可以实现多起点至多终点的最短路径规划。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1,该***100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
在本公开的实施例中,机动车辆110可以包括根据本公开实施例的计算设备和/或被配置以用于执行根据本公开实施例的方法。
服务器120可以运行使得能够实现多节点至多节点的最短路径规划方法的一个或多个服务或软件应用。在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的***配置是可能的,其可以与***100不同。因此,图1是用于实施本文所描述的各种方法的***的一个示例,并且不旨在进行限制。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
网络130可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是卫星通信网络、局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(包括例如蓝牙、WiFi)和/或这些与其他网络的任意组合。
***100还可以包括一个或多个数据库150。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库150可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库150可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件***支持的常规存储库。
机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个:视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(LiDAR)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外,通过对视觉摄像头捕获的画面进行分析,可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周,用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置,用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置,用于检测物体边缘、形状信息,从而进行物体识别和追踪。由于多普勒效应,雷达装置还可以测量车辆与移动物体的速度变化。
机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如,北斗、GPS、GLONASS以及GALILEO)并且基于这些信号产生位置信息的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块,移动通信网络可以实施任何适合的通信技术,例如GSM/GPRS、CDMA、LTE等当前或正在不断发展的无线通信技术(例如5G技术)。通信装置112还可以具有车联网或车联万物(Vehicle-to-Everything,V2X)模块,被配置用于实现例如与其它车辆143进行车对车(Vehicle-to-Vehicle,V2V)通信和与基础设施144进行车辆到基础设施(Vehicle-to-Infrastructure,V2I)通信的车与外界的通信。此外,通信装置112还可以具有被配置为例如通过使用IEEE802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112,机动车辆110还可以经由网络130接入服务器120。
机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器,例如中央处理单元(CPU)或图形处理单元(GPU),或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶***。自动驾驶***被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向***以及制动***等以分别控制加速、转向和制动,而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如,可以使用车载处理器执行某一些处理,而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外,控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的计算设备的一个示例。
图1的***100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。在一些实施例中,机动车辆110可以为自动驾驶车辆。
图2示出了根据本公开的一实施例的路径规划方法的流程图;请参照图2,本实施例提供一种路径规划方法200,包括步骤S201至S204。
步骤S201,获取第一位置的第一位置信息和第二位置的第二位置信息。
步骤S202,基于车道拓扑图,确定与第一位置信息对应的至少一个第一节点以及与第二位置信息对应的至少一个第二节点,其中,至少一个第一节点和至少一个第二节点中的每一个节点分别对应于地图中的一条车道。
步骤S203,在车道拓扑图中增加虚拟节点,其中,虚拟节点所对应的车道的距离属性置为0,且虚拟节点与至少一个第一节点中的每个第一节点分别相连。
步骤S204,基于增加虚拟节点后的车道拓扑图,确定从虚拟节点至至少一个第二节点中的任意一个第二节点的最短路径。
本实施例提供的路径规划方法,可以实现第一位置所对应的多个第一节点至第二位置所对应的多个节点之间的最短路径规划,减少了计算量,有利于实现无人驾驶车辆的最短路径规划。
其中,以从起点至终点的一段路程为例,第一位置可以为本段路程的起点,第一位置信息可以为起点的坐标,第二位置信息可以为本段路程的终点,第二位置信息可以为终点的坐标。
车道拓扑图可以为车道级别的拓扑图,该车道拓扑图包含有多个节点,每个节点代表地图中的一条车道,并记录有该车道的长度、起点终点的坐标等信息。另外,车道拓扑图中还具有代表连接属性的连接线,该连接线可以用于连接两个节点,并表示所对应的两个车道相连接,即可以从一个车道通行至另一个车道。
可以理解,以第一位置为例,第一位置信息代表一个起点坐标,该起点坐标可以对应一个或多个车道,而在车道拓扑图中,第一位置信息可以对应一个或多个第一节点,同样地,第二位置信息在车道拓扑图中也对应有一个或多个第二节点。第一位置至第二位置的最短路径即为任意一个第一节点至任意一个第二节点之间的最短路径。
在步骤S203中,可以在车道拓扑图中添加一个虚拟节点,虚拟节点也为车道拓扑图中的一个节点,且该虚拟节点与所有的第一节点分别通过连接线相连,即虚拟节点与每个第一节点均连接。
该虚拟节点的距离属性可以设置为0。一些实施例中,虚拟节点所对应的车道的距离属性可以代表为虚拟节点所对应的车道的长度,即该车道的长度可以设置为0。又或者,距离属性还可以表示为虚拟节点至上述至少一个第一节点中的每个第一节点之间的距离,即虚拟节点至所有第一节点中的每个第一节点的距离均为0。通过设置距离属性,从而可以将虚拟节点与所有的第一节点关联起来,方便后续最短路径的计算,且不会对最短路径计算的结果带来影响。
在步骤S204中,可以将增加虚拟节点后的车道拓扑图作为最短路径规划的基础,并将虚拟节点设置为该段路径的起点,从虚拟节点开始搜索,并且由于虚拟节点与所有第一节点均相连,则每个第一节点均会作为虚拟节点的下一级搜索节点。
且搜索到的从虚拟节点、一个第一节点、其他各个节点、一个第二节点之间的路径为从第一位置到第二位置的最短路径。
进而,该最短路径可以发送至自动驾驶车辆的终端执行。
图3示出了图2中步骤S204的流程图;请参照图3,确定从虚拟节点至至少一个第二节点中的任意一个第二节点的最短路径,包括步骤S301和步骤S302。
步骤S301,以虚拟节点为搜索起点,基于最短路径求解算法,确定车道拓扑图中的下一个节点作为当前搜索节点。
步骤S302,响应于确定当前搜索节点为至少一个第二节点中的任意一个第二节点,获取当前最短路径作为最短路径。
其中,最短路径求解算法可以为相关技术中常见的能够实现单一节点至单一节点的最短路径求解算法。例如,最短路径求解算法包括:A star算法、CH算法或蚁群算法,本实施例通过将多节点对多节点的最短路径求解转换为单一节点对单一节点的计算方式,从而可以利用这些常见算法实现多节点至多节点的最短路径规划。
以最短路径求解算法是A star算法为例,将虚拟节点作为搜索起点,然后依次搜索车道拓扑图中的节点,可以理解,当前搜索节点为当前搜索到的距离虚拟节点路径最短的节点,随着搜索时间的增加,当前搜索节点也会发生变化,若当前搜索节点为搜索到任意一个第二节点则可以结束搜索,将搜索到的第二节点作为该段路程的终点,从而可以利用单一节点至单一节点的最短路径求解算法来实现从单一虚拟节点至多个第二节点之间的、一对多的最短路径的计算。
图4示出了根据本公开的又一实施例的路径规划方法的流程图;请参照图4,本实施例还提供一种路径规划方法400,该方法包括步骤S401至步骤S405。
步骤S401,基于地图生成车道拓扑图,其中,车道拓扑图包括用于分别表示多个车道的多个节点以及用于表示车道间连接关系的连接线。
步骤S402,获取第一位置的第一位置信息和第二位置的第二位置信息。
步骤S403,基于车道拓扑图,确定与第一位置信息对应的至少一个第一节点以及与第二位置信息对应的至少一个第二节点,其中,至少一个第一节点和至少一个第二节点中的每一个节点分别对应于地图中的一条车道。
步骤S404,在车道拓扑图中增加虚拟节点,其中,虚拟节点所对应的车道的距离属性置为0,且虚拟节点与至少一个第一节点中的每个第一节点分别相连。
步骤S405,基于增加虚拟节点后的车道拓扑图,确定从虚拟节点至至少一个第二节点中的任意一个第二节点的最短路径。
其中,地图可以为高清地图,能够分辨道路以及车道等。可以将地图中的所有车道都分别作为节点,将车道之间有连接的作为连接线添加至两个节点之间,从而表示节点之间的连接属性,进而可以从拓扑图中体现出各个车道之间是否可以通行。
其中,步骤S402至S405与上述实施例中的步骤S201至S204分别相同,具体可以参考上述各个实施例,不再赘述。
通过本实施例提供的方法,可以依靠地图生成车道拓扑图,为计算最短路径提供依据。
图5示出了根据本公开的实施例的路径规划方法中从起点至终点的拓扑结构图;请参照图5,图中展示了部分车道拓扑图,图中的圆点代表节点,带有箭头的连接线代表节点间相互连接。
第一位置为路径规划的起点,第二位置为路径规划的终点,本实施例中,获取第一位置信息和第二位置信息后,可以在车道拓扑图中寻找与第一位置信息和第二位置信息相对应的节点,第一位置信息对应有四个第一节点502a、502b、502c和502d,第二位置信息对应有四个第二节点505a、505b、505c和505d。
接着为多个第一节点(502a、502b、502c和502d)添加一个虚拟节点501,该虚拟节点501的距离属性为0,且该虚拟节点分别通过连接线与四个第一节点(502a、502b、502c和502d)连接。
然后以虚拟节点501为搜索起点,开始逐一搜索与虚拟节点501距离最近的节点,由于虚拟节点501与四个第一节点(505a、505b、505c和505d)连接,以虚拟节点501为搜索起点,其所搜索到的最短路径上的下一级节点必然为四个第一节点中的一个,如图中的第一节点502a。
接着可以依次确定节点503和节点504,最终搜索到一个第二节点505c,即从虚拟节点501依次经过第一节点502a、节点503、节点504至第二节点505c的路径为最短路径。
且由于虚拟节点501距离属性为0,可以将去除虚拟节点后的依次经过第一节点502a、节点503、节点504和第二节点505c的最短路径作为自动驾驶车辆的行驶路径发送至自动驾驶车辆。
可以理解,在上述实施例中,以第一位置为起点、第二位置为终点规划路径,在一些实施例中,还可以以第一位置为终点、第二位置为起点,逆向搜索最短路径。
进一步地,在一些实施例中,还可以为起点和终点之间设置至少一个途径点,从而可以适应更多的路径规划需求。此时,第二位置可以是第一位置和第三位置之间的途径位置。
可以理解,若以设置有一个途经点为例,可以先将起点作为第一位置、途径点作为第二位置计算第一最短路径,然后将途经点作为第一位置,将终点作为第二位置计算第二最短路径,将第一最短路径和第二最短路径结合后的路径为规划好的目标路径。
可以理解,若包含有N个途径点,N为自然数,那么N个途径点可以将起点至终点划分为N+1段路程,可以将每段路程的起点作为第一位置,将每段路程的终点作为第二位置,执行步骤S201至步骤S204,从而可以得到N+1个最短路径,将这些最短路径连接起来即可获得从起点经过N个途经点到终点的最短路径。
图6A示出了根据本公开的实施例的路径规划方法中从起点至途经点的拓扑结构图;图6B示出了根据本公开的实施例的路径规划方法中从途经点至终点的拓扑结构图;请参照图6A和图6B,本实施例中,以具有一个途经点为例,图6A中,可以先获取起点和途经点作为第一位置和第二位置,在车道拓扑图中寻找与第一位置信息和第二位置信息相对应的节点,第一位置信息对应有四个第一节点602a、602b、602c和602d,第二位置信息对应有四个第二节点605a、605b、605c和605d。
然后为四个第一节点(602a、602b、602c和602d)设置一个虚拟节点601,接着以虚拟节点601为搜索起点,计算其至任意一个第二节点(605a、605b、605c或605d)的最短路径,即依次经过第一节点602a、节点603、节点604至第二节点605c的第一最短路径。
然后参照图6B,获取途径点和终点分别作为第一位置和第二位置,在车道拓扑图中寻找与第一位置信息和第二位置信息相对应的节点,第一位置信息对应有四个第一节点605a、605b、605c和605d,第二位置信息对应有四个第二节点609a、609b、609c和609d。
然后为四个第一节点(605a、605b、605c和605d)设置一个虚拟节点606,接着以虚拟节点606为搜索起点,计算其至任意一个第二节点(609a、609b、609c或609d)的最短路径,即依次经过第一节点605b、节点607、节点608至第二节点609c的第二最短路径。
接着将第一最短路径和第二最短路径结合,作为整个路径规划的结果。可以理解,虽然第一段路程的终点为图6A中的第二节点605c,而第二段路程的起点为图6B中的第一节点605b,但由于这两个节点都对应于同一途经点坐标,可以通过切换车道来实现,即从节点605c所对应的车道转至节点605b所对应的车道即可实现第一最短路径至第二最短路径的连接。
当然,图5、图6A和图6B仅作为实例,只示出了最短路径经过的节点(例如图5中的节点603和604、图6A中的节点603和605、图6B中的节点607和608),并未示出所有节点,且图中的节点和途经点的数目可以根据实际情况进行设置,在此不做限定。
图7示出了根据本公开的实施例的路径规划装置的结构框图;请参照图7,本实施例提供一种路径规划装置700,包括:
获取单元701,被配置为获取第一位置的第一位置信息和第二位置的第二位置信息。
第一确定单元702,被配置为基于车道拓扑图,确定与第一位置信息对应的至少一个第一节点以及与第二位置信息对应的至少一个第二节点,其中,至少一个第一节点和至少一个第二节点中的每一个节点分别对应于地图中的一条车道。
增加单元703,被配置为在车道拓扑图中增加虚拟节点,其中,虚拟节点所对应的车道的长度设置为0,且虚拟节点与至少一个第一节点中的每个第一节点分别相连。
第二确定单元704,被配置为基于增加虚拟节点后的车道拓扑图,确定从虚拟节点至至少一个第二节点中的任意一个第二节点的最短路径。
本实施例提供的路径规划方法,可以实现第一位置所对应的多个第一节点至第二位置所对应的多个节点之间的最短路径规划,减少了计算量,有利于实现无人驾驶车辆的最短路径规划。
在一些实施例中,第二确定单元704被进一步配置为以虚拟节点为搜索起点,基于最短路径求解算法,确定车道拓扑图中的下一个节点作为当前搜索节点;以及响应于确定当前搜索节点为至少一个第二节点中的任意一个第二节点,获取当前最短路径作为最短路径。
在一些实施例中,最短路径求解算法包括:A star算法、CH算法或蚁群算法。
在一些实施例中,第二位置是第一位置和第三位置之间的途径位置。
在一些实施例中,虚拟节点所对应的车道的距离属性为虚拟节点所对应的车道的长度或虚拟节点所对应的车道至多个第一节点中的每个第一节点的之间距离。
在一些实施例中,路径规划装置,还包括:生成单元,被配置为基于地图生成车道拓扑图,其中,车道拓扑图包括用于分别表示多个车道的多个节点以及用于表示车道间连接关系的连接线。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质、一种计算机程序产品和一种自动驾驶车辆。
根据本公开的另一方面,还提供了一种边缘计算设备,可选的,边缘计算设备除了包括电子设备,还可以包括通信部件等,电子设备可以和通信部件一体集成,也可以分体设置。电子设备可以获取路侧感知设备(如路侧相机)的数据,例如图片和视频等,从而进行图像视频处理和数据计算,再经由通信部件向云控平台传送处理和计算结果。
可选的,边缘计算设备也可以为路侧计算单元(Road Side Computing Unit,RSCU)。可选的,电子设备自身也可以具备感知数据获取功能和通信功能,例如是AI相机,电子设备可以直接基于获取的感知数据进行图像视频处理和数据计算,再向云控平台传送处理和计算结果。
可选的,云控平台在云端执行处理,进行图像视频处理和数据计算,云控平台也可以称为车路协同管理平台、V2X平台、云计算平台、中心***、云端服务器等。
图8示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。参照图8,现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备,输入单元806可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如路径规划方法。例如,在一些实施例中,路径规划方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的路径规划方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行路径规划方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
根据本公开的另一方面,还提供了一种自动驾驶车辆,包括本公开上述实施例的电子设备。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、***和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (15)
1.一种路径规划方法,包括:
获取第一位置的第一位置信息和第二位置的第二位置信息;
基于车道拓扑图,确定与所述第一位置信息对应的至少一个第一节点以及与所述第二位置信息对应的至少一个第二节点,其中,所述至少一个第一节点和所述至少一个第二节点中的每一个节点分别对应于地图中的一条车道;
在所述车道拓扑图中增加虚拟节点,其中,所述虚拟节点所对应的车道的距离属性置为0,且所述虚拟节点与所述至少一个第一节点中的每个第一节点分别相连;以及
基于增加所述虚拟节点后的所述车道拓扑图,确定从所述虚拟节点至所述至少一个第二节点中的任意一个第二节点的最短路径。
2.根据权利要求1所述的路径规划方法,其中,所述确定从所述虚拟节点至所述至少一个第二节点中的任意一个第二节点的最短路径,包括:
以所述虚拟节点为搜索起点,基于最短路径求解算法,确定所述车道拓扑图中的下一个节点作为当前搜索节点;以及
响应于确定所述当前搜索节点为所述至少一个第二节点中的任意一个第二节点,获取当前最短路径作为所述最短路径。
3.根据权利要求2所述的路径规划方法,其中,
所述最短路径求解算法包括:A star算法、CH算法或蚁群算法。
4.根据权利要求1-3中任一项所述的路径规划方法,其中,所述第二位置是所述第一位置和第三位置之间的途径位置。
5.根据权利要求1-3中任一项所述的路径规划方法,所述虚拟节点所对应的车道的距离属性为所述虚拟节点所对应的车道的长度或所述虚拟节点所对应的车道至所述至少一个第一节点中的每个第一节点之间的距离。
6.根据权利要求1-3中任一项所述的路径规划方法,还包括:
基于地图生成所述车道拓扑图,其中,所述车道拓扑图包括用于分别表示多个车道的多个节点以及用于表示车道间连接关系的连接线。
7.一种路径规划装置,包括:
获取单元,被配置为获取第一位置的第一位置信息和第二位置的第二位置信息;
第一确定单元,被配置为基于车道拓扑图,确定与所述第一位置信息对应的至少一个第一节点以及与所述第二位置信息对应的至少一个第二节点,其中,所述至少一个第一节点和所述至少一个第二节点中的每一个节点分别对应于地图中的一条车道;
增加单元,被配置为在所述车道拓扑图中增加虚拟节点,其中,所述虚拟节点所对应的车道的长度设置为0,且所述虚拟节点与所述至少一个第一节点中的每个第一节点分别相连;以及
第二确定单元,被配置为基于增加所述虚拟节点后的所述车道拓扑图,确定从所述虚拟节点至所述至少一个第二节点中的任意一个第二节点的最短路径。
8.根据权利要求7所述的路径规划装置,其中,所述第二确定单元被进一步配置为以所述虚拟节点为搜索起点,基于最短路径求解算法,确定所述车道拓扑图中的下一个节点作为当前搜索节点;以及响应于确定所述当前搜索节点为所述至少一个第二节点中的任意一个第二节点,获取当前最短路径作为所述最短路径。
9.根据权利要求8所述的路径规划装置,其中,
所述最短路径求解算法包括:A star算法、CH算法或蚁群算法。
10.根据权利要求7-9中任一项所述的路径规划装置,其中,所述第二位置是所述第一位置和第三位置之间的途径位置。
11.根据权利要求7-9中任一项所述的路径规划装置,所述虚拟节点所对应的车道的距离属性为所述虚拟节点所对应的车道的长度或所述虚拟节点所对应的车道至所述至少一个第一节点中的每个第一节点之间的距离。
12.根据权利要求7-9中任一项所述的路径规划装置,还包括:
生成单元,被配置为基于地图生成所述车道拓扑图,其中,所述车道拓扑图包括用于分别表示多个车道的多个节点以及用于表示车道间连接关系的连接线。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种自动驾驶车辆,包括:如权利要求13所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111326794.7A CN114047760B (zh) | 2021-11-10 | 2021-11-10 | 路径规划方法、装置、电子设备及自动驾驶车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111326794.7A CN114047760B (zh) | 2021-11-10 | 2021-11-10 | 路径规划方法、装置、电子设备及自动驾驶车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114047760A CN114047760A (zh) | 2022-02-15 |
CN114047760B true CN114047760B (zh) | 2024-04-02 |
Family
ID=80207983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111326794.7A Active CN114047760B (zh) | 2021-11-10 | 2021-11-10 | 路径规划方法、装置、电子设备及自动驾驶车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114047760B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115865783B (zh) * | 2022-11-22 | 2024-04-09 | 中国联合网络通信集团有限公司 | 目标节点的确定方法、装置及计算机可读存储介质 |
CN116719329B (zh) * | 2023-08-10 | 2023-11-14 | 浙江菜鸟供应链管理有限公司 | 路径规划方法、***、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1969170A (zh) * | 2005-04-20 | 2007-05-23 | 株式会社日本耐美得 | 导航***、路径搜索服务器、路径搜索方法及程序 |
CN102176283A (zh) * | 2011-01-07 | 2011-09-07 | 重庆大学 | 一种简化交通路网模型及基于此模型的导航方法 |
CN110530393A (zh) * | 2019-10-08 | 2019-12-03 | 北京邮电大学 | 车道级路径规划方法、装置、电子设备及可读存储介质 |
CN110702117A (zh) * | 2019-10-10 | 2020-01-17 | 浙江大华技术股份有限公司 | 基于地图的路径规划方法、终端设备及计算机存储介质 |
CN111678527A (zh) * | 2020-06-12 | 2020-09-18 | 北京京东乾石科技有限公司 | 路径网络图生成方法及装置、电子设备和存储介质 |
CN111998859A (zh) * | 2020-09-16 | 2020-11-27 | 杭州海康消防科技有限公司 | 一种路径规划方法、装置、电子设备及路径指示*** |
CN113418530A (zh) * | 2021-02-10 | 2021-09-21 | 安波福电子(苏州)有限公司 | 车辆行驶路径生成方法及*** |
-
2021
- 2021-11-10 CN CN202111326794.7A patent/CN114047760B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1969170A (zh) * | 2005-04-20 | 2007-05-23 | 株式会社日本耐美得 | 导航***、路径搜索服务器、路径搜索方法及程序 |
CN102176283A (zh) * | 2011-01-07 | 2011-09-07 | 重庆大学 | 一种简化交通路网模型及基于此模型的导航方法 |
CN110530393A (zh) * | 2019-10-08 | 2019-12-03 | 北京邮电大学 | 车道级路径规划方法、装置、电子设备及可读存储介质 |
CN110702117A (zh) * | 2019-10-10 | 2020-01-17 | 浙江大华技术股份有限公司 | 基于地图的路径规划方法、终端设备及计算机存储介质 |
CN111678527A (zh) * | 2020-06-12 | 2020-09-18 | 北京京东乾石科技有限公司 | 路径网络图生成方法及装置、电子设备和存储介质 |
CN111998859A (zh) * | 2020-09-16 | 2020-11-27 | 杭州海康消防科技有限公司 | 一种路径规划方法、装置、电子设备及路径指示*** |
CN113418530A (zh) * | 2021-02-10 | 2021-09-21 | 安波福电子(苏州)有限公司 | 车辆行驶路径生成方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114047760A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114047760B (zh) | 路径规划方法、装置、电子设备及自动驾驶车辆 | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN113887400B (zh) | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 | |
CN115164936A (zh) | 高精地图制作中用于点云拼接的全局位姿修正方法及设备 | |
CN115082690B (zh) | 目标识别方法、目标识别模型训练方法及装置 | |
CN113850909B (zh) | 点云数据处理方法、装置、电子设备及自动驾驶设备 | |
CN114689074B (zh) | 信息处理方法和导航方法 | |
CN116533987A (zh) | 泊车路径确定方法、装置、设备和自动驾驶车辆 | |
CN114394111B (zh) | 用于自动驾驶车辆的变道方法 | |
CN114970112B (zh) | 用于自动驾驶仿真的方法、装置、电子设备及存储介质 | |
CN115675528A (zh) | 基于相似场景挖掘的自动驾驶方法和车辆 | |
CN115556769A (zh) | 障碍物状态量确定方法及装置、电子设备和介质 | |
CN115454861A (zh) | 自动驾驶仿真场景构建方法和装置 | |
CN115019060A (zh) | 目标识别方法、目标识别模型的训练方法及装置 | |
CN113920174A (zh) | 点云配准方法、装置、设备、介质和自动驾驶车辆 | |
CN115583243B (zh) | 确定车道线信息的方法、车辆控制方法、装置和设备 | |
CN115235487B (zh) | 数据处理方法及装置、设备和介质 | |
CN116311941B (zh) | 主要车流路径提取方法、装置、设备及介质 | |
CN116311943B (zh) | 交叉路口的平均延误时间的估算方法及装置 | |
CN114179834B (zh) | 车辆停靠方法、装置、电子设备、介质及自动驾驶车辆 | |
CN115019278B (zh) | 一种车道线拟合方法、装置、电子设备和介质 | |
CN116414845A (zh) | 用于更新地图数据的方法、装置、电子设备和介质 | |
CN114333368B (zh) | 语音提醒方法、装置、设备和介质 | |
CN116469069A (zh) | 用于自动驾驶的场景编码模型训练方法、装置及介质 | |
CN116929399A (zh) | 驾驶路径搜索方法、装置、设备和自动驾驶车辆 |
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 |