CN114495551B - 轨迹规划方法、装置、设备和计算机可读存储介质 - Google Patents
轨迹规划方法、装置、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN114495551B CN114495551B CN202111664027.7A CN202111664027A CN114495551B CN 114495551 B CN114495551 B CN 114495551B CN 202111664027 A CN202111664027 A CN 202111664027A CN 114495551 B CN114495551 B CN 114495551B
- Authority
- CN
- China
- Prior art keywords
- decided
- vehicle
- track
- crosswalk
- area
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种轨迹规划方法、装置、设备和计算机可读存储介质。该方法包括:获取待决策对象的交通类信息和待决策对象的行驶类信息;在交通类信息中的协同决策时刻,根据待决策对象预期进入冲突范围的时刻和行驶类信息,规划待决策对象在冲突范围内的初始轨迹;若初始轨迹与既定轨迹发生冲突,则增加待决策对象进入冲突范围的单位延误时间,直至所规划的轨迹与既定轨迹不会发生冲突时为止,得到待决策对象的行驶轨迹。既定轨迹表示已经确定的轨迹,包括车辆既定轨迹和人行横道的信号灯为通行时所占用的时空序列,在轨迹规划时,实现了道路交叉口的车‑车和人‑车协同管理,提高了道路交叉口通行效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种轨迹规划方法、装置、设备和计算机可读存储介质。
背景技术
人工智能技术和通信技术的发展为传统交通***带来了技术革新,促进了智能网联车辆的发展和应用。智能网联车辆可以代替人类驾驶员完成大范围的周围环境感知、高效驾驶决策及自动化车辆控制等功能。通过车联网技术,智能网联车辆与道路,以及智能网联车辆与智能网联车辆之间可以相互通信,从而实现车车、车路之间的协同管理,减少交通冲突,提升交通场景的通行效率。
相关技术中,采用信号配时控制方案,基于智能网联车辆与交通***(例如,信号灯)的信息共享,通过设置不同颜色的信号灯,对道路交叉口不同进口道的车流进行通行引导,实现智能网联车辆之间的协同通行。
然而,信号配时控制方案不灵活,不同信号时间分配难以随着道路交叉口流量变化实时调整,降低了道路交叉口通行效率。
发明内容
本申请实施例期望提供一种轨迹规划方法、装置、设备和计算机可读存储介质,通过调整车辆在调整区内的时间,实现控制车辆进入冲突区的时间,使得车辆在冲突区内的速度达到最优速度,以最少的时间通过道路交叉口,并且在轨迹规划时,还考虑了既定轨迹中的车辆和行人,实现了道路交叉口的车-车和人-车协同管理,提高了道路交叉口通行效率。
本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种轨迹规划方法,所述方法包括:获取待决策对象的交通类信息和所述待决策对象的行驶类信息;其中,所述待决策对象是车辆或行人,所述交通类信息反映所述待决策对象在进入冲突范围之前随时间变化的信息,所述行驶类信息反映所述待决策对象在所述冲突范围内的预期通行信息,所述冲突范围是车辆对应的冲突区或人行横道对应的区域,所述冲突区表征道路交叉口人行横道所包围的区域;在所述交通类信息中的协同决策时刻,根据所述待决策对象预期进入所述冲突范围的时刻和所述行驶类信息,规划所述待决策对象在所述冲突范围内的初始轨迹;若所述初始轨迹与既定轨迹发生冲突,则增加所述待决策对象进入所述冲突范围的单位延误时间,直至所规划的轨迹与所述既定轨迹不会发生冲突时为止,得到所述待决策对象的行驶轨迹。
第二方面,本申请实施例提供一种轨迹规划装置,所述装置包括:获取模块,用于获取待决策对象的交通类信息和所述待决策对象的行驶类信息;其中,所述待决策对象是车辆或行人,所述交通类信息反映所述待决策对象在进入冲突范围之前随时间变化的信息,所述行驶类信息反映所述待决策对象在所述冲突范围内的预期通行信息,所述冲突范围是车辆对应的冲突区或人行横道对应的区域,所述冲突区表征道路交叉口人行横道所包围的区域;规划模块,用于在所述交通类信息中的协同决策时刻,根据所述待决策对象预期进入所述冲突范围的时刻和所述行驶类信息,规划所述待决策对象在所述冲突范围内的初始轨迹;调整模块,用于若所述初始轨迹与既定轨迹发生冲突,则增加所述待决策对象进入所述冲突范围的单位延误时间,直至所规划的轨迹与所述既定轨迹不会发生冲突时为止,得到所述待决策对象的行驶轨迹。
第三方面,本申请实施例提供一种轨迹规划设备,所述设备包括存储器,用于存储可执行指令,处理器,用于执行所述存储器中存储的可执行指令时,实现上述轨迹规划方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有可执行指令,用于被处理器执行时,实现上述轨迹规划方法。
本申请实施例提供了一种轨迹规划方法、装置、设备和计算机可读存储介质。根据本申请实施例提供的方案,获取待决策对象的交通类信息和待决策对象的行驶类信息;其中,待决策对象是车辆或行人,交通类信息反映待决策对象在进入冲突范围之前随时间变化的信息,行驶类信息反映待决策对象在冲突范围内的预期通行信息,冲突范围是车辆对应的冲突区或人行横道对应的区域,冲突区表征道路交叉口人行横道所包围的区域;在交通类信息中的协同决策时刻,根据待决策对象预期进入冲突范围的时刻和行驶类信息,规划待决策对象在冲突范围内的初始轨迹;若初始轨迹与既定轨迹发生冲突,则增加待决策对象进入冲突范围的单位延误时间,也就是车辆晚一点进入冲突区或者行人晚一点通过人行横道,直至所规划的轨迹与既定轨迹不会发生冲突时为止,得到待决策对象的行驶轨迹。通过调整车辆在调整区内的时间或者行人在道路交叉口的等待时间,实现控制车辆进入冲突区的时间或者行人进入人行横道的时间,使得车辆在冲突区内的速度达到最优速度,以最少的时间通过道路交叉口。并且既定轨迹表示已经确定的轨迹,包括车辆既定轨迹和人行横道的信号灯为通行时所占用的时空序列,在轨迹规划时,不仅考虑到车辆与车辆之间的碰撞,还考虑到车辆与行人之间的碰撞,实现了道路交叉口的车-车和人-车协同管理,提高了道路交叉口通行效率。
附图说明
图1为本申请实施例提供的一种轨迹规划方法的可选的步骤流程图;
图2为本申请实施例提供的一种人行横道虚拟实体的示例性的示意图;
图3为本申请实施例提供的一种两两冲突关系分析的示例性的示意图;
图4为本申请实施例提供的一种判断点是否位于矩形内的示例性的示意图;
图5为本申请实施例提供的另一种轨迹规划方法的可选的步骤流程图;
图6为本申请实施例提供的一种车辆左转贝塞尔轨迹曲线的示意图;
图7为本申请实施例提供的一种车辆右转贝塞尔轨迹曲线的示意图;
图8为本申请实施例提供的一种道路交叉口范围内的车辆整体轨迹占有空间的示例性的示意图;
图9为本申请实施例提供的一种进口道的决策区和调整区的示例性的示意图;
图10为本申请实施例提供的一种车辆协同决策逻辑的可选的步骤流程图;
图11为本申请实施例提供的再一种轨迹规划方法的可选的步骤流程图;
图12为本申请实施例提供的一种人行横道信号灯的协同逻辑的可选的步骤流程图;
图13为本申请实施例提供的一种协同决策触发逻辑的可选的步骤流程图;
图14为本申请实施例提供的又一种轨迹规划方法的可选的步骤流程图;
图15为本申请实施例提供的一种协同决策优化的可选的步骤流程图;
图16为本申请实施例提供的一种轨迹规划装置的结构示意图;
图17为本申请实施例提供的一种轨迹规划设备的结构示意图。
实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。应当理解的是,此处所描述的一些实施例仅仅用以解释本申请的技术方案,并不用于限定本申请的技术范围。
为便于理解本方案,在对本申请实施例进行说明之前,对本申请实施例中的相关技术进行说明,智能网联车辆的应用依赖于多个传感器采集的大量数据,根据多个传感器采集的大量数据完成车辆决策。车辆路径决策阶段包括三个环节:任务规划、行为规划和轨迹规划,其中,任务规划是根据驾驶任务的起点和终点来规划合理的行驶路线,往往需要根据实时路网交通状态进行决策,目的是缩短路线且节省时间。行为规划是完成特定任务过程中的操作,包括跟驰、换道和道路交叉口通行等行为,示例性的,智能网联车辆通过道路交叉口时的预期通行路线,例如,直行直线、左转曲线和右转曲线等。轨迹规划则是立足于微观车辆运动的决策,根据所要完成的行为来对车辆的行驶轨迹进行优化,输出车辆控制所需的运动参数具体数值,例如,智能网联车辆进入道路交叉口时的时刻,通过道路交叉口时的速度、加速度、减速度和所用的时间等,为用户提供安全、高效、舒适、节能的出行服务。本申请实施例是基于行为规划和轨迹规划对车辆轨迹进行说明。智能网联车辆可以通过车载传感器采集数据,也可以通过车-车、车-路通信等方式来获取更加全面的数据,因此,车联网技术是智能网联车辆的关键环节。依赖于车联网技术,可以实现车-车、车-路协同管理,从而减少交通冲突,提升交通场景中交通运行效率。
相关技术方案中越来越关注智能网联车辆之间的协同通行,忽视了道路交通环境中其他的参与者,例如,行人等。由于行人无法与智能网联车辆进行网联信息交互,因此,有行人参与的道路交叉口协同通行是更为现实、更难操作的问题。相关技术中采用信号配时控制的方式,控制方式不灵活,无法充分发挥智能网联车辆的技术优势,并且,对智能网联车辆提出自动化决策的协同通行方案,仅考虑简化的车-车协同交互场景,未考虑其他交通参与者,不适用于现实中更广泛的人车路场景,降低了道路交叉口通行效率。本申请实施例基于车路互联技术,通过车辆与人行横道信号灯之间的信息交互,人-车协同决策,实现混合式的道路交叉口管理方法,采用决策触发逻辑兼顾车-车、人-车之间的协同决策,从而提高了道路交叉口通行效率。
本申请实施例提供一种轨迹规划方法,如图1所示,图1为本申请实施例提供的一种轨迹规划方法的可选的步骤流程图,轨迹规划方法包括以下步骤:
S101、获取待决策对象的交通类信息和待决策对象的行驶类信息。
本申请实施例提供的轨迹规划方法应用于自动驾驶场景中,也可以适用于交通工具和交通指挥工具所构成的行驶场景中。交通指挥工具可以是交通信号灯、交通指示灯、人行横道信号灯等用于辅助行驶的工具。本申请实施例提供的轨迹规划方法所针对的待决策对象是交通工具或行人,交通工具可以是智能网联车辆和其他智能化交通工具等。以交通工具是车辆,交通指挥工具是人行横道信号灯为例进行说明,车联网通信覆盖整个道路交叉口,车辆之间可以相互进行信息共享,车辆与人行横道信号灯之间也可以进行信息共享,从而为车-车和人-车的协同决策管理提供数据支持。
在本申请实施例中,当待决策对象是车辆时,冲突范围是车辆对应的冲突区,冲突区表征道路交叉口人行横道所包围的区域。交通类信息反映车辆在进入冲突区之前随着时间变化的信息,示例性的,车辆预期到达决策点的时刻,车辆何时达到决策点是随着时间变化的,该决策点是指地理位置的某一坐标点,例如,在人行横道之前500米处,决策点可以映射到执行车辆协同决策逻辑的时刻。行驶类信息反映车辆在冲突区内的预期通行信息,包括车辆在调整区内的预期通行时间和车辆在冲突区内的预期通行路线;其中,决策点是调整区的起始位置,调整区与人行横道相连,可以通过车辆在调整区内的预期通行时间计算出车辆预期进入冲突区的时刻,车辆在冲突区内的预期通行路线包括左转曲线、右转曲线和直线。
在本申请实施例中,当待决策对象是行人时,冲突范围是人行横道对应的区域,交通类信息反映行人在进入人行横道对应的区域之前随时间变化的信息,示例性的,请求信号灯开启时刻,信号灯用于指示行人通过人行横道,请求信号灯开启时刻是随着时间变化的。行驶类信息反映行人在人行横道对应的区域内的预期通行信息,包括行人通行速度和人行横道的位置。
S102、在交通类信息中的协同决策时刻,根据待决策对象预期进入冲突范围的时刻和行驶类信息,规划待决策对象在冲突范围内的初始轨迹。
在本申请实施例中,由于交通类信息反映待决策对象在进入冲突范围之前随时间变化的信息,因此,待决策对象的交通类信息中的未来某一时间点是协同决策时刻,协同决策时刻是用于执行协同决策的时间点。行驶类信息中的预期通行路线可以理解为车辆或行人预期占用的位置,没有时间信息,而初始轨迹不仅包括通行路线,还包括待决策对象的速度、加速度和减速度等,初始轨迹可以理解为时间的函数,因此,还需要根据待决策对象预期进入冲突范围的时刻和行驶类信息,规划待决策对象在冲突范围内的初始轨迹。
在本申请实施例中,当车辆在行驶过程中,随着时间的变化到达协同决策时刻时,根据车辆预期进入冲突区的时刻和行驶类信息,规划车辆在冲突区的初始轨迹。当行人在等待过程中,随着时间的变化到达协同决策时刻时,根据行人预期进入人行横道对应的区域的时刻和行驶类信息,规划人行横道所占用的初始时空序列,初始时空序列可以理解为行人在人行横道对应的区域的初始轨迹。
S103、若初始轨迹与既定轨迹发生冲突,则增加待决策对象进入冲突范围的单位延误时间,直至所规划的轨迹与既定轨迹不会发生冲突时为止,得到待决策对象的行驶轨迹。
在本申请实施例中,若初始轨迹与既定轨迹不发生冲突,则将初始轨迹作为待决策对象的行驶轨迹。若初始轨迹与既定轨迹发生冲突,则增加待决策对象进入冲突范围的单位延误时间,使得车辆晚一点进入冲突区或者行人晚一点通过人行横道。若所规划的轨迹与既定轨迹依旧会发生冲突,则再次增加待决策对象进入冲突范围的单位延误时间,使得车辆再晚一点进入冲突区或者行人再晚一点通过人行横道。其中,单位延误时间可以是由本领域技术人员根据实际情况预先适当设置的时间段△t,只要能够使得车辆和行人快速通过道路交叉口即可,本申请实施例对于单位延误时间的具体数值不作限制。示例性的,将预期的时刻加上单位延误时间作为待决策对象预期进入冲突范围的新的时刻,根据新的时刻和行驶类信息,规划待决策对象在冲突范围内的轨迹,循环执行以上步骤,直至所规划的轨迹与既定轨迹不会发生冲突时为止,得到待决策对象的行驶轨迹。
根据本申请实施例提供的方案,获取待决策对象的交通类信息和待决策对象的行驶类信息;其中,待决策对象是车辆或行人,交通类信息反映待决策对象在进入冲突范围之前随时间变化的信息,行驶类信息反映待决策对象在冲突范围内的预期通行信息,冲突范围是车辆对应的冲突区或人行横道对应的区域,冲突区表征道路交叉口人行横道所包围的区域;在交通类信息中的协同决策时刻,根据待决策对象预期进入冲突范围的时刻和行驶类信息,规划待决策对象在冲突范围内的初始轨迹;若初始轨迹与既定轨迹发生冲突,则增加待决策对象进入冲突范围的单位延误时间,也就是车辆晚一点进入冲突区或者行人晚一点通过人行横道,直至所规划的轨迹与既定轨迹不会发生冲突时为止,得到待决策对象的行驶轨迹。通过调整车辆在调整区内的时间或者行人在道路交叉口的等待时间,实现控制车辆进入冲突区的时间或者行人进入人行横道的时间,使得车辆在冲突区内的速度达到最优速度,以最少的时间通过道路交叉口。并且既定轨迹表示已经确定的轨迹,包括车辆既定轨迹和人行横道的信号灯为通行时所占用的时空序列,在轨迹规划时,不仅考虑到车辆与车辆之间的碰撞,还考虑到车辆与行人之间的碰撞,实现了道路交叉口的车-车和人-车协同管理,提高了道路交叉口通行效率。
在一些实施例中,在图1中S103之前,该轨迹规划方法还包括判断初始轨迹与既定轨迹是否发生冲突的步骤,在本申请实施例中,通过S201-S203判断初始轨迹与既定轨迹是否发生冲突。
S201、获取初始轨迹中待决策对象所对应区域的位置信息和既定轨迹中其他待决策对象所对应区域的位置信息。
在本申请实施例中,不管是对于车辆,还是对于行人,在每一次规划轨迹的过程中均需要判断所规划的轨迹与既定轨迹是否发生冲突,判断轨迹是否发生冲突的方法是一致的,在此以判断初始轨迹与既定轨迹是否发生冲突为例进行说明。轨迹是时间的函数,在计算轨迹是否发生冲突时,需要获取轨迹中各个时刻待决策对象所对应区域的位置信息。位置信息可以简化为所对应区域的边界点信息,当两个区域发生冲突时,是由边界点的碰撞冲突引起的,因此,边界点信息可以代表所对应区域的位置信息,使得在后续根据位置信息计算区域是否发生冲突时,减少数据处理量,提高计算效率。例如,所对应区域是多边形,位置信息是多边形对应的多个顶点的坐标。
在本申请实施例中,车辆所对应区域可以是车辆模型,车辆模型与车辆自身形状相关,不同型号的车辆具有不同的形状,可以将车辆形状简化为四边形。通过收集大量的车辆样本,根据多种车辆样本的自身形状进行分析,从而确定出能够代表不同形状的车辆的车辆模型。也可以在实际情况的处理中,通过获取每个车辆的点云数据,根据该点云数据确定该车辆对应的车辆模型,使得每种车辆对应一个车辆模型,本申请实施例对于车辆模型的表现形式和具体参数不作限制。
在本申请实施例中,行人所对应区域可以是人行横道虚拟实体,人行横道虚拟实体是人行横道所构成的多边形,可以将人行横道虚拟实体简化为四边形,人行横道虚拟实体表征在信号灯开启时间段内,车辆无法穿过人行横道。如图2所示,图2为本申请实施例提供的一种人行横道虚拟实体的示例性的示意图。人行横道位于进口道的停止线之后,道路交叉口冲突区21之前。人行横道用于为行人、非机动车提供通行道路交叉口的安全区域,其安全的保障依赖于人行横道的信号灯控制。当人行横道的信号灯(例如绿灯)指示通行时,行人和非机动车可以通行,而车辆不得在指示通行的信号灯开启时间段(例如绿灯时间范围)内穿过人行横道。因此,处于指示通行的信号灯开启时间段(绿灯时间范围)内的人行横道可以视为是人行横道虚拟实体22,人行横道虚拟实体22在时空域内不能与车辆发生冲突。
在一些实施例中,若待决策对象是车辆,则车辆所对应区域为车辆模型,既定轨迹中其他待决策对象包括其他车辆和行人,既定轨迹中其他待决策对象所对应区域包括其他车辆模型和人行横道虚拟实体;若待决策对象是行人,则行人所对应区域为人行横道虚拟实体,既定轨迹中其他待决策对象是车辆,既定轨迹中其他待决策对象所对应区域是车辆模型。
在本申请实施例中,当待决策对象是车辆,不仅考虑车辆与其他车辆是否发生冲突,还考虑车辆与人行横道虚拟实体是否发生冲突,本申请实施例提供的轨迹规划是针对人-车出行的协同控制策略,相较于相关技术中仅考虑车辆之间是否发生冲突的方案,提高了道路交叉口通行效率,并且,不局限于车-车协同场景,可以适用于真实且广泛的应用场景。当待决策对象是行人时,需要考虑人行横道虚拟实体与所有车辆是否发生冲突,实现了人-车之间的协同控制逻辑,适用于更加智能化的车-路协同场景,提高了道路交叉口通行效率。
S202、根据待决策对象所对应区域的位置信息和其他待决策对象所对应区域的位置信息,通过冲突消解模型,计算同一时刻下,待决策对象所对应区域与其他待决策对象所对应区域之间的位置关系。
在本申请实施例中,冲突消解模型用于对同一时刻下两个区域的位置信息进行分析,判断这两个区域是否发生冲突,在实际应用中,将同一时刻下,两个区域的位置信息输入冲突消解模型,输出两个区域的位置关系,位置关系包括两个区域发生碰撞冲突和两个区域不发生碰撞冲突。
在本申请实施例中,在确定待决策对象所对应区域与其他待决策对象所对应区域之间的位置关系时,是将车辆模型和人行横道虚拟实体均简化为平面几何形状,判断两个平面几何之间是否发生碰撞冲突。在此以车辆模型和人行横道虚拟实体均是矩形为例,对车辆模型与车辆模型、车辆模型与人行横道虚拟实体之间的位置关系进行分析说明,如图3所示,图3为本申请实施例提供的一种两两冲突关系分析的示例性的示意图。冲突消解模型是从时间和空间上避免车辆与车辆、车辆与人行横道虚拟实体之间的冲突。从几何关系来看,就是车辆模型和人行横道虚拟实体之间不能重叠,可以用矩形示意图来描述车辆模型和人行横道虚拟实体的占有区域。以两两冲突关系来进行分析,若发生冲突,则存在两种情况,第一种情况,某个矩形32的顶点位于另外一个矩形31的范围内,就是碰撞冲突,第二种情况,两个矩形(33和34)存在公共区域,但两个矩形顶点都不在另外一个矩形范围内,可以理解为贯穿冲突。贯穿冲突在实际场景中不可能凭空出现,发生贯穿冲突之前必然已经发生碰撞冲突。因此,第二种情况总是发生于第一种情况之后,因此,为了消解冲突,只需要避免第一种情况发生即可。
在本申请实施例中,车辆与车辆、车辆与人行横道虚拟实体之间冲突消解模型依赖于车辆之间相互信息共享,车辆与人行横道信号灯之间信息共享的数据支持。由于车辆可以在到达道路交叉口之间就已经开始进行轨迹规划,因此,可以通过合理规划来避免车辆冲突以及车辆与人行横道虚拟实体的冲突。若发生冲突,则所规划的轨迹不可行,需要重新进行轨迹规划,对应的车辆必然会增加延误。按照上述第一种情况,判断冲突的方式就是两两平面几何的判断,判断所有顶点是否落于另外的区域内。上述判断方式适用于判断车辆模型与车辆模型是否发生碰撞冲突,以及车辆模型是否与人行横道虚拟实体是否发生碰撞冲突。
在本申请实施例中,上述图3中描述了两个平面几何之间的冲突关系,基于图3,在判断两个平面几何之间是否发生碰撞冲突时,可以通过计算点与面之间的关系实现,如图4所示,图4为本申请实施例提供的一种判断点是否位于矩形内的示例性的示意图。通过判断点P是否落在矩形区域内,实现判断两个平面几何之间是否发生碰撞冲突。如图4中示出的两种情况,图4中41表示点P未落在矩形区域/>内,图4中42表示点P落在矩形区域/>内。
在一些实施例中,所对应区域的位置信息表征构成所对应区域的多个顶点的位置信息。基于面积的方式判断待决策对象所对应区域与其他待决策对象所对应区域是否发生碰撞冲突。针对初始轨迹中待决策对象所对应区域的每个第一顶点,在同一时刻下,将第一顶点与其他待决策对象所对应区域的多个第二顶点,按照第二顶点的排列顺序,依次确定多个三角形;根据初始轨迹中待决策对象所对应区域的位置信息和其他待决策对象所对应区域的位置信息,计算多个三角形的面积,以及多个第二顶点所构成的多边形的面积;若多个三角形的面积之和等于多边形的面积,则待决策对象所对应区域与其他待决策对象所对应区域发生碰撞冲突;若各个第一顶点所对应的多个三角形的面积之和均大于多边形的面积,则待决策对象所对应区域与其他待决策对象所对应区域不发生碰撞冲突。
在本申请实施例中,基于面积的方法是判断以下不等式是否成立:
,若不等式成立,则点P落在矩形区域外;若不等式不成立,即,/>,则点P落在矩形区域/>内,或者,点P落在矩形区域/>的边上。在实际计算过程中,可以通过建立直角坐标系,用三角形面积的坐标计算公式分别计算各个三角形的面积,例如,三角形的面积为/>,其中,/>和分别是三角形/>三个顶点,点P、点A、点B的顶点坐标。基于此,也可以将矩形拆分为两个三角形,通过计算两个三角形的面积之和,从而得到矩形面积。
在本申请实施例中,将判断同一时刻下两个矩形之间是否发生碰撞冲突的问题,转化为判断一个矩形的每个顶点是否落在另一个矩形内。针对一个矩形的每个顶点,该顶点与另一个矩形的四个顶点,按照四个顶点的排列顺序,依次构成多个三角形,根据该顶点的坐标和其另一个矩形的四个顶点的坐标,计算多个三角形的面积,以及另一个矩形的面积;若多个三角形的面积之和等于矩形面积,则两个矩形发生碰撞冲突。对于一个矩形的四个顶点,若四个顶点分别对应的多个三角形的面积之和均大于多边形的面积,则两个矩形不发生碰撞冲突。也就是说,只要一个矩形的任意一个顶点落在另一个矩形内,两个矩形发生碰撞冲突,一个矩形的所有顶点均未落在另一个矩形内,两个矩形不发生碰撞冲突。通过上述面积的方式,判断待决策对象所对应区域与其他待决策对象所对应区域是否发生碰撞冲突,提高了判断结果的准确性。
本申请实施例提供的冲突消解规则适应于车辆和人行横道,示例性的,当人行横道的信号灯开启时间段,人行横道可视为虚拟实体,所有车辆的规划轨迹不得与人行横道虚拟实体发生冲突。上述示例提供了采用面积的方式,从而判断待决策对象所对应区域与其他待决策对象所对应区域是否发生碰撞冲突,提高了判断方式的多样性。并且,根据车辆和人行横道区域的几何形状,研究统一的冲突关系判定方法,提高了冲突判定结果的准确性。
S203、若位置关系表征待决策对象所对应区域与其他待决策对象所对应区域发生碰撞冲突,则初始轨迹与既定轨迹发生冲突。
在本申请实施例中,通过获取初始轨迹以及既定轨迹中待决策对象所对应区域的位置信息,根据两个区域的位置信息,通过冲突消解模型,计算同一时刻下,两个区域之间的位置关系。位置关系包括两个区域发生碰撞冲突和两个区域不发生碰撞冲突,当位置关系表征两个区域发生碰撞冲突时,初始轨迹与既定轨迹发生冲突。通过将判断轨迹是否发生冲突的问题,转化为判断区域是否发生碰撞冲突,提高了判断结果的准确性。
本申请实施例还提供一种轨迹规划方法,如图5所示,图5为本申请实施例提供的另一种轨迹规划方法的可选的步骤流程图,该轨迹规划方法用于实现车辆协同逻辑。当待决策对象是车辆时,该轨迹规划方法可以包括S501-S504。
S501、获取车辆预期到达决策点的时刻、车辆在调整区内的预期通行时间,以及车辆在冲突区内的预期通行路线,决策点是调整区的起始位置,调整区与人行横道相连。
在本申请实施例中,决策点是对车辆进行轨迹规划的时刻点,冲突区表征道路交叉口人行横道所包围的区域,包括不同行驶方向车流的多个冲突点。为了提高车辆在道路交叉口的通行效率,需要最小化车辆在道路交叉口的占有时间,因此,需要使得车辆在通过道路交叉口冲突区的速度达到最优速度。然而,可能发生的道路交叉口冲突使得车辆必须在进口道进行速度调整,不仅可以保证车辆在穿过人行横道和进入冲突区的速度达到最优,而且可以通过速度调整来改变车辆进入冲突区的时间,实现协同管理。将人行横道之前的进口道区域作为调整区,调整区的终止位置与人行横道相连,调整区的起始位置是决策点。在决策点对车辆进行轨迹规划,规划车辆在调整区和冲突区的轨迹,车辆进入调整区后,车辆轨迹不再有动态调整,而是按照规划完成的既定轨迹行驶。在调整区内,车辆可能完成匀速运动,也可能完成先减速后加速的运动,或者完成先减速、再停车、后加速度运动,实现控制车辆进入冲突区的时间,使得车辆在冲突区内的速度达到最优速度。
在一些实施例中,预期通行路线包括直线、左转曲线和右转曲线。该轨迹规划方法还包括确定左转曲线和右转曲线的步骤。当车辆在道路交叉口左转时,根据道路交叉口中位于第一进道口中心线和第一出道口中心线上的控制点,以及道路交叉口中心点,确定左转曲线;当车辆在道路交叉口左转时,根据道路交叉口中位于第二进道口中心线和第二出道口中心线上的控制点,以及第二进道口中心线与第二出道口中心线的交点,确定右转曲线。
在本申请实施例中,车辆在道路交叉口可以直行、左转和右转。车辆直行的轨迹比较简单,可以用平行于车道线的直线来表示,而左转和右转轨迹是曲线,需要用平滑的曲线来拟合。本申请实施例中轨迹拟合曲线可以是任意的拟合曲线,只要能够将表征左转或右转的多个基准点通过曲线拟合即可,例如贝塞尔曲线(Bezier curve)、B样条曲线(B-spline curve)、埃尔米特曲线(Hermite)、抛物样条和三次参数样条曲线等,对此本申请实施例不作限制。
在本申请实施例中,以贝塞尔曲线为例,通过图6和图7分别对左转曲线和右转曲线进行说明。贝塞尔曲线是由多个基准点来控制的曲线,贝塞尔曲线必定通过首尾两个基准点,称为端点;中间点虽然未通过,但却起到牵制曲线形状的作用,因此基准点也可以称为控制点。贝塞尔曲线的方程如公式(1)所示。
上述公式(1)中n表示控制点的数量,t是曲线参数,t∈[0,1],t的取值越密,曲线越光滑。P i 是第i个控制点的坐标,贝塞尔曲线通过起始点P 1 和终止点P n 。接近但不通过中间点P 2~ P n-1 ,由2个控制点控制的曲线是一阶贝塞尔曲线,一阶贝塞尔曲线是线性贝塞尔曲线,也就是直线,由5个控制点控制的曲线是四阶贝塞尔曲线。
示例性的,本申请实施例提供了左转曲线,如图6所示,图6为本申请实施例提供的一种车辆左转贝塞尔轨迹曲线的示意图。图6展示的是道路交叉口东进口左转轨迹曲线,控制点61依次是A、B、C、D、E。对于左转曲线62,A和B位于进口道中心线上,C是道路交叉口中心点,D和E位于出口道的中心线上。本申请实施例还提供了右转曲线,如图7所示,图7为本申请实施例提供的一种车辆右转贝塞尔轨迹曲线的示意图。图7展示的是道路交叉口东进口右转轨迹曲线,控制点71依次是A、B、C、D、E。对于右转曲线72,A和B位于进口道中心线上,C是进口道中心线与出口道中心线的交点,D和E位于出口道的中心线上。
需要说明的是,图6和图7中是以30米×30米的道路交叉口为例进行说明,本申请实施例对于道路交叉口的尺寸大小不作限制。
在本申请实施例中,图6和图7分别展示了道路交叉口东进口左转和右转的轨迹,根据直行的直线轨迹和转弯的贝塞尔曲线轨迹,可以得到道路交叉口所有车道的车辆轨迹及其占有空间。在图6和图7的基础上,本申请实施例还提供了道路交叉口范围内车辆所有的预期通行路线,如图8所示,图8为本申请实施例提供的一种道路交叉口范围内的车辆整体轨迹占有空间的示例性的示意图。图8中示出了道路交叉口所有车道的车辆轨迹及其占有空间81,车辆整体轨迹可以分为4条右转曲线,4条左转曲线和8条直行直线。
在本申请实施例中,通过第一进道口中心线上的控制点、第一出道口中心线上的控制点,以及道路交叉口中心点,确定左转曲线;根据第二进道口中心线上的控制点、第二出道口中心线上的控制点,以及第二进道口中心线与第二出道口中心线的交点,确定右转曲线,提高了预期通行路线的丰富性和准确性。
S502、当车辆到达决策点时,根据车辆在调整区内的预期通行时间和预期通行路线,规划车辆在冲突区内的初始轨迹。
在本申请实施例中,初始轨迹反映了车辆在冲突区内的通行路线、速度和加速度。在决策点对车辆进行轨迹规划,规划车辆在调整区以及冲突区的轨迹。由于车辆与车辆发生冲突或者车辆与人行横道发生冲突是在冲突区,也就是说,在判断车辆轨迹与既定轨迹是否冲突时,车辆轨迹采用的是车辆在冲突区的轨迹,因此,当车辆到达决策点时,根据车辆在调整区内的预期通行时间和预期通行路线,规划车辆在冲突区内的初始轨迹。
在一些实施例中,S502可以通过以下方式实现。根据车辆在调整区内的预期通行时间,确定车辆预期进入冲突区的时刻;根据车辆预期进入冲突区的时刻和预期通行路线,规划车辆在冲突区内的初始轨迹。
在本申请实施例中,在车辆在调整区行驶之后,到达冲突区,也就是在预期通行时间之后,是车辆预期进入冲突区的时刻,根据车辆预期进入冲突区的时刻和预期通行路线,可以规划车辆在冲突区内的初始轨迹。若车辆在调整区内的通行时间延长,则根据车辆预期进入冲突区的新的时刻和预期通行路线,重新规划车辆在冲突区内的轨迹。
在本申请实施例中,根据车辆在调整区内的预期通行时间,确定车辆预期进入冲突区的时刻;根据车辆预期进入冲突区的时刻和预期通行路线,规划车辆在冲突区内的初始轨迹,提高了轨迹规划的准确性。
S503、若初始轨迹与其他车辆既定轨迹或人行横道虚拟实体发生冲突,则增加车辆在调整区内的单位延误时间,使得车辆在调整区内的通行时间为预期通行时间与目标延误时间之和,目标延误时间为单位延误时间与循环次数之积。
在本申请实施例中,若初始轨迹与其他车辆既定轨迹和人行横道虚拟实体均不发生冲突,则将初始轨迹作为车辆轨迹。若初始轨迹与其他车辆既定轨迹,或者初始轨迹与人行横道虚拟实体发生冲突,说明车辆需要晚一点进入冲突区,则增加车辆在调整区内的单位延误时间,使得车辆在调整区内的通行时间为预期通行时间与目标延误时间之和,目标延误时间为单位延误时间与循环次数之积,也就是逐次增加车辆在调整区的通行时间。单位延误时间可以是由本领域技术人员根据实际情况适当设置,对此本申请实施例不作限制。
S504、根据车辆在调整区内的通行时间和预期通行路线,规划车辆在冲突区内的轨迹,直至所规划的轨迹与其他车辆既定轨迹和人行横道虚拟实体均不发生冲突时为止,得到车辆轨迹,实现车辆协同逻辑。
在本申请实施例中,根据车辆在调整区内的通行时间和预期通行路线,规划车辆在冲突区内的轨迹,循环执行以上S503和S504,直至所规划的轨迹与其他车辆既定轨迹和人行横道虚拟实体均不发生冲突时为止,得到车辆轨迹,从而实现车辆协同逻辑。在对车辆进行轨迹规划时,不仅考虑其他车辆既定轨迹,还考虑了人行横道虚拟实体,实现了道路交叉口的车-车和人-车协同管理,提高了交叉口通行效率。
根据本申请实施例提供的方案,获取车辆预期到达决策点的时刻、车辆在调整区内的预期通行时间,以及车辆在冲突区内的预期通行路线,当车辆到达决策点时,根据预期通行时间和预期通行路线,规划车辆在冲突区内的初始轨迹,若初始轨迹与既定轨迹发生冲突,则增加车辆在调整区内的单位延误时间,使得车辆在调整区内的通行时间为预期通行时间与目标延误时间之和,目标延误时间为单位延误时间与循环次数之积,也就是车辆晚一点进入冲突区。既定轨迹包括其他车辆既定轨迹和人行横道虚拟实体,不仅考虑到车辆与车辆之间的碰撞,还考虑到车辆与行人之间的碰撞,提高了轨迹规划的准确性。根据车辆在调整区内的通行时间和预期通行路线,规划车辆在冲突区内的轨迹,直至轨迹与既定轨迹不发生冲突,得到车辆轨迹,实现车辆协同逻辑。通过调整车辆在调整区内的时间,实现控制车辆进入冲突区的时间,使得车辆在冲突区内的速度达到最优速度,以最少的时间通过道路交叉口,并且在轨迹规划时,还考虑了既定轨迹中的车辆和行人,提高了交叉口通行效率。
在一些实施例中,交通类信息还包括车辆的速度、车辆的最大加速度和车辆的最大减速度,行驶类信息包括人行横道的位置,在图5的S501中的决策点可以通过S601-S603确定。
S601、根据车辆的速度、车辆的最大加速度和车辆的最大减速度确定调整区初始长度。
在本申请实施例中,由于车辆最大加速度和最大减速度的限制,调整区需要有足够长的空间来满足车辆速度调整需求。调整区初始长度未考虑其他车辆,也就是调整区最小长度,调整区最小长度如公式(2)所示。
需要说明的是,公式(2)中是调整区初始长度,/>是车辆的速度,/>和/>分别是车辆的最大加速度和车辆的最大减速度。在获取最大加速度和最大减速度时,通过收集大量的车辆样本,根据多种不同类型的车辆样本的自身属性进行分析,从而确定出能够代表不同类型的车辆的最大加速度和最大减速度,示例性的,将多种不同类型的车辆样本中加速度和减速度的平均值,作为代表所有车辆的最大加速度和最大减速度,也可以将多种不同类型的车辆样本中加速度和减速度的极值(例如,最大值、最小值),作为代表所有车辆的最大加速度和最大减速度。也可以在实际情况的处理中,通过获取每个车辆的车辆类型,根据车辆类型确定该车辆对应的最大加速度和最大减速度,使得每种车辆对应一个最大加速度和一个最大减速度,对此本申请实施例不作限制。
S602、根据调整区内的车辆和调整区初始长度,确定调整区目标长度,调整区目标长度大于或等于调整区初始长度。
在本申请实施例中,若调整区内存在其他车辆,则调整区最小长度难以满足后进入车辆的调整需求,因此,调整区长度需要延长,延长长度与车辆的车身长度以及车辆之间最小安全距离有关,也就是说,调整区的目标长度与调整区内的车辆以及调整区初始长度相关。
在一些实施例中,上述S602可以通过以下方式实现。将调整区内车辆的车辆模型长度之和,以及预设的车辆最小安全距离与调整区内车辆的数量之积,进行相加,得到调整区延长长度;将调整区初始长度和调整区延长长度之和,作为调整区目标长度。
在本申请实施例中,基于上述公式(2),调整区目标长度如公式(3)所示。
在本申请实施例中,将调整区内车辆的车辆模型长度之和,以及预设的车辆最小安全距离与调整区内车辆的数量之积,进行相加,得到调整区延长长度;从而将调整区初始长度和调整区延长长度之和,作为调整区目标长度,提高了调整区目标长度的准确性。
S603、根据调整区目标长度和人行横道的位置,确定决策点。
在本申请实施例中,根据调整区目标长度和人行横道的位置确定决策点的位置,如图9所示,图9为本申请实施例提供的一种进口道的决策区和调整区的示例性的示意图。图9中调整区94分别与决策区91和人行横道95相连,调整区94的起始位置是决策点93,即,调整区94与决策区91的交界点是决策点93,调整区94的长度由决策点93的位置来动态控制。若调整区94的车辆92增加,则决策点93往决策区91的方向移动,反之,若调整区94的车辆92减少,则决策点93往调整区94的方向移动。
在本申请实施例中,根据车辆的速度、车辆的最大加速度和车辆的最大减速度确定调整区初始长度,根据调整区内的车辆和调整区初始长度,动态调整调整区目标长度,然后,根据调整区目标长度和人行横道的位置,确定决策点,决策点的位置随着调整区内车辆的情况进行动态调整,提高了车辆进行轨迹规划时的决策点的灵活性,提高了轨迹规划的准确性。
下面,将说明本申请实施例在一个实际的应用场景中的示例性应用。
在本申请实施例中,如图10所示,图10为本申请实施例提供的一种车辆协同决策逻辑的可选的步骤流程图。该轨迹规划方法可以包括S1001-S1005。
S1001、获取车辆预期到达决策点的时刻和车辆在冲突区的预期通行路线,初始化单位延误时间设置为0。
S1002、当车辆预期到达决策点时,根据单位延误时间、车辆在调整区的预期通行时间和预期通行路线,规划车辆在调整区的轨迹以及车辆在冲突区的轨迹。
S1003、判断车辆在冲突区的轨迹与其他车辆既定轨迹或人行横道虚拟实体是否发生冲突。
S1004、若车辆在冲突区的轨迹与其他车辆既定轨迹或人行横道虚拟实体发生冲突,则增加单位延误时间,回到S1002。
S1005、重复S1002-S1004,直至车辆在冲突区的轨迹与其他车辆既定轨迹和人行横道虚拟实体均不发生冲突,输出车辆轨迹。
根据本申请实施例提供的方案,获取车辆预期到达决策点的时刻和车辆在冲突区内的预期通行路线,初始化单位延误时间设置为0;当车辆到达决策点时,根据单位延误时间、车辆在调整区的预期通行时间和预期通行路线,规划车辆在调整区的轨迹以及车辆在冲突区的轨迹;判断车辆在冲突区的轨迹与其他车辆既定轨迹或人行横道虚拟实体是否发生冲突,不仅考虑到车辆与车辆之间的碰撞,还考虑到车辆与行人之间的碰撞,提高了轨迹规划的准确性。若是,则增加单位延误时间,循环执行规划轨迹、判断是否发生冲突、增加单位延误时间的步骤,直至车辆在冲突区的轨迹与其他车辆既定轨迹和人行横道虚拟实体均不发生冲突,也就是车辆在冲突区的轨迹是可行的,输出车辆轨迹,记录车辆轨迹为既定轨迹,实现车辆协同逻辑。通过逐次增加车辆在调整区内的单位延误时间,实现控制车辆进入冲突区的时间,使得车辆在冲突区内的速度达到最优速度,以最少的时间通过道路交叉口,并且在轨迹规划时,还考虑了既定轨迹中的车辆和行人,提高了交叉口通行效率。
本申请实施例还提供一种轨迹规划方法,如图11所示,图11为本申请实施例提供的另一种轨迹规划方法的可选的步骤流程图。该轨迹规划方法用于实现人行横道信号灯协同逻辑。当待决策对象是行人时,该轨迹方法可以包括S1101-S1104。
S1101、获取请求信号灯开启时刻、行人通行速度和人行横道的位置,信号灯开启用于指示行人通过人行横道。
在本申请实施例中,当位于人行横道的路侧预设范围内待通行的人数大于预设阈值时,触发人行横道信号灯协同逻辑,请求信号灯开启。信号灯开启用于指示行人通过人行横道,例如,绿灯开启,行人可以通过人行横道。行人通行速度可以理解为步行速度,步行速度分布范围为0.5m/s~1.5m/s,行人通行速度可以由本领域技术人员预先设置,对此本申请实施例不作限制。
S1102、根据请求信号灯开启时刻和行人通行速度,确定信号灯开启时间段。
在本申请实施例中,在本申请实施例中,根据人行横道的总长度和行人通行速度,可以确定行人通过人行横道所需要的时间,根据请求信号灯开启时刻和行人通过人行横道所需要的时间,可以确定信号灯开启时间段。
S1103、根据人行横道的位置和信号灯开启时间段,确定人行横道所占用的初始时空序列。
在本申请实施例中,人行横道是一直存在的,只有在信号灯开启时间段内,人行横道才变为通行的人行横道,车辆不能穿过人行横道。人行横道所占用的初始时空序列可以理解为某一时间段内通行的人行横道,某一时间段内通行的人行横道可以简化为一个平面几何,以便于判断通行的人行横道是否与既定轨迹发生冲突,具体判断方式可以参考上述图2-图4,在此不再赘述。
S1104、若人行横道所占用的初始时空序列与车辆既定轨迹发生冲突,则延后信号灯开启时刻,直至在信号灯开启时间段内,人行横道所占用的时空序列与车辆既定轨迹不会发生冲突时为止,得到人行横道虚拟实体,实现人行横道信号灯协同逻辑。
在本申请实施例中,若人行横道所占用的初始时空序列与车辆既定轨迹不发生冲突,则将通行的人行横道作为人行横道虚拟实体。若人行横道所占用的初始时空序列与车辆既定轨迹发生冲突,说明行人需要晚一点进入人行横道,则延后信号灯开启时刻,延后时间可以由由本领域技术人员根据实际情况适当设置,对此本申请实施例不作限制。循环执行以上S1102-S1104,直至在信号灯开启时间段内,人行横道所占用的时空序列与车辆既定轨迹不会发生冲突时为止,得到人行横道虚拟实体。
需要说明的是,轨迹规划可以采用车辆协同逻辑,也可以采用人行横道信号灯协同逻辑,车辆协同逻辑和人行横道信号灯协同逻辑是相对独立的两种规划方式,没有先后执行顺序。
根据本申请实施例提供的方案,获取请求信号灯开启时刻、行人通行速度和人行横道的位置,信号灯开启用于指示行人通过人行横道;根据请求信号灯开启时刻和行人通行速度,确定信号灯开启时间段;根据人行横道的位置和信号灯开启时间段,确定人行横道所占用的初始时空序列;若人行横道所占用的初始时空序列与车辆既定轨迹发生冲突,则延后信号灯开启时刻,直至在信号灯开启时间段内,人行横道所占用的时空序列与车辆既定轨迹不会发生冲突时为止,得到人行横道虚拟实体,实现人行横道信号灯协同逻辑。在规划人行横道虚拟实体时,考虑到车辆与行人之间的碰撞,提高了轨迹规划的准确性,提高了道路交叉口通行效率。通过逐次延后信号灯开启时刻,调整行人进入人行横道的时间,使得行人在通过人行横道时不会与车辆发生碰撞,提高了道路交叉口的安全性。
下面,将说明本申请实施例在一个实际的应用场景中的示例性应用。
在本申请实施例中,如图12所示,图12为本申请实施例提供的一种人行横道信号灯的协同逻辑的可选的步骤流程图。该轨迹规划方法可以包括S1201-S1205。
S1201、获取请求绿灯开启时刻、行人通行速度和人行横道的位置,初始化额外时间为0。
额外时间表示绿灯开启等待时间。
S1202、根据请求绿灯开启时刻和行人通行速度,确定绿灯开启时间段。
S1203、判断在绿灯开启时间段内,根据人行横道的位置确定的人行横道所占用的初始时空序列与车辆既定轨迹是否发生冲突。
S1204、若人行横道所占用的初始时空序列与车辆既定轨迹发生冲突,则增加额外时间,回到S1202。
增加额外时间表示延后绿灯开启时刻。
S1205、重复S1202-S1204,直到绿灯开启时间段内,人行横道所占用的时空序列与车辆既定轨迹不发生冲突,得到人行横道虚拟实体。
根据本申请实施例提供的方案,获取请求绿灯开启时刻、行人通行速度和人行横道的位置,初始化额外时间为0;根据请求绿灯开启时刻和行人通行速度,确定绿灯开启时间段;判断在绿灯开启时间段内,根据人行横道的位置确定的人行横道所占用的初始时空序列与车辆既定轨迹是否发生冲突;若是,则增加额外时间;循环执行确定绿灯开启时间段、判断是否发生冲突、增加额外时间的步骤,直到绿灯开启时间段内,人行横道所占用的时空序列与车辆既定轨迹不发生冲突,也就是当前行人通过人行横道是可行的,输出人行横道虚拟实体,记录人行横道虚拟实体为既定轨迹,实现车辆协同逻辑,提高了交叉口通行效率。
在一些实施例中,本申请实施例还提供了一种车辆和行人的协同决策逻辑的触发方法,分别确定车辆和人行横道信号灯的协同逻辑,并以检测到的位于人行横道的路侧预设范围内待通行的人数,以及车辆到达决策点两种情况的判定结果触发协同决策。示例性的,在图1的S101之前、在图5的S501之前、在图10的S1001之前、在图11的S1101之前,以及在图12的S1201之前,轨迹规划方法还包括协同决策逻辑的触发步骤,如图13所示,图13为本申请实施例提供的一种协同决策触发逻辑的可选的步骤流程图,触发步骤包括S100a-S100e。
S100a、获取位于人行横道的路侧预设范围内待通行的人数。
S100b、判断待通行的人数是否大于预设阈值。
S100c、获取位于决策点之前预设范围内多个车辆的位置。
S100d、判断至少一个车辆的位置是否到达决策点。
S100e、若待通行的人数大于预设阈值,则触发人行横道信号灯协同逻辑;即执行上述图5中S501-S504,或者执行上述图10中S1001-S1005,若至少一个车辆的位置到达决策点,则触发车辆协同逻辑,即执行上述图11中S1101-S1104,或者执行上述图12中S1201-S1205。
需要说明的是,路侧预设范围和决策前之前预设范围可以由本领域技术人员根据实际情况进行设置,只要能够使得车辆和行人快速通过道路交叉口即可;预设阈值可以由本领域技术人员根据人流量等交通条件自适应确定,例如,人流量较少时,预设阈值设置的小一些,例如,5人,人流量较大时,预设阈值设置的大一些,例如,10人;对此本申请实施例不作限制。
在本申请实施例中,虽然车辆协同决策过程在时间域是连续的,但在实际操作中,需要离散化进行处理,通过合适的触发机制触发车辆协同逻辑或人行横道信号灯协同逻辑,从而进行协同决策的规划。通过判断待通行的人数是否大于预设阈值,以及至少一个车辆的位置是否到达决策点的方式,从而触发协同逻辑过程,然后执行与其相对应的协同逻辑,提高了轨迹规划的准确性。
在一些实施例中,针对不同的交通场景,适配不同的协同控制策略。上述图1描述的轨迹规划是先到先行的协同决策,其中,图5具体描述了车辆的位置先到达决策点下的协同决策,图11具体描述了待通行的人数大于预设阈值下的协同决策。在对车辆轨迹进行规划时,可以通过S501-S504实现,在对人行横道虚拟实体进行规划时,可以通过S1101-S1103实现。由于道路交叉口是人-车之间的汇集地,因此,本申请实施例还提供了人行横道信号灯与车辆之间的协同优化方案,在图5和图11的基础上,如图14所示,图14为本申请实施例提供的又一种轨迹规划方法的可选的步骤流程图。本申请实施例提供的协同逻辑规划方案包括S1401-S1404。
S1401、在决策区的起始位置,确定车辆协同逻辑和人行横道信号灯协同逻辑的触发顺序,决策区与调整区相连。
在本申请实施例中,决策区和调整区相连,调整区与决策区的交界点是决策点,即决策区的终止位置是决策点,当采用上述图5中车辆协同逻辑方法对车辆进行轨迹规划时,也就是先到先行的协同逻辑,决策区退化为决策点,在决策点对车辆进行轨迹规划即可,不需要决策区。但是在人-车协同决策优化方案中需要在决策区的起始位置对车辆和行人的轨迹进行协同优先规划。为了提高道路交叉口协同管理的通行效率,协同决策时车辆的轨迹规划需要考虑决策区内所有的车辆。若协同决策是由车辆到达决策点触发的,则只是考虑车辆之间的协同逻辑;若协同决策是由待通行人数超出预设阈值触发的,则需要同时考虑车辆和人行横道虚拟实体的协同逻辑。
S1402、根据触发顺序,结合车辆协同逻辑和人行横道信号灯协同逻辑,确定初始决策次序,实现先到先行的协同逻辑。
在本申请实施例中,协同决策需要考虑待决策对象的决策优先权,根据触发时间的顺序,结合协同逻辑,确定初始决策次序,初始决策次序包括多个车辆轨迹和人行横道实体。初始决策次序是按照先到先行的协同逻辑进行轨迹规划的。
在一些实施例中,在上述S1402确定初始决策次序时,若协同逻辑是由待通行的人数大于预设阈值触发,则初始决策次序中人行横道虚拟实体的决策优先权最高;也就是先结合人行横道信号灯协同逻辑(如上图11)进行人行横道虚拟实体的轨迹规划,然后再结合车辆协同逻辑(如上图5)进行多个车辆的轨迹规划。若协同逻辑是由车辆的位置到达决策点触发,则初始决策次序中车辆轨迹的决策优先权最高,也就是先结合车辆协同逻辑(如上图5)进行多个车辆的轨迹规划,然后再结合人行横道信号灯协同逻辑(如上图11)进行人行横道虚拟实体的轨迹规划,从而实现先到先行的协同逻辑。
S1403、根据机器学习算法,对多个待决策对象进行排序,生成决策次序,并根据决策次序对应的整体延误以及初始决策次序对应的初始整体延误,对最优决策次序进行迭代,直至达到预设迭代次数时为止,得到目标决策次序;其中,整体延误包括车辆通行时间延误与行人通过人行横道时间延误,多个待决策对象包括车辆和行人。
在本申请实施例中,多个待决策对象包括至少一个车辆和行人,行人的数量可以有多个,但是在规划轨迹时,行人是在预设时间段内同时通过人行横道的,因此,在规划人行横道虚拟实体时,将行人作为一个整体进行考虑即可。需要说明的是,协同决策中的人行横道虚拟实体可以同时存在多个,因此,可以根据实际需要设置同时存在的人行横道虚拟实体最大数量,例如,一个道路交叉口同时存在的人行横道虚拟实体为2个。
在本申请实施例中,机器学习算法用于优化待决策对象的决策优先权,机器学习算法可以是遗传算法、图优化和蒙特卡洛树搜索等,对此本申请实施例不作限制。根据机器学习算法,对多个待决策对象进行排序,生成决策次序,决策次序表征在对多个待决策对象进行轨迹规划时,待决策对象的先后顺序,在具体进行轨迹规划时,还需要依赖于车辆协同逻辑和人行横道信号灯协同逻辑。根据决策次序对多个待决策对象进行轨迹规划,得到至少一个车辆轨迹和人行横道虚拟实体,至少一个车辆轨迹对应至少一个车辆通行时间延误(也可以称为车辆延误),人行横道虚拟实体对应行人通过人行横道时间延误(也可以称为行人延误),至少一个车辆延误和行人延误的总和作为整体延误,车辆延误、行人延误和整体延误均表示延误的时间。
在本申请实施例中,整体延误可以理解为道路交叉口管理的目标函数。为了提升交叉口通行效率,需要优化车辆轨迹和用于行人通行的人行横道的信号灯控制。可以用整体延误衡量通行效率,整体延误包括车辆延误和行人延误,其中,行人延误为行人在道路交叉口的等待时间,即行人到达道路交叉口与人行横道信号灯(例如,绿灯)亮起的时间差。车辆延误是指车辆实际通行时间与最优通行速度下的理想通行时间的差值,如下述公式(4)所示。
在本申请实施例中,道路交叉口管理的目标是使得所有车辆和行人的整体延误最小化,整体延误的目标如公式(5)所示。
需要说明的是,预设迭代次数可以由本领域技术人员根据实际情况适当设置,迭代次数越大,目标决策次序对应的整体延误时间越少,但是车辆在决策区的时间有限,随着迭代次数的增多,规划轨迹所需要时间越长,因此,需要在迭代次数和迭代时间之间进行平衡,设置合适的迭代次数,能够保证目标决策次序对应的整体延误时间控制在一定范围内即可,对此本申请实施例不作限制。
在本申请实施例中,根据机器学习算法,对至少一个车辆和行人进行排序,生成决策次序,决策次序表征至少一个车辆和行人的先后顺序,根据决策次序对应的整体延误以及初始决策次序对应的初始整体延误,对最优决策次序进行迭代,直至达到预设迭代次数时为止,得到目标决策次序,提高了目标决策次序的准确性。
在一些实施例中,S1403在对最优决策次序进行迭代更新时,可以通过以下方式实现。若整体延误小于初始整体延误,则将决策次序作为当前决策次序;若整体延误大于或等于初始整体延误,则保持初始决策次序为当前决策次序;根据决策次序,对机器学习算法中学习参数进行调整;根据调整学习参数后的机器学习算法,对多个待决策对象进行排序,生成新的决策次序,并根据新的决策次序对应的新的整体延误以及当前决策次序对应的当前整体延误,对最优决策次序进行迭代,直至达到预设迭代次数时为止,得到目标决策次序。
在本申请实施例中,判断决策次序对应的整体延误是否小于初始整体延误,若是,说明根据该决策次序所规划的轨迹,相较于初始决策次序提高了通行效率,则将该决策次序作为当前决策次数,若否,说明初始决策次序相较于该决策次序,提高了通行效率。并且,根据决策次序,对机器学习算法中学习参数进行调整,循环执行排序、计算整体延误、与当前整体延误的比较、参数调整的步骤,直至达到预设迭代次数时为止。通过整体延误的比较以及迭代执行步骤可以选出最优决策次序,提高了目标决策次序的准确性。
S1404、根据目标决策次序生成多个待决策对象对应的轨迹,多个待决策对象对应的轨迹包括至少一个车辆轨迹和人行横道虚拟实体。
在本申请实施例中,得到目标决策次序之后,根据目标决策次序生成至少一个车辆轨迹和人行横道虚拟实体,将至少一个车辆轨迹对应的车辆延误和人行横道虚拟实体对应的行人延误之和,作为整体延误,减少了整体延误的时间,提高了道路交叉口通行效率。
需要说明的是,根据S1402中初始决策次序生成的至少一个车辆轨迹和人行横道虚拟实体,是采用先到先行的协同逻辑,也就是采用图5和图11中的方法确定的车辆轨迹和人行横道虚拟实体。而上述图14中采用的协同逻辑规划方案,先对至少一个车辆和行人进行排序,根据整体延误确定出优化后的决策次序,进一步提高了道路交叉口通行效率。
在一些实施例中,图14中S1403可以通过以下方式实现。根据多个待决策对象的数量生成树结构,树结构包括多层,每层包括多个节点,每层中多个节点的数量与待决策对象的数量相关,每个节点包括节点参数;根据树结构和节点参数,生成决策次序,并根据决策次序对应的整体延误以及初始决策次序对应的初始整体延误,对最优决策次序进行迭代,每迭代一次,更新一次节点参数,直至达到预设迭代次数时为止,得到目标决策次序。
在本申请实施例中,采用树结构的形式对多个待决策对象进行排序,以待决策对象的数量为10为例进行说明,树结构中第一层的节点为10个,第二层的节点为10×9个,第三层的节点为10×9×8,以此类推,第十层的节点为10×9×8×7×6×5×4×3×2×1个,每层中每个节点均包括节点参数,节点参数包括该节点的遍历次数和该节点的权重因子。其中,遍历次数可以理解为该节点被选中的次数,权重因子表征该节点在进行排序时的重要程度。根据树结构和节点参数,生成决策次序。并且每迭代一次,对节点的遍历次数和权重因子更新一次,直至达到预设迭代次数时为止,得到目标决策次序,提高了目标决策次序的准确性。
下面,将说明本申请实施例在一个实际的应用场景中的示例性应用。
在本申请实施例中,如图15所示,图15为本申请实施例提供的一种协同决策优化的可选的步骤流程图。以蒙特卡洛树搜索方法为例对确定决策优先权进行说明,该轨迹规划方法可以包括S1501-S1507。
S1501、根据待决策对象的数量生成树结构,对树结构中每个节点设置节点参数。
树结构包括多层,每层包括多个节点,每层中多个节点的数量与待决策对象的数量相关。节点参数包括权重因子和遍历次数,遍历次数可以理解为该节点被选中的次数,权重因子表征该节点在进行排序时的重要程度。
S1502、根据先到先行原则,结合车辆协同逻辑和人行横道信号灯协同逻辑,确定初始决策次序,将初始决策次序作为当前决策次序,并计算当前决策次序对应的整体延误。
若协同逻辑是由待通行的人数大于预设阈值触发,则初始决策次序中人行横道虚拟实体的决策优先权最高;若协同逻辑是由车辆的位置到达决策点触发,则初始决策次序中车辆轨迹的决策优先权最高。
需要说明的是,若协同决策转化为基于先到先行的决策逻辑,而不采用协同决策优化方案,此时,图9中进口道的决策区91不再需要,采用决策点93即可,协同决策的触发逻辑依然存在,仅执行S1502,输出初始决策次序,根据初始决策次序,即可依次生成至少一个车辆轨迹和人行横道虚拟实体。
S1503、根据树结构和置信区间上限算法生成决策次序。
置信区间上限算法(upper confidence bound,UCB)可以理解为与节点参数相关的算法。
S1504、计算S1503中决策次序的整体延误,并更新与置信区间上限算法相关的节点参数。
需要说明的是,在第一次循环迭代过程中,S1501、S1503和S1504可以与S1502的执行顺序不分先后,可以同时执行,对此本申请实施例不作限制。
S1505、判断S1504中决策次序的整体延误是否小于当前决策次序所对应的整体延误。
S1506、若决策次序的整体延误小于当前决策次序所对应的整体延误,则更新当前决策次序,并判断是否达到最大迭代次数。
S1507、若决策次序的整体延误大于或等于当前决策次序所对应的整体延误,则判断是否达到最大迭代次数。
S1508、重复S1503-S1507,直至达到最大迭代次数,得到目标决策次序,根据目标决策次序,依次生成至少一个车辆轨迹和人行横道虚拟实体。
根据本申请实施例提供的方案,根据先到先行原则,结合车辆协同逻辑和人行横道信号灯协同逻辑,确定初始决策次序,并计算初始决策次序对应的整体延误。采用蒙特卡洛树搜索算法,根据待决策对象的数量生成树结构,对树结构中每个节点设置节点参数;根据树结构和节点参数生成决策次序;计算该决策次序的整体延误,并更新节点参数;判断决策次序的整体延误是否小于初始决策次序所对应的整体延误;若是,则更新当前决策次序,若否,则将初始决策次序作为当前决策次序。并判断是否达到最大迭代次数;若未达到最大迭代次数,则重复执行排序、计算整体延误、与当前整体延误的比较、节点参数调整的步骤,直至达到最大迭代次数时为止,得到目标决策次序,提高了目标决策次序的准确性。从而根据目标决策次序,依次生成至少一个车辆轨迹和人行横道虚拟实体。本申请实施例提供了混合式道路交叉口范围内人-车协同管理方法,实现了人车协同决策逻辑,减少了整体延误的时间,提高了道路交叉口通行效率。
基于本申请实施例的轨迹规划方法,本申请实施例还提供一种轨迹规划装置,如图16所示,图16为本申请实施例提供的一种轨迹规划装置的结构示意图,该轨迹规划装置160包括:获取模块1601,用于获取待决策对象的交通类信息和待决策对象的行驶类信息;其中,待决策对象是车辆或行人,交通类信息反映待决策对象在进入冲突范围之前随时间变化的信息,行驶类信息反映待决策对象在冲突范围内的预期通行信息,冲突范围是车辆对应的冲突区或人行横道对应的区域,冲突区表征道路交叉口人行横道所包围的区域;
规划模块1602,用于在交通类信息中的协同决策时刻,根据待决策对象预期进入冲突范围的时刻和行驶类信息,规划待决策对象在冲突范围内的初始轨迹;
调整模块1603,用于若初始轨迹与既定轨迹发生冲突,则增加待决策对象进入冲突范围的单位延误时间,直至所规划的轨迹与既定轨迹不会发生冲突时为止,得到待决策对象的行驶轨迹。
在一些实施例中,轨迹规划装置160还包括冲突消解模块;
获取模块1601,还用于获取初始轨迹中待决策对象所对应区域的位置信息和既定轨迹中其他待决策对象所对应区域的位置信息;
冲突消解模块,用于根据待决策对象所对应区域的位置信息和其他待决策对象所对应区域的位置信息,通过冲突消解模型,计算同一时刻下,待决策对象所对应区域与其他待决策对象所对应区域之间的位置关系;若位置关系表征待决策对象所对应区域与其他待决策对象所对应区域发生碰撞冲突,则初始轨迹与既定轨迹发生冲突。
在一些实施例中,所对应区域的位置信息表征构成所对应区域的多个顶点的位置信息;
冲突消解模块,用于针对初始轨迹中待决策对象所对应区域的每个第一顶点,在同一时刻下,将第一顶点与其他待决策对象所对应区域的多个第二顶点,按照第二顶点的排列顺序,依次确定多个三角形;根据初始轨迹中待决策对象所对应区域的位置信息和其他待决策对象所对应区域的位置信息,计算多个三角形的面积,以及多个第二顶点所构成的多边形的面积;若多个三角形的面积之和等于多边形的面积,则待决策对象所对应区域与其他待决策对象所对应区域发生碰撞冲突;若各个第一顶点对应的多个三角形的面积之和均大于多边形的面积,则待决策对象所对应区域与其他待决策对象所对应区域不发生碰撞冲突。
在一些实施例中,若待决策对象是车辆,则车辆所对应区域为车辆模型,既定轨迹中其他待决策对象包括其他车辆和行人,既定轨迹中其他待决策对象所对应区域包括其他车辆模型和人行横道虚拟实体,人行横道虚拟实体表征在信号灯开启时间段内,车辆无法穿过人行横道;若待决策对象是行人,则行人所对应区域为人行横道虚拟实体,既定轨迹中其他待决策对象是车辆,既定轨迹中其他待决策对象所对应区域是车辆模型。
在一些实施例中,当待决策对象是车辆时,交通类信息包括车辆预期到达决策点的时刻,行驶类信息包括车辆在调整区内的预期通行时间,以及车辆在冲突区内的预期通行路线,决策点是调整区的起始位置,调整区与人行横道相连;
规划模块1602,还用于当车辆到达决策点时,根据车辆在调整区内的预期通行时间和预期通行路线,规划车辆在冲突区内的初始轨迹;
调整模块1603,还用于若初始轨迹与其他车辆既定轨迹或人行横道虚拟实体发生冲突,则增加车辆在调整区内的单位延误时间,使得车辆在调整区内的通行时间为预期通行时间与目标延误时间之和,目标延误时间为单位延误时间与循环次数之积;
规划模块1602,还用于根据车辆在调整区内的通行时间和预期通行路线,规划车辆在冲突区内的轨迹,直至所规划的轨迹与其他车辆既定轨迹和人行横道虚拟实体均不发生冲突时为止,得到车辆轨迹,实现车辆协同逻辑。
在一些实施例中,交通类信息还包括车辆的速度、车辆的最大加速度和车辆的最大减速度,行驶类信息包括人行横道的位置;
轨迹规划装置160还包括决策点确定模块;
决策点确定模块,用于根据车辆的速度、车辆的最大加速度和车辆的最大减速度确定调整区初始长度;根据调整区内的车辆和调整区初始长度,确定调整区目标长度,调整区目标长度大于或等于调整区初始长度;根据调整区目标长度和人行横道的位置,确定决策点。
在一些实施例中,决策点确定模块,还用于将调整区内车辆的车辆模型长度之和,以及预设的车辆最小安全距离与调整区内车辆的数量之积,进行相加,得到调整区延长长度;将调整区初始长度和调整区延长长度之和,作为调整区目标长度。
在一些实施例中,规划模块1602,还用于根据车辆在调整区内的预期通行时间,确定车辆预期进入冲突区的时刻;根据车辆预期进入冲突区的时刻和预期通行路线,规划车辆在冲突区内的初始轨迹。
在一些实施例中,预期通行路线包括直线、左转曲线和右转曲线;
轨迹规划装置160还包括曲线确定模块;
曲线确定模块,用于当车辆在道路交叉口左转时,根据道路交叉口中位于第一进道口中心线和第一出道口中心线上的控制点,以及道路交叉口中心点,确定左转曲线;当车辆在道路交叉口左转时,根据道路交叉口中位于第二进道口中心线和第二出道口中心线上的控制点,以及第二进道口中心线与第二出道口中心线的交点,确定右转曲线。
在一些实施例中,当待决策对象是行人时,交通类信息包括请求信号灯开启时刻,信号灯用于指示行人通过人行横道,行驶类性信息包括行人通行速度和人行横道的位置;
规划模块1602,还用于根据请求信号灯开启时刻和行人通行速度,确定信号灯开启时间段;根据人行横道的位置和所述信号灯开启时间段,确定人行横道所占用的初始时空序列;
调整模块1603,还用于若人行横道所占用的初始时空序列与车辆既定轨迹发生冲突,则延后信号灯开启时刻,直至在信号灯开启时间段内,人行横道所占用的时空序列与车辆既定轨迹不会发生冲突时为止,得到人行横道虚拟实体,实现人行横道信号灯协同逻辑。
在一些实施例中,轨迹规划装置160还包括触发模块;
触发模块,用于获取位于决策点之前预设范围内多个车辆的位置和位于人行横道的路侧预设范围内待通行的人数;若至少一个车辆的位置到达决策点,则触发车辆协同逻辑;若待通行的人数大于预设阈值,则触发人行横道信号灯协同逻辑。
在一些实施例中,轨迹规划装置160还包括协同生成模块;
协同生成模块,用于在决策区的起始位置,确定车辆协同逻辑和人行横道信号灯协同逻辑的触发顺序,决策区与调整区相连;根据触发顺序,结合车辆协同逻辑和人行横道信号灯协同逻辑,确定初始决策次序,实现先到先行的协同逻辑;根据机器学习算法,对多个待决策对象进行排序,生成决策次序,并根据决策次序对应的整体延误以及初始决策次序对应的初始整体延误,对最优决策次序进行迭代,直至达到预设迭代次数时为止,得到目标决策次序;其中,整体延误包括车辆通行时间延误与行人通过人行横道时间延误,多个待决策对象包括车辆和行人;根据目标决策次序生成多个待决策对象对应的轨迹,多个待决策对象对应的轨迹包括至少一个车辆轨迹和人行横道虚拟实体。
在一些实施例中,协同生成模块,还用于若整体延误小于初始整体延误,则将决策次序作为当前决策次序;若整体延误大于或等于初始整体延误,则保持初始决策次序为当前决策次序;根据决策次序,对机器学习算法中学习参数进行调整;根据调整学习参数后的机器学习算法,对多个待决策对象进行排序,生成新的决策次序,并根据新的决策次序对应的新的整体延误以及当前决策次序对应的当前整体延误,对最优决策次序进行迭代,直至达到预设迭代次数时为止,得到目标决策次序。
在一些实施例中,若协同逻辑是由待通行的人数大于预设阈值触发,则初始决策次序中人行横道虚拟实体的决策优先权最高;若协同逻辑是由车辆的位置到达决策点触发,则初始决策次序中车辆轨迹的决策优先权最高,从而实现先到先行的协同逻辑。
在一些实施例中,协同生成模块,还用于根据多个待决策对象的数量生成树结构,树结构包括多层,每层包括多个节点,每层中多个节点的数量与待决策对象的数量相关,每个节点包括节点参数;根据树结构和节点参数,生成决策次序,并根据决策次序对应的整体延误以及初始决策次序对应的初始整体延误,对最优决策次序进行迭代,每迭代一次,更新一次节点参数,直至达到预设迭代次数时为止,得到目标决策次序。
需要说明的是,上述实施例提供的任一轨迹规划装置在进行轨迹规划时,仅以上述各程序模块的划分进行举例说明,实际应用中,可以根据需要而将上述处理分配由不同的程序模块完成,即将装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分处理。另外,上述实施例提供的轨迹规划装置与轨迹规划方法实施例属于同一构思,其具体实现过程及有益效果详见方法实施例,这里不再赘述。对于本装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
在本申请实施例中,图17为本申请实施例提出的轨迹规划设备组成结构示意图,如图17所示,本申请实施例提出的设备170还可以包括处理器1701、存储有处理器1701可执行指令的存储器1702,在一些实施例中,轨迹规划设备170还可以包括通信接口1703,和用于连接处理器1701、存储器1702以及通信接口1703的总线1704。
在本申请实施例中,上述处理器1701可以为特定用途集成电路(ApplicationSpecific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(ProgRAMmable Logic Device,PLD)、现场可编程门阵列(Field ProgRAMmable GateArray,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
在本申请实施例中,总线1704用于连接通信接口1703、处理器1701以及存储器1702以及这些器件之间的相互通信。
在本申请实施例中,上述处理器1701,用于获取待决策对象的交通类信息和待决策对象的行驶类信息;其中,待决策对象是车辆或行人,交通类信息反映待决策对象在进入冲突范围之前随时间变化的信息,行驶类信息反映待决策对象在冲突范围内的预期通行信息,冲突范围是车辆对应的冲突区或人行横道对应的区域,冲突区表征道路交叉口人行横道所包围的区域;在交通类信息中的协同决策时刻,根据待决策对象预期进入冲突范围的时刻和行驶类信息,规划待决策对象在冲突范围内的初始轨迹;若初始轨迹与既定轨迹发生冲突,则增加待决策对象进入冲突范围的单位延误时间,直至所规划的轨迹与既定轨迹不会发生冲突时为止,得到待决策对象的行驶轨迹。
轨迹规划设备170中存储器1702可以与处理器1701连接,存储器1702用于存储可执行程序代码和数据,该程序代码包括计算机操作指令,存储器1702可能包含高速RAM存储器,也可能还包括非易失性存储器,例如,至少两个磁盘存储器。在实际应用中,上述存储器1702可以是易失性存储器(volatile memory),例如随机存取存储器(Random-AccessMemory,RAM);或者非易失性存储器(non-volatile memory),例如只读存储器(Read-OnlyMemory,ROM),快闪存储器(flash memory),硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的存储器的组合,并向处理器1701提供指令和数据。
另外,在本申请实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,可以存储在一个计算机可读取存储介质中,基于这样的理解,本实施例的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或processor(处理器)执行本实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如上任一实施例的轨迹规划方法。
示例性的,本实施例中的一种轨迹规划方法对应的程序指令可以被存储在光盘,硬盘,U盘等存储介质上,当存储介质中的与一种轨迹规划方法对应的程序指令被一电子设备读取或被执行时,可以实现如上述任一实施例的轨迹规划方法。
本领域内的技术人员应明白,本申请实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请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和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的实现流程示意图和/或方框图来描述的。应理解可由计算机程序指令实现流程示意图和/或方框图中的每一流程和/或方框、以及实现流程示意图和/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实现流程示意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,该指令装置实现在实现流程示意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实现流程示意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。
以上,仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。
Claims (16)
1.一种轨迹规划方法,其特征在于,所述方法包括:
获取待决策对象的交通类信息和所述待决策对象的行驶类信息;其中,所述待决策对象是车辆或行人,所述交通类信息反映所述待决策对象在进入冲突范围之前随时间变化的信息,所述行驶类信息反映所述待决策对象在所述冲突范围内的预期通行信息,所述冲突范围是车辆对应的冲突区或人行横道对应的区域,所述冲突区表征道路交叉口人行横道所包围的区域;
在所述交通类信息中的协同决策时刻,根据所述待决策对象预期进入所述冲突范围的时刻和所述行驶类信息,规划所述待决策对象在所述冲突范围内的初始轨迹;
若所述初始轨迹与既定轨迹发生冲突,则增加所述待决策对象进入所述冲突范围的单位延误时间,直至所规划的轨迹与所述既定轨迹不会发生冲突时为止,得到所述待决策对象的行驶轨迹;所述既定轨迹表征已经确定的轨迹,包括车辆既定轨迹和人行横道的信号灯为通行时所占用的时空序列;
其中,当所述待决策对象是所述车辆时,所述交通类信息包括所述车辆预期到达决策点的时刻,所述行驶类信息包括所述车辆在调整区内的预期通行时间,以及所述车辆在冲突区内的预期通行路线,人行横道之前的进口道区域为调整区,所述调整区的终止位置与所述人行横道相连,所述调整区的起始位置是所述决策点;
当所述待决策对象是所述行人时,所述交通类信息包括请求信号灯开启时刻,信号灯用于指示行人通过人行横道,所述行驶类信息包括行人通行速度和人行横道的位置;
所述方法还包括:
获取所述初始轨迹中所述待决策对象所对应区域的位置信息和所述既定轨迹中其他待决策对象所对应区域的位置信息;所述所对应区域的位置信息表征构成所对应区域的多个顶点的位置信息;
根据所述待决策对象所对应区域的位置信息和所述其他待决策对象所对应区域的位置信息,通过冲突消解模型,计算同一时刻下,所述待决策对象所对应区域与所述其他待决策对象所对应区域之间的位置关系;
若所述位置关系表征所述待决策对象所对应区域与所述其他待决策对象所对应区域发生碰撞冲突,则所述初始轨迹与所述既定轨迹发生冲突;
所述根据所述待决策对象所对应区域的位置信息和所述其他待决策对象所对应区域的位置信息,通过冲突消解模型,计算同一时刻下,所述待决策对象所对应区域与所述其他待决策对象所对应区域之间的位置关系,包括:
针对所述初始轨迹中所述待决策对象所对应区域的每个第一顶点,在同一时刻下,将所述第一顶点与所述其他待决策对象所对应区域的多个第二顶点,按照第二顶点的排列顺序,依次确定多个三角形;
根据所述初始轨迹中待决策对象所对应区域的位置信息和所述其他待决策对象所对应区域的位置信息,计算所述多个三角形的面积,以及所述多个第二顶点所构成的多边形的面积;
若所述多个三角形的面积之和等于所述多边形的面积,则所述待决策对象所对应区域与所述其他待决策对象所对应区域发生碰撞冲突;
若各个所述第一顶点对应的所述多个三角形的面积之和均大于所述多边形的面积,则所述待决策对象所对应区域与所述其他待决策对象所对应区域不发生碰撞冲突。
2.根据权利要求1所述的方法,其特征在于,
若所述待决策对象是所述车辆,则所述车辆所对应区域为车辆模型,所述既定轨迹中所述其他待决策对象包括其他车辆和行人,所述既定轨迹中所述其他待决策对象所对应区域包括其他车辆模型和人行横道虚拟实体,所述人行横道虚拟实体表征在信号灯开启时间段内,车辆无法穿过人行横道;
若所述待决策对象是所述行人,则所述行人所对应区域为所述人行横道虚拟实体,所述既定轨迹中所述其他待决策对象是车辆,所述既定轨迹中所述其他待决策对象所对应区域是所述车辆模型。
3.根据权利要求1所述的方法,其特征在于,所述在所述交通类信息中的协同决策时刻,根据所述待决策对象预期进入所述冲突范围的时刻和所述行驶类信息,规划所述待决策对象在所述冲突范围内的初始轨迹;若所述初始轨迹与既定轨迹发生冲突,则增加所述待决策对象进入所述冲突范围的单位延误时间,直至所规划的轨迹与所述既定轨迹不会发生冲突时为止,得到所述待决策对象的行驶轨迹,包括:
当所述车辆到达所述决策点时,根据所述车辆在所述调整区内的预期通行时间和所述预期通行路线,规划所述车辆在所述冲突区内的初始轨迹;
若所述初始轨迹与其他车辆既定轨迹或人行横道虚拟实体发生冲突,则增加所述车辆在所述调整区内的单位延误时间,使得所述车辆在所述调整区内的通行时间为所述预期通行时间与目标延误时间之和,目标延误时间为所述单位延误时间与循环次数之积;
根据所述车辆在所述调整区内的通行时间和所述预期通行路线,规划所述车辆在所述冲突区内的轨迹,直至所规划的轨迹与所述其他车辆既定轨迹和所述人行横道虚拟实体均不发生冲突时为止,得到车辆轨迹,实现车辆协同逻辑。
4.根据权利要求3所述的方法,其特征在于,所述交通类信息还包括车辆的速度、所述车辆的最大加速度和所述车辆的最大减速度,所述行驶类信息包括人行横道的位置,所述方法还包括:
根据所述车辆的速度、所述车辆的最大加速度和所述车辆的最大减速度确定调整区初始长度;
根据所述调整区内的车辆和所述调整区初始长度,确定调整区目标长度,所述调整区目标长度大于或等于所述调整区初始长度;
根据所述调整区目标长度和所述人行横道的位置,确定所述决策点。
5.根据权利要求4所述的方法,其特征在于,所述根据所述调整区内的车辆和所述调整区初始长度,确定调整区目标长度,包括:
将所述调整区内所述车辆的车辆模型长度之和,以及预设的车辆最小安全距离与所述调整区内所述车辆的数量之积,进行相加,得到调整区延长长度;
将所述调整区初始长度和所述调整区延长长度之和,作为所述调整区目标长度。
6.根据权利要求3所述的方法,其特征在于,所述根据所述车辆在所述调整区内的预期通行时间和所述预期通行路线,规划所述车辆在所述冲突区内的初始轨迹,包括:
根据所述车辆在所述调整区内的预期通行时间,确定所述车辆预期进入所述冲突区的时刻;
根据所述车辆预期进入所述冲突区的时刻和所述预期通行路线,规划所述车辆在所述冲突区内的所述初始轨迹。
7.根据权利要求3-6任一项所述的方法,其特征在于,所述预期通行路线包括直线、左转曲线和右转曲线;
所述方法还包括:
当所述车辆在道路交叉口左转时,根据所述道路交叉口中位于第一进道口中心线和第一出道口中心线上的控制点,以及所述道路交叉口中心点,确定所述左转曲线;
当所述车辆在所述道路交叉口右转时,根据所述道路交叉口中位于第二进道口中心线和第二出道口中心线上的控制点,以及所述第二进道口中心线与所述第二出道口中心线的交点,确定所述右转曲线。
8.根据权利要求1所述的方法,其特征在于,所述在所述交通类信息中的协同决策时刻,根据所述待决策对象预期进入所述冲突范围的时刻和所述行驶类信息,规划所述待决策对象在所述冲突范围内的初始轨迹;若所述初始轨迹与既定轨迹发生冲突,则增加所述待决策对象进入所述冲突范围的单位延误时间,直至所规划的轨迹与所述既定轨迹不会发生冲突时为止,得到所述待决策对象的行驶轨迹,包括:
根据所述请求信号灯开启时刻和所述行人通行速度,确定信号灯开启时间段;
根据人行横道的位置和所述信号灯开启时间段,确定人行横道所占用的初始时空序列;
若所述人行横道所占用的初始时空序列与车辆既定轨迹发生冲突,则延后信号灯开启时刻,直至在所述信号灯开启时间段内,人行横道所占用的时空序列与所述车辆既定轨迹不会发生冲突时为止,得到所述人行横道虚拟实体,实现人行横道信号灯协同逻辑。
9.根据权利要求3或8所述的方法,其特征在于,所述方法还包括:
获取位于决策点之前预设范围内多个车辆的位置和位于人行横道的路侧预设范围内待通行的人数;
若至少一个车辆的位置到达所述决策点,则触发车辆协同逻辑;
若所述待通行的人数大于预设阈值,则触发人行横道信号灯协同逻辑。
10.根据权利要求3或8所述的方法,其特征在于,所述方法还包括:
在决策区的起始位置,确定车辆协同逻辑和人行横道信号灯协同逻辑的触发顺序,所述决策区与调整区相连;
根据所述触发顺序,结合所述车辆协同逻辑和所述人行横道信号灯协同逻辑,确定初始决策次序,实现先到先行的协同逻辑;
根据机器学习算法,对多个待决策对象进行排序,生成决策次序,并根据所述决策次序对应的整体延误以及所述初始决策次序对应的初始整体延误,对最优决策次序进行迭代,直至达到预设迭代次数时为止,得到目标决策次序;其中,整体延误包括车辆通行时间延误与行人通过人行横道时间延误,所述多个待决策对象包括车辆和行人;
根据所述目标决策次序生成所述多个待决策对象对应的轨迹,所述多个待决策对象对应的轨迹包括至少一个车辆轨迹和所述人行横道虚拟实体。
11.根据权利要求10所述的方法,其特征在于,所述根据所述决策次序对应的整体延误以及所述初始决策次序对应的初始整体延误,对最优决策次序进行迭代,直至达到预设迭代次数时为止,得到目标决策次序,包括:
若所述整体延误小于所述初始整体延误,则将所述决策次序作为当前决策次序;
若所述整体延误大于或等于所述初始整体延误,则保持所述初始决策次序为所述当前决策次序;
根据所述决策次序,对所述机器学习算法中学习参数进行调整;
根据调整学习参数后的机器学习算法,对所述多个待决策对象进行排序,生成新的决策次序,并根据所述新的决策次序对应的新的整体延误以及所述当前决策次序对应的当前整体延误,对所述最优决策次序进行迭代,直至达到所述预设迭代次数时为止,得到所述目标决策次序。
12.根据权利要求10所述的方法,其特征在于,
若协同逻辑是由待通行的人数大于预设阈值触发,则所述初始决策次序中所述人行横道虚拟实体的决策优先权最高;
若所述协同逻辑是由所述车辆的位置到达决策点触发,则所述初始决策次序中所述车辆轨迹的决策优先权最高,从而实现先到先行的协同逻辑。
13.根据权利要求10所述的方法,其特征在于,所述根据机器学习算法,对多个待决策对象进行排序,生成决策次序,并根据所述决策次序对应的整体延误以及所述初始决策次序对应的初始整体延误,对最优决策次序进行迭代,直至达到预设迭代次数时为止,得到目标决策次序,包括:
根据所述多个待决策对象的数量生成树结构,所述树结构包括多层,每层包括多个节点,每层中多个节点的数量与待决策对象的数量相关,每个节点包括节点参数;
根据所述树结构和所述节点参数,生成所述决策次序,并根据所述决策次序对应的整体延误以及所述初始决策次序对应的初始整体延误,对所述最优决策次序进行迭代,每迭代一次,更新一次节点参数,直至达到所述预设迭代次数时为止,得到所述目标决策次序。
14.一种轨迹规划装置,其特征在于,所述装置包括:
获取模块,用于获取待决策对象的交通类信息和所述待决策对象的行驶类信息;其中,所述待决策对象是车辆或行人,所述交通类信息反映所述待决策对象在进入冲突范围之前随时间变化的信息,所述行驶类信息反映所述待决策对象在所述冲突范围内的预期通行信息,所述冲突范围是车辆对应的冲突区或人行横道对应的区域,所述冲突区表征道路交叉口人行横道所包围的区域;
规划模块,用于在所述交通类信息中的协同决策时刻,根据所述待决策对象预期进入所述冲突范围的时刻和所述行驶类信息,规划所述待决策对象在所述冲突范围内的初始轨迹;
调整模块,用于若所述初始轨迹与既定轨迹发生冲突,则增加所述待决策对象进入所述冲突范围的单位延误时间,直至所规划的轨迹与所述既定轨迹不会发生冲突时为止,得到所述待决策对象的行驶轨迹;所述既定轨迹表征已经确定的轨迹,包括车辆既定轨迹和人行横道的信号灯为通行时所占用的时空序列;
其中,当所述待决策对象是所述车辆时,所述交通类信息包括所述车辆预期到达决策点的时刻,所述行驶类信息包括所述车辆在调整区内的预期通行时间,以及所述车辆在冲突区内的预期通行路线,人行横道之前的进口道区域为调整区,所述调整区的终止位置与所述人行横道相连,所述调整区的起始位置是所述决策点;
当所述待决策对象是所述行人时,所述交通类信息包括请求信号灯开启时刻,信号灯用于指示行人通过人行横道,所述行驶类信息包括行人通行速度和人行横道的位置;
获取模块,还用于获取所述初始轨迹中所述待决策对象所对应区域的位置信息和所述既定轨迹中其他待决策对象所对应区域的位置信息;所述所对应区域的位置信息表征构成所对应区域的多个顶点的位置信息;
冲突消解模块,用于根据所述待决策对象所对应区域的位置信息和所述其他待决策对象所对应区域的位置信息,通过冲突消解模型,计算同一时刻下,所述待决策对象所对应区域与所述其他待决策对象所对应区域之间的位置关系;若所述位置关系表征所述待决策对象所对应区域与所述其他待决策对象所对应区域发生碰撞冲突,则所述初始轨迹与所述既定轨迹发生冲突;
所述冲突消解模块,还用于针对所述初始轨迹中所述待决策对象所对应区域的每个第一顶点,在同一时刻下,将所述第一顶点与所述其他待决策对象所对应区域的多个第二顶点,按照第二顶点的排列顺序,依次确定多个三角形;根据所述初始轨迹中待决策对象所对应区域的位置信息和所述其他待决策对象所对应区域的位置信息,计算所述多个三角形的面积,以及所述多个第二顶点所构成的多边形的面积;若所述多个三角形的面积之和等于所述多边形的面积,则所述待决策对象所对应区域与所述其他待决策对象所对应区域发生碰撞冲突;若各个所述第一顶点对应的所述多个三角形的面积之和均大于所述多边形的面积,则所述待决策对象所对应区域与所述其他待决策对象所对应区域不发生碰撞冲突。
15.一种轨迹规划设备,其特征在于,所述设备包括存储器和处理器,所述存储器存储有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权利要求1-13任一项所述方法。
16.一种计算机可读存储介质,其特征在于,其上存储有可执行指令,用于被处理器执行时,实现权利要求1-13任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111664027.7A CN114495551B (zh) | 2021-12-31 | 2021-12-31 | 轨迹规划方法、装置、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111664027.7A CN114495551B (zh) | 2021-12-31 | 2021-12-31 | 轨迹规划方法、装置、设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114495551A CN114495551A (zh) | 2022-05-13 |
CN114495551B true CN114495551B (zh) | 2023-06-23 |
Family
ID=81507984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111664027.7A Active CN114495551B (zh) | 2021-12-31 | 2021-12-31 | 轨迹规划方法、装置、设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114495551B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115083208B (zh) * | 2022-07-20 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 人车冲突预警方法、预警分析方法、电子设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118309A (zh) * | 2015-07-21 | 2015-12-02 | 陈丹 | 一种交通信号灯控制***及交通控制方法 |
CN107993456B (zh) * | 2017-12-29 | 2023-08-01 | 山东科技大学 | 基于人行道通行末期的单行道智能交通灯控制***及方法 |
CN108710719A (zh) * | 2018-04-02 | 2018-10-26 | 中山大学 | 基于冲突区侵占度的交叉口内部冲突消解仿真模拟方法 |
CN110298122B (zh) * | 2019-07-03 | 2021-04-27 | 北京理工大学 | 基于冲突消解的无人驾驶车辆城市交叉口左转决策方法 |
CN110827326B (zh) * | 2019-11-14 | 2023-05-02 | 清华大学苏州汽车研究院(吴江) | 模拟人车冲突场景模型生成方法、装置、设备和存储介质 |
CN111104969B (zh) * | 2019-12-04 | 2023-09-19 | 东北大学 | 一种无人驾驶车辆与周边车辆的碰撞可能性预判方法 |
CN112242059B (zh) * | 2020-09-30 | 2021-10-01 | 南京航空航天大学 | 基于动机与风险评估的无人驾驶车辆智能决策方法 |
-
2021
- 2021-12-31 CN CN202111664027.7A patent/CN114495551B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114495551A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110530369B (zh) | 基于时间窗的agv任务调度方法 | |
Li et al. | Recasting and optimizing intersection automation as a connected-and-automated-vehicle (CAV) scheduling problem: A sequential branch-and-bound search approach in phase-time-traffic hypernetwork | |
CN109949604B (zh) | 一种大型停车场调度导航方法及*** | |
CN108256553B (zh) | 车辆搭载无人机双层路径的构造方法及装置 | |
Levin et al. | On optimizing reservation-based intersection controls | |
CN105354648B (zh) | Agv调度管理的建模及其优化方法 | |
CN110515380B (zh) | 基于转弯权重约束的最短路径规划方法 | |
CN113313957B (zh) | 基于增强型Dijkstra算法的无信号灯交叉路口车辆调度方法 | |
CN111591306B (zh) | 自动驾驶车辆的行驶轨迹规划方法、相关设备及存储介质 | |
CN114495551B (zh) | 轨迹规划方法、装置、设备和计算机可读存储介质 | |
Sun et al. | Microscopic simulation and optimization of signal timing based on multi-agent: A case study of the intersection in Tianjin | |
CN115186446A (zh) | 一种基于离散网格结构的交叉口全链路交通仿真方法 | |
Krajewski et al. | Decoupled cooperative trajectory optimization for connected highly automated vehicles at urban intersections | |
Lin et al. | Autonomous vehicle routing in multiple intersections | |
Hao et al. | Distributed Cooperative Backpressure‐Based Traffic Light Control Method | |
Wu et al. | A distributed trajectory control strategy for the connected automated vehicle in an isolated roundabout | |
Rezgui et al. | Smart traffic light scheduling algorithms | |
Cai et al. | Hybrid cooperative intersection management for connected automated vehicles and pedestrians | |
Han et al. | Extensible prototype learning for real‐time traffic signal control | |
Bang et al. | Re-Routing Strategy of Connected and Automated Vehicles Considering Coordination at Intersections | |
CN115638804B (zh) | 一种无死锁的无人车辆在线路径规划方法 | |
Kohlhaas et al. | Planning of high-level maneuver sequences on semantic state spaces | |
WO2023274284A1 (zh) | 一种车辆控制方法、装置及*** | |
Xing et al. | A right-of-way based strategy to implement safe and efficient driving at non-signalized intersections for automated vehicles | |
CN115454082A (zh) | 车辆避障方法及***、计算机可读存储介质和电子设备 |
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 |