CN114815853A - 一种考虑路面障碍特征的路径规划方法和*** - Google Patents
一种考虑路面障碍特征的路径规划方法和*** Download PDFInfo
- Publication number
- CN114815853A CN114815853A CN202210703943.5A CN202210703943A CN114815853A CN 114815853 A CN114815853 A CN 114815853A CN 202210703943 A CN202210703943 A CN 202210703943A CN 114815853 A CN114815853 A CN 114815853A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- vehicle
- information
- track
- grid
- 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 39
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 230000004044 response Effects 0.000 claims description 28
- 238000013507 mapping Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 12
- 239000000725 suspension Substances 0.000 claims description 10
- 239000006096 absorbing agent Substances 0.000 claims description 9
- 230000035939 shock Effects 0.000 claims description 9
- 230000004888 barrier function Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive 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
- G05D1/0231—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
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种考虑路面障碍特征的路径规划方法和***,属于路径规划技术领域。本发明提供的考虑路面障碍特征的路径规划方法,能够根据获取的道路信息、本车行驶信息与环境障碍物信息,结合离线车辆障碍失稳边界,对障碍物是否会造成车辆失稳进行分类,分别构建描述可跨障碍的栅格地图与不可跨障碍的栅格地图,并基于两栅格地图对拟合生成的一系列多项式轨迹组进行路径碰撞筛选,进而考虑通行可跨障碍造成的侧倾代价计算,最终生成一条平滑、无碰撞失稳、且满足侧向与侧倾稳定性的可行轨迹,以解决现有技术存在的不必要绕行的问题,进而能够减少路径距离,提高经济型与实时性,同时减少了非必要的转向操作,进而能够降低车辆失稳的风险。
Description
技术领域
本发明涉及路径规划技术领域,特别是涉及一种考虑路面障碍特征的路径规划方法和***。
背景技术
智能交通***的发展核心是无人驾驶车辆,其通过多种传感器来感知车辆周围环境信息,并根据获得的信息,控制车辆的转向和速度,最终实现安全、可靠地自主驾驶功能。无人驾驶车辆的关键技术包括环境感知、导航定位、路径规划和决策控制。其中路径规划是无人驾驶车辆信息感知和智能控制的桥梁,是实现自主驾驶的基础。其任务是根据一定的路径规划算法在有障碍物的环境内按照一定的评价标准,搜索一条最优路径,路径规划结果直接决定了智能车能否安全、高效、顺畅地完成各种驾驶行为,到达目标终点。
近年来智能车的路径规划技术飞速发展,大体可分为5类:基于随机采样的方法(如快速搜索随机树RRT、概率图PRM等),基于图搜索的方法(如A*、D*及其变种方法等)、基于几何曲线的方法(如B样条、贝塞尔曲线、五次多项式曲线等)、基于最优化的方法(如人工势场法、模型预测方法等)、基于仿生学的智能算法(如基因算法、蚁群算法、鱼群算法等)。
上述五种常用路径规划方法中对障碍物多做避障处理,即在路径规划过程对其进行绕行,而未考虑到车辆直接通过小尺寸路面障碍物对车辆动力学响应的影响,规划出的路径会存在不必要的绕行,既增加了路径距离,降低了经济型与实时性,又会增加非必要的转向操作,增加了车辆失稳的风险。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种考虑路面障碍特征的路径规划方法和***。
为实现上述目的,本发明提供了如下方案:
一种考虑路面障碍特征的路径规划方法,包括:
获取当前车道信息、当前车辆的位置信息、当前车辆的位姿信息、当前车辆的车速信息以及当前车道中障碍物的位置信息和障碍物的尺寸信息;所述车道信息包括:车道的边界信息和车道线信息;
根据局部S-L坐标系对所述当前车辆的位置信息和所述当前车辆的位姿信息进行投影转化得到初始态;所述局部S-L坐标系为基于车道中心参考线建立的纵向距离和侧向偏移量间的坐标系;所述纵向距离为沿所述车道中心参考线前进的纵向距离;所述侧向偏移量为相对于所述车道中心参考线的侧向偏移量;
根据所述车道线信息和所述当前车辆的车速信息确定规划时域内的规划末态;
基于所述初始态和所述规划末态生成待选轨迹组;所述待选轨迹组包括多条由所述初始态至所述规划末态的平滑轨迹;
基于离线车辆障碍失稳边界和所述障碍物的尺寸信息对平滑轨迹内的障碍物进行分类,得到可跨越障碍物和不可跨越障碍物;
根据可跨越障碍物的位置信息和可跨越障碍物的尺寸信息生成可跨越障碍物栅格地图,根据不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息生成不可跨越障碍物栅格地图;所述可跨越障碍物栅格地图中存在可跨越障碍物的栅格值设置为可跨越障碍物的高度值,不存在可跨越障碍物的栅格值设置为0;所述不可跨越障碍物栅格地图中的存在不可跨越障碍物的栅格值设置为1,不存在不可跨越障碍物的栅格值设置为0;
基于车辆的轮胎宽度确定平滑轨迹内的轮迹包络域;
在不可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,当栅格值均不为0时,跳转至下一平滑轨迹中进行轮迹包络域内栅格值的查询;
当栅格值均为0时,在可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,并计算当前平滑轨迹的相对侧倾角得到当前平滑轨迹的路径代价;
当所述待选轨迹组中的所有平滑轨迹全部完成查询后,将所述路径代价最小的平滑轨迹作为车辆行驶轨迹。
优选地,所述基于所述初始态和所述规划末态生成待选轨迹组;所述待选轨迹组包括多条由所述初始态至所述规划末态的平滑轨迹,具体包括:
采用五项多项式对所述初始态和所述规划末态进行描述,并将描述后的所述初始态和所述规划末态转化到全局坐标系下,得到待选轨迹组;所述全局坐标系为基于车辆位置与航向信息建立的坐标系。
优选地,所述离线车辆障碍失稳边界的确定过程为:
基于车辆动力学模型,采用仿真引擎模拟得到不同工况下车辆的悬架减振器变形量和轮胎变形量响应;
基于先验知识的车辆垂向平顺性评价方法,以所述悬架减振器变形量为标准,划分所述轮胎变形量响应得到用于表征车辆垂向障碍失稳的响应边界;
基于车辆垂向障碍失稳的响应边界,以查找表模式构建车速和障碍物尺寸与车辆是否存在垂向失稳间的映射;当障碍物的高度大于预设阈值时,确定车辆存在垂向障碍失稳。
优选地,所述根据可跨越障碍物的位置信息和可跨越障碍物的尺寸信息生成可跨越障碍物栅格地图,根据不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息生成不可跨越障碍物栅格地图,具体包括:
以当前车辆的位置为原点,以车辆的当前航向为x轴的正方向,基于车辆障碍物的感知范围构建栅格地图坐标系;
将可跨越障碍物的位置信息和可跨越障碍物的尺寸信息映射至所述栅格地图坐标系得到可跨越障碍物栅格地图;
将不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息映射至所述栅格地图坐标系得到不可跨越障碍物栅格地图。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的考虑路面障碍特征的路径规划方法,能够根据获取的道路信息、本车行驶信息与环境障碍物信息,结合离线车辆障碍失稳边界,对障碍物是否会造成车辆失稳进行分类,分别构建描述可跨障碍的栅格地图与不可跨障碍的栅格地图,并基于两栅格地图对拟合生成的一系列多项式轨迹组进行路径碰撞筛选,进而考虑通行可跨障碍造成的侧倾代价计算,最终生成一条平滑、无碰撞失稳、且满足侧向与侧倾稳定性的可行轨迹,以解决现有技术存在的不必要绕行的问题,进而能够减少路径距离,提高经济型与实时性,同时减少了非必要的转向操作,进而能够降低车辆失稳的风险。
对应于上述提供的考虑路面障碍特征的路径规划方法,本发明还提供了一种考虑路面障碍特征的路径规划***,该***包括:
车辆感知模块,用于获取当前车道信息、当前车辆的位置信息、当前车辆的位姿信息、当前车辆的车速信息以及当前车道中障碍物的位置信息和障碍物的尺寸信息;所述车道信息包括:车道的边界信息和车道线信息;
待选轨迹组生成模块,用于根据局部S-L坐标系对所述当前车辆的位置信息和所述当前车辆的位姿信息进行投影转化得到初始态,用于根据所述车道线信息和所述当前车辆的车速信息确定规划时域内的规划末态,并用于基于所述初始态和所述规划末态生成待选轨迹组;所述局部S-L坐标系为基于车道中心参考线建立的纵向距离和侧向偏移量间的坐标系;所述纵向距离为沿所述车道中心参考线前进的纵向距离;所述侧向偏移量为相对于所述车道中心参考线的侧向偏移量;所述待选轨迹组包括多条由所述初始态至所述规划末态的平滑轨迹;
离线障碍失稳判断模块,用于基于离线车辆障碍失稳边界和所述障碍物的尺寸信息对平滑轨迹内的障碍物进行分类,得到可跨越障碍物和不可跨越障碍物;
分类障碍地图生成模块,用于根据可跨越障碍物的位置信息和可跨越障碍物的尺寸信息生成可跨越障碍物栅格地图,根据不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息生成不可跨越障碍物栅格地图;所述可跨越障碍物栅格地图中存在可跨越障碍物的栅格值设置为可跨越障碍物的高度值,不存在可跨越障碍物的栅格值设置为0;所述不可跨越障碍物栅格地图中的存在不可跨越障碍物的栅格值设置为1,不存在不可跨越障碍物的栅格值设置为0;
轮迹拓展生成模块,用于基于车辆的轮胎宽度确定平滑轨迹内的轮迹包络域;
碰撞检测模块,用于在不可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,当栅格值均不为0时,跳转至下一平滑轨迹中进行轮迹包络域内栅格值的查询;
代价计算模块,用于当栅格值均为0时,在可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,并计算当前平滑轨迹的相对侧倾角得到当前平滑轨迹的路径代价;
车辆行驶轨迹输出模块,用于当所述待选轨迹组中的所有平滑轨迹全部完成查询后,将所述路径代价最小的平滑轨迹作为车辆行驶轨迹。
优选地,所述待选轨迹组生成模块包括:
待选轨迹组生成单元,用于采用五项多项式对所述初始态和所述规划末态进行描述,并将描述后的所述初始态和所述规划末态转化到全局坐标系下,得到待选轨迹组;所述全局坐标系为基于车辆位置与航向信息建立的坐标系。
优选地,所述离线障碍失稳判断模块包括:
模拟单元,用于基于车辆动力学模型,采用仿真引擎模拟得到不同工况下车辆的悬架减振器变形量和轮胎变形量响应;
划分单元,用于基于先验知识的车辆垂向平顺性评价方法,以所述悬架减振器变形量为标准,划分所述轮胎变形量响应得到用于表征车辆垂向障碍失稳的响应边界;
第一映射单元,用于基于车辆垂向障碍失稳的响应边界,以查找表模式构建车速和障碍物尺寸与车辆是否存在垂向失稳间的映射;当障碍物的高度大于预设阈值时,确定车辆存在垂向障碍失稳。
优选地,所述分类障碍地图生成模块包括:
坐标系构建单元,用于以当前车辆的位置为原点,以车辆的当前航向为x轴的正方向,基于车辆障碍物的感知范围构建栅格地图坐标系;
第二映射单元,用于将可跨越障碍物的位置信息和可跨越障碍物的尺寸信息映射至所述栅格地图坐标系得到可跨越障碍物栅格地图;
第三映射单元,用于将不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息映射至所述栅格地图坐标系得到不可跨越障碍物栅格地图。
因本发明提供的考虑路面障碍特征的路径规划***达到的技术效果与上述提供的考虑路面障碍特征的路径规划方法达到的技术效果相同,故在此不再进行赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的考虑路面障碍特征的路径规划方法的流程图;
图2为本发明实施例提供的考虑路面障碍特征的路径规划***的实施框架图;
图3为本发明实施例提供的离线障碍失稳边界判断流程示意图;
图4为本发明实施例提供的全局坐标系状态示意图;
图5为本发明实施例提供的局部坐标系状态示意图;
图6为本发明实施例提供的可跨越障碍栅格地图;
图7为本发明实施例提供的不可跨越障碍栅格地图;
图8为本发明实施例提供的轮迹拓展生成示意图;
图9为本发明实施例提供的路面相对侧倾角计算示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的目的是提供一种考虑路面障碍特征的路径规划方法和***,以解决现有技术存在的不必要绕行的问题,进而能够减少路径距离,提高经济型与实时性,同时减少了非必要的转向操作,进而能够降低车辆失稳的风险。
术语解释:
车辆非障碍失稳:车辆在行驶中由于受到驾驶员转向以及外部横向风、坡道等输入因素作用,发生的侧滑或者侧翻等现象。
车辆障碍失稳:车辆在行驶中由于受到路面障碍的激励作用(凹坑鼓包等),发生的车轮离地或绊倒侧翻等现象。
障碍失稳边界判定:基于数据驱动方法建立的路面障碍尺寸、车辆纵向车速与车辆垂向动力学响应间的映射;该映射能够以路面障碍尺寸、车辆纵向车速作为输入,判断车辆在当前环境工况下是否会发生障碍失稳。
可跨越及不可跨越障碍:基于障碍物是否会引起当前车辆障碍失稳分类为可跨越障碍与不可跨越障碍。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的考虑路面障碍特征的路径规划方法,包括:
步骤100:获取当前车道信息、当前车辆的位置信息、当前车辆的位姿信息、当前车辆的车速信息以及当前车道中障碍物的位置信息和障碍物的尺寸信息。车道信息包括:车道的边界信息和车道线信息。
步骤101:根据局部S-L坐标系对当前车辆的位置信息和当前车辆的位姿信息进行投影转化得到初始态。局部S-L坐标系为基于车道中心参考线建立的纵向距离和侧向偏移量间的坐标系,如图5所示。纵向距离为沿车道中心参考线前进的纵向距离。侧向偏移量为相对于车道中心参考线的侧向偏移量。
步骤102:根据车道线信息和当前车辆的车速信息确定规划时域内的规划末态。例如,基于当前车速vx和车道线信息Lleft和Lright,确定一系列规划时域tp内可能的规划末态,其中Lleft和Lright分别为当前车道允许的最大向左/向右横向偏移量。终点S-L坐标系状态,如表1所示。
表1预设规划末态表
步骤103:基于初始态和规划末态生成待选轨迹组。待选轨迹组包括多条由初始态至规划末态的平滑轨迹。
基于上述描述,已知局部坐标系下初始态与规划末态的与即两组已知6个未知数的方程,可用5次多项式分别描述车辆在局部坐标系下沿s和L方向的运动,并将其转化至全局坐标系(如图4所示)下,得到一组自规划初始态至末态的平滑轨迹,其各时刻状态包括:全局坐标系下的纵、横向位置x,y,全局坐标系下的航向角θ,轨迹曲率κ,沿参考线前进的纵向距离s以及相对参考线的侧向偏移量L。
步骤104:基于离线车辆障碍失稳边界和障碍物的尺寸信息对平滑轨迹内的障碍物进行分类,得到可跨越障碍物和不可跨越障碍物。
其中,本实施例可以通过以下方式确定离线车辆障碍失稳边界:
1)、建立所规划车辆的动力学模型,通过在高精物理引擎的仿真环境下模拟其以不同速度行驶通过不同尺寸(长、宽、高)路面障碍物的工况,得到车辆的悬架减振器变形量及轮胎变形量响应。
2)、通过基于先验知识的车辆垂向平顺性评价方法,以悬架减振器变形量为标准,划分出一表征车辆垂向障碍失稳的响应边界,即在该工况下,若车辆响应表征车辆存在离地情况,则认为该工况会导致车辆障碍失稳。
3)、基于查找表(lookup-table)模式构建车速、障碍物尺寸与车辆是否垂向失稳之间的映射,其输入应为车辆纵向速度与障碍物尺寸,输出为该障碍物是否会造成当前车速下的车辆障碍失稳(如图3所示),这里将车辆的通过角所对应障碍物高度hthreshold作为额外阈值,若障碍高度尺寸高于该阈值,则无条件认为该障碍会导致失稳。
步骤105:根据可跨越障碍物的位置信息和可跨越障碍物的尺寸信息生成可跨越障碍物栅格地图,根据不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息生成不可跨越障碍物栅格地图。可跨越障碍物栅格地图中存在可跨越障碍物的栅格值设置为可跨越障碍物的高度值,不存在可跨越障碍物的栅格值设置为0。不可跨越障碍物栅格地图中的存在不可跨越障碍物的栅格值设置为1,不存在不可跨越障碍物的栅格值设置为0。其中,图6和图7中的栅格的颜色越深表示栅格值越大。该步骤的实施过程可以如下:
步骤1050:以当前车辆位置作为原点,当前航向为x轴正方向,建立栅格地图坐标系,并基于感知范围构建一定长、宽及分辨率的矩形栅格地图,其各个栅格点中可储存二值(0和1)信息或障碍物高度(标量)信息。
步骤1051:基于获取障碍物信息的不确定度,对障碍物尺寸信息进行一定比例的膨胀。
步骤1052:对于可跨越障碍栅格地图,将可跨越障碍的位置与尺寸信息投射至栅格地图坐标系中,栅格值为其高度尺寸,不存在可跨障碍的栅格值设为0,如图6所示。
步骤1053:对于不可跨越障碍栅格地图,将不可跨越障碍的位置与尺寸信息投射至栅格地图坐标系中,将存在不可跨障碍的栅格值设为1,其余设为0,如图7所示。
步骤106:基于车辆的轮胎宽度确定平滑轨迹内的轮迹包络域。例如,对当前循环内轨迹,基于公式(1)计算其各点轮胎宽度位置,从而得到车辆在轨迹上的轮迹,其中X、Xleft和Xright分别为轨迹、轨迹上左轮和轨迹上右轮的横轴位置,Y、Yleft和Yright分别为轨迹、轨迹上左轮和轨迹上右轮的纵轴位置,如图8所示。
步骤107:在不可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,当栅格值均不为0时,跳转至下一平滑轨迹中进行轮迹包络域内栅格值的查询。
步骤108:当栅格值均为0时,在可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,并计算当前平滑轨迹的相对侧倾角得到当前平滑轨迹的路径代价。
路径代价为侧向响应代价、侧向偏移误差代价与侧倾风险代价三项代价加权计算之和。侧向响应代价为每一条待选轨迹上各采样点的曲率之和,表征车辆跟随该轨迹时转向的剧烈程度。侧向偏移误差为每一条待选轨迹上各采样点的s-l坐标状态中侧向位移之和,表征车辆轨迹相对参考车道线的偏移程度。侧倾风险代价为基于每一条待选轨迹的左右轮迹上各采样点在可跨障碍栅格地图中的高度信息计算出的各采样点相对侧倾角之和,表征车辆轨迹上因接触可跨障碍物而产生的侧翻风险。
其中,路径代价的计算过程为:
步骤1080:基于当前轨迹信息中的侧向偏移量与曲率,计算该轨迹的累计加权侧向偏移代价与累计加权曲率代价。
步骤1081:基于轨迹的轮迹信息,在可跨越障碍栅格地图中查询轮迹各点所对应的障碍物高度,并计算该轨迹的相对侧倾角(如图9所示),从而得到该轨迹的累计加权侧倾风险代价。
statetrajectory,i=[x y θ κ s L] (2)
式中,x,y,θ,κ,s,L分别为轨迹上各点的全局横、纵坐标,全局航向角,曲率,局部坐标系下弧长,局部坐标系下横向偏移。为轨迹上各点的车辆相对侧倾角,由轮迹上各点路面高度和车辆轮距计算得出,为轨迹上第i点的车辆相对侧倾角,Q1、Q2和Q3分别为代价函数中侧向偏移、相对侧倾和曲率的权重系数,hleft为左车轮距离地面的高度,hright为有车轮距离地面的高度,wheeltraji为轨迹上第i个采样点的轮迹,T为车辆轮距宽度,statetrajectory,i为轨迹上第i个采样点包含的状态,cost为当前轨迹的代价函数,Li为轨迹上第i个采样点的局部坐标系下横向偏移,N为轨迹上的采样点总数,κi为轨迹上第i个采样点的曲率。
步骤109:当待选轨迹组中的所有平滑轨迹全部完成查询后,将路径代价最小的平滑轨迹作为车辆行驶轨迹。得到的车辆行驶轨迹能满足避障与车辆稳定性要求,且路径光滑可微,便于控制部分的跟踪。
本实施例考虑到路面障碍特征对车辆稳定性的影响程度,采用数据驱动障碍失稳边界模型对车辆通行路径上障碍的动力学响应进行预测,并且作为障碍失稳判据对感知障碍物进行分类,分别构建可跨越与不可跨障碍栅格地图,并基于两地图进行轨迹的碰撞检测和代价计算,最终规划出一条满足避障要求和稳定性要求的可行路径。实施上述路径规划方法的***主要由六部分组成:离线障碍失稳判断模块、分类障碍地图生成模块、待选轨迹组生成模块、轮迹拓展生成模块、碰撞检测模块与代价计算模块。下面基于这一架构对该***进行详细说明。
具体的,如图2所示,本发明提供的考虑路面障碍特征的路径规划***包括:车辆感知模块、待选轨迹组生成模块、离线障碍失稳判断模块、分类障碍地图生成模块、轮迹拓展生成模块、碰撞检测模块、代价计算模块和车辆行驶轨迹输出模块。
车辆感知模块用于获取当前车道信息、当前车辆的位置信息、当前车辆的位姿信息、当前车辆的车速信息以及当前车道中障碍物的位置信息和障碍物的尺寸信息。车道信息包括:车道的边界信息和车道线信息。
待选轨迹组生成模块用于根据局部S-L坐标系对当前车辆的位置信息和当前车辆的位姿信息进行投影转化得到初始态,用于根据车道线信息和当前车辆的车速信息确定规划时域内的规划末态,并用于基于初始态和规划末态生成待选轨迹组。局部S-L坐标系为基于车道中心参考线建立的纵向距离和侧向偏移量间的坐标系。纵向距离为沿车道中心参考线前进的纵向距离。侧向偏移量为相对于车道中心参考线的侧向偏移量。待选轨迹组包括多条由初始态至规划末态的平滑轨迹。
具体的,待选轨迹组生成模块包括全局-局部坐标转换、规划终态定义及多项式拟合轨迹生成。模块输入为感知层获取的车速信息及参考车道线信息,全局-局部坐标转换将车辆当前全局x-y坐标系下的位置及航向信息转化至基于参考车道中心线生成的局部s-l坐标系下,规划终态基于轨迹预测时长,当前车辆状态与道路信息定义了规划末端一系列车辆可能的s-l坐标系状态,并基于4/5次多项式拟合,生成满足规划初/终态s-l坐标系状态约束的多项式轨迹组。
离线障碍失稳判断模块用于基于离线车辆障碍失稳边界和障碍物的尺寸信息对平滑轨迹内的障碍物进行分类,得到可跨越障碍物和不可跨越障碍物。
具体的,离线障碍失稳判断模块包括数据驱动障碍物尺寸特征(包括但不限于长度、宽度、高度及障碍曲率、斜率特征等)-车辆动力学响应映射模型与车辆动力学响应-车辆障碍失稳边界映射模型,其可利用高精度物理引擎下仿真得到的车辆行驶通过不同障碍下的动力学响应,结合专家或经验设计的车辆失稳边界,表达感知获取的障碍物尺寸信息与车辆失稳程度之间的映射关系,从而将感知获取的障碍物信息分类为不可跨越障碍与可跨越障碍,输出至分类障碍地图生成模块。
分类障碍地图生成模块用于根据可跨越障碍物的位置信息和可跨越障碍物的尺寸信息生成可跨越障碍物栅格地图,根据不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息生成不可跨越障碍物栅格地图。可跨越障碍物栅格地图中存在可跨越障碍物的栅格值设置为可跨越障碍物的高度值,不存在可跨越障碍物的栅格值设置为0。不可跨越障碍物栅格地图中的存在不可跨越障碍物的栅格值设置为1,不存在不可跨越障碍物的栅格值设置为0。
具体的,分类障碍地图生成模块包括不可跨越障碍栅格地图生成及可跨越障碍栅格地图生成,基于上一模块得到的障碍物分类结果,结合感知模块的视角,视距与不确定度信息,分别生成相同长与宽的矩形栅格地图(见下文步骤五)。其中前者仅包含不可跨越障碍的位置及尺寸(不含高度)信息,用于后续流程中的碰撞检测。后者仅包含可跨越障碍的位置及尺寸(含高度)信息,用于后续流程中的轨迹代价计算。
轮迹拓展生成模块用于基于车辆的轮胎宽度确定平滑轨迹内的轮迹包络域。
具体的,轮迹拓展生成模块对输入的多项式轨迹组进行循环采样,获取每一条待选轨迹的位置及航向信息,并基于车辆轮距尺寸进行拓展(见下文步骤六),从而生成该条待选轨迹上的轮迹包络域,该包络域将用于下一步的碰撞检测,包络域边界将用于轨迹代价计算中的侧倾风险代价计算。
碰撞检测模块用于在不可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,当栅格值均不为0时,跳转至下一平滑轨迹中进行轮迹包络域内栅格值的查询。
具体的,碰撞检测模块基于不可跨障碍栅格地图信息,查询每一条待选轨迹所对应的轮迹包络域内是否存在不可跨障碍,若存在,则跳过该轨迹的代价计算,进入到下一条待选轨迹的碰撞检测。若不存在,则转至代价计算模块进行该轨迹的代价计算。碰撞检测模块的主要作用为筛选出无障碍失稳与碰撞的轨迹。
代价计算模块用于当栅格值均为0时,在可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,并计算当前平滑轨迹的相对侧倾角得到当前平滑轨迹的路径代价。
具体的,路径代价计算模块包括侧向响应代价、侧向偏移误差代价与侧倾风险代价。侧向响应代价为每一条待选轨迹上各采样点的曲率之和,表征车辆跟随该轨迹时转向的剧烈程度。侧向偏移误差为每一条待选轨迹上各采样点的s-l坐标状态中侧向位移之和,表征车辆轨迹相对参考车道线的偏移程度。侧倾风险代价为基于每一条待选轨迹的左右轮迹上各采样点在可跨障碍栅格地图中的高度信息计算出的各采样点相对侧倾角之和,表征车辆轨迹上因接触可跨障碍物而产生的侧翻风险。路径代价为三项代价加权计算之和,最终输出一条代价最低的路径,其能满足避障与车辆稳定性要求,且路径光滑可微,便于控制部分的跟踪。
车辆行驶轨迹输出模块用于当待选轨迹组中的所有平滑轨迹全部完成查询后,将路径代价最小的平滑轨迹作为当前的最优轨迹进行输出,传至跟踪控制层。
基于上述提供的***结构,驾驶员启动车辆行驶后,车辆感知模块进行道路环境信息获取经处理后送至规划层(即待选轨迹组生成模块、离线障碍失稳判断模块、分类障碍地图生成模块、轮迹拓展生成模块、碰撞检测模块和代价计算模块)。
其中,IMU(惯性测量单元)获取当前纵向车速vx,分别发送至离线障碍失稳判断模块和待选轨迹组生成模块。
GPS模块获取当前车辆的位置与位姿信息(X,Y,θ),发送至待选轨迹组生成模块。
V2X/车联网模块及摄像头/激光雷达模块获取车道边界信息,包括:左、右侧车道数目nLaneleft,nLaneright,车道宽度(假定所有车道等宽度)Wlane,参考车道中心线位置、航向与曲率信息(Xref,Yref,θref,κref),发送至待选轨迹组生成模块。
摄像头/激光雷达模块获取当前障碍物的位置与尺寸信息(Xobs,Yobs,lengthobs,widthobs,heightobs),发送至离线障碍失稳判断模块。
在采用离线障碍失稳判断模块对感知障碍物进行分类的过程中,将障碍物尺寸信息输入离线障碍失稳边界,根据输出的失稳与否,将障碍物进行分类。
其中,对于可跨越障碍,保留其所有位置与尺寸信息,发送至分类障碍地图生成模块。对于不可跨越障碍,仅保留其位置与长宽尺寸信息,发送至分类障碍地图生成模块。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例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,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种考虑路面障碍特征的路径规划方法,其特征在于,包括:
获取当前车道信息、当前车辆的位置信息、当前车辆的位姿信息、当前车辆的车速信息以及当前车道中障碍物的位置信息和障碍物的尺寸信息;所述车道信息包括:车道的边界信息和车道线信息;
根据局部S-L坐标系对所述当前车辆的位置信息和所述当前车辆的位姿信息进行投影转化得到初始态;所述局部S-L坐标系为基于车道中心参考线建立的纵向距离和侧向偏移量间的坐标系;所述纵向距离为沿所述车道中心参考线前进的纵向距离;所述侧向偏移量为相对于所述车道中心参考线的侧向偏移量;
根据所述车道线信息和所述当前车辆的车速信息确定规划时域内的规划末态;
基于所述初始态和所述规划末态生成待选轨迹组;所述待选轨迹组包括多条由所述初始态至所述规划末态的平滑轨迹;
基于离线车辆障碍失稳边界和所述障碍物的尺寸信息对平滑轨迹内的障碍物进行分类,得到可跨越障碍物和不可跨越障碍物;
根据可跨越障碍物的位置信息和可跨越障碍物的尺寸信息生成可跨越障碍物栅格地图,根据不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息生成不可跨越障碍物栅格地图;所述可跨越障碍物栅格地图中存在可跨越障碍物的栅格值设置为可跨越障碍物的高度值,不存在可跨越障碍物的栅格值设置为0;所述不可跨越障碍物栅格地图中的存在不可跨越障碍物的栅格值设置为1,不存在不可跨越障碍物的栅格值设置为0;
基于车辆的轮胎宽度确定平滑轨迹内的轮迹包络域;
在不可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,当栅格值均不为0时,跳转至下一平滑轨迹中进行轮迹包络域内栅格值的查询;
当栅格值均为0时,在可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,并计算当前平滑轨迹的相对侧倾角得到当前平滑轨迹的路径代价;
当所述待选轨迹组中的所有平滑轨迹全部完成查询后,将所述路径代价最小的平滑轨迹作为车辆行驶轨迹。
2.根据权利要求1所述的考虑路面障碍特征的路径规划方法,其特征在于,所述基于所述初始态和所述规划末态生成待选轨迹组;所述待选轨迹组包括多条由所述初始态至所述规划末态的平滑轨迹,具体包括:
采用五项多项式对所述初始态和所述规划末态进行描述,并将描述后的所述初始态和所述规划末态转化到全局坐标系下,得到待选轨迹组;所述全局坐标系为基于车辆位置与航向信息建立的坐标系。
3.根据权利要求1所述的考虑路面障碍特征的路径规划方法,其特征在于,所述离线车辆障碍失稳边界的确定过程为:
基于车辆动力学模型,采用仿真引擎模拟得到不同工况下车辆的悬架减振器变形量和轮胎变形量响应;
基于先验知识的车辆垂向平顺性评价方法,以所述悬架减振器变形量为标准,划分所述轮胎变形量响应得到用于表征车辆垂向障碍失稳的响应边界;
基于车辆垂向障碍失稳的响应边界,以查找表模式构建车速和障碍物尺寸与车辆是否存在垂向失稳间的映射;当障碍物的高度大于预设阈值时,确定车辆存在垂向障碍失稳。
4.根据权利要求1所述的考虑路面障碍特征的路径规划方法,其特征在于,所述根据可跨越障碍物的位置信息和可跨越障碍物的尺寸信息生成可跨越障碍物栅格地图,根据不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息生成不可跨越障碍物栅格地图,具体包括:
以当前车辆的位置为原点,以车辆的当前航向为x轴的正方向,基于车辆障碍物的感知范围构建栅格地图坐标系;
将可跨越障碍物的位置信息和可跨越障碍物的尺寸信息映射至所述栅格地图坐标系得到可跨越障碍物栅格地图;
将不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息映射至所述栅格地图坐标系得到不可跨越障碍物栅格地图。
5.一种考虑路面障碍特征的路径规划***,其特征在于,包括:
车辆感知模块,用于获取当前车道信息、当前车辆的位置信息、当前车辆的位姿信息、当前车辆的车速信息以及当前车道中障碍物的位置信息和障碍物的尺寸信息;所述车道信息包括:车道的边界信息和车道线信息;
待选轨迹组生成模块,用于根据局部S-L坐标系对所述当前车辆的位置信息和所述当前车辆的位姿信息进行投影转化得到初始态,用于根据所述车道线信息和所述当前车辆的车速信息确定规划时域内的规划末态,并用于基于所述初始态和所述规划末态生成待选轨迹组;所述局部S-L坐标系为基于车道中心参考线建立的纵向距离和侧向偏移量间的坐标系;所述纵向距离为沿所述车道中心参考线前进的纵向距离;所述侧向偏移量为相对于所述车道中心参考线的侧向偏移量;所述待选轨迹组包括多条由所述初始态至所述规划末态的平滑轨迹;
离线障碍失稳判断模块,用于基于离线车辆障碍失稳边界和所述障碍物的尺寸信息对平滑轨迹内的障碍物进行分类,得到可跨越障碍物和不可跨越障碍物;
分类障碍地图生成模块,用于根据可跨越障碍物的位置信息和可跨越障碍物的尺寸信息生成可跨越障碍物栅格地图,根据不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息生成不可跨越障碍物栅格地图;所述可跨越障碍物栅格地图中存在可跨越障碍物的栅格值设置为可跨越障碍物的高度值,不存在可跨越障碍物的栅格值设置为0;所述不可跨越障碍物栅格地图中的存在不可跨越障碍物的栅格值设置为1,不存在不可跨越障碍物的栅格值设置为0;
轮迹拓展生成模块,用于基于车辆的轮胎宽度确定平滑轨迹内的轮迹包络域;
碰撞检测模块,用于在不可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,当栅格值均不为0时,跳转至下一平滑轨迹中进行轮迹包络域内栅格值的查询;
代价计算模块,用于当栅格值均为0时,在可跨越障碍物栅格地图中查询当前平滑轨迹的轮迹包络域内的栅格值,并计算当前平滑轨迹的相对侧倾角得到当前平滑轨迹的路径代价;
车辆行驶轨迹输出模块,用于当所述待选轨迹组中的所有平滑轨迹全部完成查询后,将所述路径代价最小的平滑轨迹作为车辆行驶轨迹。
6.根据权利要求5所述的考虑路面障碍特征的路径规划***,其特征在于,所述待选轨迹组生成模块包括:
待选轨迹组生成单元,用于采用五项多项式对所述初始态和所述规划末态进行描述,并将描述后的所述初始态和所述规划末态转化到全局坐标系下,得到待选轨迹组;所述全局坐标系为基于车辆位置与航向信息建立的坐标系。
7.根据权利要求5所述的考虑路面障碍特征的路径规划***,其特征在于,所述离线障碍失稳判断模块包括:
模拟单元,用于基于车辆动力学模型,采用仿真引擎模拟得到不同工况下车辆的悬架减振器变形量和轮胎变形量响应;
划分单元,用于基于先验知识的车辆垂向平顺性评价方法,以所述悬架减振器变形量为标准,划分所述轮胎变形量响应得到用于表征车辆垂向障碍失稳的响应边界;
第一映射单元,用于基于车辆垂向障碍失稳的响应边界,以查找表模式构建车速和障碍物尺寸与车辆是否存在垂向失稳间的映射;当障碍物的高度大于预设阈值时,确定车辆存在垂向障碍失稳。
8.根据权利要求5所述的考虑路面障碍特征的路径规划***,其特征在于,所述分类障碍地图生成模块包括:
坐标系构建单元,用于以当前车辆的位置为原点,以车辆的当前航向为x轴的正方向,基于车辆障碍物的感知范围构建栅格地图坐标系;
第二映射单元,用于将可跨越障碍物的位置信息和可跨越障碍物的尺寸信息映射至所述栅格地图坐标系得到可跨越障碍物栅格地图;
第三映射单元,用于将不可跨越障碍物的位置信息和不可跨越障碍物的尺寸信息映射至所述栅格地图坐标系得到不可跨越障碍物栅格地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210703943.5A CN114815853B (zh) | 2022-06-21 | 2022-06-21 | 一种考虑路面障碍特征的路径规划方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210703943.5A CN114815853B (zh) | 2022-06-21 | 2022-06-21 | 一种考虑路面障碍特征的路径规划方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114815853A true CN114815853A (zh) | 2022-07-29 |
CN114815853B CN114815853B (zh) | 2024-05-31 |
Family
ID=82521532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210703943.5A Active CN114815853B (zh) | 2022-06-21 | 2022-06-21 | 一种考虑路面障碍特征的路径规划方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114815853B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117146845A (zh) * | 2023-08-28 | 2023-12-01 | 北京理工大学 | 一种无人越野车辆通过障碍地形的安全行为检测方法 |
CN118246249A (zh) * | 2024-05-27 | 2024-06-25 | 北京理工大学前沿技术研究院 | 一种非结构化环境中碰撞风险评估模型构建方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168305A (zh) * | 2017-04-01 | 2017-09-15 | 西安交通大学 | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 |
KR20200084938A (ko) * | 2018-12-21 | 2020-07-14 | 충북대학교 산학협력단 | 차량 동작 계획방법 및 그를 위한 장치 |
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 |
CN113267199A (zh) * | 2021-06-24 | 2021-08-17 | 上海欧菲智能车联科技有限公司 | 行驶轨迹规划方法及装置 |
CN113932823A (zh) * | 2021-09-23 | 2022-01-14 | 同济大学 | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 |
CN114610016A (zh) * | 2022-01-25 | 2022-06-10 | 合肥工业大学 | 基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法 |
-
2022
- 2022-06-21 CN CN202210703943.5A patent/CN114815853B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107168305A (zh) * | 2017-04-01 | 2017-09-15 | 西安交通大学 | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 |
KR20200084938A (ko) * | 2018-12-21 | 2020-07-14 | 충북대학교 산학협력단 | 차량 동작 계획방법 및 그를 위한 장치 |
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 |
CN113267199A (zh) * | 2021-06-24 | 2021-08-17 | 上海欧菲智能车联科技有限公司 | 行驶轨迹规划方法及装置 |
CN113932823A (zh) * | 2021-09-23 | 2022-01-14 | 同济大学 | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 |
CN114610016A (zh) * | 2022-01-25 | 2022-06-10 | 合肥工业大学 | 基于障碍物动态虚拟膨胀的智能车辆避碰路径规划方法 |
Non-Patent Citations (1)
Title |
---|
HUANG, YJ (HUANG, YANJUN) 等: "A Novel Local Motion Planning Framework for Autonomous Vehicles Based on Resistance Network and Model Predictive Control", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》, vol. 69, no. 1, 31 January 2020 (2020-01-31) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117146845A (zh) * | 2023-08-28 | 2023-12-01 | 北京理工大学 | 一种无人越野车辆通过障碍地形的安全行为检测方法 |
CN118246249A (zh) * | 2024-05-27 | 2024-06-25 | 北京理工大学前沿技术研究院 | 一种非结构化环境中碰撞风险评估模型构建方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114815853B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114234998B (zh) | 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法 | |
JP7444874B2 (ja) | 方法、非一時的コンピュータ可読媒体、および、車両 | |
CN110081894B (zh) | 一种基于道路结构权值融合的无人车轨迹实时规划方法 | |
CN114270142B (zh) | 非结构化的车辆路径规划器 | |
CN109375632B (zh) | 自动驾驶车辆实时轨迹规划方法 | |
US20220080961A1 (en) | Control system and control method for sampling based planning of possible trajectories for motor vehicles | |
JP2021524410A (ja) | ドライブエンベロープの決定 | |
CN111367282B (zh) | 一种基于多模感知与强化学习的机器人导航方法及*** | |
CN107063280A (zh) | 一种基于控制采样的智能车辆路径规划***及方法 | |
CN116249947A (zh) | 预测运动规划***及方法 | |
WO2019042295A1 (zh) | 一种无人驾驶路径规划方法、***和装置 | |
CN114815853A (zh) | 一种考虑路面障碍特征的路径规划方法和*** | |
CN112284393B (zh) | 一种智能移动机器人全局路径规划方法和*** | |
JP6508114B2 (ja) | 移動体の自動運転制御システム | |
CN105809130A (zh) | 一种基于双目深度感知的车辆可行驶区域计算方法 | |
CN110553660A (zh) | 一种基于a*算法和人工势场的无人车轨迹规划方法 | |
CN104897168A (zh) | 基于道路危险评估的智能车路径搜索方法及*** | |
US11480962B1 (en) | Dynamic lane expansion | |
CN115309161B (zh) | 一种移动机器人路径规划方法、电子设备及存储介质 | |
US20220153296A1 (en) | Trajectory planning with obstacle avoidance for autonomous driving vehicles | |
Zhu et al. | A hierarchical deep reinforcement learning framework with high efficiency and generalization for fast and safe navigation | |
CN113291318B (zh) | 基于部分可观测马尔科夫模型的无人车盲区转弯规划方法 | |
EP3794573A1 (en) | Navigating congested environments with risk level sets | |
US20230056589A1 (en) | Systems and methods for generating multilevel occupancy and occlusion grids for controlling navigation of vehicles | |
CN115077553A (zh) | 基于栅格搜索轨迹规划方法、***、汽车、设备及介质 |
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 |