CN114906152A - 车道线构造方法、装置、电子设备和计算机可读存储介质 - Google Patents
车道线构造方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN114906152A CN114906152A CN202210431620.5A CN202210431620A CN114906152A CN 114906152 A CN114906152 A CN 114906152A CN 202210431620 A CN202210431620 A CN 202210431620A CN 114906152 A CN114906152 A CN 114906152A
- Authority
- CN
- China
- Prior art keywords
- preset
- track
- vehicle
- controlled vehicle
- lane line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 74
- 238000005070 sampling Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 238000013459 approach Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请提供了这样一种车道线构造方法、装置、电子设备和计算机可读存储介质,可包括:根据被控车辆的行驶状态,生成被控车辆的多个预设轨迹;利用评价函数分别对多个预设轨迹进行可信度计算,筛选出使得评价函数的函数值最小的预设轨迹作为目标行驶轨迹;以及以目标行驶轨迹为车道中心线,向目标行驶轨迹的两侧添加偏移量,获得车道线。通过对被控车辆的行驶轨迹的预设,以及评价函数对行驶轨迹的可信度筛选,即可获得具有较高可信度的车道中心线,再向车道中心线的两侧添加偏移量,最终获得车道线。避免了车辆智能驾驶时对车道线的依赖,保证了车辆在无车道线路段或者自身感知***出现故障时也能够调用自身的横纵向控制功能。
Description
技术领域
本申请涉及视觉导航技术领域,特别涉及一种车道线构造方法、装置、电子设备和计算机可读存储介质。
背景技术
无人驾驶汽车作为一种智能汽车,主要是利用车载传感器感知车辆周围环境,并根据感知获得的车道线、车辆位置和障碍物信息,对车辆进行横向控制和纵向控制,以保证车辆对前车的精准追踪和车辆本身的动力性和乘坐舒适性。具体地,在纵向控制中,需要在本车道中选取被控车辆的跟车目标;在横向控制中,需要被控车辆沿中心线行驶,获取被控车辆在“本车道”的相对位置显得尤为重要。因此,无人驾驶汽车自身的横纵向控制功能对车道线的依赖程度较高。当前,主要通过感知摄像头来获得车道线信息,经过融合、规划、控制算法实现横纵向控制功能。换言之,车道保持与追踪的前提是如何快速且准确的获取车道线。
但是,当行驶在无车道线路段或者被控车辆的感知***出现故障时,按照常规处理方法将无法得到车道线,以致被控车辆的横纵向控制功能失效,被控车辆将无法安全地完成自主驾驶。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本申请的一个目的在于提出一种具有能够自主构建车道线的优点的车道线构造方法、装置、电子设备和计算机可读存储介质。
本申请的一个方面提供了这样一种车道线构造方法,可包括:根据被控车辆的行驶状态,生成被控车辆的多个预设轨迹;利用评价函数分别对多个预设轨迹进行可信度计算,筛选出使得评价函数的函数值最小的预设轨迹作为目标行驶轨迹;以及以目标行驶轨迹为车道中心线,向目标行驶轨迹的两侧添加偏移量,获得车道线。
在一些实施方式中,根据被控车辆的行驶状态,生成被控车辆的多个预设轨迹,可包括:根据被控车辆的行驶状态中的不同状态参量,分别计算被控车辆的多个预设半径,其中状态参量包括:被控车辆的实时车速、实时曲率和历史曲率;以及根据多个预设半径,生成被控车辆的多个预设轨迹。
在一些实施方式中,在根据多个预设半径,生成被控车辆的多个预设轨迹之后,还可包括:在预设轨迹的相邻区域进行障碍物采样;以及根据障碍物采样的采样结果,对预设轨迹对应的预设半径进行参数调整。
在一些实施方式中,评价函数为:
其中,curve2TrajDev为函数值,i为预设轨迹的序号,m为预设轨迹的总数,n为被控车辆的相邻车辆行驶轨迹上的轨迹点的序号,k(i)为被控车辆的相邻车辆行驶轨迹上的轨迹点的总数,dn为被控车辆的相邻车辆行驶轨迹上第n个轨迹点至被控车辆的预设轨迹的最短距离,abs为绝对值函数。
在一些实施方式中,被控车辆的相邻车辆行驶轨迹上第n个轨迹点至被控车辆的预设轨迹的最短距离dn的计算方式为:其中,R为预设半径,j为符号函数,fX为被控车辆在车辆坐标系中平行于地面指向车辆前方的方向的坐标,fY为被控车辆在车辆坐标系的指向驾驶位左侧的方向的坐标。
本申请的另一个方面还提出了这样一种车道线构造装置,可包括:预设轨迹生成模块、目标行驶轨迹确定模块和车道线获取模块。预设轨迹生成模块根据被控车辆的行驶状态,生成被控车辆的多个预设轨迹。目标行驶轨迹确定模块用于利用评价函数分别对多个预设轨迹进行可信度计算,筛选出使得评价函数的函数值最小的预设轨迹作为目标行驶轨迹。车道线获取模块用于以目标行驶轨迹为车道中心线,向目标行驶轨迹的两侧添加偏移量,获得车道线。
在一些实施方式中,预设轨迹生成模块的执行步骤可包括:根据被控车辆的行驶状态中的不同状态参量,分别计算被控车辆的多个预设半径,其中状态参量包括:被控车辆的实时车速、实时曲率和历史曲率;以及根据多个预设半径,生成被控车辆的多个预设轨迹。
在一些实施方式中,还包括优化模块,其执行步骤包括:在预设轨迹的相邻区域进行障碍物采样;以及根据障碍物采样的采样结果,对预设轨迹对应的预设半径进行参数调整。
在一些实施方式中,评价函数为:
其中,curve2TrajDev为函数值,i为预设轨迹的序号,m为预设轨迹的总数,n为被控车辆的相邻车辆行驶轨迹上的轨迹点的序号,k(i)为被控车辆的相邻车辆行驶轨迹上的轨迹点的总数,dn为被控车辆的相邻车辆行驶轨迹上第n个轨迹点至被控车辆的预设轨迹的最短距离,abs为绝对值函数。
在一些实施方式中,被控车辆的相邻车辆行驶轨迹上第n个轨迹点至被控车辆的预设轨迹的最短距离dn的计算方式为:其中,R为预设半径,j为符号函数,fX为被控车辆在车辆坐标系中平行于地面指向车辆前方的方向的坐标,fY为被控车辆在车辆坐标系的指向驾驶位左侧的方向的坐标。
本申请的又一个方面还提供了这样一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,以实现任一上文所述的车道线构造方法。
本申请的又一个方面还提供了这样一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,以实现任一上文所述的车道线构造方法。
根据上述的实施方式的技术方案可至少获得以下一个有益效果。
根据本申请的一种车道线构造方法、装置、电子设备和计算机可读存储介质,通过对被控车辆的行驶轨迹的预设,以及评价函数对行驶轨迹的可信度筛选,即可获得具有较高可信度的车道中心线,再向车道中心线的两侧添加偏移量,最终获得车道线。避免了车辆智能驾驶时对车道线的依赖,保证了车辆在无车道线路段或者自身感知***出现故障时也能够调用自身的横纵向控制功能,以实现车辆自动驾驶的安全执行。
附图说明
图1是根据本申请一个方面的车道线构造方法流程图;
图2是根据本申请一个方面的实施例一的多条预设轨迹示意图;
图3是根据本申请一个方面的实施例一的汽车坐标系下的单条预设轨迹示意图;
图4是根据本申请一个方面的实施例二的优化后的多条预设轨迹示意图;
图5是根据本申请另一个方面的车道线构造装置结构框图;
图6是根据本申请又一个方面的电子设备结构示意图;以及
图7是根据本申请又一个方面的计算机可读存储介质结构示意图。
具体实施方式
为了更好地理解本申请,将参考附图对本申请的各个方面做出更详细的说明。应理解,这些详细说明只是对本申请的示例性实施方式的描述,而非以任何方式限制本申请的范围。在说明书全文中,相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。
应注意,在本说明书中,第一、第二、第三等的表述仅用于将一个特征与另一个特征区域分开来,而不表示对特征的任何限制,尤其不表示任何的先后顺序。因此,在不背离本申请的教导的情况下,本申请中讨论的第一文件种类也可被称作第二文件种类,第一文件等级也可称为第二文件等级,反之亦然。
在附图中,为了便于说明,已稍微调整了部件的厚度、尺寸和形状。附图仅为示例而并非严格按比例绘制。如在本文中使用的,用语“大致”、“大约”以及类似的用语用作表近似的用语,而不用作表程度的用语,并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。
还应理解的是,诸如“包括”、“包括有”、“具有”、“包含”和/或“包含有”等表述在本说明书中是开放性而非封闭性的表述,其表示存在所陈述的特征、元件和/或部件,但不排除一个或多个其它特征、元件、部件和/或它们的组合的存在。此外,当诸如“...中的至少一个”的表述出现在所列特征的列表之后时,其修饰整列特征,而非仅仅修饰列表中的单独元件。此外,当描述本申请的实施方式时,使用“可”表示“本申请的一个或多个实施方式”。并且,用语“示例性的”旨在指代示例或举例说明。
除非另外限定,否则本文中使用的所有措辞(包括工程术语和科技术语)均具有与本申请所属领域普通技术人员的通常理解相同的含义。还应理解的是,除非本申请中有明确的说明,否则在常用词典中定义的词语应被解释为具有与它们在相关技术的上下文中的含义一致的含义,而不应以理想化或过于形式化的意义解释。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。另外,除非明确限定或与上下文相矛盾,否则本申请所记载的方法中包含的具体步骤不必限于所记载的顺序,而可以任意顺序执行或并行地执行。下面将参考附图并结合实施例来详细说明本申请。
图1是根据本申请一个方面的车道线构造方法流程图。
如图1所示,本申请公开了一种车道线构造方法,可包括:步骤S1,根据被控车辆的行驶状态,生成被控车辆的多个预设轨迹。步骤S2,利用评价函数分别对多个预设轨迹进行可信度计算,筛选出使得评价函数的函数值最小的预设轨迹作为目标行驶轨迹。步骤S3,以目标行驶轨迹为车道中心线,向目标行驶轨迹的两侧添加偏移量,获得车道线。
在一些实施方式中,首先由被控车辆内置的传感器采集被控车辆自身的实时车速、行驶轨迹的实时曲率以及行驶轨迹的历史曲率。进一步地,根据被控车辆自身的实时车速、行驶轨迹的实时曲率以及行驶轨迹的历史曲率等行驶状态,分别计算被控车辆的后一时段可能的多个假想的轨迹半径,即预设半径。最终,根据多个预设半径,分别描绘生成被控车辆的多个预设轨迹,预设轨迹主要用于模拟被控车辆后一时段可能的行驶轨迹。
在公式(1)中,RA为被控车辆的第一预设半径,即实时车速允许的最小半径;V表示实时车速;a表示被控车辆处于实时车速下的横向加速度。需要说明的是,实时车速V和被控车辆处于实时车速下的横向加速度a由被控车辆内置的传感器测量获得,为已知量;在实时车速V和横向加速度a已知的情况下,第一预设半径RA为常量。
具体地,根据被控车辆的行驶轨迹的实时曲率,即可确定被控车辆的第二预设半径。具体地,当实时曲率CC>Cmin时,第二预设半径的值为:RB=1/CC,Cmin表示一个趋近于零的预设的极小曲率阈值,例如1e-5。其中。当实时曲率CC<Cmin时,第二预设半径的值为:RB=Rmax,Rmax表示趋近于无穷的极大预设半径,例如100000,即当被控车辆的行驶轨迹的实时曲率趋近于零时,其下一个阶段的预设轨迹的预设半径接近于直线。需要说明的是,根据不同实时曲率的范围,第二预设半径RB的值对应不同的常量。
具体地,根据被控车辆的行驶轨迹的历史曲率,即可确定被控车辆的第三预设半径,在本申请中主要调用当前时刻的前一时刻。具体地,当前一时刻曲率CL>Cmin时,第三预设半径的值为:RC=1/CL,Cmin表示一个趋近于零的预设的极小曲率阈值,例如1e-5。其中,当前一时刻曲率CL<Cmin时,第二预设半径的值为:RC=Rmax,Rmax表示趋近于无穷的极大预设半径,例如100000,即当被控车辆的行驶轨迹的前一时刻曲率趋近于零时,其下一个阶段的预设轨迹的预设半径接近于直线。需要说明的是,根据不同前一时刻的曲率的范围,第三预设半径RC的值对应不同的常量。
实施例一
图2是根据本申请一个方面的实施例一的多条预设轨迹示意图。
如图2所示,十条黑色实线均表示与被控车辆Ego处于同一车道的其他车辆的行驶轨迹。根据多个预设半径RA、RB和RC,分别描绘生成被控车辆的多个预设轨迹(即三条虚线):第一预设轨迹TrajA、第二预设轨迹TrajB和第三预设轨迹TrajC。进一步地,以第三预设轨迹TrajC为例,在第三预设轨迹TrajC的右侧相邻车辆的行驶轨迹上取多个轨迹点,例如20个;进一步地,对第三预设轨迹TrajC做切线,确定第三预设轨迹TrajC与其右侧相邻车辆的行驶轨迹上的每个轨迹点的最短距离,即d1、d2、d3、d4、d5、d6、d7至d20,其中d1表示第三预设轨迹TrajC与其右侧相邻车辆的行驶轨迹上的序号为1的轨迹点的最短距离,d2表示第三预设轨迹TrajC与其右侧相邻车辆的行驶轨迹上的序号为2的轨迹点的最短距离,以此类推。需要说明的是,图2只标识了第三预设轨迹TrajC与其右侧相邻车辆的行驶轨迹上的每个轨迹点的最短距离,实际上每条预设轨迹都与相邻车辆的行驶轨迹的多个轨迹点分别求取了最短距离值,在此不一一列举。
在一些实施方式中,构建代价函数(Cost Function)作为评价函数,用以对预设轨迹的可信度进行评价,筛选出可信度最高的预设轨迹作为被控车辆的目标行驶轨迹。评价函数主要通过计算被控车辆的预设轨迹与其相邻车辆的行驶轨迹之间最短距离的波动幅度abs(dn-dn-1)的大小,来描述预设轨迹的准确性和稳定性。评价函数为:
在公式(2)中,curve2TrajDev为函数值,i为预设轨迹的序号,m为预设轨迹的总数,n为被控车辆的相邻车辆行驶轨迹上的轨迹点的序号,k(i)为被控车辆的相邻车辆行驶轨迹上的轨迹点的总数,dn为被控车辆的相邻车辆行驶轨迹上第n个轨迹点至被控车辆的预设轨迹的最短距离,abs为绝对值函数。
在一些实施方式中,被控车辆的相邻车辆行驶轨迹上第n个轨迹点至被控车辆的预设轨迹的最短距离表示为:
在公式(3)中,R表示预设半径;j为符号函数,j=sign(R),即当预设轨迹的圆心在被控车辆的左侧,则j为正,当预设轨迹的圆心在被控车辆的右侧,则j为负;fX为被控车辆在车辆坐标系中平行于地面指向车辆前方的方向的坐标;fY为被控车辆在车辆坐标系的指向驾驶位左侧的方向的坐标。
图3是根据本申请一个方面的实施例一的汽车坐标系下的单条预设轨迹示意图。如图3所示,在汽车坐标系下,以被控车辆Ego当前的行驶方向为汽车坐标系的X方向,以被控车辆Ego当前驾驶位的左侧的方向为汽车坐标系的Y方向,因此被控车辆Ego在汽车坐标系中的当前坐标为(fX,fY)。被控车辆Ego的左侧直线表示与其在同一车道的相邻车辆Obj的行驶轨迹,相邻车辆Obj的当前位置与被控车辆Ego的预设轨迹的最短距离为aDist,也即dn。
在一些实施方式中,分别求取多个预设轨迹与相邻车辆行驶轨迹的轨迹点的最短距离,并将多个预设半径分别代入公式(2)中,获得多个评价函数的函数值。进一步地,筛选出使得评价函数的函数值最小的预设半径,并将其对应的预设轨迹作为被控车辆的目标行驶轨迹。
在一些实施方式中,将被控车辆的目标行驶轨迹作为车道中心线,向目标行驶轨迹的两侧添加偏移量,进而获得车道线。
实施例二
实施例二在实施例一的基础上,对多个预设半径分别进行了优化处理。根据预设半径获得的预设轨迹,例如第一预设轨迹TrajA、第二预设轨迹TrajB和第三预设轨迹TrajC,均为本申请根据被控车辆行驶状态提出的理论上可行且根据具有一定准确度的假想轨迹。为了使得预设轨迹更满足实际路况,因此需要对预设轨迹对应的预设半径进行参数调整。主要方式可包括:在预设轨迹的相邻区域内进行障碍物采样,对采样结果进行分析处理,获得相适应的可调整参数dR。优化后的预设半径R+=R+dR,其中R表示预设轨迹;可调整参数dR的取值范围可为[-50,-40,-30,……,30,40,50],dR的具体数值可根据实际路况进行确定。
在一些实施方式中,优化后的第一预设半径RA +=RA+dRA,优化后的第二预设半径RB +=RB+dRB,优化后的第三预设半径RC +=RC+dRC。
图4是根据本申请一个方面的实施例二的优化后的多条预设轨迹示意图。如图4所示,十条黑色实线均表示与被控车辆Ego处于同一车道的其他车辆的行驶轨迹。根据多个预设半径RA、RB和RC,分别用虚线描绘生成被控车辆的多个预设轨迹:第一预设轨迹TrajA、第二预设轨迹TrajB和第三预设轨迹TrajC。进一步地,对多个预设半径RA、RB和RC分别进行参数调整,基于优化后的第一预设半径RA +、优化后的第二预设半径RB +以及优化后的第三预设半径RC +,获得三条优化后的预设轨迹TrajA+、TrajB+和TrajC+,均用虚线示出。
更进一步地,以优化后的第三预设轨迹TrajC+为例,在优化后的第三预设轨迹TrajC+的右侧相邻车辆的行驶轨迹上取多个轨迹点,例如20个;进一步地,对优化后的第三预设轨迹TrajC+做切线,确定优化后的第三预设轨迹TrajC+与其右侧相邻车辆的行驶轨迹上的每个轨迹点的最短距离,即 至其中表示优化后的第三预设轨迹TrajC+与其右侧相邻车辆的行驶轨迹上的序号为1的轨迹点的最短距离,表示优化后的第三预设轨迹TrajC+与其右侧相邻车辆的行驶轨迹上的序号为2的轨迹点的最短距离,以此类推。需要说明的是,图4只标识了优化后的第三预设轨迹TrajC+与其右侧相邻车辆的行驶轨迹上的每个轨迹点的最短距离,实际上每条优化后的预设轨迹都与相邻车辆的行驶轨迹的多个轨迹点分别求取了最短距离值。
更进一步地,实施例二与实施例一中构建评价函数的方法一样,但是评价函数的可信度评价对象由预设轨迹变为优化后的预设轨迹,进而将优化后的预设轨迹代入公式(2),可表示为:
进一步地,被控车辆的相邻车辆行驶轨迹上第n个轨迹点至被控车辆的优化后的预设轨迹的最短距离可表示为:
在公式(5)中,R+表示优化后的预设半径;j为符号函数,j=sign(R+),即当优化后的预设轨迹的圆心在被控车辆的左侧,则j为正,当优化后的预设轨迹的圆心在被控车辆的右侧,则j为负;fX为被控车辆在车辆坐标系中平行于地面指向车辆前方的方向的坐标;fY为被控车辆在车辆坐标系的指向驾驶位左侧的方向的坐标。
在一些实施方式中,分别求取多个优化后的预设轨迹与相邻车辆行驶轨迹的轨迹点的最短距离,并将多个优化后的预设半径分别代入公式(4)中,获得多个评价函数的函数值。进一步地,筛选出使得评价函数的函数值最小的优化后的预设半径,并将其对应的优化后的预设轨迹作为被控车辆的目标行驶轨迹。
需要说明的是,实施例二中与实施例一相同的部分未重复描述,具体技术内容可参见实施例一。
根据本申请的一种车道线构造方法,通过对被控车辆的行驶轨迹的预设,以及评价函数对行驶轨迹的可信度筛选,即可获得具有较高可信度的车道中心线,再向车道中心线的两侧添加偏移量,最终获得车道线。避免了车辆智能驾驶时对车道线的依赖,保证了车辆在无车道线路段或者自身感知***出现故障时也能够调用自身的横纵向控制功能,以实现车辆自动驾驶的安全执行。
图5是根据本申请另一个方面的车道线构造装置结构框图。
如图5所示,本申请的另一个方面还提出了这样一种车道线构造装置,可包括:预设轨迹生成模块100、目标行驶轨迹确定模块200和车道线获取模块300。预设轨迹生成模块100根据被控车辆的行驶状态,生成被控车辆的多个预设轨迹。目标行驶轨迹确定模块200用于利用评价函数分别对多个预设轨迹进行可信度计算,筛选出使得评价函数的函数值最小的预设轨迹作为目标行驶轨迹。车道线获取模块300用于以目标行驶轨迹为车道中心线,向目标行驶轨迹的两侧添加偏移量,获得车道线。
在一些实施方式中,预设轨迹生成模块100的执行步骤可包括:根据被控车辆的行驶状态中的不同状态参量,分别计算被控车辆的多个预设半径,其中状态参量包括:被控车辆的实时车速、实时曲率和历史曲率;以及根据多个预设半径,生成被控车辆的多个预设轨迹。
在一些实施方式中,还包括优化模块(未示出)。优化模块的执行步骤可包括:在预设轨迹的相邻区域进行障碍物采样;以及根据障碍物采样的采样结果,对预设轨迹对应的预设半径进行参数调整。
在一些实施方式中,评价函数为:
其中,curve2TrajDev为函数值,i为预设轨迹的序号,m为预设轨迹的总数,n为被控车辆的相邻车辆行驶轨迹上的轨迹点的序号,k(i)为被控车辆的相邻车辆行驶轨迹上的轨迹点的总数,dn为被控车辆的相邻车辆行驶轨迹上第n个轨迹点至被控车辆的预设轨迹的最短距离,abs为绝对值函数。
在一些实施方式中,被控车辆的相邻车辆行驶轨迹上第n个轨迹点至被控车辆的预设轨迹的最短距离dn的计算方式为:其中,R为预设半径,j为符号函数,fX为被控车辆在车辆坐标系中平行于地面指向车辆前方的方向的坐标,fY为被控车辆在车辆坐标系的指向驾驶位左侧的方向的坐标。
根据本申请的一种车道线构造装置,通过对被控车辆的行驶轨迹的预设,以及评价函数对行驶轨迹的可信度筛选,即可获得具有较高可信度的车道中心线,再向车道中心线的两侧添加偏移量,最终获得车道线。避免了车辆智能驾驶时对车道线的依赖,保证了车辆在无车道线路段或者自身感知***出现故障时也能够调用自身的横纵向控制功能,以实现车辆自动驾驶的安全执行。
图6是根据本申请又一个方面的电子设备结构示意图。
如图6所示,根据本申请的又一方面,还提供了一种电子设备。该电子设备可包括一个或多个处理器以及一个或多个存储器。其中,存储器中存储有计算机可读代码,计算机可读代码当由一个或多个处理器运行时,可以执行如上所述的目标三维位置的确定方法。
根据本申请实施方式的方法或装置也可以借助于图6所示的电子设备的架构来实现。如图6所示,电子设备可包括总线401、一个或多个CPU402、只读存储器(ROM)403、随机存取存储器(RAM)404、连接到网络的通信端口405、输入/输出组件406、硬盘407等。电子设备中的存储设备,例如ROM403或硬盘407可存储本申请提供的车道线构造方法。车道线构造方法可例如包括,根据被控车辆的行驶状态,生成被控车辆的多个预设轨迹;利用评价函数分别对多个预设轨迹进行可信度计算,筛选出使得评价函数的函数值最小的预设轨迹作为目标行驶轨迹;以及以目标行驶轨迹为车道中心线,向目标行驶轨迹的两侧添加偏移量,获得车道线。进一步地,电子设备还可包括用户界面408。当然,图6所示的架构只是示例性的,在实现不同的设备时,根据实际需要,可以省略图6示出的电子设备中的一个或多个组件
图7是根据本申请又一个方面的计算机可读存储介质结构示意图。
如图7所示,是根据本申请一个实施方式的计算机可读存储介质500。计算机可读存储介质500上存储有计算机可读指令。当计算机可读指令由处理器运行时,可执行参照以上附图描述的根据本申请实施方式的车道线构造方法。存储介质500包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。
另外,根据本申请的实施方式,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质存储有机器可读指令,所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令,例如:根据被控车辆的行驶状态,生成被控车辆的多个预设轨迹;利用评价函数分别对多个预设轨迹进行可信度计算,筛选出使得评价函数的函数值最小的预设轨迹作为目标行驶轨迹;以及以目标行驶轨迹为车道中心线,向目标行驶轨迹的两侧添加偏移量,获得车道线。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。
可能以许多方式来实现本申请的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本申请的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本申请实施为记录在记录介质中的程序,这些程序包括用于实现根据本申请的方法的机器可读指令。因而,本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
另外,本申请的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
以上描述仅为本申请的实施方式以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的保护范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离技术构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种车道线构造方法,其特征在于,包括:
根据被控车辆的行驶状态,生成所述被控车辆的多个预设轨迹;
利用评价函数分别对多个所述预设轨迹进行可信度计算,筛选出使得所述评价函数的函数值最小的预设轨迹作为目标行驶轨迹;以及
以所述目标行驶轨迹为车道中心线,向所述目标行驶轨迹的两侧添加偏移量,获得车道线。
2.根据权利要求1所述的车道线构造方法,其特征在于,所述根据被控车辆的行驶状态,生成所述被控车辆的多个预设轨迹,包括:
根据所述被控车辆的行驶状态中的不同状态参量,分别计算所述被控车辆的多个预设半径,其中所述状态参量包括:所述被控车辆的实时车速、实时曲率和历史曲率;以及
根据多个所述预设半径,生成所述被控车辆的多个预设轨迹。
3.根据权利要求2所述的车道线构造方法,其特征在于,在所述根据多个所述预设半径,生成所述被控车辆的多个预设轨迹之后,还包括:
在所述预设轨迹的相邻区域进行障碍物采样;以及
根据所述障碍物采样的采样结果,对所述预设轨迹对应的预设半径进行参数调整。
6.一种车道线构造装置,其特征在于,包括:
预设轨迹生成模块,用于根据被控车辆的行驶状态,生成所述被控车辆的多个预设轨迹;
目标行驶轨迹确定模块,用于利用评价函数分别对多个所述预设轨迹进行可信度计算,筛选出使得所述评价函数的函数值最小的预设轨迹作为目标行驶轨迹;以及
车道线获取模块,用于以所述目标行驶轨迹为车道中心线,向所述目标行驶轨迹的两侧添加偏移量,获得车道线。
7.根据权利要求6所述的车道线构造装置,其特征在于,所述预设轨迹生成模块的执行步骤包括:
根据所述被控车辆的行驶状态中的不同状态参量,分别计算所述被控车辆的多个预设半径,其中所述状态参量包括:所述被控车辆的实时车速、实时曲率和历史曲率;以及
根据多个所述预设半径,生成所述被控车辆的多个预设轨迹。
8.根据权利要求7所述的车道线构造装置,其特征在于,还包括优化模块,其执行步骤包括:
在所述预设轨迹的相邻区域进行障碍物采样;以及
根据所述障碍物采样的采样结果,对所述预设轨迹对应的预设半径进行参数调整。
11.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,以实现如权利要求1-5任一所述的车道线构造方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时,以实现如权利要求1-5任一所述的车道线构造方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210431620.5A CN114906152A (zh) | 2022-04-22 | 2022-04-22 | 车道线构造方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210431620.5A CN114906152A (zh) | 2022-04-22 | 2022-04-22 | 车道线构造方法、装置、电子设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114906152A true CN114906152A (zh) | 2022-08-16 |
Family
ID=82764362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210431620.5A Pending CN114906152A (zh) | 2022-04-22 | 2022-04-22 | 车道线构造方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114906152A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488485A (zh) * | 2015-12-07 | 2016-04-13 | 北京航空航天大学 | 基于车辆轨迹的车道线自动提取方法 |
CN111652061A (zh) * | 2020-04-28 | 2020-09-11 | 浙江吉利汽车研究院有限公司 | 一种车道边线的确定方法、装置及存储介质 |
CN112287842A (zh) * | 2020-10-29 | 2021-01-29 | 恒大新能源汽车投资控股集团有限公司 | 一种车道线的识别方法、装置及电子设备 |
US20210271245A1 (en) * | 2020-02-27 | 2021-09-02 | Uatc, Llc | Systems and methods for vehicle spatial path sampling |
CN113353078A (zh) * | 2021-06-24 | 2021-09-07 | 中汽创智科技有限公司 | 一种无车道线自动跟车轨迹确定方法及装置 |
-
2022
- 2022-04-22 CN CN202210431620.5A patent/CN114906152A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488485A (zh) * | 2015-12-07 | 2016-04-13 | 北京航空航天大学 | 基于车辆轨迹的车道线自动提取方法 |
US20210271245A1 (en) * | 2020-02-27 | 2021-09-02 | Uatc, Llc | Systems and methods for vehicle spatial path sampling |
CN111652061A (zh) * | 2020-04-28 | 2020-09-11 | 浙江吉利汽车研究院有限公司 | 一种车道边线的确定方法、装置及存储介质 |
CN112287842A (zh) * | 2020-10-29 | 2021-01-29 | 恒大新能源汽车投资控股集团有限公司 | 一种车道线的识别方法、装置及电子设备 |
CN113353078A (zh) * | 2021-06-24 | 2021-09-07 | 中汽创智科技有限公司 | 一种无车道线自动跟车轨迹确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111428943B (zh) | 障碍物车辆轨迹预测的方法、设备和计算机设备 | |
US20200348672A1 (en) | Safety and comfort constraints for navigation | |
US10981564B2 (en) | Vehicle path planning | |
US11499834B2 (en) | Aligning road information for navigation | |
DE102017103123A1 (de) | Fahrzeugfahrbahnplatzierung | |
CN108698595A (zh) | 用于控制车辆运动的方法和车辆的控制*** | |
CN113267199B (zh) | 行驶轨迹规划方法及装置 | |
Erfani et al. | Comparison of two data fusion methods for localization of wheeled mobile robot in farm conditions | |
US20150345959A1 (en) | Vehicle trajectory optimization for autonomous vehicles | |
KR101585504B1 (ko) | 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치 | |
DE102016107938A1 (de) | Vorausschauende Echtzeit-Geschwindigkeitsregelung | |
CN110488842B (zh) | 一种基于双向内核岭回归的车辆轨迹预测方法 | |
CN108255170A (zh) | 动态地调整自动驾驶车辆的速度控制率的方法 | |
CN111177934B (zh) | 参考路径规划的方法、设备和存储介质 | |
JP7520444B2 (ja) | 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム | |
EP4242998A1 (en) | Traffic stream information determination method and apparatus, electronic device and storage medium | |
Chae et al. | Design and vehicle implementation of autonomous lane change algorithm based on probabilistic prediction | |
GB2550485A (en) | Enhanced vehicle operation | |
CN116118780A (zh) | 一种车辆避障轨迹规划方法、***、车辆及存储介质 | |
KR20220019204A (ko) | 자율주행 차량에서의 주행 경로 생성 및 제어 시스템 및 방법 | |
CN113665587A (zh) | 自动驾驶车辆的横向控制方法、设备、存储介质及装置 | |
JP2024517360A (ja) | 複合測定モデルを使用して移動物体の拡大状態を追跡するためのシステムおよび方法 | |
Kanchwala et al. | Development of an intelligent transport system for EV | |
US11188083B2 (en) | Method, device, and computer readable storage medium with instructions for motion planning for a transportation vehicle | |
CN114620059A (zh) | 一种自动驾驶方法及其***、计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant after: United New Energy Automobile Co.,Ltd. Address before: 314500 988 Tong Tong Road, Wu Tong Street, Tongxiang, Jiaxing, Zhejiang Applicant before: Hozon New Energy Automobile Co., Ltd. |