CN114995398A - 路径生成方法、装置、存储介质、处理器及电子装置 - Google Patents

路径生成方法、装置、存储介质、处理器及电子装置 Download PDF

Info

Publication number
CN114995398A
CN114995398A CN202210530868.7A CN202210530868A CN114995398A CN 114995398 A CN114995398 A CN 114995398A CN 202210530868 A CN202210530868 A CN 202210530868A CN 114995398 A CN114995398 A CN 114995398A
Authority
CN
China
Prior art keywords
path
information
target
distance
global
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
Application number
CN202210530868.7A
Other languages
English (en)
Inventor
刘洋
许朝文
尚秉旭
陈志新
王洪峰
张勇
何柳
张中举
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FAW Group Corp
Original Assignee
FAW Group Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by FAW Group Corp filed Critical FAW Group Corp
Priority to CN202210530868.7A priority Critical patent/CN114995398A/zh
Publication of CN114995398A publication Critical patent/CN114995398A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—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
    • G05D1/0276—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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种路径生成方法、装置、存储介质、处理器及电子装置。其中，该方法首先获取目标参数信息，目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息；进而基于目标车辆的位姿信息和全局路径信息确定参考路径信息，其中，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段；最后利用障碍物信息和参考路径信息在目标区域内生成目标路径信息。本发明解决了现有技术中的局部路径规划方法所存在的规划性能和普适应性差、计算耗时长及避障不灵活的技术问题。

Description

路径生成方法、装置、存储介质、处理器及电子装置
技术领域
本发明涉及自动驾驶领域，具体而言，涉及一种路径生成方法、装置、存储介质、处理器及电子装置。
背景技术
自动驾驶领域，局部路径规划主要使用图搜索和基于多项式优化的方法。图搜索方法耗时长、难以与车辆动力学约束结合。基于多项式的优化方法，随计算阶次升高，数值优化耗时也会增加，且最优解有不平滑收敛的可能性。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种路径生成方法、装置、存储介质、处理器及电子装置，以至少解决现有技术中的局部路径规划方法所存在的规划性能和普适应性差、计算耗时长及避障不灵活的技术问题。
根据本发明实施例的一个方面，提供了一种路径生成的方法，包括：
获取目标参数信息，目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息；基于目标车辆的位姿信息和全局路径信息确定参考路径信息，其中，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段；利用障碍物信息和参考路径信息在目标区域内生成目标路径信息。
可选地，基于目标车辆的位姿信息和全局路径信息确定参考路径信息包括：基于目标车辆的位姿信息在全局路径上确定目标参考点；利用预设长度和目标参考点对全局路径进行截断处理，得到参考路径信息。
可选地，利用障碍物信息和参考路径信息在目标区域内生成目标路径信息包括：根据障碍物信息获取第一距离和第二距离，其中，第一距离为横向障碍物最小距离，第二距离为可通过参考路径长度；基于第一距离和第二距离判断参考路径是否可通行，得到判断结果；基于判断结果生成目标路径信息。
可选地，基于判断结果生成目标路径信息包括：响应基于第一距离和第二距离判断参考路径可通行，将参考路径信息确定为目标路径信息。
可选地，基于判断结果生成目标路径信息包括：响应基于第一距离和第二距离判断参考路径不可通行，根据参考路径在目标区域内设置多个备选目标点；根据多个备选目标点进行圆弧加权计算，得到多个备选路径；利用多个预设筛选条件对多个备选路径进行筛选处理，得到初步筛选结果；基于路径评价指标从初步筛选结果中确定目标路径信息。
可选地，路径生成的方法还包括：将目标路径信息发送至目标服务器，以使目标服务器更新局部路径的规划信息。
根据本发明其中一实施例，还提供了一种路径生成装置，包括：
获取模块，用于获取目标参数信息，目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息；确定模块，用于基于目标车辆的位姿信息在全局路径信息确定参考路径信息，其中，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段；生成模块，用于利用障碍物信息和参考路径信息在目标区域内生成目标路径信息。
可选地，确定模块还用于，基于目标车辆的位姿信息在全局路径上确定目标参考点；利用预设长度和目标参考点对全局路径进行截断处理，得到参考路径信息。
可选地，生成模块还用于，根据障碍物信息获取第一距离和第二距离，其中，第一距离为横向障碍物最小距离，第二距离为可通过参考路径长度；基于第一距离和第二距离判断参考路径是否可通行，得到判断结果；基于判断结果生成目标路径信息。
可选地，生成模块还用于，响应基于第一距离和第二距离判断参考路径可通行，将参考路径信息确定为目标路径信息。
可选地，生成模块还用于，响应基于第一距离和第二距离判断参考路径不可通行，根据参考路径在目标区域内设置多个备选目标点；根据多个备选目标点进行圆弧加权计算，得到多个备选路径；利用多个预设筛选条件对多个备选路径进行筛选处理，得到初步筛选结果；基于路径评价指标从初步筛选结果中确定目标路径信息。
可选地，路径生成的装置还包括：发布模块，用于将目标路径信息发送至目标服务器，以使目标服务器更新局部路径的规划信息。
根据本发明其中一实施例，还提供了一种非易失性存储介质，其特征在于，存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述任一项中的路径生成的方法。
根据本发明其中一实施例，还提供了一种处理器，其特征在于，处理器用于运行程序，其中，程序被设置为运行时执行上述任一项中的路径生成的方法。
根据本发明其中一实施例，还提供了一种电子装置，包括存储器和处理器，其特征在于，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项中的路径生成的方法。
在本发明实施例中，通过获取目标参数信息，目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息，进而基于目标车辆的位姿信息和全局路径信息确定参考路径信息，其中，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段，最后利用障碍物信息和参考路径信息在目标区域内生成目标路径信息，从而实现了在路径规划中耗时少、普适性好的技术效果，进而解决了现有技术中的局部路径规划方法所存在的规划性能和普适应性差、计算耗时长及避障不灵活的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本申请其中一实施例的路径生成方法的流程图；
图2a是根据本申请其中一实施例的高斯坐标中的车载传感区域示意图；
图2b是根据本申请其中一实施例的障碍物地图矩阵示意图；
图3a是根据本申请其中一实施例的高斯平面直角坐标系示意图；
图3b是根据本申请其中一实施例的栅格坐标系示意图；
图4a是根据本申请其中一实施例的高斯平面直角坐标系示意图；
图4b是根据本申请其中一实施例的实际采用的象限角坐标系示意图；
图5是根据本申请其中一实施例的基于圆弧加权曲线的轨迹生成算法示意图；
图6是根据本申请其中一实施例的备选路径集示意图；
图7是根据本申请其中一实施例的局部路径规划算法流程示意图；
图8是根据本申请其中一实施例的路径生成装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例，提供了一种路径生成的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请其中一实施例的路径生成方法的流程图，如图1所示，该方法包括如下步骤：
步骤S11，获取目标参数信息，目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息；
步骤S12，基于目标车辆的位姿信息和全局路径信息确定参考路径信息，其中，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段；
步骤S13，利用障碍物信息和参考路径信息在目标区域内生成目标路径信息。
在步骤S11中，目标车辆的位姿信息即自车位姿信息，从自动驾驶***的定位模块获取，包括自车航向角、高斯坐标信息和定位状态。全局路径信息，从自动驾驶***的全局模块获取，全局路径即驾驶任务确定后连接起点与终点的导航路径。障碍物信息即感知信息，从自动驾驶***的感知模块获取，即感知模块将目标车辆传感范围内的环境信息处理成障碍物栅格地图。感知模块将目标车辆传感范围内的环境信息处理成障碍物栅格地图，即将目标车辆传感器传感范围内的各障碍物信息对应成栅格地图信息，栅格地图中各栅格表示有无障碍物。
例如，图2a是根据本申请其中一实施例的高斯坐标中的车载传感区域示意图，(1)高斯坐标中的车载传感区域，即目标车辆传感器传感范围。目标车辆传感器坐标系采用高斯坐标系，即目标车辆传感器传感范围内所有检测物的坐标为高斯坐标。图2b 是根据本申请其中一实施例的障碍物地图矩阵示意图，(2)障碍物地图矩阵示意图，即障碍物栅格地图，各栅格表示障碍物信息，例如，栅格为1表示有障碍物，为0表示无障碍物。感知模块将目标车辆传感器传感范围内的所有动、静态障碍物投射到栅格地图中。
目标参数信息还可以包括车辆信息以及局部路径算法内部所需要的栅格参数、曲线生成及优化参数。车辆信息从自动驾驶***的车辆模块获取，车辆模块还可以提供局部路径规划方法需要的车速、自动驾驶状态等车辆信息。
在步骤S12中，基于目标车辆的位姿信息在全局路径中确定参考路径信息，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段。上述目标区域为目标车辆根据参考路径信息确定的扫掠区域。上述扫掠区域为目标车辆行驶在参考路径上的各个路径点时，车身所覆盖的区域，该区域下的坐标计算方式与路径点位置、目标车辆期望航向和目标车辆车宽相关。
在步骤S13中，根据障碍物信息判断参考路径是否可通行，可通行则将参考路径作为目标路径信息；不可通行则利用圆弧加权在目标区域内生成多条备选路径信息并按条件筛选，将筛选后的备选路径信息作为目标路径信息。
通过步骤S11至步骤S13，通过获取目标参数信息，目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息，进而基于目标车辆的位姿信息和全局路径信息确定参考路径信息，其中，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段，最后利用障碍物信息和参考路径信息在目标区域内生成目标路径信息，从而实现了在路径规划中耗时少、普适性好的技术效果，进而解决了现有技术中的局部路径规划方法所存在的规划性能和普适应性差、计算耗时长及避障不灵活的技术问题。
可选地，在步骤S11，还包括将目标车辆传感器坐标系转换为栅格坐标系，具体步骤如下：
将目标车辆传感器坐标系下的高斯坐标转换为栅格坐标系下的栅格坐标。
图3a是根据本申请其中一实施例的高斯平面直角坐标系示意图，(1)高斯平面直角坐标系，即目标车辆传感器坐标系，目标车辆传感器坐标系采用高斯坐标系。图3b 是根据本申请其中一实施例的栅格坐标系示意图，(2)栅格坐标系，后续局部路径规划中统一使用的坐标系，在栅格坐标系中目标车辆航向角始终为pi/2。高斯平面直角坐标系中各点坐标经过坐标转换，转换为栅格坐标系下的各点坐标。在目标车辆传感器传感范围内每个采样点的高斯坐标(x，y)与障碍物地图矩阵的二元数组一一对应。用以转换成栅格坐标系的高斯坐标区域与障碍物栅格地图对应。例如，坐标转换前，障碍物栅格地图为矩形，目标车辆传感器传感区域也为矩形，两矩形中心点与顶点互相对应。转换后的栅格尺寸及分度由设计人员指定，例如，栅格坐标系下坐标的间隔为1代表目标车辆传感器坐标系下的高斯坐标中距离间隔0.2m，即目标车辆传感器坐标系下所有的尺寸信息在栅格坐标系下被放大了1/0.2＝5倍。
上述坐标转换包括平移、缩放和旋转等。在具体实施过程中，栅格的尺寸、转换的坐标维度、实际采集的GPS/北斗信号坐标系的约定等不同，坐标转换的数学计算需要设计人员根据实际情况自行设计和推导，不同情况下坐标转换公式是不同的。例如，图4a是根据本申请其中一实施例的高斯平面直角坐标系示意图，(1)高斯平面直角坐标系，即目标车辆传感器坐标系。图4b是根据本申请其中一实施例的实际采用的象限角坐标系示意图，(2)实际采用的象限角坐标系，即栅格坐标系。目标车辆传感器坐标系转换为栅格坐标系的转换矩阵为：
T＝[sx*cos(trg) sx*sin(trg) 0；
-sy*sin(trg) sy*cos(trg) 0；
-xv*sx*cos(trg)+yv*sy*sin(trg)+xgc -xv*sx*sin(trg)-yv*sy*cos(trg)+ygc1]；
其中，目标车辆位姿信息为(xv，yv，tv)；在栅格坐标系中车辆航向角始终为90°；栅格参数LS_upper＝50，表示目标车辆前方传感纵向扫描范围为[0，50]；栅格参数 LS_lower＝-20，表示目标车辆后方传感纵向扫描范围为[-20，0]；栅格参数WS_left＝10， WS_right＝-10，表示目标车辆横向传感扫描范围为[-10，10]；栅格精度res＝0.2； trg＝pi/2-tv；sx＝(LS_upper-LS_lower)/res；sy＝(WS_left-WS_right)/res；(xgc， ygc)为栅格的中心坐标，xgc＝0.5*(sx+1)，ygc＝0.5*(sy+1)。
通过将目标车辆传感器坐标系转为栅格坐标系，使得后续的局部路径规划在栅格坐标系下进行相关计算。
可选地，在步骤S12，基于目标车辆的位姿信息和全局路径信息确定参考路径信息，该步骤包括以下执行步骤：
步骤S121，基于目标车辆的位姿信息在全局路径上确定目标参考点；
步骤S122，利用预设长度和目标参考点对全局路径进行截断处理，得到参考路径信息。
在步骤S121中，目标参考点为根据目标车辆当前位置在全局路径上计算的最近点。目标参考点即在全局路径中截取参考路径信息的起点。根据目标参考点，确定目标车辆与全局路径的最短直线距离、确定截取全局路径的起点序号、确定目标车辆期望航向角。例如：根据最近点，确定截取全局路径的起点，在全局路径中截取参考路径，参考路径的长度可由设计人员自行指定。参考路径长度的选择一般与车速有关，例如选择n秒*车速的距离为参考路径长度。例如，参考路径前向长度150m，参考路径后向长度50m。参考路径信息用以在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段。
在步骤S122中，预设长度为在全局路径中截取参考路径的长度，可由设计人员自行指定。根据预设长度、目标参考点，在全局路径中截取参考路径。参考路径信息用以在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段。
通过步骤S121至步骤S122，通过目标车辆的位姿信息，在全局路径下截取一定长度的路径，得到在全局路径下局部的一条参考路径。
可选地，在步骤S13，利用障碍物信息和参考路径信息在目标区域内生成目标路径信息，该步骤包括以下执行步骤：
步骤S131，根据障碍物信息获取第一距离和第二距离，其中，第一距离为横向障碍物最小距离，第二距离为可通过参考路径长度；
步骤S132，基于第一距离和第二距离判断参考路径是否可通行，得到判断结果；
步骤S133，基于判断结果生成目标路径信息。
在步骤S131中，根据参考路径信息计算在栅格坐标系下扫掠区域的坐标。根据障碍物信息，第一距离为横向障碍物最小距离，即目标车辆沿着参考路径上行驶到障碍物附近时，横向与障碍物相距的最小距离。根据障碍物信息，第二距离为可通过参考路径长度，即目标车辆在沿着参考路径行驶时在种种干扰行驶因素下可行驶的长度，例如沿着固定车道不换道所能行驶的长度、在行驶时车道宽度足以使目标车辆通过而行驶的长度等等。
在步骤S132中，判断第一距离是否大于最小安全距离且第二距离是否大于允许的最小长度，若第一距离大于最小安全距离且第二距离大于允许的最小长度则参考路径可通行，否则参考路径不可通行。
最小安全距离为设计人员根据实际情况自行设定的与障碍物横向至少保持一定的距离以保证驾驶安全。允许的最小长度为设计人员根据实际情况自行设定的一个距离阈值。第一距离大于最小安全距离，即横向障碍物最小距离大于最小安全距离。第二距离大于允许的最小长度，即可通过参考路径长度大于允许的最小长度，即目标车辆沿着参考路径顺利行驶的长度大于一个距离阈值。
横向障碍物最小距离大于最小安全距离且可通过参考路径长度大于允许的最小长度，参考路径可通行；横向障碍物最小距离不大于最小安全距离或可通过参考路径长度不大于允许的最小长度，参考路径不可通行，需重新规划局部路径。
在步骤S133中，基于参考路径是否可通行的结果生成目标路径信息。若参考路径可通行，将参考路径作为目标路径信息；若参考路径不可通行，重新规划局部路径作为目标路径信息。
通过步骤S131至步骤S133，通过判断参考路径是否可通行，使得采用参考路径作为局部路径规划结果或采用重新规划的局部路径作为局部路径规划结果。
可选地，在步骤S133，基于判断结果生成目标路径信息，该步骤包括以下执行步骤：
步骤S1331，响应基于第一距离和第二距离判断参考路径可通行，将参考路径信息确定为目标路径信息。
当第一距离大于最小安全距离且第二距离大于允许的最小长度，参考路径可通行，将参考路径确定为目标路径信息。将目标路径信息从栅格坐标系转换为目标车辆传感器坐标系，即高斯平面直角坐标系。将目标车辆传感器坐标系下的目标路径信息作为局部路径规划结果输出，输出的目标路径信息包括路径点信息、航向及曲率信息。
可选地，在步骤S133，基于判断结果生成目标路径信息，该步骤包括以下执行步骤：
步骤S1332，响应基于第一距离和第二距离判断参考路径不可通行，根据参考路径在目标区域内设置多个备选目标点；
当横向障碍物最小距离不大于最小安全距离或可通过参考路径长度不大于允许的最小长度，参考路径不可通行。在不可通行的参考路径上，逐一选定参考路径上的路径点为目标点，目标点沿参考路径均布。以参考路径上的目标点为横向基准，在此基准上，横向均匀撒点，生成一系列备选目标点，该一系列备选目标点在参考路径扫掠区域内参考路径外。
步骤S1333，根据多个备选目标点进行圆弧加权计算，得到多个备选路径；
在栅格坐标系下，以目标车辆质心为起点、一系列备选目标点为终点进行圆弧加权曲线生成，得到多个备选路径。
以圆弧加权曲线方式生成一条备选路径具体如图5是根据本申请其中一实施例的基于圆弧加权曲线的轨迹生成算法示意图所示，算法流程如下：
步骤1，确定起点A(目标车辆质心)、终点B(备选目标点)在栅格中的位姿(横坐标x，纵坐标y，航向角theta)。点A、B的坐标分别用(x0,y0,θ0)，(x1,y1,θ1)表示。
步骤2，过A、B两点，分别作与起点A的航向角(虚线箭头，θ0)相切的圆弧，圆弧MA(虚线圆弧)；与终点B的航向角(实线箭头，θ1)相切的圆弧(实线圆弧)，圆弧MB。设圆弧MA的圆心MA坐标为(xA,yA)，圆弧MB的圆心MB坐标为(xB,yB)，向量
Figure RE-GDA0003778805720000091
中点C坐标为
Figure RE-GDA0003778805720000092
因此如下向量关系成立：
Figure RE-GDA0003778805720000093
Figure RE-GDA0003778805720000094
Figure RE-GDA0003778805720000095
Figure RE-GDA0003778805720000096
Figure RE-GDA0003778805720000097
步骤3，
Figure RE-GDA0003778805720000098
因此有如下向量关系成立：
Figure RE-GDA0003778805720000099
Figure RE-GDA00037788057200000910
步骤4，根据步骤2和步骤3确定的向量关系，可以求出圆心MA、MB坐标，以及各自圆的半径：
Figure RE-GDA0003778805720000101
Figure RE-GDA0003778805720000102
步骤5，计算向量
Figure RE-GDA0003778805720000103
的航向角pab，根据起点A的航向角θ0，计算θ0相对于向量
Figure RE-GDA0003778805720000104
的航向角pab的偏航角pa；根据终点B的的航向角θ1，计算θ1相对于向量
Figure RE-GDA0003778805720000105
的航向角 pab的偏航角pb。
步骤6，计算圆弧MA、圆弧MB各自的圆心角；根据偏航角pa、pb的象限，以此确定圆弧MA、圆弧MB顺时针/逆时针方向；计算向量
Figure RE-GDA0003778805720000106
(用于确定圆弧MA、圆弧MB的起始相角)；对圆弧MA、圆弧MB离散采样，得到两条圆弧的坐标序列xc1、 yc1、xc2、yc2。
步骤7，将圆弧MA、圆弧MB两段圆弧坐标序列加权，得到备选路径的坐标序列x、 y(实线加粗曲线)。
步骤8，对于圆弧退化为直线的情形，单独考虑。
步骤9，根据备选路径的坐标序列x、y，计算备选路径的航向角序列、曲率序列、累计路径长度序列。
步骤S1334，利用多个预设筛选条件对多个备选路径进行筛选处理，得到初步筛选结果；
根据多个预设筛选条件对步骤S1333中生成的备选路径进行初步筛选，如图6是根据本申请其中一实施例的备选路径集示意图所示，筛选条件具体如下：
筛选条件1，判断备选路径最大曲率是否小于阈值，该阈值由设计人员根据实际情况自行设定。
筛选条件2，判断备选路径的路径点坐标是否在参考路径的扫掠区域内，备选路径的路径点坐标需要在参考路径的扫掠区域内。
筛选条件3，备选路径路途中无堵塞的动态/静态障碍物。
备选路径中无堵塞的动态障碍物并非备选路径中无动态障碍物，根据实际情况设计人员自行设定算法规则以判断前方的动态障碍物是否构成堵塞。
例如，在图6是根据本申请其中一实施例的备选路径集示意图中，横向的黑色线段，表位堵塞的障碍物，与此线段相交的备选路径则筛掉。
筛选条件4，等效通行长度不小于最小安全距离。
等效通行长度，为目标车辆与前方动态障碍物的纵向距离。最小安全距离，为设计人员根据实际情况自行设定的与前方动态障碍物纵向至少保持一定的距离以保证驾驶安全。等效通行长度不小于最小安全距离，即目标车辆在行驶过程中至少与前方的动态障碍物在纵向至少不小于一个距离阈值，避免碰撞。例如，车辆在行驶过程中至少与前方行驶的车辆保持6米，避免车辆来不及刹车的情况下，前方车辆突然降速发生碰撞。
步骤S1335，基于路径评价指标从初步筛选结果中确定目标路径信息。
基于路径评价指标，对步骤S1334初步筛选后的备选路径进行二次筛选，得到最终的目标路径信息。
路径评价指标具体计算如下：
评价指标1，安全性，表示备选路径与周围障碍物的远近程度，备选路径与障碍物越远，安全性越高。
备选路径的安全性代价Esf的计算方式为：
Esf(d)＝Csf·d-1
其中，d为备选路径到障碍物的最近距离，Csf为一个正常数，Esf(0)定义为无穷大。将各条备选路径代入Esf(d)，得到各条备选路径的安全性代价Esf。
评价指标2，平滑性，表示备选路径自身的平滑程度，路径越平滑，平滑性越好。
备选路径的平滑性代价Esm的计算方式为：
Esm(c)＝Csm1·|m(c)|+Csm2·σ(c)
其中，c＝{ci,i＝1,2,...}表示备选路径上所有路径点的曲率，ci为第i个路径点的曲率，m(·)表示为取均值，σ(·)表示为取标准差，Csm1与Csm2都是一个正常数。将各条备选路径代入Esm，得到各条备选路径的平滑性代价Esm。
评价指标3，时间一致性，表示当前时刻备选路径与上一时刻路径的吻合程度，当前时刻备选路径与上一时刻路径吻合越好，时间一致性越好。
备选路径的时间一致性代价Etc的计算方式为：
Etc(x,y,θ,x′,y′,θ′)＝Ctc1·d(x,y,x′,y′)+Ctc2·e(θ,θ′)
其中，(x,y,θ)表示为当前时刻备选路径上所有路径点的横纵坐标及方向角，(x′,y′,θ′)表示为上一时刻路径上所有路径点的横纵坐标及方向角，d(x,y,x′,y′)表示两个时刻的路径上路径点的平均距离，e(θ,θ′)表示两个时刻的路径上路径点方向角的平均误差，Ctc1与Ctc2都是一个正常数。将各条备选路径作为当前时刻备选路径代入Etc，得到各条备选路径的时间一致性代价Etc。
评价指标4，准确性，表示备选路径与参考路径的吻合程度，备选路径与参考路径吻合越好，准确性越好。
备选路径的准确性代价Eac的计算方式为：
Eac(x,y,θ,x*,y*,θ*)＝Cac1·d(x,y,x*,y*)+Cac2·e(θ,θ*)
其中，(x,y,θ)表示为备选路径上路径点的横纵坐标及方向角，(x*,y*,θ*)表示参考路径上路径点的横纵坐标及方向角，d(x,y,x*,y*)表示备选路径与参考路径上路径点的平均距离，e(θ,θ*)表示备选路径与参考路径上路径点方向角的平均误差，Cac1与Cac2都是一个正常数。将各条备选路径代入Eac，得到各条备选路径的准确性代价Eac。
评价指标5，快捷性，表示备选路径从起点到目标点的路程长短，备选路径长度越短，快捷性越好。
备选路径的快捷性代价Eco的计算方式为：
Eco(x,y)＝Cco·len(x,y)
其中，len(x,y)表示备选路径的总长度，Cco为一个正常数。将各条备选路径代入Eco，得到各条备选路径的快捷代价Eco。
评价指标6，综合代价，将备选路径综合上述安全性代价、平滑性代价、时间一致性代价、准确性代价、快捷性代价5个指标得到备选路径的综合代价。
备选路径的综合代价E的计算方式为：
E＝w1Esf+w2Esm+w3Etc+w4Eac+w5Eco
其中，w＝{w1,w2,w3,w4,w5}表示为各项指标的权系数，可以通过人工调试或者机器学***面直角坐标系。将高斯平面直角坐标系下的目标路径信息作为局部路径规划结果输出，输出的目标路径信息包括路径点信息、航向及曲率信息。
通过步骤S1332至步骤S1335，通过圆弧加权曲线生成多条备选路径，并基于预设的筛选条件和路径评价指标对备选路径进行筛选，得到本次局部路径规划中的目标路径信息。
可选地，上述路径生成的方法可以包括以下执行步骤：
步骤S14，将目标路径信息发送至目标服务器，以使目标服务器更新局部路径的规划信息。
将步骤S13得到的目标路径信息发送至目标服务器，使得目标服务器更新局部路径的规划信息，进而使得目标车辆根据更新后的局部路径规划信息进行行驶。
图7是根据本申请其中一实施例的局部路径规划算法流程示意图，如图7所示，该方法包括如下步骤：
步骤S71，获取更新参数。更新参数主要包括目标车辆位姿信息、车辆信息、感知信息、全局路径信息，以及局部路径算法内部所需要的栅格参数、曲线生成及优化参数，并将目标车辆传感器坐标系转换为栅格坐标系。
步骤S72，获取目标参考点信息。根据目标车辆当前位置在全局路径上计算目标参考点，并以目标参考点为起点在全局路径上截取有效参考路径。
步骤S73，计算目标车辆栅格区域。根据目标车辆位姿信息计算目标车辆当前所处的栅格区域。
步骤S74，计算参考路径扫掠区域。扫掠区域为目标车辆行驶在参考路径上的各个路径点时，车身所覆盖的区域。
步骤S75，判断参考路径是否可通行。若参考路径可通行，跳转至步骤S710；若参考路径不可通行，继续顺序执行步骤。
步骤S76，获取备选目标点位姿。在不可通行的参考路径上，逐一选定参考路径上的路径点为目标点，目标点沿参考路径均布。以参考路径上的目标点为横向基准，在此基准上，横向均匀撒点，生成一系列备选目标点。
步骤S77，备选路径生成。以目标车辆质心为起点，备选目标点为终点，进行圆弧加权曲线生成，得到备选路径。
步骤S78，备选路径筛选。根据多个预设筛选条件对步骤S77中生成的备选路径进行第一次筛选。
步骤S79，备选路径优选。根据路径评价指标，对步骤S78第一次筛选后的备选路径进行第二次筛选，将路径评价最优的备选路径作为目标路径信息。
步骤S710，坐标变换。将目标路径信息从栅格坐标系转换为目标车辆传感器坐标系即高斯平面直角坐标系。
步骤S711，发布目标路径。将步骤S710得到的目标路径信息发送至目标服务器，目标服务器根据目标路径信息更新局部路径的规划信息。
通过步骤S71至步骤S711，通过目标车辆位姿信息确定在全局路径中的参考路径，判断参考路径是否可通行，可通行则得到以参考路径作为目标路径信息的局部路径规划结果，不可通行则得到以利用圆弧加权生成多条备选路径进行筛选、优选后的备选路径作为目标路径信息的局部路径规划结果。
图8是根据本申请其中一实施例的路径生成装置的结构框图，如图8所示，该路径生成装置800包括：
获取模块801，用于获取目标参数信息，目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息。
确定模块802，用于基于目标车辆的位姿信息在全局路径信息确定参考路径信息，其中，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段。
生成模块803，用于利用障碍物信息和参考路径信息在目标区域内生成目标路径信息。
可选地，确定模块802还用于，基于目标车辆的位姿信息在全局路径上确定目标参考点；利用预设长度和目标参考点对全局路径进行截断处理，得到参考路径信息。
可选地，生成模块803还用于，根据障碍物信息获取第一距离和第二距离，其中，第一距离为横向障碍物最小距离，第二距离为可通过参考路径长度；基于第一距离和第二距离判断参考路径是否可通行，得到判断结果；基于判断结果生成目标路径信息。
可选地，生成模块803还用于，响应基于第一距离和第二距离判断参考路径可通行，将参考路径信息确定为目标路径信息。
可选地，生成模块803还用于，响应基于第一距离和第二距离判断参考路径不可通行，根据参考路径在目标区域内设置多个备选目标点；根据多个备选目标点进行圆弧加权计算，得到多个备选路径；利用多个预设筛选条件对多个备选路径进行筛选处理，得到初步筛选结果；基于路径评价指标从初步筛选结果中确定目标路径信息。
可选地，路径生成的装置800还包括：发布模块804，用于将目标路径信息发送至目标服务器，以使目标服务器更新局部路径的规划信息。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本申请的实施例还提供了一种非易失性存储介质，该非易失性存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一方法实施例中的步骤。
可选地，在本实施例中，上述非易失性存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取目标参数信息，目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息。
S2，基于目标车辆的位姿信息和全局路径信息确定参考路径信息，其中，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段。
S3，利用障碍物信息和参考路径信息在目标区域内生成目标路径信息。
可选地，在本实施例中，上述非易失性存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本申请的实施例还提供了一种处理器，该处理器用于运行程序，其中，程序被设置为运行时执行上述任一方法实施例中的步骤。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取目标参数信息，目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息。
S2，基于目标车辆的位姿信息和全局路径信息确定参考路径信息，其中，参考路径信息用于在目标区域内重新规划局部路径，局部路径为全局路径中的部分路段。
S3，利用障碍物信息和参考路径信息在目标区域内生成目标路径信息。
本申请的实施例还提供了一种电子装置，包括存储器、处理器，其特征在于，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元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单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本发明的技术方案本质上或者说对现有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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种路径生成方法，其特征在于，包括：
获取目标参数信息，所述目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息；
基于所述目标车辆的位姿信息和所述全局路径信息确定参考路径信息，其中，所述参考路径信息用于在目标区域内重新规划局部路径，所述局部路径为所述全局路径中的部分路段；
利用所述障碍物信息和所述参考路径信息在所述目标区域内生成目标路径信息。
2.根据权利要求1所述的路径生成方法，其特征在于，所述基于所述目标车辆的位姿信息和所述全局路径信息确定所述参考路径信息包括：
基于所述目标车辆的位姿信息在所述全局路径上确定目标参考点；
利用预设长度和所述目标参考点对所述全局路径进行截断处理，得到所述参考路径信息。
3.根据权利要求1所述的路径生成方法，其特征在于，所述利用所述障碍物信息和所述参考路径信息在所述目标区域内生成所述目标路径信息包括：
根据所述障碍物信息获取第一距离和第二距离，其中，所述第一距离为横向障碍物最小距离，所述第二距离为可通过参考路径长度；
基于所述第一距离和所述第二距离判断所述参考路径是否可通行，得到判断结果；
基于所述判断结果生成所述目标路径信息。
4.根据权利要求3所述的路径生成方法，其特征在于，所述基于所述判断结果生成所述目标路径信息包括：
响应基于所述第一距离和所述第二距离判断所述参考路径可通行，将所述参考路径信息确定为所述目标路径信息。
5.根据权利要求3所述的路径生成方法，其特征在于，所述基于所述判断结果生成所述目标路径信息包括：
响应基于所述第一距离和所述第二距离判断所述参考路径不可通行，根据所述参考路径在所述目标区域内设置多个备选目标点；
根据所述多个备选目标点进行圆弧加权计算，得到多个备选路径；
利用多个预设筛选条件对所述多个备选路径进行筛选处理，得到初步筛选结果；
基于路径评价指标从所述初步筛选结果中确定所述目标路径信息。
6.根据权利要求1所述的路径生成方法，其特征在于，所述方法还包括：
将所述目标路径信息发送至目标服务器，以使所述目标服务器更新所述局部路径的规划信息。
7.一种路径生成装置，其特征在于，包括：
获取模块，用于获取目标参数信息，所述目标参数信息包括目标车辆的位姿信息、全局路径信息以及障碍物信息；
确定模块，用于基于所述目标车辆的位姿信息和所述全局路径信息确定参考路径信息，其中，所述参考路径信息用于在目标区域内重新规划局部路径，所述局部路径为所述全局路径中的部分路段；
生成模块，用于利用所述障碍物信息和所述参考路径信息在所述目标区域内生成目标路径信息。
8.一种非易失性存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的路径生成方法。
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至6任一项中所述的路径生成方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的路径生成方法。
CN202210530868.7A 2022-05-16 2022-05-16 路径生成方法、装置、存储介质、处理器及电子装置 Pending CN114995398A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210530868.7A CN114995398A (zh) 2022-05-16 2022-05-16 路径生成方法、装置、存储介质、处理器及电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210530868.7A CN114995398A (zh) 2022-05-16 2022-05-16 路径生成方法、装置、存储介质、处理器及电子装置

Publications (1)

Publication Number Publication Date
CN114995398A true CN114995398A (zh) 2022-09-02

Family

ID=83026371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210530868.7A Pending CN114995398A (zh) 2022-05-16 2022-05-16 路径生成方法、装置、存储介质、处理器及电子装置

Country Status (1)

Country Link
CN (1) CN114995398A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116069031A (zh) * 2023-01-28 2023-05-05 武汉理工大学 基于车体扫掠模型的地下无人矿车路径优化方法及***
CN116382305A (zh) * 2023-06-02 2023-07-04 陕西欧卡电子智能科技有限公司 无人船的曲线倒库方法、***、计算机设备及存储介质
CN116429145A (zh) * 2023-06-07 2023-07-14 福龙马城服机器人科技有限公司 一种复杂场景下无人车与垃圾桶自动对接导航方法及***

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102854880A (zh) * 2012-10-08 2013-01-02 中国矿业大学 面向混合地形区域不确定环境的机器人全局路径规划方法
CN106598055A (zh) * 2017-01-19 2017-04-26 北京智行者科技有限公司 一种智能车局部路径规划方法及其装置、车辆
CN111552284A (zh) * 2020-04-20 2020-08-18 宁波吉利汽车研究开发有限公司 无人驾驶车辆的局部路径规划方法、装置、设备及介质
CN111811517A (zh) * 2020-07-15 2020-10-23 中国科学院上海微***与信息技术研究所 一种动态局部路径规划方法及***
CN112362074A (zh) * 2020-10-30 2021-02-12 重庆邮电大学 一种结构化环境下的智能车辆局部路径规划方法
CN112506199A (zh) * 2020-12-12 2021-03-16 江西洪都航空工业集团有限责任公司 一种基于动态窗口法且适用于阿克曼模型机器人的局部路径规划方法
CN112590775A (zh) * 2020-12-22 2021-04-02 中国第一汽车股份有限公司 一种自动泊车方法、装置、车辆及存储介质
CN112748733A (zh) * 2020-12-16 2021-05-04 广东电网有限责任公司 电缆放线车路径规划方法、装置、设备及存储介质
CN112783144A (zh) * 2019-10-22 2021-05-11 舜宇光学（浙江）研究院有限公司 路径生成方法和路径规划方法及其***和设备
CN112964271A (zh) * 2021-03-15 2021-06-15 西安交通大学 一种面向多场景的自动驾驶规划方法及***
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
CN113985871A (zh) * 2021-10-21 2022-01-28 上海欧菲智能车联科技有限公司 泊车路径规划方法、泊车路径规划装置、车辆及存储介质
CN114234993A (zh) * 2021-12-15 2022-03-25 北京福田戴姆勒汽车有限公司 车辆局部路径规划方法、自动驾驶***和自动驾驶车辆
CN114442633A (zh) * 2022-01-28 2022-05-06 天津优控智行科技有限公司 一种无人驾驶园区物流车局部路径规划方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102854880A (zh) * 2012-10-08 2013-01-02 中国矿业大学 面向混合地形区域不确定环境的机器人全局路径规划方法
CN106598055A (zh) * 2017-01-19 2017-04-26 北京智行者科技有限公司 一种智能车局部路径规划方法及其装置、车辆
CN112783144A (zh) * 2019-10-22 2021-05-11 舜宇光学（浙江）研究院有限公司 路径生成方法和路径规划方法及其***和设备
CN111552284A (zh) * 2020-04-20 2020-08-18 宁波吉利汽车研究开发有限公司 无人驾驶车辆的局部路径规划方法、装置、设备及介质
CN111811517A (zh) * 2020-07-15 2020-10-23 中国科学院上海微***与信息技术研究所 一种动态局部路径规划方法及***
CN112362074A (zh) * 2020-10-30 2021-02-12 重庆邮电大学 一种结构化环境下的智能车辆局部路径规划方法
CN112506199A (zh) * 2020-12-12 2021-03-16 江西洪都航空工业集团有限责任公司 一种基于动态窗口法且适用于阿克曼模型机器人的局部路径规划方法
CN112748733A (zh) * 2020-12-16 2021-05-04 广东电网有限责任公司 电缆放线车路径规划方法、装置、设备及存储介质
CN112590775A (zh) * 2020-12-22 2021-04-02 中国第一汽车股份有限公司 一种自动泊车方法、装置、车辆及存储介质
CN112964271A (zh) * 2021-03-15 2021-06-15 西安交通大学 一种面向多场景的自动驾驶规划方法及***
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
CN113985871A (zh) * 2021-10-21 2022-01-28 上海欧菲智能车联科技有限公司 泊车路径规划方法、泊车路径规划装置、车辆及存储介质
CN114234993A (zh) * 2021-12-15 2022-03-25 北京福田戴姆勒汽车有限公司 车辆局部路径规划方法、自动驾驶***和自动驾驶车辆
CN114442633A (zh) * 2022-01-28 2022-05-06 天津优控智行科技有限公司 一种无人驾驶园区物流车局部路径规划方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116069031A (zh) * 2023-01-28 2023-05-05 武汉理工大学 基于车体扫掠模型的地下无人矿车路径优化方法及***
CN116069031B (zh) * 2023-01-28 2023-08-11 武汉理工大学 基于车体扫掠模型的地下无人矿车路径优化方法及***
CN116382305A (zh) * 2023-06-02 2023-07-04 陕西欧卡电子智能科技有限公司 无人船的曲线倒库方法、***、计算机设备及存储介质
CN116382305B (zh) * 2023-06-02 2023-08-08 陕西欧卡电子智能科技有限公司 无人船的曲线倒库方法、***、计算机设备及存储介质
CN116429145A (zh) * 2023-06-07 2023-07-14 福龙马城服机器人科技有限公司 一种复杂场景下无人车与垃圾桶自动对接导航方法及***
CN116429145B (zh) * 2023-06-07 2023-08-25 福龙马城服机器人科技有限公司 一种复杂场景下无人车与垃圾桶自动对接导航方法及***

Similar Documents

Publication Publication Date Title
CN114995398A (zh) 路径生成方法、装置、存储介质、处理器及电子装置
CN111009153B (zh) 一种轨迹预测模型的训练方法、装置和设备
CN114005280B (zh) 一种基于不确定性估计的车辆轨迹预测方法
CN111583715B (zh) 一种车辆轨迹预测方法、车辆碰撞预警方法、装置及存储介质
KR20180009755A (ko) 차선의 추정 방법
RU2735567C1 (ru) Способ хранения предысторий движения, способ для выработки модели пути движения, способ для оценки локальной позиции и устройство хранения предысторий движения
WO2020178639A1 (en) Aligning road information for navigation
CN112639849A (zh) 路径选择方法和路径选择装置
Artunedo et al. Motion planning approach considering localization uncertainty
CN110530372A (zh) 定位方法、路径确定方法、装置、机器人及存储介质
US11731649B2 (en) High precision position estimation method through road shape classification-based map matching and autonomous vehicle thereof
Rabe et al. Ego-lane estimation for lane-level navigation in urban scenarios
WO2023092451A1 (zh) 预测可行驶车道的方法和装置
JP6171499B2 (ja) 危険度判定装置及び危険度判定方法
JP2023523350A (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
Wang et al. Trajectory prediction for turning vehicles at intersections by fusing vehicle dynamics and driver’s future input estimation
Yalamanchi et al. Long-term prediction of vehicle behavior using short-term uncertainty-aware trajectories and high-definition maps
Park et al. Path generation algorithm based on crash point prediction for lane changing of autonomous vehicles
US20220155455A1 (en) Method and system for ground surface projection for autonomous driving
US12020577B2 (en) Ship maneuvering calculation device
CN211427151U (zh) 一种应用于封闭场地无人驾驶货运车辆上的自动引导***
Kuhnt et al. Lane-precise localization of intelligent vehicles using the surrounding object constellation
CN117848335A (zh) 用于预测道路使用者未来位置的***和方法
CN114926813B (zh) 车道线融合方法、装置、设备及存储介质
Salzmann et al. Online Path Generation from Sensor Data for Highly Automated Driving Functions

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