CN115218902A - 一种轨迹规划方法、装置、设备及存储介质 - Google Patents
一种轨迹规划方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115218902A CN115218902A CN202210351879.9A CN202210351879A CN115218902A CN 115218902 A CN115218902 A CN 115218902A CN 202210351879 A CN202210351879 A CN 202210351879A CN 115218902 A CN115218902 A CN 115218902A
- Authority
- CN
- China
- Prior art keywords
- track
- target
- planned
- trajectory
- vehicle
- 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 64
- 230000001133 acceleration Effects 0.000 claims description 42
- 238000005070 sampling Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 description 46
- 238000005516 engineering process Methods 0.000 description 13
- 230000036461 convulsion Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241000543540 Guillardia theta Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (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、设备及存储介质,该方法包括:获取目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息;根据行驶信息,获得交通参与体的预测轨迹点;根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点;根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价;基于各规划轨迹的运动学代价从多个规划轨迹中确定一目标轨迹。因此,采用本申请的上述方法,充分考虑了交通参与体的运动状态进行目标车辆的轨迹规划获得目标轨迹,提高了目标车辆基于目标轨迹行驶的安全性和舒适性。
Description
技术领域
本申请涉及自动驾驶领域,更具体地,涉及一种轨迹规划方法、装置、设备及存储介质。
背景技术
随着汽车数量的不断增加,交通安全、出行拥堵等诸多问题也日渐突出,实现安全可靠的自动驾驶已迫在眉睫。轨迹规划作为实现自动驾驶的关键技术之一,也越来越受到研究自动驾驶相关的工业界和学术界的重视。相关技术中,自动驾驶中轨迹的规划受限于自动驾驶车辆的感知范围,车辆自动驾驶的行驶轨迹存在安全性低下的问题。
发明内容
本申请提出了一种轨迹规划方法、装置、设备及存储介质,以改善上述问题。
第一方面,本申请实施例提供了一种轨迹规划方法,该方法包括:获取目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息;根据行驶信息,获得交通参与体的预测轨迹点;根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点;根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价;基于各规划轨迹的运动学代价从多个规划轨迹中确定一目标轨迹。
第二方面,本申请实施例还提供了一种轨迹规划装置,该装置包括:交通参与体信息获取单元、交通参与体轨迹点预测单元、规划轨迹获取单元、轨迹代价获取单元以及目标轨迹获取单元。其中,交通参与体信息获取单元,用于获取目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息;交通参与体轨迹点预测单元,用于根据行驶信息,获得交通参与体的预测轨迹点;规划轨迹获取单元,用于根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点;轨迹代价获取单元,用于根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价;目标轨迹获取单元,用于基于各规划轨迹的运动学代价从多个规划轨迹中确定一目标轨迹。
在其中一个实施例中,规划轨迹获取单元还用于获取目标车辆在当前定位位置感知到的目标位置信息;根据当前定位位置,获得目标车辆的轨迹起始点;根据轨迹起始点和目标终点,获得目标车辆的全局路径信息;根据预测轨迹点、轨迹起始点、全局路径信息以及目标位置信息,获得目标车辆的多个规划轨迹。
在其中一个实施例中,规划轨迹获取单元还用于根据获得当前定位位置的当前时刻,查找上一时刻规划的目标车辆的期望位置;若当前定位位置与期望位置之间的偏差小于或等于预设偏差,选取期望位置作为目标车辆的轨迹起始点;若当前定位位置与期望位置之间的偏差大于预设偏差,选取当前定位位置作为目标车辆的轨迹起始点。
在其中一个实施例中,规划轨迹获取单元还用于根据预测轨迹点、轨迹起始点以及目标位置信息,获得目标车辆在预设时间段内与全局路径信息中各路点之间的距离在预设距离内的多个规划轨迹点,其中,规划轨迹点与预测轨迹点和目标位置信息不重合;根据预设时间采样率和多个不同的车速,对多个规划轨迹点进行采样,获得每个车速分别对应的多个目标规划轨迹点;根据每个车速分别对应的多个目标规划轨迹点,获得每个车速分别对应的规划轨迹。
在其中一个实施例中,规划轨迹获取单元还用于对各车速对应的多个目标规划轨迹点的位置坐标进行多项式拟合,获得各车速对应的规划轨迹。
在其中一个实施例中,轨迹代价获取单元还用于根据每个规划轨迹中包括的各轨迹点的横向偏移、横向速度、横向加速度以及横向加速度的导数,获得每个规划轨迹的横向代价;根据每个规划轨迹中包括的各轨迹点的纵向偏移、纵向速度、纵向加速度以及纵向加速度的导数,获得每个规划轨迹的纵向代价;将每个规划轨迹的横向代价与纵向代价的和作为每个规划轨迹的运动学代价。
在其中一个实施例中,目标轨迹获取单元还用于从多个规划轨迹中选取运动学代价最小的规划轨迹作为第一规划轨迹;根据该第一规划轨迹中各轨迹点信息生成第一规划轨迹的行驶条件;检测该第一规划轨迹的行驶条件是否满足预设约束条件,若满足,则确定该第一规划轨迹为目标轨迹,若不满足则从多个规划轨迹中删除该第一规划轨迹,并返回执行从多个规划轨迹中选取运动学代价最小的规划轨迹作为第一规划轨迹的步骤,直至获取到目标轨迹。
第三方面,本申请实施例还提供了一种电子设备,包括:一个或多个处理器、存储器以及一个或多个应用程序。其中,一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序配置执行以实现如上述第一方面所述的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储有程序代码,程序代码可被处理器调用执行如上述第一方面所述的方法。
本申请提供的技术方案,通过获取目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息;根据行驶信息,获得交通参与体的预测轨迹点;根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点;根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价;基于各规划轨迹的运动学代价从多个规划轨迹中确定一目标轨迹。因此,采用本申请的上述方法,通过预测车辆以及其他交通参与体的运动轨迹,规划出目标车辆自动驾驶可以行驶的目标轨迹,提高了目标车辆基于目标轨迹驾驶时的安全性和舒适性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述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申请的一些实施例,对于本领域技术人员来讲,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示出了本申请一实施例提供的一种轨迹规划方法的应用场景示意图;
图2示出了本申请一实施例提供的一种轨迹规划方法的流程示意图;
图3示出了本申请一实施例提供的一种轨迹规划方法的获取轨迹起始点的示意图;
图4示出了本申请另一实施例提供的一种轨迹规划方法的应用场景示意图;
图5示出了本申请一实施例提供的一种轨迹规划方法的获取规划轨迹点的示意图;
图6示出了本申请一实施例提供的一种轨迹规划方法的获取目标规划轨迹点的示意图;
图7示出了本申请一实施例提供的一种轨迹规划方法的步骤S150的流程示意图;
图8示出了本申请一实施例提供的一种轨迹规划装置的结构框图;
图9示出了本申请一实施例提供的一种电子设备的结构框图;
图10示出了本申请一实施例提供的一种电子设备为车辆的结构框图;
图11示出了本申请一实施例提供的一种计算机存储介质的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了缓解上述问题,本申请的发明人提出了本申请一实施例提供的一种轨迹规划方法、装置、设备及存储介质。该方法包括:获取目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息;根据行驶信息,获得交通参与体的预测轨迹点;根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点;根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价;基于各规划轨迹的运动学代价从多个规划轨迹中确定一目标轨迹。因此,采用本申请的上述方法,通过预测车辆以及其他交通参与体的运动轨迹,规划出目标车辆可以用于自动驾驶的目标轨迹,提高了目标车辆自动驾驶时的安全性和舒适性。
本申请实施例提供的一种轨迹规划方法,可应用于如图1所示的应用环境中。如图1所示,该应用环境中,终端10通过网络与服务器20进行通信,网络可以是广域网或者局域网,或者是二者的组合。图1中仅示出了终端10为车辆的示意图。
其中,终端10可以是具有导航定位功能的设备,也可以是具有感知功能(激光雷达、摄像头等)的设备,还可以是具有自动驾驶功能的设备。具体地,终端10可以是车辆、机器人、智能穿戴设备、智能控制面板、智能手机等,但并不局限于此。服务器20可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***等。终端10以及服务器20可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
示例性的,目标车辆通过定位导航功能以及感知功能(激光雷达、摄像头等)获取该目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息,并将获取的目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息通过有线或无线通信方式发送至服务器20。服务器20根据行驶信息,获得交通参与体的预测轨迹点;根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点;根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价;基于各规划轨迹的运动学代价从多个规划轨迹中确定一目标轨迹。服务器20还可以通过有线或无线通信方式将目标轨迹反馈给车辆。
应当理解,终端10也可以获取目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息之后,执行后续的获取目标轨迹的步骤,也即终端10可以执行上述服务器20中的轨迹规划方法的步骤。
下面将结合附图具体描述本申请的各实施例。
请参阅图2,图2是根据本申请一实施例示出的一种轨迹规划方法的流程示意图,该方法可以由具备自动驾驶功能、定位导航功能、感知功能的终端执行,例如车辆、机器人、智能穿戴设备、智能手机等实现本方案,在此不进行具体限定。参照图2所示,该方法至少包括步骤S110至步骤S150。
步骤S110:获取目标车辆的当前定位位置、目标终点以及距离所述目标车辆预设范围内的交通参与体的行驶信息。
在本申请实施例中,目标车辆是指适用本申请实施例提供的一种轨迹规划方法的车辆,该目标车辆可以包括车载通信模块、定位模块、地图模块等。
其中,目标车辆的定位模块可以包括GPS(全球定位***)、IMU(惯性传感器)等,也可以包括摄像头或激光雷达等实现视觉定位。具体地,目标车辆的定位模块接收GPS、IMU、摄像头和激光雷达的信息,通过定位算法,输出目标车辆的定位信息。其中,定位算法可以利用各种信息源,例如可见光源、红外源、微波源及地貌起伏等制作图像;利用图像的可识别性来实现目标和测量的实时定位。
具体地,终端获取目标车辆的定位模块输出的目标车辆的当前定位位置,其中,目标车辆的当前定位位置包括目标车辆当前的位置信息,如(xveh,yveh),以及航向信息,如θveh。
可选地,获取目标车辆的目标终点可以是,终端通过无线通信技术(如蓝牙、WiFi、zigbee等技术)从相关联的电子设备或云端获取用户输入的目标终点或者预先设置的目标终点;也可以是终端通过串口通信接口(如SPI)从相关联的电子设备获取用户输入的目标终点或者预先设置的目标终点;还可以是直接获取用户通过触摸目标车辆的显示屏/操作目标车辆按键/直接语音输入的目标终点。具体地,获取目标车辆的目标终点的方式,在此不作限定。
在一些实施方式中,目标车辆的车载通信模块可以包括TBOX(车辆网***)、VBOX(非接触汽车测试仪);车载通信模块可以通过通信协议在车辆与车辆(V2V)、车辆与基础设施(V2I)、车辆与行人(V2P)之间组网,构建数据共享交互桥梁,助力实现智能化的动态信息服务、车辆安全驾驶、交通管控等。其中,通信协议可以包括LTE-V、TCP、IP等协议。
在一些实施方式中,获取距离目标车辆预设范围内的交通参与体的行驶信息,可以是终端获取目标车辆的车载通信模块通过通信协议接收的距离目标车辆预设范围内的交通参与体的行驶信息。其中,交通参与体可以包括车辆、行人、两轮车等;交通参与体的行驶信息可以包括交通参与体预设时间长度内的历史轨迹信息,如,预设时间长度中某一时刻交通参与体的经纬度信息以及交通参与***于该经纬度信息下的时间信息、移动速度信息,航向信息等,还可以包括交通参与体的类型等。
其中,预设范围可以预先存储在终端,也可以通过无线通信技术从相关联的云端或电子设备获取,还可以是通过串口通信接口从相关联的设备中获取;预设范围的大小可以是通过第三方实验数据获得,还可以是用户自主设置。示例性的,预设范围预先存储在终端通过第三方实验数据获得大小为5km。
同样的,预设时间长度可以预先存储在终端,也可以通过无线通信技术从相关联的云端或电子设备获取,还可以是通过串口通信接口从相关联的设备中获取;预设时间长度的大小可以是通过第三方实验数据获得,还可以是用户自主设置。示例性的,预设时间长度预先存储在终端通过第三方实验数据获得大小为5s。
需要说明的是,交通参与体和目标车辆都配置有通信设备(如VBOX、TBOX或手机等),可以通过通信协议,如LTE-V或者其他类似的通信协议进行车车通信或者车路通信。
应当理解,目标车辆通过车联网技术,实现车车通信或车路通信,进而规划目标车辆的轨迹,使得目标车辆的轨迹的规划不再局限于传感器的感知范围,提高了规划出的轨迹的全面性和安全性。
步骤S120:根据所述行驶信息,获得所述交通参与体的预测轨迹点。
在一些实施方式中,交通参与体的行驶信息包括交通参与体的位置信息(如经纬度),速度信息,航向信息等。根据行驶信息,获得交通参与体的预测轨迹点可以是,根据交通参与体对应的行驶信息,结合基于交通参与体动力学模型和卡尔曼滤波获得交通参与体预设时长内的预测轨迹点。
其中,预设时长可以预先存储在终端,也可以通过无线通信技术从相关联的云端或电子设备获取,还可以是通过串口通信接口从相关联的设备中获取;预设时长的大小可以是通过第三方实验数据获得,还可以是用户自主设置。示例性的,预设时长预先存储在终端通过第三方实验数据获得大小为5s。需要说明的是,预设时长与上述预设时间长度可以相同也可以不同。
其中,根据交通参与体对应的行驶信息,结合基于交通参与体动力学模型和卡尔曼滤波获得交通参与体预设时长内的预测轨迹点可以是,在以交通参与体当前时刻位置作为原点,交通参与体的横向运动方向为横轴,纵向运动方向为纵轴,建立的坐标系中,对交通参与体的行驶信息进行分解,数学模型为:
其中,Zt=[Xt Yt Vx Vy ax ay]T表示交通参与体的运动状态变量,(Xt,Yt)表示交通参与体在t时刻的位置坐标,Vx表示交通参与体横向方向的矢量速度,Vy表示交通参与体纵向方向的矢量速度,(ax,ay)表示交通参与体横向和纵向方向的加速度。At为状态转移矩阵,Bt为控制矩阵,wt为过程噪声,St为观测值,vt为观测噪声。
其中,
预测交通参与体轨迹点的过程有噪声的影响,引入协方差矩阵来表示本次预测的不确定性,预测协方差矩阵Pt|t-1可以表示为:
t时刻交通参与体状态的观测值为St=HtZt+vt,观测的不确定性用协方差矩阵由R表示,结合预测值和观测值更新交通参与体状态的当前最优估计:
Zt|t=Zt|t-1+Kt(St-HtZt|t-1),
Kt为卡尔曼增益矩阵,表达式为:
同时,需要更新t时刻Zt|t的误差协方差矩阵Pt|t:
Pt|t=(1-KtHt)Pt|t-1,
由Zt|t状态估算交通参与体在t时刻的位置(预测轨迹点)。
应当理解的是,交通参与体可以有一个,也可以有多个,行驶信息包括各交通参与体对应的移动状态的信息;利用行驶信息获得交通参与体的预测轨迹点,即利用各交通参与体对应的行驶信息,获得各交通参与体对应的预测轨迹点。
步骤S130:根据所述当前定位位置、目标终点和预测轨迹点,获得所述目标车辆的多个规划轨迹,每个所述规划轨迹中包括多个轨迹点。
在本申请实施例中,根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹可以是,获取目标车辆在当前定位位置感知到的目标位置信息;根据当前定位位置,获得目标车辆的轨迹起始点;根据轨迹起始点和目标终点,获得目标车辆的全局路径信息;根据预测轨迹点、轨迹起始点、全局路径信息以及目标位置信息,获得目标车辆的多个规划轨迹。
在一些实施方式中,目标车辆包括感知模块,具体地,感知模块可以包括摄像头、毫米波雷达、激光雷达等,终端获取目标车辆在当前定位位置感知到的目标位置信息可以是,终端获取目标车辆的感知模块接收到的信息(即目标位置信息)。其中,目标位置信息可以包括目标车辆在当前定位位置下感知模块可以检测到的信息,如障碍物边界位置信息、障碍物速度信息、车道线信息、目标车辆可行驶区域信息等。
其中,根据当前定位位置,获得目标车辆的轨迹起始点可以是根据获得当前定位位置的当前时刻,查找上一时刻规划的目标车辆的期望位置;若当前定位位置与期望位置之间的偏差小于或等于预设偏差,选取期望位置作为目标车辆的轨迹起始点;若当前定位位置与期望位置之间的偏差大于预设偏差,选取当前定位位置作为目标车辆的轨迹起始点。
其中,预设偏差可以包括横向位置预设偏差、纵向位置偏差以及航向角偏差等;预设偏差可以预先存储在终端,也可以通过无线通信技术从相关联的云端或电子设备获取,还可以是通过串口通信接口从相关联的设备中获取;预设偏差的具体数值可以是通过第三方实验数据获得,还可以是用户自主设置。示例性的,预设偏差包括横向位置预设偏差、纵向位置预设偏差以及航向角预设偏差,预设偏差预先存储在终端通过第三方实验数据获得,预设偏差具体的数值可以为横向位置预设偏差为5m、纵向位置预设偏差为5m以及航向角预设偏差为30度。
可选地,当前定位位置与期望位置之间的偏差小于或等于预设偏差可以是,当前定位位置的横向位置与期望位置的横向位置之间的偏差小于或等于横向位置预设偏差,或者当前定位位置的纵向位置与期望位置的纵向位置之间的偏差小于或等于纵向位置预设偏差,或者当前定位位置的航向角与期望位置的航向角之间的偏差小于或等于航向角预设偏差;也可以是当前定位位置的横向位置与期望位置的横向位置之间的偏差小于或等于横向位置预设偏差、当前定位位置的纵向位置与期望位置的纵向位置之间的偏差小于或等于纵向位置预设偏差以及当前定位位置的航向角与期望位置的航向角之间的偏差小于或等于航向角预设偏差。
示例性的,请参阅图3,目标车辆的当前定位位置为位置信息为(xveh,yveh),航向信息为θveh;根据获得当前定位位置的当前时刻,查找上一帧规划的目标车辆的轨迹中的期望位置,如图3所示。其中,预设偏差包括横向位置预设偏差、纵向位置预设偏差以及航向角预设偏差,预设偏差预先存储在终端通过第三方实验数据获得,预设偏差具体的数值可以为横向位置预设偏差为d1、纵向位置预设偏差为d2以及航向角预设偏差为θt。当前定位位置的横向位置与期望位置的横向位置之间的偏差为|Δx|,当前定位位置的纵向位置与期望位置的纵向位置之间的偏差为|Δy|,当前定位位置的航向角与期望位置的航向角之间的偏差为|Δθ|。当|Δx|≤d1,|Δy|≤d2,|Δθ|≤θt时,即当前定位位置与期望位置之间的偏差小于或等于预设偏差,则选取期望位置作为目标车辆的轨迹起始点;当当前定位位置与期望位置之间的横向位置偏差、纵向位置偏差以及航向角偏差之中的任何一个偏差大于对应的预设偏差,即|Δx|>d1,或者|Δy|>d2,或者|Δθ|>θt,即当前定位位置与期望位置之间的偏差大于预设偏差,则选取当前定位位置作为目标车辆的轨迹起始点。
在一些实施方式中,目标车辆可以包括导航定位模块,其中,导航定位模块可以包括地图模块,目标车辆的地图模块在获得目标车辆的轨迹起始点以及目标车辆的目标终点后,生成包括从轨迹起始点到目标终点的一系列路。如,轨迹起始点到目标终点有m个路点,第i(i=1,2,…,m)个路点的信息包括但不限于(xio,yio,θio),xio为第i个路点在笛卡尔坐标系下的横坐标,yio为第i个在笛卡尔坐标系下的纵坐标,θio为第i个路点在笛卡尔坐标系下的航向。
应当理解,本申请实施例中,获取距离目标车辆预设范围内的交通参与体的行驶信息迹点以及获取目标位置信息可以包括目标车辆周围障碍物的信息。通过获取行驶信息,获得交通参与体预设时长内的预测轨迹点,结合目标车辆的目标位置信息规划出目标车辆可以避开其他交通参与体以及障碍物的轨迹,同时结合目标位置信息规划出按照车道线行驶的规划轨迹。根据目标车辆的当前定位位置获得规划目标车辆轨迹的轨迹起始点,结合目标车辆的轨迹起始点以及目标终点获得全局路径信息(即轨迹起始点到目标终点的导航路径),进而规划出目标车辆行驶到目的地的规划路径。
在一些实施方式中,目标车辆可以包括轨迹规划模块,其中,轨迹规划模块可以由软件代码组成,可以运行在工控机过其他SOC(***级芯片)中。
作为一种实施方式,根据预测轨迹点、轨迹起始点、全局路径信息以及目标位置信息,获得目标车辆的多个规划轨迹可以是,终端的轨迹规划模块根据预测轨迹点、轨迹起始点以及目标位置信息,获得目标车辆在预设时间段内与全局路径信息中各路点之间的距离在预设距离内的多个规划轨迹点,其中,规划轨迹点与预测轨迹点和目标位置信息不重合(即规划轨迹避开了其他交通参与体的预测轨迹点);根据预设时间采样率和多个不同的车速,对多个规划轨迹点进行采样,获得每个车速分别对应的多个目标规划轨迹点;根据每个车速分别对应的多个目标规划轨迹点,获得每个车速分别对应的规划轨迹。
应当理解,路点与轨迹点不同,路点是目标车辆从轨迹起始点到目标终点的指引点,路点连接了目标终点;轨迹点是用于拟合目标车辆的规划轨迹的点,路点与轨迹点的位置可以相同也可以不同。
其中,预设时间段可以预先存储在终端,也可以通过无线通信技术从相关联的云端或电子设备获取,还可以是通过串口通信接口从相关联的设备中获取;预设时间段的大小可以是通过第三方实验数据获得,还可以是用户自主设置。示例性的,预设时间段预先存储在终端通过第三方实验数据获得,预设时间段具体的数值可以为10s、15s等。
同样的,预设距离可以预先存储在终端,也可以通过无线通信技术从相关联的云端或电子设备获取,还可以是通过串口通信接口从相关联的设备中获取;预设距离的大小可以是通过第三方实验数据获得,还可以是用户自主设置。示例性的,预设时间段预先存储在终端通过第三方实验数据获得,预设距离具体的数值可以为0.5m、0.8m的等。
同样的,预设时间采样率,可以预先存储在终端,也可以通过无线通信技术从相关联的云端或电子设备获取,还可以是通过串口通信接口从相关联的设备中获取;预设距离的大小可以是通过第三方实验数据得,还可以是用户自主设置。示例性的,预设时间采样率预先存储在终端通过第三方实验数据获得,预设时间采样率具体的数值可以为1s、0.5s等。
应当理解,规划的目标车辆的规划轨迹与全局路径的各路点并不是完全重合,规划轨迹会根据目标车辆的实时定位位置,目标位置信息,其他交通参与体的行驶信息,进行实时的避开障碍物的轨迹规划。因此,本申请通过根据预测轨迹点、轨迹起始点以及目标位置信息,获得目标车辆在预设时间段内与全局路径信息中各路点之间的距离在预设距离内的多个规划轨迹点;根据预设时间采样率和多个不同的车速,对多个规划轨迹点进行采样,获得每个车速分别对应的多个目标规划轨迹点;根据每个车速分别对应的多个目标规划轨迹点,获得每个车速分别对应的规划轨迹。以规划出避开障碍物的规划轨迹,提高目标车辆基于规划轨迹驾驶的安全性,同时获得交通参与体预设时长的预测轨迹,避免目标车辆由于不能及时对其他交通参与体的变道作出反应,提高了目标车辆驾驶的安全性和舒适性,提高用户的体验感。
示例性的,请参阅图4,在目标车辆行驶的过程中,由于障碍物车辆1的阻挡,目标车辆的传感器无法检测障碍物车辆2的状态,当目标车辆驾驶车辆准备变道时,障碍物车辆2也准备变道时,这时由于目标车辆不能感知障碍物车辆2的运动状态,会导致自动驾驶的目标车辆基于规划轨迹行驶的安全性和舒适性降低。本申请通过车车通信或者车路通信的,获取距离目标车辆预设范围内的交通参与体的行驶信息(包括障碍物车辆2的行驶信息),获得交通参与体的预测轨迹点;根据目标车辆的当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点,其中,规划轨迹点与障碍物车辆2不重合,从而提高了目标车辆基于规划轨迹驾驶的安全性和舒适性。
终端的轨迹规划模块根据预测轨迹点、轨迹起始点以及目标位置信息,获得目标车辆在预设时间段内与全局路径信息中各路点之间的距离在预设距离内的多个规划轨迹点,其中,规划轨迹点与预测轨迹点和目标位置信息不重合。示例性的,请参阅图5,预设时间段为10s,预设距离为0.5m。在目标车辆前进方向的10米,20米,30米一直到60米进行采样。其中,采样的距离可以根据目标车辆的车速计算,如,当前目标车辆的车速是10m/s,未来6秒,目标车辆估计会往前行驶60米,所以可以根据全局路径信息,获得全局路径信息中轨迹起始点以及目标车辆基于全局路径信息从轨迹起始点往目标终点行驶行进60米中的一系列路点,如图5所示;根据该60米内的一系列路点,获得在目标车辆前进方向上各路点左右两侧各0.5m且与交通参与体的预测轨迹点以及目标位置信息不重合的规划轨迹点。
示例性的,请参阅图6,预设时间采样率为1s,目标车辆的车速可以是,20m/s、30m/s、40m/s、50m/s或者60m/s等,根据预设时间采样率和多个不同的车速,对多个规划轨迹点进行采样,获得每个车速分别对应的多个目标规划轨迹点;根据每个车速分别对应的多个目标规划轨迹点,获得每个车速分别对应的规划轨迹。如图6所示,目标车辆车速10m/s,1s目标车辆可以达到距离当前定位位置10m的地方;目标车辆车速20m/s,1s目标车辆可以达到距离当前定位位置20m的地方;目标车辆车速30m/s,1s目标车辆可以达到距离当前定位位置30m的地方;目标车辆车速40m/s,1s目标车辆可以达到距离当前定位位置40m的地方;目标车辆车速50m/s,1s目标车辆可以达到距离当前定位位置50m的地方;目标车辆车速60m/s,1s目标车辆可以达到距离当前定位位置60m的地方。
需要说明的是,规划轨迹点为对目标车辆预设时间段内可以到达的位置的采样,目标轨迹点为对目标车辆预设时间段内可以到达上述采样位置的时间的采样。
在一些实施方式中,根据每个车速分别对应的多个目标规划轨迹点,获得每个车速分别对应的规划轨迹可以是,对各车速对应的多个目标规划轨迹点的位置坐标进行多项式拟合,获得各车速对应的规划轨迹。
作为一种实施方式,建立坐标系,具体地,该坐标系跟随目标车辆的位置变化,每隔预设时间阈值(如10s)更新一次,选取的坐标原点为目标车辆后方预设距离阈值(如40m)的位置,目标车辆的前进方向为X轴(横轴),目标车辆前进方向的左边为Y轴(纵轴)。根据每个车速分别对应的多个目标规划轨迹点在该坐标系中的位置坐标进行多项式拟合,获得各车速对应的规划轨迹,也即,求出纵坐标y和横坐标x的关系即y=f(x)=a0+a1x+a2x2+a3x3+a4x4+a5x5,求得系数a0,a1,a2,a3,a4,a5的值,以及横坐标x和时间t的关系即x=g(t)=b0+b1t+b2t2+b3t3+b4t4+b5t5,求得系数b0,b1,b2,b3,b4,b5的值,根据轨迹起始点和预设时间段的目标规划轨迹点的末状态进行多项式拟合。应当理解,多项式拟合不限于5次多项式,具体地,在此不作限定。
步骤S140:根据每个所述规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价。
在一些实施方式中,各轨迹点信息包括每个规划轨迹中包括的各轨迹点的横向偏移、横向速度、横向加速度、横向加速度的导数、纵向偏移、纵向速度、纵向加速度以及纵向加速度的导数。
可选地,根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价可以是,根据每个规划轨迹中包括的各轨迹点的横向偏移、横向速度、横向加速度以及横向加速度的导数,获得每个规划轨迹的横向代价;根据每个规划轨迹中包括的各轨迹点的纵向偏移、纵向速度、纵向加速度以及纵向加速度的导数,获得每个规划轨迹的纵向代价;将每个规划轨迹的横向代价与纵向代价的和作为每个规划轨迹的运动学代价。
作为一种实施方式,运动学代价计算可以包括目标车辆的横向偏移l,横向速度大小l′、横向加速度l″和横向加加速度大小l″′(加速度的导数),纵向加速度s″和纵向加加速度s″′(纵向加速度s″的导数)大小,向心加速度大小s′2·κ(s),(s′为纵向速度,κ(s)为曲率)等。
每个规划轨迹的横向代价可以利用横向代价计算公式计算,其中,横向代价计算公式为:wl·∫l2ds+wl′∫l′ 2ds+wl″∫l″2ds+wl″′∫l″′2ds,其中,目标车辆的横向偏移l,横向速度大小l′、横向加速度l″和横向加加速度大小l″′(加速度的导数),wl为第一横向权重系数,wl′为第二横向权重系数,wl″为第三横向权重系数,wl″′为第四横向权重系数。
在一些实施方式中,第一横向权重系数、第二横向权重系数、第三横向权重系数以及第四横向权重系数可以是,用户自主设置的,也可以是通过第三方实验数据获得。如,第一横向权重系数、第二横向权重系数、第三横向权重系数以及第四横向权重系数通过第三方实验数据获得大小分别为1/4,1/4,1/4,1/4。
作为一种实施方式,通过第三方实验数据获得第一横向权重系数、第二横向权重系数、第三横向权重系数以及第四横向权重系数可以是,选择保守型,普通型,运动型三种类型的驾驶员,在车辆处于不同的工况下(如,直道,弯道,不同车速等条件下)分别采集并记录车辆行驶的数据(如,横向偏移、横向速度、横向加速度、横向加加速度等);不断标定第一横向权重系数、第二横向权重系数、第三横向权重系数以及第四横向权重系数的大小,获得使保守型,普通型,运动型三种类型的驾驶员在驾驶车辆处于不同的工况下时,车辆颠簸度的差值在预设差值阈值内的目标第一横向权重系数、目标第二横向权重系数、目标第三横向权重系数以及目标第四横向权重系数作为本申请实施例中计算横向代价的第一横向权重系数、第二横向权重系数、第三横向权重系数以及第四横向权重系数。
作为另一种实施方式,选择保守型,普通型,运动型三种类型的驾驶员,在车辆处于不同的工况下(如,直道,弯道,不同车速等条件下)分别采集并记录车辆行驶的数据(如,横向偏移、横向速度、横向加速度、横向加加速度等);利用深度学习模型(如卷积神经网络、循环神经网络、深度信念网络、生成对抗网络等)获得目标第一横向权重系数、目标第二横向权重系数、目标第三横向权重系数以及目标第四横向权重系数的大小作为本申请实施例中计算横向代价的第一横向权重系数、第二横向权重系数、第三横向权重系数以及第四横向权重系数。
应当理解,通过考虑驾驶员的驾驶习惯以及驾驶风格,获得第一横向权重系数、第二横向权重系数、第三横向权重系数以及第四横向权重系数,可以提高驾驶员驾驶目标车辆的体验感和舒适性。
每个规划轨迹的纵向代价可以利用纵向代价计算公式计算,其中,纵向代价计算公式为:ws·∫s2ds+ws′∫s′2·κ(s)ds+ws″∫s″2dt+ws″′∫s″′2dt,其中,目标车辆的纵向偏移s,纵向加速度s″和纵向加加速度s″′(纵向加速度s″的导数)大小,向心加速度大小s′2·κ(s),(s′为纵向速度,κ(s)为曲率),ws为第一纵向权重系数,ws′为第二纵向权重系数,ws″为第三纵向权重系数,ws″′为第四纵向权重系数。
在一些实施方式中,第一纵向权重系数、第二纵向权重系数、第三纵向权重系数以及第四纵向权重系数可以是,用户自助设置的,也可以是通过第三方实验数据获得。如,第一纵向权重系数、第二纵向权重系数、第三纵向权重系数以及第四纵向权重系数通过第三方实验数据获得大小分别为1/4,1/4,1/4,1/4。
作为一种实施方式,通过第三方实验数据获得第一纵向权重系数、第二纵向权重系数、第三纵向权重系数以及第四纵向权重系数可以是,选择保守型,普通型,运动型三种类型的驾驶员,驾驶车辆处于不同的工况下(如,直道,弯道,不同车速等条件下)分别采集并记录车辆行驶的数据(如,纵向偏移、纵向速度、纵向加速度、纵向加加速度等);不断标定第一纵向权重系数、第二纵向权重系数、第三纵向权重系数以及第四纵向权重系数的大小,获得使保守型、普通型、运动型三种类型的驾驶员,驾驶车辆处于不同的工况下时,车辆颠簸度的差值在预设差值阈值内的目标第一纵向权重系数、目标第二纵向权重系数、目标第三纵向权重系数以及目标第四纵向权重系数的大小作为本申请实施例中计算横向代价的第一纵向权重系数、第二纵向权重系数、第三纵向权重系数以及第四纵向权重系数。
作为另一种实施方式,选择保守型,普通型,运动型三种类型的驾驶员,在车辆处于不同的工况下(如,直道,弯道,不同车速等条件下)分别采集并记录车辆行驶的数据(如,纵向速度、纵向加速度、纵向加加速度、向心加速度等);利用深度学习模型(如卷积神经网络、循环神经网络等)获得目标第一纵向权重系数、目标第二纵向权重系数、目标第三纵向权重系数以及目标第四纵向权重系数的大小作为本申请实施例中计算纵向代价的第一纵向权重系数、第二纵向权重系数、第三纵向权重系数以及第四纵向权重系数。
应当理解,通过考虑驾驶员的驾驶习惯以及驾驶风格,获得第一纵向权重系数、第二纵向权重系数、第三纵向权重系数以及第四纵向权重系数,可以提高驾驶员驾驶目标车辆的体验感。
需要说明的是,除了计算目标车辆的横向代价以及纵向代价的和作为目标车辆的运动学代价,还可以考虑其他指标(如目标车辆离周围障碍物的距离)代价,综合考虑指标代价的和或者使用至少一个指标的代价作为目标车辆的运动学代价。
步骤S150:基于各所述规划轨迹的运动学代价从多个所述规划轨迹中确定一目标轨迹。
请参阅图7,本申请一实施例提供的一种轨迹规划方法中,步骤S150可以包括步骤S152至步骤S156。
步骤S152:从多个规划轨迹中选取运动学代价最小的规划轨迹作为第一规划轨迹。
作为一种实施方式,从多个规划轨迹中选取运动学代价最小的规划轨迹作为第一规划轨迹可以是,根据多个规划轨迹中各轨迹的运动学代价,对多个规划轨迹按照运动学代价从小到大的顺序排序;从该排序结果中选取运动学代价最小的规划轨迹作为第一规划轨迹。
作为另一种实施方式,利用神经网络算法或软件代码程序,从多个规划轨迹中选取运动学代价最小的规划轨迹作为第一规划轨迹。
步骤S154:根据该第一规划轨迹中各轨迹点信息生成该第一规划轨迹的行驶条件。
在一些实施方式中,根据该第一规划轨迹中各轨迹点信息生成该第一规划轨迹的行驶条件可以是,根据该第一规划轨迹中各轨迹点的横向速度、横向加速度、横向加加速度(横向加速度的导数)、纵向速度、纵向加速度、纵向加加速度(纵向加速度的导数)、向心加速度以及轨迹点距离周围障碍物的距离等,生成行驶条件。
步骤S156:检测该第一规划轨迹的行驶条件是否满足预设约束条件,若满足,则确定该第一规划轨迹为目标轨迹,若不满足则从多个所述规划轨迹中删除第一规划轨迹,并返回执行从多个规划轨迹中选取运动学代价最小的规划轨迹作为第一规划轨迹的步骤,直至获取到目标轨迹。
其中,预设约束条件可以预先存储在终端,也可以通过无线通信技术从相关联的云端或电子设备获取,还可以是通过串口通信接口从相关联的设备中获取;预设约束条件具体内容可以根据目标车辆的运动学约束、动力学约束以及交通规则确定。示例性的,预设约束条件预先存储在终端,具体内容为目标车辆的横向速度不超过120km/h,纵向速度不超过120km/h,向心加速度不超过2m/s2,与周围障碍物的距离最小为10cm等。
应当理解,预设约束条件通过考虑目标车辆的运动学约束以及动力学约束,同时还可以考虑交通规则等而设置,使得满足预设约束条件的规划轨迹更安全,更舒适,保证了驾驶员的行车安全。
作为一种实施方式,根据多个规划轨迹中各轨迹的运动学代价,对多个规划轨迹按照运动学代价从小到大的顺序排序;从该排序结果中选取运动学代价最小的规划轨迹作为第一规划轨迹,若该第一规划轨迹中轨迹点都满足预设约束条件,则确定该第一规划轨迹为目标轨迹;若该第一规划轨迹中存在不满足预设约束条件的轨迹点,则将该第一规划轨迹从轨迹排序顺序中删除第一规划轨迹,并返回执行从多个规划轨迹中选取运动学代价为最小的规划轨迹作为第一规划轨迹的步骤,直至获取到目标轨迹。
作为另一种实施方式,检测该第一规划轨迹的行驶条件是否满足预设约束条件,可以是终端通过比较器比较该第一规划轨迹各轨迹点的行驶条件和对应的预设约束条件,判断该第一规划轨迹的行驶条件是否满足预设约束条件。若该第一规划轨迹中轨迹点都满足预设约束条件,则确定该第一规划轨迹为目标轨迹;若该第一规划轨迹中存在不满足预设约束条件的轨迹点,则将该第一规划轨迹从多个规划轨迹中删除第一规划轨迹,并返回执行从多个规划轨迹中选取运动学代价为最小的规划轨迹作为第一规划轨迹的步骤,直至获取到目标轨迹。
应当理解,将不满足预设约束条件的规划轨迹删除,节约了终端的存储空间,同时从运动学代价最小的规划轨迹进行预设约束条件的检测,减少了资源的消耗,减少了终端算力的消耗。
本申请实施例提供的技术方案,通过获取目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息;根据行驶信息,获得交通参与体的预测轨迹点;根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点;根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价;基于各规划轨迹的运动学代价从多个所述规划轨迹中确定一目标轨迹。因此,采用本申请的上述方法,通过车联网技术,采用车车通信或者车路通信的方法,充分考虑交通参与体的行驶轨迹进行目标车辆轨迹的规划,并从多个规划轨迹中选出满足预设条件且运动学代价最小的轨迹作为目标轨迹,提高了车辆基于目标轨迹行驶的安全性和舒适性,从而提高了用户的乘车体验感。
请参阅图8,其示出了本申请一实施例提供的一种轨迹规划装置,所述装置200包括:交通参与体信息获取单元210、交通参与体轨迹点预测单元220、规划轨迹获取单元230、轨迹代价获取单元240以及目标轨迹获取单元250。具体地,交通参与体信息获取单元210,用于获取目标车辆的当前定位位置、目标终点以及距离目标车辆预设范围内的交通参与体的行驶信息;交通参与体轨迹点预测单元220,用于根据行驶信息,获得交通参与体的预测轨迹点;规划轨迹获取单元230,用于根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点;轨迹代价获取单元240,用于根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价;目标轨迹获取单元250,用于基于各规划轨迹的运动学代价从多个规划轨迹中确定一目标轨迹。
在其中一个实施例中,规划轨迹获取单元230还用于获取目标车辆在当前定位位置感知到的目标位置信息;根据当前定位位置,获得目标车辆的轨迹起始点;根据轨迹起始点和目标终点,获得目标车辆的全局路径信息;根据预测轨迹点、轨迹起始点、全局路径信息以及目标位置信息,获得目标车辆的多个规划轨迹。
在其中一个实施例中,规划轨迹获取单元230还用于根据获得当前定位位置的当前时刻,查找上一时刻规划的目标车辆的期望位置;若当前定位位置与期望位置之间的偏差小于或等于预设偏差,选取期望位置作为所述目标车辆的轨迹起始点;若当前定位位置与期望位置之间的偏差大于预设偏差,选取当前定位位置作为目标车辆的轨迹起始点。
在其中一个实施例中,规划轨迹获取单元230还用于根据预测轨迹点、轨迹起始点以及目标位置信息,获得目标车辆在预设时间段内与全局路径信息中各路点之间的距离在预设距离内的多个规划轨迹点,其中,规划轨迹点与预测轨迹点和目标位置信息不重合;根据预设时间采样率和多个不同的车速,对多个规划轨迹点进行采样,获得每个车速分别对应的多个目标规划轨迹点;根据每个车速分别对应的多个目标规划轨迹点,获得每个车速分别对应的规划轨迹。
在其中一个实施例中,规划轨迹获取单元230还用于对各车速对应的多个目标规划轨迹点的位置坐标进行多项式拟合,获得各车速对应的规划轨迹。
在其中一个实施例中,轨迹代价获取单元240还用于根据每个规划轨迹中包括的各轨迹点的横向偏移、横向速度、横向加速度以及横向加速度的导数,获得每个规划轨迹的横向代价;根据每个规划轨迹中包括的各轨迹点的纵向偏移、纵向速度、纵向加速度以及纵向加速度的导数,获得每个规划轨迹的纵向代价;将每个规划轨迹的横向代价与纵向代价的和作为每个规划轨迹的运动学代价。
在其中一个实施例中,目标轨迹获取单元250还用于从多个规划轨迹中选取运动学代价为最小的规划轨迹作为第一规划轨迹;根据该第一规划轨迹中各轨迹点信息生成第一规划轨迹的行驶条件;检测该第一规划轨迹的行驶条件是否满足预设约束条件,若满足,则确定该第一规划轨迹为目标轨迹,若不满足则从多个规划轨迹中删除该第一规划轨迹,并返回执行从多个规划轨迹中选取运动学代价为最小的规划轨迹作为第一规划轨迹的步骤,直至获取到目标轨迹。
需要说明的是,本说明书的各个实施例均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的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。对于方法实施例中的所描述的任意的处理方式,在装置实施例中均可以通过相应的处理模块实现,装置实施例中不再一一赘述。
请参阅图9,基于上述的一种轨迹规划方法,本申请还提供的另一种包括可以执行前述一种轨迹规划方法的电子设备300,电子设备300还包括一个或多个处理器310、存储器320以及一个或多个应用程序。其中,存储器320中存储有可以执行前述实施例中内容的程序,接收机330用于接收前述实施例中内容的头帧信号以及控制信号,而处理器310可以执行该存储器320中存储的程序。其中,电子设备300可以是智能控制面板、智能穿戴设备、车辆、智能机器人、平板电脑、个人计算机等。
其中,处理器310可以包括一个或者多个用于处理数据的核以及消息矩阵单元。处理器310利用各种接口和线路连接整个电子设备内的各个部分,通过运行或执行存储在存储器320内的指令、程序、代码集或指令集,以及调用存储在存储器320内的数据,执行电子设备300的各种功能和处理数据。可选地,处理器310可以采用数字信号处理(DigitalSignal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器310可集成中央处理器(Central Processing Unit,CPU)、图像处理器(GraphicsProcessing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作***、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器中,单独通过一块通信芯片进行实现。
存储器320可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器320可用于存储指令、程序、代码、代码集或指令集。存储器320可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于实现至少一个功能的指令(比如获取目标车辆的当前定位位置等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端在使用中所创建的数据(比如预测轨迹点、规划轨迹、目标轨迹)等。
在一些实施方式中,电子设备300为车辆,该车辆300A可以包括车载通信模块302、地图模块303、定位模块304、感知模块305、总线模块306、轨迹规划模块307以及控制模块308。其中,车辆通信模块302可以包括TBOX(车辆网***)、VBOX(非接触汽车测试仪)等,可以通过通信协议在车辆与车辆(V2V)、车辆与基础设施(V2I)、车辆与行人(V2P)之间组网,构建数据共享交互桥梁,助力实现智能化的动态信息服务、车辆安全驾驶、交通管控等,用于车车通信或车路通信,获得距离车辆300A预设范围内的交通参与体的行驶信息(如,交通参与***于当前经纬度信息下的时间信息、移动速度信息,航向信息等)。
地图模块303可以包括到高精地图生成模块等,用于根据轨迹起始点以及目标终点,获得全局路径信息。定位模块304可以包括GPS(全球定位***)、IMU(惯性传感器)等,也可以包括摄像头或激光雷达等,用于获得车辆300A的当前定位位置。感知模块305可以包括摄像头、激光雷达等,用于获取车辆300A当前定位位置下可以感知的目标位置信息(如,障碍物边界位置信息、障碍物速度信息、车道线信息、目标车辆可行驶区域信息等)。总线模块306可以包括IMU(惯性传感器)、CAN线等,用于将车辆300A中的仪表、变速箱、辅助刹车***、ecu(电子控制器单元)、控制模块、各种传感器多个控制单元连接在一起,实现信息的实时同步。
轨迹规划模块307可以包括一系列的软件程序代码,可以运行于工控机或其他SOC(***级芯片)中,用于根据当前定位位置、目标终点和预测轨迹点,获得目标车辆的多个规划轨迹,每个规划轨迹中包括多个轨迹点;根据每个规划轨迹中包括的各轨迹点信息得到每个规划轨迹的运动学代价;基于各规划轨迹的运动学代价从多个所述规划轨迹中确定一目标轨迹。
控制模块308可以包括EPS(Electric Power Steering,电动助力转向)、TCU(Transmission Control Unit,自动变速箱控制单元)、ECM(Engine Control Module,引擎控制模块)、ESP(Electronic Stability Program,车身电子稳定***)等,可以用于控制车辆300A沿目标轨迹行驶。
请参阅图11,其示出了本申请实施例提供的一种计算机可读存储介质400的结构框图。该计算机可读存储介质400中存储有程序代码410,所述程序代码410可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质400可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质400包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质400具有执行上述方法中的任何方法步骤的程序代码410的存储空间。这些程序代码410可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码可以例如以适当形式进行压缩。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种轨迹规划方法,其特征在于,所述方法包括:
获取目标车辆的当前定位位置、目标终点以及距离所述目标车辆预设范围内的交通参与体的行驶信息;
根据所述行驶信息,获得所述交通参与体的预测轨迹点;
根据所述当前定位位置、所述目标终点和所述预测轨迹点,获得所述目标车辆的多个规划轨迹,每个所述规划轨迹中包括多个轨迹点;
根据每个所述规划轨迹中包括的各轨迹点信息得到每个所述规划轨迹的运动学代价;
基于各所述规划轨迹的运动学代价从多个所述规划轨迹中确定一目标轨迹。
2.根据权利要求1所述的方法,其特征在于,所述根据所述当前定位位位置、所述目标终点和所述预测轨迹点,获得所述目标车辆的多个规划轨迹,包括:
获取所述目标车辆在所述当前定位位置感知到的目标位置信息;
根据所述当前定位位置,获得所述目标车辆的轨迹起始点;
根据所述轨迹起始点和所述目标终点,获得所述目标车辆的全局路径信息;
根据所述预测轨迹点、所述轨迹起始点、所述全局路径信息以及所述目标位置信息,获得所述目标车辆的多个规划轨迹。
3.根据权利要求2所述的方法,其特征在于,所述根据所述当前定位位置,获得所述目标车辆的轨迹起始点,包括:
根据获得所述当前定位位置的当前时刻,查找上一时刻规划的所述目标车辆的期望位置;
若所述当前定位位置与所述期望位置之间的偏差小于或等于预设偏差,选取所述期望位置作为所述目标车辆的轨迹起始点;
若所述当前定位位置与所述期望位置之间的偏差大于所述预设偏差,选取所述当前定位位置作为所述目标车辆的轨迹起始点。
4.根据权利要求2所述的方法,其特征在于,所述根据所述预测轨迹点、所述轨迹起始点、所述全局路径信息以及所述目标位置信息,获得所述目标车辆的多个规划轨迹,包括:
根据所述预测轨迹点、所述轨迹起始点以及所述目标位置信息,获得所述目标车辆在预设时间段内与所述全局路径信息中各所述路点之间的距离在预设距离内的多个规划轨迹点,其中,所述规划轨迹点与所述预测轨迹点和所述目标位置信息不重合;
根据预设时间采样率和多个不同的车速,对多个所述规划轨迹点进行采样,获得每个所述车速分别对应的多个目标规划轨迹点;
根据每个所述车速分别对应的多个所述目标规划轨迹点,获得每个所述车速分别对应的规划轨迹。
5.根据权利要求4所述的方法,其特征在于,所述根据每个所述车速分别对应的多个所述目标规划轨迹点,获得每个所述车速分别对应的规划轨迹,包括:
对各所述车速分别对应的多个所述目标规划轨迹点的位置坐标进行多项式拟合,获得各所述车速分别对应的规划轨迹。
6.根据权利要求1所述的方法,其特征在于,所述根据每个所述规划轨迹中包括的各轨迹点信息得到每个所述规划轨迹的运动学代价,包括:
根据每个所述规划轨迹中包括的各轨迹点的横向偏移、横向速度、横向加速度以及横向加速度的导数,获得每个所述规划轨迹的横向代价;
根据每个所述规划轨迹中包括的各轨迹点的纵向偏移、纵向速度、纵向加速度以及纵向加速度的导数,获得每个所述规划轨迹的纵向代价;
将每个所述规划轨迹的横向代价与纵向代价的和作为每个所述规划轨迹的运动学代价。
7.根据权利要求1所述的方法,其特征在于,所述基于各所述规划轨迹的运动学代价从多个所述规划轨迹中确定一目标轨迹,包括:
从多个所述规划轨迹中选取运动学代价最小的规划轨迹作为第一规划轨迹;
根据该第一规划轨迹中各轨迹点信息生成该第一规划轨迹的行驶条件;
检测该第一规划轨迹的行驶条件是否满足预设约束条件,若满足,则确定该第一规划轨迹为目标轨迹,若不满足则从多个所述规划轨迹中删除该第一规划轨迹,并返回执行从多个规划轨迹中选取运动学代价最小的规划轨迹作为第一规划轨迹的步骤,直至获取到目标轨迹。
8.一种轨迹规划装置,其特征在于,所述装置包括:
交通参与体信息获取单元,用于获取目标车辆的当前定位位置、目标终点以及距离所述目标车辆预设范围内的交通参与体的行驶信息;
交通参与体轨迹点预测单元,用于根据所述行驶信息,获得所述交通参与体的预测轨迹点;
规划轨迹获取单元,用于根据所述当前定位位置、目标终点和预测轨迹点,获得所述目标车辆的多个规划轨迹,每个所述规划轨迹中包括多个轨迹点;
轨迹代价获取单元,用于根据每个所述规划轨迹中包括的各轨迹点信息得到每个所述规划轨迹的运动学代价;
目标轨迹获取单元,用于基于各所述规划轨迹的运动学代价从多个所述规划轨迹中确定一目标轨迹。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如权利要求1-7任一项所述的方法。
10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351879.9A CN115218902B (zh) | 2022-04-02 | 2022-04-02 | 一种轨迹规划方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351879.9A CN115218902B (zh) | 2022-04-02 | 2022-04-02 | 一种轨迹规划方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115218902A true CN115218902A (zh) | 2022-10-21 |
CN115218902B CN115218902B (zh) | 2024-02-02 |
Family
ID=83606521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210351879.9A Active CN115218902B (zh) | 2022-04-02 | 2022-04-02 | 一种轨迹规划方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115218902B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116494956A (zh) * | 2023-03-21 | 2023-07-28 | 广州汽车集团股份有限公司 | 泊车控制方法、装置、车辆及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712421A (zh) * | 2019-02-22 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
CN111123933A (zh) * | 2019-12-24 | 2020-05-08 | 华为技术有限公司 | 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车 |
US20200156631A1 (en) * | 2018-11-15 | 2020-05-21 | Automotive Research & Testing Center | Method for planning a trajectory for a self-driving vehicle |
CN111797780A (zh) * | 2020-07-08 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种跟车轨迹规划方法、装置、服务器及存储介质 |
CN111982143A (zh) * | 2020-08-11 | 2020-11-24 | 北京汽车研究总院有限公司 | 车辆及车辆路径规划方法、装置 |
CN112389427A (zh) * | 2021-01-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 车辆轨迹优化方法、装置、电子设备和存储介质 |
CN112526999A (zh) * | 2020-12-22 | 2021-03-19 | 北京百度网讯科技有限公司 | 速度规划方法、装置、电子设备和存储介质 |
CN112677995A (zh) * | 2021-01-07 | 2021-04-20 | 腾讯科技(深圳)有限公司 | 一种车辆轨迹规划方法、装置、存储介质及设备 |
CN112874509A (zh) * | 2021-03-03 | 2021-06-01 | 知行汽车科技(苏州)有限公司 | 基于智能驾驶员模型idm的轨迹规划方法、装置及存储介质 |
WO2021175313A1 (zh) * | 2020-03-05 | 2021-09-10 | 中国第一汽车股份有限公司 | 自动驾驶控制方法、装置、车辆及存储介质 |
CN113753077A (zh) * | 2021-08-17 | 2021-12-07 | 北京百度网讯科技有限公司 | 预测障碍物的运动轨迹的方法、装置及自动驾驶车辆 |
CN114194201A (zh) * | 2021-12-28 | 2022-03-18 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
CN114265411A (zh) * | 2021-12-28 | 2022-04-01 | 上汽大众汽车有限公司 | 一种解决车辆预测模型性能受限于感知数据性能的方法 |
-
2022
- 2022-04-02 CN CN202210351879.9A patent/CN115218902B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200156631A1 (en) * | 2018-11-15 | 2020-05-21 | Automotive Research & Testing Center | Method for planning a trajectory for a self-driving vehicle |
CN109712421A (zh) * | 2019-02-22 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆的速度规划方法、装置和存储介质 |
CN111123933A (zh) * | 2019-12-24 | 2020-05-08 | 华为技术有限公司 | 车辆轨迹规划的方法、装置、智能驾驶域控制器和智能车 |
WO2021175313A1 (zh) * | 2020-03-05 | 2021-09-10 | 中国第一汽车股份有限公司 | 自动驾驶控制方法、装置、车辆及存储介质 |
CN111797780A (zh) * | 2020-07-08 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种跟车轨迹规划方法、装置、服务器及存储介质 |
CN111982143A (zh) * | 2020-08-11 | 2020-11-24 | 北京汽车研究总院有限公司 | 车辆及车辆路径规划方法、装置 |
CN112526999A (zh) * | 2020-12-22 | 2021-03-19 | 北京百度网讯科技有限公司 | 速度规划方法、装置、电子设备和存储介质 |
CN112677995A (zh) * | 2021-01-07 | 2021-04-20 | 腾讯科技(深圳)有限公司 | 一种车辆轨迹规划方法、装置、存储介质及设备 |
CN112389427A (zh) * | 2021-01-19 | 2021-02-23 | 腾讯科技(深圳)有限公司 | 车辆轨迹优化方法、装置、电子设备和存储介质 |
CN112874509A (zh) * | 2021-03-03 | 2021-06-01 | 知行汽车科技(苏州)有限公司 | 基于智能驾驶员模型idm的轨迹规划方法、装置及存储介质 |
CN113753077A (zh) * | 2021-08-17 | 2021-12-07 | 北京百度网讯科技有限公司 | 预测障碍物的运动轨迹的方法、装置及自动驾驶车辆 |
CN114194201A (zh) * | 2021-12-28 | 2022-03-18 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
CN114265411A (zh) * | 2021-12-28 | 2022-04-01 | 上汽大众汽车有限公司 | 一种解决车辆预测模型性能受限于感知数据性能的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116494956A (zh) * | 2023-03-21 | 2023-07-28 | 广州汽车集团股份有限公司 | 泊车控制方法、装置、车辆及存储介质 |
CN116494956B (zh) * | 2023-03-21 | 2024-05-14 | 广州汽车集团股份有限公司 | 泊车控制方法、装置、车辆及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115218902B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109521764B (zh) | 车辆远程辅助模式 | |
JP6911214B1 (ja) | 軌道計画 | |
EP3524934B1 (en) | Systems and methods for determining a projection of an obstacle trajectory onto a reference line of an autonomous vehicle | |
US11238733B2 (en) | Group driving style learning framework for autonomous vehicles | |
US10606277B2 (en) | Speed optimization based on constrained smoothing spline for autonomous driving vehicles | |
US10591926B2 (en) | Smooth road reference for autonomous driving vehicles based on 2D constrained smoothing spline | |
US10571921B2 (en) | Path optimization based on constrained smoothing spline for autonomous driving vehicles | |
US10379533B2 (en) | System and method for autonomous vehicle fleet routing | |
US10579062B2 (en) | Scalable smooth reference path generator for autonomous driving vehicles | |
US10331139B2 (en) | Navigation device for autonomously driving vehicle | |
JP7048398B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN111688663A (zh) | 使用操纵临界用于交通工具路线规划和模式适应的自动驾驶***和控制逻辑 | |
CN112498349A (zh) | 用于紧急车道改变的操纵计划 | |
US11685398B2 (en) | Lane based routing system for autonomous driving vehicles | |
JP2020163903A (ja) | 表示制御装置、表示制御方法、及びプログラム | |
CN110606081B (zh) | 移动体辅助***和移动体辅助方法 | |
RU2721436C1 (ru) | Способ помощи вождению и устройство помощи вождению | |
CN115218902B (zh) | 一种轨迹规划方法、装置、设备及存储介质 | |
EP4137377A1 (en) | Vehicle motion control device and vehicle motion control method | |
US20210284195A1 (en) | Obstacle prediction system for autonomous driving vehicles | |
CN115257813B (zh) | 通过施工障碍物的智能驾驶控制方法及车辆 | |
WO2023129890A1 (en) | Integrated trajectory forecasting, error estimation, and vehicle handling when detecting an observed scenario | |
JP6971315B2 (ja) | 情報管理装置 | |
US20230415781A1 (en) | Systems and methods for controlling longitudinal acceleration based on lateral objects | |
US20230415736A1 (en) | Systems and methods for controlling longitudinal acceleration based on lateral objects |
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 |