CN115817464A - 车辆可行驶区域生成方法、装置、设备及介质 - Google Patents
车辆可行驶区域生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115817464A CN115817464A CN202111095293.2A CN202111095293A CN115817464A CN 115817464 A CN115817464 A CN 115817464A CN 202111095293 A CN202111095293 A CN 202111095293A CN 115817464 A CN115817464 A CN 115817464A
- Authority
- CN
- China
- Prior art keywords
- information
- obstacle
- lane
- vehicle
- determining
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种车辆可行驶区域生成方法、装置、设备及介质。其中,方法包括:获取环境感知信息,其中,所述环境感知信息包括车道信息、障碍物信息和本车信息中的至少两个,所述障碍物信息包括静态障碍物信息和/或动态障碍物信息;基于所述环境感知信息,确定每个车道的车道决策语义信息,其中,所述车道决策语义信息包括通过时间代价和安全性代价;基于所述车道决策语义信息,生成可行驶区域。本公开实施例基于车道决策语义信息,生成可行驶区域,能够快速生成通过性和安全性高的可行驶区域,加速行驶轨迹的生成,且适用动态环境中障碍物的处理。
Description
技术领域
本公开涉及无人驾驶技术领域,尤其涉及一种车辆可行驶区域生成方法、装置、设备及介质。
背景技术
随着车辆智能化技术的发展,无人车自动控制技术逐渐成为车辆研究领域的一个热点。自动驾驶***需要规划出平顺、安全以及车辆可通行的路径,保证车辆与障碍物不会发生碰撞。
对于基于优化的规划算法中,Julius Ziegler提出的一种迪卡尔空间中的最优化方法,可以将一个规划问题转换成一个最优化问题。然而,该方法极大地增加了规划模块的计算负担,无法解决快速避障问题,降低了轨迹的生成速度,而且,该方法不适用动态环境中障碍物的处理。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种车辆可行驶区域生成方法、装置、设备及介质。
本公开实施例提供了一种车辆可行驶区域生成方法,包括:
获取环境感知信息,其中,所述环境感知信息包括车道信息、障碍物信息和本车信息中的至少两个,所述障碍物信息包括静态障碍物信息和/或动态障碍物信息;
基于所述环境感知信息,确定每个车道的车道决策语义信息,其中,所述车道决策语义信息包括通过时间代价和安全性代价;
基于所述车道决策语义信息,生成可行驶区域。
本公开实施例提供了一种车辆可行驶区域生成装置,包括:
感知信息获取模块,用于获取环境感知信息,其中,所述环境感知信息包括车道信息、障碍物信息和本车信息中的至少两个,所述障碍物信息包括静态障碍物信息和/或动态障碍物信息;
车道决策语义信息确定模块,用于基于所述环境感知信息,确定每个车道的车道决策语义信息,其中,所述车道决策语义信息包括通过时间代价和安全性代价;
可行驶区域生成模块,用于基于所述车道决策语义信息,生成可行驶区域。
本公开实施例提供了一种电子设备,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行时,所述电子设备用于实现本公开任一实施例提供的车辆可行驶区域生成方法。
本公开实施例提供了一种计算机可读存储介质,其上存储有计算机可执行指令,当所述计算机可执行指令被计算装置执行时,可用来实现本公开任一实施例提供的车辆可行驶区域生成方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例提供的技术方案根据环境感知信息确定每个车道的车道决策语义信息,将车道决策语义信息转换成可行驶区域的约束边界,兼顾通过性和安全性,能够快速生成通过性和安全性高的可行驶区域,加速行驶轨迹的生成,实现对障碍物的快速避让;同时,通过时间代价和安全性代价均能够表征对动态障碍物的通行代价,且通过时间代价还能表征对静态障碍物的通行代价,因此,本公开技术方案基于通过时间代价和安全性代价生成可行驶区域,可以同时实现对动态障碍物和静态障碍物的通行规划,可适用动态环境中障碍物的处理。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种决策规划模块的功能模块框图;
图2为本公开实施例提供的车辆可行驶区域生成方法的流程示意图;
图3为本公开实施例提供的车道通过时间代价对应的场景图;
图4为本公开实施例提供的车道安全性判断的ST图;
图5为本公开实施例提供的可行驶区域边界离散化的示意图;
图6为本公开实施例提供的车道宽度通行代价对应的场景图;
图7为本公开实施例提供的一种基于预设交通规则更新可行驶区域的示意图;
图8为本公开实施例提供的一种车辆的运动学和动力学约束更新可行驶区域的示意图;
图9为本公开实施例提供的一种障碍物语义信息和预设安全区更新可行驶区域的示意图;
图10为本公开实施例提供的生成frenet包围盒的示意图;
图11为本公开实施例提供的一种静态障碍物信息、障碍物决策语义信息和光线追踪算法更新可行驶区域的示意图;
图12为本公开实施例提供的车辆可行驶区域生成装置的功能模块框图;
图13为本公开实施例提供的适于用来实现本公开实施方式的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
本公开实施例提供了一种车辆可行驶区域生成方法,该方法适用于无人驾驶汽车针对静态障碍物和/或动态障碍物生成可行驶区域的情况,该方法可由行驶空间生成器执行。在一些实施例中,图1示出了一种决策规划模块的功能模块框图。如图1所示,决策规划模块1可包括约束生成单元11、轨迹生成单元12和轨迹平滑单元13。其中,约束生成单元11包括基坐标系生成器111、引导线生成器112、障碍物决策器113和行驶空间生成器114。其中,基坐标系生成器111用于生成基坐标系,如弗雷纳(frenet)坐标系等;引导线生成器112用于生成引导线,以决策车辆未来的一个大致行驶轨迹;障碍物决策器113用于进行障碍物决策;行驶空间生成器114用于根据障碍物决策生成可行驶区域。在一些实施例中,轨迹生成单元12用于根据可行驶区域生成无人驾驶汽车的行驶轨迹;轨迹平滑单元13用于对行驶轨迹进行平滑处理。在一些实施例中,行驶空间生成器114具体用于:获取环境感知信息;基于环境感知信息,确定每个车道的车道决策语义信息,其中,车道决策语义信息包括通过时间代价和安全性代价;基于车道决策语义信息,生成可行驶区域。
基于上述技术方案,图2为本公开实施例提供的车辆可行驶区域生成方法的流程示意图。如图2所示,该方法包括如下步骤:
S110、获取环境感知信息。
其中,环境感知信息包括车道信息、障碍物信息和本车信息中的至少两个,障碍物信息包括静态障碍物信息和/或动态障碍物信息。在一些实施例中,车道信息可包括车道线信息和道路边界信息,可采用车载摄像头进行获取;障碍物信息可包括障碍物位置信息、障碍物尺寸信息和障碍物运动信息,其中,障碍物位置信息可采用高精地图和车载摄像头/激光雷达进行获取,障碍物尺寸信息可采用车载摄像头进行获取,障碍物运动信息可采用车载摄像头和/或激光雷达进行获取;本车信息可包括本车位置信息和本车运动信息,其中,本车位置信息可采用高精地图和本车定位模块(如GPS)进行获取,本车运动信息可采用本车运动传感器(如速度传感器和加速度传感器等)进行获取。
S120、基于环境感知信息,确定每个车道的车道决策语义信息。
其中,车道决策语义信息包括通过时间代价和安全性代价。通过时间代价用于表征车道的通行情况,例如,如果车辆能够快速通过一条车道,则该条车道的通行时间快;安全性代价用于表征车道的安全性。
在一些实施例中,可根据本车纵向速度和障碍物纵向速度的大小关系确定每个车道的通过时间代价。相应的,当车道决策语义信息包括通过时间代价时,基于环境感知信息,确定每个车道的车道决策语义信息,包括:对于每个车道,基于环境感知信息,确定本车与本车前方第一个障碍物的碰撞时间;将碰撞时间确定为通过时间代价。
具体的,环境感知信息包括本车位置信息和本车纵向速度信息,以及每个车道上距离本车最近的前方障碍物的障碍物位置信息和障碍物纵向速度信息,根据本车位置信息和障碍物位置信息,分别计算本车到各车道距离最近的前方障碍物的纵向距离;根据本车纵向速度信息和障碍物纵向速度信息,判断障碍物纵向速度是否小于本车纵向速度。在障碍物纵向速度小于本车纵向速度时,根据纵向距离、本车纵向速度信息和障碍物纵向速度信息,预测本车与前方障碍物发生碰撞时的碰撞时间,将该碰撞时间确定为通过时间代价。另外,如果本车前方无障碍物或者本车前方第一个障碍物的纵向速度大于或等于本车纵向速度,则将预设时长确定为通过时间代价。基于上述技术方案,可采用如下公式计算通过时间代价:
其中,TCC为通过时间代价,vadv为本车纵向速度,vobs为障碍物纵向速度,tccmax为预设时长,其为一固定值,且大于碰撞时间,例如1000(此处仅为数值,单位与碰撞时间的单位相同,例如秒或毫秒等)。由该公式可知,本车前方第一个障碍物的纵向速度越小,通过时间代价越小,对应车道的通过性越差;当本车前方无障碍物或者本车前方第一个障碍物的纵向速度大于或等于本车纵向速度时,本车在对应车道不会与障碍物发生碰撞,对应车道的通过性最优。
示例性的,如图3所示,在同向车道中,本车车道上,本车前方第一个障碍物为障碍物1,相邻车道上,本车前方第一个障碍物为障碍物2。本车纵向速度为5m/s,障碍物1的纵向速度为1m/s,障碍物2的纵向速度为10m/s。对于本车车道,障碍物1的纵向速度小于本车纵向速度,本车与障碍物1将发生碰撞,此时,确定本车与障碍物1之间的距离D为16m,根据上述公式可确定本车与障碍物1的碰撞时间为4s,因此,本车车道的通过时间代价为4。而对于相邻车道,障碍物2的纵向速度大于本车纵向速度,本车与障碍物2不会发生碰撞,此时,相邻车道的通过时间代价为预设时长,如10000。由此,可确定相邻车道的通过时间代价大于本车车道的通过时间代价,即相邻车道的通过性较好。
在一些实施例中,为保证车辆的安全性,同时需确定每个车道的安全性代价。相应的,当车道决策语义信息包括安全性代价时,基于环境感知信息,确定每个车道的车道决策语义信息,包括:基于车道信息和本车信息,确定本车车道和其他车道;对于本车车道,将第一预设安全性代价确定为安全性代价;对于其他车道,如果基于环境感知信息,确定障碍物在预设时间内进入本车危险区,则将第二预设安全性代价确定为安全性代价,如果基于环境感知信息,确定障碍物在预设时间内未进入本车危险区,则将第一预设安全性代价确定为安全性代价,其中,第二预设安全性代价与第一预设安全性代价不同。
具体的,环境感知信息包括车道信息、本车信息和障碍物信息,基于车道信息和本车信息,确定本车车道和其他车道,对于本车车道,默认本车拥有绝对路权,即本车车道的安全性最高。对于其他车道,可对本车观察区内的障碍物进行安全性判断,当预测到本车观察区内的障碍物在未来一段时间(即预设时间)内会进入到本车危险区,则说明障碍物当前时刻所在车道的安全性较低;当预测到本车观察区内的障碍物在未来一段时间内不会进入到本车危险区,则说明障碍物当前时刻所在车道的安全性较高。
可以理解的是,第二预设安全性代价对应车道的安全性低于第一预设安全性代价对应车道的安全性。在一些实施例中,第二预设安全性代价小于第一预设安全性代价。在一些实施例中,可采用惩罚机制为第一预设安全性代价和第二预设安全性代价赋值,例如第一预设安全性代价为0,第二预设安全性代价为-100000。
基于上述技术方案,可采用ST图(纵向位移-时间图)来确定其他车道的障碍物在未来一段时间内是否会进入到本车危险区。在一些实施例中,基于环境感知信息,确定本车ST图曲线和障碍物ST图曲线;基于本车ST图曲线,确定本车危险区;判断预设时间内障碍物ST图曲线是否与本车危险区存在交叠;如果预设时间内障碍物ST图曲线与本车危险区存在交叠,则确定障碍物在预设时间内进入本车危险区;否则,确定障碍物在预设时间内未进入本车危险区。示例性的,如图4所示,本车ST图曲线为图中本车所指示的曲线,障碍物ST图曲线包括图中障碍物1、障碍物2、障碍物3和障碍物4分别指示的曲线。本车危险区包括本车后方危险区(区间L2对应的区域)和本车前方危险区(区间L3对应的区域),本车观察区包括本车后方观察区(区间L1对应的区域)本车前方观察区(区间L4对应的区域),预设时间为T_e。可选的,L1为100米,L2为20米,L3为10米,L4为100米,T_e为6秒。参见图4,根据本车ST图曲线和各障碍物ST图曲线可知,本车后方观察区的障碍物2对应的障碍物ST图曲线在预设时间T_e内与本车后方危险区存在交叠,本车后方观察区的障碍物1对应的障碍物ST图曲线在预设时间T_e内与本车后方危险区不存在交叠,本车前方观察区的障碍物3对应的障碍物ST图曲线在预设时间T_e内与本车前方危险区存在交叠,本车前方观察区的障碍物4对应的障碍物ST图曲线在预设时间T_e内与本车前方危险区不存在交叠。由此可知,障碍物2和障碍物3在预设时间内进入到了本车危险区,障碍物2和障碍物3在当前时刻所在车道的安全性较低,即对应车道的安全性代价为第二预设安全性代价;而障碍物1和障碍物4在预设时间内未进入本车危险区,障碍物1和障碍物4在当前时刻所在车道的安全性较高,即对应车道的安全性代价为第一预设安全性代价。需要说明的是,障碍物ST图曲线与本车危险区存在交叠包括障碍物ST图曲线完全位于本车危险区内,或者障碍物ST图曲线的一部分位于本车危险区内。上述实施例中,为了简化计算,设定障碍物以恒定的速度运动,障碍物ST图曲线是一条直线,本车危险区是一个平行四边形,均为凸包类型的图形,如此,可利用基于Gilbert–Johnson–Keerthi算法的碰撞检测算法,来快速计算障碍物在预设时间T_e内是否会进入本车危险区。
S130、基于车道决策语义信息,生成可行驶区域。
针对每个车道,本公开实施例可同时基于通过时间代价和安全性代价,生成可行驶区域,由此可选出兼顾通过性和安全性的车道。
在一些实施例中,可对车道决策语义信息中的各代价进行加权求和;基于加权求和结果,生成可行驶区域。本实施例中,对通过时间代价和安全性代价进行加权求和,得到加权求和结果。例如:
f=w1fpass+w2fsafe;
其中,f为加权求和结果(或加权求和值),fpass为通过时间代价,fsafe为安全性代价,w1为通过时间代价的权重,w2为安全性代价的权重。w1和w2可根据仿真或实际车辆测试实验得到。基于该技术方案,本公开实施例可将加权求和值最大的车道确定为可行驶区域。
在一些实施例中,为了便于规划器接收这个可行驶区域,将可行驶区域的边界离散化,形成可行驶区域边界点,包括左边界点和右边界点。示例性的,可基于弗雷纳坐标系,以固定的分辨率来离散化可行驶区域。如图5所示,根据车道决策信息,以及车道中心构建的曲线弗雷纳坐标系,以固定分辨率,来生成可行驶区域的左边界和右边界,左边界表示弗雷纳坐标系中L值的上届,右边界表示弗雷纳坐标系中L值的下界。其中,相邻两个左边界点或相邻两个右边界点的纵向距离为上述固定分辨率。图5表示的是车辆在右车道,并且车道决策的结果也是右车道,所以可行驶区域的左边界和右边界如图5所示。如果车道决策的结果是换道,那么此时的可行驶区域就包含两个车道。
本公开实施例提供的车辆可行驶区域生成方法,根据环境感知信息确定每个车道的车道决策语义信息,将车道决策语义信息转换成可行驶区域的约束边界,兼顾通过性和安全性,能够快速生成通过性和安全性高的可行驶区域,加速行驶轨迹的生成,实现对障碍物的快速避让;同时,通过时间代价和安全性代价均能够表征对动态障碍物的通行代价,且通过时间代价还能表征对静态障碍物的通行代价,因此,本公开技术方案基于通过时间代价和安全性代价生成可行驶区域,可以同时实现对动态障碍物和静态障碍物的通行规划,可适用动态环境中障碍物的处理。
基于上述技术方案,当基于车道决策语义信息确定的可行驶区域包括至少两个车道,且至少两个车道均存在静态障碍物时,可进一步根据通行宽度代价选出一条最优车道。在一些实施例中,车道决策语义信息还包括通行宽度代价,基于环境感知信息,确定每个车道的车道决策语义信息,包括:基于车道信息和静态障碍物信息,确定车道的最小通行宽度;将最小通行宽度确定为通行宽度代价。其中,通行宽度代价用于表征本车前方的静态障碍物对车道的堵塞情况。在一些实施例中,基于车道信息和静态障碍物信息,确定车道的最小通行宽度,包括:基于车道信息和静态障碍物信息,确定车道上各静态障碍物的最大通行宽度;将各静态障碍物的最大通行宽度中的最小值确定为车道的最小通行宽度。
具体的,建立弗雷纳坐标系,将各静态障碍物投影到弗雷纳坐标系中,生成各障碍物的SL包围盒。对于每个车道,计算出每个静态障碍物的左侧通行宽度和右侧通行宽度,从左侧通行宽度和右侧通行宽度中确定每个静态障碍物的最大通行宽度,从所有静态障碍物的最大通行宽度选出一个最小的最大通行宽度作为车道的最小通行宽度,将该最小通行宽度确定为通行宽度代价。该通行宽度代价越大,静态障碍物对车道的堵塞程度越小。示例性的,如图6所示,本车车道上包括障碍物1和障碍物2,相邻车道上包括障碍物3(障碍物1、障碍物2和障碍物3均为静态障碍物),障碍物1的最大通行宽度为d1,障碍物2的最大通行宽度为d2,障碍物3的最大通行宽度为d3,其中,d1小于d2且d2小于d3,因此,本车车道的最小通行宽度为d1,即本车车道的通行宽度代价为d1,相邻车道的最小通行宽度为d3,即相邻车道的通行宽度代价为d3。此时,相邻车道的障碍物堵塞程度小于本车车道的障碍物堵塞程度。因此,可进一步选取相邻车道生成可行驶区域。
基于上述技术方案,当基于车道决策语义信息中各代价仍无法确定出最优的可行驶区域时,为了保证车辆行驶轨迹的稳定性,通过在车道决策语义信息中增加稳定性代价来优选选择本车车道生成可行驶区域。相应的,在一些实施例中,车道决策语义信息还包括稳定性代价,基于环境感知信息,确定每个车道的车道决策语义信息,包括:基于车道信息和本车信息,确定本车车道和其他车道;对于本车车道,将第一预设稳定性代价确定为稳定性代价;对于其他车道,将第二预设稳定性代价确定为稳定性代价,其中,第二预设稳定性代价与第一预设稳定性代价不同。该技术方案中,第一预设稳定性代价可大于第二预设稳定性代价,其中第一预设稳定性代价可以为100,第二预设稳定性代价可以为0。
基于上述各实施例,对车道决策语义信息中的各代价进行加权求和,得到加权求和结果,可采用如下公式计算:
f=w1fpass+w2fsafe+w3fnarrow+w4fstable;
其中,fnarrow为通行宽度代价,fstable为稳定性代价,w3为通行宽度代价的权重,w4为稳定性代价的权重。
基于上述技术方案,在一些实施例中,在基于车道决策语义信息,生成可行驶区域之后,方法还包括如下至少一项:
基于预设交通规则,更新可行驶区域;
基于车辆的运动学和动力学约束,更新可行驶区域;
基于障碍物语义信息和预设安全区,更新可行驶区域,预设安全区与可行驶区域相连;
基于静态障碍物信息、障碍物决策语义信息和光线追踪算法,更新可行驶区域,障碍物决策语义信息包括障碍物左侧通过或障碍物右侧通过。
具体的,在一些实施例中,可基于预设交通规则判断可行驶区域是否违反了交通规则,进而对违反交通规则的可行驶区域进行修剪,以更新可行驶区域。本公开实施例中,预设交通规则可以包括虚实黄线、虚实白线以及车道指示线等常见交通规则。示例性的,如图7所示,在车道决策后,车辆会选择换道,所以首先使用换道过程的双车道作为可行驶区域,即原始可行驶区域。但是又由于车道的末端是实线,所以基于预设交通规则会修剪可行驶区域,得到图7中黑圆点为边界点限定的可行驶区域,即更新后的可行驶区域。
在一些实施例中,本公开技术方案也可基于车辆的运动学和动力学约束,更新可行驶区域。示例性的,基于车辆的运动学和动力学约束,在车辆临时借道时,通过增加额外可行驶区域来更新可行驶区域。如图8所示,本车的航向角与路网的航向角之间的夹角为Δθ,本车在本车车道位置点的曲率为kr,本车在弗雷纳坐标系中的L坐标值为d,所以根据弗雷纳运动学方程,本车相对于弗雷纳坐标系的横向速度为d′=(1-krd)tan(Δθ),横向加速度为
其中,kADV为使用无人车自行车模型的车轮转角δ而计算出的本车轨迹曲率,本车的轴距为B,那么kr′为路网的曲率变化率,为了近似计算,令kr′=0,为了计算额外可行驶区域dextra,假设本车最后的弗雷纳横向速度为0,所以基于弗雷纳坐标系运动学有如此,通过计算得到的额外可行驶区域向外扩展可行驶区域,以对可行驶区域进行更新。
在一些实施例中,考虑到相邻车道上可能存在动态障碍物对可行驶区域的影响,导致并不能保证可行驶区域绝对的安全,因此,可将可行驶区域可能会受到动态障碍物影响的区域修剪掉,来保证剩余可行驶区域的安全性。
具体的,基于障碍物语义信息,确定需横向避让的障碍物;如果需横向避让的障碍物的移动轨迹占用了预设安全区,则修剪占用预设安全区对应位置处的部分可行驶区域。本实施例中,障碍物语义信息可以包括障碍物并线、障碍物横穿、障碍物平行行驶和逆向行驶等用于表征障碍物运动状态的信息。本车基于障碍物语义信息,会自动判断是否需横向避让障碍物。例如,如果基于障碍物语义信息确定障碍物并线,则本车不需要横向避让该障碍物,如果基于障碍物语义信息确定障碍物太靠近本车车道,则本车需要横向避让该障碍物。示例性的,如图9所示,在可行驶区域两侧增加预设安全区(如果可行驶区域邻接道路边界,可仅在可行驶区域内侧增肌预设安全区),判断障碍物预测模块(在前模块,本公开未涉及)输出的障碍物的移动轨迹是否占用了预设安全区,如果移动轨迹占用了预设安全区,则修剪占用预设安全区对应位置处的部分可行驶区域,如图9中的修剪区域,以此更新可行驶区域。
在一些实施例中,由于上述各实施例得到的可行驶区域仍包含静态障碍物所在的区域,并不满足避障约束,因此需要进一步将静态障碍物所在的区域从可行驶区域中修剪掉,以更新可行驶区域。本公开技术方案为了避免已有方案利用弗雷纳包围盒来生成近似的可行驶区域而导致车辆通过性降低的问题,结合障碍物决策语义信息和光线追踪算法来精确地确定静态障碍物所在的区域。
具体的,基于静态障碍物信息、障碍物决策语义信息和光线追踪算法,更新可行驶区域,包括:基于静态障碍物信息、障碍物决策语义信息和光线追踪算法,确定光线与障碍物的碰撞点,碰撞点位于可行驶区域内;基于碰撞点,更新可行驶区域。在一些实施例中,基于静态障碍物信息、障碍物决策语义信息和光线追踪算法,确定光线与障碍物的碰撞点,包括:基于障碍物决策语义信息,确定光源点和光线投射方向;基于静态障碍物信息,确定光线投射范围;基于光源点、光线投射方向和光线投射范围,对障碍物进行光线扫描;确定光线与障碍物的碰撞点。在一些实施例中,光线追踪算法可采用基于Gilbert–Johnson–Keerthi算法的光线投射算法,以提高求解精度。
示例性的,障碍物决策语义信息包括从障碍物左侧通过或从障碍物右侧通过。当障碍物决策语义信息为从障碍物左侧通过时,确定光源点位于静态障碍物的左侧,且光线投射方向垂直于车道通行方向且朝向静态障碍物;当障碍物决策语义信息为从障碍物右侧通过时,确定光源点位于静态障碍物的右侧,且光线投射方向垂直于车道通行方向且朝向静态障碍物。基于静态障碍物信息,如静态障碍物的位置信息和尺寸信息,可确定静态障碍物所在区域,从而确定光线投射范围。在确定光线与障碍物的碰撞点之后,将各碰撞点限定的可行驶区域修剪掉。本公开实施例对光源点的具***置不作限定,在一些实施例中,光源点可位于可行驶区域边界点上。
在一具体实施例中,如图10所示,可先确定静态障碍物的frenet包围盒box_sl={S_min,S_max,L_min,L_max},基于frenet包围盒,确定静态障碍物在可行驶区域纵向上的ID范围。在可行驶区域边界点的分辨率为Δs时,上述ID范围为(id_start,id_end),即光线投射范围,其中,id_start=floor(s_min/Δs),id_end=ceil(s_max/Δs),floor表示对浮点数向下取整数操作,ceil表示对浮点数向上取整数操作。需要说明的是,本公开实施例仅以frenet包围盒来确定可以包含整个静态障碍物的光线投射范围,以保证光线对障碍物的完整扫描,后续确定的碰撞点位于静态障碍物上,而不是位于frenet包围盒边界上。如图11所示,可行驶区域中包含两个静态障碍物,即障碍物1和障碍物2。根据障碍物1的障碍物决策语义信息可确定本车从障碍物1右侧通过,根据障碍物2的障碍物决策语义信息可确定本车从障碍物2左侧通过。以障碍物1为例,基于障碍物1的障碍物决策语义信息,确定点光源位于可行驶区域右侧边界点,基于障碍物1的静态障碍物信息,确定光源对障碍物1的光线投射范围,即上述ID范围,从而点光源可根据ID范围按顺序对障碍物1进行扫描。具体的,当光线与障碍物1相撞时,如果碰撞点位于可行驶区域内,则修剪碰撞点远离点光源一侧的可行驶区域,如此,直至完成对光线投射范围的扫描。采用上述技术方案,在使可行驶区域满足避障约束的情况下,可以提高静态障碍物在可行驶区域中所占区域的求解精度,提高车辆的通过性。
图12为本公开实施例提供的车辆可行驶区域生成装置的功能模块框图。如图12所示,车辆可行驶区域生成装置包括感知信息获取模块201、车道决策语义信息确定模块202和可行驶区域生成模块203。
其中,感知信息获取模块201,用于获取环境感知信息,其中,环境感知信息包括车道信息、障碍物信息和本车信息中的至少两个,障碍物信息包括静态障碍物信息和/或动态障碍物信息;
车道决策语义信息确定模块202,用于基于环境感知信息,确定每个车道的车道决策语义信息,其中,车道决策语义信息包括通过时间代价和安全性代价;
可行驶区域生成模块203,用于基于车道决策语义信息,生成可行驶区域。
在一些实施例中,当车道决策语义信息包括通过时间代价时,车道决策语义信息确定模块202具体用于:
对于每个车道,基于环境感知信息,确定本车与本车前方第一个障碍物的碰撞时间;
将碰撞时间确定为通过时间代价。
在一些实施例中,车道决策语义信息确定模块202还用于:
如果基于环境感知信息,确定本车前方无障碍物或者本车前方第一个障碍物的纵向速度大于或等于本车纵向速度,则将预设时长确定为通过时间代价。
在一些实施例中,当车道决策语义信息包括安全性代价时,车道决策语义信息确定模块202具体用于:
基于车道信息和本车信息,确定本车车道和其他车道;
对于本车车道,将第一预设安全性代价确定为安全性代价;
对于其他车道,如果基于环境感知信息,确定障碍物在预设时间内进入本车危险区,则将第二预设安全性代价确定为安全性代价,如果基于环境感知信息,确定障碍物在预设时间内未进入本车危险区,则将第一预设安全性代价确定为安全性代价,其中,第二预设安全性代价与第一预设安全性代价不同。
在一些实施例中,车道决策语义信息确定模块202具体用于:
基于环境感知信息,确定本车ST图曲线和障碍物ST图曲线;
基于本车ST图曲线,确定本车危险区;
判断预设时间内障碍物ST图曲线是否与本车危险区存在交叠;
如果预设时间内障碍物ST图曲线与本车危险区存在交叠,则确定障碍物在预设时间内进入本车危险区;否则,确定障碍物在预设时间内未进入本车危险区。
在一些实施例中,车道决策语义信息还包括通行宽度代价,车道决策语义信息确定模块202具体用于:
基于车道信息和静态障碍物信息,确定车道的最小通行宽度;
将最小通行宽度确定为通行宽度代价。
在一些实施例中,车道决策语义信息确定模块202具体用于:
基于车道信息和静态障碍物信息,确定车道上各静态障碍物的最大通行宽度;
将各静态障碍物的最大通行宽度中的最小值确定为车道的最小通行宽度。
在一些实施例中,车道决策语义信息还包括稳定性代价,车道决策语义信息确定模块202具体用于:
基于车道信息和本车信息,确定本车车道和其他车道;
对于本车车道,将第一预设稳定性代价确定为稳定性代价;
对于其他车道,将第二预设稳定性代价确定为稳定性代价,其中,第二预设稳定性代价与第一预设稳定性代价不同。
在一些实施例中,可行驶区域生成模块203具体用于:
对车道决策语义信息中的各代价进行加权求和;
基于加权求和结果,生成可行驶区域。
在一些实施例中,上述装置还包括:
离散模块,用于在基于车道决策语义信息,生成可行驶区域之后,将可行驶区域的边界离散化。
在一些实施例中,上述装置还包括可行驶区域更新模块,该可行驶区域更新模块在基于车道决策语义信息,生成可行驶区域之后,具体用于以下至少一项更新操作:
基于预设交通规则,更新可行驶区域;
基于车辆的运动学和动力学约束,更新可行驶区域;
基于障碍物语义信息和预设安全区,更新可行驶区域,预设安全区与可行驶区域相连;
基于静态障碍物信息、障碍物决策语义信息和光线追踪算法,更新可行驶区域,障碍物决策语义信息包括从障碍物左侧通过或从障碍物右侧通过。
在一些实施例中,可行驶区域更新模块具体用于:
基于障碍物语义信息,确定需横向避让的障碍物;
如果需横向避让的障碍物的移动轨迹占用了预设安全区,则修剪占用预设安全区对应位置处的部分可行驶区域。
在一些实施例中,可行驶区域更新模块具体用于:
基于静态障碍物信息、障碍物决策语义信息和光线追踪算法,确定光线与障碍物的碰撞点,碰撞点位于可行驶区域内;
基于碰撞点,更新可行驶区域。
在一些实施例中,可行驶区域更新模块具体用于:
基于障碍物决策语义信息,确定光源点和光线投射方向;
基于静态障碍物信息,确定光线投射范围;
基于光源点、光线投射方向和光线投射范围,对障碍物进行光线扫描;
确定光线与障碍物的碰撞点。
以上实施例公开的车辆可行驶区域生成装置能够执行以上各实施例公开的车辆可行驶区域生成方法,具有相同或相应的有益效果,为避免重复,在此不再赘述。
本公开实施例还提供了一种电子设备,包括:存储器以及一个或多个处理器;其中,存储器与一个或多个处理器通信连接,存储器中存储有可被一个或多个处理器执行的指令,指令被一个或多个处理器执行时,电子设备用于实现本公开任一实施例描述的车辆可行驶区域生成方法。
图13是适于用来实现本公开实施方式的电子设备的结构示意图。如图13所示,电子设备300包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行前述的实施方式中的各种处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。CPU301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307;包括硬盘等的存储部分308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地,根据本公开的实施方式,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,计算机程序包含用于执行前述障碍物避让方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
另外,本公开实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有计算机可执行指令,当计算机可执行指令被计算装置执行时,可用来实现本公开任一实施例描述的车辆可行驶区域生成方法。
方案1、一种车辆可行驶区域生成方法,包括:
获取环境感知信息,其中,所述环境感知信息包括车道信息、障碍物信息和本车信息中的至少两个,所述障碍物信息包括静态障碍物信息和/或动态障碍物信息;
基于所述环境感知信息,确定每个车道的车道决策语义信息,其中,所述车道决策语义信息包括通过时间代价和安全性代价;
基于所述车道决策语义信息,生成可行驶区域。
方案2、根据方案1所述的方法,当所述车道决策语义信息包括通过时间代价时,基于所述环境感知信息,确定每个车道的车道决策语义信息,包括:
对于每个车道,基于所述环境感知信息,确定本车与本车前方第一个障碍物的碰撞时间;
将所述碰撞时间确定为所述通过时间代价。
方案3、根据方案2所述的方法,所述方法还包括:
如果基于所述环境感知信息,确定本车前方无障碍物或者本车前方第一个障碍物的纵向速度大于或等于本车纵向速度,则将预设时长确定为所述通过时间代价。
方案4、根据方案1所述的方法,当所述车道决策语义信息包括安全性代价时,基于所述环境感知信息,确定每个车道的车道决策语义信息,包括:
基于所述车道信息和所述本车信息,确定本车车道和其他车道;
对于所述本车车道,将第一预设安全性代价确定为所述安全性代价;
对于所述其他车道,如果基于所述环境感知信息,确定障碍物在预设时间内进入本车危险区,则将第二预设安全性代价确定为所述安全性代价,如果基于所述环境感知信息,确定所述障碍物在所述预设时间内未进入本车危险区,则将所述第一预设安全性代价确定为所述安全性代价,其中,所述第二预设安全性代价与所述第一预设安全性代价不同。
方案5、根据方案4所述的方法,所述方法还包括:
基于所述环境感知信息,确定本车ST图曲线和障碍物ST图曲线;
基于所述本车ST图曲线,确定本车危险区;
判断所述预设时间内所述障碍物ST图曲线是否与所述本车危险区存在交叠;
如果所述预设时间内所述障碍物ST图曲线与所述本车危险区存在交叠,则确定所述障碍物在预设时间内进入本车危险区;否则,确定所述障碍物在预设时间内未进入本车危险区。
方案6、根据方案1所述的方法,所述车道决策语义信息还包括通行宽度代价,基于所述环境感知信息,确定每个车道的车道决策语义信息,包括:
基于所述车道信息和所述静态障碍物信息,确定车道的最小通行宽度;
将所述最小通行宽度确定为所述通行宽度代价。
方案7、根据方案6所述的方法,基于所述车道信息和所述静态障碍物信息,确定车道的最小通行宽度,包括:
基于所述车道信息和所述静态障碍物信息,确定所述车道上各静态障碍物的最大通行宽度;
将各静态障碍物的最大通行宽度中的最小值确定为所述车道的最小通行宽度。
方案8、根据方案1或6所述的方法,所述车道决策语义信息还包括稳定性代价,基于所述环境感知信息,确定每个车道的车道决策语义信息,包括:
基于所述车道信息和所述本车信息,确定本车车道和其他车道;
对于所述本车车道,将第一预设稳定性代价确定为所述稳定性代价;
对于所述其他车道,将第二预设稳定性代价确定为所述稳定性代价,其中,所述第二预设稳定性代价与所述第一预设稳定性代价不同。
方案9、根据方案1所述的方法,基于所述车道决策语义信息,生成可行驶区域,包括:
对所述车道决策语义信息中的各代价进行加权求和;
基于加权求和结果,生成可行驶区域。
方案10、根据方案1所述的方法,在基于所述车道决策语义信息,生成可行驶区域之后,所述方法还包括:
将所述可行驶区域的边界离散化。
方案11、根据方案1所述的方法,在基于所述车道决策语义信息,生成可行驶区域之后,所述方法还包括如下至少一项:
基于预设交通规则,更新所述可行驶区域;
基于车辆的运动学和动力学约束,更新所述可行驶区域;
基于障碍物语义信息和预设安全区,更新所述可行驶区域,所述预设安全区与所述可行驶区域相连;
基于所述静态障碍物信息、障碍物决策语义信息和光线追踪算法,更新所述可行驶区域,所述障碍物决策语义信息包括从障碍物左侧通过或从障碍物右侧通过。
方案12、根据方案11所述的方法,基于障碍物语义信息和预设安全区,更新所述可行驶区域,包括:
基于障碍物语义信息,确定需横向避让的障碍物;
如果所述需横向避让的障碍物的移动轨迹占用了所述预设安全区,则修剪所述占用所述预设安全区对应位置处的部分可行驶区域。
方案13、根据方案11所述的方法,基于所述静态障碍物信息、障碍物决策语义信息和光线追踪算法,更新所述可行驶区域,包括:
基于所述静态障碍物信息、障碍物决策语义信息和光线追踪算法,确定光线与障碍物的碰撞点,所述碰撞点位于所述可行驶区域内;
基于所述碰撞点,更新所述可行驶区域。
方案14、根据方案13所述的方法,基于所述静态障碍物信息、障碍物决策语义信息和光线追踪算法,确定光线与障碍物的碰撞点,包括:
基于所述障碍物决策语义信息,确定光源点和光线投射方向;
基于所述静态障碍物信息,确定光线投射范围;
基于所述光源点、所述光线投射方向和所述光线投射范围,对障碍物进行光线扫描;
确定光线与所述障碍物的碰撞点。
方案15、一种车辆可行驶区域生成装置,包括:
感知信息获取模块,用于获取环境感知信息,其中,所述环境感知信息包括车道信息、障碍物信息和本车信息中的至少两个,所述障碍物信息包括静态障碍物信息和/或动态障碍物信息;
车道决策语义信息确定模块,用于基于所述环境感知信息,确定每个车道的车道决策语义信息,其中,所述车道决策语义信息包括通过时间代价和安全性代价;
可行驶区域生成模块,用于基于所述车道决策语义信息,生成可行驶区域。
方案16、一种电子设备,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行时,所述电子设备用于实现如方案1-14中任一项所述的车辆可行驶区域生成方法。
方案17、一种计算机可读存储介质,其上存储有计算机可执行指令,当所述计算机可执行指令被计算装置执行时,可用来实现如方案1-14中任一项所述的车辆可行驶区域生成方法。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车辆可行驶区域生成方法,其特征在于,包括:
获取环境感知信息,其中,所述环境感知信息包括车道信息、障碍物信息和本车信息中的至少两个,所述障碍物信息包括静态障碍物信息和/或动态障碍物信息;
基于所述环境感知信息,确定每个车道的车道决策语义信息,其中,所述车道决策语义信息包括通过时间代价和安全性代价;
基于所述车道决策语义信息,生成可行驶区域。
2.根据权利要求1所述的方法,其特征在于,当所述车道决策语义信息包括通过时间代价时,基于所述环境感知信息,确定每个车道的车道决策语义信息,包括:
对于每个车道,基于所述环境感知信息,确定本车与本车前方第一个障碍物的碰撞时间;
将所述碰撞时间确定为所述通过时间代价。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
如果基于所述环境感知信息,确定本车前方无障碍物或者本车前方第一个障碍物的纵向速度大于或等于本车纵向速度,则将预设时长确定为所述通过时间代价。
4.根据权利要求1所述的方法,其特征在于,当所述车道决策语义信息包括安全性代价时,基于所述环境感知信息,确定每个车道的车道决策语义信息,包括:
基于所述车道信息和所述本车信息,确定本车车道和其他车道;
对于所述本车车道,将第一预设安全性代价确定为所述安全性代价;
对于所述其他车道,如果基于所述环境感知信息,确定障碍物在预设时间内进入本车危险区,则将第二预设安全性代价确定为所述安全性代价,如果基于所述环境感知信息,确定所述障碍物在所述预设时间内未进入本车危险区,则将所述第一预设安全性代价确定为所述安全性代价,其中,所述第二预设安全性代价与所述第一预设安全性代价不同。
5.根据权利要求1所述的方法,其特征在于,在基于所述车道决策语义信息,生成可行驶区域之后,所述方法还包括如下至少一项:
基于预设交通规则,更新所述可行驶区域;
基于车辆的运动学和动力学约束,更新所述可行驶区域;
基于障碍物语义信息和预设安全区,更新所述可行驶区域,所述预设安全区与所述可行驶区域相连;
基于所述静态障碍物信息、障碍物决策语义信息和光线追踪算法,更新所述可行驶区域,所述障碍物决策语义信息包括从障碍物左侧通过或从障碍物右侧通过。
6.根据权利要求5所述的方法,其特征在于,基于所述静态障碍物信息、障碍物决策语义信息和光线追踪算法,更新所述可行驶区域,包括:
基于所述静态障碍物信息、障碍物决策语义信息和光线追踪算法,确定光线与障碍物的碰撞点,所述碰撞点位于所述可行驶区域内;
基于所述碰撞点,更新所述可行驶区域。
7.根据权利要求6所述的方法,其特征在于,基于所述静态障碍物信息、障碍物决策语义信息和光线追踪算法,确定光线与障碍物的碰撞点,包括:
基于所述障碍物决策语义信息,确定光源点和光线投射方向;
基于所述静态障碍物信息,确定光线投射范围;
基于所述光源点、所述光线投射方向和所述光线投射范围,对障碍物进行光线扫描;
确定光线与所述障碍物的碰撞点。
8.一种车辆可行驶区域生成装置,其特征在于,包括:
感知信息获取模块,用于获取环境感知信息,其中,所述环境感知信息包括车道信息、障碍物信息和本车信息中的至少两个,所述障碍物信息包括静态障碍物信息和/或动态障碍物信息;
车道决策语义信息确定模块,用于基于所述环境感知信息,确定每个车道的车道决策语义信息,其中,所述车道决策语义信息包括通过时间代价和安全性代价;
可行驶区域生成模块,用于基于所述车道决策语义信息,生成可行驶区域。
9.一种电子设备,其特征在于,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行时,所述电子设备用于实现如权利要求1-7中任一项所述的车辆可行驶区域生成方法。
10.一种计算机可读存储介质,其上存储有计算机可执行指令,其特征在于,当所述计算机可执行指令被计算装置执行时,可用来实现如权利要求1-7中任一项所述的车辆可行驶区域生成方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111095293.2A CN115817464A (zh) | 2021-09-17 | 2021-09-17 | 车辆可行驶区域生成方法、装置、设备及介质 |
PCT/CN2022/088532 WO2023024542A1 (zh) | 2021-08-25 | 2022-04-22 | 车辆决策规划方法、装置、设备及介质 |
EP22859896.7A EP4368465A1 (en) | 2021-08-25 | 2022-04-22 | Vehicle decision-making planning method and apparatus, and device and medium |
KR1020247002509A KR20240025632A (ko) | 2021-08-25 | 2022-04-22 | 차량 의사결정 계획 방법, 장치, 기기 및 매체 |
US18/433,445 US20240174221A1 (en) | 2021-04-25 | 2024-02-06 | Vehicle decision-making planning method and apparatus, device and medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111095293.2A CN115817464A (zh) | 2021-09-17 | 2021-09-17 | 车辆可行驶区域生成方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115817464A true CN115817464A (zh) | 2023-03-21 |
Family
ID=85515952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111095293.2A Pending CN115817464A (zh) | 2021-04-25 | 2021-09-17 | 车辆可行驶区域生成方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115817464A (zh) |
-
2021
- 2021-09-17 CN CN202111095293.2A patent/CN115817464A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11970168B2 (en) | Vehicle trajectory modification for following | |
CN112068545B (zh) | 一种无人驾驶车辆在十字路口的行驶轨迹规划方法、***及存储介质 | |
EP3638981B1 (en) | Fusion framework of navigation information for autonomous navigation | |
US11680821B2 (en) | Map information system | |
US11136025B2 (en) | Polyline contour representations for autonomous vehicles | |
EP3882095A1 (en) | Method and device for determining vehicle speed | |
US20240174221A1 (en) | Vehicle decision-making planning method and apparatus, device and medium | |
US11628858B2 (en) | Hybrid planning system for autonomous vehicles | |
US12005889B2 (en) | Arithmetic operation device for vehicle | |
EP3738849A1 (en) | Vehicle control device | |
JPWO2019106789A1 (ja) | 処理装置及び処理方法 | |
CN114906164A (zh) | 用于自主驾驶的轨迹验证 | |
KR20220136679A (ko) | 주행 제어 장치 및 방법 | |
US20230053243A1 (en) | Hybrid Performance Critic for Planning Module's Parameter Tuning in Autonomous Driving Vehicles | |
CN115817464A (zh) | 车辆可行驶区域生成方法、装置、设备及介质 | |
CN115432008A (zh) | 一种基于优化多任务的自动驾驶决策规划方法、电子设备及计算机存储介质 | |
CN113682300A (zh) | 避让障碍物的决策方法、装置、设备及介质 | |
US12019448B1 (en) | Mapping and detection for safe navigation | |
US20240025442A1 (en) | Trajectory planning in autonomous driving vehicles for unforeseen scenarios |
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 |