CN115848365B - 车辆控制器、车辆及车辆控制方法 - Google Patents
车辆控制器、车辆及车辆控制方法 Download PDFInfo
- Publication number
- CN115848365B CN115848365B CN202310118734.9A CN202310118734A CN115848365B CN 115848365 B CN115848365 B CN 115848365B CN 202310118734 A CN202310118734 A CN 202310118734A CN 115848365 B CN115848365 B CN 115848365B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- path
- determining
- sampling points
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005070 sampling Methods 0.000 claims abstract description 220
- 238000012545 processing Methods 0.000 claims abstract description 38
- 230000001133 acceleration Effects 0.000 claims description 60
- 230000033001 locomotion Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000004323 axial length Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供了一种车辆控制器、车辆及车辆控制方法,涉及车辆技术领域。其中,所述车辆控制器包括处理模块和控制模块,所述处理模块和所述控制模块相连接,其中:所述处理模块用于:基于车辆的运动学模型确定用于车辆路径规划的采样点区域,并根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点;基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径;所述控制模块用于:控制车辆按照所述目标路径行驶。本申请能够降低路径规划耗时。
Description
技术领域
本申请涉及车辆技术领域,尤其涉及一种车辆控制器、车辆及车辆控制方法。
背景技术
随着自动驾驶技术的发展,如何有效躲避障碍物以及合理规划行驶路径,是自动驾驶技术的关键所在。动态规划是一种典型的可用于路径规划的方法。在基于动态规划方法进行路径规划时,获取采样点是其中的关键步骤。目前,通常基于图搜索的Dijkstra算法进行路径规划,进行路径规划的耗时较长。
发明内容
本申请提供了一种车辆控制器、车辆及车辆控制方法。
根据本申请的第一方面,提供了一种车辆控制器,所述车辆控制器包括处理模块和控制模块,所述处理模块和所述控制模块相连接,其中:
所述处理模块用于:基于车辆的运动学模型确定用于车辆路径规划的采样点区域,并根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点;基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径;
所述控制模块用于:控制车辆按照所述目标路径行驶。
根据本申请的第二方面,提供了一种车辆,所述车辆包括第一方面所述的车辆控制器。
根据本申请的第三方面,提供了一种车辆控制方法,所述方法包括:
基于车辆的运动学模型确定用于车辆路径规划的采样点区域,并根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点;基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径;
控制车辆按照所述目标路径行驶。
根据本申请的第四方面,提供了一种计算机程序产品,包括计算机程序或指令,当所述计算机程序或指令被处理器执行时实现如第三方面所述的方法。
在本申请实施例中,所述处理模块用于:基于车辆的运动学模型确定用于车辆路径规划的采样点区域,并根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点;基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径;所述控制模块用于:控制车辆按照所述目标路径行驶。这样,基于车辆的运动学模型及车辆的行驶范围内的障碍物状况进行路径规划,从而在路径规划时考虑车辆的运动学特性及障碍物对采样点的影响,能够降低路径规划耗时。
附图说明
图1是本申请实施例提供的一种电子设备的结构示意图;
图2是本申请实施例提供的一种车辆控制器的结构示意图;
图3是本申请实施例提供的一种路径规划示意图之一;
图4是本申请实施例提供的一种路径规划示意图之二;
图5是本申请实施例提供的一种路径规划示意图之三;
图6是本申请实施例提供的一种路径规划示意图之四;
图7是本申请实施例提供的一种路径规划示意图之五;
图8是本申请实施例提供的一种车辆控制方法的流程示意图;
图9是本申请实施例提供的一种车辆的结构示意图。
具体实施方式
图1示出了可以用来实施本申请的实施例的示例电子设备100的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图1所示,电子设备100包括计算单元101,其可以根据存储在只读存储器(ROM)102中的计算机程序或者从存储单元108加载到随机访问存储器(RAM)103中的计算机程序,来执行各种适当的动作和处理。在RAM 103中,还可存储电子设备100操作所需的各种程序和数据。计算单元101、ROM 102以及RAM 103通过总线104彼此相连。输入/输出(I/O)接口105也连接至总线104。
电子设备100中的多个部件连接至I/O接口105,包括:输入单元106,例如键盘、鼠标等;输出单元107,例如各种类型的显示器、扬声器等;存储单元108,例如磁盘、光盘等;以及通信单元109,例如网卡、调制解调器、无线通信收发机等。通信单元109允许电子设备100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元101可用于执行本申请实施例所描述的各个方法和处理,例如本申请实施例中的车辆控制方法。例如,在一些实施例中,车辆控制方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 102和/或通信单元109而被载入和/或安装到电子设备100上。当计算机程序加载到RAM 103并由计算单元101执行时,可以执行车辆控制方法的一个或多个步骤。备选地,在其他实施例中,计算单元101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车辆控制方法。
需要说明的是,本申请实施例中的车辆控制器可以为电子设备100中的计算单元101。
请参见图2,图2是本申请实施例提供的一种车辆控制器200的结构示意图,如图2所示,所述车辆控制器200包括处理模块201和控制模块202,所述处理模块201和所述控制模块202相连接,其中:
所述处理模块201用于:基于车辆的运动学模型确定用于车辆路径规划的采样点区域,并根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点;基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径;
所述控制模块202用于:控制车辆按照所述目标路径行驶。
其中,车辆的行驶范围内的障碍物状况可以通过车辆上安装的雷达及摄像头等监测设备获取,和/或,可以通过安装在道路上的雷达及摄像头等监测设备获取,和/或,可以通过安装在其他车辆上的雷达及摄像头等监测设备获取;本实施例对此不进行限定。
另外,所述车辆的行驶范围内的障碍物状况,可以包括如下至少一项:车辆的行驶范围内无障碍物;车辆的行驶范围内存在静止障碍物;车辆的行驶范围内存在动态障碍物。静止障碍物指的是维持静止状态的障碍物。动态障碍物指的是处于移动状态的障碍物。
另外,所述基于车辆的运动学模型确定用于车辆路径规划的采样点区域,可以包括,基于车辆的运动学模型确定当前时刻之后的多个时刻对应的边界采样点;将所述多个时刻对应的边界采样点围合而成的区域确定为用于车辆路径规划的采样点区域。
示例地,车辆的运动学模型包括如下公式:
(1)
(2)
(3)
(4)
其中,x(t)为t(例如,2s,4s,6s,8s)时刻,车辆在大地坐标系下的x坐标值;x(0)为车辆在大地坐标系下的起点x坐标值;v(t)为t时刻的车辆速度;为t时刻的车辆航向角;为车辆起始航向角,y(t)为t时刻车辆在大地坐标系下的y坐标值;y(0)为车辆在大地坐标系下的起点y坐标值;为车辆的转向角;L为车辆轴长;a为车辆的加速度。
示例地,如图3所示,在确定边界采样点12时,可以设置车辆11的加速度为最大加速度,例如,2 m/s2,车辆的转向角为最大转向角,例如,可以设计为,在需要生成时长最大为8s的路径集时,将最大加速度及最大转向角输入车辆的运动学模型,分别计算在2s,4s,6s,8s时的边界采样点(x(t),y(t))。由2s,4s,6s,8s时的边界采样点12围合形成采样点区域13。
其中,所述基于所述多个目标采样点确定多条路径,可以是,基于所述多个目标采样点及车辆的当前位置点确定多条路径,所述多条路径与所述多个目标采样点一一对应,如图4所示,所述多条路径中每条路径由车辆11的当前位置点及采样点区域13内的目标采样点构成。车辆的当前位置点作为每条路径的起点,每条路径对应的目标采样点作为每条路径的终点。对于每个目标采样点以及车辆的当前位置点(x0,y0),可以基于多项式或者路径生成函数生成曲线,以连接车辆的当前位置点及目标采样点,得到每个目标采样点对应的路径。示例地,对于每个目标采样点以及车辆的当前位置点(x0,y0),可以采用五次多项式进行连接,得到每个目标采样点对应的路径。
相关技术中,关于自动驾驶路径规划的算法有很多,比如人工势场法,基于采样的RRT,基于采样与图搜索结合的PRM,基于图搜索的Dijkstra,基于参考线规划的优化算法等等。其中,根据采样点进行路径生成的算法也很多,比如RRT算法,PRM算法等等。但这些算法都存在一定的缺陷,比如在复杂场景下,规划的耗时过长,规划出来的路径不符合车辆的运动学特性等等。本申请实施例实现基于时空域的动态采样行车路径规划,在基于采样路径规划方法的基础上,考虑车辆的运动学,时间,以及其他障碍物的运动状态对采样点的影响,在时空域下进行高效的撒点采样,能够降低基于采样路径规划的耗时,提升基于采样路径规划的舒适性和有效性。
在本申请实施例中,所述处理模块用于:基于车辆的运动学模型确定用于车辆路径规划的采样点区域,并根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点;基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径;所述控制模块用于:控制车辆按照所述目标路径行驶。这样,基于车辆的运动学模型及车辆的行驶范围内的障碍物状况进行路径规划,从而在路径规划时考虑车辆的运动学特性及障碍物对采样点的影响,能够降低路径规划耗时。
可选地,所述处理模块具体用于如下至少一项:
在所述车辆的行驶范围内的障碍物状况为无障碍物的情况下,基于第一预设加速度值及所述车辆的运动学模型确定所述采样点区域内的多个目标采样点;
在所述车辆的行驶范围内的障碍物状况为存在静止障碍物的情况下,基于第二预设加速度值、所述车辆的运动学模型及所述静止障碍物的位置确定所述采样点区域内的多个目标采样点;
在所述车辆的行驶范围内的障碍物状况为存在动态障碍物的情况下,基于所述动态障碍物的预测运动轨迹确定所述采样点区域内的多个目标采样点。
该实施方式中,在所述车辆的行驶范围内的障碍物状况为无障碍物或存在静止障碍物或存在动态障碍物的情况下,分别采用不同策略生成采样点区域内的多个目标采样点,使得生成的目标采样点与车辆所处的场景适配,从而能够提高路径规划的成功率。
可选地,所述处理模块具体用于:
在所述车辆的行驶范围内的障碍物状况为无障碍物的情况下,基于第一预设加速度值确定第一转向角值,基于所述第一转向角值及所述车辆的运动学模型确定所述采样点区域内的多个目标采样点。
其中,第一预设加速度值可以根据经验设计,第一预设加速度值ay可以作为舒适横向加速度,示例地,根据经验第一预设加速度值可以设计为1 m/s2,-1 m/s2,0 m/s2,可根据以下公式计算得到第一转向角值:
;
其中,第一转向角值可以作为舒适前轮转角,在确定目标采样点时,可以设置车辆的加速度为第一预设加速度值,车辆的转向角为第一转向角值,可以将第一预设加速度值及第一转向角值输入车辆的运动学模型中的公式(1)至公式(4),分别计算车辆在当前时刻之后的多个时刻的目标采样点(x(t), y(t))。示例地,如图5所示,在需要生成时长最大为8s的路径集时,将第一预设加速度值及第一转向角值输入车辆11的运动学模型中的公式(1)至公式(4),分别计算车辆在当前时刻之后2s,4s,6s,8s时的目标采样点14。目标采样点14位于采样点区域13内。该多个时刻的目标采样点构成车辆可舒适到达的位置集。
该实施方式中,在所述车辆的行驶范围内的障碍物状况为无障碍物的情况下,基于第一预设加速度值确定第一转向角值,基于所述第一转向角值及所述车辆的运动学模型确定所述采样点区域内的多个目标采样点,这样,对于车辆行驶范围内,没有任何障碍物的场景,采样点的生成考虑了车辆的运动学特性,可以将第一预设加速度值设置为舒适横向加速度的值,从而可以根据舒适横向加速度的值,对采样点进行约束,从而提高输出路径的舒适性。
可选地,所述处理模块具体用于:
在所述车辆的行驶范围内的障碍物状况为存在静止障碍物的情况下,基于第二预设加速度值确定第二转向角值,基于所述第二转向角值及所述车辆的运动学模型确定所述采样点区域内的多个第一采样点;
基于所述多个第一采样点及所述静止障碍物的位置确定所述采样点区域内的多个目标采样点。
其中,第二预设加速度值可以根据经验设计,第二预设加速度值ay可以作为舒适横向加速度,示例地,根据经验第二预设加速度值可以设计为1 m/s2,-1 m/s2,0 m/s2,可根据以下公式计算得到第二转向角值:
;
其中,第二转向角值可以作为舒适前轮转角,在确定目标采样点时,可以设置车辆的加速度为第二预设加速度值,车辆的转向角为第二转向角值,可以将第二预设加速度值及第二转向角值输入车辆的运动学模型中的公式(1)至公式(4),分别计算车辆在当前时刻之后的多个时刻的第一采样点(x(t), y(t))。示例地,在需要生成时长最大为8s的路径集时,将第二预设加速度值及第二转向角值输入车辆的运动学模型中的公式(1)至公式(4),分别计算车辆在当前时刻之后2s,4s,6s,8s时的第一采样点(x(t), y(t))。该每一个时刻的第一采样点构成车辆可舒适到达的位置集。
另外,所述基于所述多个第一采样点及所述静止障碍物的位置确定所述采样点区域内的多个目标采样点,可以是,如图6所示,将采样点区域13内的多个第一采样点中距离静止障碍物15的位置小于第一预设阈值的第一采样点剔除,将剔除处理后的第一采样点作为目标采样点。该第一预设阈值可以根据实际场景设计,例如10米,20米,或者30米,等等。
对于车辆行驶范围内,有静止障碍物的场景,采样点主要根据行为决策方向,障碍物的位置和车辆的运动学特性生成。根据车辆的运动学特性,生成采样点区域;然后根据障碍物的位置以及行为决策方向,在采样点区域中,障碍物的一侧附近进行撒点采样,得到目标采样点的位置集。
该实施方式中,在所述车辆的行驶范围内的障碍物状况为存在静止障碍物的情况下,基于第二预设加速度值确定第二转向角值,基于所述第二转向角值及所述车辆的运动学模型确定所述采样点区域内的多个第一采样点;基于所述多个第一采样点及所述静止障碍物的位置确定所述采样点区域内的多个目标采样点。这样,对于车辆行驶范围内,有静止障碍物的场景,采样点的生成考虑了障碍物的位置和车辆的运动学特性,从而将采样点的选取约束在目标区域范围内,减少了不必要采样点的生成,提高了路径规划的规划效率。
可选地,所述处理模块具体用于:
在所述车辆的行驶范围内的障碍物状况为存在动态障碍物的情况下,基于所述动态障碍物的预测运动轨迹确定所述采样点区域内的多个第二采样点;
基于所述车辆的预测运动轨迹及所述多个第二采样点确定所述采样点区域内的多个目标采样点。
其中,如图7所示,可以基于所述动态障碍物的预测运动轨迹预测动态障碍物在当前时刻之后的多个时刻(例如,t0,t1,t2,t3)的位置,根据预测的动态障碍物的位置确定所述采样点区域内的多个第二采样点。可以根据预测的动态障碍物的位置进行撒点采样,确定所述采样点区域内的多个第二采样点。示例地,如图7所示,可以将距离预测的动态障碍物16的位置第二预设阈值的位置点作为第二采样点。该第二预设阈值可以根据实际场景设计,例如10米,20米,或者30米,等等。
另外,可以基于车辆的预测运动轨迹预测车辆在当前时刻之后的多个时刻的位置。若预测的车辆的位置在第二采样点附近,例如,距离第二采样点小于第三预设阈值,则剔除该第二采样点,将剔除处理后的多个第二采样点确定为目标采样点。该第三预设阈值可以根据实际场景设计,例如2米,5米,或者10米,等等。
需要说明的是,对于车辆行驶范围内,有动态障碍物的场景,采样点主要根据车辆的运动学特性和动态障碍物的运动轨迹生成。根据车辆的运动学特性,生成采样点区域;根据动态障碍物在t(例如,2s,4s,6s,8s)时刻的运动位置,进行撒点采样,得到多个第二采样点的位置集;然后根据车辆的运动状态,判断车辆是否会在t时刻左右到达采样点附近,如果是,则剔除该采样点,否则保留;剔除处理后得到目标采样点的位置集。从而根据障碍物的运动状态和车辆的运动状态进行撒点采样,提高了路径规划的安全性和合理性。
该实施方式中,在所述车辆的行驶范围内的障碍物状况为存在动态障碍物的情况下,基于所述动态障碍物的预测运动轨迹确定所述采样点区域内的多个第二采样点;基于所述车辆的预测运动轨迹及所述多个第二采样点确定所述采样点区域内的多个目标采样点。这样,对于车辆行驶范围内,有动态障碍物的场景,采样点的生成考虑了本车的运动学特性和动态障碍物的运动轨迹,并监测了采样点生成的合理性,不仅提高了路径生成的规划效率,也提升了输出路径的安全性。
可选地,所述处理模块具体用于:
基于车辆的运动学模型、最大转向角值及最大加速度值分别确定当前时刻之后的多个时刻对应的边界采样点;
将所述多个时刻对应的边界采样点围合而成的区域确定为用于车辆路径规划的采样点区域。
其中,基于车辆的运动学模型、最大转向角值及最大加速度值分别确定当前时刻之后的多个时刻对应的边界采样点的公式可以如下:
(5)
(6)
(7)
(8)
其中,x(t)为t(例如,2s,4s,6s,8s)时刻,车辆在大地坐标系下的x坐标值;x(0)为车辆在大地坐标系下的起点x坐标值;v(t)为t时刻的车辆速度;为t时刻的车辆航向角;为车辆起始航向角,y(t)为t时刻车辆在大地坐标系下的y坐标值;y(0)为车辆在大地坐标系下的起点y坐标值;为车辆的最大速度,可以为 ;为车辆的最大转向角,例如,可以设计为;L为车辆轴长;为车辆的最大加速度,例如,可以设计为2 m/s2。
该实施方式中,基于车辆的运动学模型、最大转向角值及最大加速度值分别确定当前时刻之后的多个时刻对应的边界采样点;将所述多个时刻对应的边界采样点围合而成的区域确定为用于车辆路径规划的采样点区域。这样,根据车辆运动学特性确定采样点区域,对采样点进行了有效约束,能够提高路径规划的效率。
可选地,所述处理模块具体用于:
将所述最大转向角值及所述最大加速度值输入车辆的运动学模型的航向角计算模块,得到所述车辆的最大航向角值;
将所述最大航向角值、所述最大加速度值及第一时长输入所述运动学模型的坐标计算模块,得到第一时刻对应的车辆坐标值,所述第一时长为所述第一时刻与当前时刻之间的时间间隔,所述第一时刻为当前时刻之后的多个时刻中的任意一个时刻;
基于所述第一时刻对应的车辆坐标值确定所述多个时刻对应的边界采样点。
其中,当前时刻之后的多个时刻可以包括当前时刻之后2s的时刻,当前时刻之后4s的时刻,当前时刻之后6s的时刻,当前时刻之后8s的时刻,等等;或者,当前时刻之后的多个时刻可以包括当前时刻之后3s的时刻,当前时刻之后6s的时刻,当前时刻之后9s的时刻,当前时刻之后12s的时刻,等等;或者,当前时刻之后的多个时刻可以包括当前时刻之后4s的时刻,当前时刻之后8s的时刻,当前时刻之后12s的时刻,当前时刻之后16s的时刻,当前时刻之后20s的时刻,等等;本实施例对此不进行限定。
另外,车辆的运动学模型的航向角计算模块可以包括公式(7),车辆的运动学模型的坐标计算模块可以包括公式(8)、公式(5)和公式(6)。可以将所述最大转向角值及所述最大加速度值输入公式(7),得到所述车辆的最大航向角值,其中,公式(7)中:;可以将所述最大加速度值及第一时长输入公式(8),得到v(t);将v(t)、最大航向角值及第一时长输入公式(5)和公式(6),得到第一时刻对应的车辆坐标值。
该实施方式中,将所述最大转向角值及所述最大加速度值输入车辆的运动学模型的航向角计算模块,得到所述车辆的最大航向角值;将所述最大航向角值、所述最大加速度值及第一时长输入所述运动学模型的坐标计算模块,得到第一时刻对应的车辆坐标值,所述第一时长为所述第一时刻与当前时刻之间的时间间隔,所述第一时刻为当前时刻之后的多个时刻中的任意一个时刻;基于所述第一时刻对应的车辆坐标值确定所述多个时刻对应的边界采样点。从而能够通过车辆的运动学模型确定边界采样点,使得边界采样点围合而成的采样点区域符合车辆的运动学特性。
可选地,所述处理模块具体用于:
基于所述多条路径中每条路径的第一指标值、第二指标值及第三指标值中的至少一项确定所述每条路径的评价指标值,所述第一指标值用于表征路径相对于车辆当前位置的横向偏移程度,所述第二指标值用于表征路径舒适程度,所述第三指标值用于表征路径相对于预期纵向长度的纵向偏移程度;
基于所述每条路径的评价指标值选择目标路径。
其中,第一指标值可以基于路径横向偏移量确定。
一种实施方式中,第一指标值offset_cost的计算公式可以如下:
;
其中,offset为路径横向偏移量,offset_weight为预设的路径横向偏离的惩罚权重。
其中,第二指标值comfort_cost可以基于路径横向偏移量对纵向距离的二阶导数及路径横向偏移量对所述纵向距离的一阶导数确定。
其中,第三指标值可以基于纵向距离与预期纵向长度的差值确定。
一种实施方式中,第三指标值length_cost的计算公式可以如下:
;
其中,path_length为纵向距离,target_length为预期纵向长度,length_weight为预设的路径纵向偏离的惩罚权重。
一种实施方式中,所述每条路径的评价指标值total_cost可以为:total_cost =offset_cost + comfort_cost + length_cost。
其中,目标路径可以为所述多条路径中评价指标值最小的路径。
该实施方式中,基于所述多条路径中每条路径的第一指标值、第二指标值及第三指标值中的至少一项确定所述每条路径的评价指标值,所述第一指标值用于表征路径相对于车辆当前位置的横向偏移程度,所述第二指标值用于表征路径舒适程度,所述第三指标值用于表征路径相对于预期纵向长度的纵向偏移程度;基于所述每条路径的评价指标值选择目标路径。这样,考虑横向偏移程度、纵向偏移程度及路径舒适程度中的至少一项评价多条路径,并从多条路径中选择目标路径,能够提高路径规划的合理性。
可选地,所述处理模块具体还用于:
确定所述每条路径的路径横向偏移量对纵向距离的二阶导数;
确定所述路径横向偏移量对所述纵向距离的一阶导数;
基于所述车辆的纵向速度的平方值与所述二阶导数的乘积与所述车辆的纵向加速度与所述一阶导数的乘积,确定所述第二指标值。
一种实施方式中,所述第二指标值comfort_cost可以如下计算:
;
其中,为路径横向偏移量offset对纵向距离的二阶导数,近似横向加速度值;为纵向速度;为路径横向偏移量offset对纵向距离的一阶导数,近似横向速度值;为纵向加速度;comfort_weight为预设权重。
该实施方式中,确定所述每条路径的路径横向偏移量对纵向距离的二阶导数;确定所述路径横向偏移量对所述纵向距离的一阶导数;基于所述车辆的纵向速度的平方值与所述二阶导数的乘积与所述纵向速度与所述一阶导数的乘积,确定所述第二指标值。这样,通过第二指标值能够使得选择的目标路径的舒适程度较高。
根据本申请的实施例,本申请还提供了一种车辆控制方法,如图8所示,车辆控制方法包括以下步骤:
步骤301:基于车辆的运动学模型确定用于车辆路径规划的采样点区域,并根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点;基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径;
步骤302:控制车辆按照所述目标路径行驶。
可选地,所述根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点,包括:
在所述车辆的行驶范围内的障碍物状况为无障碍物的情况下,基于第一预设加速度值及所述车辆的运动学模型确定所述采样点区域内的多个目标采样点;
在所述车辆的行驶范围内的障碍物状况为存在静止障碍物的情况下,基于第二预设加速度值、所述车辆的运动学模型及所述静止障碍物的位置确定所述采样点区域内的多个目标采样点;
在所述车辆的行驶范围内的障碍物状况为存在动态障碍物的情况下,基于所述动态障碍物的预测运动轨迹确定所述采样点区域内的多个目标采样点。
可选地,所述在所述车辆的行驶范围内的障碍物状况为无障碍物的情况下,基于第一预设加速度值及所述车辆的运动学模型确定所述采样点区域内的多个目标采样点,包括:
在所述车辆的行驶范围内的障碍物状况为无障碍物的情况下,基于第一预设加速度值确定第一转向角值,基于所述第一转向角值及所述车辆的运动学模型确定所述采样点区域内的多个目标采样点。
可选地,所述在所述车辆的行驶范围内的障碍物状况为存在静止障碍物的情况下,基于第二预设加速度值、所述车辆的运动学模型及所述静止障碍物的位置确定所述采样点区域内的多个目标采样点,包括:
在所述车辆的行驶范围内的障碍物状况为存在静止障碍物的情况下,基于第二预设加速度值确定第二转向角值,基于所述第二转向角值及所述车辆的运动学模型确定所述采样点区域内的多个第一采样点;
基于所述多个第一采样点及所述静止障碍物的位置确定所述采样点区域内的多个目标采样点。
可选地,所述在所述车辆的行驶范围内的障碍物状况为存在动态障碍物的情况下,基于所述动态障碍物的预测运动轨迹确定所述采样点区域内的多个目标采样点,包括:
在所述车辆的行驶范围内的障碍物状况为存在动态障碍物的情况下,基于所述动态障碍物的预测运动轨迹确定所述采样点区域内的多个第二采样点;
基于所述车辆的预测运动轨迹及所述多个第二采样点确定所述采样点区域内的多个目标采样点。
可选地,所述基于车辆的运动学模型确定用于车辆路径规划的采样点区域,包括:
基于车辆的运动学模型、最大转向角值及最大加速度值分别确定当前时刻之后的多个时刻对应的边界采样点;
将所述多个时刻对应的边界采样点围合而成的区域确定为用于车辆路径规划的采样点区域。
可选地,所述基于车辆的运动学模型、最大转向角值及最大加速度值分别确定当前时刻之后的多个时刻对应的边界采样点,包括:
将所述最大转向角值及所述最大加速度值输入车辆的运动学模型的航向角计算模块,得到所述车辆的最大航向角值;
将所述最大航向角值、所述最大加速度值及第一时长输入所述运动学模型的坐标计算模块,得到第一时刻对应的车辆坐标值,所述第一时长为所述第一时刻与当前时刻之间的时间间隔,所述第一时刻为当前时刻之后的多个时刻中的任意一个时刻;
基于所述第一时刻对应的车辆坐标值确定所述多个时刻对应的边界采样点。
可选地,所述基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径,包括:
基于所述多条路径中每条路径的第一指标值、第二指标值及第三指标值中的至少一项确定所述每条路径的评价指标值,所述第一指标值用于表征路径相对于车辆当前位置的横向偏移程度,所述第二指标值用于表征路径舒适程度,所述第三指标值用于表征路径相对于预期纵向长度的纵向偏移程度;
基于所述每条路径的评价指标值选择目标路径。
可选地,所述基于所述多条路径中每条路径的第一指标值、第二指标值及第三指标值中的至少一项确定所述每条路径的评价指标值之前,所述方法还包括:
确定所述每条路径的路径横向偏移量对纵向距离的二阶导数;
确定所述路径横向偏移量对所述纵向距离的一阶导数;
基于所述车辆的纵向速度的平方值与所述二阶导数的乘积与所述车辆的纵向加速度与所述一阶导数的乘积,确定所述第二指标值。
本申请的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本申请的实施例,本申请还提供了一种计算机程序产品,包括计算机程序或指令,当所述计算机程序或指令被处理器执行时实现本申请实施例中的车辆控制方法。
本申请中的车辆控制方法可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序或指令。在计算机上加载和执行所述计算机程序或指令时,全部或部分地执行本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、网络设备、用户设备、核心网设备、OAM或者其它可编程装置。
所述计算机程序或指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机程序或指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是集成一个或多个可用介质的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,例如,软盘、硬盘、磁带;也可以是光介质,例如,数字视频光盘;还可以是半导体介质,例如,固态硬盘。该计算机可读存储介质可以是易失性或非易失性存储介质,或可包括易失性和非易失性两种类型的存储介质。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
根据本申请的实施例,本申请还提供了一种车辆,所述车辆包括本申请实施例所述的车辆控制器,可选地,如图9所示,该车辆400可以包括计算单元401、ROM402、RAM403、总线404、I/O接口405、输入单元406、输出单元407、存储单元408和通信单元409。上述各部分的具体实施方式可以参照上述实施例中对电子设备的各部分的说明,为避免重复,在此不再赘述。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (9)
1.一种车辆控制器,其特征在于,所述车辆控制器包括处理模块和控制模块,所述处理模块和所述控制模块相连接,其中:
所述处理模块用于:基于车辆的运动学模型确定用于车辆路径规划的采样点区域,并根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点;基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径;
所述控制模块用于:控制车辆按照所述目标路径行驶;
其中,所述处理模块具体用于:
基于所述多条路径中每条路径的第一指标值、第二指标值及第三指标值中的至少一项确定所述每条路径的评价指标值,所述第一指标值用于表征路径相对于车辆当前位置的横向偏移程度,所述第二指标值用于表征路径舒适程度,所述第三指标值用于表征路径相对于预期纵向长度的纵向偏移程度;
基于所述每条路径的评价指标值选择目标路径;
所述处理模块具体还用于:
确定所述每条路径的路径横向偏移量对纵向距离的二阶导数;
确定所述路径横向偏移量对所述纵向距离的一阶导数;
基于所述车辆的纵向速度的平方值与所述二阶导数的乘积与所述车辆的纵向加速度与所述一阶导数的乘积,确定所述第二指标值。
2.根据权利要求1所述的车辆控制器,其特征在于,所述处理模块具体用于如下至少一项:
在所述车辆的行驶范围内的障碍物状况为无障碍物的情况下,基于第一预设加速度值及所述车辆的运动学模型确定所述采样点区域内的多个目标采样点;
在所述车辆的行驶范围内的障碍物状况为存在静止障碍物的情况下,基于第二预设加速度值、所述车辆的运动学模型及所述静止障碍物的位置确定所述采样点区域内的多个目标采样点;
在所述车辆的行驶范围内的障碍物状况为存在动态障碍物的情况下,基于所述动态障碍物的预测运动轨迹确定所述采样点区域内的多个目标采样点。
3.根据权利要求2所述的车辆控制器,其特征在于,所述处理模块具体用于:
在所述车辆的行驶范围内的障碍物状况为无障碍物的情况下,基于第一预设加速度值确定第一转向角值,基于所述第一转向角值及所述车辆的运动学模型确定所述采样点区域内的多个目标采样点。
4.根据权利要求2所述的车辆控制器,其特征在于,所述处理模块具体用于:
在所述车辆的行驶范围内的障碍物状况为存在静止障碍物的情况下,基于第二预设加速度值确定第二转向角值,基于所述第二转向角值及所述车辆的运动学模型确定所述采样点区域内的多个第一采样点;
基于所述多个第一采样点及所述静止障碍物的位置确定所述采样点区域内的多个目标采样点。
5.根据权利要求2所述的车辆控制器,其特征在于,所述处理模块具体用于:
在所述车辆的行驶范围内的障碍物状况为存在动态障碍物的情况下,基于所述动态障碍物的预测运动轨迹确定所述采样点区域内的多个第二采样点;
基于所述车辆的预测运动轨迹及所述多个第二采样点确定所述采样点区域内的多个目标采样点。
6.根据权利要求1所述的车辆控制器,其特征在于,所述处理模块具体用于:
基于车辆的运动学模型、最大转向角值及最大加速度值分别确定当前时刻之后的多个时刻对应的边界采样点;
将所述多个时刻对应的边界采样点围合而成的区域确定为用于车辆路径规划的采样点区域。
7.根据权利要求6所述的车辆控制器,其特征在于,所述处理模块具体用于:
将所述最大转向角值及所述最大加速度值输入车辆的运动学模型的航向角计算模块,得到所述车辆的最大航向角值;
将所述最大航向角值、所述最大加速度值及第一时长输入所述运动学模型的坐标计算模块,得到第一时刻对应的车辆坐标值,所述第一时长为所述第一时刻与当前时刻之间的时间间隔,所述第一时刻为当前时刻之后的多个时刻中的任意一个时刻;
基于所述第一时刻对应的车辆坐标值确定所述多个时刻对应的边界采样点。
8.一种车辆,其特征在于,所述车辆包括如权利要求1-7中任一项所述的车辆控制器。
9.一种车辆控制方法,其特征在于,所述方法包括:
基于车辆的运动学模型确定用于车辆路径规划的采样点区域,并根据所述车辆的行驶范围内的障碍物状况确定所述采样点区域内的多个目标采样点;基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径;
控制车辆按照所述目标路径行驶;
其中,所述基于所述多个目标采样点确定多条路径,并从所述多条路径中选择目标路径,包括:
基于所述多条路径中每条路径的第一指标值、第二指标值及第三指标值中的至少一项确定所述每条路径的评价指标值,所述第一指标值用于表征路径相对于车辆当前位置的横向偏移程度,所述第二指标值用于表征路径舒适程度,所述第三指标值用于表征路径相对于预期纵向长度的纵向偏移程度;
基于所述每条路径的评价指标值选择目标路径;
所述基于所述多条路径中每条路径的第一指标值、第二指标值及第三指标值中的至少一项确定所述每条路径的评价指标值之前,所述方法还包括:
确定所述每条路径的路径横向偏移量对纵向距离的二阶导数;
确定所述路径横向偏移量对所述纵向距离的一阶导数;
基于所述车辆的纵向速度的平方值与所述二阶导数的乘积与所述车辆的纵向加速度与所述一阶导数的乘积,确定所述第二指标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310118734.9A CN115848365B (zh) | 2023-02-03 | 2023-02-03 | 车辆控制器、车辆及车辆控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310118734.9A CN115848365B (zh) | 2023-02-03 | 2023-02-03 | 车辆控制器、车辆及车辆控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115848365A CN115848365A (zh) | 2023-03-28 |
CN115848365B true CN115848365B (zh) | 2023-05-02 |
Family
ID=85658119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310118734.9A Active CN115848365B (zh) | 2023-02-03 | 2023-02-03 | 车辆控制器、车辆及车辆控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115848365B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116572997B (zh) * | 2023-07-11 | 2023-09-15 | 北京集度科技有限公司 | 车辆控制器、车辆及车辆控制方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2979299B1 (fr) * | 2011-08-31 | 2014-09-12 | Peugeot Citroen Automobiles Sa | Dispositif de traitement pour estimer une trajectoire future d'un vehicule, associee a une couleur fonction d'un niveau de risque de collision estime, pour un systeme d'aide a la conduite |
CN105549597B (zh) * | 2016-02-04 | 2018-06-26 | 同济大学 | 一种基于环境不确定性的无人车动态路径规划方法 |
CN110834645B (zh) * | 2019-10-30 | 2021-06-29 | 中国第一汽车股份有限公司 | 车辆的自由空间确定方法、装置、存储介质及车辆 |
CN112577506B (zh) * | 2020-10-30 | 2023-04-07 | 上汽大众汽车有限公司 | 一种自动驾驶局部路径规划方法和*** |
CN113029151B (zh) * | 2021-03-15 | 2023-04-14 | 齐鲁工业大学 | 一种智能车辆路径规划方法 |
CN114620070A (zh) * | 2022-02-16 | 2022-06-14 | 杭州飞步科技有限公司 | 行车轨迹规划方法、装置、设备及存储介质 |
CN115583254A (zh) * | 2022-09-29 | 2023-01-10 | 阿波罗智能技术(北京)有限公司 | 路径规划方法、装置、设备以及自动驾驶车辆 |
CN115447615A (zh) * | 2022-10-18 | 2022-12-09 | 上汽大众汽车有限公司 | 基于车辆运动学模型预测控制的轨迹优化方法 |
-
2023
- 2023-02-03 CN CN202310118734.9A patent/CN115848365B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115848365A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113264066B (zh) | 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备 | |
CN113753077A (zh) | 预测障碍物的运动轨迹的方法、装置及自动驾驶车辆 | |
CN118246513A (zh) | 训练动作选择神经网络 | |
CN115848365B (zh) | 车辆控制器、车辆及车辆控制方法 | |
CN113635912B (zh) | 车辆控制方法、装置、设备、存储介质及自动驾驶车辆 | |
JP2022088548A (ja) | 運転行動習慣の決定、車両走行の制御方法、装置及び機器 | |
CN114212110B (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
CN107091648A (zh) | 一种激光雷达与差分gps的数据融合方法及*** | |
CN114506343B (zh) | 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆 | |
CN115185271A (zh) | 导航路径生成方法、装置、电子设备和计算机可读介质 | |
CN111707258B (zh) | 一种外部车辆监测方法、装置、设备及存储介质 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN113978465A (zh) | 一种变道轨迹规划方法、装置、设备以及存储介质 | |
CN116890876A (zh) | 车辆控制方法、装置、电子设备和自动驾驶车辆 | |
CN115782876A (zh) | 一种变道轨迹生成方法、装置、设备及自动驾驶车辆 | |
CN111830957A (zh) | 一种路径规划方法和装置 | |
CN114030483B (zh) | 车辆控制方法、装置、电子设备和介质 | |
CN113753076B (zh) | 判定有效障碍物的方法和装置、电子设备及自动驾驶车辆 | |
CN115583254A (zh) | 路径规划方法、装置、设备以及自动驾驶车辆 | |
CN113320544B (zh) | 车辆驾驶行为的规划方法、装置、电子设备、存储介质 | |
CN115597619A (zh) | 车辆的路径规划方法、装置、电子设备及自动驾驶车辆 | |
CN115285147A (zh) | 无人车的驾驶决策方法、装置及无人车 | |
CN116572997B (zh) | 车辆控制器、车辆及车辆控制方法 | |
CN116403455B (zh) | 车辆控制方法、装置、设备及存储介质 | |
CN116753970A (zh) | 路径规划方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |