CN116088538B - 车辆轨迹信息生成方法、装置、设备和计算机可读介质 - Google Patents
车辆轨迹信息生成方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116088538B CN116088538B CN202310356085.6A CN202310356085A CN116088538B CN 116088538 B CN116088538 B CN 116088538B CN 202310356085 A CN202310356085 A CN 202310356085A CN 116088538 B CN116088538 B CN 116088538B
- Authority
- CN
- China
- Prior art keywords
- track
- information
- vehicle
- target
- cost
- 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 57
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000006073 displacement reaction Methods 0.000 claims description 68
- 230000003993 interaction Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 description 27
- 230000036461 convulsion Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010028896 Needle track marks Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了车辆轨迹信息生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括:获取障碍物轨迹信息集和自车轨迹信息集;对障碍物轨迹信息集和自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集;对于每个目标自车轨迹信息:对目标自车轨迹信息进行解析处理,得到第一代价分值;基于目标自车轨迹信息和目标障碍物轨迹信息集,生成第二代价分值;基于目标自车轨迹信息、第一代价分值和第二代价分值,生成轨迹代价信息;选出一个轨迹代价信息,作为目标轨迹代价信息;将目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。该实施方式可以提高车辆行驶的效率和安全性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及车辆轨迹信息生成方法、装置、设备和计算机可读介质。
背景技术
车辆轨迹信息生成方法,对自动驾驶车辆进行路径规划和决策的具有重要作用。目前,在生成车辆轨迹信息时,通常采用的方式为:根据车辆采集到的感知信息,通过基于神经网络的决策模型或者基于规则的决策方法,生成车辆轨迹信息以供车辆行驶。
然而,发明人发现,当采用上述方式生成车辆轨迹信息时,经常会存在如下技术问题:
第一,由于基于神经网络的决策模型难以在连续规划中实时调整参数,可解释性也较差,同时基于规则的决策方法仅能处理自车的预测轨迹,而不能处理障碍物车辆的多条预测轨迹,从而,容易使得车辆轨迹信息的准确性不足,降低了车辆行驶的效率和安全性;
第二,由于障碍物车辆可能存在多条不确定的预测轨迹,若将自车与障碍物车辆之间的碰撞代价设置为无穷大,则难以确定一条能够避开所有障碍物车辆的自车轨迹,从而,容易导致无法生成车辆轨迹信息;或者,即使可以确定自车轨迹,但该自车轨迹将使得自车由于不断减速和刹停而无法正常前进,从而,降低了车辆行驶的效率。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了车辆轨迹信息生成方法、装置、设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种车辆轨迹信息生成方法,该方法包括:获取障碍物轨迹信息集和当前车辆的自车轨迹信息集;对上述障碍物轨迹信息集和上述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集;对于上述目标自车轨迹信息集中的每个目标自车轨迹信息,执行以下步骤:对上述目标自车轨迹信息进行解析处理,得到第一代价分值;基于上述目标自车轨迹信息和上述目标障碍物轨迹信息集,生成第二代价分值;基于上述目标自车轨迹信息、上述第一代价分值和上述第二代价分值,生成轨迹代价信息;从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息,作为目标轨迹代价信息;将上述目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。
第二方面,本公开的一些实施例提供了一种车辆轨迹信息生成装置,装置包括:获取单元,被配置成获取障碍物轨迹信息集和当前车辆的自车轨迹信息集;预处理单元,被配置成对上述障碍物轨迹信息集和上述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集;执行单元,被配置成对于上述目标自车轨迹信息集中的每个目标自车轨迹信息,执行以下步骤:对上述目标自车轨迹信息进行解析处理,得到第一代价分值;基于上述目标自车轨迹信息和上述目标障碍物轨迹信息集,生成第二代价分值;基于上述目标自车轨迹信息、上述第一代价分值和上述第二代价分值,生成轨迹代价信息;选择单元,被配置成从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息,作为目标轨迹代价信息;确定单元,被配置成将上述目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,上述计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车辆轨迹信息生成方法,可以提高车辆轨迹信息的准确性,以及提高车辆行驶的效率和安全性。具体来说,造成车辆轨迹信息的准确性不足,车辆行驶的效率和安全性降低的原因在于:基于神经网络的决策模型难以在连续规划中实时调整参数,可解释性也较差,同时基于规则的决策方法仅能处理自车的预测轨迹,而不能处理障碍物车辆的多条预测轨迹。基于此,本公开的一些实施例的车辆轨迹信息生成方法,首先,获取障碍物轨迹信息集和当前车辆的自车轨迹信息集。由此,便于后续根据当前车辆和障碍物车辆的预测轨迹,为当前车辆规划出一条行驶代价最低的最优轨迹。其次,对上述障碍物轨迹信息集和上述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集。由此,可以将当前车辆和障碍物车辆的预测轨迹数据转换为路径-速度分解框架下的轨迹数据,便于后续对当前车辆的各条预测轨迹进行代价估计。然后,对于上述目标自车轨迹信息集中的每个目标自车轨迹信息,执行以下步骤:对上述目标自车轨迹信息进行解析处理,得到第一代价分值;基于上述目标自车轨迹信息和上述目标障碍物轨迹信息集,生成第二代价分值;基于上述目标自车轨迹信息、上述第一代价分值和上述第二代价分值,生成轨迹代价信息。由此,可以针对每条自车轨迹,通过对当前车辆进行基于规则的代价估计,以及当前车辆与障碍物车辆的交互代价估计,得到自车轨迹对应的最终行驶代价。最后,从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息,作为目标轨迹代价信息。将上述目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。由此,根据各个自车轨迹对应的各个轨迹代价信息,可以确定行驶代价最低的自车轨迹。因此,本公开的车辆轨迹信息生成方法,在结合基于规则的决策方法,根据自车轨迹确定自车的行驶代价的同时,又充分考虑了当前车辆与障碍物车辆之间可能存在的碰撞风险对应的交互代价,由此,可以确定一条行驶代价最低的自车轨迹以供车辆行驶。从而,使得车辆轨迹信息的准确性得以提高。进而,提高了车辆行驶的效率和安全性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的车辆轨迹信息生成方法的一些实施例的流程图;
图2是根据本公开的车辆轨迹信息生成装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的车辆轨迹信息生成方法的一些实施例的流程100。该车辆轨迹信息生成方法,包括以下步骤:
步骤101,获取障碍物轨迹信息集和当前车辆的自车轨迹信息集。
在一些实施例中,车辆轨迹信息生成方法的执行主体(例如整车控制器)可以通过有线连接方式或者无线连接方式获取障碍物轨迹信息集和当前车辆的自车轨迹信息集。其中,上述障碍物轨迹信息集中的障碍物轨迹信息可以是轨迹预测模块输出的当前车辆周围各个障碍物车辆在未来的预设时长内的运动轨迹的信息。上述预设时长可以是预先设置的时长值。例如,上述预设时长可以是5秒。上述障碍物轨迹信息集中的障碍物轨迹信息可以包括但不限于以下至少一项:障碍物标识、障碍物轨迹标识、轨迹碰撞置信度和障碍物轨迹点信息序列等。上述障碍物标识可以是障碍物车辆的标识。上述障碍物车辆可以是车辆类型的障碍物。上述障碍物标识与障碍物车辆一一对应。上述障碍物轨迹标识可以是障碍物轨迹的标识。上述障碍物轨迹可以是障碍物车辆的运动轨迹。上述障碍物轨迹标识与障碍物轨迹一一对应。上述轨迹碰撞置信度可以是当前车辆的运动轨迹与障碍物车辆的运动轨迹之间的碰撞风险的置信度。上述障碍物轨迹点信息序列可以表征预测的障碍物轨迹。上述障碍物轨迹点信息序列中的障碍物轨迹点信息与轨迹点一一对应。上述障碍物轨迹点信息序列中的障碍物轨迹点信息可以包括第一时间点、位姿矩阵、加速度和急动度。上述第一时间点可以是障碍物车辆行驶至对应的轨迹点时的时间点。上述轨迹预测模块可以是根据障碍物车辆的历史运动轨迹,预测障碍物车辆在预设时长内的运动轨迹的模块。上述历史运动轨迹可以是障碍物车辆在过去一段时间的运动轨迹。上述自车轨迹信息集中的自车轨迹信息可以是决策规划模块输出的当前车辆在未来的预设时长内的运动轨迹的信息。例如,上述自车轨迹信息集中的自车轨迹信息可以包括但不限于以下至少一项:自车轨迹标识、初始轨迹点信息序列等。上述自车轨迹标识可以是自车轨迹的标识。上述自车轨迹可以是规划的当前车辆的运动轨迹。上述自车轨迹标识与自车轨迹一一对应。上述初始轨迹点信息序列中的初始轨迹点信息可以表征自车轨迹上的轨迹点。上述初始轨迹点信息序列中的初始轨迹点信息与轨迹点一一对应。上述初始轨迹点信息序列中的初始轨迹点信息可以包括第二时间点和定位坐标。上述第二时间点可以是当前车辆行驶至对应的轨迹点时的时间点。上述定位坐标可以是GPS(Global Positioning System,全球定位***)坐标。上述决策规划模块可以是规划当前车辆在预设时长内避开静态障碍物的运动轨迹的模块。上述静态障碍物可以是位置不会随时间变化的障碍物。
需要说明的是,一个障碍物车辆可以对应有多条预测的障碍物轨迹。当前车辆可以对应有多条规划的自车轨迹。
步骤102,对障碍物轨迹信息集和自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集。
在一些实施例中,上述执行主体可以通过各种方式,对上述障碍物轨迹信息集和上述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集。其中,上述目标自车轨迹信息集中的目标自车轨迹信息可以表征规划的自车轨迹。上述目标自车轨迹信息集中的目标自车轨迹信息可以包括但不限于以下几项:自车轨迹标识、自车轨迹点信息序列等。上述自车轨迹点信息序列中的自车轨迹点信息可以表征规划的当前车辆在自车轨迹上的一个轨迹点处的信息。上述自车轨迹点信息序列中的自车轨迹点信息可以包括但不限于以下至少一项:自车时间、自车速度值、自车位移值、自车加速度值和自车急动度值等。上述自车时间可以是假设当前时刻为0时刻,当前车辆从当前位置行驶至对应的轨迹点时的时间点。上述自车速度值可以是当前车辆在对应的轨迹点时的速度值。上述自车位移值可以是当前车辆从当前所在位置移动至对应的轨迹点时所移动的距离值。上述自车加速度值可以是当前车辆在对应的轨迹点时的加速度值。上述自车急动度值可以是当前车辆在对应的轨迹点时的急动度值。上述目标障碍物轨迹信息集中的目标障碍物轨迹信息可以表征与当前车辆存在碰撞风险的障碍物轨迹。上述目标障碍物轨迹信息集中的目标障碍物轨迹信息可以包括但不限于以下几项:障碍物轨迹标识、障碍物轨迹点信息序列等。上述障碍物轨迹点信息序列中的障碍物轨迹点信息可以是障碍物车辆在轨迹点处的信息。上述障碍物轨迹点信息序列中的障碍物轨迹点信息可以包括但不限于以下至少一项:行驶时间、位移上界值、位移下界值和行驶速度。上述行驶时间可以是假设当前时刻为0时刻,障碍物车辆从当前位置行驶至对应的轨迹点时的时间点。上述位移上界值和上述位移下界值可以是障碍物车辆移动至行驶时间对应的轨迹点后,自车与之发生碰撞的临界位移值。上述起始位置可以是0时刻障碍物所在的位置。上述行驶速度可以是障碍物车辆在对应的轨迹点时的速度值。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤,对上述障碍物轨迹信息集和上述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集:
第一步,对上述障碍物轨迹信息集和上述自车轨迹信息集进行碰撞检测,得到目标碰撞轨迹信息集。其中,上述目标碰撞轨迹信息集中的目标碰撞轨迹信息可以表征与当前车辆之间存在碰撞风险的障碍物轨迹。对于上述障碍物轨迹信息集中的每个障碍物轨迹信息,可以通过预设的碰撞检测方法,对上述障碍物轨迹信息和上述自车轨迹信息集进行碰撞检测,得到目标碰撞轨迹信息。
作为示例,上述碰撞检测方法可以包括但不限于以下至少一项:外接圆碰撞检测方法、SAT(Separating Axis Theorem,分离轴定理)碰撞检测方法、GJK(Gilbert–Johnson–Keerthi)碰撞检测方法等。
第二步,基于上述自车轨迹信息集和上述目标碰撞轨迹信息集,生成目标自车轨迹信息集和目标障碍物轨迹信息集。上述执行主体可以通过各种方式,基于上述自车轨迹信息集和上述目标碰撞轨迹信息集,生成目标自车轨迹信息集和目标障碍物轨迹信息集。
在一些实施例的一些可选的实现方式中,上述执行主体可以基于上述自车轨迹信息集和上述目标碰撞轨迹信息集,通过以下步骤,生成目标自车轨迹信息集和目标障碍物轨迹信息集:
步骤一,对于上述自车轨迹信息集中的每个自车轨迹信息,执行以下步骤,以生成目标自车轨迹信息集中的目标自车轨迹信息:
子步骤一,对上述自车轨迹信息进行映射处理,得到自车位移时间信息组。其中,上述自车位移时间信息组中的自车位移时间信息可以表征在以预设的参考路径建立的frenet坐标系下的ST图中的自车轨迹上的一个轨迹点。上述预设的参考路径可以是从自车轨迹中选择的一条轨迹的路径。上述ST图对应的坐标系可以是以时间为横轴,以位移为纵轴的坐标系。上述自车位移时间信息组中的自车位移时间信息可以包括自车时间和自车位移值。首先,对于上述自车轨迹信息包括的初始轨迹点信息序列中的每个初始轨迹点信息,根据初始轨迹点信息包括的第二时间点和定位坐标,将初始轨迹点信息映射至frenet自然坐标系下的ST图中,得到自车位移时间信息。然后,可以通过预设的排序算法,根据各个初始轨迹点信息的时间先后顺序,对所得到的各个自车位移时间信息进行排序,得到自车位移时间信息组。
作为示例,上述排序算法可以包括但不限于以下至少一项:快速排序、冒泡排序、***排序。
子步骤二,对上述自车轨迹信息和上述自车位移时间信息组进行融合处理,得到目标自车轨迹信息。可以通过以下步骤进行融合处理,以得到目标自车轨迹信息:
步骤1,对上述自车位移时间信息组进行更新,得到更新后自车位移时间信息组。其中,上述更新后自车位移时间信息组中的更新后自车位移时间信息可以是包括对应自车时间的当前车辆的速度、加速度、急动度的信息。对于上述自车位移时间信息组中的每个自车位移时间信息,首先,可以通过动力学模型,根据自车位移时间信息,生成自车速度值、自车加速度值和自车急动度值。然后,将所生成的自车速度值、自车加速度值和自车急动度值添加至对应的自车位移时间信息中,得到更新后自车位移时间信息。
步骤2,将上述自车轨迹信息包括的自车轨迹标识和上述更新后自车位移时间信息组确定为目标自车轨迹信息。
步骤二,对于上述目标碰撞轨迹信息集中的每个目标碰撞轨迹信息,执行以下步骤,以生成目标障碍物轨迹信息集中的目标障碍物轨迹信息:
子步骤一,对上述目标碰撞轨迹信息进行映射处理,得到障碍物位移时间信息组。其中,上述障碍物位移时间信息组中的障碍物位移时间信息可以表征在以参考路径建立的frenet坐标系下的ST图中的障碍物轨迹上的一个轨迹点。上述障碍物位移时间信息组中的障碍物位移时间信息可以包括行驶时间、位移上界值和位移下界值。首先,可以对于上述目标碰撞轨迹信息包括的障碍物轨迹点信息序列中的每个障碍物轨迹点信息,根据障碍物轨迹点信息包括的第一时间点、位姿矩阵,将对应的障碍物的包围框投影至自然坐标系,以及将当前车辆和投影后的包围框沿着基准路径移动,获得车间碰撞的临界位移值,再将临界位移值投影至frenet坐标系下的ST图中,得到对应时间点的障碍物位移时间信息。然后,可以通过上述排序算法,根据各个障碍物轨迹点信息的时间先后顺序,对所得到的各个障碍物位移时间信息进行排序,得到障碍物位移时间信息组。
子步骤二,对上述目标碰撞轨迹信息和上述障碍物位移时间信息组进行融合处理,得到目标障碍物轨迹信息。可以通过以下步骤执行融合处理,以得到目标障碍物轨迹信息:
步骤1,对上述障碍物位移时间信息组进行更新,得到更新后障碍物位移时间信息组。其中,上述更新后障碍物位移时间信息组中的更新后自车位移时间信息可以是包括障碍物车辆的速度的信息。对于上述障碍物位移时间信息组中的每个障碍物位移时间信息,首先,从上述目标碰撞轨迹信息包括的障碍物轨迹点信息序列中,选出与上述障碍物位移时间信息相匹配的一个障碍物轨迹点信息。其中,与上述障碍物位移时间信息相匹配可以是:第一预设位移时长与上述障碍物位移时间信息对应的第二预设位移时长相同。上述第一预设位移时长可以是障碍物轨迹点信息对应的第一时间点与障碍物轨迹起始时刻之间的时长。上述第二预设位移时长可以是上述障碍物位移时间信息包括的行驶时间与起始时刻之间的时长。然后,可以通过动力学公式,根据所选出的障碍物轨迹点信息包括的加速度,生成行驶速度值。最后,将所生成的行驶速度值添加至对应的障碍物位移时间信息中,得到更新后障碍物位移时间信息。
步骤2,可以将更新后障碍物位移时间信息组与上述目标碰撞轨迹信息包括的障碍物轨迹标识和轨迹碰撞置信度确定为目标障碍物轨迹信息。
步骤103,对于目标自车轨迹信息集中的每个目标自车轨迹信息,执行以下步骤:
步骤1031,对目标自车轨迹信息进行解析处理,得到第一代价分值。
在一些实施例中,上述执行主体可以通过各种方式,对上述目标自车轨迹信息进行解析处理,得到第一代价分值。其中,上述第一代价分值可以衡量对应的自车轨迹与期望轨迹之间的差异。例如,上述第一代价分值越大,自车轨迹与期望轨迹之间的差异也越大。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤,对上述目标自车轨迹信息进行解析处理,得到第一代价分值:
第一步,对于上述目标自车轨迹信息包括的自车轨迹点信息序列中的每个自车轨迹点信息,执行以下步骤:
第一子步骤,响应于确定上述自车轨迹点信息满足预设序号条件,将上述自车轨迹点信息序列中满足预设下一时刻条件的一个自车轨迹点信息确定为下一时刻轨迹点信息。其中,上述预设序号条件可以是自车轨迹点信息对应的序号小于上述自车轨迹点信息序列对应的各个序号中的最大值。上述预设下一时刻条件可以是上述自车轨迹点信息序列中,序号值比上述自车轨迹点信息对应的序号大1的自车轨迹点信息。
第二子步骤,基于上述下一时刻轨迹点信息和上述自车轨迹点信息,生成位置差异代价分值、速度差异代价分值和加速度差异代价分值。其中,上述位置差异代价分值可以表征相邻时刻的位置与基于动力学的位置之间的差异。上述速度差异代价分值可以表征相邻时刻的速度与基于动力学的速度之间的差异。上述加速度差异代价分值可以表征相邻时刻的加速度与基于动力学的加速度之间的差异。可以根据纵向动力学模型,基于上述下一时刻轨迹点信息和上述自车轨迹点信息,生成位置差异代价分值、速度差异代价分值和加速度差异代价分值。上述位置差异代价分值、速度差异代价分值和加速度差异代价分值可以通过以下公式表示:
其中,表示上述自车轨迹点信息对应的时间点,初始值为0。/>表示上述下一时刻轨迹点信息对应的下一时刻的时间点。/>表示/>时刻和/>时刻之差。/>表示位置差异代价分值。/>表示/>时刻的自车位移值。/>表示/>时刻的自车位移值。/>表示/>时刻的自车速度值。/>表示/>时刻的自车加速度值。/>表示/>时刻的自车急动度值。/>表示速度差异代价分值。/>表示/>时刻的自车速度值。/>表示加速度差异代价分值。/>表示/>时刻的自车加速度值。
第三子步骤,基于上述位置差异代价分值、上述速度差异代价分值和上述加速度差异代价分值,生成综合差异代价分值。其中,上述综合差异代价分值可以表征相邻时刻自车轨迹与基于动力学的自车轨迹之间的差异的代价。首先,将上述位置差异代价分值与预设的位置权重值的乘积确定为目标位置代价分值。其中,上述预设的位置权重值可以是预先设置的自车位置对应的权重值。其次,将上述速度差异代价分值与预设的速度权重值的乘积确定为目标速度代价分值。其中,上述预设的速度权重值可以是预先设置的自车速度对应的权重值。然后,将上述加速度差异代价分值与预设的加速度权重值的乘积确定为目标加速度代价分值。其中,上述预设的加速度权重值可以是预先设置的加速度对应的权重值。最后,将目标位置代价分值、目标速度代价分值和目标加速度代价分值的和确定为综合差异代价分值。
第二步,将所生成的各个综合差异代价分值的和确定为轨迹差异代价分值。其中,上述轨迹差异代价分值可以表征自车轨迹对应的动力学代价。上述动力学代价可以是预测轨迹与基于动力学的轨迹之间的差距所对应的代价。
第三步,响应于确定上述轨迹差异代价分值小于预设差异阈值,将预设的动力学代价分值确定为第一代价分值。其中,上述预设差异阈值可以是轨迹的动力学代价的上限值。上述预设的动力学代价分值可以表征对应的自车轨迹符合动力学模型。例如,上述动力学代价分值可以是0.001。
可选的,上述执行主体响应于确定上述轨迹差异代价分值不小于预设差异阈值,将预设的第二动力学代价分值确定为第一代价分值。其中,上述预设的第二动力学代价分值可以表征对应的自车轨迹不符合动力学模型。例如,上述动力学代价分值可以为无穷大。
可选的,上述执行主体还可以通过以下步骤,对上述目标自车轨迹信息进行解析处理,得到第一代价分值:
第一步,对于上述目标自车轨迹信息包括的自车轨迹点信息序列中的每个自车轨迹点信息,执行以下步骤:
第一子步骤,将预设的参考速度值与上述自车轨迹点信息包括的自车速度值的差确定为速度误差值。其中,上述预设的参考速度值可以是根据道路限速情况动态设定的。例如,道路限速情况可以是道路设置有具体的限速值,上述参考速度值可以是道路的限速值;道路限速情况也可以是道路未设置有限速值,上述参考速度值可以是驾驶员设定的速度值。
第二子步骤,将预设的效率权重值与上述速度误差值的乘积确定为效率代价分值。其中,上述预设的效率权重值可以是预先设置的行车效率的权重值。上述行车效率可以是车辆的速度与期望速度之间的差值。差值越小,行车效率越高;差值越大,行车效率越低。上述效率代价分值可以表征对应的自车轨迹与期望轨迹在各个时刻的速度上的差距。
第二步,将所得到的各个效率代价分值的和确定为第一代价分值。
可选的,上述执行主体还可以通过以下步骤,对上述目标自车轨迹信息进行解析处理,得到第一代价分值:
第一步,对于上述目标自车轨迹信息包括的自车轨迹点信息序列中的每个自车轨迹点信息,执行以下步骤:
第一子步骤,将上述自车轨迹点信息包括的自车加速度值的的平方确定为第一舒适度代价分值,以及将预设的第一舒适度权重值与上述第一舒适度代价分值的乘积确定为第一舒适度分值。其中,上述预设的第一舒适度权重值可以是预先设置的影响舒适度代价的加速度所占的权重值。其中,上述舒适度代价可以是乘车舒适度的代价。
第二子步骤,将上述自车轨迹点信息包括的自车急动度值的的平方确定为第二舒适度代价分值,以及将预设的第二舒适度权重值与上述第二舒适度代价分值的乘积确定为第二舒适度分值。其中,上述预设的第二舒适度权重值可以是预先设置的影响舒适度代价的急动度所占的权重值。
第三子步骤,将第一舒适度分值与第二舒适度分值的和确定为舒适度代价分值。其中,上述舒适度代价分值可以表征对应的自车轨迹与期望轨迹的舒适度的差异。
第二步,将所得到的各个舒适度代价分值的和确定为第一代价分值。
可选的,上述执行主体还可以对上述动力学代价、效率代价和乘车舒适度代价随机组合,以及将随机组合得到的结果确定为第一代价分值。例如,将动力学代价和效率代价进行组合,以及将动力学代价分值和效率代价分值的和确定为第一代价分值。
步骤1032,基于目标自车轨迹信息和目标障碍物轨迹信息集,生成第二代价分值。
在一些实施例中,上述执行主体可以通过各种方式,基于上述目标自车轨迹信息和上述目标障碍物轨迹信息集,生成第二代价分值。其中,上述第二代价分值可以是对应的自车轨迹与障碍物轨迹之间进行交互的代价值。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤,基于上述目标自车轨迹信息和上述目标障碍物轨迹信息集,生成第二代价分值:
第一步,对于上述目标障碍物轨迹信息集中的每个目标障碍物轨迹信息,执行以下步骤:
第一子步骤,对上述目标障碍物轨迹信息进行检测处理,得到未碰撞时刻组和碰撞时刻组。其中,上述未碰撞时刻组可以是当前车辆和障碍物车辆没有碰撞的各个时刻的集合。上述碰撞时刻组可以是当前车辆和障碍物车辆发生碰撞的各个时刻的集合。对于上述目标障碍物轨迹信息包括的、更新后障碍物位移时间信息组中的每个更新后障碍物位移时间信息,可以通过以下步骤进行检测处理,以得到未碰撞时刻或碰撞时刻:
子步骤1,从上述目标自车轨迹信息包括的更新后自车位移时间信息组中,选出与上述更新后障碍物位移时间信息相匹配的更新后自车位移时间信息,作为匹配自车位移时间信息。其中,与上述更新后障碍物位移时间信息相匹配可以是:更新后自车位移时间信息对应的自车时间与上述更新后障碍物位移时间信息对应的行驶时间相同。
子步骤2,响应于确定上述匹配自车位移时间信息满足预设位移区间条件,将上述更新后障碍物位移时间信息对应的行驶时间确定为碰撞时刻。上述预设位移区间条件可以是:上述匹配自车位移时间信息对应的自车位移值在上述更新后障碍物位移时间信息对应的位移上界值和位移下界值之间。
子步骤3,响应于确定上述匹配自车位移时间信息不满足预设位移区间条件,将上述更新后障碍物位移时间信息对应的行驶时间确定为未碰撞时刻。
第二子步骤,基于上述未碰撞时刻组、上述目标自车轨迹信息和上述目标障碍物轨迹信息,生成未碰撞代价分值。其中,上述未碰撞代价分值可以是对应的自车轨迹与一条障碍物轨迹之间未发生碰撞交互的代价值。上述执行主体可以通过各种方式,基于上述未碰撞时刻组、上述目标自车轨迹信息和上述目标障碍物轨迹信息,生成未碰撞代价分值。
在一些实施例的一些可选的实现方式中,上述目标自车轨迹信息可以包括自车轨迹点信息序列。上述目标障碍物轨迹信息可以包括障碍物轨迹点信息序列。上述执行主体可以通过以下步骤,基于上述未碰撞时刻组、上述目标自车轨迹信息和上述目标障碍物轨迹信息,生成未碰撞代价分值:
步骤一,对于上述未碰撞时刻组中的每个未碰撞时刻,执行以下步骤:
子步骤一,从上述目标自车轨迹信息包括的自车轨迹点信息序列中选出与上述未碰撞时刻相匹配的一个自车轨迹点信息,作为第一自车轨迹点信息。其中,与上述未碰撞时刻相匹配可以是自车轨迹点信息对应的自车时间与上述未碰撞时刻相同。
子步骤二,从上述目标障碍物轨迹信息包括的障碍物轨迹点信息序列中选出与上述未碰撞时刻相匹配的一个障碍物轨迹点信息,作为第一障碍物轨迹点信息。其中,与上述未碰撞时刻相匹配可以是障碍物轨迹点信息对应的行驶时间与上述未碰撞时刻相同。
子步骤三,基于上述第一自车轨迹点信息和上述第一障碍物轨迹点信息,生成目标未碰撞代价分值。其中,上述目标未碰撞代价分值可以是当前车辆与障碍物车辆在一个时间点未发生碰撞的代价值。首先,将上述第一障碍物轨迹点信息包括的位移上界值与位移下界值的和确定为轨迹位移倍数值。其次,将上述第一障碍物轨迹点信息包括的位移上界值与位移下界值的差确定为轨迹区域值。然后,将上述轨迹位移倍数值与预设倍数的商确定为轨迹位移值。其中,上述预设倍数可以是预先设置的数值。例如,上述预设倍数可以是2。接着,将上述轨迹区域值与预设倍数的商确定为轨迹区间值。之后,将上述第一自车轨迹点信息包括的自车位移值与上述轨迹位移值的差的绝对值确定为轨迹间距离值。其中,上述轨迹间距离值可以是在同一时刻的、当前车辆与障碍物车辆之间的距离值。最后,基于预设的距离阈值、预设的距离权重值、上述轨迹间距离值和上述轨迹区间值,生成目标未碰撞代价分值。其中,上述预设的距离阈值可以是预先设定的、当前车辆与障碍物车辆之间的距离值。上述距离阈值可以根据工况要求动态设定。例如,上述预设的距离阈值可以设定为固定数值,或者设定为与速度相关的数值,或者设定为与车辆类型相关的数值,或者设定为驾驶员期望的跟车距离值。上述预设的距离权重值可以是预先设置的跟车距离的权重值。具体地,响应于确定上述轨迹间距离值大于上述距离阈值,将预设的第一无碰撞交互代价分值确定为目标未碰撞代价分值。其中,上述预设的无碰撞交互代价分值可以是预先设置的数值。例如,上述无碰撞交互代价分值可以是0.001。
可选的,上述执行主体还可以响应于确定上述轨迹间距离值大于上述轨迹区间值、且小于等于上述距离阈值,首先,将上述轨迹间距离值与上述距离权重值的乘积确定为目标轨迹间距离值。然后,将以e为底、以目标轨迹间距离值的相反数为指数的函数值确定为目标未碰撞代价分值。
步骤二,将所生成的各个目标未碰撞代价分值的和确定为未碰撞代价分值。
第三子步骤,基于上述碰撞时刻组、上述目标自车轨迹信息和上述目标障碍物轨迹信息,生成碰撞代价分值。其中,上述碰撞代价分值可以是对应的自车轨迹与一条障碍物轨迹之间发生碰撞交互的代价值。上述执行主体可以通过各种方式,基于上述碰撞时刻组、上述目标自车轨迹信息和上述目标障碍物轨迹信息,生成碰撞代价分值。
在一些实施例的一些可选的实现方式中,上述目标障碍物轨迹信息还可以包括轨迹碰撞置信度。上述执行主体可以通过以下步骤,基于上述碰撞时刻组、上述目标自车轨迹信息和上述目标障碍物轨迹信息,生成碰撞代价分值:
步骤一,将预设的置信度权重值与上述目标障碍物轨迹信息包括的轨迹碰撞置信度的乘积确定为置信度代价分值。其中,上述预设的置信度权重值可以是预先设置的轨迹碰撞的置信度的权重值。上述置信度代价分值可以是当前车辆与障碍物车辆发生碰撞的置信度的代价值。例如,轨迹碰撞置信度越低,轨迹碰撞对应的置信度代价也越小。
步骤二,基于预设的碰撞时刻权重值、碰撞时刻数量权重值、轨迹终点时刻值和上述碰撞时刻组,生成时间代价分值。其中,上述预设的碰撞时刻权重值可以是预先设置的碰撞时刻与当前时刻之间的差距对应的权重值。上述碰撞时刻数量权重值可以是预先设置的预计发生碰撞的各个碰撞时刻的数量对应的权重值。上述轨迹终点时刻值可以是预先设置的规划的自车轨迹的最后一个轨迹点对应的自车时间。上述时间代价分值可以是当前车辆与障碍物车辆发生碰撞的各个时刻的时间代价值。例如,碰撞的时刻越接近于当前时刻,时间代价值越大,碰撞的时刻数量越多,时间代价值越大。上述时间代价分值可以通过以下公式表示:
其中,表示时间代价分值。/>表示上述碰撞时刻组。/>表示序号,初始值为0。/>表示上述碰撞时刻组/>中第/>个的碰撞时刻。/>表示上述碰撞时刻组/>中碰撞时刻的数量。表示轨迹终点时刻值。/>表示碰撞时刻权重值。/>表示碰撞时刻数量权重值。
步骤三,对于上述碰撞时刻组中的每个碰撞时刻,执行以下步骤:
子步骤一,从上述目标自车轨迹信息包括的自车轨迹点信息序列中选出与上述碰撞时刻相匹配的一个自车轨迹点信息,作为第二自车轨迹点信息。
子步骤二,从上述目标障碍物轨迹信息包括的障碍物轨迹点信息序列中选出与上述碰撞时刻相匹配的一个障碍物轨迹点信息,作为第二障碍物轨迹点信息。
子步骤三,基于上述第二自车轨迹点信息和上述第二障碍物轨迹点信息,生成目标碰撞代价分值。其中,上述目标碰撞代价分值可以是当前车辆与障碍物车辆在一个碰撞时刻发生碰撞的代价值。例如,在一个碰撞时刻,自车所在位置越接近障碍物轨迹点在ST图中对应的位移上下界之间的中心位置,目标碰撞代价分值也越大。首先,将上述第二障碍物轨迹点信息包括的位移上界值与位移下界值的和确定为第二轨迹位移倍数值。其次,将上述第二轨迹位移倍数值与上述预设倍数的商确定为第二轨迹位移值。然后,将上述第二自车轨迹点信息包括的自车位移值与上述第二轨迹位移值的差的绝对值确定为第二轨迹间距离值。其中,上述第二轨迹间距离值可以表征在对应的自车时间,当前车辆和障碍物轨迹点之间的距离值。最后,基于预设的碰撞权重值和上述第二轨迹间距离值,生成目标碰撞代价分值。其中,上述预设的碰撞权重值可以是预先设置的当前车辆与障碍物车辆发生碰撞的碰撞时刻、所对应的权重值。上述目标碰撞代价分值可以通过以下公式表示:
步骤四,将所生成的各个目标碰撞代价分值的和确定为碰撞位置代价分值。其中,上述碰撞位置代价分值可以表征当前车辆和障碍物车辆在各个碰撞时刻的位置的重合度。
步骤五,将上述置信度代价分值、上述时间代价分值和上述碰撞位置代价分值的和确定为碰撞代价分值。
第四子步骤,将上述未碰撞代价分值与上述碰撞代价分值的和确定为单一轨迹代价分值。
第二步,将所确定的各个单一轨迹代价分值的和确定为第二代价分值。
步骤1033,基于目标自车轨迹信息、第一代价分值和第二代价分值,生成轨迹代价信息。
在一些实施例中,上述执行主体可以基于上述目标自车轨迹信息、上述第一代价分值和上述第二代价分值,生成轨迹代价信息。其中,上述轨迹代价信息可以是对应的自车轨迹与期望轨迹之间的差异对应的惩罚代价的信息。首先,将上述第一代价分值和上述第二代价分值的和确定为自车轨迹代价分值。然后,将上述自车轨迹代价分值和上述目标自车轨迹信息包括的自车轨迹标识确定为轨迹代价信息。
上述第二代价分值生成步骤及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“无法生成车辆轨迹信息,降低了车辆行驶的效率”。导致无法生成车辆轨迹信息,降低车辆行驶的效率的因素往往如下:由于障碍物车辆可能存在多条不确定的预测轨迹,若将自车与障碍物车辆之间的碰撞代价设置为无穷大,则难以确定一条能够避开所有障碍物车辆的自车轨迹,从而,容易导致无法生成车辆轨迹信息;或者,即使可以确定自车轨迹,但该自车轨迹将使得自车由于不断减速和刹停而无法正常前进,从而,降低了车辆行驶的效率。如果解决了上述因素,就能达到生成车辆轨迹信息,提高车辆行驶效率的效果。为了达到这一效果,对于每一条自车轨迹,确定自车轨迹与每一条障碍物轨迹之间的交互代价,以及将各个交互代价确定为自车轨迹对应的第二代价分值。具体地,针对自车轨迹和任一条障碍物轨迹,首先,根据障碍物车辆与当前车辆在各个时刻预计是否发生碰撞,确定障碍物轨迹对应的未碰撞时刻组和碰撞时刻组。然后,根据在每个时刻的当前车辆的轨迹点与障碍物车辆的轨迹点之间的距离,可以确定各个未碰撞时刻自车轨迹和障碍物轨迹对应的综合的未碰撞代价。接着,可以根据障碍物轨迹的轨迹碰撞置信度、碰撞时刻与当前时刻的时距、碰撞时刻的数量、以及当前车辆轨迹点与障碍物行驶位移的上下界的中心的距离,确定各个碰撞时刻自车轨迹和障碍物轨迹对应的综合的碰撞代价。最后,将综合的未碰撞代价和碰撞代价确定为自车轨迹和一条障碍物轨迹的交互代价。因此,从碰撞时刻和未碰撞时刻两个角度考虑自车轨迹与障碍物轨迹之间的交互代价,以及不再将自车与障碍物车辆之间的碰撞代价设置为无穷大,而是根据障碍物轨迹的轨迹碰撞置信度、自车与障碍物车辆之间的相对位置这些已知信息,确定自车轨迹与障碍物轨迹之间的碰撞代价,可以使得每条自车轨迹对应的自车与障碍物车辆之间的交互代价更准确。从而,便于将潜在碰撞风险较小的自车轨迹确定为车辆轨迹信息。进而,提高车辆行驶的效率。
步骤104,从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息,作为目标轨迹代价信息。
在一些实施例中,上述执行主体可以从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息作为目标轨迹代价信息。其中,上述预设代价条件可以是:轨迹代价信息包括的自车轨迹代价分值为各个轨迹代价信息包括的各个自车轨迹代价分值中的最小值。
步骤105,将目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。
在一些实施例中,上述执行主体可以将上述目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。其中,上述车辆轨迹信息可以表征行车代价最小的自车轨迹。可以将目标自车轨迹信息集中,与上述目标轨迹代价信息包括的自车轨迹标识相同的目标自车轨迹信息确定为车辆轨迹信息。
可选的,上述执行主体还可以将上述车辆轨迹信息发送至车辆控制模块,以供控制车辆移动。其中,上述车辆控制模块可以是通过各种指令控制车辆移动的模块。上述指令可以包括但不限于以下至少一项:加速指令、减速指令和刹车指令等。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车辆轨迹信息生成方法,可以提高车辆轨迹信息的准确性,以及提高车辆行驶的效率和安全性。具体来说,造成车辆轨迹信息的准确性不足,车辆行驶的效率和安全性降低的原因在于:基于神经网络的决策模型难以在连续规划中实时调整参数,可解释性也较差,同时基于规则的决策方法仅能处理自车的预测轨迹,而不能处理障碍物车辆的多条预测轨迹。基于此,本公开的一些实施例的车辆轨迹信息生成方法,首先,获取障碍物轨迹信息集和当前车辆的自车轨迹信息集。由此,便于后续根据当前车辆和障碍物车辆的预测轨迹,为当前车辆规划出一条行驶代价最低的最优轨迹。其次,对上述障碍物轨迹信息集和上述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集。由此,可以将当前车辆和障碍物车辆的预测轨迹数据转换为路径-速度分解框架下的轨迹数据,便于后续对当前车辆的各条预测轨迹进行代价估计。然后,对于上述目标自车轨迹信息集中的每个目标自车轨迹信息,执行以下步骤:对上述目标自车轨迹信息进行解析处理,得到第一代价分值;基于上述目标自车轨迹信息和上述目标障碍物轨迹信息集,生成第二代价分值;基于上述目标自车轨迹信息、上述第一代价分值和上述第二代价分值,生成轨迹代价信息。由此,可以针对每条自车轨迹,通过对当前车辆进行基于规则的代价估计,以及当前车辆与障碍物车辆的交互代价估计,得到自车轨迹对应的最终行驶代价。最后,从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息,作为目标轨迹代价信息。将上述目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。由此,根据各个自车轨迹对应的各个轨迹代价信息,可以确定行驶代价最低的自车轨迹。因此,本公开的车辆轨迹信息生成方法,在结合基于规则的决策方法,根据自车轨迹确定自车的行驶代价的同时,又充分考虑了当前车辆与障碍物车辆之间可能存在的碰撞风险对应的交互代价,由此,可以确定一条行驶代价最低的自车轨迹以供车辆行驶。从而,使得车辆轨迹信息的准确性得以提高。进而,提高了车辆行驶的效率和安全性。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种车辆轨迹信息生成装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的车辆轨迹信息生成装置200包括:获取单元201、预处理单元202、执行单元203、选择单元204和确定单元205。其中,获取单元201,被配置成获取障碍物轨迹信息集和当前车辆的自车轨迹信息集;预处理单元202,被配置成对上述障碍物轨迹信息集和上述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集;执行单元203,被配置成对于上述目标自车轨迹信息集中的每个目标自车轨迹信息,执行以下步骤:对上述目标自车轨迹信息进行解析处理,得到第一代价分值;基于上述目标自车轨迹信息和上述目标障碍物轨迹信息集,生成第二代价分值;基于上述目标自车轨迹信息、上述第一代价分值和上述第二代价分值,生成轨迹代价信息;选择单元204,被配置成从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息,作为目标轨迹代价信息;确定单元205,被配置成将上述目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
进一步参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)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装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303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。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,adhoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取障碍物轨迹信息集和当前车辆的自车轨迹信息集;对上述障碍物轨迹信息集和上述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集;对于上述目标自车轨迹信息集中的每个目标自车轨迹信息,执行以下步骤:对上述目标自车轨迹信息进行解析处理,得到第一代价分值;基于上述目标自车轨迹信息和上述目标障碍物轨迹信息集,生成第二代价分值;基于上述目标自车轨迹信息、上述第一代价分值和上述第二代价分值,生成轨迹代价信息;从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息,作为目标轨迹代价信息;将上述目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、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,流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,该模块、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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、预处理单元、执行单元、选择单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取障碍物轨迹信息集和当前车辆的自车轨迹信息集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种车辆轨迹信息生成方法,包括:
获取障碍物轨迹信息集和当前车辆的自车轨迹信息集;
对所述障碍物轨迹信息集和所述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集;
对于所述目标自车轨迹信息集中的每个目标自车轨迹信息,执行以下步骤:
对所述目标自车轨迹信息进行解析处理,得到第一代价分值,其中,所述第一代价分值是对应的自车轨迹与期望轨迹之间的差异的代价值;
基于所述目标自车轨迹信息和所述目标障碍物轨迹信息集,生成第二代价分值,其中,所述第二代价分值是对应的自车轨迹与障碍物轨迹之间进行交互的代价值;
基于所述目标自车轨迹信息、所述第一代价分值和所述第二代价分值,生成轨迹代价信息,其中,所述轨迹代价信息是对应的自车轨迹与期望轨迹之间的差异对应的惩罚代价的信息;
从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息,作为目标轨迹代价信息;
将所述目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述车辆轨迹信息发送至车辆控制模块,以供控制车辆移动。
3.根据权利要求1所述的方法,其中,所述对所述障碍物轨迹信息集和所述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集,包括:
对所述障碍物轨迹信息集和所述自车轨迹信息集进行碰撞检测,得到目标碰撞轨迹信息集;
基于所述自车轨迹信息集和所述目标碰撞轨迹信息集,生成目标自车轨迹信息集和目标障碍物轨迹信息集。
4.根据权利要求3所述的方法,其中,所述基于所述自车轨迹信息集和所述目标碰撞轨迹信息集,生成目标自车轨迹信息集和目标障碍物轨迹信息集,包括:
对于所述自车轨迹信息集中的每个自车轨迹信息,执行以下步骤,以生成目标自车轨迹信息集中的目标自车轨迹信息:
对所述自车轨迹信息进行映射处理,得到自车位移时间信息组;
对所述自车轨迹信息和所述自车位移时间信息组进行融合处理,得到目标自车轨迹信息;
对于所述目标碰撞轨迹信息集中的每个目标碰撞轨迹信息,执行以下步骤,以生成目标障碍物轨迹信息集中的目标障碍物轨迹信息:
对所述目标碰撞轨迹信息进行映射处理,得到障碍物位移时间信息组;
对所述目标碰撞轨迹信息和所述障碍物位移时间信息组进行融合处理,得到目标障碍物轨迹信息。
5.根据权利要求1所述的方法,其中,所述基于所述目标自车轨迹信息和所述目标障碍物轨迹信息集,生成第二代价分值,包括:
对于所述目标障碍物轨迹信息集中的每个目标障碍物轨迹信息,执行以下步骤:
对所述目标障碍物轨迹信息进行检测处理,得到未碰撞时刻组和碰撞时刻组;
基于所述未碰撞时刻组、所述目标自车轨迹信息和所述目标障碍物轨迹信息,生成未碰撞代价分值;
基于所述碰撞时刻组、所述目标自车轨迹信息和所述目标障碍物轨迹信息,生成碰撞代价分值;
将所述未碰撞代价分值与所述碰撞代价分值的和确定为单一轨迹代价分值;
将所确定的各个单一轨迹代价分值的和确定为第二代价分值。
6.根据权利要求5所述的方法,其中,所述目标自车轨迹信息包括自车轨迹点信息序列,所述目标障碍物轨迹信息包括障碍物轨迹点信息序列;以及
所述基于所述未碰撞时刻组、所述目标自车轨迹信息和所述目标障碍物轨迹信息,生成未碰撞代价分值,包括:
对于所述未碰撞时刻组中的每个未碰撞时刻,执行以下步骤:
从所述目标自车轨迹信息包括的自车轨迹点信息序列中选出与所述未碰撞时刻相匹配的一个自车轨迹点信息,作为第一自车轨迹点信息;
从所述目标障碍物轨迹信息包括的障碍物轨迹点信息序列中选出与所述未碰撞时刻相匹配的一个障碍物轨迹点信息,作为第一障碍物轨迹点信息;
基于所述第一自车轨迹点信息和所述第一障碍物轨迹点信息,生成目标未碰撞代价分值;
将所生成的各个目标未碰撞代价分值的和确定为未碰撞代价分值。
7.根据权利要求6所述的方法,其中,所述目标障碍物轨迹信息还包括轨迹碰撞置信度;以及
所述基于所述碰撞时刻组、所述目标自车轨迹信息和所述目标障碍物轨迹信息,生成碰撞代价分值,包括:
将预设的置信度权重值与所述目标障碍物轨迹信息包括的轨迹碰撞置信度的乘积确定为置信度代价分值;
基于预设的碰撞时刻权重值、碰撞时刻数量权重值、轨迹终点时刻值和所述碰撞时刻组,生成时间代价分值;
对于所述碰撞时刻组中的每个碰撞时刻,执行以下步骤:
从所述目标自车轨迹信息包括的自车轨迹点信息序列中选出与所述碰撞时刻相匹配的一个自车轨迹点信息,作为第二自车轨迹点信息;
从所述目标障碍物轨迹信息包括的障碍物轨迹点信息序列中选出与所述碰撞时刻相匹配的一个障碍物轨迹点信息,作为第二障碍物轨迹点信息;
基于所述第二自车轨迹点信息和所述第二障碍物轨迹点信息,生成目标碰撞代价分值;
将所生成的各个目标碰撞代价分值的和确定为碰撞位置代价分值;
将所述置信度代价分值、所述时间代价分值和所述碰撞位置代价分值的和确定为碰撞代价分值。
8.一种车辆轨迹信息生成装置,包括:
获取单元,被配置成获取障碍物轨迹信息集和当前车辆的自车轨迹信息集;
预处理单元,被配置成对所述障碍物轨迹信息集和所述自车轨迹信息集进行预处理,得到目标自车轨迹信息集和目标障碍物轨迹信息集;
执行单元,被配置成对于所述目标自车轨迹信息集中的每个目标自车轨迹信息,执行以下步骤:
对所述目标自车轨迹信息进行解析处理,得到第一代价分值,其中,所述第一代价分值是对应的自车轨迹与期望轨迹之间的差异的代价值;
基于所述目标自车轨迹信息和所述目标障碍物轨迹信息集,生成第二代价分值,其中,所述第二代价分值是对应的自车轨迹与障碍物轨迹之间进行交互的代价值;
基于所述目标自车轨迹信息、所述第一代价分值和所述第二代价分值,生成轨迹代价信息,其中,所述轨迹代价信息是对应的自车轨迹与期望轨迹之间的差异对应的惩罚代价的信息;
选择单元,被配置成从所生成的各个轨迹代价信息中选出一个满足预设代价条件的轨迹代价信息,作为目标轨迹代价信息;
确定单元,被配置成将所述目标轨迹代价信息对应的目标自车轨迹信息确定为车辆轨迹信息。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310356085.6A CN116088538B (zh) | 2023-04-06 | 2023-04-06 | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310356085.6A CN116088538B (zh) | 2023-04-06 | 2023-04-06 | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116088538A CN116088538A (zh) | 2023-05-09 |
CN116088538B true CN116088538B (zh) | 2023-06-13 |
Family
ID=86210412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310356085.6A Active CN116088538B (zh) | 2023-04-06 | 2023-04-06 | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116088538B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116734882B (zh) * | 2023-08-14 | 2023-11-24 | 禾昆科技(北京)有限公司 | 车辆路径规划方法、装置、电子设备和计算机可读介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169468A (zh) * | 2017-05-31 | 2017-09-15 | 北京京东尚科信息技术有限公司 | 用于控制车辆的方法和装置 |
WO2021077725A1 (zh) * | 2019-10-21 | 2021-04-29 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测***及方法 |
CN113386766A (zh) * | 2021-06-17 | 2021-09-14 | 东风汽车集团股份有限公司 | 一种连续的、周期自适应同步的在线轨迹规划***及方法 |
CN113619603A (zh) * | 2021-08-25 | 2021-11-09 | 华中科技大学 | 一种双阶段自动驾驶车辆调头轨迹规划方法 |
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 |
WO2022193584A1 (zh) * | 2021-03-15 | 2022-09-22 | 西安交通大学 | 一种面向多场景的自动驾驶规划方法及*** |
CN115309147A (zh) * | 2022-06-30 | 2022-11-08 | 驭势科技(北京)有限公司 | 车辆运动规划方法、装置、设备及介质 |
CN115525047A (zh) * | 2022-03-21 | 2022-12-27 | 江苏集萃清联智控科技有限公司 | 一种具备多型避障方式的车辆局部轨迹规划方法及*** |
CN115534939A (zh) * | 2022-12-06 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 车辆控制方法、装置、电子设备和计算机可读介质 |
WO2023005223A1 (zh) * | 2021-07-27 | 2023-02-02 | 北京三快在线科技有限公司 | 轨迹规划方法、装置、存储介质、设备及计算机程序产品 |
CN115743183A (zh) * | 2022-11-30 | 2023-03-07 | 北京百度网讯科技有限公司 | 自动驾驶控制方法、装置、设备、介质及车辆 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020021126A1 (en) * | 2018-07-27 | 2020-01-30 | Embotech Ag | Method for steering a vehicle and apparatus therefor |
US11126186B2 (en) * | 2018-09-15 | 2021-09-21 | Toyota Research Institute, Inc. | Systems and methods for predicting the trajectory of a road agent external to a vehicle |
CN110550029B (zh) * | 2019-08-12 | 2021-02-09 | 华为技术有限公司 | 障碍物避让方法及装置 |
US11345342B2 (en) * | 2019-09-27 | 2022-05-31 | Intel Corporation | Potential collision warning system based on road user intent prediction |
-
2023
- 2023-04-06 CN CN202310356085.6A patent/CN116088538B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169468A (zh) * | 2017-05-31 | 2017-09-15 | 北京京东尚科信息技术有限公司 | 用于控制车辆的方法和装置 |
WO2021077725A1 (zh) * | 2019-10-21 | 2021-04-29 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测***及方法 |
WO2022193584A1 (zh) * | 2021-03-15 | 2022-09-22 | 西安交通大学 | 一种面向多场景的自动驾驶规划方法及*** |
CN113386766A (zh) * | 2021-06-17 | 2021-09-14 | 东风汽车集团股份有限公司 | 一种连续的、周期自适应同步的在线轨迹规划***及方法 |
WO2023005223A1 (zh) * | 2021-07-27 | 2023-02-02 | 北京三快在线科技有限公司 | 轨迹规划方法、装置、存储介质、设备及计算机程序产品 |
CN113619603A (zh) * | 2021-08-25 | 2021-11-09 | 华中科技大学 | 一种双阶段自动驾驶车辆调头轨迹规划方法 |
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 |
CN115525047A (zh) * | 2022-03-21 | 2022-12-27 | 江苏集萃清联智控科技有限公司 | 一种具备多型避障方式的车辆局部轨迹规划方法及*** |
CN115309147A (zh) * | 2022-06-30 | 2022-11-08 | 驭势科技(北京)有限公司 | 车辆运动规划方法、装置、设备及介质 |
CN115743183A (zh) * | 2022-11-30 | 2023-03-07 | 北京百度网讯科技有限公司 | 自动驾驶控制方法、装置、设备、介质及车辆 |
CN115534939A (zh) * | 2022-12-06 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 车辆控制方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116088538A (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102211299B1 (ko) | 곡선 투영을 가속화하기 위한 시스템 및 방법 | |
US10289110B2 (en) | Method to dynamically adjusting steering rates of autonomous vehicles | |
US10054945B2 (en) | Method for determining command delays of autonomous vehicles | |
EP3342670B1 (en) | Method to dynamically adjusting speed control rates of autonomous vehicles | |
EP3327464A1 (en) | Algorithm and infrastructure for robust and efficient vehicle localization | |
CN110654381B (zh) | 用于控制车辆的方法和装置 | |
CN113848855B (zh) | 车辆控制***测试方法、装置、设备、介质及程序产品 | |
CN110121449A (zh) | 车辆控制装置、车辆控制方法及车辆控制程序 | |
CN112590813A (zh) | 自动驾驶车辆信息生成方法、装置、电子设备和介质 | |
CN116088538B (zh) | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 | |
WO2020131215A1 (en) | Computer-assisted or autonomous driving method and apparatus with consideration for travelers' intent | |
CN114212110A (zh) | 障碍物轨迹预测方法、装置、电子设备及存储介质 | |
CN115339453B (zh) | 车辆换道决策信息生成方法、装置、设备和计算机介质 | |
CN117130298A (zh) | 用于评估自动驾驶***的方法、装置及存储介质 | |
CN110654380A (zh) | 用于控制车辆的方法和装置 | |
CN112651535A (zh) | 局部路径规划方法、装置、存储介质、电子设备及车辆 | |
CN113119999A (zh) | 自动驾驶特征的确定方法、装置、设备、介质及程序产品 | |
US11254326B2 (en) | Automatic comfort score system based on human driving reference data | |
CN114419758B (zh) | 跟车距离的计算方法、装置、车辆及存储介质 | |
CN115372020A (zh) | 自动驾驶车辆测试方法、装置、电子设备和介质 | |
CN115583254A (zh) | 路径规划方法、装置、设备以及自动驾驶车辆 | |
CN114056337B (zh) | 车辆行驶行为预测方法、装置及计算机程序产品 | |
CN113799799A (zh) | 一种安全补偿方法、装置、存储介质及电子设备 | |
JP2016045035A (ja) | ナビゲーションシステム、履歴情報解析システム、方法およびプログラム | |
CN113596780B (zh) | 车辆交互信息生成方法、装置、设备和计算机可读介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |
|
CP03 | Change of name, title or address |