CN116734882B - 车辆路径规划方法、装置、电子设备和计算机可读介质 - Google Patents
车辆路径规划方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116734882B CN116734882B CN202311014766.0A CN202311014766A CN116734882B CN 116734882 B CN116734882 B CN 116734882B CN 202311014766 A CN202311014766 A CN 202311014766A CN 116734882 B CN116734882 B CN 116734882B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- detection information
- obstacle detection
- screened
- information
- 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 38
- 238000001514 detection method Methods 0.000 claims abstract description 182
- 230000008859 change Effects 0.000 claims abstract description 79
- 239000013598 vector Substances 0.000 claims abstract description 51
- 238000012216 screening Methods 0.000 claims abstract description 16
- 230000001133 acceleration Effects 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003449 preventive effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction 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
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了车辆路径规划方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取道路图像和当前车辆位置坐标；对上述道路图像进行障碍物检测，得到障碍物检测信息集；基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对上述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组；确定上述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，得到障碍物变道信息组；基于上述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径。该实施方式可以提高单帧确定性和帧间的连续性，进而提高车辆驾驶安全性。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及车辆路径规划方法、装置、电子设备和计算机可读介质。
背景技术
随着经济的快速发展，汽车保有量的不断增长，智能交通领域的发展成为智慧城市建设和经济增长的新推动力。作为智能交通领域的关键，自动驾驶技术也越发受到重视。在自动驾驶场景中，经常与VRU（Vulnerable Road Users, 弱势道路使用者）产生交互，如自行车、电动车和行人等。由于VRU行为具有任意性，难以准确预测其未来运动轨迹，为了能安全通过存在VRU的区域，同时保证自车的通行效率，需要一种能处理感知不确定性和预测不确定性的决策和规划框架。这里，当采用上述方式进行车辆路径规划时，经常会存在如下技术问题：
第一，未充分考虑对VRU的感知和预测的单帧不确定性和帧间不连续性，导致生成的规划路径不连续性，从而，导致车辆驾驶安全性降低；
第二，对避免紧急情况发生的预防性措施不足，从而导致车辆驾驶安全性不足。
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路径规划方法、装置、电子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路径规划方法，该方法包括：获取道路图像和当前车辆位置坐标；对上述道路图像进行障碍物检测，得到障碍物检测信息集，其中，上述障碍物检测信息集中的每个障碍物检测信息包括障碍物位姿向量，其次，障碍物检测是对道路图像中的道路安全弱势群体的检测；基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对上述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组；确定上述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，得到障碍物变道信息组；基于上述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径。
第二方面，本公开的一些实施例提供了一种车辆路径规划装置，该装置包括：获取单元，被配置成获取道路图像和当前车辆位置坐标；障碍物检测单元，被配置成对上述道路图像进行障碍物检测，得到障碍物检测信息集，其中，上述障碍物检测信息集中的每个障碍物检测信息包括障碍物位姿向量，其次，障碍物检测是对道路图像中的道路安全弱势群体的检测；筛选单元，被配置成基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对上述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组；确定单元，被配置成确定上述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，得到障碍物变道信息组；路径规划单元，被配置成基于上述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径。
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，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路径规划方法，可以提高生成的规划轨迹的连续性。具体来说，造成生成的规划轨迹的连续性降低的原因在于：未充分考虑对VRU的感知和预测的单帧不确定性和帧间不连续性。基于此，本公开的一些实施例的车辆路径规划方法，首先获取道路图像和当前车辆位置坐标。然后，对上述道路图像进行障碍物检测，得到障碍物检测信息集。其中，上述障碍物检测信息集中的每个障碍物检测信息包括障碍物位姿向量，其次，障碍物检测是对道路图像中的道路安全弱势群体的检测。通过进行道路安全弱势群体的检测，可以获取场景中VRU的信息，以供进行路径规划。之后，基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对上述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组。通过筛选，去除了对当前车辆不存在影响的障碍物检测信息，避免此类障碍物检测信息对规划路径产生影响，从而提高路径的通行效率和连续性。接着，确定上述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的变道信息，得到障碍物变道信息组。通过生成障碍物变道信息组，可进一步确定障碍物的移动路径。最后，基于上述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径。从而，可以使得生成的目标规划路径，充分考虑VRU对当前车辆的影响。也因为利用了障碍物变道信息组，可以用于提高单帧确定性和帧间的连续性。进而提高车辆驾驶安全性。
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路径规划方法的一些实施例的流程图；
图2是根据本公开的车辆路径规划方法的一些实施例的交互场景示意图；
图3是根据本公开的车辆路径规划方法的一些实施例的交互场景路径示意图；
图4是根据本公开的车辆路径规划装置的一些实施例的结构示意图；
图5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路径规划方法的一些实施例的流程100。该车辆路径规划方法，包括以下步骤：
步骤101，获取道路图像和当前车辆位置坐标。
在一些实施例中，车辆路径规划方法的执行主体可以通过有线的方式或者无线的方式获取道路图像和当前车辆位置坐标。其中，道路图像可以是当前车辆车载相机拍摄的图像。当前车辆位置坐标可以是车载定位***输出的坐标。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB（ultra wideband）连接、以及其他现在已知或将来开发的无线连接方式。
步骤102，对道路图像进行障碍物检测，得到障碍物检测信息集。
在一些实施例中，上述执行主体可以对上述道路图像进行障碍物检测，得到障碍物检测信息集。其中，上述障碍物检测信息集中的每个障碍物检测信息可以包括障碍物位姿向量。其次，障碍物检测可以是对道路图像中的道路安全弱势群体的检测。这里，道路安全弱势群体可以是上述VRU。
在一些实施例的一些可选的实现方式中，上述执行主体对上述道路图像进行障碍物检测，得到障碍物检测信息集，可以包括以下步骤：
第一步，确定上述道路图像中每个障碍物对应的障碍物位姿向量，得到障碍物位姿向量集。其中，障碍物位姿向量可以包括障碍物坐标和障碍物航向角。其次，可以通过预设的检测算法，确定上述道路图像中每个障碍物对应的障碍物位姿向量。这里，障碍物位姿向量可以是三维向量。
作为实例，检测算法可以包括但不限于以下至少一项：Resnet（ResidualNetwork，残差神经网络）模型、VGG（Visual Geometry Group Network，卷积神经网络）模型和GoogLeNet（深度神经网络）模型等。
第二步，将上述障碍物位姿向量集中的每个障碍物位姿向量确定为障碍物检测信息。
步骤103，基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组。
在一些实施例中，上述执行主体可以基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对上述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组。
在一些实施例的一些可选的实现方式中，上述执行主体基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对上述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组，可以包括以下步骤：
对于上述各个障碍物检测信息中的每个障碍物检测信息，执行以下步骤以生成筛选后障碍物检测信息组中的筛选后障碍物检测信息：
第一步，确定上述当前车辆位置坐标与上述障碍物检测信息包括的障碍物位姿向量中的障碍物坐标之间的距离值。
第二步，响应于确定上述距离值大于第一预设距离阈值，去除上述障碍物检测信息。其中，上述距离值大于第一预设距离阈值可以表征上述障碍物检测信息对应的障碍物与当前车辆的距离较远。从而，可以用于去除障碍物检测信息中与当前车辆相距较远的障碍物。
第三步，响应于确定上述距离值小于等于上述第一预设距离阈值、大于第二预设距离阈值，以及上述障碍物位姿向量包括的障碍物航向角处于预设航向角范围，将上述障碍物检测信息确定为筛选后障碍物检测信息。其中，确定上述距离值小于等于第一预设距离范围、大于第二预设距离范围，可以表征上述障碍物检测信息对应的障碍物与当前车辆的距离较较近。障碍物航向角处于预设预设航向角范围，可以表征障碍物未朝向当前车辆所在位置及当前车辆行驶路径移动。
可选的，上述执行主体还可以执行以下步骤：
将上述距离值小于等于上述第一预设距离阈值、大于第二预设距离阈值，以及上述障碍物位姿向量包括的障碍物航向角未处于预设航向角范围，去除上述障碍物检测信息。
步骤104，确定筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，得到障碍物变道信息组。
在一些实施例中，上述执行主体可以确定上述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物变道信息，得到障碍物变道信息组。
作为示例，参见图2。如图2所示的交互场景，自车编号可以为0，在向x轴正方向行驶过程中。右侧邻车道存在向x轴正方向前进的行人（编号为2），位姿向量可以是：（10.0，-3.0，0o），自车前方存在沿本车道前进的自行车（编号为3），位姿向量可以是：（20.0，0.0，0o）。左侧邻车道存在向本车道变道的自行车（编号为1），位姿向量可以是：（9.0，3.0，-30o）。左侧二车道存在向邻车道变道的自行车（编号为4），位姿向量可以是：（9.0，6.0，-30o）。在该场景中，根据各VRU的姿态，将做出不同的决策和规划策略。若将第一预设距离阈值设定为4.0，第二预设距离阈值设定为2.0，对于在自车左侧的VRU预设航向角范围设定为-10度到190度。在自车右侧的VRU预设航向角范围设定为170度到370度。则：
第一，4号VRU的位姿向量可以是：（9.0，6.0，-30o）。由于横向距离大于第一预设距离阈值，因此该VRU可以忽略。
第二，2号VRU的位姿向量可以是：（10.0，-3.0，0o）。由于横向距离3.0米在小于等于第一预设距离阈值、大于第二预设距离阈值的范围内，朝向在预设航向角范围范围内，因此也可以忽略。
第三，3号VRU的位姿向量可以是：（20.0，0.0，0o）。1号VRU的位姿向量可以是：（9.0，3.0，-30o），由于均不满足忽略条件，因此需要生成对应的预测轨迹。
因此根据不确定性较小的VRU横向位置生成预测轨迹，可以用于降低感知不确定性较大引起的帧间跳变。
在一些实施例的一些可选的实现方式中，上述执行主体确定上述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物变道信息，得到障碍物变道信息组，可以包括以下步骤：
第一步，确定当前车辆所在车道的车道中心线方程。其中，首先可以获取当前车辆所在车道的两个车道线方程。然后，可以将两个车道线方程拟合为车道中心线方程。
第二步，确定上述筛选后障碍物检测信息包括的障碍物位姿向量中的障碍物坐标与上述车道中心线方程之间的横向距离值。其中，横向距离值可以是当前车辆与障碍物之间垂直于车道方向的距离值。
第三步，基于上述横向距离值，确定上述筛选后障碍物检测信息对应的障碍物到达上述车道中心线方程时的行驶时长。其中，可以通过预设的时长算法，确定上述筛选后障碍物检测信息对应的障碍物到达上述车道中心线方程时的行驶时长。
作为示例，上述时长算法可以包括但不限于以下至少一项：比例、距离时长二次型方程等。
第四步，获取上述筛选后障碍物检测信息对应的障碍物的初始横向速度值、初始纵向速度值、初始横向加速度值和初始横向加速度变化率。其中，初始横向速度值、初始纵向速度值、初始横向加速度值和初始横向加速度变化率可以是障碍物在当前时刻的移动状态信息。初始横向速度值可以是垂直于车道的方向的速度值。初始纵向速度值可以是沿车道方向的速度值。
这里，初始纵向（即，横轴方向）速度值和初始纵向加速度值可以是预先检测到的。初始横向（即，纵轴方向）加速度值可以为0。初始横向速度值可以是三倍的横向距离值与二倍的行驶时长的比值的负值，初始横向加速度变化率可以是三倍的横向距离值与行驶时长立方的比值，从而避免直接引入不确定性较大的感知横向速度和加速度带来的帧间跳变。
第五步，基于上述行驶时长、上述初始横向速度值、上述初始纵向速度值、上述初始横向加速度值和上述初始横向加速度变化率，生成障碍物预测轨迹。其中，上述障碍物预测轨迹可以为上述筛选后障碍物检测信息对应的障碍物在预设规划时长内的预测轨迹。其次，预设规划时长可以是预先设置的轨迹规划时长。另外，上述初始横向速度值、上述初始纵向速度值、上述初始横向加速度值和上述初始横向加速度变化率可以作为轨迹规划过程中对应预设规划时长内的第一个时间点的初始值。
首先，可以通过以下公式，生成在上述行驶时长内的障碍物预测轨迹中的各个轨迹坐标的横轴坐标值，及其对应的横轴速度值、横轴加速度值：
。
其中，表示预设规划时长内的某一时间点。/>表示与某一时间点相邻的下一时间点。/>表示障碍物预测轨迹上对应下一时间点的横轴坐标值。/>表示障碍物预测轨迹上对应某一时间点的横轴坐标值。下标/>表示纵向（即，沿车道方向的横轴方向）。/>表示纵向速度值。/>表示某一时间点与相邻的下一时间点之间的时间间隔。/>表示纵向加速度值。/>表示上述预设规划时长的最后一个时间点。
然后，在障碍物预测轨迹的坐标对应的时间点在上述行驶时长内时，可以通过以下公式，生成在上述行驶时长内的障碍物预测轨迹中的各个轨迹坐标的纵轴坐标值，及其对应的横向速度值、横向加速度值和横向加速度变化率：
。
其中，表示障碍物预测轨迹上对应某一时间点的纵轴坐标值。/>表示障碍物预测轨迹上对应下一时间点的纵轴坐标值。下标/>表示横向（即，垂直车道方向的纵轴方向）。/>表示横向速度值。Ay表示横向加速度值。/>表示横向加速度变化率。
最后，若障碍物预测轨迹的坐标对应的时间点大于等于上述行驶时长最后的时间点、且处于上述预设规划时长之内时，可以将障碍物预测轨迹上对应时间点的横向坐标设置为零。同时与该坐标对应的横向速度值、横向加速度值和横向速度变化量也设为零。
实践中，由于在障碍物预测轨迹上的坐标的时间点大于上述行驶时长时，生成的轨迹坐标没有实际意义，因此可以无需生成。以此降低该段轨迹对当前车辆轨迹规划的影响。从而，进一步避免对预测的单帧不确定性和帧间不连续性问题的影响。进而提高生成的规划路径不连续性。
第六步，将上述障碍物预测轨迹确定为障碍物变道信息。
作为示例，参见图3。如图3所示，生成了1号和3号在笛卡尔坐标系下的障碍物预测轨迹。另外，还可以将障碍物预测轨迹转换至其它坐标系下。
步骤105，基于障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径。
在一些实施例中，上述执行主体可以基于上述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径，可以包括以下步骤：
第一步，获取当前车辆的初始规划路径。其中，初始规划路径可以是当前车辆在当前时刻之前的规划路径。
第二步，响应于确定上述障碍物变道信息组中存在满足第一预设位置条件的障碍物变道信息，生成第一减速约束信息。其中，上述第一预设位置条件为障碍物变道信息包括的障碍物预测轨迹与上述初始规划路径不相交。上述第一减速约束信息包括第一减速约束时间段。上述第一减速约束时间段为障碍物预测轨迹与初始规划路径之间对应位置的距离小于第一预设距离阈值所在的时间段。
第三步，响应于确定上述障碍物变道信息组中存在满足第二预设位置条件的障碍物变道信息，生成第二减速约束信息。其中，上述第二预设位置条件为障碍物变道信息包括的障碍物预测轨迹与上述初始规划路径相交。上述第二减速约束信息包括第二减速约束时间段。上述第二减速约束时间段为初始规划路径从与障碍物预测轨迹之间对应位置的距离小于第一预设距离阈值开始、经过上述行驶时长所在的时间段。
第四步，基于上述第一减速约束信息和上述第二减速约束信息，对上述初始规划路径进行调整，得到目标规划路径。其中，可以通过预设的路径规划算法，对上述初始规划路径进行调整，得到目标规划路径。
作为示例，上述路径规划算法可以包括但不限于以下至少一项：SAT（SeparatingAxis Theorem，分离轴定理）碰撞检测算法、OBB（Oriented Bounding Box，有向包围盒）碰撞检测算法等。
实践中，当前车辆规划的路径为沿着当前车辆道向前。在预设规划时长内，1号VRU与当前车辆路径不存在相交，3号VRU与当前车辆路径持续相交，因此可以做出对1号VRU进行预减速，对3号VRU进行跟随的决策。对1号VRU进行预减速存在多种可行的方法，如限制当前车辆通过规划路径的位移距离、速度、加速度、冲击率等。一种可行的方法可以是将当前车辆规划路径上设定通过时的加速度上限，即当前车辆经过1号VRU预测轨迹在预设规划时长的范围时，限制当前车辆必须减速，从而保证安全性的同时提高通行效率。
另外，上述加速度上限可以通过以下公式确定：
。
其中，表示上述加速度上限。/>表示针对1号VRU设定的预减速的加速度。表示1号VRU对应预设规划时长中初始时间点所在位置的横轴坐标值。/>表示1号VRU对应预设规划时长中最后一个时间点的所在位置的横轴坐标值。/>表示当前车辆正常行驶的加速度值上限。
上述各个公式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“对避免紧急情况发生的预防性措施不足，从而导致车辆驾驶安全性不足”。导致车辆驾驶安全性不足的因素往往如下：对避免紧急情况发生的预防性措施不足以及未充分考虑对VRU的感知和预测的单帧不确定性和帧间不连续性，导致生成的规划路径不连续性。为了达到这一效果，首先，通过对障碍物的筛选，可以去除对当前车辆不存在影响的障碍物检测信息。从而，提高路径规划的效率。同时避免此类障碍物检测信息对规划路径产生影响。然后，确定横向距离值和行驶时长，以及获取上述筛选后障碍物检测信息对应的障碍物的初始横向速度值、初始纵向速度值、初始横向加速度值和初始横向加速度变化率，可以用于生成障碍物的预测轨迹。因此根据不确定性较小的VRU横向位置生成预测轨迹，可以用于降低感知不确定性较大引起的帧间跳变。具体的，通过上述公式，可以同时从横向和纵向确定障碍物预测轨迹在预设规划时长内的各个轨迹坐标，及其对应的加速度值、速度值和加速度变化率。从而，可以更加准确的预测障碍物运动轨迹。以此便于调整当前车辆的规划路径。最后，通过生成第一减速约束信息和第二减速约束信息，可以分别将满足第一预设位置条件的障碍物信息和满足第二预设位置条件的障碍物信息引入至当前车辆的路径规划中，以此使得调整后的目标规划路径及时引导当前车辆做出减速、变道等操作。以此使当前车辆极大的避免紧急情况发生。进而提高车辆驾驶的安全性。
可选的，上述执行主体还可以将上述目标规划路径发送至当前车辆的控制终端，以供控制当前车辆进行移动。
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路径规划方法，可以提高生成的规划轨迹的连续性。具体来说，造成生成的规划轨迹的连续性降低的原因在于：未充分考虑对VRU的感知和预测的单帧不确定性和帧间不连续性。基于此，本公开的一些实施例的车辆路径规划方法，首先获取道路图像和当前车辆位置坐标。然后，对上述道路图像进行障碍物检测，得到障碍物检测信息集。其中，上述障碍物检测信息集中的每个障碍物检测信息包括障碍物位姿向量，其次，障碍物检测是对道路图像中的道路安全弱势群体的检测。通过进行道路安全弱势群体的检测，可以获取场景中VRU的信息，以供进行路径规划。之后，基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对上述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组。通过筛选，去除了对当前车辆不存在影响的障碍物检测信息，避免此类障碍物检测信息对规划路径产生影响，从而提高路径的通行效率和连续性。接着，确定上述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的变道信息，得到障碍物变道信息组。通过生成障碍物变道信息组，可进一步确定障碍物的移动路径。最后，基于上述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径。从而，可以使得生成的目标规划路径，充分考虑VRU对当前车辆的影响。也因为利用了障碍物变道信息组，可以用于提高单帧确定性和帧间的连续性。进而提高车辆驾驶安全性。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种车辆路径规划装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该车辆路径规划装置具体可以应用于各种电子设备中。
如图4所示，一些实施例的车辆路径规划装置400包括：获取单元401、障碍物检测单元402、筛选单元403、确定单元404和路径规划单元405。其中，获取单元401，被配置成获取道路图像和当前车辆位置坐标；障碍物检测单元402，被配置成对上述道路图像进行障碍物检测，得到障碍物检测信息集，其中，上述障碍物检测信息集中的每个障碍物检测信息包括障碍物位姿向量，其次，障碍物检测是对道路图像中的道路安全弱势群体的检测；筛选单元403，被配置成基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对上述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组；确定单元404，被配置成确定上述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，得到障碍物变道信息组；路径规划单元405，被配置成基于上述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径。
可以理解的是，该装置400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400及其中包含的单元，在此不再赘述。
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备500的结构示意图。图5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5所示，电子设备500可以包括处理装置501（例如中央处理器、图形处理器等），其可以根据存储在只读存储器（ROM）502中的程序或者从存储装置508加载到随机访问存储器（RAM）503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出（I/O）接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：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506；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，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5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509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501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（Hyper Text 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，ad hoc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：获取道路图像和当前车辆位置坐标；对上述道路图像进行障碍物检测，得到障碍物检测信息集，其中，上述障碍物检测信息集中的每个障碍物检测信息包括障碍物位姿向量，其次，障碍物检测是对道路图像中的道路安全弱势群体的检测；基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对上述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组；确定上述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，得到障碍物变道信息组；基于上述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径。
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、障碍物检测单元、筛选单元、确定单元和路径规划单元。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“获取道路图像和当前车辆位置坐标的单元”。
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 (7)
1.一种车辆路径规划方法，其特征在于，包括：
获取道路图像和当前车辆位置坐标；
对所述道路图像进行障碍物检测，得到障碍物检测信息集，其中，所述障碍物检测信息集中的每个障碍物检测信息包括障碍物位姿向量，其次，障碍物检测是对道路图像中的道路安全弱势群体的检测；
基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对所述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组；
确定所述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，得到障碍物变道信息组；
基于所述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径；
所述确定所述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，包括：
确定当前车辆所在车道的车道中心线方程；
确定所述筛选后障碍物检测信息包括的障碍物位姿向量中的障碍物坐标与所述车道中心线方程之间的横向距离值；
基于所述横向距离值，确定所述筛选后障碍物检测信息对应的障碍物到达所述车道中心线方程时的行驶时长；
获取所述筛选后障碍物检测信息对应的障碍物的初始横向速度值、初始纵向速度值、初始横向加速度值和初始横向加速度变化率；
基于所述行驶时长、所述初始横向速度值、所述初始纵向速度值、所述初始横向加速度值和所述初始横向加速度变化率，生成障碍物预测轨迹，其中，所述障碍物预测轨迹为所述筛选后障碍物检测信息对应的障碍物在预设规划时长内的预测轨迹；
将所述障碍物预测轨迹确定为障碍物变道信息；
所述基于所述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径，包括：
获取当前车辆的初始规划路径；
响应于确定所述障碍物变道信息组中存在满足第一预设位置条件的障碍物变道信息，生成第一减速约束信息，其中，所述第一预设位置条件为障碍物变道信息包括的障碍物预测轨迹与所述初始规划路径不相交，所述第一减速约束信息包括第一减速约束时间段，所述第一减速约束时间段为障碍物预测轨迹与初始规划路径之间对应位置的距离小于第一预设距离阈值所在的时间段；
响应于确定所述障碍物变道信息组中存在满足第二预设位置条件的障碍物变道信息，生成第二减速约束信息，其中，所述第二预设位置条件为障碍物变道信息包括的障碍物预测轨迹与所述初始规划路径相交，所述第二减速约束信息包括第二减速约束时间段，所述第二减速约束时间段为初始规划路径从与障碍物预测轨迹之间对应位置的距离小于第一预设距离阈值开始、经过所述行驶时长所在的时间段；
基于所述第一减速约束信息和所述第二减速约束信息，对所述初始规划路径进行调整，得到目标规划路径。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述目标规划路径发送至当前车辆的控制终端，以供控制当前车辆进行移动。
3.根据权利要求1所述的方法，其特征在于，所述对所述道路图像进行障碍物检测，得到障碍物检测信息集，包括：
确定所述道路图像中每个障碍物对应的障碍物位姿向量，得到障碍物位姿向量集，其中，障碍物位姿向量包括障碍物坐标和障碍物航向角；
将所述障碍物位姿向量集中的每个障碍物位姿向量确定为障碍物检测信息。
4.根据权利要求3所述的方法，其特征在于，所述基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对所述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组，包括：
对于所述各个障碍物检测信息中的每个障碍物检测信息，执行以下步骤以生成筛选后障碍物检测信息组中的筛选后障碍物检测信息：
确定所述当前车辆位置坐标与所述障碍物检测信息包括的障碍物位姿向量中的障碍物坐标之间的距离值；
响应于确定所述距离值大于第一预设距离阈值，去除所述障碍物检测信息；
响应于确定所述距离值小于等于所述第一预设距离阈值、大于第二预设距离阈值，以及所述障碍物位姿向量包括的障碍物航向角处于预设航向角范围，将所述障碍物检测信息确定为筛选后障碍物检测信息。
5.一种车辆路径规划装置，其特征在于，包括：
获取单元，被配置成获取道路图像和当前车辆位置坐标；
障碍物检测单元，被配置成对所述道路图像进行障碍物检测，得到障碍物检测信息集，其中，所述障碍物检测信息集中的每个障碍物检测信息包括障碍物位姿向量，其次，障碍物检测是对道路图像中的道路安全弱势群体的检测；
筛选单元，被配置成基于当前车辆位置坐标和各个障碍物检测信息包括的障碍物位姿向量，对所述障碍物检测信息集中的障碍物检测信息进行筛选，得到筛选后障碍物检测信息组；
确定单元，被配置成确定所述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，得到障碍物变道信息组；
路径规划单元，被配置成基于所述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径；
所述确定所述筛选后障碍物检测信息组中每个筛选后障碍物检测信息对应的障碍物的障碍物变道信息，包括：
确定当前车辆所在车道的车道中心线方程；
确定所述筛选后障碍物检测信息包括的障碍物位姿向量中的障碍物坐标与所述车道中心线方程之间的横向距离值；
基于所述横向距离值，确定所述筛选后障碍物检测信息对应的障碍物到达所述车道中心线方程时的行驶时长；
获取所述筛选后障碍物检测信息对应的障碍物的初始横向速度值、初始纵向速度值、初始横向加速度值和初始横向加速度变化率；
基于所述行驶时长、所述初始横向速度值、所述初始纵向速度值、所述初始横向加速度值和所述初始横向加速度变化率，生成障碍物预测轨迹，其中，所述障碍物预测轨迹为所述筛选后障碍物检测信息对应的障碍物在预设规划时长内的预测轨迹；
将所述障碍物预测轨迹确定为障碍物变道信息；
所述基于所述障碍物变道信息组，对当前车辆进行路径规划，得到目标规划路径，包括：
获取当前车辆的初始规划路径；
响应于确定所述障碍物变道信息组中存在满足第一预设位置条件的障碍物变道信息，生成第一减速约束信息，其中，所述第一预设位置条件为障碍物变道信息包括的障碍物预测轨迹与所述初始规划路径不相交，所述第一减速约束信息包括第一减速约束时间段，所述第一减速约束时间段为障碍物预测轨迹与初始规划路径之间对应位置的距离小于第一预设距离阈值所在的时间段；
响应于确定所述障碍物变道信息组中存在满足第二预设位置条件的障碍物变道信息，生成第二减速约束信息，其中，所述第二预设位置条件为障碍物变道信息包括的障碍物预测轨迹与所述初始规划路径相交，所述第二减速约束信息包括第二减速约束时间段，所述第二减速约束时间段为初始规划路径从与障碍物预测轨迹之间对应位置的距离小于第一预设距离阈值开始、经过所述行驶时长所在的时间段；
基于所述第一减速约束信息和所述第二减速约束信息，对所述初始规划路径进行调整，得到目标规划路径。
6.一种电子设备，其特征在于，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1-4中任一所述的方法。
7.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311014766.0A CN116734882B (zh) | 2023-08-14 | 2023-08-14 | 车辆路径规划方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311014766.0A CN116734882B (zh) | 2023-08-14 | 2023-08-14 | 车辆路径规划方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116734882A CN116734882A (zh) | 2023-09-12 |
| CN116734882B true CN116734882B (zh) | 2023-11-24 |
Family
ID=87918982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311014766.0A Active CN116734882B (zh) | 2023-08-14 | 2023-08-14 | 车辆路径规划方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116734882B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117635403B (zh) * | 2023-11-08 | 2024-06-21 | 杭州一喂智能科技有限公司 | 异常订单告警方法、装置、电子设备和计算机可读介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111258308A (zh) * | 2018-11-15 | 2020-06-09 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行驶轨迹规划***及方法 |
| CN113071520A (zh) * | 2021-04-16 | 2021-07-06 | 阿波罗智联(北京)科技有限公司 | 车辆行驶控制方法及装置 |
| 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 |
| CN115326099A (zh) * | 2022-10-11 | 2022-11-11 | 禾多科技（北京）有限公司 | 局部路径规划方法、装置、电子设备和计算机可读介质 |
| 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 |
| WO2023001168A1 (zh) * | 2021-07-20 | 2023-01-26 | 中国第一汽车股份有限公司 | 障碍物的轨迹预测方法、装置、电子设备及存储介质 |
| WO2023070258A1 (zh) * | 2021-10-25 | 2023-05-04 | 华为技术有限公司 | 一种车辆的轨迹规划方法、装置及车辆 |
| CN116088538A (zh) * | 2023-04-06 | 2023-05-09 | 禾多科技（北京）有限公司 | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 |
| CN116164770A (zh) * | 2023-04-23 | 2023-05-26 | 禾多科技（北京）有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US20210114625A1 (en) * | 2019-10-18 | 2021-04-22 | WeRide Corp. | System and method for autonomous collision avoidance |
-
2023
- 2023-08-14 CN CN202311014766.0A patent/CN116734882B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111258308A (zh) * | 2018-11-15 | 2020-06-09 | 财团法人车辆研究测试中心 | 自动驾驶车辆的行驶轨迹规划***及方法 |
| CN113071520A (zh) * | 2021-04-16 | 2021-07-06 | 阿波罗智联(北京)科技有限公司 | 车辆行驶控制方法及装置 |
| WO2023001168A1 (zh) * | 2021-07-20 | 2023-01-26 | 中国第一汽车股份有限公司 | 障碍物的轨迹预测方法、装置、电子设备及存储介质 |
| 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 |
| WO2023070258A1 (zh) * | 2021-10-25 | 2023-05-04 | 华为技术有限公司 | 一种车辆的轨迹规划方法、装置及车辆 |
| CN115326099A (zh) * | 2022-10-11 | 2022-11-11 | 禾多科技（北京）有限公司 | 局部路径规划方法、装置、电子设备和计算机可读介质 |
| 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 |
| CN116088538A (zh) * | 2023-04-06 | 2023-05-09 | 禾多科技（北京）有限公司 | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 |
| CN116164770A (zh) * | 2023-04-23 | 2023-05-26 | 禾多科技（北京）有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116734882A (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110796856B (zh) | 车辆变道意图预测方法及变道意图预测网络的训练方法 | |
| CN110431037B (zh) | 包括运用部分可观察马尔可夫决策过程模型示例的自主车辆操作管理 | |
| US10937312B2 (en) | Transportation vehicle traffic management | |
| CN112590813B (zh) | 自动驾驶车辆信息生成方法、装置、电子设备和介质 | |
| CN110654381B (zh) | 用于控制车辆的方法和装置 | |
| JP2021504825A (ja) | 自律走行車両運行管理計画 | |
| CN115185271B (zh) | 导航路径生成方法、装置、电子设备和计算机可读介质 | |
| CN116734882B (zh) | 车辆路径规划方法、装置、电子设备和计算机可读介质 | |
| CN110497905A (zh) | 用于控制车辆的方法和装置 | |
| US20200096360A1 (en) | Method for planning trajectory of vehicle | |
| US20220269836A1 (en) | Agent conversions in driving simulations | |
| CN115761702B (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
| CN115339453B (zh) | 车辆换道决策信息生成方法、装置、设备和计算机介质 | |
| CN113205088A (zh) | 障碍物图像展示方法、电子设备和计算机可读介质 | |
| CN110654380B (zh) | 用于控制车辆的方法和装置 | |
| US20220266859A1 (en) | Simulated agents based on driving log data | |
| CN116088538B (zh) | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 | |
| CN115657684B (zh) | 车辆路径信息生成方法、装置、设备和计算机可读介质 | |
| CN111688717B (zh) | 用于控制车辆通行的方法和装置 | |
| CN115731526B (zh) | 车道线识别方法、装置、电子设备和计算机可读介质 | |
| EP4224217A1 (en) | Use of low frequency electromagnetic signals to detect occluded anomalies by a vehicle | |
| CN114475614A (zh) | 一种危险目标的筛选方法、装置、介质及设备 | |
| CN115372020A (zh) | 自动驾驶车辆测试方法、装置、电子设备和介质 | |
| CN113500994B (zh) | 车辆限速方法、装置、电子设备和存储介质 | |
| CN116086477B (zh) | 局部路径信息生成方法、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 |