CN117565894A - 自动驾驶车辆控制方法、装置、设备及存储介质 - Google Patents
自动驾驶车辆控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117565894A CN117565894A CN202311688229.4A CN202311688229A CN117565894A CN 117565894 A CN117565894 A CN 117565894A CN 202311688229 A CN202311688229 A CN 202311688229A CN 117565894 A CN117565894 A CN 117565894A
- Authority
- CN
- China
- Prior art keywords
- reversing
- path
- target vehicle
- target
- acceleration control
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 230000033001 locomotion Effects 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims description 113
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000003068 static effect Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开提供一种自动驾驶车辆控制方法、装置、设备及存储介质,涉及自动驾驶技术领域,具体涉及目标识别、数据生成、轨迹预测等技术领域,可应用于自动驾驶路径规划、移动机器人运动规划等场景下,具体实现方案包括:获取目标车辆的掉头请求;确定通过预设生成算法未生成目标车辆的第一路径;确定目标车辆的倒车碰撞区域中不存在障碍物,并根据倒车碰撞区域生成倒车碰撞区域对应的倒车路径;从倒车路径中的各倒车路径点中,确定目标倒车路径点;根据目标倒车路径点,控制目标车辆倒车至目标倒车路径点后,以预先构建的前向行驶碰撞区域对应的行驶路径行驶。本公开可以提高自动驾驶车辆在空间受限的场景下的通行性,降低倒车规划的计算耗时。
Description
技术领域
本公开涉及自动驾驶技术领域,具体涉及目标识别、数据生成、轨迹预测等技术领域,可应用于自动驾驶路径规划、移动机器人运动规划等场景下,尤其涉及一种自动驾驶车辆控制方法、装置、设备及存储介质。
背景技术
掉头场景下的轨迹规划是自动驾驶车辆实现全无人自动驾驶的关键技术之一,自动驾驶车辆由于存在最小转向半径约束,很多情况下无法一把通过掉头路段。三点掉头是自动驾驶车辆在掉头场景中的脱困手段。三点掉头是指前方路径阻塞时,需要先倒车行驶一段距离,驶离被困区域后再生成前向路径。
目前三点掉头方案中,自动驾驶车辆需要先生成倒车路径并遍历倒车路径点,然后生成前向试探路径并遍历前向试探路径点,再遍历所有静态障碍物,确定不会发生碰撞后根据倒车路径和前向试探路径完成掉头。
但目前的三点掉头方案耗时较高,实时性低。
发明内容
本公开提供了一种自动驾驶车辆控制方法、装置、设备及存储介质,可以提高自动驾驶车辆在空间受限的场景下的通行性,降低倒车规划的计算耗时。
根据本公开的第一方面,提供了一种自动驾驶车辆控制方法,所述方法包括:
获取目标车辆的掉头请求。
确定通过预设生成算法未生成目标车辆的第一路径,第一路径为目标车辆不用倒车的掉头路径。
确定不存在障碍物的目标车辆的倒车碰撞区域,并根据倒车碰撞区域生成倒车碰撞区域对应的倒车路径,倒车碰撞区域为预先构建的。
从倒车路径中的各倒车路径点中,确定目标倒车路径点。
根据目标倒车路径点,控制目标车辆倒车至目标倒车路径点后,以预先构建的前向行驶碰撞区域对应的行驶路径行驶。
根据本公开的第二方面,提供了一种自动驾驶车辆控制装置,所述装置包括:获取单元、确定单元、控制单元。
获取单元,用于获取目标车辆的掉头请求。
确定单元,用于确定通过预设生成算法未生成目标车辆的第一路径,第一路径为目标车辆不用倒车的掉头路径。
确定单元,还用于确定不存在障碍物的目标车辆的倒车碰撞区域,并根据倒车碰撞区域生成倒车碰撞区域对应的倒车路径,倒车碰撞区域为预先构建的。
确定单元,还用于从倒车路径中的各倒车路径点中,确定目标倒车路径点。
控制单元,用于根据目标倒车路径点,控制目标车辆倒车至目标倒车路径点后,以预先构建的前向行驶碰撞区域对应的行驶路径行驶。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行根据第一方面的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据第一方面的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例提供的自动驾驶车辆控制方法的流程示意图;
图2为目标车辆的倒车碰撞区域示意图;
图3为本公开实施例提供的自动驾驶车辆控制方法的另一流程示意图;
图4为本公开实施例提供的自动驾驶车辆控制方法的又一流程示意图;
图5为本公开实施例提供的图1中S105的一种实现流程示意图;
图6为本公开实施例提供的自动驾驶车辆控制装置的组成示意图;
图7为本公开实施例提供的可以用来实施本公开的实施例的示例电子设备700的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
应当理解,在本公开各实施例中,字符“/”一般表示前后关联对象是一种“或”的关系。术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
掉头场景下的轨迹规划是自动驾驶车辆实现全无人自动驾驶的关键技术之一,自动驾驶车辆由于存在最小转向半径约束,很多情况下无法一把通过掉头路段。三点掉头是自动驾驶车辆在掉头场景中的脱困手段。三点掉头是指前方路径阻塞时,需要先倒车行驶一段距离,驶离被困区域后再生成前向路径。
目前三点掉头方案中,自动驾驶车辆需要先生成倒车路径并遍历倒车路径点,然后生成前向试探路径并遍历前向试探路径点,再遍历所有静态障碍物,确定不会发生碰撞后根据倒车路径和前向试探路径完成掉头。
但目前的三点掉头方案耗时较高,实时性低。
示例性地,掉头场景是自动驾驶经常遇到的一类复杂交互场景,掉头场景特有的“U”型弯道曲率较大,由于无人车存在最小转向半径约束,很多情况下无法一把通过掉头路段。如果道路两旁存在违章车辆导致通行空间受限,大多方案无法成功规划一条可通行路径。三点掉头是L4级别自动驾驶必不可少的能力,当前方路径被静态障碍物或低速动态障碍物阻塞时,需要通过三点掉头倒车实现脱困。三点掉头倒车具有倒车过程仅往右后方运动、前向行驶仅向左前方运动的特性。
目前的掉头场景轨迹规划方案中,通常只考虑通行空间较大的掉头路口,仅有路肩等静态障碍物与无人车进行交互,生成可通行路径的难度较低。且大多基于frenet坐标系规划路径,当障碍物在坐标系上投影时,可能存在多个解,因此有可能将障碍物投影至错误的位置,最终导致碰撞。其次,在目前的无人车三点掉头方案中,一般采用多层循环进行静态判碰与前向路径的生成,例如,先遍历倒车路径点,然后生成前向试探路径并遍历前向路径点,最后遍历所有静态障碍物,为三层for循环。自动驾驶车辆触发倒车与三点掉头中均涉及静态判碰,现有技术方案大多先生成倒车路径,构建加了一定缓冲区(buffer,buf)的主车边界框(bounding box),再判断障碍物与bounding box是否重叠。目前的方案不够精确且耗时较高,影响着无人车的实时性与安全性。
在此背景技术下,本公开提供了一种自动驾驶车辆控制方法,能够提高自动驾驶车辆在空间受限的场景下的通行性,降低倒车规划的计算耗时。
示例性地,该自动驾驶车辆控制方法的执行主体可以是计算机或服务器,或者还可以是其他具有数据处理能力的设备,例如,自动驾驶车辆上的控制设备。在此对该方法的执行主体不作限制。
一些实施例中,服务器可以是单独的一个服务器,或者,也可以是由多个服务器构成的服务器集群。部分实施方式中,服务器集群还可以是分布式集群。本公开对服务器的具体实现方式也不作限制。
图1为本公开实施例提供的自动驾驶车辆控制方法的流程示意图。如图1所示,该方法可以包括S101-S105。
S101、获取目标车辆的掉头请求。
示例性地,可以通过目标车辆的传感器判断前方路径是否发生堵塞,当前方路径发生堵塞导致目标车辆无法通行时,目标车辆上的控制设备可以获取目标车辆的掉头请求。
S102、确定通过预设生成算法未生成目标车辆的第一路径。
示例性地,第一路径为目标车辆不用倒车的掉头路径,第一路径可以包括参考路径和搜索路径。预设生成算法可以包括Reeds-Shepp曲线生成算法,即RS曲线生成算法、混合A*算法。在获取到目标车辆的掉头请求后,可以通过RS曲线生成算法生成目标车辆从起点到终点的参考路径。其中,起点可以是目标车辆的当前位置,终点可以是掉头路口的终点,可以将掉头路口定义为入弯点前20米的直行路段、入弯点与出弯点之间的掉头路段、出弯点之后20米的直行路段。当RS曲线生成算法生成目标车辆从起点到终点的第一路径时,可以控制目标车辆按照生成的第一路径进行掉头。当RS曲线生成算法没有生成目标车辆从起点到终点的参考路径时,可以通过混合A*算法生成搜索路径,当混合A*算法没有生成搜索路径时可以进行后续三点掉头的操作。
S103、确定不存在障碍物的目标车辆的倒车碰撞区域,并根据倒车碰撞区域生成倒车碰撞区域对应的倒车路径。
示例性地,可以预先构建目标车辆的倒车碰撞区域,目标车辆的倒车碰撞区域可以包括右后方碰撞区域和左侧碰撞区域。可以判断障碍物与目标车辆的倒车碰撞区域是否有重叠,当障碍物与目标车辆的倒车碰撞区域无重叠时,则可以认为目标车辆的倒车碰撞区域中不存在障碍物。确定目标车辆的倒车碰撞区域中不存在障碍物时,可以根据倒车碰撞区域生成倒车碰撞区域对应的倒车路径。
可选地,可以预先构建默认碰撞区域,如果默认碰撞区域中没有障碍物,那么默认碰撞区域就是目标车辆的倒车碰撞区域。如果默认碰撞区域中有障碍物,就从默认碰撞区域中选取没有障碍物的部分区域作为倒车碰撞区域,从而保证倒车碰撞区域中没有障碍物,提高了碰撞检测精确性和自动驾驶车辆的安全性。
示例地,图2为目标车辆的倒车碰撞区域示意图。如图2所示,右后方碰撞区域是角点为P1、P2、P3、P4的多边形。以目标车辆后边缘点M为运动中心,假设向右后方运动至点N,转向半径R为OM、ON,R设为5m,弧长l设为2.0m,车辆航向角为θ,则根据弧长公式,可以计算出角α等于0.5。点M坐标为已知,假设为M(xm,ym),则转向中心O(xo,yo)的坐标为
公式(1)中,O表示转向中心,(xm,ym)表示目标车辆后边缘点M的坐标,(xo,yo)表示转向中心O的坐标,θ表示车辆航向角,R表示转向半径。
图2中,点P1为加了一个安全buf后的角点,buf可以取0.5,假设半车宽为w,则可以根据公式(2)计算出OP1的值。
OP1=R+w+buf 公式(2)
公式(2)中,O表示转向中心,P1表示加了一个安全buf后的角点,w表示半车宽。
同理可直接根据几何关系计算P1、P2点的坐标,即可以根据公式(3)、公式(4)计算P1、P2点的坐标。
公式(3)中,(x1,y1)表示P1的坐标,(xm,ym)表示目标车辆后边缘点M的坐标,w表示半车宽,θ表示车辆航向角。
公式(4)中,(x2,y2)表示P2的坐标,(xm,ym)表示目标车辆后边缘点M的坐标,w表示半车宽,θ表示车辆航向角。
图2中的角点P3、P4的坐标可以根据二维向量旋转计算,已知点O与旋转角α,可以通过向量OP1、OP2计算出P3、P4的坐标。
基于上述实施例,示例地,可以对右后方碰撞区域的外轮廓进行等间隔采样,也即,可以对图2中的P1与P4的连接线进行等间隔采样,角度增量为0.1,所以共有3个采样点,右后方碰撞区域共有7个角点以这7个点构建凸包右后方碰撞区域,然后判断障碍物与右后方碰撞区域是否有重叠,来进行精确的倒车判碰。
示例地,如图2所示,左侧碰撞区域是角点为P1、P5、P6、P7的多边形。左侧碰撞区域与目标车辆平行,采用矩形构建,长为目标车辆长度,宽为buf的大小。
S104、从倒车路径中的各倒车路径点中,确定目标倒车路径点。
S105、根据目标倒车路径点,控制目标车辆倒车至目标倒车路径点后,以预先构建的前向行驶碰撞区域对应的行驶路径行驶。
示例性地,可以根据倒车路径确定倒车路径上的各个倒车路径点,然后从各个倒车路径点中确定一个目标倒车路径点。确定出目标倒车路径点后,可以控制目标车辆倒车至目标倒车路径点,然后以预先构建的前向行驶碰撞区域对应的行驶路径行驶。构建前向行驶碰撞区域的具体方法可以参考构建倒车碰撞区域中的右后方碰撞区域的具体方法,此处不再赘述。
示例地,前向行驶碰撞区域的后方两个角点为以目标倒车路径点为中心的两个点,前向行驶碰撞区域宽度与目标车辆的宽度相等,目标车辆的两个前侧角点为已知量,以0.18的曲率半径进行旋转,弧长可以设为10m,即可通过旋转变换计算得到前向行驶区域的两个前侧角点。再以0.5m的弧长进行采样,得到剩余边界点,最后通过所有角点和边界点构建前向行驶碰撞区域。
本公开通过获取目标车辆的掉头请求,确定通过预设生成算法未生成目标车辆的第一路径后,确定不存在障碍物的所述目标车辆的倒车碰撞区域,并根据倒车碰撞区域生成倒车碰撞区域对应的倒车路径;然后从倒车路径中的各倒车路径点中,确定目标倒车路径点;最后根据目标倒车路径点,控制目标车辆倒车至目标倒车路径点后,以预先构建的前向行驶碰撞区域对应的行驶路径行驶。可以根据预先构建的倒车碰撞区域和前向行驶碰撞区域,提高碰撞检测精确性和自动驾驶车辆在空间受限的场景下的通行性,减少倒车规划的计算耗时,为自动驾驶车辆提供一套安全可靠的复杂动态场景下的掉头轨迹规划方案。
一些实施例中,上述预设生成算法包括RS曲线生成算法和/或混合A*算法。
示例性地,RS曲线是一种用于路径规划的数学模型,可以用来描述机器人或车辆在平面上的运动轨迹。混合A*算法是A*算法和车辆运动学相结合的一种用于解决A*算法不满足车辆运动学问题的算法。A*算法,也称为A*搜索算法,俗称A星算法,作为启发式搜索算法中的一种,这是一种在有多个节点的路径的图形平面上,能够求出最低通过成本的算法。
本实施例通过限定预设生成算法包括RS曲线生成算法和/或混合A*算法,可以先通过RS曲线生成算法生成第一路径,当RS曲线生成算法没有生成第一路径时,再通过混合A*算法生成第一路径,混合A*算法也没有生成第一路径时,采用三点掉头方法。提高了自动驾驶车辆掉头的效率,RS曲线生成算法和/或混合A*算法生成第一路径时,自动驾驶车辆可以直接根据第一路径掉头,进一步减少了倒车规划的计算耗时。
图3为本公开实施例提供的自动驾驶车辆控制方法的另一流程示意图。如图3所示,该方法还可以包括S301-S305。
S301、确定通过预设生成算法生成第一路径。
示例性地,当目标车辆进入掉头路口时,建立障碍物栅格地图,以目标车辆当前位置作为搜索起点,以掉头路口终点作为搜索终点,初始化搜索节点集合,将搜索起点放入搜索节点集合。若搜索节点集合不为空,进行循环搜索。可以设置搜索上限为50毫秒(即搜索时长)或5000个迭代步长(即搜索步数)。从搜索节点集合中拿到代价最小的节点Q,通过RS曲线生成算法生成节点Q到搜索终点的第一路径,生成第一路径后结束搜索,根据第一路径执行掉头。
示例地,若只通过RS曲线生成算法生成第一路径失败,则对节点Q进行扩展,为产生满足目标车辆运动学的路径,目标车辆在单位时间内,以恒定的速度和转角做匀速运动。并结合车辆运动学方程推演得到目标车辆在这1秒(s)内的轨迹。轨迹末端落入的栅格就是要扩展的子节点。然后将待选轨迹与全部静态障碍物进行碰撞检测,将无碰撞的扩展子节点加入搜索节点集合。计算扩展子节点的历史代价g,预期代价h,总代价f,历史代价g=g1+g2,其中g1为当前子节点到搜索起点的累积距离,g2为这段累积路径的平均曲率与路径长度的乘积。预期代价h=max(h1,h2,h3),其中h1表示从当前节点到搜索终点,通过RS曲线生成的路径长度;h2表示从当前节点到搜索终点的欧式距离,h3表示轨迹与掉头参考路径的横向偏移距离。若搜索节点集合中某节点与搜索终点的距离偏差在某一较小范围内,则结束搜索,从搜索终点回溯父节点得到前向行驶路径(即第一路径)。若搜索终点上被违章车辆等静态障碍物占据,则将距离偏差阈值进一步扩大,以提前获得前向行驶路径。确定通过预设生成算法生成了第一路径。
S302、获取目标车辆在第一路径上的至少两条第一加速度控制曲线。
示例性地,第一加速度控制曲线用于指示目标车辆在第一路径上的任一时刻的加速度。目标车辆在第一路径上可以以不同的加速度行驶,也可以理解为,目标车辆在第一路径上行驶时,在不同的时间段有不同的行驶速度,所以目标车辆在第一路径上有多条第一加速度控制曲线,根据目标车辆的第一加速度控制曲线可以采样生成目标车辆的路程-时间(s-t)曲线、速度-时间(v-t)曲线。
例如,目标车辆在第一路径上行驶的总时长可以包括三个时间段,目标车辆在第一个时间段的行驶速度为40千米/小时(km/h),在第二个时间段的行驶速度为44千米/小时(km/h),在第三个时间段的行驶速度为48千米/小时(km/h)时,可以构成一条第一加速度控制曲线,目标车辆在第一个时间段的行驶速度为55千米/小时(km/h),在第二个时间段的行驶速度为49千米/小时(km/h),在第三个时间段的行驶速度为58千米/小时(km/h)时,也可以构成一条第一加速度控制曲线。
S303、获取动态障碍物的预测行驶轨迹。
示例性地,可以通过目标车辆的激光雷达、摄像头、毫米波雷达等传感器设备以及复杂的处理算法感知周围环境,获取周围环境的原始数据,通过算法后处理可以得到每个时间点自动驾驶车辆周围环境中所有障碍物的身份标识(identity document,ID)、位置、速度、加速度、运动方向等,配合使用高精地图,能够知道各动态障碍物所处的车道、路口、附近红绿灯等地图信息。然后基于预测算法预测出动态障碍物的预测行驶轨迹。
可选地,可以通过目标车辆与动态障碍物进行交互,获取到动态障碍物的历史运动轨迹,然后将动态障碍物的历史运动轨迹输入神经网络模型,通过神经网络模型对动态障碍物的行驶轨迹进行预测,并输出动态障碍物的预测行驶轨迹。
S304、根据第一加速度控制曲线与预测行驶轨迹,确定第二加速度控制曲线。
S305、控制目标车辆根据第二加速度控制曲线按照第一路径行驶。
示例性地,第一加速度控制曲线包括第二加速度控制曲线,第二加速度控制曲线用于指示目标车辆在第一路径上与动态障碍物不发生碰撞的加速度。在获取到动态障碍物的预测行驶轨迹后,可以先确定出目标车辆的每一条第一加速度控制曲线对应的行驶轨迹,然后通过目标车辆的每一条第一加速度控制曲线对应的行驶轨迹与动态障碍物的预测行驶轨迹进行交互实现碰撞检测,将碰撞检测失败的目标车辆的行驶轨迹删除掉,同时确定出未被删除的目标车辆的行驶轨迹对应的加速度控制曲线,这些未被删除的目标车辆的行驶轨迹对应的加速度控制曲线即为第二加速度控制曲线。可以控制目标车辆根据任意一条第二加速度控制曲线按照第一路径行驶。
例如,目标车辆的第一加速度控制曲线对应的行驶轨迹包括轨迹1、轨迹2、轨迹3、轨迹4、轨迹5、轨迹6、轨迹7、轨迹8,可以将这8条轨迹与动态障碍物的预测行驶轨迹进行碰撞检测,如果轨迹4、轨迹6碰撞检测失败,则意味着目标车辆按照轨迹4、轨迹6行驶时会与动态障碍物发生碰撞,所以将轨迹4、轨迹6删除,轨迹1、轨迹2、轨迹3、轨迹5、轨迹7、轨迹8对应的加速度控制曲线作为第二加速度控制曲线。可以控制目标车辆根据轨迹1、轨迹2、轨迹3、轨迹5、轨迹7、轨迹8中任意一条轨迹对应的加速度控制曲线按照第一路径行驶。
本实施例通过确定通过预设生成算法生成第一路径;获取目标车辆在第一路径上的至少两条第一加速度控制曲线、动态障碍物的预测行驶轨迹;然后根据第一加速度控制曲线与预测行驶轨迹,确定第二加速度控制曲线,最后控制目标车辆根据第二加速度控制曲线按照第一路径行驶。可以实现对目标车辆掉头的速度控制,提高自动驾驶车辆在空间受限的掉头路口内的通行性与安全性。
图4为本公开实施例提供的自动驾驶车辆控制方法的又一流程示意图。如图4所示,该方法还可以包括S401-S403。
S401、对每条第二加速度控制曲线进行代价评估,得到每条第二加速度控制曲线的代价评估结果。
S402、根据每条第二加速度控制曲线的代价评估结果,确定第二加速度控制曲线中代价值最小的第二加速度控制曲线,作为第三加速度控制曲线。
S403、控制目标车辆根据第三加速度控制曲线按照第一路径行驶。
示例性地,在确定出毛病车辆的第二加速度控制曲线后,可以通过对每条第二加速度控制曲线对应的轨迹进行评估,从而实现对每条第二加速度控制曲线的代价评估,得到每条第二加速度控制曲线的代价评估结果。然后根据每条第二加速度控制曲线的代价评估结果,从所有第二加速度控制曲线中选出代价值最小的一条第二加速度控制曲线,作为第三加速度控制曲线。最后控制目标车辆根据第三加速度控制曲线按照第一路径行驶。
示例地,轨迹的代价可以用cost表示,可以根据cost=t1+t2+t3计算每条第二加速度控制曲线对应的轨迹的代价值。其中,t1表示轨迹每帧目标车辆与关键动态障碍物的距离,为安全性目标;t2表示轨迹累积长度,为通行效率目标;t3表示轨迹累积加速度,为体感舒适性目标。
本实施例通过对每条第二加速度控制曲线进行代价评估,得到每条第二加速度控制曲线的代价评估结果;然后根据每条第二加速度控制曲线的代价评估结果,确定第二加速度控制曲线中代价值最小的第二加速度控制曲线,作为第三加速度控制曲线;最后控制目标车辆根据第三加速度控制曲线按照第一路径行驶。可以控制目标车辆根据代价值最小的轨迹对应的加速度控制曲线行驶,进一步提高了目标车辆掉头的效率。
一些实施例中,上述从倒车路径中的各倒车路径点中,确定目标倒车路径点,可以包括:根据前向试探碰撞区域、目标车辆在倒车路径中的各倒车路径点的位姿,确定目标倒车路径点。
示例性地,前向试探碰撞区域的具体构建方法可以参考前述实施例中前向行驶碰撞区域的具体构建方法。目标车辆在倒车路径中的各倒车路径点的位姿可以包括目标车辆在倒车路径中的各倒车路径点的位置、朝向等。可以依次遍历倒车路径中的各倒车路径点,每个点都生成前向的接近左满舵的(即曲率为0.18)路径进行试探,依据三点掉头先右满舵倒车后再左满舵打死前向行驶的特性,前向试探时均为左满舵路径,左满舵路径对应的行驶区域为前向试探碰撞区域。遍历下一个路径点时仅需要将上一个前向试探碰撞区域进行平移与旋转后再进行判碰,可以将三层循环降为两层循环,降低计算耗时。若生成的路径前向无碰,则该路径的点为目标倒车路径点,该路径的点的距离即为满足通行条件的倒车距离。
本实施例通过根据前向试探碰撞区域、目标车辆在倒车路径中的各倒车路径点的位姿,确定目标倒车路径点。可以进一步降低计算耗时,提高自动驾驶车辆在空间受限的掉头路口内的通行性。
图5为本公开实施例提供的图1中S105的一种实现流程示意图。如图5所示,图1中S105可以包括S501-S502。
S501、根据目标车辆到达目标倒车路径点对应的倒车距离、倒车距离与倒车速度的对应关系,确定目标车辆的倒车车速。
S502、根据目标倒车路径点、目标车辆的倒车车速,控制目标车辆倒车至目标倒车路径点后,以前向行驶碰撞区域对应的行驶路径行驶。
示例性地,可以通过倒车速度曲线来表示倒车速度。倒车速度曲线可以包括匀减速倒车曲线、先匀加速再匀减速倒车曲线、先匀加速再匀速最后匀减速倒车曲线。倒车距离与倒车速度的对应关系为倒车距离比较短时对应匀减速倒车曲线,倒车距离适中对应先匀加速再匀减速倒车曲线,倒车距离较长对应先匀加速再匀速最后匀减速倒车曲线。可以根据目标车辆到达目标倒车路径点对应的倒车距离、倒车距离与倒车速度的对应关系确定目标车辆的倒车车速。确定目标车辆的倒车车速后,根据目标倒车路径点、目标车辆的倒车车速,控制目标车辆倒车至目标倒车路径点后,以前向行驶碰撞区域对应的行驶路径行驶。
可选地,当剩余倒车距离不足0.35米(m)、主车速度小于0.2米/秒(m/s)、不是因为被障碍物挡住而停滞以及剩余倒车距离不足0.55m、已完成的倒车距离大于0.5m、主车速度连续小于0.2m/s超过6秒时,可以退出倒车。
本实施例通过根据目标车辆到达目标倒车路径点对应的倒车距离、倒车距离与倒车速度的对应关系,确定目标车辆的倒车车速;然后根据目标倒车路径点、目标车辆的倒车车速,控制目标车辆倒车至目标倒车路径点后,以前向行驶碰撞区域对应的行驶路径行驶。可以控制目标车辆的倒车车速,从而提高前方道路阻塞时自动驾驶车辆的鲁棒性、智能性、安全性与通行效率。
示例性实施例中,本公开实施例还提供一种自动驾驶车辆控制装置,可以用于实现如前述实施例的自动驾驶车辆控制方法。图6为本公开实施例提供的自动驾驶车辆控制装置的组成示意图。如图6所示,该装置可以包括:获取单元601、确定单元602、控制单元603。
获取单元601,用于获取目标车辆的掉头请求。
确定单元602,用于确定通过预设生成算法未生成目标车辆的第一路径,第一路径为目标车辆不用倒车的掉头路径。
确定单元602,还用于确定不存在障碍物的目标车辆的倒车碰撞区域,并根据倒车碰撞区域生成倒车碰撞区域对应的倒车路径,倒车碰撞区域为预先构建的。
确定单元602,还用于从倒车路径中的各倒车路径点中,确定目标倒车路径点。
控制单元603,用于根据目标倒车路径点,控制目标车辆倒车至目标倒车路径点后,以预先构建的前向行驶碰撞区域对应的行驶路径行驶。
可选地,预设生成算法包括RS曲线生成算法和/或混合A*算法。
可选地,确定单元602,还用于确定通过预设生成算法生成第一路径;获取单元601,还用于获取目标车辆在第一路径上的至少两条第一加速度控制曲线,第一加速度控制曲线用于指示目标车辆在第一路径上的任一时刻的加速度;获取动态障碍物的预测行驶轨迹;确定单元602,还用于根据第一加速度控制曲线与预测行驶轨迹,确定第二加速度控制曲线,第一加速度控制曲线包括第二加速度控制曲线,第二加速度控制曲线用于指示目标车辆在第一路径上与动态障碍物不发生碰撞的加速度;控制单元603,还用于控制目标车辆根据第二加速度控制曲线按照第一路径行驶。
可选地,如图6所示,该装置还包括:评估单元604。
评估单元604,用于对每条第二加速度控制曲线进行代价评估,得到每条第二加速度控制曲线的代价评估结果;确定单元602,还用于根据每条第二加速度控制曲线的代价评估结果,确定第二加速度控制曲线中代价值最小的第二加速度控制曲线,作为第三加速度控制曲线;控制单元603,还用于控制目标车辆根据第三加速度控制曲线按照第一路径行驶。
可选地,确定单元602,具体用于根据预先构建的前向试探碰撞区域、目标车辆在倒车路径中的各倒车路径点的位姿,确定目标倒车路径点。
可选地,控制单元603,具体用于根据目标车辆到达目标倒车路径点对应的倒车距离、倒车距离与倒车速度的对应关系,确定目标车辆的倒车车速;根据目标倒车路径点、目标车辆的倒车车速,控制目标车辆倒车至目标倒车路径点后,以前向行驶碰撞区域对应的行驶路径行驶。
本公开的技术方案中,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。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品。
示例性实施例中,电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如以上实施例所述的方法。
示例性实施例中,可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行根据以上实施例所述的方法。
示例性实施例中,计算机程序产品包括计算机程序,所述计算机程序在被处理器执行时实现根据以上实施例所述的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700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/或者要求的本公开的实现。
如图7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700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701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701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701执行上文所描述的各个方法和处理,例如自动驾驶车辆控制方法。例如,在一些实施例中,自动驾驶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708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的自动驾驶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701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行自动驾驶车辆控制方法。
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)、负载可编程逻辑设备(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。
用于实施本公开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。
在本公开的上下文中,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,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (21)
1.一种自动驾驶车辆控制方法,所述方法包括:
获取目标车辆的掉头请求;
确定通过预设生成算法未生成所述目标车辆的第一路径,所述第一路径为所述目标车辆不用倒车的掉头路径;
确定不存在障碍物的所述目标车辆的倒车碰撞区域,并根据所述倒车碰撞区域生成所述倒车碰撞区域对应的倒车路径,所述倒车碰撞区域为预先构建的;
从所述倒车路径中的各倒车路径点中,确定目标倒车路径点;
根据所述目标倒车路径点,控制所述目标车辆倒车至所述目标倒车路径点后,以预先构建的前向行驶碰撞区域对应的行驶路径行驶。
2.根据权利要求1所述的方法,所述确定不存在障碍物所述目标车辆的倒车碰撞区域,包括:
从默认碰撞区域中确定不存在障碍物的所述倒车碰撞区域,所述默认碰撞区域为预先构建的。
3.根据权利要求1或2所述的方法,所述预设生成算法包括RS曲线生成算法和/或混合A*算法。
4.根据权利要求1-3任一项所述的方法,所述方法还包括:
确定通过所述预设生成算法生成所述第一路径;
获取所述目标车辆在所述第一路径上的至少两条第一加速度控制曲线,所述第一加速度控制曲线用于指示所述目标车辆在所述第一路径上的任一时刻的加速度;
获取动态障碍物的预测行驶轨迹;
根据所述第一加速度控制曲线与所述预测行驶轨迹,确定第二加速度控制曲线,所述第一加速度控制曲线包括所述第二加速度控制曲线,所述第二加速度控制曲线用于指示所述目标车辆在所述第一路径上与所述动态障碍物不发生碰撞的加速度;
控制所述目标车辆根据所述第二加速度控制曲线按照所述第一路径行驶。
5.根据权利要求4所述的方法,所述获取动态障碍物的预测行驶轨迹,包括:
获取所述动态障碍物的身份标识、位置、速度、加速度、运动方向;
根据所述动态障碍物的身份标识、位置、速度、加速度、运动方向,确定所述动态障碍物的预测行驶轨迹。
6.根据权利要求4所述的方法,所述获取动态障碍物的预测行驶轨迹,包括:
获取所述动态障碍物的历史运动轨迹;
根据所述动态障碍物的历史运动轨迹,通过神经网络模型确定所述动态障碍物的预测行驶轨迹。
7.根据权利要求4-6任一项所述的方法,所述方法还包括:
对每条所述第二加速度控制曲线进行代价评估,得到每条所述第二加速度控制曲线的代价评估结果;
根据每条所述第二加速度控制曲线的代价评估结果,确定所述第二加速度控制曲线中代价值最小的第二加速度控制曲线,作为第三加速度控制曲线;
控制所述目标车辆根据所述第三加速度控制曲线按照所述第一路径行驶。
8.根据权利要求1-7任一项所述的方法,所述从所述倒车路径中的各倒车路径点中,确定目标倒车路径点,包括:
根据预先构建的前向试探碰撞区域、所述目标车辆在所述倒车路径中的各倒车路径点的位姿,确定所述目标倒车路径点。
9.根据权利要求1-8任一项所述的方法,所述根据所述目标倒车路径点,控制所述目标车辆倒车至所述目标倒车路径点后,以预先构建的前向行驶碰撞区域对应的行驶路径行驶,包括:
根据所述目标车辆到达所述目标倒车路径点对应的倒车距离、所述倒车距离与倒车速度的对应关系,确定所述目标车辆的倒车车速;
根据所述目标倒车路径点、所述目标车辆的倒车车速,控制所述目标车辆倒车至所述目标倒车路径点后,以所述前向行驶碰撞区域对应的行驶路径行驶。
10.一种自动驾驶车辆控制装置,所述装置包括:
获取单元,用于获取目标车辆的掉头请求;
确定单元,用于确定通过预设生成算法未生成所述目标车辆的第一路径,所述第一路径为所述目标车辆不用倒车的掉头路径;
所述确定单元,还用于确定不存在障碍物的所述目标车辆的倒车碰撞区域,并根据所述倒车碰撞区域生成所述倒车碰撞区域对应的倒车路径,所述倒车碰撞区域为预先构建的;
所述确定单元,还用于从所述倒车路径中的各倒车路径点中,确定目标倒车路径点;
控制单元,用于根据所述目标倒车路径点,控制所述目标车辆倒车至所述目标倒车路径点后,以预先构建的前向行驶碰撞区域对应的行驶路径行驶。
11.根据权利要求10所述的装置,所述确定单元,具体用于:
从默认碰撞区域中确定不存在障碍物的所述倒车碰撞区域,所述默认碰撞区域为预先构建的。
12.根据权利要求10所述的装置,所述预设生成算法包括RS曲线生成算法和/或混合A*算法。
13.根据权利要求10-12任一项所述的装置,所述确定单元,还用于:
确定通过所述预设生成算法生成所述第一路径;
所述获取单元,还用于:
获取所述目标车辆在所述第一路径上的至少两条第一加速度控制曲线,所述第一加速度控制曲线用于指示所述目标车辆在所述第一路径上的任一时刻的加速度;
获取动态障碍物的预测行驶轨迹;
所述确定单元,还用于:
根据所述第一加速度控制曲线与所述预测行驶轨迹,确定第二加速度控制曲线,所述第一加速度控制曲线包括所述第二加速度控制曲线,所述第二加速度控制曲线用于指示所述目标车辆在所述第一路径上与所述动态障碍物不发生碰撞的加速度;
所述控制单元,还用于:
控制所述目标车辆根据所述第二加速度控制曲线按照所述第一路径行驶。
14.根据权利要求13所述的装置,所述获取单元,具体用于:
获取所述动态障碍物的身份标识、位置、速度、加速度、运动方向;
根据所述动态障碍物的身份标识、位置、速度、加速度、运动方向,确定所述动态障碍物的预测行驶轨迹。
15.根据权利要求13所述的装置,所述获取单元,具体用于:
获取所述动态障碍物的历史运动轨迹;
根据所述动态障碍物的历史运动轨迹,通过神经网络模型确定所述动态障碍物的预测行驶轨迹。
16.根据权利要求13-15任一项所述的装置,所述装置,还包括:
评估单元,用于对每条所述第二加速度控制曲线进行代价评估,得到每条所述第二加速度控制曲线的代价评估结果;
所述确定单元,还用于:根据每条所述第二加速度控制曲线的代价评估结果,确定所述第二加速度控制曲线中代价值最小的第二加速度控制曲线,作为第三加速度控制曲线;
所述控制单元,还用于:
控制所述目标车辆根据所述第三加速度控制曲线按照所述第一路径行驶。
17.根据权利要求10-16任一项所述的装置,所述确定单元,具体用于:
根据预先构建的前向试探碰撞区域、所述目标车辆在所述倒车路径中的各倒车路径点的位姿,确定所述目标倒车路径点。
18.根据权利要求10-17任一项所述的装置,所述控制单元,具体用于:
根据所述目标车辆到达所述目标倒车路径点对应的倒车距离、所述倒车距离与倒车速度的对应关系,确定所述目标车辆的倒车车速;
根据所述目标倒车路径点、所述目标车辆的倒车车速,控制所述目标车辆倒车至所述目标倒车路径点后,以所述前向行驶碰撞区域对应的行驶路径行驶。
19.一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行根据权利要求1-9任一项所述的方法。
21.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311688229.4A CN117565894A (zh) | 2023-12-11 | 2023-12-11 | 自动驾驶车辆控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311688229.4A CN117565894A (zh) | 2023-12-11 | 2023-12-11 | 自动驾驶车辆控制方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117565894A true CN117565894A (zh) | 2024-02-20 |
Family
ID=89891745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311688229.4A Pending CN117565894A (zh) | 2023-12-11 | 2023-12-11 | 自动驾驶车辆控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117565894A (zh) |
-
2023
- 2023-12-11 CN CN202311688229.4A patent/CN117565894A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110834631A (zh) | 一种行人避让方法、装置、车辆及存储介质 | |
CN112526999B (zh) | 速度规划方法、装置、电子设备和存储介质 | |
CN114111825B (zh) | 路径规划方法、装置、电子设备、工程机械和存储介质 | |
CN113401141B (zh) | 路线处理方法及装置 | |
CN113682318A (zh) | 车辆行驶控制方法及装置 | |
CN118235180A (zh) | 预测可行驶车道的方法和装置 | |
CN113670305A (zh) | 泊车轨迹生成方法、装置、计算机设备和存储介质 | |
CN112327826A (zh) | 一种路径规划方法、装置、设备和介质 | |
CN114030483B (zh) | 车辆控制方法、装置、电子设备和介质 | |
CN114475585A (zh) | 路口自动驾驶方法、装置、电子设备及自动驾驶车辆 | |
CN113635898A (zh) | 车辆限速控制的方法、设备、存储介质及程序产品 | |
CN115675534A (zh) | 车辆轨迹预测方法、装置、电子设备及存储介质 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN113753078A (zh) | 障碍物轨迹的预测方法、装置、电子设备及自动驾驶车辆 | |
US20210398014A1 (en) | Reinforcement learning based control of imitative policies for autonomous driving | |
CN117168488A (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
EP4151487A2 (en) | Method and apparatus for controlling lane changing, electronic device and storage medium | |
CN116890876A (zh) | 车辆控制方法、装置、电子设备和自动驾驶车辆 | |
CN115497322B (zh) | 一种窄路会车方法、装置、设备及存储介质 | |
CN115782876A (zh) | 一种变道轨迹生成方法、装置、设备及自动驾驶车辆 | |
CN116215517A (zh) | 碰撞检测方法、装置、设备、存储介质和自动驾驶车辆 | |
CN117565894A (zh) | 自动驾驶车辆控制方法、装置、设备及存储介质 | |
CN114735024A (zh) | 一种车辆控制方法、装置、设备以及存储介质 | |
Rebollo et al. | Collision avoidance among multiple aerial robots and other non-cooperative aircraft based on velocity planning | |
CN114834447B (zh) | 基于自动泊车轨迹的碰撞风险预测方法及装置 |
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 |