CN118107575A - 碰撞检查方法、控制装置、可读存储介质及驾驶设备 - Google Patents

碰撞检查方法、控制装置、可读存储介质及驾驶设备 Download PDF

Info

Publication number
CN118107575A
CN118107575A CN202410537674.9A CN202410537674A CN118107575A CN 118107575 A CN118107575 A CN 118107575A CN 202410537674 A CN202410537674 A CN 202410537674A CN 118107575 A CN118107575 A CN 118107575A
Authority
CN
China
Prior art keywords
track
collision
result
obstacle
planning
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
Application number
CN202410537674.9A
Other languages
English (en)
Inventor
程星
苗乾坤
吕强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neolithic Zhongyan Shanghai Technology Co ltd
Original Assignee
Neolithic Zhongyan Shanghai Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Neolithic Zhongyan Shanghai Technology Co ltd filed Critical Neolithic Zhongyan Shanghai Technology Co ltd
Priority to CN202410537674.9A priority Critical patent/CN118107575A/zh
Publication of CN118107575A publication Critical patent/CN118107575A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请涉及自动驾驶技术领域,具体提供一种碰撞检查方法、控制装置、可读存储介质及驾驶设备,旨在解决如何对笛卡尔坐标下的轨迹规划结果有效的碰撞检查,从而提升轨迹的安全性的问题。为此目的,本申请获取驾驶设备在笛卡尔坐标系下的横纵向耦合规划轨迹,以及驾驶设备在预设检查边界范围内的障碍物和障碍物预测轨迹,对横纵向耦合规划轨迹和障碍物预测轨迹进行基于时间维度的碰撞检查,获得碰撞检查结果,能够确保碰撞检查过程中障碍物形状和驾驶设备的形状的准确性,获得更为准确的碰撞检测结果,避免了横纵向耦合规划轨迹可能存在的误碰撞问题,提升了驾驶设备轨迹规划的安全性。

Description

碰撞检查方法、控制装置、可读存储介质及驾驶设备
技术领域
本申请涉及自动驾驶技术领域,具体提供一种碰撞检查方法、控制装置、可读存储介质及驾驶设备。
背景技术
在无人驾驶技术中,如何判断无人驾驶车辆行驶过程中是否与障碍物发生碰撞是非常重要的事情,是运动规划中的重要一环,它是保证无人驾驶车辆是否安全行驶的基础。
横纵向解耦的轨迹规划是指将车辆的运动轨迹规划分为横向运动和纵向运动两个独立的子问题,分别进行规划,以实现更高效的车辆规划,但这种对问题的简化往往会导致安全性的降低。
横纵向解耦的碰撞检查是指在车辆或机器人的轨迹规划过程中,分别对横向和纵向运动进行独立的碰撞检测,这种方法允许将时空上的碰撞检测问题分解为两个相对较简单的子问题,允许分别考虑两个方向的碰撞风险,这种方式虽然较好的将车辆运动与坐标系结合,但同时也一定程度上导致了规划安全性缺失。这是因为障碍物的形状表示通常采用障碍物角点来近似,而SL坐标系下由于坐标轴为曲线轴,在曲线行驶情况下,仅采样角点来表示障碍物形状会导致障碍物形状变形严重,这种变形会导致碰撞检查产生一定的误碰撞与漏碰撞情况,误碰撞问题一般不用担心,漏碰撞问题则影响较大,会对轨迹的安全性造成较大的影响。
相应地,本领域需要一种新的碰撞检查方案来解决上述问题。
发明内容
为了克服上述缺陷,提出了本申请,以提供解决或至少部分地解决如何对笛卡尔坐标下的轨迹规划结果有效的碰撞检查,从而提升轨迹的安全性的问题。
在第一方面,本申请提供一种碰撞检查方法,所述方法应用于驾驶设备,所述方法包括:
获取所述驾驶设备在笛卡尔坐标系下的横纵向耦合规划轨迹;
获取所述驾驶设备在预设的检查边界范围内的障碍物以及所述障碍物在笛卡尔坐标系下的障碍物预测轨迹;
根据所述横纵向耦合规划轨迹和所述障碍物预测轨迹,进行基于时间维度的碰撞检查,获得碰撞检查结果。
在上述碰撞检查方法的一个技术方案中,所述获取所述驾驶设备在笛卡尔坐标系下的横纵向耦合规划轨迹,包括:
对所述驾驶设备进行轨迹规划,获取在SL坐标系下的横向轨迹规划结果和纵向轨迹规划结果;
分别对所述横向轨迹规划结果和所述纵向轨迹规划结果进行基于预设的时间间隔的轨迹采样,以分别获得横向轨迹采样结果和纵向轨迹采样结果;
根据所述横向轨迹采样结果和所述纵向轨迹采样结果,进行轨迹耦合,获得所述横纵向耦合规划轨迹。
在上述碰撞检查方法的一个技术方案中,所述根据所述横向轨迹采样结果和所述纵向轨迹采样结果,进行轨迹耦合,获得所述横纵向耦合规划轨迹,包括:
根据所述横向轨迹采样结果,应用三次样条曲线进行拟合,获得所述驾驶设备的横向路径拟合结果;
根据所述纵向轨迹采样结果,应用三次样条曲线进行拟合,获得所述驾驶设备的纵向轨迹拟合结果;
将所述横向路径拟合结果和所述纵向轨迹拟合结果进行耦合,获得所述横纵向耦合规划轨迹。
在上述碰撞检查方法的一个技术方案中,所述获取所述驾驶设备在预设的检查边界范围内的障碍物,包括:
根据所述驾驶设备当前的运动速度,获取所述检查边界范围;
根据所述检查边界范围和障碍物的检查时间间隔,获取所述检查边界范围内的障碍物。
在上述碰撞检查方法的一个技术方案中,所述根据所述驾驶设备当前的运动速度,获取所述检查边界范围,包括:
根据所述驾驶设备当前的运动速度,获取所述驾驶设备以预设的加速度进行匀减速停止所需要的时间和距离;
根据所述时间和所述距离,获取所述检查边界范围。
在上述碰撞检查方法的一个技术方案中,所述方法还包括根据以下步骤来设置检查时间间隔:
根据所述障碍物的体积,设置所述检查时间间隔;
其中,所述体积与所述检查时间间隔成反比。
在上述碰撞检查方法的一个技术方案中,所述根据所述横纵向耦合规划轨迹和所述障碍物预测轨迹,进行基于时间维度的碰撞检查,获得碰撞检查结果,包括:
针对每个障碍物,将所述障碍物的每个时刻的障碍物预测轨迹与对应时刻的所述横纵向耦合规划轨迹分别转换为二维多边形;
根据转换后的二维多边形进行碰撞检查,获得所述碰撞检查结果。
在上述碰撞检查方法的一个技术方案中,所述根据转换后的二维多边形进行碰撞检查,获得所述碰撞检查结果,包括:
根据所述二维多边形,基于分离轴定理,进行碰撞检查,获得碰撞检查结果。
在上述碰撞检查方法的一个技术方案中,所述方法还包括:
当所述检查结果为存在碰撞时,对所述驾驶设备的重新进行轨迹规划。
在第二方面,提供一种控制装置,该控制装置包括至少一个处理器和至少一个存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述碰撞检查方法的技术方案中任一项技术方案所述的碰撞检查方法。
在第三方面,提供一种计算机可读存储介质,该计算机可读存储介质其中存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述碰撞检查方法的技术方案中任一项技术方案所述的碰撞检查方法。
在第四方面,提供一种驾驶设备,所述驾驶设备包括控制装置技术方案中所述的控制装置。
本申请上述一个或多个技术方案,至少具有如下一种或多种有益效果:
在实施本申请的技术方案中,本申请获取驾驶设备在笛卡尔坐标系下的横纵向耦合规划轨迹,以及驾驶设备在预设检查边界范围内的障碍物和障碍物预测轨迹,对横纵向耦合规划轨迹和障碍物预测轨迹进行基于时间维度的碰撞检查,获得碰撞检查结果。通过上述配置方式,本申请能够在笛卡尔坐标系下,对横纵向耦合轨迹和障碍物预测轨迹进行碰撞检查,能够确保碰撞检查过程中障碍物形状和驾驶设备的形状的准确性,进一步对横纵向耦合轨迹和障碍物预测轨迹进行基于时间维度的碰撞检查,能够获得更为准确的碰撞检测结果,避免了横纵向耦合规划轨迹可能存在的误碰撞问题,提升了驾驶设备轨迹规划的安全性。
附图说明
参照附图,本申请的公开内容将变得更易理解。本领域技术人员容易理解的是:这些附图仅仅用于说明的目的,而并非意在对本申请的保护范围组成限制。其中:
图1是根据本申请的一个实施例的碰撞检查方法的主要步骤流程示意图;
图2是在SL坐标系下物体可能存在形变的情况示意图;
图3是根据本申请实施例的一个实施方式的碰撞检查方法的主要步骤流程示意图;
图4是根据本申请实施例的一个实施方式的用于获取障碍物的检查边界范围示意图;
图5是根据本申请实施例的一个应用场景示意图。
附图标记列表
1:驾驶设备;2:障碍物。
具体实施方式
下面参照附图来描述本申请的一些实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本申请的技术原理,并非旨在限制本申请的保护范围。
在本申请的描述中,“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路,各种合适的感应器,通信端口,存储器,也可以包括软件部分,比如程序代码,也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质,比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合,比如只是A、只是B或者A和B。术语“至少一个A或B”或者“A和B中的至少一个”含义与“A和/或B”类似,可以包括只是A、只是B或者A和B。单数形式的术语“一个”、“这个”也可以包含复数形式。
这里先解释本申请涉及到的一些术语。
笛卡尔坐标系(Cartesian coordinates,法语:les coordonnées cartésiennes)就是直角坐标系和斜坐标系的统称。相交于原点的两条数轴,构成了平面仿射坐标系。
SL坐标系也叫做frenet frame,以道路中心线为参考,S表示道路中心线的方向,L表示与道路中心线垂直的方向。
分离轴定理,简称SAT(Separating Axis Theorem),是一种用于判断两个凸多边形是否发生碰撞的方法。
三次样条曲线是在计算机图形、数学建模和工程中常用的一种光滑曲线插值方法。它是由一系列插值点定义的曲线,通常用于在这些点之间创建连续光滑的曲线。三次样条曲线的名称来源于其特征:它是由多个三次多项式段组成的。三次样条在数学上具有以下特点:
1) 光滑性:三次样条曲线的各段之间具有连续的一阶导数和二阶导数,因此曲线在插值点处非常平滑,没有尖锐的拐点。
2)插值性:三次样条曲线会穿过给定的插值点,确保曲线通过这些点。
3)分段性:三次样条曲线通常由多个相邻的三次多项式段组成,每个段在相邻插值点之间定义。
三次样条曲线光滑性的特点能够为拟合轨迹提供很好的二阶连续性,这一点反应到规划轨迹上,一方面为纵向提供了轨迹的速度与加速度连续性保证,能够更好的满足车辆运动学特征;另一方面则为横向的PATH曲线提供了较好的光滑性。
可以通过以下过程来计算获得三次样条曲线:
假定区间[a,b]上存在n + 1 个已知数据点,其把分成n个子区间,, , …, ,
其中
对每个子区间,设拟合函数满足以下公式(1):
(1)
每个子区间都存在四个未知数分别表示拟合多项式的系数
于是共有4n个未知参数需要求解。
由于曲线在整个区间上所有点都必须满足插值条件,所以可以满足以下公式(2):
(2)
依次可以得到 个方程。
由于曲线连续性条件的存在,表明在端点 处两边函数值相等,如公式(3)所示:
(3)
于是可以得到个方程。
由于要求曲线在整个区间光滑,表明在端点两边的一阶导数和二阶导数存在且相等,如公式(4)所示:
(4)
其等价于公式(5)
(5)
共可以获得个方程。
上述共可以得到 个方程,要求解/>个未知数,还需要两个方程,可以考虑增加端点边界条件,常见有以下三种边界条件。
1. 自然边界: 要求端点二阶导数为0.
2. 固定边界: 人为指定端点一阶边界值。
3. 非节点边界:强制第一个插值点的三阶导数值等于第二个点的三阶导数值,最后第一个点的三阶导数值等于倒数第二个点的三阶导数值。
于是个未知数有个等式,联利求解即可。
目前传统的横纵向解耦的轨迹规划是车辆的运动轨迹规划分为横向运动和纵向运动两个独立的子问题,分别进行规划,以实现更高效的车辆规划,但这种对问题的简化往往会导致安全性的降低。
横纵向解耦的碰撞检查是指在车辆或机器人的轨迹规划过程中,分别对横向和纵向运动进行独立的碰撞检测,这种方法允许将时空上的碰撞检测问题分解为两个相对较简单的子问题,允许分别考虑两个方向的碰撞风险,这种方式虽然较好的将车辆运动与坐标系结合,但同时也一定程度上导致了规划安全性缺失。这是因为障碍物的形状表示通常采用障碍物角点来近似,而SL坐标系下由于坐标轴为曲线轴,在曲线行驶情况下,仅采样角点来表示障碍物形状会导致障碍物形状变形严重。可以参阅附图2,图2是在SL坐标系下物体可能存在形变的情况示意图。如下图2所示,在笛卡尔坐标系下可以通过角点完整表示的矩形,到了SL坐标系下会出现表示形状与实际形状产生较大的出入情况,这种出入会导致碰撞检查产生一定的误碰撞与漏碰撞情况,误碰撞问题一般不用担心,漏碰撞问题则影响较大。本申请主要解决该场景下导致的漏碰撞问题。
参阅附图1,图1是根据本申请的一个实施例的碰撞检查方法的主要步骤流程示意图。如图1所示,本申请实施例中的碰撞检查方法应用于驾驶设备,碰撞检查方法主要包括下列步骤S101-步骤S103。
步骤S101:获取驾驶设备在笛卡尔坐标系下的横纵向耦合规划轨迹。
在本实施例中,可以获取驾驶设备在笛卡尔坐标系下的横纵向耦合规划轨迹。由于进行碰撞检查的过程,其关键是几何形状的检查,需要驾驶设备的形状是准确的,不能与实际形状之间存在不合理的偏差,因而需要获取在笛卡尔坐标系下的横纵向耦合规划轨迹。
一个实施方式中,驾驶设备可以为智能车、无人车等设备。
步骤S102:获取驾驶设备在预设的检查边界范围内的障碍物以及障碍物在笛卡尔坐标系下的障碍物预测轨迹。
在本实施例中,可以获取驾驶设备在预设的检查边界范围内的障碍物,并获取障碍物在笛卡尔坐标系下的障碍物预测轨迹。同样地,为了确保障碍物的形状准确,障碍物预测轨迹也需要在笛卡尔坐标系下。
一个实施方式中,检查边界范围可以包括时间范围和距离范围,可以基于驾驶设备自身的运动速度来确认时间范围和距离范围。一般而言,检查边界范围为驾驶设备以当前的运动速度能够安全停车,不会发生碰撞的范围。
步骤S103:根据横纵向耦合规划轨迹和障碍物预测轨迹,进行基于时间维度的碰撞检查,获得碰撞检查结果。
在本实施例中,可以根据笛卡尔坐标系下的横纵向耦合规划轨迹和障碍物预测轨迹进行基于时间维度的碰撞检查,从而获得碰撞检查结果。
一个实施方式中,当检查结果为存在碰撞时,则说明当前驾驶设备的轨迹规划结果是不够安全的,那么就需要对驾驶设备重新进行轨迹规划。
基于上述步骤S101-步骤S103,本申请实施例获取驾驶设备在笛卡尔坐标系下的横纵向耦合规划轨迹,以及驾驶设备在预设检查边界范围内的障碍物和障碍物预测轨迹,对横纵向耦合规划轨迹和障碍物预测轨迹进行基于时间维度的碰撞检查,获得碰撞检查结果。通过上述配置方式,本申请实施例能够在笛卡尔坐标系下,对横纵向耦合轨迹和障碍物预测轨迹进行碰撞检查,能够确保碰撞检查过程中障碍物形状和驾驶设备的形状的准确性,进一步对横纵向耦合轨迹和障碍物预测轨迹进行基于时间维度的碰撞检查,能够获得更为准确的碰撞检测结果,避免了横纵向耦合规划轨迹可能存在的误碰撞问题,提升了驾驶设备轨迹规划的安全性。
下面分别对步骤S101至步骤S103作进一步地说明。
在本申请实施例的一个实施方式中,步骤S101可以进一步包括以下步骤S1011至步骤S1013:
步骤S1011:对驾驶设备进行轨迹规划,获取在SL坐标系下的横向轨迹规划结果和纵向轨迹规划结果。
在本实施方式中,可以对驾驶设备进行轨迹规划,生成SL坐标系下横纵向解耦的轨迹规划结果。其中,横向轨迹规划结果为驾驶设备可以通行的路径(Path),纵向轨迹规划结果为驾驶设备在路径上指定位置的速度、加速度、加速度的变化率(jerk)等速度信息。可以通过设置障碍物的安全缓冲(Buffer)的方式来确保轨迹规划结果在SL坐标系下无碰撞。
一个实施方式中,可以使用图搜索算法对驾驶设备进行轨迹规划。
步骤S1012:分别对横向轨迹规划结果和纵向轨迹规划结果进行基于预设的时间间隔的轨迹采样,以分别获得横向轨迹采样结果和纵向轨迹采样结果。
在本实施方式中,可以基于预设的时间间隔来分别对横向轨迹规划结果和纵向轨迹规划结果进行轨迹采样,从而获得横向轨迹采样结果和纵向轨迹采样结果。本领域技术人员可以根据实际应用的需要来设置时间间隔的取值。
步骤S1013:根据横向轨迹采样结果和纵向轨迹采样结果,进行轨迹耦合,获得横纵向耦合规划轨迹。
在本实施方式中,步骤S1013可以进一步包括以下步骤S10131至步骤S10133:
步骤S10131:根据横向轨迹采样结果,应用三次样条曲线进行拟合,获得驾驶设备的横向路径拟合结果。
在本实施方式中,对于横向轨迹采样结果的n个数据点,每个点表示在SL坐 标系下坐标轴的值。可以利用三次样条拟合出曲线关系 ,表示随驾驶设备纵向位置 的变化,规划出的横向位置的变化,从而获得横向路径拟合结果。
步骤S10132:根据纵向轨迹采样结果,应用三次样条曲线进行拟合,获得驾驶设备的纵向轨迹拟合结果。
在本实施方式中,对应纵向轨迹采样结果的n 个数据点,每个点表示在ST 坐标轴下的值。可以利用三次样条拟合出曲线关系 ,表示随时间的变化,驾驶设备纵 向位置的变化,从而获得纵向轨迹拟合结果。
步骤S10133:将横向路径拟合结果和纵向轨迹拟合结果进行耦合,获得横纵向耦合规划轨迹。
在本实施方式中,可以将横向路径拟合结果和纵向轨迹拟合结果进行耦合,从而获得在笛卡尔坐标系下的横纵向耦合规划轨迹,横纵向耦合规划轨迹表示了在每个时间t,驾驶设备的横向和纵向位置信息,具体如以下公式(6)所示:
(6)
一个实施方式中,驾驶设备进行轨迹规划的规划时长为5s,预设的时间间隔为0.1s。
在本申请实施例的一个实施方式中,步骤S102可以进一步包括以下步骤S1021和步骤S1022:
步骤S1021:根据驾驶设备当前的运动速度,获取检查边界范围。
在本实施方式中,步骤S1021可以进一步包括以下步骤S10211和步骤S10212:
步骤S10211:根据驾驶设备当前的运动速度,获取驾驶设备以预设的加速度进行匀减速停止所需要的时间和距离。
步骤S10212:根据时间和距离,获取检查边界范围。
在本实施方式中,根据以下公式(7)获取驾驶设备以预设的加速度进行匀减速停止所需要的时间t0,根据以下公式(8)获取驾驶设备以预设的加速度进行匀减速停止所需要的距离S0
(7)
(8)
其中,为系数,为驾驶设备当前的运动速度,为预设的加速度,为车 型系数,依据不同的车型进行具体配置。
步骤S1022:根据检查边界范围和障碍物的检查时间间隔,获取检查边界范围内的障碍物。
在本实施方式中,可以基于检查边界和不同障碍物的检查时间间隔来获取检查边界范围内的障碍物。
一个实施方式中,可以根据障碍物的体积,设置检查时间间隔;其中,体积和检查时间间隔成反比。
在本实施方式中,为了提升障碍物的获取效率,可以根据障碍物的体积大小来适当的调整检查时间间隔。例如,针对行人等小型障碍物,检查间隔需要尽可能小;而针对车辆等大型障碍物,检查间隔则需要适当增加。本申请中可以根据以下公式(9)来设置障碍物的检查时间间隔g:
(9)
其中, 分别为障碍物i的长和宽,为驾驶设备的速度。
一个实施方式中,在进行碰撞检查时,需要考虑感知结果的不确定性。如针对时刻的碰撞检查结果为存在碰撞的情况,可以不予置信度。即,可以过滤掉较小时间周期内的检查结果。本申请中,可以设定/>时产生的碰撞检查结果为存在碰撞的情况是假性碰撞,可以忽略。
一个实施方式中,在对障碍物进行检查边界范围和检查时间间隔设置,并过滤掉假性碰撞的情况后,可以获得障碍物列表。可以参阅附图4,图4是根据本申请实施例的一个实施方式的用于获取障碍物的检查边界范围示意图。如图4所示,其中的有效检查区域即为根据检查边界范围获得的区域。过滤后的障碍物列表为, />表示总障碍物个数。障碍物预测轨迹可以通过以下公式(10)表示:
(10)
在本申请实施例的一个实施方式中,步骤S103可以进一步包括以下步骤S1031和步骤S1032:
步骤S1031:针对每个障碍物,将障碍物的每个时刻的障碍物预测轨迹与对应时刻的横纵向耦合规划轨迹分别转换为二维多边形。
在本实施方式中,可以遍历每个障碍物,将障碍物的每个时刻的障碍物预测轨迹的轨迹点和对应时刻的横纵向耦合规划轨迹的轨迹点均转换为符合各自形状的二维多边形。
步骤S1032:根据转换后的二维多边形进行碰撞检查,获得碰撞检查结果。
在本实施方式中,步骤S1032可以进一步被配置为:
根据二维多边形,基于分离轴定理,进行碰撞检查,获得碰撞检查结果。即,在每个时刻都应用分离轴定理,对障碍物和驾驶设备对应的二维多边形进行碰撞检查,检查过程中对二维多边形不设置人任何的Buffer(缓冲)扩展。如果获得的碰撞检查结果为存在碰撞,那么就说明当前的轨迹规划不够安全,需要重新为驾驶设备规划轨迹。
一个实施方式中,可以参阅附图3,图3是根据本申请实施例的一个实施方式的碰撞检查方法的主要步骤流程示意图。如图3所示,碰撞检查方法可以包括以下步骤S201至步骤S204:
步骤S201:基于规划方法获取驾驶设备的轨迹规划结果。
步骤S202:将轨迹规划结果基于预设的时间间隔进行重新采样,获得笛卡尔坐标系下的横纵向耦合规划轨迹。
步骤S203:在检查到障碍物的情况下,获取检查边界范围内的障碍物,并获取障碍物预测轨迹。
步骤S204:将障碍物预测轨迹与驾驶设备的横纵向耦合规划轨迹进行基于时间维度的几何形状关系的碰撞检查。
可以参阅附图5,图5是根据本申请实施例的一个应用场景示意图。针对图5中 t1对应的自车(即,驾驶设备)与它车(即,障碍物)形状表示由于横向s采样误差导致的自车形状匹配误差,这种误差的来源在于横纵向解耦情况下,纵向通过使用横向采样的s作为基准点,而横向结果的s一般情况下间隔是固定的,但增加纵向产生的速度信息后,速度的影响会导致最高产生两倍采样精度的误差,如果横向规划时s采样精度为0.2m,则极限情况下最大可能产生0.4m的s方向误差。简单来讲,由于通过s来匹配,此时通过s匹配到的自车位置边界可能是图示两个t1时刻横向结果虚线框的任何一个,当它车在同时刻预测位置离自车较近时,可能产生更多的误碰撞和漏碰撞。而对笛卡尔坐标系下的横纵向耦合规划轨迹做碰撞检查,由于自车形状是基于三次样条采样后的s重新生成,则不存在这个问题。
针对图5中时间t2对应的自车与它车形状,表示由于SL坐标系下的形变导致的漏碰撞问题,可以看到t2时间对自车形状的扭曲已经会导致与它车不会产生碰撞,实际情况下,它车形状也会产生扭曲,进而导致漏碰撞概率进一步增大。使用笛卡尔坐标系下的横纵向耦合规划轨迹来进行碰撞检查,由于不会存在障碍物的形变,则也避免了这个问题。
需要指出的是,尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述,但是本领域技术人员可以理解,为了实现本申请的效果,不同的步骤之间并非必须按照这样的顺序执行,其可以同时(并行)执行或以其他顺序执行,这些变化都在本申请的保护范围之内。
本领域技术人员能够理解的是,本申请实现上述一实施例的方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
进一步,本申请还提供了一种控制装置。在根据本申请的一个控制装置实施例中,控制装置包括处理器和存储装置,存储装置可以被配置成存储执行上述方法实施例的碰撞检查方法的程序,处理器可以被配置成用于执行存储装置中的程序,该程序包括但不限于执行上述方法实施例的碰撞检查方法的程序。为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。该控制装置可以是包括各种电子设备形成的控制装置设备。
在本申请实施例中控制装置可以是包括各种电子设备形成的控制装置设备。在一些可能的实施方式中,控制装置可以包括多个存储装置和多个处理器。而执行上述方法实施例的碰撞检查方法的程序可以被分割成多段子程序,每段子程序分别可以由处理器加载并运行以执行上述方法实施例的碰撞检查方法的不同步骤。具体地,每段子程序可以分别存储在不同的存储装置中,每个处理器可以被配置成用于执行一个或多个存储装置中的程序,以共同实现上述方法实施例的碰撞检查方法,即每个处理器分别执行上述方法实施例的碰撞检查方法的不同步骤,来共同实现上述方法实施例的碰撞检查方法。
上述多个处理器可以是部署于同一个设备上的处理器,例如上述控制装置可以是由多个处理器组成的高性能设备,上述多个处理器可以是该高性能设备上配置的处理器。此外,上述多个处理器也可以是部署于不同设备上的处理器,例如上述控制装置可以是服务器集群,上述多个处理器可以是服务器集群中不同服务器上的处理器。
进一步,本申请还提供了一种计算机可读存储介质。在根据本申请的一个计算机可读存储介质实施例中,计算机可读存储介质可以被配置成存储执行上述方法实施例的碰撞检查方法的程序,该程序可以由处理器加载并运行以实现上述碰撞检查方法。为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备,可选的,本申请实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
进一步,本申请还提供了一种驾驶设备。在根据本申请的一一个驾驶设备实施例中,驾驶设备可以包括控制装置实施例中控制装置。
进一步,应该理解的是,由于各个模块的设定仅仅是为了说明本申请的装置的功能单元,这些模块对应的物理器件可以是处理器本身,或者处理器中软件的一部分,硬件的一部分,或者软件和硬件结合的一部分。因此,图中的各个模块的数量仅仅是示意性的。
本领域技术人员能够理解的是,可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本申请的原理,因此,拆分或合并之后的技术方案都将落入本申请的保护范围内。
至此,已经结合附图所示的优选实施方式描述了本申请的技术方案,但是,本领域技术人员容易理解的是,本申请的保护范围显然不局限于这些具体实施方式。在不偏离本申请的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本申请的保护范围之内。

Claims (12)

1.一种碰撞检查方法,其特征在于,所述方法应用于驾驶设备,所述方法包括:
获取所述驾驶设备在笛卡尔坐标系下的横纵向耦合规划轨迹;
获取所述驾驶设备在预设的检查边界范围内的障碍物以及所述障碍物在笛卡尔坐标系下的障碍物预测轨迹;
根据所述横纵向耦合规划轨迹和所述障碍物预测轨迹,进行基于时间维度的碰撞检查,获得碰撞检查结果。
2.根据权利要求1所述的碰撞检查方法,其特征在于,
所述获取所述驾驶设备在笛卡尔坐标系下的横纵向耦合规划轨迹,包括:
对所述驾驶设备进行轨迹规划,获取在SL坐标系下的横向轨迹规划结果和纵向轨迹规划结果;
分别对所述横向轨迹规划结果和所述纵向轨迹规划结果进行基于预设的时间间隔的轨迹采样,以分别获得横向轨迹采样结果和纵向轨迹采样结果;
根据所述横向轨迹采样结果和所述纵向轨迹采样结果,进行轨迹耦合,获得所述横纵向耦合规划轨迹。
3.根据权利要求2所述的碰撞检查方法,其特征在于,
所述根据所述横向轨迹采样结果和所述纵向轨迹采样结果,进行轨迹耦合,获得所述横纵向耦合规划轨迹,包括:
根据所述横向轨迹采样结果,应用三次样条曲线进行拟合,获得所述驾驶设备的横向路径拟合结果;
根据所述纵向轨迹采样结果,应用三次样条曲线进行拟合,获得所述驾驶设备的纵向轨迹拟合结果;
将所述横向路径拟合结果和所述纵向轨迹拟合结果进行耦合,获得所述横纵向耦合规划轨迹。
4.根据权利要求1所述的碰撞检查方法,其特征在于,
所述获取所述驾驶设备在预设的检查边界范围内的障碍物,包括:
根据所述驾驶设备当前的运动速度,获取所述检查边界范围;
根据所述检查边界范围和障碍物的检查时间间隔,获取所述检查边界范围内的障碍物。
5.根据权利要求4所述的碰撞检查方法,其特征在于,
所述根据所述驾驶设备当前的运动速度,获取所述检查边界范围,包括:
根据所述驾驶设备当前的运动速度,获取所述驾驶设备以预设的加速度进行匀减速停止所需要的时间和距离;
根据所述时间和所述距离,获取所述检查边界范围。
6.根据权利要求4所述的碰撞检查方法,其特征在于,所述方法还包括根据以下步骤来设置检查时间间隔:
根据所述障碍物的体积,设置所述检查时间间隔;
其中,所述体积与所述检查时间间隔成反比。
7.根据权利要求1所述的碰撞检查方法,其特征在于,
所述根据所述横纵向耦合规划轨迹和所述障碍物预测轨迹,进行基于时间维度的碰撞检查,获得碰撞检查结果,包括:
针对每个障碍物,将所述障碍物的每个时刻的障碍物预测轨迹与对应时刻的所述横纵向耦合规划轨迹分别转换为二维多边形;
根据转换后的二维多边形进行碰撞检查,获得所述碰撞检查结果。
8.根据权利要求7所述的碰撞检查方法,其特征在于,
所述根据转换后的二维多边形进行碰撞检查,获得所述碰撞检查结果,包括:
根据所述二维多边形,基于分离轴定理,进行碰撞检查,获得碰撞检查结果。
9.根据权利要求1至8中任一项所述的碰撞检查方法,其特征在于,所述方法还包括:
当所述检查结果为存在碰撞时,对所述驾驶设备的重新进行轨迹规划。
10.一种控制装置,包括至少一个处理器和至少一个存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求1至9中任一项所述的碰撞检查方法。
11.一种计算机可读存储介质,其中存储有多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至9中任一项所述的碰撞检查方法。
12.一种驾驶设备,其特征在于,所述驾驶设备包括权利要求10所述的控制装置。
CN202410537674.9A 2024-04-30 2024-04-30 碰撞检查方法、控制装置、可读存储介质及驾驶设备 Pending CN118107575A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410537674.9A CN118107575A (zh) 2024-04-30 2024-04-30 碰撞检查方法、控制装置、可读存储介质及驾驶设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410537674.9A CN118107575A (zh) 2024-04-30 2024-04-30 碰撞检查方法、控制装置、可读存储介质及驾驶设备

Publications (1)

Publication Number Publication Date
CN118107575A true CN118107575A (zh) 2024-05-31

Family

ID=91219680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410537674.9A Pending CN118107575A (zh) 2024-04-30 2024-04-30 碰撞检查方法、控制装置、可读存储介质及驾驶设备

Country Status (1)

Country Link
CN (1) CN118107575A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190317511A1 (en) * 2018-04-17 2019-10-17 Baidu Usa Llc Method for generating prediction trajectories of obstacles for autonomous driving vehicles
CN110341711A (zh) * 2019-07-06 2019-10-18 深圳数翔科技有限公司 一种基于码头环境的行驶轨迹生成***及方法
CN112099493A (zh) * 2020-08-31 2020-12-18 西安交通大学 一种自主移动机器人轨迹规划方法、***及设备
CN112572472A (zh) * 2020-12-08 2021-03-30 重庆大学 一种基于Frenet坐标系的自动驾驶碰撞预测方法
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***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190317511A1 (en) * 2018-04-17 2019-10-17 Baidu Usa Llc Method for generating prediction trajectories of obstacles for autonomous driving vehicles
CN110341711A (zh) * 2019-07-06 2019-10-18 深圳数翔科技有限公司 一种基于码头环境的行驶轨迹生成***及方法
CN112099493A (zh) * 2020-08-31 2020-12-18 西安交通大学 一种自主移动机器人轨迹规划方法、***及设备
CN112572472A (zh) * 2020-12-08 2021-03-30 重庆大学 一种基于Frenet坐标系的自动驾驶碰撞预测方法
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***

Similar Documents

Publication Publication Date Title
US11037305B2 (en) Method and apparatus for processing point cloud data
CN113376650B (zh) 移动机器人定位方法及装置、电子设备及存储介质
CN109817021A (zh) 一种激光雷达路侧盲区交通参与者避让方法和装置
CN110320910B (zh) 车辆的避让控制方法、装置、电子设备与存储介质
CN109739230B (zh) 驾驶轨迹生成方法、装置及存储介质
US11297076B2 (en) Apparatus for detecting in-vehicle external data intrusion by comparing multiple information entropy and operating method thereof
CN115965657B (zh) 目标跟踪方法、电子设备、存储介质及车辆
CN109635861B (zh) 一种数据融合方法、装置、电子设备及存储介质
CN113635898B (zh) 车辆限速控制的方法、设备、存储介质及程序产品
CN112613424A (zh) 铁轨障碍物检测方法、装置、电子设备和存储介质
CN110103932B (zh) 故障检测方法、装置、设备和介质
CN115675534A (zh) 车辆轨迹预测方法、装置、电子设备及存储介质
CN118107575A (zh) 碰撞检查方法、控制装置、可读存储介质及驾驶设备
CN116523970B (zh) 基于二次隐式匹配的动态三维目标跟踪方法及装置
CN116189150B (zh) 基于融合输出的单目3d目标检测方法、装置、设备和介质
CN113501000B (zh) 车辆限速控制的方法、设备、存储介质及程序产品
CN110371025A (zh) 超车工况的前置碰撞检测的方法、***、设备及存储介质
CN113313654B (zh) 激光点云滤波去噪方法、***、设备及存储介质
CN115359089A (zh) 点云目标跟踪方法、电子设备、介质及车辆
Bae et al. A census-based stereo matching algorithm with multiple sparse windows
CN115923847B (zh) 自动驾驶车辆的感知信息的预处理方法、装置及车辆
JP2017049082A (ja) 群トラッキング装置、群トラッキング方法及びプログラム
CN114155437A (zh) 一种乘梯控制方法、装置、电子设备和存储介质
CN116755441B (zh) 移动机器人的避障方法、装置、设备及介质
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