CN110929702B - 一种轨迹规划方法、装置、电子设备和存储介质 - Google Patents
一种轨迹规划方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110929702B CN110929702B CN202010072876.2A CN202010072876A CN110929702B CN 110929702 B CN110929702 B CN 110929702B CN 202010072876 A CN202010072876 A CN 202010072876A CN 110929702 B CN110929702 B CN 110929702B
- Authority
- CN
- China
- Prior art keywords
- track
- target
- obstacle information
- trajectory
- midpoint
- 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 44
- 238000007621 cluster analysis Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 230000015654 memory Effects 0.000 claims description 19
- 238000010845 search algorithm Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 238000007499 fusion processing Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 102220040233 rs79219465 Human genes 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种轨迹规划方法、装置、电子设备和存储介质，涉及自动驾驶领域。本申请可应用于自动驾驶领域，尤其是自动泊车领域。具体实现方案为：对目标车位周边的障碍物信息进行聚类分析，以确定第一障碍物信息和第二障碍物信息；根据第一障碍物信息，确定目标车辆进入目标车位的初始轨迹中点；根据目标车辆在目标车位中的目标位置、初始轨迹中点和第一障碍物信息，生成目标位置和初始轨迹中点之间的第一轨迹；根据目标车辆的当前位置、初始轨迹中点和第二障碍物信息，生成当前位置和初始轨迹中点之间的第二轨迹；根据第一轨迹和第二轨迹，控制目标车辆到达目标位置。本申请实施例的技术方案可以减少计算资源的耗费，提高轨迹规划的速度。
Description
技术领域
本申请涉及自动驾驶领域，尤其涉及轨迹规划领域。
背景技术
自动驾驶技术是一种依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以自动安全地操作车辆的技术。目前，自动驾驶中基本采用搜索算法进行全局路径搜索来实现轨迹规划，其存在计算资源耗费大、计算速度慢的问题。
发明内容
本发明实施例提供一种轨迹规划方法、装置、电子设备和存储介质，以解决现有技术中的一个或多个技术问题。
第一方面，本发明实施例提供了一种轨迹规划方法，包括：
对目标车位周边的障碍物信息进行聚类分析，以确定第一障碍物信息和第二障碍物信息；所述第一障碍物信息用于指示位于目标车位近端的障碍物信息，所述第二障碍物信息用于指示位于目标车位远端的障碍物信息；
根据所述第一障碍物信息，确定目标车辆进入所述目标车位的初始轨迹中点；
根据所述目标车辆在所述目标车位中的目标位置、所述初始轨迹中点和所述第一障碍物信息，生成所述目标位置和所述初始轨迹中点之间的第一轨迹；
根据所述目标车辆的当前位置、所述初始轨迹中点和所述第二障碍物信息，生成所述当前位置和所述初始轨迹中点之间的第二轨迹；
根据所述第一轨迹和所述第二轨迹，控制所述目标车辆到达所述目标位置。
在一种实施方式中，根据所述目标车辆的当前位置、所述初始轨迹中点和所述第二障碍物信息，生成所述当前位置和所述初始轨迹中点之间的第二轨迹，包括：
根据所述第二障碍物信息，采用轨迹点搜索算法生成所述第二轨迹。
在一种实施方式中，根据所述目标车辆在所述目标车位中的目标位置、所述初始轨迹中点和所述第一障碍物信息，生成所述目标位置和所述初始轨迹中点之间的第一轨迹，包括：
通过几何算法对所述初始轨迹中点与所述目标位置之间的路径进行规划，生成第一预选轨迹；
通过CC曲线算法对所述第一预选轨迹进行平滑处理，形成所述第一轨迹。
在一种实施方式中，根据所述第一轨迹和所述第二轨迹，控制所述目标车辆到达所述目标位置，包括：
融合所述第一轨迹和所述第二轨迹，生成所述目标车辆到达所述目标位置的泊车轨迹；
根据所述泊车轨迹，控制所述目标车辆到达所述目标位置。
在一种实施方式中，所述第一障碍物信息包括所述与第一障碍物信息对应的障碍物与所述目标车位的最短距离，根据所述第一障碍物信息，确定目标车辆进入所述目标车位的初始轨迹中点，包括：
按照多个所述最短距离的由短至长的优先级顺序，依次确定多个非障碍物区；
当每次确定所述非障碍物区时，在所述非障碍物区内搜索能到达所述目标位置的位置点；
响应于搜索到所述位置点，设定所述位置点为所述初始轨迹中点并停止搜索。
在一种实施方式中，对目标车位周边的障碍物信息进行聚类分析，包括：
确定所述目标车辆从所述当前位置到达所述目标位置的初始规划轨迹；
根据所述初始规划轨迹检测所述目标车辆是否存在碰撞风险；
响应于检测到所述目标车辆存在碰撞风险，对所述目标车位周边的障碍物信息进行聚类分析。
第二方面，本发明实施例提供了一种轨迹规划装置，包括：
第一确定模块，用于对目标车位周边的障碍物信息进行聚类分析，以确定第一障碍物信息和第二障碍物信息；所述第一障碍物信息用于指示位于目标车位近端的障碍物信息，所述第二障碍物信息用于指示位于目标车位远端的障碍物信息；
第二确定模块，用于根据所述第一障碍物信息，确定目标车辆进入所述目标车位的初始轨迹中点；
第一生成模块，用于根据所述目标车辆在所述目标车位中的目标位置、所述初始轨迹中点和所述第一障碍物信息，生成所述目标位置和所述初始轨迹中点之间的第一轨迹；
第二生成模块，用于根据所述目标车辆的当前位置、所述初始轨迹中点和所述第二障碍物信息，生成所述当前位置和所述初始轨迹中点之间的第二轨迹；
控制模块，用于根据所述第一轨迹和所述第二轨迹，控制所述目标车辆到达所述目标位置。
在一种实施方式中，所述第二生成模块包括：
第二生成子模块，用于根据所述第二障碍物信息，采用轨迹点搜索算法生成所述第二轨迹。
在一种实施方式中，所述第一生成模块包括：
第一生成子模块，用于通过几何算法对所述初始轨迹中点与所述目标位置之间的路径进行规划，生成第一预选轨迹；
平滑处理子模块，用于通过CC曲线算法对所述第一预选轨迹进行平滑处理，形成所述第一轨迹。
在一种实施方式中，所述控制模块包括：
融合处理子模块，用于融合所述第一轨迹和所述第二轨迹，生成所述目标车辆到达所述目标位置的泊车轨迹；
车辆控制子模块，用于根据所述泊车轨迹，控制所述目标车辆到达所述目标位置。
在一种实施方式中，所述第一障碍物信息包括所述与第一障碍物信息对应的障碍物与所述目标车位的最短距离，所述第二确定模块包括：
第二确定子模块，用于按照多个所述最短距离的由短至长的优先级顺序，依次确定多个非障碍物区；
搜索子模块，用于当每次确定所述非障碍物区时，在所述非障碍物区内搜索能到达所述目标位置的位置点；
设定子模块，用于响应于搜索到所述位置点，设定所述位置点为所述初始轨迹中点并停止搜索。
在一种实施方式中，所述第一确定模块包括：
第一确定子模块，用于确定所述目标车辆从所述当前位置到达所述目标位置的初始规划轨迹；
检测子模块，用于根据所述初始规划轨迹检测所述目标车辆是否存在碰撞风险；
聚类分析子模块，用于响应于检测到所述目标车辆存在碰撞风险，对所述目标车位周边的障碍物信息进行聚类分析。
第三方面，本发明实施例提供了一种电子设备，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上述任一种轨迹规划方法。
第四方面，本发明实施例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，所述计算机指令用于使所述计算机执行上述任一种轨迹规划方法。
上述申请中的一个实施例具有如下优点或有益效果：采用聚类分析将目标车位周边的障碍物信息划分为第一障碍物信息和第二障碍物信息，实现必要障碍物信息的提取，可以避免不必要障碍物信息参与轨迹规划的运算，减少运算量；此外，通过确定初始轨迹中点来分段生成第一轨迹和第二轨迹，可以减少遍历运算中的遍历次数，克服了采用搜索算法进行全局轨迹规划产生的计算资源耗费大、计算速度慢的技术问题，进而达到减少计算资源的耗费、提升计算速度和轨迹规划速度的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请实施例的一种应用场景的示意图；
图2是根据本申请第一实施例的轨迹规划方法的流程示意图；
图3是根据本申请实施例生成的第二轨迹的示意图；
图4是根据本申请第一实施例的一种实施方式第一轨迹生成方式的流程示意图；
图5是根据本申请实施例生成的第一轨迹的示意图；
图6是根据本申请第一实施例的一种实施方式目标车辆到达目标车位的控制方式的流程示意图；
图7A是根据本申请实施例生成的一种泊车轨迹的示意图；
图7B是根据本申请实施例生成的另一种泊车轨迹的示意图；
图7C是根据本申请实施例生成的又一种泊车轨迹的示意图；
图8是根据本申请第一实施例的一种实施方式的初始轨迹中点设置方式的流程示意图；
图9是根据本申请第一实施例的一种实施方式的碰撞检测方式的流程示意图；
图10是根据本申请第二实施例的轨迹规划装置的结构框图；
图11是根据本申请第二实施例的一种实施方式的轨迹规划装置的结构框图；
图12是根据本申请第二实施例的另一种实施方式的轨迹规划装置的结构框图；
图13是根据本申请第二实施例的又一种实施方式的轨迹规划装置的结构框图；
图14是根据本申请第二实施例的再一种实施方式的轨迹规划装置的结构框图；
图15是根据本申请第二实施例的进一种实施方式的轨迹规划装置的结构框图；
图16是用来实现本申请实施例的轨迹规划方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
在自动驾驶领域中，目标车辆的当前位置和目标位置之间的规划轨迹，基本都采用搜索算法生成。由于目标车辆的当前位置和目标位置之间的障碍物信息复杂，使得搜索算法中遍历运算的运算量巨大，因而采用搜索算法进行全局路径搜索存在计算资源耗费大、计算速度慢的问题。
本申请实施例的轨迹规划方法、装置、电子设备和存储介质可以应用于目标车位周边具有障碍物的场景中，也可以应用于目标车位周围没有障碍物的场景中，目标车位可以是露天车位、室内车位、车库、临时投影出的车位等，本申请不对目标车位的类型和实现方式做具体限制，只要是供车辆进行停放的区域即可。
例如，本申请实施例可以应用于图1所示的目标车位周边具有障碍物的场景中。在图1中，实线圆圈构成的矩阵可以表示障碍物，实线圆圈构成的具有开口的矩形可以表示目标车位100，点A可以表示初始轨迹中点，点B可以表示目标车辆在目标车位中的目标位置，点C可以表示目标车辆的当前位置。
图2是根据本申请第一实施例的轨迹规划方法的流程示意图。如图2所示，该方法可以包括以下步骤：
步骤S201、对目标车位周边的障碍物信息进行聚类分析，以确定第一障碍物信息和第二障碍物信息；第一障碍物信息用于指示位于目标车位近端的障碍物信息，第二障碍物信息用于指示位于目标车位远端的障碍物信息。
障碍物信息可以通过传感器、路侧设备、云端服务器以及栅格地图等方式获取。例如，障碍物信息可以是目标车辆行驶至目标车位周边时，目标车辆的车载传感器检测到，设于目标车位周边的路侧设备检测到，通过传感器实时检测并存储于云端服务器中，对目标车位周边环境进行建模形成的栅格地图等，本申请对障碍物信息的获取方式不做限制。
障碍物信息可以包括障碍物的速度、尺寸、位置以及障碍物与目标车位之间的距离。其中，障碍物可以是行人、动物、建筑物、以及除了目标车辆以外的其他车辆等阻碍目标车辆行驶的物体，本申请不对障碍物的类型做具体限制，只要是能够阻碍目标车辆行驶的物体即可，其他车辆可以是人工驾驶车辆，也可以是自动驾驶车辆。
在一个示例中，如图1所示，可以根据障碍物与目标车位100之间的距离对障碍物信息进行聚类分析，划分出第一障碍物信息和第二障碍物信息，实现轨迹规划所需的必要信息的提取，避免目标车位周边不必要障碍物信息参与轨迹规划的运算，减少轨迹规划的运算量，提升计算速度。其中，与第一障碍物信息对应的障碍物为位于目标车位近端的障碍物101，与第二障碍物信息对应的障碍物为位于目标车位远端的障碍物102。
步骤S202、根据第一障碍物信息，确定目标车辆进入目标车位的初始轨迹中点。
在一个示例中，如图3所示，初始轨迹中点A用于指示目标车辆从当前位置C到达目标位置B的轨迹中初始规划的轨迹中点。
步骤S203、根据目标车辆在目标车位中的目标位置、初始轨迹中点和第一障碍物信息，生成目标位置和初始轨迹中点之间的第一轨迹。
在一个示例中，生成的第一轨迹的段数可以是一段连续的轨迹，也可以是多段轨迹。第一轨迹的段数可以根据目标车位近端的障碍物的分布情况进行选择和调整，本申请对第一轨迹的生成成段数不作限定。
由于第一障碍物信息为目标车位近端的障碍物信息，而车位附近通常为固定不动的障碍物，因此，在一段时间内（如规划时间内），第一障碍物信息通常为静态数据，可采用简单的几何算法对第一轨迹进行规划。在实践经验中，第一轨迹通常为平行泊车（侧方停车）的轨迹或垂直泊车的轨迹。
步骤S204、根据目标车辆的当前位置、初始轨迹中点和第二障碍物信息，生成当前位置和初始轨迹中点之间的第二轨迹。
在一个示例中，生成的第二轨迹可以是一段连续的轨迹，也可以是多段轨迹。第二轨迹的段数可以根据目标车位远端的障碍物的分布情况进行选择和调整，本申请对第二轨迹的生成段数不作限定。
步骤S205、根据第一轨迹和第二轨迹，控制目标车辆到达目标位置。
在本申请的上述实施例中，由于对目标车位周边的障碍物进行聚类分析，确定出第一障碍物信息和第二障碍物信息，可实现轨迹规划必要信息的提取，能够避免不必要障碍物信息参与轨迹规划的运算，减少运算量。此外，根据目标车位近端和远端障碍物的不同特点，采用生成第一轨迹和第二轨迹来形成规划轨迹，可以在规划的过程中针对性选择不同的算法，可以提高计算速度和规划效率。
在一种实施方式中，步骤S204可以包括：根据第二障碍物信息，采用轨迹点搜索算法生成第二轨迹。
在一个示例中，如图3所示，可以根据目标车辆的当前位置、初始轨迹中点和第二障碍物信息确定搜索区域301，使得与第二障碍物信息对应的位于目标车位远端的障碍物102位于搜索区域301外，避免对第二障碍物信息进行遍历搜索，减少对计算资源的耗费，进一步提高计算速度。进一步地，采用轨迹点搜索算法在搜索区域内301搜索目标车辆的当前位置和初始轨迹中点之间的最优轨迹，以形成基于离散轨迹点的第二轨迹CA。其中，轨迹点搜索算法可以是A星算法、混合A星算法等，本申请具体的轨迹点搜索算法不做限制，只要能够实现轨迹点搜索即可。
由于第二障碍物信息为目标车位远端的障碍物的信息，而目标车位远端通常路况较复杂，障碍物复杂多变，因此第二障碍物信息通常为动态数据。而轨迹点算法作为一种动态搜索算法，更适于在未知环境中进行计算和规划，以提高规划的准确性。
在一种实施方式中，如图4所示，步骤S203可以包括：
步骤S401、通过几何算法对初始轨迹中点与目标位置之间的路径进行规划，生成第一预选轨迹；
在一个示例中，障碍物的尺寸包括障碍物的圆形障碍区，圆形障碍区用于指示能覆盖障碍物的最小圆，当目标车辆进入圆形障碍区的范围时，则必须绕过圆形障碍区。步骤S401可以包括：根据目标车辆在目标车位中的目标位置和初始轨迹中点，设置目标位置和初始轨迹中点之间的初始直线轨迹；根据初始直线轨迹和第一障碍物信息对应障碍物的圆形障碍区，生成第一预选轨迹以形成目标车辆能够绕过第一障碍物信息对应障碍物的最优轨迹。
如前述，第一障碍物信息通常为静态数据，因此可以采用简单的几何算法来进行第一轨迹的规划，可以降低计算量，提高规划速度。
步骤S402、通过CC曲线算法对第一预选轨迹进行平滑处理，形成第一轨迹。
在一个示例中，如图5所示，通过几何算法生成的第一预选轨迹可能存在折线轨迹，通过CC（Curvature Continuous，曲率连续）曲线算法可以对第一预选轨迹中的折线轨迹进行平滑处理，形成平滑的第一轨迹AC。其中，CC曲线算法可以是贝塞尔曲线（Beziercurve）算法和B样条曲线（Bezier spline curve）算法等曲率连续样条曲线算法，本申请对CC曲线算法的具体类型不做限制，只要能够实现对第一预选轨迹的平滑处理即可。
在上述实施方式中，由于第一预选轨迹是通过几何算法生成的基于几何特征的轨迹，其运算量远小于搜索算法中的遍历运算，同时，第一预选轨迹的平滑处理也是通过基于几何特征的CC曲线算法完成，其运算量也较小，因而可有效减少生成第一轨迹的运算量，节省计算资源，提高计算速度，进而可有效提升轨迹规划的速度。
在一种实施方式中，如图6所示，步骤S205可以包括：
步骤S601、融合第一轨迹和第二轨迹，生成目标车辆到达目标位置的泊车轨迹；
在一个示例中，如图3所示，由于第二轨迹可以是采用轨迹点搜索算法生成的离散轨迹点，因而第二轨迹与初始轨迹中点之间可能不连续。如此，当目标车辆沿第二轨迹向初始轨迹中点行驶时，可能无法到达初始轨迹中点，目标车辆无法准确地从初始轨迹中点开始沿第一轨迹向目标位置行驶，轨迹规划的精度低。例如，当轨迹点搜索算法的采样精度为0.2m时，第二轨迹中靠近初始轨迹中点的端部离散轨迹点与初始轨迹中点之间可能存在0.2m的空隙，则目标车辆无法从第二轨迹驾驶至初始轨迹中点。
鉴于此，如图3、图5和图7A所示，步骤S601可以采用轨迹融合算法将第一轨迹CA和第二轨迹AB进行连续化处理，生成一条完整、连续、符合车辆运动学的目标车辆达到目标位置的泊车轨迹C1A1B，可以有效提高轨迹规划的准确性。其中，连续化的第一轨迹C1A1和第二轨迹A1B的交点为最终的轨迹中点A1，目标车辆能够从连续化后的当前位置C1准确行驶至连续化后的轨迹中点A1，并从轨迹中点A1沿连续化的第一轨迹A1B向目标位置B行驶，可有效提高轨迹规划的精度，提升目标车辆进入目标车位的准确性。如7A中，虚线矩形表示目标车辆位于连续化后的当前位置C1，实线矩形表示目标车辆位于目标位置B。
在一个示例中，第一轨迹C1A1和第二轨迹A1B可以同时生成，即，可以采用上述任一种实施方式的方法并行生成第一轨迹C1A1和第二轨迹A1B，然后利用第一轨迹C1A1和第二轨迹A1B的交点确定出最终的轨迹中点A1。
需要说明的是，本申请实施例中连续化的第一轨迹C1A1并不只是一段轨迹，还可以是至少两段轨迹的连续化，本申请实施例对此不作限定。例如，如图7B所示，在平行泊车时，连续化的第一轨迹C1A1可以是第一平行泊车轨迹段C1C11、C11C12和C12A1的连续化；如图7C所示，在垂直泊车时，连续化的第一轨迹C1A1可以是第一垂直泊车轨迹段C1C21和C21A1的连续化。连续化的第二轨迹A1B并不只是一段轨迹，还可以是至少两段轨迹的连续化，本申请实施例对此不作限定。例如，如图7B所示，在平行泊车时，连续化的第二轨迹A1B可以是第二平行泊车轨迹段A1A12、A12A13和A13B的连续化；如图7C所示，在垂直泊车时，连续化的第二轨迹A1B可以是第二垂直泊车轨迹段A1A21和A21B的连续化。
S602、根据泊车轨迹，控制目标车辆到达目标位置。
在一个示例中，当确定了目标车辆的当前位置、目标车位中的目标位置和泊车轨迹后，可以控制目标车辆的行驶速度、车轮转角等车辆行驶参数来使目标车辆沿泊车轨迹到达目标位置。
在一个示例中，还可以根据泊车轨迹，采用轨迹跟踪算法控制目标车辆到达目标位置。本申请对目标车辆到达目标位置的控制方式不做限制，只要能够实现目标车辆根据泊车轨迹行驶到达目标位置的控制方式即可。
在一种实施方式中，第一障碍物信息包括与第一障碍物信息对应的障碍物与目标车位的最短距离，如图8所示，步骤S202可以包括：
步骤S801、按照多个最短距离的由短至长的优先级顺序，依次确定多个非障碍物区；
步骤S802、当每次确定非障碍物区时，判断在非障碍物区内搜索能到达目标位置的位置点；
步骤S803、响应于搜索到位置点，设定位置点为初始轨迹中点并停止搜索。
例如，如图1所示，位于目标车位近端的障碍物101包括第一近端障碍物801和第二近端障碍物802，第一近端障碍物801与目标车位100之间的距离小于第二近端障碍物802与目标车位100之间的距离，则先确定第一近端障碍物801与目标车位100之间的区域中是否存在非障碍物区；如果不存在非障碍物区，则再确定第二近端障碍物802与目标车位100之间的区域中是否具有非障碍物区。如此，位置点可以按照距离目标车位100由近及远的优先级顺序来确定，以便快速生成最优轨迹，提高轨迹规划的速度。
可以理解的，当第一近端障碍物801与目标车位100之间的区域，以及第二近端障碍物802与目标车位100之间的区域均不存在非障碍物区时，可以扩大非障碍物区的确定范围。
在一种实施方式中，如图9所示，步骤S201中对目标车位周边的障碍物信息进行聚类分析可以包括：
步骤S901、确定目标车辆从当前位置到达目标位置的初始规划轨迹；
步骤S902、根据初始规划轨迹检测目标车辆是否存在碰撞风险；
步骤S903、响应于检测到目标车辆存在碰撞风险，对目标车位周边的障碍物信息进行聚类分析。
在一个示例中，初始规划轨迹可以按照目标车辆的当前位置与目标车位中的目标位置之间的位置关系设定，可以不考虑目标车位周边的障碍物信息，目标车辆先按照初始规划轨迹行驶，可以减少生成第一轨迹和第二轨迹的运算量，提高轨迹规划的计算速度。
可选地，初始规划轨迹可以按照目标车辆的当前位置与目标车位中的目标位置之间的距离最短原则设置。根据初始规划轨迹检测目标车辆不存在碰撞风险时，目标车辆沿着初始规划轨迹行驶到达目标位置。
在上述实施方式中，当根据初始规划轨迹检测到目标车辆存在碰撞风险时才触发对目标周边的障碍物信息的聚类分析，以进行轨迹规划，可有效提高轨迹规划的速度和效率。
图10是根据本申请第二实施例的轨迹规划装置的结构框图。如图10所示，该轨迹规划装置1000，包括：
第一确定模块1001可以用于对目标车位周边的障碍物信息进行聚类分析，以确定第一障碍物信息和第二障碍物信息；第一障碍物信息用于指示位于目标车位近端的障碍物信息，第二障碍物信息用于指示位于目标车位远端的障碍物信息；第二确定模块1002可以用于根据第一障碍物信息，确定目标车辆进入目标车位的初始轨迹中点；第一生成模块1003可以用于根据目标车辆在目标车位中的目标位置、初始轨迹中点和第一障碍物信息，生成目标位置和初始轨迹中点之间的第一轨迹；第二生成模块1004可以用于根据目标车辆的当前位置、初始轨迹中点和第二障碍物信息，生成当前位置和初始轨迹中点之间的第二轨迹；控制模块1005可以用于根据第一轨迹和所述第二轨迹，控制目标车辆到达目标位置。
在一种实施方式中，如图11所示，第二生成模块1004可以包括第二生成子模块1101。第二生成子模块1101可以用于根据第二障碍物信息，采用轨迹点搜索算法生成第二轨迹。
在一种实施方式中，如图12所示，第一生成模块1003可以包括第一生成子模块1201和平滑处理子模块1202。第一生成子模块1201可以用于通过几何算法对初始轨迹中点与目标位置之间的路径进行规划，生成第一预选轨迹；平滑处理子模块1202可以用于通过CC曲线算法对第一预选轨迹进行平滑处理，形成第一轨迹。
在一种实施方式中，如图13所示，控制模块1005可以包括融合处理子模块1301和车辆控制子模块1302。融合处理子模块1301可以用于融合第一轨迹和第二轨迹，生成目标车辆到达目标位置的泊车轨迹；车辆控制子模块1302可以用于根据泊车轨迹控制目标车辆到达目标位置。
在一种实施方式中，第一障碍物信息可以包括与第一障碍物信息对应的障碍物与目标车位的最短距离，如图14所示，第二确定模块1002可以包括第二确定子模块1401、搜索子模块1402和设定子模块1403。第二确定子模块1401可以用于按照多个最短距离的由短至长的优先级顺序，依次确定多个非障碍物区；搜索子模块1402可以用于当每次确定非障碍物区时，在非障碍物区内搜索能到达目标位置的位置点；设定子模块1403可以用于响应于搜索到位置点，设定位置点为初始轨迹中点并停止搜索。
在一种实施方式中，如图15所示，第一确定模块1001可以包括第一确定子模块1501、检测子模块1502和聚类分析子模块1503。第一确定子模块1501可以用于确定目标车辆从当前位置到达目标位置的初始规划轨迹；检测子模块1502可以用于根据初始规划轨迹检测目标车辆是否存在碰撞风险；聚类分析子模块1503可以用于响应于检测到目标车辆存在碰撞风险，对目标车位周边的障碍物信息进行聚类分析。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图16所示，是根据本申请实施例的轨迹规划方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图16所示，该电子设备包括：一个或多个处理器1601、存储器1602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置（诸如，耦合至接口的显示设备）上显示图形用户界面（Graphical User Interface，GUI）的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作（例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统）。图16中以一个处理器1601为例。
存储器1602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的轨迹规划方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的轨迹规划方法。
存储器1602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的轨迹规划方法对应的程序指令/模块（例如，附图10所示的第一确定模块1001、第二确定模块1002、第一生成模块1003模块、第二生成模块1004和控制模块1005）。处理器1601通过运行存储在存储器1602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的轨迹规划方法。
存储器1602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据轨迹规划方法的电子设备的使用所创建的数据等。此外，存储器1602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1602可选包括相对于处理器1601远程设置的存储器，这些远程存储器可以通过网络连接至轨迹规划方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
轨迹规划方法的电子设备还可以包括：输入装置1603和输出装置1604。处理器1601、存储器1602、输入装置1603和输出装置1604可以通过总线或者其他方式连接，图16中以通过总线连接为例。
输入装置1603可接收输入的数字或字符信息，以及产生与轨迹规划方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1604可以包括显示设备、辅助照明装置（例如，LED）和触觉反馈装置（例如，振动电机）等。该显示设备可以包括但不限于，液晶显示器（Liquid Crystal Display，LCD）、发光二极管（Light EmittingDiode，LED）显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路（Application Specific Integrated Circuits，ASIC）、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系统上执行和/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，可以从存储系统、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系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序（也称作程序、软件、软件应用、或者代码）包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置（例如，磁盘、光盘、存储器、可编程逻辑装置（programmable logic device，PLD）），包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（Cathode Ray Tube，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。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（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系统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系统中。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）来将系统的部件相互连接。通信网络的示例包括：局域网（Local Area Network，LAN）、广域网（Wide Area Network，WAN）和互联网。
计算机系统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。
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，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (12)
1.一种轨迹规划方法，其特征在于，包括：
对目标车位周边的障碍物信息进行聚类分析，以确定第一障碍物信息和第二障碍物信息；所述第一障碍物信息用于指示位于目标车位近端的障碍物信息，所述第二障碍物信息用于指示位于目标车位远端的障碍物信息；
根据所述第一障碍物信息，确定目标车辆进入所述目标车位的初始轨迹中点；
根据所述目标车辆在所述目标车位中的目标位置、所述初始轨迹中点和所述第一障碍物信息，通过几何算法生成所述目标位置和所述初始轨迹中点之间的第一轨迹；
根据所述目标车辆的当前位置、所述初始轨迹中点和所述第二障碍物信息，采用轨迹搜索算法生成所述当前位置和所述初始轨迹中点之间的第二轨迹；
融合所述第一轨迹和所述第二轨迹，生成所述目标车辆到达所述目标位置的泊车轨迹；
根据所述泊车轨迹，控制所述目标车辆到达所述目标位置。
2.根据权利要求1所述的方法，其特征在于，根据所述目标车辆在所述目标车位中的目标位置、所述初始轨迹中点和所述第一障碍物信息，通过几何算法生成所述目标位置和所述初始轨迹中点之间的第一轨迹，包括：
通过几何算法对所述初始轨迹中点与所述目标位置之间的路径进行规划，生成第一预选轨迹；
通过CC曲线算法对所述第一预选轨迹进行平滑处理，形成所述第一轨迹。
3.根据权利要求1所述的方法，其特征在于，所述第一轨迹和所述第二轨迹为并行生成的，融合所述第一轨迹和所述第二轨迹，生成所述目标车辆到达所述目标位置的泊车轨迹，包括：
连续化处理所述第一轨迹和所述第二轨迹，以重新确定所述初始轨迹中点，生成所述泊车轨迹。
4.根据权利要求1所述的方法，其特征在于，所述第一障碍物信息包括与所述第一障碍物信息对应的障碍物与所述目标车位的最短距离，根据所述第一障碍物信息，确定目标车辆进入所述目标车位的初始轨迹中点，包括：
按照多个所述最短距离的由短至长的优先级顺序，依次确定多个非障碍物区；
当每次确定所述非障碍物区时，在所述非障碍物区内搜索能到达所述目标位置的位置点；
响应于搜索到所述位置点，设定所述位置点为所述初始轨迹中点并停止搜索。
5.根据权利要求1所述的方法，其特征在于，对目标车位周边的障碍物信息进行聚类分析，包括：
确定所述目标车辆从所述当前位置到达所述目标位置的初始规划轨迹；
根据所述初始规划轨迹检测所述目标车辆是否存在碰撞风险；
响应于检测到所述目标车辆存在碰撞风险，对所述目标车位周边的障碍物信息进行聚类分析。
6.一种轨迹规划装置，其特征在于，包括：
第一确定模块，用于对目标车位周边的障碍物信息进行聚类分析，以确定第一障碍物信息和第二障碍物信息；所述第一障碍物信息用于指示位于目标车位近端的障碍物信息，所述第二障碍物信息用于指示位于目标车位远端的障碍物信息；
第二确定模块，用于根据所述第一障碍物信息，确定目标车辆进入所述目标车位的初始轨迹中点；
第一生成模块，用于根据所述目标车辆在所述目标车位中的目标位置、所述初始轨迹中点和所述第一障碍物信息，通过几何算法生成所述目标位置和所述初始轨迹中点之间的第一轨迹；
第二生成模块，用于根据所述目标车辆的当前位置、所述初始轨迹中点和所述第二障碍物信息，采用轨迹搜索算法生成所述当前位置和所述初始轨迹中点之间的第二轨迹；
融合处理子模块，用于融合所述第一轨迹和所述第二轨迹，生成所述目标车辆到达所述目标位置的泊车轨迹；
车辆控制子模块，用于根据所述泊车轨迹，控制所述目标车辆到达所述目标位置。
7.根据权利要求6所述的装置，其特征在于，所述第一生成模块包括：
第一生成子模块，用于通过几何算法对所述初始轨迹中点与所述目标位置之间的路径进行规划，生成第一预选轨迹；
平滑处理子模块，用于通过CC曲线算法对所述第一预选轨迹进行平滑处理，形成所述第一轨迹。
8.根据权利要求6所述的装置，其特征在于，所述第一轨迹和所述第二轨迹为并行生成的，所述融合处理子模块还用于：
连续化处理所述第一轨迹和所述第二轨迹，以重新确定所述初始轨迹中点，生成所述泊车轨迹。
9.根据权利要求6所述的装置，其特征在于，所述第一障碍物信息包括与所述第一障碍物信息对应的障碍物与所述目标车位的最短距离，所述第二确定模块包括：
第二确定子模块，用于按照多个所述最短距离的由短至长的优先级顺序，依次确定多个非障碍物区；
搜索子模块，用于当每次确定所述非障碍物区时，在所述非障碍物区内搜索能到达所述目标位置的位置点；
设定子模块，用于响应于搜索到所述位置点，设定所述位置点为所述初始轨迹中点并停止搜索。
10.根据权利要求6所述的装置，其特征在于，所述第一确定模块包括：
第一确定子模块，用于确定所述目标车辆从所述当前位置到达所述目标位置的初始规划轨迹；
检测子模块，用于根据所述初始规划轨迹检测所述目标车辆是否存在碰撞风险；
聚类分析子模块，用于响应于检测到所述目标车辆存在碰撞风险，对所述目标车位周边的障碍物信息进行聚类分析。
11.一种电子设备，其特征在于，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1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010072876.2A CN110929702B (zh) | 2020-01-22 | 2020-01-22 | 一种轨迹规划方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010072876.2A CN110929702B (zh) | 2020-01-22 | 2020-01-22 | 一种轨迹规划方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110929702A CN110929702A (zh) | 2020-03-27 |
| CN110929702B true CN110929702B (zh) | 2020-05-08 |
Family
ID=69854417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010072876.2A Active CN110929702B (zh) | 2020-01-22 | 2020-01-22 | 一种轨迹规划方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110929702B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111752271A (zh) * | 2020-04-16 | 2020-10-09 | 北京京东乾石科技有限公司 | 一种轨迹预测方法、装置、设备及存储介质 |
| CN113968216B (zh) * | 2020-07-25 | 2023-11-17 | 华为技术有限公司 | 一种车辆碰撞检测方法、装置及计算机可读存储介质 |
| CN111879330A (zh) * | 2020-08-05 | 2020-11-03 | 苏州挚途科技有限公司 | 路口行驶路径的规划方法、装置、处理器和自动驾驶车辆 |
| TWI737437B (zh) * | 2020-08-07 | 2021-08-21 | 財團法人車輛研究測試中心 | 軌跡決定方法 |
| CN112277930B (zh) * | 2020-10-20 | 2022-06-21 | 上海欧菲智能车联科技有限公司 | 水平自主泊车控制方法、装置、车辆及存储介质 |
| CN115246416B (zh) * | 2021-05-13 | 2023-09-26 | 上海仙途智能科技有限公司 | 轨迹预测方法、装置、设备及计算机可读存储介质 |
| CN113401141B (zh) | 2021-07-12 | 2022-07-29 | 北京百度网讯科技有限公司 | 路线处理方法及装置 |
| CN113734190B (zh) * | 2021-09-09 | 2023-04-11 | 北京百度网讯科技有限公司 | 车辆信息提示方法、装置、电子设备、介质和车辆 |
| CN113997943A (zh) * | 2021-10-28 | 2022-02-01 | 山东新一代信息产业技术研究院有限公司 | 一种基于语义聚类的自动驾驶车辆控制方法、设备及介质 |
| CN114184203B (zh) * | 2021-11-08 | 2023-12-19 | 重庆兰德适普信息科技有限公司 | 路径规划方法、电子设备及移动装置 |
| CN113978479B (zh) * | 2021-11-26 | 2025-04-01 | 上海安亭地平线智能交通技术有限公司 | 控制车辆自动驾驶的方法和装置 |
| CN114312619B (zh) * | 2021-12-09 | 2023-07-14 | 华人运通(江苏)技术有限公司 | 一种车辆避障误报检测方法、装置、介质及车辆 |
| CN114859914B (zh) * | 2022-05-09 | 2023-04-07 | 广东利元亨智能装备股份有限公司 | 障碍物检测方法、装置、设备及存储介质 |
| CN116279428A (zh) * | 2023-03-22 | 2023-06-23 | 武汉光庭信息技术股份有限公司 | 一种自动泊车停车避障的方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013127666A1 (de) * | 2012-03-01 | 2013-09-06 | Robert Bosch Gmbh | Verfahren zum automatischen durchführen eines fahrmanövers |
| CN103754219A (zh) * | 2014-02-21 | 2014-04-30 | 重庆邮电大学 | 一种多传感器信息融合的自动泊车系统 |
| WO2015186647A1 (ja) * | 2014-06-06 | 2015-12-10 | 日立オートモティブシステムズ株式会社 | 障害物情報管理装置 |
| CN106297395A (zh) * | 2016-10-02 | 2017-01-04 | 南京邮电大学 | 一种应用于停车诱导系统的车辆定位与光带引导方法 |
| CN107521493A (zh) * | 2017-08-28 | 2017-12-29 | 苏州优达斯汽车科技有限公司 | 一种自动泊车系统 |
| CN110618420A (zh) * | 2019-10-15 | 2019-12-27 | 广州小鹏汽车科技有限公司 | 一种超声波数据的处理方法、系统、车辆及存储介质 |
-
2020
- 2020-01-22 CN CN202010072876.2A patent/CN110929702B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013127666A1 (de) * | 2012-03-01 | 2013-09-06 | Robert Bosch Gmbh | Verfahren zum automatischen durchführen eines fahrmanövers |
| CN103754219A (zh) * | 2014-02-21 | 2014-04-30 | 重庆邮电大学 | 一种多传感器信息融合的自动泊车系统 |
| WO2015186647A1 (ja) * | 2014-06-06 | 2015-12-10 | 日立オートモティブシステムズ株式会社 | 障害物情報管理装置 |
| CN106297395A (zh) * | 2016-10-02 | 2017-01-04 | 南京邮电大学 | 一种应用于停车诱导系统的车辆定位与光带引导方法 |
| CN107521493A (zh) * | 2017-08-28 | 2017-12-29 | 苏州优达斯汽车科技有限公司 | 一种自动泊车系统 |
| CN110618420A (zh) * | 2019-10-15 | 2019-12-27 | 广州小鹏汽车科技有限公司 | 一种超声波数据的处理方法、系统、车辆及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110929702A (zh) | 2020-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110929702B (zh) | 一种轨迹规划方法、装置、电子设备和存储介质 | |
| JP7142739B2 (ja) | 案内経路特定方法及び車両の走行制御方法、装置、機器、記憶媒体およびコンピュータプログラム | |
| US20220113722A1 (en) | Method for remote control of autonomous driving vehicle, autonomous driving vehicle and cloud device | |
| CN111680362B (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
| CN111731283B (zh) | 自动驾驶车辆碰撞风险识别方法、装置以及电子设备 | |
| CN111854771A (zh) | 地图质量的检测处理方法、装置、电子设备和存储介质 | |
| CN112526999B (zh) | 速度规划方法、装置、电子设备和存储介质 | |
| CN112572462A (zh) | 自动驾驶的控制方法、装置、电子设备及存储介质 | |
| CN111368760B (zh) | 一种障碍物检测方法、装置、电子设备及存储介质 | |
| CN111735457B (zh) | 室内导航方法、装置、电子设备及可读存储介质 | |
| CN110689747B (zh) | 自动驾驶车辆的控制方法和装置、自动驾驶车辆 | |
| CN111693059B (zh) | 环岛的导航方法、装置、设备及存储介质 | |
| CN110660219A (zh) | 停车场停车预测方法和装置 | |
| CN114506343B (zh) | 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆 | |
| CN114030483B (zh) | 车辆控制方法、装置、电子设备和介质 | |
| CN112578788A (zh) | 车辆避障二次规划方法、装置、设备和可读存储介质 | |
| CN111079079A (zh) | 数据修正方法、装置、电子设备及计算机可读存储介质 | |
| CN114572240A (zh) | 车辆行驶控制方法、装置、车辆、电子设备及存储介质 | |
| CN113844463A (zh) | 基于自动驾驶系统的车辆控制方法、装置及车辆 | |
| CN113587937A (zh) | 车辆的定位方法、装置、电子设备和存储介质 | |
| CN110866504A (zh) | 标注数据的获取方法、装置和设备 | |
| CN111637899A (zh) | 导航方法、装置、电子设备以及存储介质 | |
| CN110702136A (zh) | 车辆的路线规划方法、装置、电子设备及可读存储介质 | |
| CN111231952B (zh) | 车辆控制方法、装置及设备 | |
| CN111814651A (zh) | 车道线的生成方法、装置和设备 |
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 |