[go: up one dir, main page]

CN113805578B - 无人车路径优化方法及相关设备 - Google Patents

无人车路径优化方法及相关设备 Download PDF

Info

Publication number
CN113805578B
CN113805578B CN202110212133.5A CN202110212133A CN113805578B CN 113805578 B CN113805578 B CN 113805578B CN 202110212133 A CN202110212133 A CN 202110212133A CN 113805578 B CN113805578 B CN 113805578B
Authority
CN
China
Prior art keywords
obstacle
path
points
initial
initial path
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
Application number
CN202110212133.5A
Other languages
English (en)
Other versions
CN113805578A (zh
Inventor
郑杰
张亮亮
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.)
Jingdong Kunpeng Jiangsu Technology Co Ltd
Original Assignee
Jingdong Kunpeng Jiangsu 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 Jingdong Kunpeng Jiangsu Technology Co Ltd filed Critical Jingdong Kunpeng Jiangsu Technology Co Ltd
Priority to CN202110212133.5A priority Critical patent/CN113805578B/zh
Publication of CN113805578A publication Critical patent/CN113805578A/zh
Priority to EP21927701.9A priority patent/EP4261644A4/en
Priority to US18/257,106 priority patent/US20240110802A1/en
Priority to PCT/CN2021/140373 priority patent/WO2022179277A1/zh
Application granted granted Critical
Publication of CN113805578B publication Critical patent/CN113805578B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • 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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开的实施方式提供了一种无人车路径优化方法及装置、计算机可读存储介质和电子设备，属于计算机和通信技术领域。所述方法包括：获取无人车已生成的初始路径；获取所述初始路径周围的障碍物；若所述无人车在所述初始路径上与所述障碍物相交，则对所述障碍物的决策为不绕行；所述第二路径点位于所述第一路径点与所述障碍物中心点连线的左侧，则对所述障碍物的决策为向左绕行；所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，则对所述障碍物的决策为向右绕行；以及基于所述障碍物的决策对所述无人车的所述初始路径进行优化。本公开的方法，能够避免平滑以后的路径与平滑前的路径对障碍物的绕行行为不统一的问题。

Description

无人车路径优化方法及相关设备
技术领域
本公开涉及计算机和通信技术领域，具体而言，涉及一种无人车路径优化方法及装置、计算机可读存储介质和电子设备。
背景技术
目前的移动机器人技术发展迅捷，随着近年来机器人应用场景和模式的不断扩展，各式各样的移动机器人层出不穷，无人车就是其中一员。目前，无人车路径规划一般都是基于评价体系获得一条评价体系内的最优路径，然后将该路径直接用于速度规划，未对路径周围障碍物给出具体横向决策(即左绕、右绕或不饶)。假如基于设定的评价体系获得的最优路径不够平滑，需要后续进行平滑处理。由于路径周围障碍物无横向决策，进行平滑以后的路径有可能与平滑前的路径对障碍物的绕行行为不统一，会导致无人车无法绕行障碍物。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例提供一种无人车路径优化方法及装置、计算机可读存储介质和电子设备，能够避免平滑以后的路径与平滑前的路径对障碍物的绕行行为不统一的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种无人车路径优化方法，包括：
获取无人车已生成的初始路径，其中，所述初始路径包括多个离散路径点；
获取所述初始路径周围的障碍物；
若所述无人车在所述初始路径上与所述障碍物相交，则对所述障碍物的决策为不绕行；
若所述无人车在所述初始路径上与所述障碍物不相交，则：
在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的左侧，则对所述障碍物的决策为向左绕行；
在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，则对所述障碍物的决策为向右绕行；以及
基于所述障碍物的决策对所述无人车的所述初始路径进行优化。
在一个实施例中，所述无人车具有中心点，所述初始路径为所述无人车在行驶过程中，所述无人车的中心点的移动轨迹，其中，所述无人车在所述初始路径上与所述障碍物相交包括：
所述无人车的中心点与所述多个离散路径点中的一个离散路径点重合时，所述无人车与所述障碍物相交。
在一个实施例中，所述无人车具有中心点，所述初始路径为所述无人车在行驶过程中，所述无人车的中心点的移动轨迹，其中，所述无人车在所述初始路径上与所述障碍物相交包括：
所述无人车的中心点在所述初始路径的两个相邻的离散路径点之间时，所述无人车与所述障碍物相交。
在一个实施例中，所述无人车的中心点在所述初始路径的两个相邻的离散路径点之间包括：
所述初始路径的两个相邻的离散路径点之间具有按照所述无人车的移动轨迹插入的多个所述无人车的中心点的中间轨迹点，所述无人车的中心点沿着两个相邻的离散路径点之间的中间轨迹点移动。
在一个实施例中，所述障碍物包括障碍物边界多边形，所述障碍物边界多边形包括起始弗莱纳S坐标和终止弗莱纳S坐标，所述障碍物边界多边形的起始弗莱纳S坐标是所述障碍物边界多边形的端点坐标中的弗莱纳S坐标的最小值，所述障碍物边界多边形的终止弗莱纳S坐标是所述障碍物边界多边形的端点坐标中的弗莱纳S坐标的最大值，其中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点包括：
若所述第二路径点的弗莱纳S坐标大于所述障碍物的起始弗莱纳S坐标且所述第一路径点的弗莱纳S坐标小于所述障碍物的终止弗莱纳S坐标，则存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点。
在一个实施例中，所述障碍物包括障碍物边界多边形，其中，若所述无人车在所述初始路径上与所述障碍物相交包括：
若所述无人车在所述初始路径上与所述障碍物或所述障碍物边界多边形相交。
在一个实施例中，若所述无人车在所述初始路径上与所述障碍物或所述障碍物边界多边形相交包括：
在所述初始路径中的离散路径点中，若存在一个离散路径点，使得所述无人车与所述障碍物或所述障碍物边界多边形相交。
根据本公开的一个方面，提供一种无人车路径优化装置，包括：
获取模块，配置为获取无人车已生成的初始路径，获取所述初始路径周围的障碍物，其中，所述初始路径包括多个离散路径点；
判断模块，配置为若所述无人车在所述初始路径上与所述障碍物相交，则对所述障碍物的决策为不绕行；
若所述无人车在所述初始路径上与所述障碍物不相交，则：
在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的左侧，则对所述障碍物的决策为向左绕行；
在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，则对所述障碍物的决策为向右绕行；以及
优化模块，配置为基于所述障碍物的决策对所述无人车的所述初始路径进行优化。
根据本公开的一个方面，提供一种电子设备，包括：
一个或多个处理器；
存储装置，配置为存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上实施例中任一项所述的方法。
根据本公开的一个方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上实施例中任一项所述的方法。
在本公开的一些实施方式所提供的技术方案中，根据无人车已生成的初始路径获取所述初始路径周围的障碍物的决策方法，可以避免对初始路径进行平滑以后的路径有可能与平滑前的路径对障碍物的绕行行为不统一而导致无人车无法绕行障碍物的问题。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
以下附图描述了本发明的某些说明性实施方式，其中相同的附图标记表示相同的元件。这些描述的实施方式将是本公开的示例性实施方式，而不是以任何方式进行限制。
图1示出了可以应用本公开实施方式的无人车路径优化方法或无人车路径优化装置的示例性系统架构的示意图；
图2示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图；
图3示意性示出了根据本公开的一实施方式的Frenet(弗莱纳)坐标系与笛卡尔坐标系；
图4示意性示出了根据本公开的一实施方式的障碍物(obstacle)及障碍物边界多边形在Frenet(弗莱纳)坐标系与笛卡尔坐标系中的示意图；
图5示意性示出了根据本公开的一实施方式的无人车路径优化方法的流程图；
图6示意性示出了根据本公开的一实施方式的无人车障碍物决策方法的流程图；
图7示意性示出了根据本公开的一实施方式的无人车路径优化装置的框图；
图8示意性示出了根据本发明的另一个实施方式的无人车路径优化装置的方框图；
图9示意性示出了根据本发明的另一个实施方式的无人车路径优化装置的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本公开实施方式的无人车路径优化方法或无人车路径优化装置的示例性系统架构100的示意图。
如图1所示，系统架构100可以包括终端设备101、102、103中的一种或多种，网络104和服务器105。网络104是用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
无人车可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式计算机、数字电影放映机等等。
服务器105可以是提供各种服务的服务器。例如无人车利用终端设备103(也可以是终端设备101或102)向服务器105发送无人车路径优化请求。服务器105可以通过获取无人车已生成的初始路径，其中，所述初始路径包括多个离散路径点；获取所述初始路径周围的障碍物；若所述无人车在所述初始路径上与所述障碍物相交，则对所述障碍物的决策为不绕行；若所述无人车在所述初始路径上与所述障碍物不相交，则：在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的左侧，则对所述障碍物的决策为向左绕行；在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，则对所述障碍物的决策为向右绕行；以及基于所述障碍物的决策对所述无人车的所述初始路径进行优化。服务器105可以将优化的路径信息发送至终端设备103，以将优化的路径信息显示于终端设备103，进而无人车可以基于终端设备103上显示的内容查看相应的当前无人车的优化路径。
又如终端设备103(也可以是终端设备101或102)可以是智能电视、VR(VirtualReality，虚拟现实)/AR(Augmented Reality，增强现实)头盔显示器、或者其上安装有导航、网约车、即时通讯、视频应用程序(application，APP)等的移动终端例如智能手机、平板电脑等，无人车可以通过该智能电视、VR/AR头盔显示器或者该导航、网约车、即时通讯、视频APP向服务器105发送无人车路径优化请求。服务器105可以基于该无人车路径优化请求，获得无人车路径优化的结果，并将无人车路径优化结果返回给该智能电视、VR/AR头盔显示器或者该导航、网约车、即时通讯、视频APP，进而通过该智能电视、VR/AR头盔显示器或者该导航、网约车、即时通讯、视频APP将返回的无人车路径优化结果进行显示。
图2示出了适于用来实现本公开实施方式的电子设备的计算机系统的结构示意图。
需要说明的是，图2示出的电子设备的计算机系统200仅是一个示例，不应对本公开实施方式的功能和使用范围带来任何限制。
如图2所示，计算机系统200包括中央处理单元(CPU，Central Processing Unit)201，其可以根据存储在只读存储器(ROM，Read-Only Memory)202中的程序或者从储存部分208加载到随机访问存储器(RAM，Random Access Memory)203中的程序而执行各种适当的动作和处理。在RAM 203中，还存储有系统操作所需的各种程序和数据。CPU 201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205：包括键盘、鼠标等的输入部分206；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分207；包括硬盘等的储存部分208；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器210上，以便于从其上读出的计算机程序根据需要被安装入储存部分208。
特别地，根据本公开的实施方式，下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，本公开的实施方式包括一种计算机程序产品，其包括承载在计算机可读存储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。在这样的实施方式中，该计算机程序可以通过通信部分209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本申请的方法和/或装置中限定的各种功能。
需要说明的是，本公开所示的计算机可读存储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、或半导体的系统、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(Erasable Programmable Read Only Memory，可擦除可编程只读存储器)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系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的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。计算机可读的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存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储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：无线、电线、光缆、RF(RadioFrequency，射频)等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施方式的方法、装置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，上述模块、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，框图或流程图中的每个方框、以及框图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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的模块和/或单元和/或子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，所描述的模块和/或单元和/或子单元也可以设置在处理器中。其中，这些模块和/或单元和/或子单元的名称在某种情况下并不构成对该模块和/或单元和/或子单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读存储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一个该电子设备执行时，使得该电子设备实现如下述实施方式中所述的方法。例如，所述的电子设备可以实现如图5或图6所示的各个步骤。
相关技术中，例如可以采用机器学习方法、深度学习方法等进行无人车路径优化，不同方法适用的范围不同。
图3示意性示出了根据本公开的一实施方式的Frenet(弗莱纳)坐标系与笛卡尔坐标系。
参考图3，笛卡尔标系为yMx坐标系。Frenet坐标系以道路中心线为S轴、以垂直S轴向左为L轴，道路中心线是由一系列离散点组成的。假设笛卡尔坐标系中有一点p(xp,yp)，在道路中心线中找到距离p最近的两个离散点s(xs,ys)和e(xe,ye),假设s在Frenet坐标系中坐标为(ss,0),e在Frenet下坐标为(se,0)，则笛卡尔坐标下点p(xp,yp)与其在Frenet坐标系下的坐标(sp,lp)间的关系由公式(1)决定：
图4示意性示出了根据本公开的一实施方式的障碍物(obstacle)401及障碍物边界多边形402在Frenet(弗莱纳)坐标系与笛卡尔坐标系中的示意图。
参考图4，实线多边形401为障碍物的示意图，虚线多边形402为障碍物边界多边形示意图。在图4中，障碍物401及障碍物边界多边形402均为四边形，但本公开不限于此，障碍物及障碍物边界多边形也可以是四边形之外的其他形状。
其中，无人车路径是由一系列离散点组成的集合，无论是基于Frenet坐标系还是基于笛卡尔坐标系，无人车规划的路径都可以用点集合N＝{pi(xi，yi，θi，si，li)|i＝1，2，...，m}表示，其中，m代表路径中的离散点个数，(xi,yi,θi)代表第i个点的笛卡尔坐标，(si,li)代表第i个点Frenet下的坐标。
参照图4，障碍物多边形402由一系列顶点按一定顺序连接而成，结合Frenet坐标系与笛卡尔坐标系变换关系，假设障碍物边界多边形402用(sstart,send,lstart,lend)表示，则可以根据公式(2)确定障碍物边界多边形的边界数值：
其中公式(2)中的(si,li)代表障碍物顶点中第i个点在Frenet坐标系下的坐标。
图5示意性示出了根据本公开的一实施方式的无人车路径优化方法的流程图。本公开实施方式的方法步骤可以由终端设备执行，也可以由服务器执行，或者由终端设备和服务器交互执行，例如，可以由上述图1中的服务器105执行，但本公开并不限定于此。
在步骤S510中，获取无人车已生成的初始路径，其中，所述初始路径包括多个离散路径点。
在该步骤中，终端设备或服务器可以获得无人车已生成的初始路径，其中所述初始路径包括多个离散路径点，即所述初始路径由多个离散路径点组成，例如可以用点集合N＝{pi(xi，yi，θi，si，li)|i＝1，2，...，m}表示，其中，m代表路径中的离散点个数，(xi,yi,θi)代表第i个点的笛卡尔坐标，(si,li)代表第i个点Frenet下的坐标。
本公开实施方式中，终端设备可以以各种形式来实施。例如，本公开中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(personal digitalassistant，PDA)、便捷式媒体播放器(portable media player，PMP)、无人车路径优化装置、可穿戴设备、智能手环、计步器、机器人、无人驾驶车等移动终端，以及诸如数字TV(television，电视机)、台式计算机等固定终端。
在步骤S520中，获取所述初始路径周围的障碍物。
在该步骤中，终端设备或服务器可以获取所述初始路径周围的障碍物。在一个实施例中，所述障碍物包括障碍物边界多边形，所述障碍物边界多边形包括起始弗莱纳S坐标和终止弗莱纳S坐标，所述障碍物的起始弗莱纳S坐标可以是所述障碍物边界多边形的起始弗莱纳S坐标，所述障碍物的终止弗莱纳S坐标可以是所述障碍物边界多边形的终止弗莱纳S坐标，所述初始路径包括起始弗莱纳S坐标和终止弗莱纳S坐标，其中，获取所述初始路径周围的障碍物包括：将所述障碍物边界多边形的起始弗莱纳S坐标和终止弗莱纳S坐标与所述初始路径的起始弗莱纳S坐标和终止弗莱纳S坐标进行比较；获取所述障碍物边界多边形的终止弗莱纳S坐标大于所述初始路径的起始弗莱纳S坐标且所述障碍物边界多边形的起始弗莱纳S坐标小于所述初始路径的终止弗莱纳S坐标的所述障碍物或障碍物边界多边形，即获取位于所述初始路径的起点和终点之间的障碍物或障碍物边界多边形。
在步骤S530中，若所述无人车在所述初始路径上与所述障碍物相交，则对所述障碍物的决策为不绕行。
在该步骤中，终端设备或服务器判断：若所述无人车在所述初始路径上与所述障碍物相交，则对所述障碍物的决策为不绕行。
在一个实施例中，所述无人车具有中心点，所述初始路径为所述无人车在行驶过程中，所述无人车的中心点的移动轨迹，其中，所述无人车在所述初始路径上与所述障碍物相交包括：所述无人车的中心点与所述多个离散路径点中的一个离散路径点重合时，所述无人车与所述障碍物相交。
在一个实施例中，所述无人车具有中心点，所述初始路径为所述无人车在行驶过程中，所述无人车的中心点的移动轨迹，其中，所述无人车在所述初始路径上与所述障碍物相交包括：所述无人车的中心点在所述初始路径的两个相邻的离散路径点之间时，所述无人车与所述障碍物相交。
在一个实施例中，所述无人车的中心点在所述初始路径的两个相邻的离散路径点之间包括：所述初始路径的两个相邻的离散路径点之间具有按照所述无人车的移动轨迹插入的多个所述无人车的中心点的中间轨迹点，所述无人车的中心点可以沿着两个相邻的离散路径点之间的中间轨迹点移动。
其中，所述无人车的中心点可以是所述无人车后车轴的中点，所述无人车的中心点可以是所述无人车的几何中心点，所述无人车的中心点可以是所述无人车的重心，所述无人车的中心点还可以是所述无人车的边界多边形的中心，本公开不以此为限。
其中，所述无人车的边界多边形的获取方法与障碍物边界多边形的获取方法类似，在此不再详述。
其中，在一个实施例中，所述无人车在所述初始路径上与所述障碍物相交包括：所述无人车的边界多边形在所述初始路径上与所述障碍物相交；
所述无人车在所述初始路径上与所述障碍物不相交包括：所述无人车的边界多边形在所述初始路径上与所述障碍物不相交。
其中，在一个实施例中，所述无人车在所述初始路径上与所述障碍物相交包括：所述无人车的轮廓在所述初始路径上与所述障碍物相交；
所述无人车在所述初始路径上与所述障碍物不相交包括：所述无人车的轮廓在所述初始路径上与所述障碍物不相交。
在一个实施例中，所述障碍物包括障碍物边界多边形，其中，若所述无人车在所述初始路径上与所述障碍物相交包括：若所述无人车在所述初始路径上与所述障碍物或所述障碍物边界多边形相交。
在一个实施例中，若所述无人车在所述初始路径上与所述障碍物或所述障碍物边界多边形相交包括：在所述初始路径中的离散路径点中，若存在一个离散路径点，使得所述无人车与所述障碍物或所述障碍物边界多边形相交。
在一个实施例中，所述障碍物包括障碍物边界多边形，所述障碍物边界多边形包括起始弗莱纳S坐标和终止弗莱纳S坐标，所述障碍物边界多边形的起始弗莱纳S坐标是所述障碍物边界多边形的端点坐标中的弗莱纳S坐标的最小值，所述障碍物边界多边形的终止弗莱纳S坐标是所述障碍物边界多边形的端点坐标中的弗莱纳S坐标的最大值，其中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点包括：若所述第二路径点的弗莱纳S坐标大于所述障碍物边界多边形的起始弗莱纳S坐标且所述第一路径点的弗莱纳S坐标小于所述障碍物边界多边形的终止弗莱纳S坐标，则存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点。
在步骤S540中，若所述无人车在所述初始路径上与所述障碍物不相交，则：在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的左侧，则对所述障碍物的决策为向左绕行；在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，则对所述障碍物的决策为向右绕行。
在该步骤中，若所述无人车在所述初始路径上与所述障碍物不相交，则终端设备或服务器根据所述初始路径中的离散路径点判断障碍物的决策。在一个实施例中，所述障碍物中心点可以是所述障碍物的中心点或也可以是所述障碍物边界多边形的中心点，其中，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的左侧包括：使得所述第二路径点位于所述第一路径点与所述障碍物中心点或所述障碍物边界多边形的中心点连线的左侧；其中，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧包括：使得所述第二路径点位于所述第一路径点与所述障碍物中心点或所述障碍物边界多边形的中心点连线的右侧。在一个实施例中，所述障碍物中心点可以是所述障碍物或所述障碍物边界多边形几何重心点。
在一个实施例中，根据所述第一路径点、所述第二路径点和所述障碍物中心点的笛卡尔坐标，确定连接所述第一路径点和所述障碍物中心点的第一向量和连接所述第一路径点和所述第二路径点的第二向量；其中，在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第二路径点位于所述第一路径点与障碍物中心点连线的左侧，则对所述障碍物的决策为向左绕行包括：在所述第一向量和所述第二向量叉乘的数值大于零时，则所述第二路径点位于所述第一路径点与障碍物中心点连线的左侧，对所述障碍物的决策为向左绕行；其中，在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，则对所述障碍物的决策为向右绕行包括：在所述第一向量和所述第二向量叉乘的数值小于零时，则所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，对所述障碍物的决策为向右绕行。
在步骤S550中，基于所述障碍物的决策对所述无人车的所述初始路径进行优化。
在该步骤中，终端设备或服务器可以根据前述步骤获得的障碍物的决策(不绕行，左绕行或右绕行)以用于所述初始路径的进一步平滑等优化，或者用于初始路径的速度规划等方面。其中，在所述初始路径的进一步平滑优化中，首先需要根据无人车周围已有的障碍物的决策信息、车辆行驶方向以及道路边界信息精细求解优化器所需的解空间，然后在该解空间内以初始路径为初值，通过IPOPT、OSQP等优化器进行路径的优化，以获取一条平滑、舒适、安全且可行的新路径。
本公开的上述无人车路径优化方法，根据无人车已生成的初始路径获取所述初始路径周围的障碍物的决策方法，可以避免对初始路径进行平滑以后的路径有可能与平滑前的路径对障碍物的绕行行为不统一而导致无人车无法绕行障碍物的问题。
图6示意性示出了根据本公开的一实施方式的无人车障碍物决策方法的流程图。
在一个实施例中，根据所述第一路径点、所述第二路径点和所述障碍物中心点的笛卡尔坐标，确定连接所述第一路径点和所述障碍物中心点的第一向量和连接所述第一路径点和所述第二路径点的第二向量。
在步骤S541中，在所述第一向量和所述第二向量叉乘的数值大于零时，则所述第二路径点位于所述第一路径点与障碍物中心点连线的左侧，对所述障碍物的决策为向左绕行。
在该步骤中，在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第一向量和所述第二向量叉乘的数值大于零时，则所述第二路径点位于所述第一路径点与障碍物中心点连线的左侧，对所述障碍物的决策为向左绕行。
在步骤S542中，在所述第一向量和所述第二向量叉乘的数值小于零时，则所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，对所述障碍物的决策为向右绕行。
在该步骤中，在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第一向量和所述第二向量叉乘的数值小于零时，则所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，对所述障碍物的决策为向右绕行。
在一个实施例中，基于已生成的初始路径的附近障碍物的决策算法流程如下：
遍历来自感知模块的所有障碍物bj，将不满足bj.sstart＞sm||bj.send＜s1条件的所有障碍物存入容器V＝{bj|j＝1,2,...,k}中；其中，bj.sstart＞sm||bj.send＜s1表示终止弗莱纳S坐标小于所述初始路径的起始弗莱纳S坐标或起始弗莱纳S坐标大于所述初始路径的终止弗莱纳S坐标的所有障碍物。
遍历容器V中的所有障碍物bj:
初始化bool(布尔)型标志位flag＝false，设置bj默认绕行状态标志direction＝left，即左绕；
遍历所有路径点pi：
如果si+1＜bj.sstart，continue；如果si＞bj.send，break；其中，si+1＜bj.sstart表示初始路径的路径点的弗莱纳S坐标小于障碍物起始弗莱纳S坐标时；si＞bj.send表示初始路径的路径点的弗莱纳S坐标大于障碍物终止弗莱纳S坐标时；
令pixy＝(xi,yi,θi,si)，pi+1xy＝(xi+1,yi+1,θi+1,si+1)；
如果无人车在已有路径s区间为(si,si+1)内存在某点处与多边形障碍物发生碰撞(即无人车在(si,si+1)内与障碍物或障碍物的边界多边形相交)，则令direction＝cross，即不绕，break；否则，如果flag为false，取障碍物或障碍物边界多边形的中心点a(xa,ya)，构建向量(第一向量)和(第二向量)，如果成立，令direction＝left，flag＝true,否则，令direction＝right，flag＝true；
如果direction为left，给障碍物bj赋横向决策为左绕，如果direction为right，给障碍物bj赋横向决策为右绕，否则不绕。
图7示意性示出了根据本公开的一实施方式的无人车路径优化装置的框图。本公开实施方式提供的无人车路径优化装置700可以设置在终端设备上，也可以设置在服务器端上，或者部分设置在终端设备上，部分设置在服务器端上，例如，可以设置在图1中的服务器105，但本公开并不限定于此。
本公开实施方式提供的无人车路径优化装置700可以包括获取模块710、判断模块720以及优化模块730。
其中，获取模块710配置为获取无人车已生成的初始路径和所述初始路径周围的障碍物，其中，所述初始路径包括多个离散路径点；判断模块720配置为若所述无人车在所述初始路径上与所述障碍物相交，则对所述障碍物的决策为不绕行；若所述无人车在所述初始路径上与所述障碍物不相交，则：在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的左侧，则对所述障碍物的决策为向左绕行；在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，则对所述障碍物的决策为向右绕行；以及优化模块730配置为基于所述障碍物的决策对所述无人车的所述初始路径进行优化。
该无人车路径优化装置700可以根据无人车已生成的初始路径获取所述初始路径周围的障碍物的决策方法，可以避免对初始路径进行平滑以后的路径有可能与平滑前的路径对障碍物的绕行行为不统一而导致无人车无法绕行障碍物的问题。
根据本公开的实施方式，上述无人车路径优化装置700可以用于实现图5和图6实施方式描述的无人车路径优化方法和无人车障碍物决策方法。
图8示意性示出了根据本发明的另一个实施方式的无人车路径优化装置800的方框图。
如图8所示，除了图7实施方式描述的获取模块710、判断模块720、以及优化模块730之外，该无人车路径优化装置800还包括显示模块810。
具体地，显示模块810在判断模块720对障碍物决策后以及优化模块730对初始路径优化后，以将障碍物决策结果和路径优化结果显示于所述终端。
在该无人车路径优化装置800中，通过显示模块810可以完成障碍物决策结果和路径优化结果的直观显示。
图9示意性示出了根据本发明的另一个实施方式的无人车路径优化装置900的方框图。
如图9所示，除了图7实施方式描述的获取模块710、判断模块720、以及优化模块730之外，无人车路径优化装置900还包括存储模块910。
具体地，存储模块910用于将障碍物决策结果和路径优化结果进行存储，以方便后续调用和参考。
可以理解的是，获取模块710、判断模块720、优化模块730、显示模块810以及存储模块910可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施方式，获取模块710、判断模块720、优化模块730、显示模块810以及存储模块910的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，获取模块710、判断模块720、优化模块730、显示模块810以及存储模块910的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。
由于本发明的示例实施方式的无人车路径优化装置的各个模块可以用于实现上述图5和图6描述的无人车路径优化方法的示例实施方式的步骤，因此对于本发明装置实施方式中未披露的细节，请参照本发明上述的无人车路径优化方法的实施方式。
本公开实施方式提供的无人车路径优化装置中的各个模块、单元和子单元的具体实现可以参照上述无人车路径优化方法中的内容，在此不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块、单元和子单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块、单元和子单元的特征和功能可以在一个模块、单元和子单元中具体化。反之，上文描述的一个模块、单元和子单元的特征和功能可以进一步划分为由多个模块、单元和子单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (8)

1.一种无人车路径优化方法，其特征在于，包括：
获取无人车已生成的初始路径，其中，所述初始路径包括多个离散路径点；
获取所述初始路径周围的障碍物；
若所述无人车在所述初始路径上与所述障碍物相交，则对所述障碍物的决策为不绕行；
若所述无人车在所述初始路径上与所述障碍物不相交，则：
在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的左侧，则对所述障碍物的决策为向左绕行；
在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，则对所述障碍物的决策为向右绕行；以及
基于所述障碍物的决策对所述无人车的所述初始路径进行优化；
其中，所述无人车具有中心点，所述初始路径为所述无人车在行驶过程中，所述无人车的中心点的移动轨迹，其中，所述无人车在所述初始路径上与所述障碍物相交包括：
所述无人车的中心点在所述初始路径的两个相邻的离散路径点之间时，所述无人车与所述障碍物相交；
其中，所述无人车的中心点在所述初始路径的两个相邻的离散路径点之间包括：
所述初始路径的两个相邻的离散路径点之间具有按照所述无人车的移动轨迹插入的多个所述无人车的中心点的中间轨迹点，所述无人车的中心点沿着两个相邻的离散路径点之间的中间轨迹点移动。
2.根据权利要求1所述的方法，其特征在于，所述无人车具有中心点，所述初始路径为所述无人车在行驶过程中，所述无人车的中心点的移动轨迹，其中，所述无人车在所述初始路径上与所述障碍物相交包括：
所述无人车的中心点与所述多个离散路径点中的一个离散路径点重合时，所述无人车与所述障碍物相交。
3.根据权利要求1所述的方法，其特征在于，所述障碍物包括障碍物边界多边形，所述障碍物边界多边形包括起始弗莱纳S坐标和终止弗莱纳S坐标，所述障碍物边界多边形的起始弗莱纳S坐标是所述障碍物边界多边形的端点坐标中的弗莱纳S坐标的最小值，所述障碍物边界多边形的终止弗莱纳S坐标是所述障碍物边界多边形的端点坐标中的弗莱纳S坐标的最大值，其中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点包括：
若所述第二路径点的弗莱纳S坐标大于所述障碍物的起始弗莱纳S坐标且所述第一路径点的弗莱纳S坐标小于所述障碍物的终止弗莱纳S坐标，则存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点。
4.根据权利要求1所述的方法，其特征在于，所述障碍物包括障碍物边界多边形，其中，若所述无人车在所述初始路径上与所述障碍物相交包括：
若所述无人车在所述初始路径上与所述障碍物或所述障碍物边界多边形相交。
5.根据权利要求4所述的方法，其特征在于，若所述无人车在所述初始路径上与所述障碍物或所述障碍物边界多边形相交包括：
在所述初始路径中的离散路径点中，若存在一个离散路径点，使得所述无人车与所述障碍物或所述障碍物边界多边形相交。
6.一种无人车路径优化装置，其特征在于，包括：
获取模块，配置为获取无人车已生成的初始路径，获取所述初始路径周围的障碍物，其中，所述初始路径包括多个离散路径点；
判断模块，配置为若所述无人车在所述初始路径上与所述障碍物相交，则对所述障碍物的决策为不绕行；
若所述无人车在所述初始路径上与所述障碍物不相交，则：
在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的第一路径点和第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的左侧，则对所述障碍物的决策为向左绕行；
在所述初始路径中的离散路径点中，若存在靠近所述障碍物的两个相邻的所述第一路径点和所述第二路径点，使得所述第二路径点位于所述第一路径点与所述障碍物中心点连线的右侧，则对所述障碍物的决策为向右绕行；以及
优化模块，配置为基于所述障碍物的决策对所述无人车的所述初始路径进行优化；
其中，所述无人车具有中心点，所述初始路径为所述无人车在行驶过程中，所述无人车的中心点的移动轨迹，其中，所述无人车在所述初始路径上与所述障碍物相交包括：
所述无人车的中心点在所述初始路径的两个相邻的离散路径点之间时，所述无人车与所述障碍物相交；
其中，所述无人车的中心点在所述初始路径的两个相邻的离散路径点之间包括：
所述初始路径的两个相邻的离散路径点之间具有按照所述无人车的移动轨迹插入的多个所述无人车的中心点的中间轨迹点，所述无人车的中心点沿着两个相邻的离散路径点之间的中间轨迹点移动。
7.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，配置为存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至5中任一项所述的方法。
CN202110212133.5A 2021-02-25 2021-02-25 无人车路径优化方法及相关设备 Active CN113805578B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110212133.5A CN113805578B (zh) 2021-02-25 2021-02-25 无人车路径优化方法及相关设备
EP21927701.9A EP4261644A4 (en) 2021-02-25 2021-12-22 PATH OPTIMIZATION METHOD FOR UNMANNED VEHICLE AND RELATED DEVICE
US18/257,106 US20240110802A1 (en) 2021-02-25 2021-12-22 Unmanned vehicle path optimization method and related device
PCT/CN2021/140373 WO2022179277A1 (zh) 2021-02-25 2021-12-22 无人车路径优化方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110212133.5A CN113805578B (zh) 2021-02-25 2021-02-25 无人车路径优化方法及相关设备

Publications (2)

Publication Number Publication Date
CN113805578A CN113805578A (zh) 2021-12-17
CN113805578B true CN113805578B (zh) 2024-07-19

Family

ID=78892857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110212133.5A Active CN113805578B (zh) 2021-02-25 2021-02-25 无人车路径优化方法及相关设备

Country Status (4)

Country Link
US (1) US20240110802A1 (zh)
EP (1) EP4261644A4 (zh)
CN (1) CN113805578B (zh)
WO (1) WO2022179277A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113805578B (zh) * 2021-02-25 2024-07-19 京东鲲鹏(江苏)科技有限公司 无人车路径优化方法及相关设备
CN119354225B (zh) * 2024-12-25 2025-03-21 江苏中科重德智能科技有限公司 激励机器人靠右绕障的导航方法、系统、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766220A (zh) * 2019-10-21 2020-02-07 湖南大学 一种结构化道路局部路径规划方法
CN113804208A (zh) * 2020-09-18 2021-12-17 北京京东乾石科技有限公司 无人车路径优化方法及相关设备
WO2022179277A1 (zh) * 2021-02-25 2022-09-01 京东鲲鹏(江苏)科技有限公司 无人车路径优化方法及相关设备

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3306431B1 (en) * 2016-10-06 2021-04-14 The Boeing Company A computer-implemented method and a system for guiding a vehicle within a scenario with obstacles
WO2020040773A1 (en) * 2018-08-23 2020-02-27 Siemens Energy, Inc. Drone waypoint navigation system
EP3623759B1 (en) * 2018-09-14 2024-04-17 The Boeing Company A computer-implemented method and a system for defining a path for a vehicle within an environment with obstacles
CN109947123B (zh) * 2019-02-27 2021-06-22 南京航空航天大学 一种基于视线导引律的无人机路径跟踪与自主避障方法
CN109900289B (zh) * 2019-03-18 2023-02-10 北京智行者科技股份有限公司 基于闭环控制的路径规划方法及装置
FR3096637B1 (fr) * 2019-05-27 2021-04-23 Psa Automobiles Sa Procédé et dispositif de détermination d’un chemin pour un véhicule autonome
CN110749333B (zh) * 2019-11-07 2022-02-22 中南大学 基于多目标优化的无人驾驶车辆运动规划方法
CN111158359B (zh) * 2019-12-02 2023-08-04 北京京东乾石科技有限公司 障碍物处理方法和装置
CN111060103B (zh) * 2019-12-11 2021-12-10 安徽工程大学 一种局部动态寻优避障的路径规划方法
CN111413968B (zh) * 2020-03-17 2023-09-19 北京百度网讯科技有限公司 车辆的控制方法、装置及电子设备
CN112148003B (zh) * 2020-09-01 2023-05-09 湖南格兰博智能科技有限责任公司 一种基于机器人的路径优化方法、系统及电子设备
CN112270460B (zh) * 2020-09-30 2023-10-27 交通运输部规划研究院 一种基于多源数据的超重货车货源站点识别方法
CN112363511A (zh) * 2020-11-23 2021-02-12 上海欧菲智能车联科技有限公司 车辆路径规划方法、装置、车载装置及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766220A (zh) * 2019-10-21 2020-02-07 湖南大学 一种结构化道路局部路径规划方法
CN113804208A (zh) * 2020-09-18 2021-12-17 北京京东乾石科技有限公司 无人车路径优化方法及相关设备
WO2022179277A1 (zh) * 2021-02-25 2022-09-01 京东鲲鹏(江苏)科技有限公司 无人车路径优化方法及相关设备

Also Published As

Publication number Publication date
EP4261644A4 (en) 2024-05-22
CN113805578A (zh) 2021-12-17
EP4261644A1 (en) 2023-10-18
WO2022179277A1 (zh) 2022-09-01
US20240110802A1 (en) 2024-04-04

Similar Documents

Publication Publication Date Title
CN111422204B (zh) 自动驾驶车辆通行判定方法及相关设备
CN110231041B (zh) 一种车道切换的导航方法和装置
CN114993335B (zh) 一种自动驾驶路径规划方法、装置、电子设备及存储介质
CN113805578B (zh) 无人车路径优化方法及相关设备
CN113008258B (zh) 路径规划方法、装置、设备及存储介质
CN114506343B (zh) 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆
CN113050643A (zh) 无人车路径规划方法、装置、电子设备和计算机可读介质
CN116499487B (zh) 一种车辆的路径规划方法、装置、设备及介质
CN113804196B (zh) 无人车路径规划方法及相关设备
CN111098842B (zh) 车辆速度控制方法及相关设备
CN111830957A (zh) 一种路径规划方法和装置
CN114998477B (zh) 掉头区域车道中心线的绘制方法、装置、设备及产品
CN113804208B (zh) 无人车路径优化方法及相关设备
CN113819915A (zh) 无人车路径规划方法及相关设备
CN111399489B (zh) 用于生成信息的方法和装置
CN117928575A (zh) 车道信息提取方法、系统、电子设备以及存储介质
CN113581205B (zh) 一种调整车辆姿态的方法和装置
CN113776547B (zh) 路径规划方法、装置、设备及存储介质
CN113739798B (zh) 路径规划方法和装置
CN114581869A (zh) 确定目标对象位置的方法、装置、电子设备和存储介质
CN114608595A (zh) 一种无人车路径规划的方法和装置
CN113479198B (zh) 一种无人车控制方法和装置
CN115588185B (zh) 行驶路线生成方法、装置、电子设备和计算机可读介质
CN113209622A (zh) 动作的确定方法、装置、可读介质和电子设备
CN117389278A (zh) 轨迹的生成方法、装置、设备及自动驾驶车辆

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