CN116974286B - 调整无人车跟随控制点的避障方法、装置、设备和介质 - Google Patents

Abstract

本发明实施例公开了一种调整无人车跟随控制点的避障方法、装置、设备和介质。其中，该方法包括：确定无人车的姿态角度信息，以及无人车的跟随轨迹信息；根据跟随轨迹信息和姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息；根据跟随轨迹信息和无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点；根据障碍物与跟随轨迹之间的距离和无人车与跟随轨迹之间的距离，调整无人车在目标跟随轨迹点处的当前跟随控制点。本技术方案，能够通过动态调整跟随控制点来调整无人车的运行区域，避免无人车长时间避障停车，提高了无人车工作效率，降低了运营成本。

Description

调整无人车跟随控制点的避障方法、装置、设备和介质

技术领域

本发明涉及无人车控制技术领域，尤其涉及一种调整无人车跟随控制点的避障方法、装置、设备和介质。

背景技术

在无人车控制领域中，通常会选定固定的车辆控制点，比如固定选取几何中心点作为无人车进行轨迹跟随的控制点，控制所选定的控制点沿着目标轨迹移动。这种情况下，无人车在沿着固定道路移动的过程中，所需的运行区域是不变的。当运行区域被障碍物占据时，无人车会按照设定的避障方法进行避障停车，直到障碍物离开运行区域。

相关技术中，采用人工方式清除车辆运行区域内的障碍物，从而降低无人车避障停车频率，这无疑会增加人工成本。此外，无人车长时间避障停车，将会降低车辆工作效率，增加运营成本。

发明内容

本发明提供了一种调整无人车跟随控制点的避障方法、装置、设备和介质，能够通过动态调整跟随控制点调整无人车的运行区域，避免无人车长时间避障停车，提高了无人车工作效率，降低了运营成本。

根据本发明的一方面，提供了一种调整无人车跟随控制点的避障方法，所述方法包括：

确定无人车的姿态角度信息，以及所述无人车的跟随轨迹信息；其中，所述跟随轨迹信息中包括多个跟随轨迹点的位置信息；

根据所述跟随轨迹信息和所述姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息；

根据所述跟随轨迹信息和所述无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点；

根据障碍物与跟随轨迹之间的距离和所述无人车与跟随轨迹之间的距离，调整无人车在所述目标跟随轨迹点处的当前跟随控制点。

根据本发明的另一方面，提供了一种调整无人车跟随控制点的避障装置，包括：

无人车信息确定模块，用于确定无人车的姿态角度信息，以及所述无人车的跟随轨迹信息；其中，所述跟随轨迹信息中包括多个跟随轨迹点的位置信息；

预测姿态角度信息确定模块，用于根据所述跟随轨迹信息和所述姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息；

目标跟随轨迹点确定模块，用于根据所述跟随轨迹信息和所述无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点；

当前跟随控制点调整模块，用于根据障碍物与跟随轨迹之间的距离和所述无人车与跟随轨迹之间的距离，调整无人车在所述目标跟随轨迹点处的当前跟随控制点。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

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计算机程序，所述计算机程序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本发明任一实施例所述的调整无人车跟随控制点的避障方法。

根据本发明的另一方面，提供了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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的调整无人车跟随控制点的避障方法。

本发明实施例的技术方案，确定无人车的姿态角度信息，以及无人车的跟随轨迹信息；其中，跟随轨迹信息中包括多个跟随轨迹点的位置信息；根据跟随轨迹信息和姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息；根据跟随轨迹信息和无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点；根据障碍物与跟随轨迹之间的距离和无人车与跟随轨迹之间的距离，调整无人车在目标跟随轨迹点处的当前跟随控制点。本技术方案，能够通过动态调整跟随控制点来调整无人车的运行区域，避免无人车长时间避障停车，提高了无人车工作效率，降低了运营成本。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例一提供的一种调整无人车跟随控制点的避障方法的流程图；

图2是根据本发明实施例二提供的一种调整无人车跟随控制点的避障方法的流程图；

图3是根据本发明实施例三提供的一种调整无人车跟随控制点的避障装置的结构示意图；

图4是实现本发明实施例的一种调整无人车跟随控制点的避障方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供的一种调整无人车跟随控制点的避障方法的流程图，本实施例可适用于通过调整无人车跟随控制点进行避障的情况，该方法可以由调整无人车跟随控制点的避障装置来执行，该调整无人车跟随控制点的避障装置可以采用硬件和/或软件的形式实现，该调整无人车跟随控制点的避障装置可配置于具有数据处理能力的电子设备中。如图1所示，该方法包括：

S110，确定无人车的姿态角度信息，以及无人车的跟随轨迹信息；其中，跟随轨迹信息中包括多个跟随轨迹点的位置信息。

本实施例中，首先确定无人车当前跟随控制点的姿态角度信息θ_vehicle作为无人车的姿态角度信息，并确定无人车的跟随轨迹信息。其中，当前跟随控制点可以是指当前时刻下无人车的跟随控制点。示例性的，可以将无人车的后轮中心点或者几何中心点设定为跟随控制点。其中，跟随轨迹信息中包括多个跟随轨迹点的位置信息。具体的，跟随轨迹可以由若干个跟随轨迹点P_{traj_i}组成，每个跟随轨迹点的位置信息可以通过坐标形式表示。

S120，根据跟随轨迹信息和姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息。

本实施例中，在确定无人车的姿态角度信息以及跟随轨迹信息之后，可以根据跟随轨迹信息和姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息。其中，预测姿态角度信息可以是指通过预测得到的无人车到达每个跟随轨迹点时的姿态角度信息。

在本实施例中，可选的，根据跟随轨迹信息和姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息，包括：确定无人车当前跟随控制点在车体坐标系下的控制点坐标信息；其中，车体坐标系根据无人车的姿态角度信息确定横轴方向，以无人车的几何中心点为坐标系原点；根据无人车的姿态角度信息确定第一个跟随轨迹点的姿态角度信息；基于如下公式，根据候选跟随轨迹点的位置信息、控制点坐标信息以及该候选跟随轨迹点的姿态角度信息，确定与该候选跟随轨迹点对应的当前跟随控制点的位置信息；

其中，(x_{traj_i}，y_{traj_i})为候选跟随轨迹点的位置信息，(x_{traj_rear_i}，y_{traj_rear_i})为与该候选跟随轨迹点对应的当前跟随控制点的位置信息，(L_cx，L_cy)为控制点坐标信息，θ_{traj_i}为该候选跟随轨迹点的姿态角度信息；

基于如下公式，根据与候选跟随轨迹点对应的当前跟随控制点的位置信息和下一个跟随轨迹点的位置信息确定下一个跟随轨迹点的预测姿态角度信息；其中，θ_{traj_i+1}为下一个跟随轨迹点的预测姿态角度信息。

本实施例中，在确定无人车在每个跟随轨迹点的预测姿态角度信息时，首先需要建立车体坐标系。该车体坐标系以无人车的几何中心点为坐标系原点，以无人车的姿态角度信息θ_vehicle对应的方向为横轴方向。然后确定无人车当前跟随控制点在车体坐标系下的控制点坐标信息，记为(L_cx，L_cy)。将无人车的姿态角度信息θ_vehicle作为第一个跟随轨迹点P_{traj_1}的姿态角度信息θ_{traj_1}。将第一个跟随轨迹点P_{traj_1}的位置信息(x_{traj_1}，y_{traj_1})、控制点坐标信息(L_{cx_1}，L_{cy_1})和姿态角度信息θ_{traj_1}代入到当前跟随控制点的位置信息的计算公式中，可以确定P_{traj_1}对应的当前跟随控制点的位置信息(x_{traj_rear_1}，y_{traj_rear_1})。再将P_{traj_1}对应的当前跟随控制点的位置信息(x_{traj_rear_1}，y_{traj_rear_1})和第二个跟随轨迹点P_{traj_2}的位置信息(x_{traj_2}，y_{traj_2})代入到下一个跟随轨迹点的预测姿态角度信息的计算公式中，可以确定出P_{traj_2}的预测姿态角度信息θ_{traj_2}。进而将P_{traj_2}的位置信息(x_{traj_2}，y_{traj_2})、控制点坐标信息(L_{cx_2}，L_{cy_2})以及预测姿态角度信息θ_{traj_2}代入到当前跟随控制点的位置信息的计算公式中，可以确定P_{traj_2}对应的当前跟随控制点的位置信息(x_{traj_rear_2}，y_{traj_rear_2})。再将P_{traj_2}对应的当前跟随控制点的位置信息(x_{traj_rear_2}，y_{traj_rear_2})和第三个跟随轨迹点P_{traj_3}的位置信息(x_{traj_3}，y_{traj_3})代入到下一个跟随轨迹点的预测姿态角度信息的计算公式中，可以确定P_{traj_3}的预测姿态角度信息θ_{traj_3}。按照上述方式进行循环迭代，可以依次确定与每个候选跟随轨迹点对应的当前跟随控制点的位置信息以及下一个跟随轨迹点的预测姿态角度信息。

本方案通过这样的设置，可以在车体坐标系的基础上，根据跟随轨迹信息和姿态角度信息，通过预先设定的公式快速准确地确定无人车在每个跟随轨迹点的预测姿态角度信息。

S130，根据跟随轨迹信息和无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点。

本实施例中，确定无人车在每个跟随轨迹点的预测姿态角度信息之后，可以根据跟随轨迹信息和无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，从而判断无人车在运行过程中是否会与障碍物发生碰撞，若存在碰撞则确定发生障碍物碰撞的目标跟随轨迹点。其中，目标跟随轨迹点可以是指跟随轨迹中发生障碍物碰撞的跟随轨迹点。

在本实施例中，可选的，根据跟随轨迹信息和无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，包括：根据每个跟随轨迹点的位置信息、每个跟随轨迹点的预测姿态角度信息，以及无人车的机械尺寸参数，确定无人车在每个跟随轨迹点的车辆框体边界信息；根据车辆框体边界信息和障碍物凸包信息的重叠结果进行障碍物碰撞检测。

本实施例中，进行障碍物碰撞检测时，从当前跟随轨迹点开始，根据每个跟随轨迹点的位置信息、每个跟随轨迹点的预测姿态角度信息以及无人车的机械尺寸参数，确定无人车在每个跟随轨迹点的车辆框体边界信息。具体的，以(x_{traj_i}，y_{traj_i})作为无人车跟随轨迹点的位置，以θ_{traj_i}作为无人车的姿态角度，根据无人车的机械尺寸参数构造车辆框体多边形，由此可确定无人车在每个跟随轨迹点的车辆框体边界信息。其中，机械尺寸参数可以用于表征跟随控制点与无人车的相对位置关系。

然后确定障碍物信息，该障碍物信息包括多个障碍物凸包，每个障碍物凸包由若干个有序顶点P_{obs_i}组成，顶点的位置坐标可以表示为(x_{obs_i}，y_{obs_i})，其中，1≤i≤N_obs，N_obs为凸包顶点数量。再根据车辆框体边界信息和障碍物凸包信息的重叠结果进行障碍物碰撞检测。具体的，若每个跟随轨迹点对应的车辆框体边界信息与所有的障碍物凸包信息均无交叠，表明无人车在运行过程中不会与障碍物发生碰撞，即按照当前跟随控制点进行跟随控制可以使无人车安全通行，此时无需调整跟随控制点；若某个跟随轨迹点对应的车辆框体边界信息与某个障碍物凸包信息存在交叠，则表明无人车运行到该跟随轨迹点时会与该障碍物发生碰撞，此时需要调整跟随控制点。

本方案通过这样的设置，根据车辆框体边界信息和障碍物凸包信息的重叠结果，能够快速准确地进行障碍物碰撞检测。

S140，根据障碍物与跟随轨迹之间的距离和无人车与跟随轨迹之间的距离，调整无人车在目标跟随轨迹点处的当前跟随控制点。

本实施例中，预先建立Frenet坐标系，该坐标系是以无人车为原点，以道路中心线的切线方向为纵轴，以道路中心线的法线方向为横轴建立的坐标系。在Frenet坐标系下，可以确定障碍物凸包的左右顶点与跟随轨迹之间的距离，根据左右顶点与跟随轨迹之间的距离大小关系可以确定出障碍物与跟随轨迹之间的相对位置关系，同时可以确定无人车的左右边界与跟随轨迹之间的距离，据此调整无人车在目标跟随轨迹点处的当前跟随控制点，从而避免无人车与障碍物发生碰撞，确保无人车安全运行。

具体的，若凸包左顶点与跟随轨迹之间的距离大于凸包右顶点与跟随轨迹之间的距离，且凸包左顶点与跟随轨迹之间的距离大于或者等于凸包左右顶点之间的距离，表明障碍物位于跟随轨迹左侧，此时需要调整目标跟随轨迹点处的当前跟随控制点使无人车向跟随轨迹右侧行驶。若凸包左顶点与跟随轨迹之间的距离小于凸包右顶点与跟随轨迹之间的距离，且凸包右顶点与跟随轨迹之间的距离大于或者等于凸包左右顶点之间的距离，表明障碍物位于跟随轨迹右侧，此时需要调整目标跟随轨迹点处的当前跟随控制点使无人车向跟随轨迹左侧行驶。若凸包左右顶点与跟随轨迹之间的距离均小于凸包左右顶点之间的距离，表明障碍物位于跟随轨迹上，此时可以根据凸包左右顶点与跟随轨迹之间的距离大小关系进行调整。

本发明实施例的技术方案，确定无人车的姿态角度信息，以及无人车的跟随轨迹信息；其中，跟随轨迹信息中包括多个跟随轨迹点的位置信息；根据跟随轨迹信息和姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息；根据跟随轨迹信息和无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点；根据障碍物与跟随轨迹之间的距离和无人车与跟随轨迹之间的距离，调整无人车在目标跟随轨迹点处的当前跟随控制点。本技术方案，能够通过动态调整跟随控制点来调整无人车的运行区域，避免无人车长时间避障停车，并且无需改变已经规划完成的跟随轨迹信息，进一步提高了无人车的工作效率，降低了运营成本。

实施例二

图2为本发明实施例二提供的一种调整无人车跟随控制点的避障方法的流程图，本实施例以上述实施例为基础进行优化。具体优化为：根据障碍物与跟随轨迹之间的距离和无人车与跟随轨迹之间的距离，调整无人车在目标跟随轨迹点处的当前跟随控制点，包括：根据障碍物与跟随轨迹之间的距离，确定障碍物距离以及障碍物与跟随轨迹之间的位置关系；根据无人车与跟随轨迹之间的距离，确定无人车距离；根据障碍物与跟随轨迹之间的位置关系、障碍物距离和无人车距离确定无人车调整距离和调整方向；根据无人车调整距离和调整方向，调整无人车在目标跟随轨迹点处的当前跟随控制点。

如图2所示，本实施例的方法具体包括如下步骤：

S210，确定无人车的姿态角度信息，以及无人车的跟随轨迹信息；其中，跟随轨迹信息中包括多个跟随轨迹点的位置信息。

S220，根据跟随轨迹信息和姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息。

S230，根据跟随轨迹信息和无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点。

其中，S210-S230的具体实现方式可以参见S110-S130中的详细描述，此处不再赘述。

S240，根据障碍物与跟随轨迹之间的距离，确定障碍物距离以及障碍物与跟随轨迹之间的位置关系。

其中，障碍物距离包括障碍物距离上限和障碍物距离下限，障碍物与跟随轨迹之间的位置关系包括障碍物位于轨迹左侧、障碍物位于轨迹右侧和障碍物位于轨迹上。

本实施例中，在Frenet坐标系下，可以确定障碍物凸包的各个顶点与跟随轨迹之间的距离，从中找到最小距离作为障碍物距离下限，找到最大距离作为障碍物距离上限，由此可以确定障碍物距离。在Frenet坐标系下的纵坐标范围内(带正负)，将障碍物距离下限和障碍物距离上限分别记为L_{obs_min}和L_{obs_max}。若满足0<L_{obs_min}<L_{obs_max}，则表明障碍物位于轨迹左侧；若满足L_{obs_min}<L_{obs_max}<0，则表明障碍物位于轨迹右侧；若满足L_{obs_min}<0<L_{obs_max}，则表明障碍物位于轨迹上，由此可以确定障碍物与跟随轨迹之间的位置关系。

S250，根据无人车与跟随轨迹之间的距离，确定无人车距离。

其中，无人车距离包括无人车左边界距离和无人车右边界距离。

本实施例中，在Frenet坐标系下，可以确定无人车的左右边界与跟随轨迹之间的距离，将无人车左边界与跟随轨迹之间的距离作为无人车左边界距离，并将无人车右边界与跟随轨迹之间的距离作为无人车右边界距离。在Frenet坐标系下的纵坐标范围内(带正负)，将无人车左边界距离和无人车右边界距离分别记为L_{vehicle_left}和L_{vehicle_right}，由此可以确定无人车距离。

S260，根据障碍物与跟随轨迹之间的位置关系、障碍物距离和无人车距离确定无人车调整距离和调整方向。

本实施例中，确定障碍物与跟随轨迹之间的位置关系、障碍物距离和无人车距离之后，可以进一步确定无人车调整距离和调整方向。可选的，根据障碍物与跟随轨迹之间的位置关系、障碍物距离和无人车距离确定无人车调整距离和调整方向，包括：若障碍物位于轨迹左侧，则确定无人车调整方向为向轨迹右侧调整，并根据障碍物距离下限、无人车左边界距离以及预设安全距离确定无人车调整距离；若障碍物位于轨迹右侧，则确定无人车调整方向为向轨迹左侧调整，并根据障碍物距离上限、无人车右边界距离以及预设安全距离确定无人车调整距离；若障碍物位于轨迹上，则根据障碍物距离上限和障碍物距离下限的大小比较结果确定无人车调整距离和调整方向。

本实施例中，若障碍物位于轨迹左侧，可以确定无人车调整方向为向轨迹右侧调整，并根据障碍物距离下限、无人车左边界距离以及预设安全距离确定无人车调整距离。其中，预设安全距离可以是指预先设定的安全距离参考值，具体可以根据实际需求设定。示例性的，可以通过第一公式L_{adjust_N}＝L_{obs_min}-L_{vehicle_left}-d_safe确定无人车调整距离。其中，L_{adjust_N}为无人车调整距离，d_safe为预设安全距离。若障碍物位于轨迹右侧，可以确定无人车调整方向为向轨迹左侧调整，并根据障碍物距离上限、无人车右边界距离以及预设安全距离确定无人车调整距离。示例性的，可以通过第二公式L_{adjust_N}＝L_{obs_max}-L_{vehicle_right}+d_safe确定无人车调整距离。

若障碍物位于轨迹上，可以根据障碍物距离上限和障碍物距离下限的大小比较结果确定无人车调整距离和调整方向。示例性的，可以根据第三公式确定无人车调整距离，第三公式表示如下：

其中，若L_{adjust_N}>0，确定无人车调整方向为向轨迹左侧调整；若L_{adjust_N}<0，确定无人车调整方向为向轨迹右侧调整。

本方案通过这样的设置，可以根据障碍物与跟随轨迹之间的位置关系、障碍物距离和无人车距离，快速准确地确定无人车调整距离和调整方向。

S270，根据无人车调整距离和调整方向，调整无人车在目标跟随轨迹点处的当前跟随控制点。

本实施例中，在确定无人车调整距离和调整方向之后，可以进一步根据无人车调整距离和调整方向调整无人车在目标跟随轨迹点处的当前跟随控制点。可选的，根据无人车调整距离和调整方向，调整无人车在目标跟随轨迹点处的当前跟随控制点，包括：基于如下公式，根据无人车调整距离、目标跟随轨迹点处的曲率、无人车朝向角和轨迹朝向角确定无人车在车体坐标系下的纵轴方向上的纵向调整距离，以及在横轴方向上的横向调整距离；其中，车体坐标系根据无人车的姿态角度信息确定横轴方向；其中，L_{adjust_x}为纵向调整距离，L_{adjust_y}为横向调整距离，k为目标跟随轨迹点处的曲率，Δθ为无人车朝向角和轨迹朝向角的角度差值，L_{adjust_N}为无人车调整距离；根据纵向调整距离和横向调整距离，确定纵向调整方向和横向调整方向；根据纵向调整距离和横向调整距离，以及纵向调整方向和横向调整方向，调整无人车在目标跟随轨迹点处的当前跟随控制点。

本实施例中，在调整无人车在目标跟随轨迹点处的当前跟随控制点时，首先根据无人车调整距离L_{adjust_N}、目标跟随轨迹点处的曲率k、无人车朝向角和轨迹朝向角的角度差值Δθ，确定无人车在车体坐标系下的纵轴方向上的纵向调整距离L_{adjust_x}，以及在横轴方向上的横向调整距离L_{adjust_y}。然后根据纵向调整距离L_{adjust_x}和横向调整距离L_{adjust_y}，确定纵向调整方向和横向调整方向。具体的，若L_{adjust_x}>0，确定纵向调整方向为纵向上向前调整；若L_{adjust_x}<0，确定纵向调整方向为纵向上向后调整；若L_{adjust_x}＝0，则表明无人车在纵向上无需调整。若L_{adjust_y}>0，确定横向调整方向为横向上向左调整；若L_{adjust_y}<0，确定横向调整方向为横向上向右调整；若L_{adjust_y}＝0，则表明无人车在横向上无需调整。

进而可以根据纵向调整距离和横向调整距离以及纵向调整方向和横向调整方向，调整无人车在目标跟随轨迹点处的当前跟随控制点。可选的，根据纵向调整距离和横向调整距离，以及纵向调整方向和横向调整方向，调整无人车在目标跟随轨迹点处的当前跟随控制点，包括：若无人车的跟随轨迹为非直线轨迹，则基于如下公式，根据车辆位姿进行纵向调整对应的第一权重、轨迹曲率对应的第二权重以及纵向调整距离，确定跟随控制点的纵向调整值；其中，L_{cx_new}为纵向调整值，w_a为第一权重，w_k为第二权重，k为目标跟随轨迹点处的曲率，L_{adjust_x}为纵向调整距离；根据纵向调整值和纵向调整方向确定更新后的无人车在目标跟随轨迹点处的当前跟随控制点，并进行障碍物碰撞检测；若发生障碍物碰撞，则根据横向调整距离和横向调整方向对更新后的无人车在目标跟随轨迹点处的当前跟随控制点继续进行更新，并进行障碍物碰撞检测；根据障碍物碰撞检测结果确定无人车在目标跟随轨迹点处调整后的当前跟随控制点。

本实施例中，在调整无人车在目标跟随轨迹点处的当前跟随控制点时，需要确定无人车的跟随轨迹是否为直线轨迹。若无人车的跟随轨迹为直线轨迹，则优先在横向上进行调整，再考虑在纵向上进行调整。其中，横向调整距离为L_{adjust_y}＝L_{adjust_N}。若无人车的跟随轨迹为非直线轨迹(即弯道对应的轨迹)，则优先在纵向上进行调整，再考虑在横向上进行调整。具体的，首先确定车辆位姿进行纵向调整对应的第一权重w_a、轨迹曲率对应的第二权重w_k以及目标跟随轨迹点处的曲率k，并根据w_a、w_k、k和纵向调整距离L_{adjust_x}确定跟随控制点的纵向调整值L_{cx_new}。其中，第一权重w_a和第二权重w_k可以根据实际需求设定。

然后根据纵向调整值和纵向调整方向确定更新后的无人车在目标跟随轨迹点处的当前跟随控制点，并进行障碍物碰撞检测。需要说明的是，为避免跟随控制点调整后无人车实际车体与跟随轨迹偏离过远，可根据实际应用情况对控制点坐标信息(L_cx，L_cy)的取值范围进行预先设定。示例性的，可以设定纵向上跟随控制点不超过车头前方2m，也不超过车尾后方2m，即横向上跟随控制点不超过车体左右侧1.5m，即/>其中，L_vehicle为车辆长度，D_vehicle为车辆宽度。

因此，确定更新后的无人车在目标跟随轨迹点处的当前跟随控制点时，需要首先判断纵向调整值L_{cx_new}是否位于L_cx的取值范围内。若L_{cx_new}位于L_cx的取值范围内，则将P_{c_new}(L_{cx_new}，L_cy)作为更新后的无人车在目标跟随轨迹点处的当前跟随控制点，并基于更新后的当前跟随控制点进行障碍物碰撞检测。若障碍物碰撞检测结果为不发生障碍物碰撞，则无人车可以使用更新后的当前跟随控制点P_{c_new}(L_{cx_new}，L_cy)进行轨迹跟随控制，以避开障碍物。若障碍物碰撞检测结果为发生障碍物碰撞，则需要根据横向调整距离和横向调整方向对更新后的无人车在目标跟随轨迹点处的当前跟随控制点继续进行更新，并进行障碍物碰撞检测。若L_{cx_new}未位于L_cx的取值范围内，则无需进行障碍物碰撞检测，而是直接根据横向调整距离和横向调整方向对更新后的无人车在目标跟随轨迹点处的当前跟随控制点继续进行更新，并进行障碍物碰撞检测。

在根据横向调整距离和横向调整方向对更新后的无人车在目标跟随轨迹点处的当前跟随控制点继续进行更新时，首先根据横向调整距离确定跟随控制点的横向调整值。示例性的，可以通过公式L_{cy_new}＝-L_{adjust_y}，确定跟随控制点的横向调整值L_{cy_new}。然后判断横向调整值L_{cy_new}是否位于L_cy的取值范围内。若L_{cy_new}位于L_cy的取值范围内，则将P_{c_new}(L_{cx_new}，L_{cy_new})作为更新后的无人车在目标跟随轨迹点处的当前跟随控制点，并基于更新后的当前跟随控制点进行障碍物碰撞检测。若障碍物碰撞检测结果为不发生障碍物碰撞，则无人车可以使用更新后的当前跟随控制点P_{c_new}(L_{cx_new}，L_{cy_new})进行轨迹跟随控制，以避开障碍物。若障碍物碰撞检测结果为发生障碍物碰撞，则表明在L_cx和L_cy约束范围内无论如何调整跟随控制点都无法让无人车避开障碍物，此时需要无人车避障停车。若L_{cy_new}未位于L_cy的取值范围内，同样表明在L_cx和L_cy约束范围内无论如何调整跟随控制点都无法让无人车避开障碍物，此时也需要无人车避障停车。

本方案通过这样的设置，将跟随控制点的调整策略分为纵向调整和横向调整两种，可以根据跟随轨迹以及障碍物距离等信息，选择合适的调整策略并计算得到新的跟随控制点的位置，经过碰撞检测确认安全时，车辆可将跟随控制点从当前位置慢慢调整到新位置，车辆的运行区域也将慢慢发生变化，从而在无需改变车辆跟随轨迹的基础上达到车辆避开障碍物、顺畅运行的效果。

本发明实施例的技术方案，根据障碍物与跟随轨迹之间的距离，确定障碍物距离以及障碍物与跟随轨迹之间的位置关系；根据无人车与跟随轨迹之间的距离，确定无人车距离；根据障碍物与跟随轨迹之间的位置关系、障碍物距离和无人车距离确定无人车调整距离和调整方向；根据无人车调整距离和调整方向，调整无人车在目标跟随轨迹点处的当前跟随控制点。本技术方案，能够在通过动态调整跟随控制点来调整无人车的运行区域，避免无人车长时间避障停车，提高了无人车工作效率，降低了运营成本的基础上，根据无人车调整距离和调整方向，快速准确地调整无人车在目标跟随轨迹点处的当前跟随控制点，确保了跟随控制点的调整效率和准确性。

实施例三

图3为本发明实施例三提供的一种调整无人车跟随控制点的避障装置的结构示意图，该装置可执行本发明任意实施例所提供的调整无人车跟随控制点的避障方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置包括：

无人车信息确定模块310，用于确定无人车的姿态角度信息，以及所述无人车的跟随轨迹信息；其中，所述跟随轨迹信息中包括多个跟随轨迹点的位置信息；

预测姿态角度信息确定模块320，用于根据所述跟随轨迹信息和所述姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息；

目标跟随轨迹点确定模块330，用于根据所述跟随轨迹信息和所述无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点；

当前跟随控制点调整模块340，用于根据障碍物与跟随轨迹之间的距离和所述无人车与跟随轨迹之间的距离，调整无人车在所述目标跟随轨迹点处的当前跟随控制点。

可选的，所述当前跟随控制点调整模块340，包括：

障碍物信息确定单元，用于根据障碍物与跟随轨迹之间的距离，确定障碍物距离以及障碍物与跟随轨迹之间的位置关系；

无人车距离确定单元，用于根据所述无人车与跟随轨迹之间的距离，确定无人车距离；

无人车调整信息确定单元，用于根据所述障碍物与跟随轨迹之间的位置关系、所述障碍物距离和所述无人车距离确定无人车调整距离和调整方向；

当前跟随控制点调整单元，用于根据所述无人车调整距离和调整方向，调整无人车在所述目标跟随轨迹点处的当前跟随控制点。

可选的，所述障碍物距离包括障碍物距离上限和障碍物距离下限；所述无人车距离包括无人车左边界距离和无人车右边界距离；障碍物与跟随轨迹之间的位置关系包括障碍物位于轨迹左侧、障碍物位于轨迹右侧和障碍物位于轨迹上；

相应的，所述无人车调整信息确定单元，用于：

若所述障碍物位于轨迹左侧，则确定无人车调整方向为向轨迹右侧调整，并根据障碍物距离下限、无人车左边界距离以及预设安全距离确定无人车调整距离；

若所述障碍物位于轨迹右侧，则确定无人车调整方向为向轨迹左侧调整，并根据障碍物距离上限、无人车右边界距离以及预设安全距离确定无人车调整距离；

若所述障碍物位于轨迹上，则根据障碍物距离上限和障碍物距离下限的大小比较结果确定无人车调整距离和调整方向。

可选的，所述当前跟随控制点调整单元，包括：

横轴方向确定子单元，用于基于如下公式，根据所述无人车调整距离、所述目标跟随轨迹点处的曲率、无人车朝向角和轨迹朝向角确定无人车在车体坐标系下的纵轴方向上的纵向调整距离，以及在横轴方向上的横向调整距离；其中，所述车体坐标系根据无人车的姿态角度信息确定横轴方向；

其中，L_{adjust_x}为纵向调整距离，L_{adjust_y}为横向调整距离，k为所述目标跟随轨迹点处的曲率，Δθ为无人车朝向角和轨迹朝向角的角度差值，L_{adjust_N}为所述无人车调整距离；

调整方向确定子单元，用于根据所述纵向调整距离和所述横向调整距离，确定纵向调整方向和横向调整方向；

当前跟随控制点调整子单元，用于根据所述纵向调整距离和所述横向调整距离，以及纵向调整方向和横向调整方向，调整无人车在所述目标跟随轨迹点处的当前跟随控制点。

可选的，所述当前跟随控制点调整子单元，用于：

若无人车的跟随轨迹为非直线轨迹，则基于如下公式，根据车辆位姿进行纵向调整对应的第一权重、轨迹曲率对应的第二权重以及所述纵向调整距离，确定跟随控制点的纵向调整值；

其中，L_{cx_new}为纵向调整值，w_a为第一权重，w_k为第二权重，k为所述目标跟随轨迹点处的曲率，L_{adjust_x}为纵向调整距离；

根据所述纵向调整值和所述纵向调整方向确定更新后的无人车在所述目标跟随轨迹点处的当前跟随控制点，并进行障碍物碰撞检测；

若发生障碍物碰撞，则根据横向调整距离和横向调整方向对所述更新后的无人车在所述目标跟随轨迹点处的当前跟随控制点继续进行更新，并进行障碍物碰撞检测；

根据障碍物碰撞检测结果确定无人车在所述目标跟随轨迹点处调整后的当前跟随控制点。

可选的，所述预测姿态角度信息确定模块320，用于：

确定所述无人车当前跟随控制点在车体坐标系下的控制点坐标信息；其中，所述车体坐标系根据无人车的姿态角度信息确定横轴方向，以无人车的几何中心点为坐标系原点；

根据所述无人车的姿态角度信息确定第一个跟随轨迹点的姿态角度信息；

基于如下公式，根据候选跟随轨迹点的位置信息、所述控制点坐标信息以及该候选跟随轨迹点的姿态角度信息，确定与该候选跟随轨迹点对应的当前跟随控制点的位置信息；

其中，(x_{traj_i}，y_{traj_i})为候选跟随轨迹点的位置信息，(x_{traj_rear_i}，y_{traj_rear_i})为与该候选跟随轨迹点对应的当前跟随控制点的位置信息，(L_cx，L_cy)为所述控制点坐标信息，θ_{traj_i}为该候选跟随轨迹点的姿态角度信息；

基于如下公式，根据与候选跟随轨迹点对应的当前跟随控制点的位置信息和下一个跟随轨迹点的位置信息确定下一个跟随轨迹点的预测姿态角度信息；

其中，θ_{traj_i+1}为下一个跟随轨迹点的预测姿态角度信息。

可选的，所述目标跟随轨迹点确定模块330，用于：

根据每个跟随轨迹点的位置信息、每个跟随轨迹点的预测姿态角度信息，以及无人车的机械尺寸参数，确定无人车在每个跟随轨迹点的车辆框体边界信息；

根据所述车辆框体边界信息和障碍物凸包信息的重叠结果进行障碍物碰撞检测。

本发明实施例所提供的一种调整无人车跟随控制点的避障装置可执行本发明任意实施例所提供的一种调整无人车跟随控制点的避障方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。

处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如调整无人车跟随控制点的避障方法。

在一些实施例中，调整无人车跟随控制点的避障方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的调整无人车跟随控制点的避障方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行调整无人车跟随控制点的避障方法。

本文中以上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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(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。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储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、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。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，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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(LAN)、广域网(WAN)、区块链网络和互联网。

计算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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

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，本发明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，只要能够实现本发明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，并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (9)

1.一种调整无人车跟随控制点的避障方法，其特征在于，所述方法包括：

确定无人车的姿态角度信息，以及所述无人车的跟随轨迹信息；其中，所述跟随轨迹信息中包括多个跟随轨迹点的位置信息；

根据所述跟随轨迹信息和所述姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息；

根据所述跟随轨迹信息和所述无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点；

根据障碍物与跟随轨迹之间的距离和所述无人车与跟随轨迹之间的距离，调整无人车在所述目标跟随轨迹点处的当前跟随控制点；

根据障碍物与跟随轨迹之间的距离和所述无人车与跟随轨迹之间的距离，调整无人车在所述目标跟随轨迹点处的当前跟随控制点，包括：

根据障碍物与跟随轨迹之间的距离，确定障碍物距离以及障碍物与跟随轨迹之间的位置关系；

根据所述无人车与跟随轨迹之间的距离，确定无人车距离；

根据所述障碍物与跟随轨迹之间的位置关系、所述障碍物距离和所述无人车距离确定无人车调整距离和调整方向；

根据所述无人车调整距离和调整方向，调整无人车在所述目标跟随轨迹点处的当前跟随控制点。

2.根据权利要求1所述的方法，其特征在于，所述障碍物距离包括障碍物距离上限和障碍物距离下限；所述无人车距离包括无人车左边界距离和无人车右边界距离；障碍物与跟随轨迹之间的位置关系包括障碍物位于轨迹左侧、障碍物位于轨迹右侧和障碍物位于轨迹上；

相应的，根据所述障碍物与跟随轨迹之间的位置关系、所述障碍物距离和所述无人车距离确定无人车调整距离和调整方向，包括：

若所述障碍物位于轨迹左侧，则确定无人车调整方向为向轨迹右侧调整，并根据障碍物距离下限、无人车左边界距离以及预设安全距离确定无人车调整距离；

若所述障碍物位于轨迹右侧，则确定无人车调整方向为向轨迹左侧调整，并根据障碍物距离上限、无人车右边界距离以及预设安全距离确定无人车调整距离；

若所述障碍物位于轨迹上，则根据障碍物距离上限和障碍物距离下限的大小比较结果确定无人车调整距离和调整方向。

3.根据权利要求1所述的方法，其特征在于，根据所述无人车调整距离和调整方向，调整无人车在所述目标跟随轨迹点处的当前跟随控制点，包括：

基于如下公式，根据所述无人车调整距离、所述目标跟随轨迹点处的曲率、无人车朝向角和轨迹朝向角确定无人车在车体坐标系下的纵轴方向上的纵向调整距离，以及在横轴方向上的横向调整距离；其中，所述车体坐标系根据无人车的姿态角度信息确定横轴方向；

其中，L_{adjust_x}为纵向调整距离，L_{adjust_y}为横向调整距离，k为所述目标跟随轨迹点处的曲率，Δθ为无人车朝向角和轨迹朝向角的角度差值，L_{adjust_}为所述无人车调整距离；

根据所述纵向调整距离和所述横向调整距离，确定纵向调整方向和横向调整方向；

根据所述纵向调整距离和所述横向调整距离，以及纵向调整方向和横向调整方向，调整无人车在所述目标跟随轨迹点处的当前跟随控制点。

4.根据权利要求3所述的方法，其特征在于，根据所述纵向调整距离和所述横向调整距离，以及纵向调整方向和横向调整方向，调整无人车在所述目标跟随轨迹点处的当前跟随控制点，包括：

若无人车的跟随轨迹为非直线轨迹，则基于如下公式，根据车辆位姿进行纵向调整对应的第一权重、轨迹曲率对应的第二权重以及所述纵向调整距离，确定跟随控制点的纵向调整值；

其中，L_{cx_new}为纵向调整值，w_a为第一权重，w_k为第二权重，k为所述目标跟随轨迹点处的曲率，L_{adjust_x}为纵向调整距离；

根据所述纵向调整值和所述纵向调整方向确定更新后的无人车在所述目标跟随轨迹点处的当前跟随控制点，并进行障碍物碰撞检测；

若发生障碍物碰撞，则根据横向调整距离和横向调整方向对所述更新后的无人车在所述目标跟随轨迹点处的当前跟随控制点继续进行更新，并进行障碍物碰撞检测；

根据障碍物碰撞检测结果确定无人车在所述目标跟随轨迹点处调整后的当前跟随控制点。

5.根据权利要求1所述的方法，其特征在于，根据所述跟随轨迹信息和所述姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息，包括：

确定所述无人车当前跟随控制点在车体坐标系下的控制点坐标信息；其中，所述车体坐标系根据无人车的姿态角度信息确定横轴方向，以无人车的几何中心点为坐标系原点；

根据所述无人车的姿态角度信息确定第一个跟随轨迹点的姿态角度信息；

基于如下公式，根据候选跟随轨迹点的位置信息、所述控制点坐标信息以及该候选跟随轨迹点的姿态角度信息，确定与该候选跟随轨迹点对应的当前跟随控制点的位置信息；

其中，(x_{traj_i}，y_{traj_i})为候选跟随轨迹点的位置信息，(x_{traj_rear_i}，y_{traj_rear_i})为与该候选跟随轨迹点对应的当前跟随控制点的位置信息，(L_cx，L_cy)为所述控制点坐标信息，θ_{traj_i}为该候选跟随轨迹点的姿态角度信息；

基于如下公式，根据与候选跟随轨迹点对应的当前跟随控制点的位置信息和下一个跟随轨迹点的位置信息确定下一个跟随轨迹点的预测姿态角度信息；

其中，θ_{traj_i+1}为下一个跟随轨迹点的预测姿态角度信息。

6.根据权利要求1所述的方法，其特征在于，根据所述跟随轨迹信息和所述无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，包括：

根据每个跟随轨迹点的位置信息、每个跟随轨迹点的预测姿态角度信息，以及无人车的机械尺寸参数，确定无人车在每个跟随轨迹点的车辆框体边界信息；

根据所述车辆框体边界信息和障碍物凸包信息的重叠结果进行障碍物碰撞检测。

7.一种调整无人车跟随控制点的避障装置，其特征在于，所述装置包括：

无人车信息确定模块，用于确定无人车的姿态角度信息，以及所述无人车的跟随轨迹信息；其中，所述跟随轨迹信息中包括多个跟随轨迹点的位置信息；

预测姿态角度信息确定模块，用于根据所述跟随轨迹信息和所述姿态角度信息确定无人车在每个跟随轨迹点的预测姿态角度信息；

目标跟随轨迹点确定模块，用于根据所述跟随轨迹信息和所述无人车在每个跟随轨迹点的预测姿态角度信息进行障碍物碰撞检测，确定发生障碍物碰撞的目标跟随轨迹点；

当前跟随控制点调整模块，用于根据障碍物与跟随轨迹之间的距离和所述无人车与跟随轨迹之间的距离，调整无人车在所述目标跟随轨迹点处的当前跟随控制点；

所述当前跟随控制点调整模块，包括：

障碍物信息确定单元，用于根据障碍物与跟随轨迹之间的距离，确定障碍物距离以及障碍物与跟随轨迹之间的位置关系；

无人车距离确定单元，用于根据所述无人车与跟随轨迹之间的距离，确定无人车距离；

无人车调整信息确定单元，用于根据所述障碍物与跟随轨迹之间的位置关系、所述障碍物距离和所述无人车距离确定无人车调整距离和调整方向；

当前跟随控制点调整单元，用于根据所述无人车调整距离和调整方向，调整无人车在所述目标跟随轨迹点处的当前跟随控制点。

8.一种电子设备，其特征在于，所述电子设备包括：

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计算机程序，所述计算机程序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1-6中任一项所述的调整无人车跟随控制点的避障方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的调整无人车跟随控制点的避障方法。