[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107702716B - 一种无人驾驶路径规划方法、系统和装置 - Google Patents

一种无人驾驶路径规划方法、系统和装置 Download PDF

Info

Publication number
CN107702716B
CN107702716B CN201710770252.6A CN201710770252A CN107702716B CN 107702716 B CN107702716 B CN 107702716B CN 201710770252 A CN201710770252 A CN 201710770252A CN 107702716 B CN107702716 B CN 107702716B
Authority
CN
China
Prior art keywords
sub
path
paths
vehicle
collision
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
CN201710770252.6A
Other languages
English (en)
Other versions
CN107702716A (zh
Inventor
涂强
赖健明
李鹏
陈盛军
肖志光
何涛
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.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Motors 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 Guangzhou Xiaopeng Motors Technology Co Ltd filed Critical Guangzhou Xiaopeng Motors Technology Co Ltd
Priority to CN201710770252.6A priority Critical patent/CN107702716B/zh
Publication of CN107702716A publication Critical patent/CN107702716A/zh
Priority to PCT/CN2018/102811 priority patent/WO2019042295A1/zh
Priority to US16/732,231 priority patent/US11460311B2/en
Application granted granted Critical
Publication of CN107702716B publication Critical patent/CN107702716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • 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
    • 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
    • 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
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
    • 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
    • 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
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/30—Road curve radius
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data

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)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种无人驾驶路径规划方法、系统和装置，方法包括：获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；根据子路径搜索的结果得到车辆的局部路径。本发明具有对存储空间的要求小，能满足车辆非完整约束的要求，适应性好和可扩展性好的优点，可广泛应用于自动驾驶领域。

Description

一种无人驾驶路径规划方法、系统和装置
技术领域
本发明涉及自动驾驶领域，尤其是一种无人驾驶路径规划方法、系统和装置。
背景技术
汽车自动驾驶技术(也称为汽车无人驾驶技术)在出行安全、节能环保等方面存在巨大潜力，被认为是解决交通拥堵、降低交通事故和改善环境污染的有效途径。在最近一段时间内，汽车自动驾驶技术得到了广泛关注，成为未来汽车发展的主要方向之一。
一般而言，一个自动驾驶系统包括以下几个模块：环境感知模块、路径规划模块、控制执行模块和人机界面模块，上述四个模块对整个自动驾驶系统至关重要，直接影响系统的智能化水平。路径规划模块负责对本车(即自车，或者被控制的车)的横向运动进行规划，以保障自动驾驶汽车的安全性、舒适性和稳定性，是自动驾驶系统不可或缺和至关重要的环节。
一个好的自动驾驶路径规划模块需要综合考虑车辆非完整约束、生成路径的最优性以及针对不同交通场景的适应能力，因此路径规划是自动驾驶技术研究的重点方向。
目前的汽车无人驾驶路径规划方法主要包括：
(1)美国发明专利US 2016/0313133A1提出的一种反应式路径规划方法(reactivepath planning technique)，该方法的输入为环境感知模块检测到的障碍物信息和车道信息，以及本车的状态信息；其将环境感知模块建立的环境模型进行狄克尼三角剖分，生成一系列的虚拟节点，每一个虚拟节点都是三角形的顶点，每两个顶点之间的连线为三角形的边，然后通过图搜索的方式，并结合搜索条件，得到一条满足要求的路径。该方法的缺点是需要首先对环境模型进行预处理得到大量的虚拟节点，这对存储空间的要求较大，另外通过搜索得到的路径并不一定满足车辆非完整约束的要求，需要对得到的路径进行修正。
(2)美国发明专利US2016/0129907A1提出的一种适应于高速公路等结构化道路的无人驾驶路径规划方法，该方法根据全局路径规划的结果和当前车辆位姿信息，对道路中心进行偏移，得到一系列生成虚拟目标和对应的速度轮廓，并根据上述虚拟目标和速度轮廓，对虚拟目标进行样条拟合，得到满足道路轮廓的候选路径，然后根据环境信息和目标函数，选择满足要求的一条最优路径作为最终路径。该方法的缺点是只能生成跟随道路轮廓的路径，适应性较差。
(3)美国发明专利US9428187B2提出的一种自动驾驶换道路径规划方法，该方法将换道路径通过5次多项式的形式进行描述，并通过对本车的横纵向运动状态进行预测来确定多项式拟合的目标点。该方法的不足之处是只能对换道路径进行路径规划，可扩展性较差。
发明内容
为解决上述技术问题，本发明的第一目的在于：提供一种对存储空间的要求小，能满足车辆非完整约束的要求，适应性好和可扩展性好的，无人驾驶路径规划方法。
本发明的第二目的在于：提供一种对存储空间的要求小，能满足车辆非完整约束的要求，适应性好和可扩展性好的，无人驾驶路径规划系统。
本发明的第三目的在于：提供一种对存储空间的要求小，能满足车辆非完整约束的要求，适应性好和可扩展性好的，无人驾驶路径规划装置。
本发明所采取的第一技术方案是：
一种无人驾驶路径规划方法，包括以下步骤：
获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；
根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；
对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；
采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；
根据子路径搜索的结果得到车辆的局部路径。
进一步，所述根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径这一步骤，具体为：
根据环境感知信息和车辆定位与导航信息，采用控制变量法得到一组离散的曲率k对应的子路径集合，其中，k＝1/r，且曲率k满足的约束为：-kmax≤ki≤kmax，r为路径对应的转弯半径，ki为该组离散的曲率中的第i个曲率，kmax为给定的最大曲率。
进一步，所述采用A*搜索算法对无碰撞的候选子路径进行子路径搜索这一步骤，具体包括：
计算无碰撞的候选子路径中每一条子路径的评价函数值，其中，子路径的评价函数的评价因子包括子路径对应的侧向加速度、曲率、曲率变化、累积距离、子路径终点航向角与目标航向角的差值以及启发式距离中的任意一个或任意几个的组合；
根据计算的评价函数值采用A*搜索算法从无碰撞的候选子路径中寻找出评价函数值最优的子路径以及对应的父路径信息；
将评价函数值最优的子路径以及对应的父路径信息作为子路径搜索的结果进行输出。
进一步，所述计算无碰撞的候选子路径中每一条子路径的评价函数值这一步骤，具体包括：
计算无碰撞的候选子路径中每一条子路径的侧向加速度，所述子路径的侧向加速度a计算公式为：
Figure BDA0001394887900000031
其中，v为车速，δ＝arc tan[(lf+lr)·k]，M为本车质量，
Figure BDA0001394887900000032
k为曲率，kf和kr分别为本车前后轮的轮胎侧偏刚度，lf和lr分别为本车前后轴到车辆重心的距离；
计算无碰撞的候选子路径中每一条子路径的曲率；
计算无碰撞的候选子路径中每一条子路径的曲率变化量；
计算无碰撞的候选子路径中每一条子路径的累积距离，所述子路径的累积距离计算公式为：d(Current_subpath)＝d(parent_subpath)+ds(Current_subpath)，其中，d(Current_subpath)为当前子路径的累积距离，d(parent_subpath)表示当前子路径对应的父路径的累积距离，ds(Current_subpath)表示当前子路径的路径长度；
计算无碰撞的候选子路径中每一条子路径终点航向角与目标航向角的差值，所述子路径终点航向角与目标航向角的差值Δθ计算公式为：Δθ＝ar cos[cos(θend)·cos(θroute)+sin(θend)·sin(θroute)]，其中，θend为子路径终点航向角，θroute为目标航向角；
计算无碰撞的候选子路径中每一条子路径的启发距离，所述子路径的启发距离h计算公式为：h＝dmin(Send,route)，其中，Send为当前子路径的终点坐标，route为全局路径规划给出的目标路径，dmin(Send,route)为当前子路径的终点到目标路径的最短距离。
进一步，所述计算无碰撞的候选子路径中每一条子路径的评价函数值这一步骤，还包括以下步骤：
根据子路径的侧向加速度、曲率、曲率变化量、累积距离、子路径终点航向角与目标航向角的差值和启发距离计算无碰撞的候选子路径中每一条子路径的评价函数值，所述子路径的评价函数值计算公式为：f(s)＝ka·a(s)+kΔk·Δk(s)+kk·k(s)+kd·d(s)+kΔθΔθ(s)+kh·h(s)，其中，s为当前子路径，f(s)为当前子路径的评价函数值，a(s)为当前子路径的侧向加速度，k(s)为当前子路径的曲率，Δk(s)为当前子路径的曲率变化量，d(s)为当前子路径的累积距离，Δθ(s)为当前子路径终点航向角与目标航向角的差值，h(s)为当前子路径的启发距离，ka、kΔk、kk、kd、kΔθ和kh分别为a(s)、Δk(s)、k(s)、d(s)、Δθ(s)和h(s)的权重系数。
进一步，所述计算无碰撞的候选子路径中每一条子路径终点航向角与目标航向角的差值这一步骤，具体包括：
计算无碰撞的候选子路径中每一条子路径终点航向角，所述子路径终点航向角θend计算公式为：
Figure BDA0001394887900000041
其中，θ0为子路径起点对应的航向角，ds为子路径的长度，r为子路径的转弯半径；
计算无碰撞的候选子路径中每一条子路径的目标航向角；
根据计算的子路径终点航向角和目标航向角计算无碰撞的候选子路径中每一条子路径终点航向角与目标航向角的差值Δθ。
进一步，所述计算无碰撞的候选子路径中每一条子路径的目标航向角这一步骤，具体包括：
选取无碰撞的候选子路径中每一条子路径的终点作为当前点；
计算当前点到目标路径的8段3次样条曲线段端点的最短距离，并将当前点到目标路径的8段3次样条曲线段端点的最短距离记为第一最短距离；
选择第一最短距离对应的端点所对应的前后两段3次样条曲线段，并将选择的前后两段3次样条曲线段分别记为第一3次样条曲线段和第二3次样条曲线段；
采用二分法分别计算当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离；
从当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离中选出二者的相对较小值作为当前点到目标路径的最短距离；
选取当前点到目标路径的最短距离对应的目标路径上的点的航向角作为子路径的目标航向角θroute。
进一步，所述计算当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离这一步骤，具体包括：
步骤一：将给定的3次样条曲线段按照给定的划分参数t划分为n段，得到n+1个第一类节点，其中，给定的3次样条曲线段为第一3次样条曲线段或第二3次样条曲线段；
步骤二：计算当前点到n+1个第一类节点的最短距离以及最短距离对应的节点Ptemp0；
步骤三：将最短距离对应的节点Ptemp0在n段中的相邻两段按照参数t划分为n段，得到n+1个第二类节点；
步骤四：计算当前点到n+1个第二类节点的最短距离dtemp以及最短距离dtemp对应的节点Ptemp；
步骤五：判断最短距离dtemp是否小于设定的最小距离阈值，若是，则以dtemp作为当前点到给定的3次样条曲线段的最短距离进行输出；反之，则令Ptemp0＝Ptemp并返回步骤三。
本发明所采取的第二技术方案是：
一种无人驾驶路径规划系统，包括：
信息获取模块，用于获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；
子路径生成模块，用于根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；
碰撞检测模块，用于对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；
子路径搜索模块，用于采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；
局部路径生成模块，用于根据子路径搜索的结果得到车辆的局部路径。
本发明所采取的第三技术方案是：
一种无人驾驶路径规划装置，包括：
存储器，用于存放程序；
处理器，用于执行所述程序以用于：
获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；
根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；
对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；
采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；
根据子路径搜索的结果得到车辆的局部路径。
本发明的方法的有益效果是：通过环境感知信息和车辆定位与导航信息获取、子路径生成、碰撞检测、子路径搜索和局部路径生成来得到无人驾驶路径，不再需要对环境模型进行预处理得到大量的虚拟节点，对存储空间的要求小；通过进行子路径生成得到满足车辆约束的候选子路径，并在进行子路径搜索时采用了A*搜索算法，使得规划出的无人驾驶路径更能满足车辆非完整性约束的要求；获取的环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线，综合采用了障碍物、换道路径、车道、车辆位姿和目标路线信息来进行路径规划，使得生成的无人驾驶路径不再受道路轮廓或换道路径的限制，适应性和可扩展性更好。
本发明的系统的有益效果是：包括信息获取模块、子路径生成模块、碰撞检测模块、子路径搜索模块和局部路径生成模块，通过环境感知信息和车辆定位与导航信息获取、子路径生成、碰撞检测、子路径搜索和局部路径生成来得到无人驾驶路径，不再需要对环境模型进行预处理得到大量的虚拟节点，对存储空间的要求小；通过进行子路径生成得到满足车辆约束的候选子路径，并在进行子路径搜索时采用了A*搜索算法，使得规划出的无人驾驶路径更能满足车辆非完整性约束的要求；获取的环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线，综合采用了障碍物、换道路径、车道、车辆位姿和目标路线信息来进行路径规划，使得生成的无人驾驶路径不再受道路轮廓或换道路径的限制，适应性和可扩展性更好。
本发明的装置的有益效果是：包括存储器和处理器，在处理器中通过环境感知信息和车辆定位与导航信息获取、子路径生成、碰撞检测、子路径搜索和局部路径生成来得到无人驾驶路径，不再需要对环境模型进行预处理得到大量的虚拟节点，对存储空间的要求小；通过进行子路径生成得到满足车辆约束的候选子路径，并在进行子路径搜索时采用了A*搜索算法，使得规划出的无人驾驶路径更能满足车辆非完整性约束的要求；获取的环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线，综合采用了障碍物、换道路径、车道、车辆位姿和目标路线信息来进行路径规划，使得生成的无人驾驶路径不再受道路轮廓或换道路径的限制，适应性和可扩展性更好。
附图说明
图1为本发明一种无人驾驶路径规划方法的流程图；
图2为本发明实施例一自动驾驶系统的结构框图；
图3为本发明实施例一局部路径规划模块的算法框架图；
图4为本发明实施例一路径、障碍物和车辆轮廓示意图；
图5为本发明实施例一在不同曲率下车辆当前位姿与子路径的示意图；
图6为本发明实施例一子路径搜索流程图；
图7为本发明实施例一当前点P到目标路径最短距离的计算流程图；
图8为本发明实施例一当前点P到给定的三次样条曲线段的最短距离的计算流程图；
图9为本发明实施例一的路径规划结果图。
具体实施方式
参照图1，一种无人驾驶路径规划方法，包括以下步骤：
获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；
根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；
对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；
采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；
根据子路径搜索的结果得到车辆的局部路径。
其中，碰撞检测是为了剔除可能发生碰撞的子路径，保证最终得到的局部路径无碰撞安全。本发明可采用路径轮廓的概念来进行障碍物碰撞检测，即将车辆沿着路径从起点位姿行驶至终点位姿所形成的边界轮廓作为一个整体，并通过几何的方法进行碰撞检测。车辆的局部路径即为无人驾驶路径规划的结果。
进一步作为优选的实施方式，所述根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径这一步骤，具体为：
根据环境感知信息和车辆定位与导航信息，采用控制变量法得到一组离散的曲率k对应的子路径集合，其中，k＝1/r，且曲率k满足的约束为：-kmax≤ki≤kmax，r为路径对应的转弯半径，ki为该组离散的曲率中的第i个曲率，kmax为给定的最大曲率。
进一步作为优选的实施方式，所述采用A*搜索算法对无碰撞的候选子路径进行子路径搜索这一步骤，具体包括：
计算无碰撞的候选子路径中每一条子路径的评价函数值，其中，子路径的评价函数的评价因子包括子路径对应的侧向加速度、曲率、曲率变化、累积距离、子路径终点航向角与目标航向角的差值以及启发式距离中的任意一个或任意几个的组合；
根据计算的评价函数值采用A*搜索算法从无碰撞的候选子路径中寻找出评价函数值最优的子路径以及对应的父路径信息；
将评价函数值最优的子路径以及对应的父路径信息作为子路径搜索的结果进行输出。
本发明在搜索算法的目标函数(即评价函数)中增加了曲率变化量和航向角差值等评价项，保证了最终规划路径尽可能平顺和尽可能减少超调；通过在评价函数中增加侧向加速度的评价项，保证了最终规划路径能尽可能满足乘客舒适性的要求。
进一步作为优选的实施方式，所述计算无碰撞的候选子路径中每一条子路径的评价函数值这一步骤，具体包括：
计算无碰撞的候选子路径中每一条子路径的侧向加速度，所述子路径的侧向加速度a计算公式为：
Figure BDA0001394887900000081
其中，v为车速，δ＝arc tan[(lf+lr)·k]，M为本车质量，
Figure BDA0001394887900000082
k为曲率，kf和kr分别为本车前后轮的轮胎侧偏刚度，lf和lr分别为本车前后轴到车辆重心的距离；
计算无碰撞的候选子路径中每一条子路径的曲率；
计算无碰撞的候选子路径中每一条子路径的曲率变化量；
计算无碰撞的候选子路径中每一条子路径的累积距离，所述子路径的累积距离计算公式为：d(Current_subpath)＝d(parent_subpath)+ds(Current_subpath)，其中，d(Current_subpath)为当前子路径的累积距离，d(parent_subpath)表示当前子路径对应的父路径的累积距离，ds(Current_subpath)表示当前子路径的路径长度；
计算无碰撞的候选子路径中每一条子路径终点航向角与目标航向角的差值，所述子路径终点航向角与目标航向角的差值Δθ计算公式为：Δθ＝arcos[cos(θend)·cos(θroute)+sin(θend)·sin(θroute)]，其中，θend为子路径终点航向角，θroute为目标航向角；
计算无碰撞的候选子路径中每一条子路径的启发距离，所述子路径的启发距离h计算公式为：h＝dmin(Send,route)，其中，Send为当前子路径的终点坐标，route为全局路径规划给出的目标路径，dmin(Send,route)为当前子路径的终点到目标路径的最短距离。
进一步作为优选的实施方式，所述计算无碰撞的候选子路径中每一条子路径的评价函数值这一步骤，还包括以下步骤：
根据子路径的侧向加速度、曲率、曲率变化量、累积距离、子路径终点航向角与目标航向角的差值和启发距离计算无碰撞的候选子路径中每一条子路径的评价函数值，所述子路径的评价函数值计算公式为：f(s)＝ka·a(s)+kΔk·Δk(s)+kk·k(s)+kd·d(s)+kΔθΔθ(s)+kh·h(s)，其中，s为当前子路径，f(s)为当前子路径的评价函数值，a(s)为当前子路径的侧向加速度，k(s)为当前子路径的曲率，Δk(s)为当前子路径的曲率变化量，d(s)为当前子路径的累积距离，Δθ(s)为当前子路径终点航向角与目标航向角的差值，h(s)为当前子路径的启发距离，ka、kΔk、kk、kd、kΔθ和kh分别为a(s)、Δk(s)、k(s)、d(s)、Δθ(s)和h(s)的权重系数。
其中，route为全局路径规划给出的目标路径，route包含在车辆导航与定位信息中。
进一步作为优选的实施方式，所述计算无碰撞的候选子路径中每一条子路径终点航向角与目标航向角的差值这一步骤，具体包括：
计算无碰撞的候选子路径中每一条子路径终点航向角，所述子路径终点航向角θend计算公式为：
Figure BDA0001394887900000091
其中，θ0为子路径起点对应的航向角，ds为子路径的长度，r为子路径的转弯半径；
计算无碰撞的候选子路径中每一条子路径的目标航向角；
根据计算的子路径终点航向角和目标航向角计算无碰撞的候选子路径中每一条子路径终点航向角与目标航向角的差值Δθ。
进一步作为优选的实施方式，所述计算无碰撞的候选子路径中每一条子路径的目标航向角这一步骤，具体包括：
选取无碰撞的候选子路径中每一条子路径的终点作为当前点；
计算当前点到目标路径的8段3次样条曲线段端点的最短距离，并将当前点到目标路径的8段3次样条曲线段端点的最短距离记为第一最短距离；
选择第一最短距离对应的端点所对应的前后两段3次样条曲线段，并将选择的前后两段3次样条曲线段分别记为第一3次样条曲线段和第二3次样条曲线段；
采用二分法分别计算当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离；
从当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离中选出二者的相对较小值作为当前点到目标路径的最短距离；
选取当前点到目标路径的最短距离对应的目标路径上的点的航向角作为子路径的目标航向角θroute。
其中，目标路径为车辆中心线，车辆中心线通过8段3次样条曲线进行描述。从当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离中选出二者的相对较小值作为当前点到目标路径的最短距离是指：若当前点到第一3次样条曲线段的最短距离小于当前点到第二3次样条曲线段的最短距离，则当前点到目标路径的最短距离等于当前点到第一3次样条曲线段的最短距离。
进一步作为优选的实施方式，所述计算当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离这一步骤，具体包括：
步骤一：将给定的3次样条曲线段按照给定的划分参数t划分为n段，得到n+1个第一类节点，其中，给定的3次样条曲线段为第一3次样条曲线段或第二3次样条曲线段；
步骤二：计算当前点到n+1个第一类节点的最短距离以及最短距离对应的节点Ptemp0；
步骤三：将最短距离对应的节点Ptemp0在n段中的相邻两段按照参数t划分为n段，得到n+1个第二类节点；
步骤四：计算当前点到n+1个第二类节点的最短距离dtemp以及最短距离dtemp对应的节点Ptemp；
步骤五：判断最短距离dtemp是否小于设定的最小距离阈值，若是，则以dtemp作为当前点到给定的3次样条曲线段的最短距离进行输出；反之，则令Ptemp0＝Ptemp并返回步骤三。
其中，令Ptemp0＝Ptemp并返回步骤三，是指返回最短距离dtemp对应的节点Ptemp，使得Ptemp0＝Ptemp，然后重复上述步骤(即重复执行步骤三以及步骤四这两个步骤)直至最短距离dtemp小于设定的最小距离阈值为止。
与图1的方法相对应，本发明还提供了一种无人驾驶路径规划系统，包括：
信息获取模块，用于获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；
子路径生成模块，用于根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；
碰撞检测模块，用于对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；
子路径搜索模块，用于采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；
局部路径生成模块，用于根据子路径搜索的结果得到车辆的局部路径。
与图1的方法相对应，本发明还提供了一种无人驾驶路径规划装置，包括：
存储器，用于存放程序；
处理器，用于执行所述程序以用于：
获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；
根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；
对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；
采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；
根据子路径搜索的结果得到车辆的局部路径。
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。
实施例一
针对现有技术对存储空间的要求大，不能满足车辆非完整约束的要求，适应性差和可扩展性差的问题，本发明专门为自动驾驶系统设计了一种新的无人驾驶路径规划方法、系统和装置。
本实施例的自动驾驶系统框图如图2所示，其中，局部路径规划模块根据感知信息融合模块提供的环境模型信息、车辆导航与定位模块提供的车辆位姿信息和全局路线进行局部路径规划，并将规划的结果输出给路径跟随模块。本发明的无人驾驶路径规划方法主要由局部路径规划模块来实现，因此自动驾驶系统的其它模块不再赘述。
本发明局部路径规划模块的算法框图如图3所示，从图3中可以看出，局部路径规划模块的输入为环境感知信息和车辆定位与导航信息，输出为局部路径。其中，环境信息主要包括障碍物信息、路沿信息和车道线信息；车辆定位与导航信息主要包括车辆位姿(xv,yv,θv)和目标路线。在本发明中，目标路线为车道中心线，通过8段3次样条曲线进行描述。
从图3可以看出，本发明的局部路径规划模块包括子路径生成、子路径碰撞检测、子路径搜索和路径生成四个模块。在本发明中，子路径subpath通过
Figure BDA0001394887900000111
五个参数表示，其中，
Figure BDA0001394887900000112
为子路径对应的车辆起点位姿，ds为路径长度，ds为正，表示车辆向前行驶，ds为负，表示车辆向后行驶；r为路径对应的转弯半径，r为正，表示车左转，r为负，表示车辆右转，当r＝0时，表示车辆直线行驶。在本发明中，任意一个障碍物obj由一条线段表示，该线段通过两个端点A(x1,y1)和B(x2,y2)进行描述。本发明在碰撞检测过程中将车辆轮廓简化为一个长方形，具体碰撞检测参数主要包括len车长、width车宽和h0后悬长三个参数。而要使车辆安全地在规划的路径上行驶，必须使得其外轮廓与障碍物保持一定的距离。为此，本发明在碰撞检测时，还将车辆的外形参数进行一定的膨胀swell，以保证真实车辆与障碍物存在一定的安全距离。因此在本发明中，车辆轮廓由len、width、h0和swell四个参数表示。本发明的车辆轮廓、子路径和障碍物示意图如图4所示。
下面详细介绍本发明的局部路径规划算法中各组成模块的实现方法。
(1)子路径生成
子路径生成模块用于对车辆状态进行预测，并根据车辆当前位姿生成一系列满足车辆约束候选子路径。
前面已经定义，任意一条子路径由
Figure BDA0001394887900000121
五个参数进行描述，因此当
Figure BDA0001394887900000122
一定时，根据控制变量方法，对应不同的参数r，可以得到不同的子路径。本发明可通过变量曲率k来生成子路径，其中，k和r满足：k＝1/r。具体来说，就是在一组离散的曲率k的作用下，可以得到一组离散的子路径集合。图5给出了在不同曲率k下，车辆当前位姿和子路径的示意图。
由于车辆转弯半径的约束，在子路径生成模块中，还需将k约束为：
-kmax≤ki≤kmax
(2)子路径碰撞检测
子路径碰撞检测过程是本发明局部路径规划中非常重要的环节，用于保证最终的局部路径结果无碰撞。本专利申请采用路径轮廓的概念来进行障碍物碰撞检测，即将车辆沿着路径从起点位姿行驶至终点位姿所形成的边界轮廓作为一个整体，并通过几何的方法进行碰撞检测。
(3)子路径搜索
如图6所示，基于A*搜索算法的思想和规则，本发明的子路径搜索子模块通过构建一个评价函数对OPEN集合(即open序列)中的子路径进行评价，将综合评价值最低(即评价函数值最小)的子路径保存到close序列中并用于子路径生成模块的父路径。
1)评价函数
评价函数(即目标函数)用于对子路径进行评价，保证最终路径的舒适性、效率和最优性。在本发明中，评价函数由6部分构成，包括子路径对应的侧向加速度、曲率、曲率变化、累积距离、子路径终点航向角与目标航向角的差值以及启发式距离。
这6部分的详细说明如下：
a)侧向加速度
对于乘客而言，侧向加速度是最能体现汽车乘坐舒适性的指标之一，侧向加速度过大对舒适性而言是不利的。结合二自由度车辆模型，本发明通过如下公式来计算每一条子路径的侧向加速度a：
Figure BDA0001394887900000131
其中δ＝arc tan[(lf+lr)·k]，
Figure BDA0001394887900000132
M为本车质量，v是车速，kf和kr是前后轮的轮胎侧偏刚度，lf和lr为前后轴到车辆重心的距离，k为曲率。
b)曲率
在自动驾驶过程中，一个非常重要的控制目标就是在保证安全的前提下使得横向输入尽可能的小，以保证车辆稳定性和舒适性。因此状态(即子路径)搜索过程中，在保证无碰撞的前提下，转向盘转角(即曲率)输入越小的状态具有优先被选择权。
c)曲率变化
在自动驾驶过程中，在保证无碰撞安全的前提下，路径应尽可能保证平滑。因此为保证相邻两段子路径之间的过度更平滑，本发明在评价函数中增加了对相邻两段子路径曲率变化量的限制，保证了最终规划储的路径尽可能平滑。
d)累积距离
累积距离表示由初始车辆状态到当前车辆状态的距离。在本发明中，由于每一段子路径的长度ds是已知的，因此可以通过计算当前段子路径及其对应的父路径的累积距离的和来得到子路径的累积距离，其计算方法可以通过如下公式来表示：
d(Current_subpath)＝d(parent_subpath)+ds(Current_subpath)
其中，d(parent_subpath)表示父路径的累积距离，ds(Current_subpath)表示当前子路径的路径长度。
d)子路径终点航向角与目标航向角的差值
该航向角差值用于限制最终规划出的路径在保证无碰撞安全的前提下，尽可能沿着目标路径而不存在大的航向波动，以保证路径的平顺。在本发明中，子路径终点航向角θend计算公式为：
Figure BDA0001394887900000141
其中，θ0为子路径起点对应的航向角，ds为子路径的长度，r为子路径的转弯半径。
而本发明的目标航向角θroute则通过计算子路径终点到目标路径最短距离dmin对应的目标路径上的点的航向角来确定，其计算算法流程如图7所示。
而对于给定的一段三次样条曲线来说，其可采用二分法的思想来进行近似求解出子路径终点到该段三次样条曲线的最短距离Pmin，具体算法流程如图8所示。图8中，d0为设定的最小距离阈值。通过图7和图8的两个流程图，最终求得当前点P到目标路径的最短距离以及该最短距离对应的目标路径上的点Proute，进而通过点Proute的航向角确定目标航向角θroute。
而航向角差值Δθ则通过向量的夹角公式进行计算，其计算公式如下：
Δθ＝ar cos[cos(θend)·cos(θroute)+sin(θend)·sin(θroute)]
e)启发距离
启发距离用于表示当前子路径距离目标的距离。在本发明中，启发距离h用当前子路径的终点到目标路径的最短距离来表示，计算公式如下：
h＝dmin(Send,route)
其中，Send为当前子路径的终点坐标，route为全局路径规划给出的目标路径，dmin(Send,route)为当前子路径的终点到目标路径的最短距离。
综上可以得到，本发明的评价函数f(s)的表达式为：
f(s)＝ka·a(s)+kΔk·Δk(s)+kk·k(s)+kd·d(s)+kΔθΔθ(s)+kh·h(s)
其中，s为当前子路径，a(s)为侧向加速度，k(s)为曲率，Δk(s)为曲率变化，d(s)为累积距离，Δθ(s)为航向角差值，h(s)为启发距离，在上述公式中，每一项评价指标前面都对应一个权重系数，该对应的权重系数可以根据实际情况进行修正。
2)搜索
本发明的子路径搜索模块采用A*算法作为子路径搜索算法，搜索流程如图6所示，搜索结果如图9所示，从图9中可以看出，本发明子路径搜索的结果满足了无碰撞、平滑、尽量沿目标路径行驶等要求。
(4)局部路径生成
当满足搜索终止条件时，路径生成子模块会根据上述的子路径搜索模块的搜索结果以及各子路径之间的父子关系，生成当前期望的本车行驶路径(即本车的局部路径)。本发明的路径规划结果如图9所示，在不考虑障碍物情况下的局部路径规划结果为直线线段，在考虑障碍物情况下的局部路径规划结果为弯曲的曲线段。从图9显示的路径可以看出，本发明子路径搜索的结果满足了评价函数的综合评价要求，做到了：一，搜索结果无碰撞；二，搜索结果满足曲率变化要求，路径平顺；三，搜索结果满足尽量沿局部路径行驶，航向角无大超调的要求。
由于在子路径搜索算法中增加了曲率变化的评价指标，本搜索算法能够保证相邻两段子路径交接处曲率突变尽可能小，同时，本发明的输出结果会发送给后续的路径跟踪模块进行执行，并在路径跟踪模块中会对过度处曲率的变化进行处理，从而在保证车辆稳定行驶的同时，也可以保证车辆实际行驶轨迹与本发明输出的局部路径之间的偏差达到一个较小值，以实现本车行驶的安全性。
与现有技术相比，本发明具有以下优点：
(1)采用了线段来表达障碍物，直线圆弧来表达路径，便于存储计算以及数学模型的构建；
(2)采用了圆弧段子路径作为状态，并采用A*算法作为搜索算法，使得规划出的路径更能满足车辆非完整性约束的要求；
(3)通过碰撞检测剔除可能发生碰撞的子路径，保证最终规划出的路径无碰撞安全；
(4)在搜索算法的目标函数中增加了曲率变化量和航向角差值等评价项，保证最终规划出的路径尽可能平顺和尽可能减少超调；
(5)通过在评价函数中增加侧向加速度的评价项，保证最终规划出的路径能尽可能满足乘客舒适性的要求；
(6)综合采用了障碍物、换道路径、车道、车辆位姿和目标路线信息来进行路径规划，实现了避障、换道和车道保持的功能，可以尽可能减少决策模块的状态切换。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种无人驾驶路径规划方法，其特征在于：包括以下步骤：
获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；
根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；
对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；
采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；
所述采用A*搜索算法对无碰撞的候选子路径进行子路径搜索包括计算无碰撞的候选子路径中每一条子路径的评价函数值的步骤，所述计算无碰撞的候选子路径中每一条子路径的评价函数值具体包括：
计算无碰撞的候选子路径中每一条子路径的侧向加速度，所述子路径的侧向加速度a计算公式为：
Figure FDA0002621868210000011
其中，v为车速，δ＝arc tan[(lf+lr)·k]，M为本车质量，
Figure FDA0002621868210000012
k为曲率，kf和kr分别为本车前后轮的轮胎侧偏刚度，lf和lr分别为本车前后轴到车辆重心的距离；
根据子路径搜索的结果得到车辆的局部路径。
2.根据权利要求1所述的一种无人驾驶路径规划方法，其特征在于：所述根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径这一步骤，具体为：
根据环境感知信息和车辆定位与导航信息，采用控制变量法得到一组离散的曲率k对应的子路径集合，其中，k＝1/r，且曲率k满足的约束为：-kmax≤ki≤kmax，r为路径对应的转弯半径，ki为该组离散的曲率中的第i个曲率，kmax为给定的最大曲率。
3.根据权利要求1所述的一种无人驾驶路径规划方法，其特征在于：所述采用A*搜索算法对无碰撞的候选子路径进行子路径搜索这一步骤，具体包括：
计算无碰撞的候选子路径中每一条子路径的评价函数值，其中，子路径的评价函数的评价因子还包括子路径对应的曲率、曲率变化、累积距离、子路径终点航向角与目标航向角的差值以及启发式距离中的任意一个或任意几个的组合；
根据计算的评价函数值采用A*搜索算法从无碰撞的候选子路径中寻找出评价函数值最优的子路径以及对应的父路径信息；
将评价函数值最优的子路径以及对应的父路径信息作为子路径搜索的结果进行输出。
4.根据权利要求3所述的一种无人驾驶路径规划方法，其特征在于：所述计算无碰撞的候选子路径中每一条子路径的评价函数值这一步骤，还具体包括：
计算无碰撞的候选子路径中每一条子路径的曲率；
计算无碰撞的候选子路径中每一条子路径的曲率变化量；
计算无碰撞的候选子路径中每一条子路径的累积距离，所述子路径的累积距离计算公式为：d(Current_subpath)＝d(parent_subpath)+ds(Current_subpath)，其中，d(Current_subpath)为当前子路径的累积距离，d(parent_subpath)表示当前子路径对应的父路径的累积距离，ds(Current_subpath)表示当前子路径的路径长度；
计算无碰撞的候选子路径中每一条子路径终点航向角与目标航向角的差值，所述子路径终点航向角与目标航向角的差值Δθ计算公式为：Δθ＝arcos[cos(θend)·cos(θroute)+sin(θend)·sin(θroute)]，其中，θend为子路径终点航向角，θroute为目标航向角；
计算无碰撞的候选子路径中每一条子路径的启发距离，所述子路径的启发距离h计算公式为：h＝dmin(Send,route)，其中，Send为当前子路径的终点坐标，route为全局路径规划给出的目标路径，dmin(Send,route)为当前子路径的终点到目标路径的最短距离。
5.根据权利要求4所述的一种无人驾驶路径规划方法，其特征在于：所述计算无碰撞的候选子路径中每一条子路径的评价函数值这一步骤，还包括以下步骤：
根据子路径的侧向加速度、曲率、曲率变化量、累积距离、子路径终点航向角与目标航向角的差值和启发距离计算无碰撞的候选子路径中每一条子路径的评价函数值，所述子路径的评价函数值计算公式为：f(s)＝ka·a(s)+kΔk·Δk(s)+kk·k(s)+kd·d(s)+kΔθΔθ(s)+kh·h(s)，其中，s为当前子路径，f(s)为当前子路径的评价函数值，a(s)为当前子路径的侧向加速度，k(s)为当前子路径的曲率，Δk(s)为当前子路径的曲率变化量，d(s)为当前子路径的累积距离，Δθ(s)为当前子路径终点航向角与目标航向角的差值，h(s)为当前子路径的启发距离，ka、kΔk、kk、kd、kΔθ和kh分别为a(s)、Δk(s)、k(s)、d(s)、Δθ(s)和h(s)的权重系数。
6.根据权利要求4或5所述的一种无人驾驶路径规划方法，其特征在于：所述计算无碰撞的候选子路径中每一条子路径终点航向角与目标航向角的差值这一步骤，具体包括：
计算无碰撞的候选子路径中每一条子路径终点航向角，所述子路径终点航向角θend计算公式为：
Figure FDA0002621868210000031
其中，θ0为子路径起点对应的航向角，ds为子路径的长度，r为子路径的转弯半径；
计算无碰撞的候选子路径中每一条子路径的目标航向角；
根据计算的子路径终点航向角和目标航向角计算无碰撞的候选子路径中每一条子路径终点航向角与目标航向角的差值Δθ。
7.根据权利要求6所述的一种无人驾驶路径规划方法，其特征在于：所述计算无碰撞的候选子路径中每一条子路径的目标航向角这一步骤，具体包括：
选取无碰撞的候选子路径中每一条子路径的终点作为当前点；
计算当前点到目标路径的8段3次样条曲线段端点的最短距离，并将当前点到目标路径的8段3次样条曲线段端点的最短距离记为第一最短距离；
选择第一最短距离对应的端点所对应的前后两段3次样条曲线段，并将选择的前后两段3次样条曲线段分别记为第一3次样条曲线段和第二3次样条曲线段；
采用二分法分别计算当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离；
从当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离中选出二者的相对较小值作为当前点到目标路径的最短距离；
选取当前点到目标路径的最短距离对应的目标路径上的点的航向角作为子路径的目标航向角θroute。
8.根据权利要求7所述的一种无人驾驶路径规划方法，其特征在于：所述计算当前点到第一3次样条曲线段和第二3次样条曲线段的最短距离这一步骤，具体包括：
步骤一：将给定的3次样条曲线段按照给定的划分参数t划分为n段，得到n+1个第一类节点，其中，给定的3次样条曲线段为第一3次样条曲线段或第二3次样条曲线段；
步骤二：计算当前点到n+1个第一类节点的最短距离以及最短距离对应的节点Ptemp0；
步骤三：将最短距离对应的节点Ptemp0在n段中的相邻两段按照参数t划分为n段，得到n+1个第二类节点；
步骤四：计算当前点到n+1个第二类节点的最短距离dtemp以及最短距离dtemp对应的节点Ptemp；
步骤五：判断最短距离dtemp是否小于设定的最小距离阈值，若是，则以dtemp作为当前点到给定的3次样条曲线段的最短距离进行输出；反之，则令Ptemp0＝Ptemp并返回步骤三。
9.一种无人驾驶路径规划系统，其特征在于：包括：
信息获取模块，用于获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；
子路径生成模块，用于根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；
碰撞检测模块，用于对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；
子路径搜索模块，用于采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；
所述采用A*搜索算法对无碰撞的候选子路径进行子路径搜索包括计算无碰撞的候选子路径中每一条子路径的评价函数值，所述计算无碰撞的候选子路径中每一条子路径的评价函数值具体包括：
计算无碰撞的候选子路径中每一条子路径的侧向加速度，所述子路径的侧向加速度a计算公式为：
Figure FDA0002621868210000041
其中，v为车速，δ＝arc tan[(lf+lr)·k]，M为本车质量，
Figure FDA0002621868210000042
k为曲率，kf和kr分别为本车前后轮的轮胎侧偏刚度，lf和lr分别为本车前后轴到车辆重心的距离；
局部路径生成模块，用于根据子路径搜索的结果得到车辆的局部路径。
10.一种无人驾驶路径规划装置，其特征在于：包括：
存储器，用于存放程序；
处理器，用于执行所述程序以用于：
获取环境感知信息和车辆定位与导航信息，其中，环境感知信息包括障碍物信息、路沿信息和车道线信息，车辆定位与导航信息包括车辆位姿和目标路线；
根据环境感知信息和车辆定位与导航信息进行子路径生成，得到满足车辆约束的候选子路径；
对满足车辆约束的候选子路径进行碰撞检测，得到无碰撞的候选子路径；
采用A*搜索算法对无碰撞的候选子路径进行子路径搜索；
所述采用A*搜索算法对无碰撞的候选子路径进行子路径搜索包括计算无碰撞的候选子路径中每一条子路径的评价函数值，所述计算无碰撞的候选子路径中每一条子路径的评价函数值具体包括：
计算无碰撞的候选子路径中每一条子路径的侧向加速度，所述子路径的侧向加速度a计算公式为：
Figure FDA0002621868210000051
其中，v为车速，δ＝arc tan[(lf+lr)·k]，M为本车质量，
Figure FDA0002621868210000052
k为曲率，kf和kr分别为本车前后轮的轮胎侧偏刚度，lf和lr分别为本车前后轴到车辆重心的距离；
根据子路径搜索的结果得到车辆的局部路径。
CN201710770252.6A 2017-08-31 2017-08-31 一种无人驾驶路径规划方法、系统和装置 Active CN107702716B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710770252.6A CN107702716B (zh) 2017-08-31 2017-08-31 一种无人驾驶路径规划方法、系统和装置
PCT/CN2018/102811 WO2019042295A1 (zh) 2017-08-31 2018-08-29 一种无人驾驶路径规划方法、系统和装置
US16/732,231 US11460311B2 (en) 2017-08-31 2019-12-31 Path planning method, system and device for autonomous driving

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710770252.6A CN107702716B (zh) 2017-08-31 2017-08-31 一种无人驾驶路径规划方法、系统和装置

Publications (2)

Publication Number Publication Date
CN107702716A CN107702716A (zh) 2018-02-16
CN107702716B true CN107702716B (zh) 2021-04-13

Family

ID=61170418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710770252.6A Active CN107702716B (zh) 2017-08-31 2017-08-31 一种无人驾驶路径规划方法、系统和装置

Country Status (3)

Country Link
US (1) US11460311B2 (zh)
CN (1) CN107702716B (zh)
WO (1) WO2019042295A1 (zh)

Families Citing this family (117)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107702716B (zh) * 2017-08-31 2021-04-13 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、系统和装置
JP6897597B2 (ja) * 2018-02-16 2021-06-30 トヨタ自動車株式会社 駐車支援装置
CN108519773B (zh) * 2018-03-07 2020-01-14 西安交通大学 一种结构化环境下无人驾驶车辆的路径规划方法
CN110307853B (zh) * 2018-03-27 2021-11-02 北京京东尚科信息技术有限公司 一种导航控制方法和装置
JP7046740B2 (ja) * 2018-07-02 2022-04-04 日立Astemo株式会社 予測制御装置
CN108951374B (zh) * 2018-07-10 2020-12-15 北京艾尔动力科技有限公司 碾压工程车的控制方法与装置
US10970929B2 (en) * 2018-07-16 2021-04-06 Occipital, Inc. Boundary detection using vision-based feature mapping
CN108958258B (zh) * 2018-07-25 2021-06-25 吉林大学 一种无人车的轨迹跟随控制方法、控制系统及相关装置
CN108931981A (zh) * 2018-08-14 2018-12-04 汽-大众汽车有限公司 一种自动驾驶车辆的路径规划方法
CN109263639B (zh) * 2018-08-24 2020-09-01 武汉理工大学 基于状态栅格法的驾驶路径规划方法
US11181921B2 (en) * 2018-09-14 2021-11-23 Huawei Technologies Co., Ltd. System and method for hierarchical planning in autonomous vehicles
DE102018129572A1 (de) * 2018-11-23 2020-05-28 Bayerische Motoren Werke Aktiengesellschaft Fahrassistenzsystem für ein automatisiert fahrendes Fahrzeug und Verfahren zum Führen eines automatisiert fahrenden Fahrzeugs
CN109631899B (zh) * 2018-12-18 2022-05-06 仲恺农业工程学院 一种用于环境感知的移动机器人的路径优化方法及系统
CN109597317B (zh) * 2018-12-26 2022-03-18 广州小鹏汽车科技有限公司 一种基于自学习的车辆自动驾驶方法、系统及电子设备
CN109671286A (zh) * 2018-12-26 2019-04-23 东软睿驰汽车技术（沈阳）有限公司 一种道路信息和道路交通信息的处理方法和装置
US11312380B2 (en) * 2018-12-26 2022-04-26 Baidu Usa Llc Corner negotiation method for autonomous driving vehicles without map and localization
CN111615476B (zh) * 2018-12-26 2023-05-23 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的基于螺旋曲线的竖直停车规划系统
CN109708656A (zh) * 2019-01-24 2019-05-03 爱驰汽车有限公司 基于实时路况的路线规划方法、系统、设备及存储介质
CN110928290B (zh) * 2019-03-06 2023-05-23 纽劢科技(上海)有限公司 五次曲线路径规划方法及车道中心线维护方法
CN110045730B (zh) * 2019-03-20 2022-07-12 文远知行有限公司 路径规划的方法、装置、计算机设备和存储介质
CN111721311A (zh) * 2019-03-22 2020-09-29 北京京东尚科信息技术有限公司 碰撞验证方法和装置
CN110045732B (zh) * 2019-03-28 2022-06-07 暨南大学 一种启发式路径规划方法
CN109917794B (zh) * 2019-04-18 2022-02-18 北京智行者科技有限公司 全局路径规划方法及装置
CN110220528A (zh) * 2019-06-10 2019-09-10 福州大学 一种基于a星算法的自动驾驶无人车双向动态路径规划方法
CN112148811B (zh) * 2019-06-26 2023-01-10 陕西汽车集团股份有限公司 一种车载gps轨迹路径压缩方法
CN110262508B (zh) * 2019-07-06 2024-05-31 广州卡尔动力科技有限公司 应用于封闭场地无人驾驶货运车辆上的自动引导系统及方法
CN110341711B (zh) * 2019-07-06 2021-10-22 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系统及方法
CN110471412A (zh) * 2019-08-01 2019-11-19 广州小鹏汽车科技有限公司 一种评估路径跟踪算法性能的方法及评估系统
CN112506176B (zh) * 2019-08-26 2024-05-28 上海汽车集团股份有限公司 路径规划方法及装置
CN110487279B (zh) * 2019-08-27 2022-12-13 东南大学 一种基于改进a＊算法的路径规划方法
US20210064031A1 (en) * 2019-08-28 2021-03-04 Zenuity Ab Path planning for autonomous and semi-autonomous vehicles
CN112622924B (zh) * 2019-09-24 2023-06-09 北京百度网讯科技有限公司 一种驾驶规划方法及装置、车辆
US20220342427A1 (en) * 2019-10-10 2022-10-27 Sony Group Corporation Information processing device, information processing method, and program
CN110703754B (zh) * 2019-10-17 2021-07-09 南京航空航天大学 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法
EP4089369A4 (en) * 2020-01-17 2023-02-01 Huawei Technologies Co., Ltd. PATH SELECTION METHOD AND PATH SELECTION DEVICE
US11427184B2 (en) * 2020-03-11 2022-08-30 Black Sesame Technologies Inc. Breadth first search-depth first search three dimensional rapid exploring random tree search with physical constraints
CN113447022B (zh) * 2020-03-24 2024-06-14 百德机械股份有限公司 工件检测的路径规划方法及其系统
CN111426330B (zh) * 2020-03-24 2022-03-15 江苏徐工工程机械研究院有限公司 路径生成方法和设备、无人化运输系统和存储介质
CN111536985B (zh) * 2020-04-02 2022-07-01 东软睿驰汽车技术（沈阳）有限公司 规划路线的评价方法、装置、电子设备及存储介质
DE112020007052T5 (de) * 2020-04-10 2023-04-13 Mitsubishi Electric Corporation Fahrweg-Erzeugungsvorrichtung
CN111591307B (zh) * 2020-04-15 2021-10-01 毫末智行科技有限公司 一种避障轨迹规划方法、系统及车辆
CN112356851B (zh) * 2020-04-22 2021-11-05 青岛慧拓智能机器有限公司 一种无人驾驶矿车骑坑规划方法
CN111750886B (zh) * 2020-05-12 2022-06-28 重庆兰德适普信息科技有限公司 局部路径规划方法及装置
CN111536987B (zh) * 2020-05-19 2023-03-28 安庆师范大学 一种用于大面积垃圾清扫的车辆路径规划方法
CN111750859B (zh) * 2020-05-29 2021-11-05 广州极飞科技股份有限公司 过渡路径规划方法及相关装置
CN111638717B (zh) * 2020-06-06 2023-11-07 浙江科钛机器人股份有限公司 一种分布式自主机器人交通协调机制的设计方法
CN111619588B (zh) * 2020-06-08 2022-02-01 三一汽车制造有限公司 行驶方向控制系统、方法和无人驾驶装置
CN111694356B (zh) * 2020-06-10 2023-06-27 上海高仙自动化科技发展有限公司 一种行驶控制方法、装置、电子设备及存储介质
CN111750887B (zh) * 2020-06-11 2023-11-21 上海交通大学 降低事故严重程度的无人驾驶车辆轨迹规划方法及系统
CN111737389B (zh) * 2020-06-12 2023-07-25 北京百度网讯科技有限公司 曲线优化方法、装置、设备和介质
CN111879307A (zh) * 2020-06-22 2020-11-03 国网河北省电力有限公司信息通信分公司 一种基于车身参数及工程建设信息的车辆路径规划方法
CN112000090B (zh) * 2020-07-03 2023-06-27 中国北方车辆研究所 一种用于非结构化道路的轨迹队列管理方法
CN111815160B (zh) * 2020-07-07 2022-05-24 清华大学 一种基于越野环境态势场模型的行车风险评估方法
CN111898804B (zh) * 2020-07-10 2021-11-23 东风商用车有限公司 局部规划的道路自适应采样方法
CN111857148B (zh) * 2020-07-28 2022-04-29 湖南大学 一种非结构化道路车辆路径规划方法
CN112269965B (zh) * 2020-08-10 2024-04-05 中国北方车辆研究所 一种非完整约束条件下的连续曲率路径优化方法
WO2022056770A1 (zh) * 2020-09-17 2022-03-24 华为技术有限公司 一种路径规划方法和路径规划装置
CN112085960A (zh) * 2020-09-21 2020-12-15 北京百度网讯科技有限公司 车路协同信息处理方法、装置、设备及自动驾驶车辆
CN112158198B (zh) * 2020-09-30 2021-09-03 重庆长安汽车股份有限公司 L3级自动驾驶的横向感知安全驾驶控制方法、系统及车辆
CN114312822A (zh) * 2020-09-30 2022-04-12 奥迪股份公司 自动驾驶控制方法、自动驾驶控制系统、介质及车辆
CN114370874B (zh) * 2020-10-15 2023-08-25 宇通客车股份有限公司 一种车辆、车辆路径规划方法及装置
CN112526988B (zh) * 2020-10-30 2022-04-22 西安交通大学 一种自主移动机器人及其路径导航和路径规划方法、系统
CN112577506B (zh) * 2020-10-30 2023-04-07 上汽大众汽车有限公司 一种自动驾驶局部路径规划方法和系统
CN114435389B (zh) * 2020-11-02 2024-01-30 上海汽车集团股份有限公司 一种车辆控制方法、装置及车辆
WO2022116935A1 (zh) * 2020-12-03 2022-06-09 广州极飞科技股份有限公司 路径范围确定方法及装置、路径规划方法及装置
CN112519782A (zh) * 2020-12-08 2021-03-19 英博超算(南京)科技有限公司 车辆自动变道方法、装置、车辆以及计算机可读存储介质
CN112612267B (zh) * 2020-12-08 2022-12-06 苏州挚途科技有限公司 自动驾驶的路径规划方法和装置
CN112578796B (zh) * 2020-12-17 2022-09-06 武汉中海庭数据技术有限公司 一种基于曲率约束的引导线生成方法及装置
FR3118669A1 (fr) * 2021-01-04 2022-07-08 Psa Automobiles Sa Procédé et dispositif de détermination d’une trajectoire d’un véhicule autonome
CN112783211A (zh) * 2021-01-06 2021-05-11 中国人民解放军陆军装甲兵学院 一种基于剖分理论的无人机与地面装甲编队协同控制方法
CN112945254B (zh) * 2021-01-21 2022-08-02 西北工业大学 一种基于快速拓展随机树的无人车曲率连续路径规划方法
CN114852099B (zh) * 2021-02-03 2024-08-02 宇通客车股份有限公司 机动车换道行为的预测方法
CN112964267B (zh) * 2021-02-07 2022-12-27 舜宇光学（浙江）研究院有限公司 自主避障导航方法及其系统和设备
CN112880700B (zh) * 2021-02-26 2024-04-16 北京智行者科技股份有限公司 原地转向车辆的局部路径规划方法及装置
CN112964271B (zh) * 2021-03-15 2023-03-31 西安交通大学 一种面向多场景的自动驾驶规划方法及系统
JP7306419B2 (ja) * 2021-03-26 2023-07-11 いすゞ自動車株式会社 運転制御装置
CN112965500B (zh) * 2021-03-27 2022-07-05 同济大学 一种过必经点集且有额外硬约束的路径规划方法及设备
CN112985445B (zh) * 2021-04-20 2021-08-13 速度时空信息科技股份有限公司 基于高精地图的车道级精度实时性运动规划方法
CN113256013B (zh) * 2021-06-02 2022-09-13 北京理工大学 一种在环境约束下的车辆路径智能搜索方法
CN113085850B (zh) * 2021-06-08 2021-09-21 新石器慧通（北京）科技有限公司 车辆避障方法、装置、电子设备及存储介质
CN113433937B (zh) * 2021-06-08 2023-05-16 杭州未名信科科技有限公司 基于启发式探索的分层导航避障系统、分层导航避障方法
CN113306573B (zh) * 2021-06-23 2022-08-16 湖南大学 一种自动驾驶车辆学习型路径跟踪预测控制方法
CN113255091B (zh) * 2021-06-29 2021-10-26 中移(上海)信息通信科技有限公司 路径拓扑关系的建立方法、装置及相关设备
CN113320543B (zh) * 2021-06-29 2024-03-22 东软睿驰汽车技术（沈阳）有限公司 行车方法、装置、车辆及存储介质
CN113295169B (zh) * 2021-07-01 2023-12-15 上海仙工智能科技有限公司 一种自动行驶装置的路径规划方法
CN113479105A (zh) * 2021-07-20 2021-10-08 钟求明 一种基于自动驾驶车辆的智能充电方法及智能充电站
CN113335311B (zh) * 2021-07-22 2022-09-23 中国第一汽车股份有限公司 一种车辆碰撞检测方法、装置、车辆及存储介质
CN113548039B (zh) * 2021-07-29 2023-01-17 上海欧菲智能车联科技有限公司 自动泊车方法、自动泊车装置、车辆及存储介质
CN113997951B (zh) * 2021-08-17 2024-06-04 北京百度网讯科技有限公司 车辆的行驶轨迹的确定方法、装置及自动驾驶车辆
CN113741463B (zh) * 2021-09-07 2023-11-10 北京理工大学 一种无人地面机动平台的定点定向停车控制方法及系统
CN113819917A (zh) * 2021-09-16 2021-12-21 广西综合交通大数据研究院 自动驾驶路径规划方法、装置、设备及存储介质
US11920944B2 (en) * 2021-10-19 2024-03-05 Capital One Services, Llc Dynamically generating scenery for a virtual reality driving session based on route information
CN113830079B (zh) * 2021-10-19 2023-09-01 同济大学 任意起始位姿的连续曲率泊车路径在线规划方法及系统
CN113985872A (zh) * 2021-10-25 2022-01-28 广东嘉腾机器人自动化有限公司 基于视觉检测的agv取货路径规划方法、装置及介质
CN113885525A (zh) * 2021-10-30 2022-01-04 重庆长安汽车股份有限公司 一种自动驾驶车辆脱困的路径规划方法、系统、车辆及存储介质
CN114220282B (zh) * 2021-11-15 2022-12-02 三一专用汽车有限责任公司 车辆调度控制方法、装置及电子设备
CN114194210A (zh) * 2021-11-19 2022-03-18 岚图汽车科技有限公司 一种高速公路领航系统、控制方法及其设备
CN114162140B (zh) * 2021-12-08 2023-08-01 武汉中海庭数据技术有限公司 一种最优车道匹配方法及系统
CN114379584B (zh) * 2021-12-17 2023-12-22 阿波罗智联(北京)科技有限公司 车辆控制方法、装置、车辆、设备和存储介质
CN114228748B (zh) * 2022-02-10 2024-06-25 重庆大学 一种基于几何路径生成的类人化自动驾驶轨迹规划方法
CN114527758A (zh) * 2022-02-24 2022-05-24 北京百度网讯科技有限公司 路径规划方法及装置、设备、介质和产品
CN114594778B (zh) * 2022-03-17 2024-08-02 华侨大学 一种基于二分法和路径融合的全局避障路径规划方法
CN114859917B (zh) * 2022-05-10 2024-09-20 嘉兴学院 非结构化道路自动驾驶路径规划方法、系统及车辆
CN115047880A (zh) * 2022-06-17 2022-09-13 湖北亦煌科技有限公司 一种未知动态环境下机器人智能路径规划方法
CN115311883A (zh) * 2022-08-09 2022-11-08 杭州中威电子股份有限公司 一种基于机器学习的智慧停车系统及其方法
CN115683140B (zh) * 2022-10-10 2024-10-11 重庆长安汽车股份有限公司 代客泊车循迹的过弯车速规划方法、系统、设备及介质
CN115588185B (zh) * 2022-11-15 2023-03-14 广汽埃安新能源汽车股份有限公司 行驶路线生成方法、装置、电子设备和计算机可读介质
KR20240087146A (ko) * 2022-12-12 2024-06-19 주식회사 카카오모빌리티 경로 안내와 연동된 자율주행 소프트웨어의 검색과 학습에 의한 자율주행 제어 방법 및 장치
CN115657685B (zh) * 2022-12-12 2023-05-12 中国南方电网有限责任公司超高压输电公司广州局 水上避障方法、装置、计算机设备和存储介质
CN115639827B (zh) * 2022-12-22 2023-03-21 华北科技学院(中国煤矿安全技术培训中心) 一种结构化环境下机器人路径规划方法和系统
CN116124162B (zh) * 2022-12-28 2024-03-26 北京理工大学 一种基于高精地图的园区小车导航方法
CN118665458A (zh) * 2023-03-14 2024-09-20 中兴通讯股份有限公司 泊车的路径规划方法、电子设备及存储介质
CN116414139B (zh) * 2023-06-07 2023-08-11 成都理工大学 基于A-Star算法的移动机器人复杂路径规划方法
CN117193333B (zh) * 2023-10-27 2024-06-21 高捷体育股份有限公司 一种地坪除尘机器人路径规划方法、清洁系统和处理器
CN117382656B (zh) * 2023-12-11 2024-02-06 天津所托瑞安汽车科技有限公司 节油驾驶引导方法、装置、终端及存储介质
CN117705123B (zh) * 2024-02-01 2024-04-09 戴盟(深圳)机器人科技有限公司 一种轨迹规划方法、装置、设备及存储介质
CN118034300B (zh) * 2024-03-04 2024-08-16 上海声通信息科技股份有限公司 一种无人驾驶车辆的驾驶路线决策方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591332A (zh) * 2011-01-13 2012-07-18 同济大学 用于无人驾驶汽车局部路径规划的装置及方法
KR20150084143A (ko) * 2014-01-13 2015-07-22 한양대학교 산학협력단 다양한 주행 환경 기반의 차량 자율 주행 장치 및 그 경로 계획 방법
CN106598055A (zh) * 2017-01-19 2017-04-26 北京智行者科技有限公司 一种智能车局部路径规划方法及其装置、车辆

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9734455B2 (en) * 2015-11-04 2017-08-15 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
US10223380B2 (en) * 2016-03-23 2019-03-05 Here Global B.V. Map updates from a connected vehicle fleet
US9857795B2 (en) * 2016-03-24 2018-01-02 Honda Motor Co., Ltd. System and method for trajectory planning for unexpected pedestrians
CN108603763B (zh) * 2016-03-30 2022-06-24 三菱电机株式会社 行驶计划生成装置、行驶计划生成方法和计算机能读取的记录介质
CN107702716B (zh) * 2017-08-31 2021-04-13 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、系统和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591332A (zh) * 2011-01-13 2012-07-18 同济大学 用于无人驾驶汽车局部路径规划的装置及方法
KR20150084143A (ko) * 2014-01-13 2015-07-22 한양대학교 산학협력단 다양한 주행 환경 기반의 차량 자율 주행 장치 및 그 경로 계획 방법
CN106598055A (zh) * 2017-01-19 2017-04-26 北京智行者科技有限公司 一种智能车局部路径规划方法及其装置、车辆

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《一种无人驾驶汽车局部路径规划及轨迹生成方法》;张雪飞 等;《2007中国汽车工程学会年会论文集》;20070830;第1225-1228页 *
《不规则障碍物环境下移动机器人路径规划研究》;周良;《国优秀硕士学位论文全文数据库（信息科技辑）》;20130615(第06期);第42-57页 *
《于多曲率拟合模型的无人车路径规划研究》;方彦军 等;《自动化与仪表》;20120315(第3期);第1-5页 *
《简单城市环境下地面无人驾驶系统的设计研究》;姜岩 等;《机械工程学报》;20121020;第48卷(第20期);第103-112页 *

Also Published As

Publication number Publication date
CN107702716A (zh) 2018-02-16
WO2019042295A1 (zh) 2019-03-07
US20200149906A1 (en) 2020-05-14
US11460311B2 (en) 2022-10-04

Similar Documents

Publication Publication Date Title
CN107702716B (zh) 一种无人驾驶路径规划方法、系统和装置
CN114234998B (zh) 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法
CN112068545B (zh) 一种无人驾驶车辆在十字路口的行驶轨迹规划方法、系统及存储介质
CN110361013B (zh) 一种用于车辆模型的路径规划系统及方法
CN110320933B (zh) 一种巡航任务下无人机避障运动规划方法
CN113204236B (zh) 一种智能体路径跟踪控制方法
US9821801B2 (en) System and method for controlling semi-autonomous vehicles
CN113359757A (zh) 一种改进型混合a*算法的无人驾驶车辆路径规划与轨迹跟踪方法
CN113895463B (zh) 一种适用于自动驾驶车辆掉头的路径规划方法
CN111089594B (zh) 一种适用于多场景的自主泊车轨迹规划方法
Lan et al. Continuous curvature path planning for semi-autonomous vehicle maneuvers using RRT
Zheng et al. RRT based path planning for autonomous parking of vehicle
CN113721637B (zh) 智能车动态避障路径连续规划方法、系统及存储介质
CN112673234A (zh) 路径规划方法和路径规划装置
CN112639849A (zh) 路径选择方法和路径选择装置
CN109987092A (zh) 一种车辆避障换道时机的确定方法及避障换道的控制方法
CN112810630A (zh) 一种自动驾驶车辆轨迹规划方法及系统
CN113619603B (zh) 一种双阶段自动驾驶车辆调头轨迹规划方法
CN114237256B (zh) 一种适用于欠驱动机器人的三维路径规划与导航方法
CN114771563A (zh) 一种自动驾驶车辆轨迹规划控制实现方法
CN111896004A (zh) 一种狭窄通道车辆轨迹规划方法及系统
CN116185014A (zh) 一种基于动态规划的智能车全局最优轨迹规划方法与系统
CN116331264A (zh) 一种未知障碍物分布的避障路径鲁棒规划方法及系统
CN113291318B (zh) 基于部分可观测马尔科夫模型的无人车盲区转弯规划方法
CN115140096A (zh) 一种基于样条曲线与多项式曲线的自动驾驶轨迹规划方法

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
CB02 Change of applicant information

Address after: 510000 No.8 Songgang street, Cencun, Tianhe District, Guangzhou City, Guangdong Province

Applicant after: GUANGZHOU XPENG AUTOMOBILE TECHNOLOGY Co.,Ltd.

Address before: Room 333, Guangzhou, China

Applicant before: GUANGZHOU XPENG AUTOMOBILE TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180216

Assignee: Zhaoqing Xiaopeng New Energy Investment Co.,Ltd.

Assignor: GUANGZHOU XIAOPENG MOTORS TECHNOLOGY Co.,Ltd.

Contract record no.: X2021990000645

Denomination of invention: An unmanned path planning method, system and device

Granted publication date: 20210413

License type: Common License

Record date: 20211018

EE01 Entry into force of recordation of patent licensing contract