CN114689071A - 车辆的路径规划方法、装置及电子设备、存储介质 - Google Patents
车辆的路径规划方法、装置及电子设备、存储介质 Download PDFInfo
- Publication number
- CN114689071A CN114689071A CN202210286368.3A CN202210286368A CN114689071A CN 114689071 A CN114689071 A CN 114689071A CN 202210286368 A CN202210286368 A CN 202210286368A CN 114689071 A CN114689071 A CN 114689071A
- Authority
- CN
- China
- Prior art keywords
- path planning
- lane
- road
- level path
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000011218 segmentation Effects 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 120
- 238000000926 separation method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- 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
- G01C21/26—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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆的路径规划方法、装置及电子设备、存储介质，该方法包括：获取车辆的路径规划基础信息，具体包括预期轨迹的起止点信息和高精地图的路网信息；利用路径规划基础信息及道路级路径规划的代价函数进行道路级路径规划，得到道路级路径规划结果；按照预设分段策略对道路级路径规划结果进行分段，得到多个道路分段；基于各道路分段，利用车道级路径规划的代价函数进行车道级路径规划，得到各道路分段对应的车道级路径规划结果，并以此确定车辆的最终路径规划结果。本申请考虑了自动驾驶行为的代价，对道路级路径规划和车道级路径规划分别设置了代价函数，从而得到符合自动驾驶车辆的当前预期且全局最优的车道级行驶路径。
Description
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种车辆的路径规划方法、装置及电子设备、存储介质。
背景技术
在自动驾驶领域，高精地图凭借丰富的地图和路网信息成为自动驾驶组件中越来越重要的一环。但是丰富的地图和路网信息并不能直接满足自动驾驶的需求，相关人员大多会对高精地图所提供的信息进行二次加工，如基于高精地图所提供的路网信息进行路径规划。
然而，现有技术中对于车道级路径规划的考量并没有考虑此路径是否适合自动驾驶车辆行驶，或者只是基于简单的规则进行车道级路径规划，无法得到最优的路径规划结果。
发明内容
本申请实施例提供了一种车辆的路径规划方法、装置及电子设备、存储介质，以改善车道级路径规划的效果。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种车辆的路径规划方法，其中，所述方法包括：
获取车辆的路径规划基础信息，所述路径规划基础信息包括预期轨迹的起止点信息和高精地图的路网信息；
利用所述车辆的路径规划基础信息以及道路级路径规划的代价函数，对所述车辆进行道路级路径规划，得到道路级路径规划结果；
按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段；
基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果；
根据各个道路分段对应的车道级路径规划结果确定所述车辆的最终路径规划结果。
可选地，所述获取车辆的路径规划基础信息包括：
获取车辆的预期轨迹的起止点信息；
根据所述预期轨迹的起止点信息，获取对应的高精地图的路网信息。
可选地，所述道路级路径规划的代价函数通过如下方式构建得到：
确定所述道路级路径规划的代价函数对应的第一代价参数，所述第一代价参数包括路径距离、道路级速度以及行驶方向中的至少一种；
为各个所述第一代价参数分配对应的权重；
根据所述第一代价参数以及各个所述第一代价参数对应的权重，构建所述道路级路径规划的代价函数。
可选地，所述道路级路径规划结果中包括多个目标道路，所述按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段包括：
根据多个目标道路之间的预设分隔区域，将多个目标道路划分为多个道路分段。
可选地，所述车道级路径规划的代价函数通过如下方式构建得到：
确定所述车道级路径规划的代价函数对应的第二代价参数，所述第二代价参数包括换道难度、换道可行性以及车道级速度中的至少一种；
为各个所述第二代价参数分配对应的权重；
根据所述第二代价参数以及各个所述第二代价参数对应的权重，构建所述车道级路径规划的代价函数。
可选地，所述基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果包括：
利用车道级路径规划的代价函数确定目标道路分段对应的多个车道的代价函数值，所述目标道路分段为多个道路分段中的任意一个；
根据所述目标道路分段对应的多个车道的代价函数值，确定所述目标道路分段对应的车道级路径规划结果。
可选地，所述道路分段包括当前道路分段和下一道路分段，所述当前道路分段对应的车道级路径规划结果包括多个目标车道，所述基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果包括：
利用所述车道级路径规划的代价函数，确定从所述当前道路分段对应的各个目标车道进入所述下一道路分段对应的各个车道的代价函数值；
根据所述当前道路分段对应的各个目标车道进入所述下一道路分段对应的各个车道的代价函数值，确定所述当前道路分段对应的最终车道级路径规划结果。
第二方面，本申请实施例还提供一种车辆的路径规划装置，其中，所述装置包括：
获取单元，用于获取车辆的路径规划基础信息，所述路径规划基础信息包括预期轨迹的起止点信息和高精地图的路网信息；
道路级路径规划单元，用于利用所述车辆的路径规划基础信息以及道路级路径规划的代价函数，对所述车辆进行道路级路径规划，得到道路级路径规划结果；
分段单元，用于按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段；
车道级路径规划单元，用于基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果；
确定单元，用于根据各个道路分段对应的车道级路径规划结果确定所述车辆的最终路径规划结果。
第三方面，本申请实施例还提供一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
第四方面，本申请实施例还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一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的车辆的路径规划方法，先获取车辆的路径规划基础信息，路径规划基础信息包括预期轨迹的起止点信息和高精地图的路网信息；然后利用车辆的路径规划基础信息以及道路级路径规划的代价函数，对车辆进行道路级路径规划，得到道路级路径规划结果；之后按照预设分段策略，对道路级路径规划结果进行分段，得到多个道路分段；再基于各个道路分段，利用车道级路径规划的代价函数对车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果；最后根据各个道路分段对应的车道级路径规划结果确定车辆的最终路径规划结果。本申请实施例的车辆的路径规划方法考虑了自动驾驶行为的代价，针对道路级路径规划和车道级路径规划分别设置了对应的代价函数，从而可以得到符合自动驾驶车辆的当前预期且全局最优的车道级行驶路径，改善了自动驾驶车辆的车道级路径规划效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种车辆的路径规划方法的流程示意图；
图2为本申请实施例一种车辆的路径规划装置的结构示意图；
图3为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种车辆的路径规划方法，如图1所示，提供了本申请实施例中一种车辆的路径规划方法的流程示意图，所述方法至少包括如下的步骤S110至步骤S150：
步骤S110，获取车辆的路径规划基础信息，所述路径规划基础信息包括预期轨迹的起止点信息和高精地图的路网信息。
本申请实施例在对自动驾驶车辆进行路径规划时，需要先获取车辆的路径规划基础信息，具体可以包括车辆所要预期行驶的起止点位置信息，作为路径规划的基准，还可以包括高精地图提供的路网信息，这里的路网信息具体可以包括道路的结构、道路之间的连通关系以及每个道路上的车道信息等。
步骤S120，利用所述车辆的路径规划基础信息以及道路级路径规划的代价函数，对所述车辆进行道路级路径规划，得到道路级路径规划结果。
道路级路径规划的代价函数可以根据自动驾驶车辆在道路级别的行驶预期事先定义好，具体可以根据实际场景灵活设置，在此不作具体限定。
通过上述道路级路径规划的代价函数结合车辆的路径规划基础信息，可以利用预设道路级路径规划算法求解得到全局最优的道路级路径规划结果，该道路级路径规划结果表征了道路级路径规划的代价函数值的最小值，结果应该是唯一的，且包含道路级的行驶信息，如从道路A直行进入道路B，从道路B右转进入道路C等。
上述预设道路级路径规划算法例如可以采用A*算法来实现，A*算法是一种常用的路径查找和图形遍历算法，具有较好的性能和准确度。当然，本领域技术人员也可以根据实际需求灵活选择其他道路级路径规划算法，如D*算法或者LPA*(Life Planning A*)算法等，在此不作具体限定。
步骤S130，按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段。
在得到道路级路径规划结果后，本申请实施例还需要按照一定的分段策略对全局最优的道路级路径规划结果进行分段处理，得到多个道路分段。分段策略的设置，一方面要便于实现每个分段的路径规划结果都是最优，另一方面又要保证路径规划的整体效率，当然，本领域技术人员可以根据实际需求灵活设置具体的分段策略，在此不作具体限定。
步骤S140，基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果。
车道级路径规划的代价函数同样可以根据自动驾驶车辆在车道级别的行驶预期事先定义好，具体也可以根据实际场景灵活设置。
由于每个道路分段往往包含多个车道，因此需要在道路级路径规划结果的基础上，进一步进行车道级的路径规划，从而确定车辆预期行驶的最佳车道。具体地，针对每个道路分段，利用上述定义好的车道级路径规划的代价函数求解得到每个道路分段的最优的车道级路径规划结果，该车道级路径规划结果表征了该道路分段对应的所有车道级路径规划的代价函数值中的最小值。
步骤S150，根据各个道路分段对应的车道级路径规划结果确定所述车辆的最终路径规划结果。
通过上述步骤，可以分别确定出每个道路分段对应的最佳行驶车道，最后将每个道路分段的最佳行驶车道依次拼接到一起即可得到车辆最终的车道级路径规划结果，该车道级路径规划结果例如可以表示为：从道路A的a3车道直行进入道路B的b3车道，从道路B的b3车道换道至b1车道，从道路B的b1车道右转进入道路C的c1车道等。
需要说明的是，本申请实施例的车辆的路径规划方法可以用于任何说明路网连接关系的路网模型下，道路级规划时只需要道路级的连接关系，车道级规划时只需要车道边界的信息，不需要有向的边界信息，因此通用性和适用性会更广。
本申请实施例的车辆的路径规划方法考虑了自动驾驶行为的代价，针对道路级路径规划和车道级路径规划分别设置了对应的代价函数，从而可以得到符合自动驾驶车辆的当前预期且全局最优的车道级行驶路径，改善了自动驾驶车辆的车道级路径规划效果。
在本申请的一个实施例中，所述获取车辆的路径规划基础信息包括：获取车辆的预期轨迹的起止点信息；根据所述预期轨迹的起止点信息，获取对应的高精地图的路网信息。
本申请实施例在获取车辆的路径规划基础信息时，可以先获取车辆的预期轨迹的起止点信息，也即车辆的出发位置和到达位置，根据该预期轨迹的起止点信息可以大致确定出车辆行驶路径可能经过的区域，基于此可以进一步获取该区域对应的局部高精地图所提供的路网信息。当然，需要说明的是，为了保证路径规划的效果，路网信息所覆盖的区域可以适当大于预期轨迹的起止点信息所覆盖的区域。
例如，以车辆预期的起止点位置坐标为基准，在高精地图中确定出一个圆形区域，该圆形区域应该至少经过或者覆盖车辆的起止点位置坐标。
在本申请的一个实施例中，所述道路级路径规划的代价函数通过如下方式构建得到：确定所述道路级路径规划的代价函数对应的第一代价参数，所述第一代价参数包括路径距离、道路级速度以及行驶方向中的至少一种；为各个所述第一代价参数分配对应的权重；根据所述第一代价参数以及各个所述第一代价参数对应的权重，构建所述道路级路径规划的代价函数。
本申请实施例的道路级路径规划的代价函数可以基于自动驾驶车辆在道路级别的行驶预期来构建。具体地，在进行道路级的全局规划时，需要考虑的因素一般包括路径距离、道路级速度以及行驶方向等。当然，本领域技术人员也可以根据实际需求灵活设置其他维度的第一代价参数，在此不一一列举。
路径距离可以理解为是从预期的起始位置出发按照规划好的每一个道路行驶后所经过的总长度，对于道路级别的行驶预期来说，路径距离越短越好。道路级速度可以理解为是按照规划好的每一个道路行驶所能达到的平均速度，对于道路级别的行驶预期来说，道路级速度越大越好。行驶方向可以包括直行、右转、左转以及调头等几种情况，对于道路级别的行驶预期来说，几种情况的优先级顺序为：直行＞右转＞左转＞调头，优先级越高，表明车辆执行此种行驶策略的难度越低，因此所需付出的代价就越小。当然需要说明的是，上述优先级顺序可以根据实际场景灵活调整。
基于上述几个维度的第一代价参数，本申请实施例的道路级路径规划的代价函数Gloabl Road Cost具体可以表示为：
Gloabl Road Cost＝w1*distance+w2*go stright+w3*go left+w4*go right+w5*u turn+w5*road speed ，(1)
其中，distance表示路径距离，go stright表示直行，go left表示左转，go right表示右转，u turn表示调头，road speed表示道路级速度，w1-w5为各个第一代价参数分别对应的权重。
上述道路级路径规划的代价函数考虑了道路级别的自动驾驶行为的代价，具体路线和道路通过难度都可以通过调整对应的权重来实现。
在本申请的一个实施例中，所述道路级路径规划结果中包括多个目标道路，所述按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段包括：根据多个目标道路之间的预设分隔区域，将多个目标道路划分为多个道路分段。
本申请实施例采用的一种分段策略可以是基于预设分隔区域来对道路级路径规划结果中所包含的多个目标道路进行分段或者分组处理，得到多个道路分段[1,N]。预设分隔区域可以定义为路口区域，路口区域能够以几何分隔的方式将道路分隔为多个道路分段，例如，如果道路A中存在一个路口，那么道路A将被划分为两个道路分段，如果道路A中存在两个路口，那么将被划分为三个道路分段，以此类推。
由于在高精地图中对于道路的划分会更加细致，因此上述以路口方式划分得到的每一个道路分段中可能会包括多个高精地图中定义的小路段，因此本申请实施例中的一个道路分段也可以看作是一个道路组合。
在本申请的一个实施例中，所述车道级路径规划的代价函数通过如下方式构建得到：确定所述车道级路径规划的代价函数对应的第二代价参数，所述第二代价参数包括换道难度、换道可行性以及车道级速度中的至少一种；为各个所述第二代价参数分配对应的权重；根据所述第二代价参数以及各个所述第二代价参数对应的权重，构建所述车道级路径规划的代价函数。
本申请实施例的车道级路径规划的代价函数可以基于自动驾驶车辆在车道级别的行驶预期来构建。具体地，在进行车道级路径规划时，需要考虑的因素主要包括换道难度、换道可行性以及车道级速度等。当然，本领域技术人员也可以根据实际需求灵活设置其他维度的第二代价参数，在此不一一列举。
换道难度可以理解为从当前车道切换到另一个车道的难度，具体可以根据换道前所经过的路径长度来衡量，如果从当前车道切换到另一个车道时所经过的路径长度较短，说明这较短的距离内不容易实现换道，因此换道难度较大，反之则换道难度较小，对于车道级别的行驶预期来说，换道难度越小，代价越小。
换道可行性可以理解为是否允许从当前车道切换到另一个车道，例如，实线车道线一侧禁止车辆越线，虚线一侧准许车辆越线超车，因此可以根据车辆两侧的车道线的虚实情况来确定换道可行性，允许换道相比于不允许换道的代价更小。
车道级速度可以理解为是每个车道所能达到的最大行驶速度，对于车道级别的行驶预期来说，车道级速度越大，代价越小。
基于上述几个维度的第二代价参数，本申请实施例的道路级路径规划的代价函数Gloabl lane Cost具体可以表示为：
Gloabl lane Cost＝g1*change lane difficulty+g2*can change lane+g3*lane speed limit， (2)
其中，change lane difficulty表示换道难度，can change lane表示换道可行性，lane speed limit表示车道级速度，g1-g3为各个第二代价参数分别对应的权重。
上述车道级路径规划的代价函数考虑了车道级别的自动驾驶行为的代价，具体路线和车道通过难度都可以通过调整对应的权重来实现，从而可以规避通行效率低、换道紧急、复杂场景如转弯场景过多等问题。
在本申请的一个实施例中，所述基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果包括：利用车道级路径规划的代价函数确定目标道路分段对应的多个车道的代价函数值，所述目标道路分段为多个道路分段中的任意一个；根据所述目标道路分段对应的多个车道的代价函数值，确定所述目标道路分段对应的车道级路径规划结果。
如前所述，一个道路分段可能对应多个车道，车道级路径规划的最终目的是在每个道路分段中确定出最优的行驶车道，因此对于任意一个目标道路分段来说，在进行车道级路径规划时，可以先利用上述车道级路径规划的代价函数计算出该目标道路分段中包含的各个车道的代价函数值，然后根据各个车道对应的代价函数值的大小选取最优的目标车道，作为目标道路分段对应的车道级路径规划结果。
举例说明，道路分段A包含车道a1、车道a2和车道a3，利用车道级路径规划的代价函数计算得到车道a1、车道a2和车道a3的代价函数值分别为5,8,10，那么可以将车道a1作为道路分段A的最优车道。
另外，还需要说明的是，本申请实施例的车道级路径规划的代价函数值的大小表征了从一个车道进入另一个车道所需要花费的代价，该代价函数值将被赋值给被进入的车道。例如，综合考虑换道难度、换道可行性以及车道级速度等各个维度的第二代价参数后，计算得到从车道a1进入车道b1需要付出的代价为5，那么对应的可以确定车道b1的代价函数值为5。
在本申请的一个实施例中，所述道路分段包括当前道路分段和下一道路分段，所述当前道路分段对应的车道级路径规划结果包括多个目标车道，所述基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果包括：利用所述车道级路径规划的代价函数，确定从所述当前道路分段对应的各个目标车道进入所述下一道路分段对应的各个车道的代价函数值；根据所述当前道路分段对应的各个目标车道进入所述下一道路分段对应的各个车道的代价函数值，确定所述当前道路分段对应的最终车道级路径规划结果。
实际应用时，一个道路分段中确定出的最优车道可能不是唯一的，例如，道路分段A包含车道a1、车道a2和车道a3，对应的代价函数值分别为5,5,8，可以看出，车道a1和车道a2的代价函数值相同，说明对于道路分段A来说，车道a1和车道a2都是目标车道，也即都可以看作是可行的最优车道。
对于上述情况，可以利用车道级路径规划的代价函数进一步确定从道路分段A对应的各个目标车道[a1,a2]进入到下一道路分段如道路分段B对应的各个车道[b1,b2,b3]的代价函数值。如下表1所示，给出了各个目标车道[a1,a2]进入到各个车道[b1,b2,b3]的代价函数值，可以看出，从道路分段A的车道a1进入道路分段B的车道b1的代价函数值是最小的，进而可以确定道路分段A的最优车道为a1，同时也确定出了道路分段B的最优车道为b1，也即，车道a1→车道b1对于道路分段A和道路分段B来说是最佳的车道级行驶路径。
表1
通过上述方式，对每一个道路分段都能够确定出该道路分段对应的最优的车道级路径规划结果。当然，还有一种极端情况是，在到达终点时都没有确定出唯一的车道级路径规划结果，说明当前得到的所有车道级路径规划结果均符合要求，因此选取任意一条符合要求的车道行驶都可以。
上述仅仅以两个车道的代价函数值相同的情况为例进行说明，实际应用时上述实施例可以适用于更多个车道的代价函数值相同的情况，在此不再赘述。
本申请的上述实施例在进行车道级路径规划时，通过将道路划分成多个道路分段，并基于多个道路分段的邻接关系从头向尾规划，能够在每个道路分段得到最优解，进而得到车道级路径规划的全局最优解。
另外，还需要说明的是，上述实施例主要是将当前道路分段对应的多个最优的目标车道作为下一道路分段的车道级路径规划的基础，但还有一种情况是，对于道路分段A来说，虽然车道a3的代价函数值相对较大，但其只能表明从上一道路分段的最优车道进入到车道a3的代价大小，不能代表从车道a3进入下一道路分段的情况。
考虑到上述情况，在进行具体规划时，可以不需要考虑对每个道路分段规划出的最优车道，而是从整体上进行规划，即利用车道级路径规划的代价函数计算出从起始点到终止点之间所有道路分段的各个车道可能的代价函数值，然后再根据所有可能的车道级行驶路径计算对应车道的代价函数值之和，最后选取代价函数值之和最小的车道所构成的车道级行驶路径作为最终的车道级路径规划结果。
举例说明，假设从起始点到终止点之间依次有三个道路分段[A,B,C]，道路分段A对应有车道[a1,a2,a3]，道路分段B对应有车道[b1,b2,b3]，道路分段C对应有车道[c1,c2,c3]，当车辆从道路分段A进入道路分段B时，可以计算得到9种车道组合的代价函数值{(a1,b1),(a2,b1),(a3,b1),……,(a3,b3)}，当车辆从道路分段B进入道路分段C时，同样可以计算得到9种车道组合的代价函数值{(b1,c1),(b2,c1),(b3,c1),……,(b3,c3)}，最后基于共同车道将这两组车道组合的代价函数值分别相加，如(a1,b1)+(b1,c1)，(a1,b1)+(b1,c2)，(a2,b2)+(b2,c1)……，最后，根据代价函数值相加后的最小值选取最优的车道级行驶路径。
此种方案虽然能够保证车道级路径规划的代价函数值的整体最优，但相对于前述针对每个道路分段求解最优的车道级路径规划结果的方式来说，当道路分段较多时，这种对车道级路径进行整体规划的方案需要耗费的时间成本更高，且规划效率较低。另外，对于自动驾驶车辆来说，当其中某个或某些道路分段的车道级规划结果的代价函数值相比该道路分段其他车道的代价函数值更高时，需要面临进入行驶代价相对更高的车道进行行驶的风险，因此自动驾驶过程的稳定性和安全性相对较差。当然，具体采用哪种方式进行车道级路径规划，本领域技术人员可以根据实际需求灵活选择。
本申请实施例还提供了一种车辆的路径规划装置200，如图2所示，提供了本申请实施例一种车辆的路径规划装置的结构示意图，所述装置200包括：获取单元210、道路级路径规划单元220、分段单元230、车道级路径规划单元240以及确定单元250，其中：
获取单元210，用于获取车辆的路径规划基础信息，所述路径规划基础信息包括预期轨迹的起止点信息和高精地图的路网信息；
道路级路径规划单元220，用于利用所述车辆的路径规划基础信息以及道路级路径规划的代价函数，对所述车辆进行道路级路径规划，得到道路级路径规划结果；
分段单元230，用于按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段；
车道级路径规划单元240，用于基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果；
确定单元250，用于根据各个道路分段对应的车道级路径规划结果确定所述车辆的最终路径规划结果。
在本申请的一个实施例中，所述获取单元210具体用于：获取车辆的预期轨迹的起止点信息；根据所述预期轨迹的起止点信息，获取对应的高精地图的路网信息。
在本申请的一个实施例中，所述道路级路径规划的代价函数通过如下方式构建得到：确定所述道路级路径规划的代价函数对应的第一代价参数，所述第一代价参数包括路径距离、道路级速度以及行驶方向中的至少一种；为各个所述第一代价参数分配对应的权重；根据所述第一代价参数以及各个所述第一代价参数对应的权重，构建所述道路级路径规划的代价函数。
在本申请的一个实施例中，所述道路级路径规划结果中包括多个目标道路，所述分段单元230具体用于：根据多个目标道路之间的预设分隔区域，将多个目标道路划分为多个道路分段。
在本申请的一个实施例中，所述车道级路径规划的代价函数通过如下方式构建得到：确定所述车道级路径规划的代价函数对应的第二代价参数，所述第二代价参数包括换道难度、换道可行性以及车道级速度中的至少一种；为各个所述第二代价参数分配对应的权重；根据所述第二代价参数以及各个所述第二代价参数对应的权重，构建所述车道级路径规划的代价函数。
在本申请的一个实施例中，所述车道级路径规划单元240具体用于：利用车道级路径规划的代价函数确定目标道路分段对应的多个车道的代价函数值，所述目标道路分段为多个道路分段中的任意一个；根据所述目标道路分段对应的多个车道的代价函数值，确定所述目标道路分段对应的车道级路径规划结果。
在本申请的一个实施例中，所述道路分段包括当前道路分段和下一道路分段，所述当前道路分段对应的车道级路径规划结果包括多个目标车道，所述车道级路径规划单元240具体用于：利用所述车道级路径规划的代价函数，确定从所述当前道路分段对应的各个目标车道进入所述下一道路分段对应的各个车道的代价函数值；根据所述当前道路分段对应的各个目标车道进入所述下一道路分段对应的各个车道的代价函数值，确定所述当前道路分段对应的最终车道级路径规划结果。
能够理解，上述车辆的路径规划装置，能够实现前述实施例中提供的车辆的路径规划方法的各个步骤，关于车辆的路径规划方法的相关阐释均适用于车辆的路径规划装置，此处不再赘述。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成车辆的路径规划装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取车辆的路径规划基础信息，所述路径规划基础信息包括预期轨迹的起止点信息和高精地图的路网信息；
利用所述车辆的路径规划基础信息以及道路级路径规划的代价函数，对所述车辆进行道路级路径规划，得到道路级路径规划结果；
按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段；
基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果；
根据各个道路分段对应的车道级路径规划结果确定所述车辆的最终路径规划结果。
上述如本申请图1所示实施例揭示的车辆的路径规划装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中车辆的路径规划装置执行的方法，并实现车辆的路径规划装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中车辆的路径规划装置执行的方法，并具体用于执行：
获取车辆的路径规划基础信息，所述路径规划基础信息包括预期轨迹的起止点信息和高精地图的路网信息；
利用所述车辆的路径规划基础信息以及道路级路径规划的代价函数，对所述车辆进行道路级路径规划，得到道路级路径规划结果；
按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段；
基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果；
根据各个道路分段对应的车道级路径规划结果确定所述车辆的最终路径规划结果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种车辆的路径规划方法，其中，所述方法包括：
获取车辆的路径规划基础信息，所述路径规划基础信息包括预期轨迹的起止点信息和高精地图的路网信息；
利用所述车辆的路径规划基础信息以及道路级路径规划的代价函数，对所述车辆进行道路级路径规划，得到道路级路径规划结果；
按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段；
基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果；
根据各个道路分段对应的车道级路径规划结果确定所述车辆的最终路径规划结果。
2.如权利要求1所述方法，其中，所述获取车辆的路径规划基础信息包括：
获取车辆的预期轨迹的起止点信息；
根据所述预期轨迹的起止点信息，获取对应的高精地图的路网信息。
3.如权利要求1所述方法，其中，所述道路级路径规划的代价函数通过如下方式构建得到：
确定所述道路级路径规划的代价函数对应的第一代价参数，所述第一代价参数包括路径距离、道路级速度以及行驶方向中的至少一种；
为各个所述第一代价参数分配对应的权重；
根据所述第一代价参数以及各个所述第一代价参数对应的权重，构建所述道路级路径规划的代价函数。
4.如权利要求1所述方法，其中，所述道路级路径规划结果中包括多个目标道路，所述按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段包括：
根据多个目标道路之间的预设分隔区域，将多个目标道路划分为多个道路分段。
5.如权利要求1所述方法，其中，所述车道级路径规划的代价函数通过如下方式构建得到：
确定所述车道级路径规划的代价函数对应的第二代价参数，所述第二代价参数包括换道难度、换道可行性以及车道级速度中的至少一种；
为各个所述第二代价参数分配对应的权重；
根据所述第二代价参数以及各个所述第二代价参数对应的权重，构建所述车道级路径规划的代价函数。
6.如权利要求1所述方法，其中，所述基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果包括：
利用车道级路径规划的代价函数确定目标道路分段对应的多个车道的代价函数值，所述目标道路分段为多个道路分段中的任意一个；
根据所述目标道路分段对应的多个车道的代价函数值，确定所述目标道路分段对应的车道级路径规划结果。
7.如权利要求1所述方法，其中，所述道路分段包括当前道路分段和下一道路分段，所述当前道路分段对应的车道级路径规划结果包括多个目标车道，所述基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果包括：
利用所述车道级路径规划的代价函数，确定从所述当前道路分段对应的各个目标车道进入所述下一道路分段对应的各个车道的代价函数值；
根据所述当前道路分段对应的各个目标车道进入所述下一道路分段对应的各个车道的代价函数值，确定所述当前道路分段对应的最终车道级路径规划结果。
8.一种车辆的路径规划装置，其中，所述装置包括：
获取单元，用于获取车辆的路径规划基础信息，所述路径规划基础信息包括预期轨迹的起止点信息和高精地图的路网信息；
道路级路径规划单元，用于利用所述车辆的路径规划基础信息以及道路级路径规划的代价函数，对所述车辆进行道路级路径规划，得到道路级路径规划结果；
分段单元，用于按照预设分段策略，对所述道路级路径规划结果进行分段，得到多个道路分段；
车道级路径规划单元，用于基于各个道路分段，利用车道级路径规划的代价函数对所述车辆进行车道级路径规划，得到各个道路分段对应的车道级路径规划结果；
确定单元，用于根据各个道路分段对应的车道级路径规划结果确定所述车辆的最终路径规划结果。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210286368.3A CN114689071A (zh) | 2022-03-22 | 2022-03-22 | 车辆的路径规划方法、装置及电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210286368.3A CN114689071A (zh) | 2022-03-22 | 2022-03-22 | 车辆的路径规划方法、装置及电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114689071A true CN114689071A (zh) | 2022-07-01 |
Family
ID=82139019
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210286368.3A Pending CN114689071A (zh) | 2022-03-22 | 2022-03-22 | 车辆的路径规划方法、装置及电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114689071A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115493610A (zh) * | 2022-09-30 | 2022-12-20 | 重庆长安汽车股份有限公司 | 一种车道级导航方法及装置、电子设备、存储介质 |
| CN115752501A (zh) * | 2022-12-01 | 2023-03-07 | 广州小鹏自动驾驶科技有限公司 | 导航路径推荐方法、装置、设备及存储介质 |
| CN116758769A (zh) * | 2023-06-26 | 2023-09-15 | 南京顺斯谷德科技有限公司 | 一种基于物联网的智慧交通管理方法及系统 |
| CN118424299A (zh) * | 2024-07-05 | 2024-08-02 | 诺力智能装备股份有限公司 | 一种基于人工示教路径的agv路径规划方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及系统 |
| CN108151751A (zh) * | 2017-11-21 | 2018-06-12 | 武汉中海庭数据技术有限公司 | 一种基于高精度地图和传统地图结合的路径规划方法及装置 |
| CN111664864A (zh) * | 2020-05-31 | 2020-09-15 | 武汉中海庭数据技术有限公司 | 一种基于自动驾驶的动态规划方法及装置 |
| US20200290619A1 (en) * | 2019-03-14 | 2020-09-17 | GM Global Technology Operations LLC | Automated driving systems and control logic using maneuver criticality for vehicle routing and mode adaptation |
| CN111830957A (zh) * | 2019-04-19 | 2020-10-27 | 北京京东尚科信息技术有限公司 | 一种路径规划方法和装置 |
| CN112146671A (zh) * | 2020-08-31 | 2020-12-29 | 华为技术有限公司 | 路径规划方法、相关设备及计算机可读存储介质 |
-
2022
- 2022-03-22 CN CN202210286368.3A patent/CN114689071A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105675000A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭信息技术股份有限公司 | 一种基于高精度地图的车道级路径规划方法及系统 |
| CN108151751A (zh) * | 2017-11-21 | 2018-06-12 | 武汉中海庭数据技术有限公司 | 一种基于高精度地图和传统地图结合的路径规划方法及装置 |
| US20200290619A1 (en) * | 2019-03-14 | 2020-09-17 | GM Global Technology Operations LLC | Automated driving systems and control logic using maneuver criticality for vehicle routing and mode adaptation |
| CN111830957A (zh) * | 2019-04-19 | 2020-10-27 | 北京京东尚科信息技术有限公司 | 一种路径规划方法和装置 |
| CN111664864A (zh) * | 2020-05-31 | 2020-09-15 | 武汉中海庭数据技术有限公司 | 一种基于自动驾驶的动态规划方法及装置 |
| CN112146671A (zh) * | 2020-08-31 | 2020-12-29 | 华为技术有限公司 | 路径规划方法、相关设备及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| CHANYOUNG JUNG: "Lane Level Path Planning for Urban Autonomous Driving using Vector Map", LANE LEVEL PATH PLANNING FOR URBAN AUTONOMOUS DRIVING USING VECTOR MAP, 8 February 2021 (2021-02-08), pages 1 - 4 * |
| 柳超然: "基于车道级地图的智能车辆任务 规划及轨迹生成", 中国优秀硕士学位论文全文数据库, vol. 2019, 15 February 2019 (2019-02-15), pages 32 - 61 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115493610A (zh) * | 2022-09-30 | 2022-12-20 | 重庆长安汽车股份有限公司 | 一种车道级导航方法及装置、电子设备、存储介质 |
| CN115752501A (zh) * | 2022-12-01 | 2023-03-07 | 广州小鹏自动驾驶科技有限公司 | 导航路径推荐方法、装置、设备及存储介质 |
| CN115752501B (zh) * | 2022-12-01 | 2024-03-26 | 广州小鹏汽车科技有限公司 | 导航路径推荐方法、装置、设备及存储介质 |
| CN116758769A (zh) * | 2023-06-26 | 2023-09-15 | 南京顺斯谷德科技有限公司 | 一种基于物联网的智慧交通管理方法及系统 |
| CN118424299A (zh) * | 2024-07-05 | 2024-08-02 | 诺力智能装备股份有限公司 | 一种基于人工示教路径的agv路径规划方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114689071A (zh) | 车辆的路径规划方法、装置及电子设备、存储介质 | |
| US11182624B2 (en) | Method, system and memory for constructing transverse topological relationship of lanes in high-definition map | |
| CN111435570B (zh) | 一种公交线路匹配方法及装置 | |
| EP3702229A1 (en) | Method, device, and terminal apparatus for invoking automatic driving reference line | |
| CN104949679A (zh) | 导航信息确定方法及装置 | |
| CN111338360B (zh) | 一种规划车辆行驶状态的方法及装置 | |
| CN114724377B (zh) | 基于车路协同技术的无人驾驶车辆引导方法及系统 | |
| CN102042836B (zh) | 导航方法和导航装置 | |
| CN113968243A (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
| CN114754778B (zh) | 一种车辆定位方法以及装置、电子设备、存储介质 | |
| CN114877912A (zh) | 一种车辆导航信息生成方法、装置及设备 | |
| CN114485706A (zh) | 一种路线规划方法、装置、存储介质及电子设备 | |
| CN115257811A (zh) | 自动驾驶车辆的路径选择方法、装置及电子设备 | |
| CN114966632A (zh) | 激光雷达标定方法、装置及电子设备、存储介质 | |
| CN114964293A (zh) | 车辆的路径规划方法、装置及电子设备、存储介质 | |
| CN111291141B (zh) | 一种轨迹相似度确定方法及装置 | |
| CN113865590B (zh) | 一种基于厂区运单绑定固定路线的导航方法、装置及介质 | |
| CN113505446B (zh) | 交通仿真方法、装置、电子设备及计算机存储介质 | |
| CN114910083B (zh) | 定位方法以及定位装置、电子设备、存储介质 | |
| CN113778102B (zh) | Avp全局路径规划系统、方法、车辆及存储介质 | |
| CN116045999A (zh) | 异源数据匹配方法、装置、车辆及存储介质 | |
| CN114677836A (zh) | 基于最小团覆盖的交叉路口多车协同方法及系统 | |
| CN114152262B (zh) | 导流带的生成方法、装置及设备 | |
| CN117831330B (zh) | 一种车辆控制方法、装置、设备及介质 | |
| CN116976356B (zh) | 一种拓扑图重复节点语义推断方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |