WO2021142793A1 - 路径规划方法和路径规划装置 - Google Patents

路径规划方法和路径规划装置 Download PDF

Info

Publication number
WO2021142793A1
WO2021142793A1 PCT/CN2020/072834 CN2020072834W WO2021142793A1 WO 2021142793 A1 WO2021142793 A1 WO 2021142793A1 CN 2020072834 W CN2020072834 W CN 2020072834W WO 2021142793 A1 WO2021142793 A1 WO 2021142793A1
Authority
WO
WIPO (PCT)
Prior art keywords
path
coordinate system
target
function
frenet
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.)
Ceased
Application number
PCT/CN2020/072834
Other languages
English (en)
French (fr)
Inventor
刘亚林
曹昊天
宋晓琳
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to PCT/CN2020/072834 priority Critical patent/WO2021142793A1/zh
Priority to EP20914423.7A priority patent/EP4092386B1/en
Priority to CN202080004759.0A priority patent/CN112673234B/zh
Publication of WO2021142793A1 publication Critical patent/WO2021142793A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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 or using precalculated routes
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • 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
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • 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
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2556/20—Data confidence level

Definitions

  • This application relates to the field of intelligent driving, in particular to a path planning method and a path planning device.
  • the embodiment of the present application provides a path planning method for implementing obstacle avoidance path planning, which can improve the quality of the planned path.
  • the first aspect of the embodiments of the present application provides a path planning method, including: obtaining road information, the initial position and the destination position of the target object; determining the Cartesian coordinate system, the Frenet coordinate system, and the Cartesian coordinate according to the road information
  • the mapping relationship between the system and the Frenet coordinate system; the path quality index function based on the Frenet coordinate system is acquired based on the mapping relationship, and the path quality index function is a quadratic function; according to the path quality index based on the Frenet coordinate system Function, the initial position of the target object and the target position, using the quadratic optimal planning to determine the target path based on the Frenet coordinate system; according to the mapping relationship, the target path is converted to the Cartesian coordinates
  • the target path is used for path planning control of the target object.
  • the path planning method provided in the embodiment of the present application can be calculated under the road boundary constraint conditions determined by the road information when the target path is determined by the secondary planning solution method.
  • the method further includes: obtaining obstacle information; according to the path quality index function based on the Frenet coordinate system, the initial position of the target object, and the purpose Position, using the quadratic optimal planning to determine the target path based on the Frenet coordinate system includes: using a quadratic planning solution method to determine the target path based on the Frenet coordinate system under the obstacle constraint condition determined according to the obstacle information .
  • the path quality index function includes a function of path length, a function of curvature, a function of heading angle error, a function of curvature change rate, and a function of heading angle error change rate. A combination of one or more.
  • the path quality index function is a function of path length, a function of curvature, a function of heading angle error, a function of curvature change rate, or a function of heading angle error change rate.
  • the acquiring the path quality index function based on the Frenet coordinate system based on the mapping relationship includes: determining the path quality index function according to a preset weight.
  • weights can be set according to the importance of different quality indicators.
  • the Cartesian coordinate system includes: a vehicle body coordinate system, a station center coordinate system, or a world coordinate system.
  • the determining module is specifically configured to: determine the road boundary constraint condition according to the road information; under the constraint of the road boundary constraint condition, use a quadratic programming solution to determine the The target path of the Frenet coordinate system.
  • the determining module is specifically configured to: determine multiple control nodes on the target path by using a quadratic planning solution; determine in an interpolation manner according to the multiple control nodes Any path point on the target path except the multiple control nodes.
  • the Cartesian coordinate system includes: a vehicle body coordinate system, a station center coordinate system, or a world coordinate system.
  • the fourth aspect of the embodiments of the present application provides a computer program product containing instructions, which is characterized in that, when it runs on a computer, the computer is caused to execute any of the above-mentioned first aspect and various possible implementation manners. The method described in the item.
  • a sixth aspect of the embodiments of the present application provides a chip including a processor.
  • the processor is used to read and execute the computer program stored in the memory to execute the method in any possible implementation manner of any one of the foregoing aspects.
  • the chip should include a memory, and the memory and the processor are connected to the memory through a circuit or a wire.
  • the chip further includes a communication interface, and the processor is connected to the communication interface.
  • the communication interface is used to receive data and/or information that needs to be processed, and the processor obtains the data and/or information from the communication interface, processes the data and/or information, and outputs the processing result through the communication interface.
  • the communication interface can be an input and output interface.
  • Figure 2 is a schematic diagram describing the position of a vehicle on a road based on the Frenet coordinate system
  • FIG. 3 is a schematic diagram of a system architecture of a path planning method in an embodiment of the application
  • FIG. 6 is a schematic diagram of an embodiment of obstacle avoidance restriction in an embodiment of this application.
  • FIG. 8 is a schematic diagram of an embodiment of a path planning device in an embodiment of this application.
  • the unmanned vehicle is driving on a structured road.
  • the actual application scenario may include multiple lanes.
  • no matter which lane the unmanned vehicle is in it can only be driven according to traffic rules.
  • Select adjacent lanes to change lanes that is, unmanned vehicles can only change lanes to the left or to the right. Therefore, the driving of unmanned vehicles in multiple lanes can be simplified to a two-lane model.
  • Frenet coordinate system can describe some of the problems of the Cartesian coordinate system when describing the position of the vehicle on the road. Please refer to Figure 2, which is a schematic diagram of describing the position of the vehicle on the road based on the Frenet coordinate system.
  • the ordinate s is the length of the road centerline
  • the road centerline is also called the road reference line
  • s represents the longitudinal distance along the road centerline in Frenet coordinates, also called the distance
  • the abscissa d represents the distance from the road The normal displacement of the center line.
  • the Frenet coordinate system can easily describe the position of the vehicle on the road, it involves complicated derivation calculations when evaluating the quality of the path, and complicated first-order or second-order derivation calculations are involved when describing the path quality.
  • path quality indicators such as curvature and heading angle.
  • the comprehensive path quality indicators including length, curvature, and path heading errors are not high.
  • the path quality evaluation calculation in the Frenet coordinate system is very complicated.
  • Quadratic programming is a special type of optimization problem.
  • FIG. 3 is a schematic diagram of the system architecture of the path planning method in the embodiment of this application.
  • This application is aimed at the autonomous obstacle avoidance scenario of smart cars on the road.
  • the system takes the road centerline position and obstacle position information obtained after vehicle sensor fusion as input, takes the vehicle's optimal obstacle avoidance path as output, and combines Cartesian coordinates
  • the road coordinates with Frenet are obtained by using quadratic optimal programming.
  • the architecture of the system is shown in Figure 3.
  • FIG. 4 is a schematic diagram of an embodiment of a path planning method in an embodiment of this application.
  • the Frenet ordinates are equal, and the position of any path point (X, Y) between the control nodes can be obtained from the spline curve etc. based on each control node.
  • the specific method is not limited here. The following takes the path point (X, Y) position with respect to the road centerline length s based on the cubic natural spline curve interpolation as an example to introduce.
  • the natural cubic spline curve is based on the cubic spline curve and satisfies that the slope and curvature of the adjacent spline segment curves at the control nodes are the same.
  • the first and second derivatives of the natural spline curve Z at each control node can be expressed as a linear relationship with respect to the coordinate of the control node, namely
  • Z is a function of s, which can be expressed as Z(s), and both G and H are constant matrices.
  • the path point position (X, Y) in the Cartesian coordinate system can be written in the following matrix form, where the abscissa X can be expressed as a function of s X(s), and the ordinate Y can be expressed as a function of s Y(s), the expressions of X(s) and Y(s) are as follows:
  • Y r (S) [y r (S 1 ) y r (S 2 ) ... y r (S n ) y r (S n+1 )];
  • diag[ ⁇ ] means to generate a diagonal matrix according to the and elements in the brackets
  • the distance between adjacent control nodes is based on the conversion relationship between Frenet coordinates and Cartesian coordinates.
  • X i the abscissa of a Cartesian control the spacing between the adjacent nodes
  • the abscissa L i Frenet control node i a positive value for left reference line
  • a negative value means to the right of the reference line
  • ⁇ X ri is the Frenet abscissa distance between adjacent control nodes
  • ⁇ Y ri is the Frenet ordinate distance between adjacent control nodes.
  • Cost represents a constant term that has nothing to do with the path decision vector L.
  • the curvature square term ⁇ 2 at a certain path control point can be expressed as a function of S ⁇ 2 (S), and the calculation formula is:
  • Cost represents a constant term that has nothing to do with the path decision vector L.
  • the heading angle of the path at a certain control node It can be approximated as the slope of the line of adjacent path control points, which is the heading angle of the road centerline Error of Can be expressed as a function of S
  • the calculation formula is approximately expressed as:
  • Cost represents a constant term that has nothing to do with the path decision vector L.
  • the shortest driving path that is, the path length is as small as possible, which helps to save time and fuel consumption.
  • Optimal path heading angle heading angle at the path node Heading angle to the centerline of the road Deviation
  • the heading angle at the path node It refers to the heading angle when the vehicle travels along the candidate path to the path node i
  • the heading angle of the road centerline It refers to the heading angle of the vehicle along the road reference line.
  • p 1 , p 2 , and p 3 are the corresponding weight items, and the specific values are not limited here.
  • the path that satisfies the 15-1 type optimization goal is the target path.
  • FIG. 6 is a schematic diagram of an embodiment of obstacle avoidance restraint in an embodiment of this application.
  • D the distance between the current main vehicle and the obstacle vehicle
  • ⁇ S represents the Frenet longitudinal distance of the path control point, plus this
  • the optimal obstacle avoidance path planning problem is described as a quadratic optimal planning problem as follows (take the left obstacle avoidance as an example), namely:
  • L k denotes a path Frenet transverse coordinate values of control points
  • L obst Frenet transverse coordinate values represents an obstacle
  • D l and D r respectively represent a lateral coordinate values Frenet left and right borders of the road.
  • the optimal path obtained by the solution is converted from Frenet coordinates back to Cartesian coordinates, and passed to the path following module to issue instructions to the underlying control module.
  • Step 1 Construct the mapping relationship between Cartesian coordinates and Frenet coordinates
  • the lateral displacement equation of the road centerline is set as:
  • Step 2 Combine Cartesian coordinates and Frenet coordinates to describe the path
  • K 1,i f r ⁇ (S[i])
  • K 2,i f r ⁇ (S[i])
  • Step 3 Express the path length, curvature, and heading angle errors in quadratic form
  • the path length, curvature, and heading angle errors are expressed as quadratic, that is, the highest order of the variable L is quadratic.
  • Step 4 Use the quadratic optimal planning method for obstacle avoidance path planning
  • D r and D l are set to -2.5m and 2.5m, respectively.
  • the final obstacle avoidance path planning problem can be expressed as the following quadratic form:
  • the path planning algorithm proposed in this application can successfully plan a safe path to avoid obstacles and return to the original lane to reach the destination point.
  • the shape of the entire obstacle avoidance path is also very natural.
  • the planning effect of the solution in this application is the most natural, and the path transition is smooth.
  • the obstacle avoidance path generated by the path planning method provided by the embodiment of the present application has a natural shape, each path quality index is dominant, and the solution time is the shortest.
  • FIG. 8 is a schematic diagram of an embodiment of the path planning device in the embodiment of the application.
  • the path planning device includes:
  • the obtaining module 801 is used to obtain road information, the initial position and the target position of the target object;
  • the determining module 802 is configured to determine a Cartesian coordinate system, a Frenet coordinate system, and a mapping relationship between the Cartesian coordinate system and the Frenet coordinate system according to the road information;
  • the conversion module 803 is configured to convert the target path into the Cartesian coordinate system according to the mapping relationship, and the target path is used for path planning control of the target object.
  • the determining module 802 is specifically configured to: determine a road boundary constraint condition according to the road information; under the constraint of the road boundary constraint condition, use a quadratic programming solution to determine the target path based on the Frenet coordinate system .
  • the acquiring module 801 is further configured to: acquire obstacle information; the determining module 802 is specifically configured to: use a quadratic programming solution method to determine based on the obstacle constraints determined according to the obstacle information. Describe the target path of the Frenet coordinate system.
  • the determining module 802 is specifically configured to: use a quadratic planning solution to determine multiple control nodes on the target path; according to the multiple control nodes, determine that the target path is divided by the Any path point other than multiple control nodes.
  • the interpolation method includes natural cubic spline interpolation.
  • the path quality index function includes one or a combination of one or more of a function of path length, a function of curvature, a function of heading angle error, a function of curvature change rate, and a function of heading angle error change rate.
  • the acquiring module 801 is specifically configured to determine the path quality index function according to a plurality of preset weights of the path quality indexes.
  • the Cartesian coordinate system includes: a vehicle body coordinate system, a station center coordinate system, or a world coordinate system.
  • the software or firmware includes but is not limited to computer program instructions or codes, and can be executed by a hardware processor.
  • the hardware includes, but is not limited to, various integrated circuits, such as a central processing unit (CPU), a digital signal processor (DSP), a field programmable gate array (FPGA), or an application specific integrated circuit (ASIC).
  • CPU central processing unit
  • DSP digital signal processor
  • FPGA field programmable gate array
  • ASIC application specific integrated circuit

Landscapes

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

Abstract

一种路径规划方法，用于实现避障路径规划，可以提高规划的路径质量。该方法包括：获取道路信息、目标对象的初始位置和目的位置（401）；根据道路信息确定笛卡尔坐标系、Frenet坐标系以及笛卡尔坐标系与Frenet坐标系的映射关系；基于映射关系获取基于Frenet坐标系的路径质量指标函数，路径质量指标函数为二次型函数；根据基于Frenet坐标系的路径质量指标函数、目标对象的初始位置和目的位置，利用二次最优规划确定基于Frenet坐标系的目标路径；根据映射关系，将目标路径转换到笛卡尔坐标系中（406），目标路径用于目标对象的路径规划控制。

Description

路径规划方法和路径规划装置 技术领域
本申请涉及智能驾驶领域，尤其涉及路径规划方法和路径规划装置。
背景技术
无人驾驶是智能交通系统中的重要组成部分。无人驾驶车辆(下面简称无人车)接收到传感器的各种感知信息之后，对当前环境做出分析，然后对底层控制模块下达指令，这一过程就是决策规划模块的主要任务。避障路径规划是决策规划模块的重要部分，即结合实时交通信息对预先规划好的行车路线进行调整，达到避免与障碍物发生碰撞的目的。
避障路径规划中，通常运用单源最短路径(Dijkstra)算法，A*算法，快速扩展随机树(RRT)。以RRT算法为例，从起始点开始向外拓展一个树状结构，树状结构的拓展方向通过在规划空间内随机采点确定。
现有技术中，基于RRT算法实现避障路径规划时，由于路径采样点的随机分布，无法保证规划路径的光滑性，因此，采用RRT算法生成的路径质量较低。
发明内容
本申请实施例提供了一种路径规划方法，用于实现避障路径规划，可以提高规划的路径质量。
本申请实施例的第一方面提供一种路径规划方法，包括：获取道路信息、目标对象的初始位置和目的位置；根据所述道路信息确定笛卡尔坐标系、Frenet坐标系以及所述笛卡尔坐标系与所述Frenet坐标系的映射关系；基于所述映射关系获取基于Frenet坐标系的路径质量指标函数，所述路径质量指标函数为二次型函数；根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径；根据所述映射关系，将所述目标路径转换到所述笛卡尔坐标系中，所述目标路径用于所述目标对象的路径规划控制。
本申请实施例提供的路径规划方法，通过基于笛卡尔坐标系与Frenet坐标系的映射关系确定路径质量指标函数，利用二次规划解法可以获取基于Frenet坐标系的目标路径，根据该映射关系，可以将该目标路径转换到笛卡尔坐标系中用于路径规划控制，本申请实施例提供的路径规划方法可以提升目标路径的路径质量。由于通过笛卡尔坐标系与Frenet坐标系的映射关系确定二次型的路径质量指标函数，利用二次最优规划确定目标路径，可以简化运算，提升路径规划速度，满足实时运算需求。
可选地，在确定所述映射关系之后，所述路径规划装置获取目标对象的初始位置，以及获取目的位置。
在第一方面的一种可能的实现方式中，所述根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径包括：根据所述道路信息确定道路边界约束条件；在所述道路边界约束条件 的约束下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
本申请实施例提供的路径规划方法，在利用二次规划解法确定目标路径时，可以根据道路信息确定的道路边界约束条件下计算。
在第一方面的一种可能的实现方式中，所述方法还包括：获取障碍物信息；所述根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径包括：在根据所述障碍物信息确定的障碍物约束条件下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
所述障碍物约束条件为目标路径上的路径点在沿道路纵向方向，与障碍物的距离小于或等于预设长度的范围内，目标路径上的路径点与障碍物的横向距离需大于或等于预设阈值，即在一段纵向区间内需保证距离障碍物的横向安全距离，该安全距离为预设值，由此确定的目标路径的障碍物碰撞风险低，提高了目标路径的安全程度。
本申请实施例提供的路径规划方法，若道路中存在障碍物，在利用二次规划解法确定目标路径时，可以根据障碍物信息确定的障碍物约束条件下进行计算，确定的目标路径不仅路径质量较高，而且可以满足避障要求。
在第一方面的一种可能的实现方式中，所述根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径包括：利用二次规划解法确定所述目标路径上的多个控制节点；根据所述多个控制节点，以插值方式确定所述目标路径上除所述多个控制节点之外的任一路径点。目标路径上的控制节点即目标路径上的采样点，采样点的数量不做限定，
本申请实施例提供的路径规划方法，在确定目标路径时，可以先确定目标路径中的多个控制节点的位置，然后通过插值的方式确定控制节点之间的任一路径点。
在第一方面的一种可能的实现方式中，所述插值方式包括自然三次样条曲线插值。
本申请实施例提供的路径规划方法，在通过插值的方法确定控制节点之间的路径点时，可以根据自然三次样条曲线插值。本申请实施例提供的路径规划方法，根据自然三次样条曲线插值计算路径点时，由于自然三次样条曲线的性质，相邻样条段曲线在控制节点处斜率和曲率都相同，可以简化计算，将路径质量指标的都表示为二次型，即优化目标表示为二次型。
在第一方面的一种可能的实现方式中，所述路径质量指标函数包括路径长度的函数、曲率的函数、航向角误差的函数、曲率变化率的函数和航向角误差变化率的函数中的一个或多个的组合。
本申请实施例提供的路径规划方法，路径质量指标函数可以有多种组合构成形式，可以根据实际需求灵活设定，针对性改善目标路径质量，使得获取的目标路径更符合运动目标对象的实际运动场景。
在第一方面的一种可能的实现方式中，所述路径质量指标函数为路径长度的函数、曲率的函数、航向角误差的函数、曲率变化率的函数或航向角误差变化率的函数。
在第一方面的一种可能的实现方式中，所述路径质量指标函数由路径长度的函数、曲率的函数、航向角误差的函数、曲率变化率的函数和航向角误差变化率的函数中的至少两个组成。
在第一方面的一种可能的实现方式中，所述基于所述映射关系获取基于Frenet坐标系的 路径质量指标函数包括：根据预设的权重确定所述路径质量指标函数。
本申请实施例提供的路径规划方法，根据多个路径质量指标确定优化目标时，可以根据不同质量指标的重要程度设定权值。
在第一方面的一种可能的实现方式中，所述笛卡尔坐标系包括：车身坐标系、站心坐标系或世界坐标系。
本申请实施例的第二方面提供了一种路径规划装置，包括：获取模块，用于获取道路信息、目标对象的初始位置和目的位置；确定模块，用于根据所述道路信息确定笛卡尔坐标系、Frenet坐标系以及所述笛卡尔坐标系与所述Frenet坐标系的映射关系；所述获取模块，还用于基于所述映射关系获取基于Frenet坐标系的路径质量指标函数，所述路径质量指标函数为二次型函数；所述确定模块，还用于根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径；转换模块，用于根据所述映射关系，将所述目标路径转换到所述笛卡尔坐标系中，所述目标路径用于所述目标对象的路径规划控制。
在第二方面的一种可能的实现方式中，所述确定模块具体用于：根据所述道路信息确定道路边界约束条件；在所述道路边界约束条件的约束下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
在第二方面的一种可能的实现方式中，所述获取模块还用于：获取障碍物信息；所述确定模块具体用于：在根据所述障碍物信息确定的障碍物约束条件下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
在第二方面的一种可能的实现方式中，所述确定模块具体用于：利用二次规划解法确定所述目标路径上的多个控制节点；根据所述多个控制节点，以插值方式确定所述目标路径上除所述多个控制节点之外的任一路径点。
在第二方面的一种可能的实现方式中，所述插值方式包括自然三次样条曲线插值。
在第二方面的一种可能的实现方式中，所述路径质量指标函数包括路径长度的函数、曲率的函数、航向角误差的函数、曲率变化率的函数和航向角误差变化率的函数中的一个或多个的组合。
在第二方面的一种可能的实现方式中，所述路径质量指标函数为路径长度的函数、曲率的函数、航向角误差的函数、曲率变化率的函数或航向角误差变化率的函数。
在第二方面的一种可能的实现方式中，所述路径质量指标函数由路径长度的函数、曲率的函数、航向角误差的函数、曲率变化率的函数和航向角误差变化率的函数中的至少两个组成。
在第二方面的一种可能的实现方式中，根据预设的多个所述路径质量指标的权重确定所述路径质量指标函数。
在第二方面的一种可能的实现方式中，所述笛卡尔坐标系包括：车身坐标系、站心坐标系或世界坐标系。
本申请实施例第三方面提供了一种路径规划装置，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令，执行如上述第一方面以及各种可能的实现方式中任 一项所述的方法。
本申请实施例第四方面提供了一种包含指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得所述计算机执行如上述第一方面以及各种可能的实现方式中任一项所述的方法。
本申请实施例第五方面提供了一种计算机可读存储介质，包括指令，其特征在于，当所述指令在计算机上运行时，使得计算机执行如上述第一方面以及各种可能的实现方式中任一项所述的方法。
本申请实施例第六方面提供了一种一种芯片，包括处理器。处理器用于读取并执行存储器中存储的计算机程序，以执行上述任一方面任意可能的实现方式中的方法。可选地，该芯片该包括存储器，该存储器与该处理器通过电路或电线与存储器连接。进一步可选地，该芯片还包括通信接口，处理器与该通信接口连接。通信接口用于接收需要处理的数据和/或信息，处理器从该通信接口获取该数据和/或信息，并对该数据和/或信息进行处理，并通过该通信接口输出处理结果。该通信接口可以是输入输出接口。
本申请实施例提供的路径规划方法，通过笛卡尔坐标系与Frenet坐标系的映射关系，构建二次型的路径质量指标函数，进而利用二次规划解法确定基于所述Frenet坐标系的目标路径，最后转换到所述笛卡尔坐标系中，所述目标路径用于所述目标对象的路径规划控制。利用Frenet坐标系方便地描述路径，并根据该映射关系在基于笛卡尔坐标系进行计算，利用二次规划解法确定目标路径，相较现有RRT算法，可以减少计算量，提升路径规划速度。
附图说明
图1为基于笛卡尔坐标系描述道路中车辆位置的示意图；
图2为基于Frenet坐标系描述道路中车辆位置的示意图；
图3为本申请实施例中路径规划方法的系统架构示意图；
图4为本申请实施例中路径规划方法的一个实施例示意图；
图5为本申请实施例中笛卡尔坐标系与Frenet坐标系的映射关系示意图；
图6为本申请实施例中避障约束的实施例示意图；
图7为本申请实施例提供的目标路径的一个示意图；
图8为本申请实施例中路径规划装置的一个实施例示意图；
图9为本申请实施例中路径规划装置的一个实施例示意图。
具体实施方式
本申请实施例提供了一种路径规划方法，用于实现避障路径规划，可以提高规划的路径质量。
本发明实施例可应用于各种运动目标对象(包括机动车、非机动车、行人或机器人等)在各种形式的路径(包括高速公路、城市道路、乡村道路或室内路径等)上的运动，后续实施例以车辆或车道为例做描述，但本领域技术人员可以将其扩展至其他目标对象的路径规划领域，具体此处不做限定。
本申请实施例中，假设无人车在结构化道路上行驶，实际应用场景可能包括多车道，在 多车道场景中，由于无论无人车处于哪条车道，根据交通规则行驶过程中，只能选择相邻车道变道，即无人车只能向左变道或者向右变道，由此，可以将无人车在多车道中的行驶简化为双车道模型，本申请实施例中，将以双车道模型为例进行介绍，可以理解的是，这并不会对方案实施的场景构成限定。
为了便于理解，下面对本申请涉及的部分技术术语进行简要介绍：
笛卡尔坐标系：笛卡尔坐标系通常用于描述物体的位置，请参阅图1，基于笛卡尔坐标系描述道路中车辆位置的示意图。不难发现，笛卡尔坐标系对于道路中车辆路径的位置描述来说并不是最佳选择，因为即使给出了车辆位置(x，y)，还是无法直观确定车辆行驶距离，以及偏离车道中心的距离。
Frenet坐标系：Frenet坐标系则可以笛卡尔坐标系在描述道路中车辆位置时的一些问题，请参阅图2，基于Frenet坐标系描述道路中车辆位置的示意图。在Frenet坐标系中，纵坐标s为道路中心线长度，道路中心线也称道路参考线，s代表Frenet坐标中的沿道路中心线方向的纵向距离，也称为路程，横坐标d表示与道路中心线的法向位移。虽然Frenet坐标系可以方便地描述道路中车辆位置，但是在评价路径质量时，会涉及复杂的求导运算，描述路径质量时会涉及复杂的一阶或者二阶求导运算，在Frenet坐标系下难以构建关于路径质量指标，例如曲率和航向角的二次优化项，包含长度、曲率、路径航向误差的综合路径质量指标不高，Frenet坐标系中进行路径质量评价计算非常复杂。
自然三次样条曲线：两个相邻曲线段在公共边界(控制点)处有相同的一阶和二阶导数，即自然三次样条具有二阶导数连续性。
路径质量：现有的路径规划方法中，一般都基于给定的障碍物信息进行避障规划，但是较少考虑路径质量指标，路径质量对于无人车避障换道时乘客的舒适感，以及道路行驶效率的影响较大，本申请中，用于评价路径质量的路径质量指标包括但不限于：路径长度、曲率、航向角误差、曲率变化率和航向角误差变化率。
二次规划(Quadratic programming)是一种特殊类型的最佳化问题。
下面结合附图，对本申请的实施例进行描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，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模块。在本申请中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相类似的技术效果即可。
请参阅图3，为本申请实施例中路径规划方法的系统架构示意图；
本申请针对智能车在道路中的自主避障场景，该系统以经车辆传感器融合后得到的道路中心线位置以及障碍物位置信息为输入，以车辆最优避障路径为输出，联合笛卡尔坐标与Frenet道路坐标，采用二次最优规划求解得到，该系统的架构如图3所示。
请参阅图4，为本申请实施例中路径规划方法的一个实施例示意图；
401、获取道路信息、目标对象的初始位置和目的位置；
路径规划装置获取道路信息，道路信息可以通过高精地图以及车辆的精确定位获取，获取道路信息的具体方式此处不做限定。
可选的，路径规划装置还获取障碍物信息，障碍物信息可以通过车辆传感器捕捉，例如激光雷达或惯性导航(IMU)等，获取障碍物信息的具体方式此处不做限定。
此外，路径规划装置还获取目标对象的初始位置和目的位置；
需要说明的是，路径规划装置获取道路信息，与获取目标对象的初始位置，与获取目标对象的目的位置，可以是同时获取，也可以是分别获取。若分别获取，对获取道路信息、目标对象的初始位置和目的位置的执行顺序不做限定。
402、获取基于笛卡尔坐标系的道路中心线；
Frenet坐标系基于道路参考线(reference line)构建，道路参考线例如可以是道路中心线。
可选的，请参阅图5，虚线为道路中心线，基于道路中心线上的N个采样点，可以通过插值的方式获得关于道路中心线(x r,y r)的函数式
Figure PCTCN2020072834-appb-000001
其中(x r,y r)为笛卡尔坐标，f rx和f ry是关于中心线长度s的函数，即Frenet坐标中的沿参考线的纵向距离。
可选的，确定障碍物在笛卡尔坐标系中的坐标。
403、构建笛卡尔坐标系中的路径点与Frenet坐标系中路径点的映射关系；
请继续参阅图5，可选的，为便于计算，可以将道路中心线上的O点定义为Frenet坐标系原点和笛卡尔坐标系原点，O点可以是车辆获取道路信息的当前时刻所在位置沿道路中心线法向投影至道路中心线上的点，Frenet坐标系原点的位置具体此处不做限定。
点A代表道路中任一路径点，A点在笛卡尔坐标系中的坐标为(x，y)，A点在Frenet坐标系中的坐标为(s，L)，A点沿道路中心线法向投影至道路中心线上的O′点，e x为笛卡尔坐标系中的横向单位向量，e y为笛卡尔坐标系中的纵向单位向量。
根据道路中心线在笛卡尔坐标系中的函数式，求得路径点在Frenet坐标系下的法向单位向量e n，e n可以表示为关于s的函数e n(s)，表达式如下：
Figure PCTCN2020072834-appb-000002
然后根据图5所示的向量关系，可以得到A点的Frenet坐标(s,L)和笛卡尔坐标(x,y)相互转化关系：
Figure PCTCN2020072834-appb-000003
其中，道路中心线(x r,y r)的x r可以表示为关于s的函数x r(s)，x r(s)＝f rx(s)；类似地，y r可以表示为关于s的函数y r(s)，y r(s)＝f ry(s)。
可选的，可以获取障碍物的Frenet坐标。
404、获取路径质量指标函数；
路径优化的目标是提升路径质量，具体的，可以是提升一个或多个路径质量指标，路径质量指标包括路径长度、航向角误差、曲率、曲率变化率或航向角误差变化率等待，具体此处不做限定。可选的，下面以路径质量指标函数包括路径长度函数、曲率函数和航向角误差函数为例进行介绍。
联合笛卡尔坐标和Frenet坐标描述路径长度、曲率和航向角。
可选的，假设路径曲线ε(s)＝[X(S),Y(S)]由n+1个控制节点构成，且各控制节点之间的纵向距离保持均匀分布，即各控制节点的Frenet纵坐标等差，各控制节点间的任一路径点(X,Y)位置可以基于各个控制节点，根据样条曲线等求得，具体方法此处不做限定。下面以路径点(X,Y)位置用关于道路中心线长度s基于三次自然样条曲线插值求得为例进行介绍。
自然三次样条曲线，是在三次样条曲线的基础上，满足相邻样条段曲线在控制节点处斜率和曲率都相同。也就是说，自然样条曲线Z在各控制节点处的一阶、二阶导数可表示成关于控制节点坐标的线性关系，即
Figure PCTCN2020072834-appb-000004
其中，Z是关于s的函数，可表示为Z(s)，G、H均为常数矩阵。
基于Frenet坐标与笛卡尔坐标的转换关系，笛卡尔坐标系下的路径点位置(X,Y)可以写成如下的矩阵形式，其中横坐标X可以表示为关于s的函数X(s)，纵坐标Y可以表示为关于s的函数Y(s)，X(s)和Y(s)的表达式如下：
Figure PCTCN2020072834-appb-000005
其中，L＝[L 1 L 2 ... L n L n+1] T称为路径的决策向量，L1代表第1个控制节点与道路中心线的法向位移，类似地，Ln代表第n个控制节点与道路中心线的法向位移，不再一一赘述；
S＝[S 1 S 2 ... S n S n+1]，大写S为路径决策向量L对应的纵向距离向量，i代表第i个控制节点；S i代表控制节点i对应的道路中心线长度；
X r(S)＝[x r(S 1) x r(S 2) ... x r(S n) x r(S n+1)]
类似地，Y r(S)＝[y r(S 1) y r(S 2) ... y r(S n) y r(S n+1)]；
其中X r(S)为路径点对应的道路中心线上的点的笛卡尔坐标系中的横坐标，可以表示为关于S的函数，即X r(S)＝f rx(S)；Y r(S)为路径点对应的道路中心线上的点的笛卡尔坐标系中的纵坐标，可以表示为关于S的函数，Y r(S)＝f ry(S)。
diag[·]表示根据括号中的与元素生成一对角矩阵，且
Figure PCTCN2020072834-appb-000006
基于上述三次自然样条曲线的性质，可以将路径曲线ε(s)＝[X(S),Y(S)]的各路径质量指标在Frenet坐标系下表示成二次型函数。下面分别进行介绍：
1)、路径长度
相邻控制节点之间的间距，基于Frenet坐标与笛卡尔坐标的转换关系有
Figure PCTCN2020072834-appb-000007
其中，α i＝[-χ i χ i+1],β i＝[-σ i σ i+1],
Figure PCTCN2020072834-appb-000008
ΔX i为相邻控制节点之间的笛卡尔横坐标间距，ΔY i为相邻控制节点之间的笛卡尔横坐标间距，L i为控制节点i的Frenet横坐标，正值表示参考线左侧，负值表示在参考线右侧，
Figure PCTCN2020072834-appb-000009
代表相邻控制节点的Frenet横坐标的均值，ΔX ri为相邻控制节点之间的Frenet横坐标间距，ΔY ri为相邻控制节点之间的Frenet纵坐标间距。
相邻路径控制点的路径长度平方项为，
Figure PCTCN2020072834-appb-000010
对于整条路径的路径长度平方项的函数表达式为：
Figure PCTCN2020072834-appb-000011
其中常数矩阵
Figure PCTCN2020072834-appb-000012
满足
Figure PCTCN2020072834-appb-000013
(具体形式参考实例)，Cost代表与路径决策向量L无关的常数项。且
Figure PCTCN2020072834-appb-000014
2)、路径曲率
根据曲率定义，某一路径控制点处曲率平方项κ 2，可以表示为S的函数κ 2(S)，计算公式为：
Figure PCTCN2020072834-appb-000015
根据自然三次样条曲线的性质，对于整条路径节点有：
Figure PCTCN2020072834-appb-000016
Figure PCTCN2020072834-appb-000017
同理可得，
Figure PCTCN2020072834-appb-000018
最终有，对于整条路径的路径曲率平方项的函数表达式为：
Figure PCTCN2020072834-appb-000019
其中，
N＝H TH
T＝2(X r TH TH)diag[χ i]+2(Y r TH TH)diag[σ i]
Cost代表与路径决策向量L无关的常数项。
3)、路径航向角误差
某一控制节点处的路径航向角
Figure PCTCN2020072834-appb-000020
可近似为相邻路径控制点连线的斜率，它与道路中心线的航向角
Figure PCTCN2020072834-appb-000021
的误差
Figure PCTCN2020072834-appb-000022
可表示为S的函数
Figure PCTCN2020072834-appb-000023
计算公式近似表示为：
Figure PCTCN2020072834-appb-000024
因此，整条路径的航向角误差二次项的函数表达式为
Figure PCTCN2020072834-appb-000025
其中Q＝G TG,
Figure PCTCN2020072834-appb-000026
Cost代表与路径决策向量L无关的常数项。
405、根据路径质量指标函数利用二次最优规划确定基于Frenet坐标系的目标路径；
为了生成适合车辆行驶的路径，分别考虑路径长度、曲率和航向角误差，应满足：
(1)最短行驶路径：即路径长度尽可能小，有利于节省时间和油耗。
(2)最优曲率：所求路径的曲率尽可能地小，避免大曲率路径导致危险工况的发生。
(3)最优路径航向角：路径节点处航向角
Figure PCTCN2020072834-appb-000027
与道路中心线的航向角
Figure PCTCN2020072834-appb-000028
的偏差
Figure PCTCN2020072834-appb-000029
尽可能小，路径节点处航向角
Figure PCTCN2020072834-appb-000030
是指车辆沿候选路径行驶至路径节点i时的航向角，道路中心线的航向角
Figure PCTCN2020072834-appb-000031
是指车辆沿道路参考线行驶的航向角。
为了达到上述目的，根据路径质量指标函数构建优化目标，即如下所示的二次最优规划QP(Quadratic Program)问题：
Figure PCTCN2020072834-appb-000032
其中p 1,p 2,p 3为对应的权重项，具体数值此处不做限定。
满足15-1式优化目标的路径即为目标路径。
可选的，若存在障碍物，为了保障避障过程中主车与障碍物不会发生碰撞，还需增加避障约束。请参阅图6，为本申请实施例中避障约束的实施例示意图。根据当前的位置关系大致估算与障碍物最近的控制点P j,j≈[D/ΔS]，其中D为当前主车与障碍车的距离，ΔS表示路径控制点Frenet纵向距离间距，加上该点纵向位移前后安全距离d内附近m≈[d/ΔS]个控制点，它们的侧向位移至少要比障碍物的侧向位移多出一安全距离阈值r safety，从而保证避障路径不会与障碍物发生碰撞。(其中[·]为取整符号)。最终，将最优避障路径规划问题描述成如下所示的二次最优规划问题(以左避障为例)，即：
Figure PCTCN2020072834-appb-000033
s.t.D r≤L k≤D l，k＝1，2，...，j-m-1，j+m+1，...，n+1
L obst+r safety≤L k≤D l,k＝j-m,…,j,…j+m
其中L k表示某个路径控制点的Frenet横向坐标值，L obst表示障碍物的Frenet横向坐标值，D l和D r分别表示道路左边界和右边界的Frenet横向坐标值。
根据障碍物约束条件和道路边界约束，确定使得，路径长度、曲率、和航向角误差的二次形式最小的目标路径的L矩阵。
406、将基于Frenet坐标系的目标路径转换为笛卡尔坐标系中；
最后，依据式(4)将求解得到的最优路径从Frenet坐标转换回笛卡尔坐标，将其传递给路径跟随模块，用于对底层控制模块下达指令。
示例性的，下面举例介绍本申请实施例提供的路径规划方法：
步骤1：构建笛卡尔坐标与Frenet坐标的映射关系；
假设道路中心线为三次多项式曲线，道路长度约L＝250m，道路开始处的曲率为0，终止处的曲率为C f＝1/800，道路曲率变化率C＝(C f-C 0)/L＝1/200000，道路中心线侧向位移方程设为：
Figure PCTCN2020072834-appb-000034
在该中心线上以间距为1采样笛卡尔横向X坐标，即x r＝0:1:250，共计n＝251个采样点，根据式(16)计算得到笛卡尔纵向Y坐标的值，通过勾股定理近似计算出相邻采样点之间的距离，并累计得到参考路径向量s，初始值s[0]＝0。
s[i]＝s[i-1]+sqrt((x r[i]-x r[i-1]) 2+(y r[i]-y r[i-1]) 2),i＝1,2,…n   (17)
以及道路航向角(初始值
Figure PCTCN2020072834-appb-000035
)
Figure PCTCN2020072834-appb-000036
依据三次样条曲线插值方法获得笛卡尔横向X坐标与路径向量s的函数关系式，笛卡尔纵向Y坐标与路径向量s的函数关系式，以及道路中心线航向角θ r与路径向量s的关系，
Figure PCTCN2020072834-appb-000037
计算道路中心线上对应采样点的法向向量e n＝(χ,σ)，其中
Figure PCTCN2020072834-appb-000038
类似的，同样构建道路中心线法向向量分量与路程的函数关系，即
Figure PCTCN2020072834-appb-000039
任意Frenet坐标(s,L)和相应的笛卡尔坐标(x,y)的转化关系为：
Figure PCTCN2020072834-appb-000040
步骤2：联合笛卡尔坐标和Frenet坐标描述路径
假定路径由N+1个控制节点构成N段连续短路径，且各节点之间的纵向距离保持均匀分布，假若在此案例中S＝[0,2.5,5,…,120] T，N＝48，依据式(22)将路径节点(X,Y)表述成 向量形式：
Figure PCTCN2020072834-appb-000041
其中依据(21)计算
K 1,i＝f rχ(S[i]),K 2,i＝f rσ(S[i])
diag[·]表示根据括号中的元素生成对角矩阵，L＝[L 1 L 2 ... L N L N+1] T是每个路径节点在Frenet坐标系下的横坐标，L为路径的决策向量。
步骤3：将路径长度、曲率、航向角误差表示成二次形式；
将路径长度、曲率、航向角误差表示为二次型，即变量L的最高次为二次。
依据式(7)把路径平方项表示为
Figure PCTCN2020072834-appb-000042
其中，
Figure PCTCN2020072834-appb-000043
Figure PCTCN2020072834-appb-000044
依据式(12)把曲率平方项表示为
K 2＝L TNL+TL+cost         (25)
其中，
N＝H TH
T＝2(X r TH TH)diag[χ i]+2(Y r TH TH)diag[σ i]
Figure PCTCN2020072834-appb-000045
Figure PCTCN2020072834-appb-000046
依据式(14)把路径航向角误差平方项表示为
P 2＝L TQL+PL+cost       (26)
其中，
Figure PCTCN2020072834-appb-000047
步骤4：采用二次最优规划方法进行避障路径规划
如图7所示，假定障碍物处于主车同一车道距离前方50m处，其中心的侧向位移距离道路中心线为L obst＝-2m，路径的目标点设置为前方120m的距离，根据当前的位置关系大致估算与障碍物最近的控制点序号
Figure PCTCN2020072834-appb-000048
(其中ceil为向上取整函数)，加上该点纵向位移前后安全距离d＝20m内附近
Figure PCTCN2020072834-appb-000049
个控制点，它们的侧向位移至少要比障碍物的侧向位移多出一安全距离阈值r safety＝2m，从而保证避障路径不会与障碍物发生碰撞。D r和D l分别设为-2.5m和2.5m，最终避障路径规划问题可表述为如下的二次形式:
Figure PCTCN2020072834-appb-000050
s.t.D r≤L k≤D l,k＝1,2,…,11,29,…,49
0＝L obst+r safety≤L k≤D l,k＝12,…,20,…28
对应的权重分别取p 1＝0.1,p 2＝0.8,p 3＝0.1，在MATLAB中采用QP问题求解二次规划优化函数(quadprog)得到最优路径，然后再次利用式(23)将路径Frenet坐标转换为笛卡尔坐标。
请参阅图7，为本申请实施例中曲线道路上的避障路径规划示意图；
本申请提出的路径规划算法能成功地规划一条安全路径避过障碍，并返回原车道到达目的点，整个避障路径形状也非常自然。与考虑路径航向约束的改进RRT算法进行对比，从整体规划效果视觉而言，本申请方案的规划效果是最为自然的，路径过渡平滑。
如表1所示，在路径长度、路径曲率均值、侧向安全(与障碍物中心的侧向距离均值)路径质量指标值分布进行对比可知，本申请方案的路径质量也是最优的，在路径长度最短、路径曲率更优且侧向安全值更高。
表1、路径指标对比
规划方法 本申请方案 改进RRT
路径长度 120.37 120.57
曲率均值 0.0057 0.0202
侧向安全 2.1635 1.7737
此外，如表2所示，两种方法的整体规划的求解速度进行对比，经测试本申请规划方法仅耗时22ms，远低于改进RRT的规划方法耗时。
表2、规划求解耗时对比
规划方法 本申请方案 改进RRT
求解耗时 22ms 125ms
本申请实施例提供的路径规划方法所生成的避障路径形状自然，各项路径质量指标占优，且求解时间最短。
上面介绍了本申请提供的路径规划方法，下面对实现该路径规划方法的路径规划装置进行介绍，请参阅图8，为本申请实施例中路径规划装置的一个实施例示意图。
该路径规划装置包括：
获取模块801，用于获取道路信息、目标对象的初始位置和目的位置；
确定模块802，用于根据所述道路信息确定笛卡尔坐标系、Frenet坐标系以及所述笛卡尔坐标系与所述Frenet坐标系的映射关系；
所述获取模块801，还用于基于所述映射关系获取基于Frenet坐标系的路径质量指标函数，所述路径质量指标函数为二次型函数；
所述确定模块802，还用于根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径；
转换模块803，用于根据所述映射关系，将所述目标路径转换到所述笛卡尔坐标系中，所述目标路径用于所述目标对象的路径规划控制。
可选地，所述确定模块802具体用于：根据所述道路信息确定道路边界约束条件；在所述道路边界约束条件的约束下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
可选地，所述获取模块801还用于：获取障碍物信息；所述确定模块802具体用于：在根据所述障碍物信息确定的障碍物约束条件下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
可选地，所述确定模块802具体用于：利用二次规划解法确定所述目标路径上的多个控制节点；根据所述多个控制节点，以插值方式确定所述目标路径上除所述多个控制节点之外的任一路径点。
可选地，所述插值方式包括自然三次样条曲线插值。
可选地，所述路径质量指标函数包括路径长度的函数、曲率的函数、航向角误差的函数、曲率变化率的函数和航向角误差变化率的函数中的一个或多个的组合。
可选地，所述获取模块801具体用于：根据预设的多个所述路径质量指标的权重确定所述路径质量指标函数。
可选地，所述笛卡尔坐标系包括：车身坐标系、站心坐标系或世界坐标系。
图8中的各个模块的只一个或多个可以软件、硬件、固件或其结合实现。所述软件或固件包括但不限于计算机程序指令或代码，并可以被硬件处理器所执行。所述硬件包括但不限于各类集成电路，如中央处理单元(CPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或专用集成电路(ASIC)。
请参阅图9，本申请实施例中路径规划装置的一个实施例示意图。
如图9所示，路径规划装置900包括存储器901和处理器902。所述存储器901存储计算机程序指令，所述处理器902运行所述计算机程序指令以执行上述实施例描述的路径规划相关操作。所述处理器902还与路径规划装置900外界的一个或多个传感器相连接，接收所述传感器探测的自车周围环境的原始数据。所述传感器包括但不限于如摄像头、激光雷达、超声波雷达或毫米波雷达。路径规划装置900输出的目标路径一般发送给智能驾驶车辆的底层控制模块，提供控车参考信息。底层控制模块也可以是由处理器902执行的一个软件模块或集成于处理器902中，本实施例不做限定。处理器902包括但不限于各类CPU、DSP、微控制器、微处理器或人工智能处理器。
上述图8、图9所示的路径规划装置，通过构建笛卡尔坐标系和Frenet坐标系的映射关系，将路径质量指标的优化目标确定为二次规划问题，可以简便的获取基于Frenet坐标系的目标路径，最后，还可以根据该映射关系将目标路径转换回笛卡尔坐标系，便于底层控制模块的执行控制操作。本方案通过二次规划解法可以获取路径质量指标最优的目标路径，可以改善目标路径质量，获取的目标路径更符合运动目标对象尤其是车辆的实际运动场景。

Claims (19)

  1. 一种路径规划方法，其特征在于，包括：
    获取道路信息、目标对象的初始位置和目的位置；
    根据所述道路信息确定笛卡尔坐标系、Frenet坐标系以及所述笛卡尔坐标系与所述Frenet坐标系的映射关系；
    基于所述映射关系获取基于所述Frenet坐标系的路径质量指标函数，所述路径质量指标函数为二次型函数；
    根据所述基于所述Frenet坐标系的路径质量指标函数、所述目标的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径；
    根据所述映射关系，将所述目标路径转换到所述笛卡尔坐标系中，所述目标路径用于所述目标对象的路径规划控制。
  2. 根据权利要求1所述的方法，其特征在于，
    所述根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径包括：
    根据所述道路信息确定道路边界约束条件；
    在所述道路边界约束条件的约束下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
  3. 根据权利要求1或2所述的方法，其特征在于，
    所述方法还包括：
    获取障碍物信息；
    所述根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径包括：
    在根据所述障碍物信息确定的障碍物约束条件下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
  4. 根据权利要求1至3中任一项所述的方法，其特征在于，
    所述根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径包括：
    利用二次规划解法确定所述目标路径上的多个控制节点；
    根据所述多个控制节点，以插值方式确定所述目标路径上除所述多个控制节点之外的任一路径点。
  5. 根据权利要求4所述的方法，其特征在于，
    所述插值方式包括自然三次样条曲线插值。
  6. 根据权利要求1至5中任一项所述的方法，其特征在于，
    所述路径质量指标函数包括路径长度的函数、曲率的函数、航向角误差的函数、曲率变化率的函数和航向角误差变化率的函数中的一个或多个的组合，所述航向角误差用于指示目标物体沿候选路径行驶的航向角与沿道路参考线行驶的航向角之间的偏差。
  7. 根据权利要求6所述的方法，其特征在于，
    所述基于所述映射关系获取基于Frenet坐标系的路径质量指标函数包括：
    根据预设的权重确定所述路径质量指标函数。
  8. 根据权利要求哦1至7中任一项所述的方法，其特征在于，
    所述笛卡尔坐标系包括：
    车身坐标系、站心坐标系或世界坐标系。
  9. 一种路径规划装置，其特征在于，包括：
    获取模块，用于获取道路信息、目标对象的初始位置和目的位置；
    确定模块，用于根据所述道路信息确定笛卡尔坐标系、Frenet坐标系以及所述笛卡尔坐标系与所述Frenet坐标系的映射关系；
    所述获取模块，还用于基于所述映射关系获取基于Frenet坐标系的路径质量指标函数，所述路径质量指标函数为二次型函数；
    所述确定模块，还用于根据所述基于Frenet坐标系的路径质量指标函数、所述目标对象的初始位置和所述目的位置，利用二次最优规划确定基于所述Frenet坐标系的目标路径；
    转换模块，用于根据所述映射关系，将所述目标路径转换到所述笛卡尔坐标系中，所述目标路径用于所述目标对象的路径规划控制。
  10. 根据权利要求9所述的装置，其特征在于，所述确定模块具体用于：
    根据所述道路信息确定道路边界约束条件；
    在所述道路边界约束条件的约束下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
  11. 根据权利要求9或10所述的装置，其特征在于，所述获取模块还用于：
    获取障碍物信息；
    所述确定模块具体用于：在根据所述障碍物信息确定的障碍物约束条件下，利用二次规划解法确定基于所述Frenet坐标系的目标路径。
  12. 根据权利要求9至11中任一项所述的装置，其特征在于，
    所述确定模块具体用于：
    利用二次规划解法确定所述目标路径上的多个控制节点；
    根据所述多个控制节点，以插值方式确定所述目标路径上除所述多个控制节点之外的任一路径点。
  13. 根据权利要求12所述的装置，其特征在于，
    所述插值方式包括自然三次样条曲线插值。
  14. 根据权利要求9至13中任一项所述的装置，其特征在于，
    所述路径质量指标函数包括路径长度的函数、曲率的函数、航向角误差的函数、曲率变化率的函数和航向角误差变化率的函数中的一个或多个的组合。
  15. 根据权利要求14所述的装置，其特征在于，所述获取模块具体用于：
    根据预设的权重确定所述路径质量指标函数。
  16. 根据权利要求9至15中任一项所述的装置，其特征在于，
    所述笛卡尔坐标系包括：
    车身坐标系、站心坐标系或世界坐标系。
  17. 一种路径规划装置，其特征在于，包括处理器和存储器，所述处理器和所述存储器 相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令，执行如权利要求1至8中任一项所述的方法。
  18. 一种包含指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得所述计算机执行如权利要求1至8中任一项所述的方法。
  19. 一种计算机可读存储介质，包括指令，其特征在于，当所述指令在计算机上运行时，使得计算机执行如权利要求1至8中任一项所述的方法。
PCT/CN2020/072834 2020-01-17 2020-01-17 路径规划方法和路径规划装置 Ceased WO2021142793A1 (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/CN2020/072834 WO2021142793A1 (zh) 2020-01-17 2020-01-17 路径规划方法和路径规划装置
EP20914423.7A EP4092386B1 (en) 2020-01-17 2020-01-17 Path planning method and path planning apparatus
CN202080004759.0A CN112673234B (zh) 2020-01-17 2020-01-17 路径规划方法和路径规划装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/072834 WO2021142793A1 (zh) 2020-01-17 2020-01-17 路径规划方法和路径规划装置

Publications (1)

Publication Number Publication Date
WO2021142793A1 true WO2021142793A1 (zh) 2021-07-22

Family

ID=75413916

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/072834 Ceased WO2021142793A1 (zh) 2020-01-17 2020-01-17 路径规划方法和路径规划装置

Country Status (3)

Country Link
EP (1) EP4092386B1 (zh)
CN (1) CN112673234B (zh)
WO (1) WO2021142793A1 (zh)

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113460091A (zh) * 2021-08-23 2021-10-01 吉林大学 一种无保护十字路口无人车滚动优化决策方法
CN113479198A (zh) * 2021-08-20 2021-10-08 京东鲲鹏(江苏)科技有限公司 一种无人车控制方法和装置
CN113778097A (zh) * 2021-09-15 2021-12-10 龙岩学院 L型路径趋势改进a-star算法的智能仓储物流机器人路径规划方法
CN114030652A (zh) * 2021-09-22 2022-02-11 北京电子工程总体研究所 一种避障路径规划方法和系统
CN114111788A (zh) * 2021-11-09 2022-03-01 武汉乐庭软件技术有限公司 一种基于多段回旋线的轨迹规划的方法、设备及存储设备
CN114152264A (zh) * 2021-12-03 2022-03-08 京东鲲鹏(江苏)科技有限公司 无人车路径规划方法及装置、电子设备、存储介质
CN114264307A (zh) * 2021-12-15 2022-04-01 广州小鹏自动驾驶科技有限公司 路径生成方法、装置、交通工具及存储介质
CN114310941A (zh) * 2021-12-21 2022-04-12 哈尔滨工业大学芜湖机器人产业技术研究院 用于轮毂轮孔去毛刺加工的机器人路径生成方法
CN114485712A (zh) * 2022-01-30 2022-05-13 重庆长安汽车股份有限公司 一种处理st图构建时障碍物多次侵入本车轨迹的方法
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
CN114637284A (zh) * 2022-01-26 2022-06-17 上海仙途智能科技有限公司 掉头车道生成方法及装置、计算机可读存储介质、终端
CN114734996A (zh) * 2022-04-14 2022-07-12 中国第一汽车股份有限公司 一种自动驾驶决策方法、装置、车辆及存储介质
CN114838737A (zh) * 2022-07-05 2022-08-02 泽景(西安)汽车电子有限责任公司 一种行驶路径的确定方法、装置、电子设备及存储介质
CN114834463A (zh) * 2022-06-28 2022-08-02 小米汽车科技有限公司 车辆控制方法、装置、存储介质、电子设备、芯片及车辆
CN115046557A (zh) * 2022-08-11 2022-09-13 合肥井松智能科技股份有限公司 一种结合b样条曲线和a星算法的agv路径规划方法
CN115230731A (zh) * 2021-09-13 2022-10-25 上海仙途智能科技有限公司 行驶路径确定方法、装置、终端及介质
CN115268314A (zh) * 2022-07-01 2022-11-01 上海壁仞智能科技有限公司 轨迹多项式生成装置及其轨迹序列控制器
CN115578880A (zh) * 2022-09-21 2023-01-06 北京踏歌智行科技有限公司 一种面向露天矿区无人化系统的云端规划策略
CN115730756A (zh) * 2022-11-30 2023-03-03 吉林大学 一种分阶段的自动驾驶车辆轨迹规划方法
CN116069031A (zh) * 2023-01-28 2023-05-05 武汉理工大学 基于车体扫掠模型的地下无人矿车路径优化方法及系统
CN116295393A (zh) * 2022-12-05 2023-06-23 中国矿业大学(北京) 基于rrt*-dr算法的机器人路径规划方法
CN116701821A (zh) * 2023-08-03 2023-09-05 季华实验室 机器人速度计算方法、装置、电子设备及存储介质

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113483776B (zh) * 2021-07-01 2024-11-26 广州小鹏自动驾驶科技有限公司 路径规划方法、装置及汽车
CN113568403A (zh) * 2021-07-02 2021-10-29 广州小鹏自动驾驶科技有限公司 处理方法、处理装置、车辆及存储介质
CN113587931B (zh) * 2021-07-08 2024-07-09 中汽创智科技有限公司 一种路径规划方法、装置、设备及存储介质
CN113704375B (zh) * 2021-08-26 2025-11-07 上海涵润汽车电子有限公司 一种坐标转换方法及装置
CN113744566B (zh) * 2021-09-08 2023-12-05 京东鲲鹏(江苏)科技有限公司 一种预警方法和装置
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
CN113721637B (zh) * 2021-11-02 2022-05-03 武汉理工大学 智能车动态避障路径连续规划方法、系统及存储介质
CN113932827A (zh) * 2021-11-09 2022-01-14 启迪云控(上海)汽车科技有限公司 道路曲线的生成方法、装置、存储介质及车辆
CN113759938B (zh) * 2021-11-10 2022-03-25 北京理工大学 一种无人车路径规划质量测评方法和系统
CN114463717B (zh) * 2021-12-30 2025-10-10 武汉中海庭数据技术有限公司 一种障碍物位置判断方法、系统、电子设备及存储介质
CN114115298B (zh) * 2022-01-25 2022-05-17 北京理工大学 一种无人车路径平滑方法及系统
CN114407898B (zh) * 2022-02-22 2024-04-19 爱驰汽车（上海）有限公司 换道路径规划方法、装置、智能驾驶汽车及存储介质
KR102825933B1 (ko) * 2022-03-10 2025-06-27 주식회사 에이치엘클레무브 운전자 보조 장치 및 운전자 보조 방법
CN115171414B (zh) * 2022-06-10 2023-07-14 哈尔滨工业大学重庆研究院 一种基于Frenet坐标系的CACC跟驰车流控制系统
CN116817955B (zh) * 2023-06-30 2024-04-12 北京易航远智科技有限公司 车辆路径规划方法、装置、电子设备及存储介质
CN116839612B (zh) * 2023-06-30 2026-01-06 惠州市德赛西威汽车电子股份有限公司 一种车辆路径点确定方法、装置、车辆及存储介质
CN119292190B (zh) * 2024-10-10 2025-06-06 苏州天准科技股份有限公司 一种工件轨迹规划方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150029092A1 (en) * 2013-07-23 2015-01-29 Leap Motion, Inc. Systems and methods of interpreting complex gestures
US9721383B1 (en) * 2013-08-29 2017-08-01 Leap Motion, Inc. Predictive information for free space gesture control and communication
US9857876B2 (en) * 2013-07-22 2018-01-02 Leap Motion, Inc. Non-linear motion capture using Frenet-Serret frames
CN109324620A (zh) * 2018-09-25 2019-02-12 北京主线科技有限公司 基于车道线平行偏移进行避障及超车的动态轨迹规划方法
CN110111566A (zh) * 2019-04-19 2019-08-09 腾讯科技（深圳）有限公司 轨迹预测方法、装置和存储介质
CN110189547A (zh) * 2019-05-30 2019-08-30 广州小鹏汽车科技有限公司 一种障碍物检测方法、装置及车辆

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9857876B2 (en) * 2013-07-22 2018-01-02 Leap Motion, Inc. Non-linear motion capture using Frenet-Serret frames
US20150029092A1 (en) * 2013-07-23 2015-01-29 Leap Motion, Inc. Systems and methods of interpreting complex gestures
US9721383B1 (en) * 2013-08-29 2017-08-01 Leap Motion, Inc. Predictive information for free space gesture control and communication
CN109324620A (zh) * 2018-09-25 2019-02-12 北京主线科技有限公司 基于车道线平行偏移进行避障及超车的动态轨迹规划方法
CN110111566A (zh) * 2019-04-19 2019-08-09 腾讯科技（深圳）有限公司 轨迹预测方法、装置和存储介质
CN110189547A (zh) * 2019-05-30 2019-08-30 广州小鹏汽车科技有限公司 一种障碍物检测方法、装置及车辆

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DU, ZHUOYANG: "Research on Trajectory Planning Algorithms of Autonomous Driving Vehicles", SCIENCE & ENGINEERING (B), CHINA MASTER’S THESES FULL-TEXT DATABASE, no. 8, 31 August 2019 (2019-08-31), pages 1 - 101, XP055830190, ISSN: 1674-0246 *
See also references of EP4092386A4 *
XIAO, HONGYU ET AL.: "Obstacle Avoidance Planning for Low-Speed Autonomous Ground Vehicles", JOURNAL OF TONGJI UNIVERSITY(NATURAL SCIENCE), vol. 47, no. S1, 31 December 2019 (2019-12-31), pages 164 - 170, XP055830187, ISSN: 0253-374x *

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113479198A (zh) * 2021-08-20 2021-10-08 京东鲲鹏(江苏)科技有限公司 一种无人车控制方法和装置
CN113460091B (zh) * 2021-08-23 2022-10-21 吉林大学 一种无保护十字路口无人车滚动优化决策方法
CN113460091A (zh) * 2021-08-23 2021-10-01 吉林大学 一种无保护十字路口无人车滚动优化决策方法
CN115230731B (zh) * 2021-09-13 2025-11-25 上海仙途智能科技有限公司 行驶路径确定方法、装置、终端及介质
CN115230731A (zh) * 2021-09-13 2022-10-25 上海仙途智能科技有限公司 行驶路径确定方法、装置、终端及介质
CN113778097A (zh) * 2021-09-15 2021-12-10 龙岩学院 L型路径趋势改进a-star算法的智能仓储物流机器人路径规划方法
CN113778097B (zh) * 2021-09-15 2023-05-19 龙岩学院 L型路径趋势改进a-star算法的智能仓储物流机器人路径规划方法
CN114030652A (zh) * 2021-09-22 2022-02-11 北京电子工程总体研究所 一种避障路径规划方法和系统
CN114030652B (zh) * 2021-09-22 2023-09-12 北京电子工程总体研究所 一种避障路径规划方法和系统
CN114111788A (zh) * 2021-11-09 2022-03-01 武汉乐庭软件技术有限公司 一种基于多段回旋线的轨迹规划的方法、设备及存储设备
CN114152264B (zh) * 2021-12-03 2023-12-05 京东鲲鹏(江苏)科技有限公司 无人车路径规划方法及装置、电子设备、存储介质
CN114152264A (zh) * 2021-12-03 2022-03-08 京东鲲鹏(江苏)科技有限公司 无人车路径规划方法及装置、电子设备、存储介质
CN114264307B (zh) * 2021-12-15 2024-06-04 广州小鹏自动驾驶科技有限公司 路径生成方法、装置、交通工具及存储介质
CN114264307A (zh) * 2021-12-15 2022-04-01 广州小鹏自动驾驶科技有限公司 路径生成方法、装置、交通工具及存储介质
CN114310941B (zh) * 2021-12-21 2023-10-20 长三角哈特机器人产业技术研究院 用于轮毂轮孔去毛刺加工的机器人路径生成方法
CN114310941A (zh) * 2021-12-21 2022-04-12 哈尔滨工业大学芜湖机器人产业技术研究院 用于轮毂轮孔去毛刺加工的机器人路径生成方法
CN114637284A (zh) * 2022-01-26 2022-06-17 上海仙途智能科技有限公司 掉头车道生成方法及装置、计算机可读存储介质、终端
CN114485712A (zh) * 2022-01-30 2022-05-13 重庆长安汽车股份有限公司 一种处理st图构建时障碍物多次侵入本车轨迹的方法
CN114485712B (zh) * 2022-01-30 2023-07-21 重庆长安汽车股份有限公司 一种处理st图构建时障碍物多次侵入本车轨迹的方法
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
CN114734996A (zh) * 2022-04-14 2022-07-12 中国第一汽车股份有限公司 一种自动驾驶决策方法、装置、车辆及存储介质
CN114834463B (zh) * 2022-06-28 2022-11-04 小米汽车科技有限公司 车辆控制方法、装置、存储介质、电子设备、芯片及车辆
CN114834463A (zh) * 2022-06-28 2022-08-02 小米汽车科技有限公司 车辆控制方法、装置、存储介质、电子设备、芯片及车辆
CN115268314A (zh) * 2022-07-01 2022-11-01 上海壁仞智能科技有限公司 轨迹多项式生成装置及其轨迹序列控制器
CN114838737A (zh) * 2022-07-05 2022-08-02 泽景(西安)汽车电子有限责任公司 一种行驶路径的确定方法、装置、电子设备及存储介质
CN114838737B (zh) * 2022-07-05 2022-10-04 泽景(西安)汽车电子有限责任公司 一种行驶路径的确定方法、装置、电子设备及存储介质
CN115046557A (zh) * 2022-08-11 2022-09-13 合肥井松智能科技股份有限公司 一种结合b样条曲线和a星算法的agv路径规划方法
CN115578880A (zh) * 2022-09-21 2023-01-06 北京踏歌智行科技有限公司 一种面向露天矿区无人化系统的云端规划策略
CN115730756B (zh) * 2022-11-30 2025-10-03 吉林大学 一种分阶段的自动驾驶车辆轨迹规划方法
CN115730756A (zh) * 2022-11-30 2023-03-03 吉林大学 一种分阶段的自动驾驶车辆轨迹规划方法
CN116295393A (zh) * 2022-12-05 2023-06-23 中国矿业大学(北京) 基于rrt*-dr算法的机器人路径规划方法
CN116069031A (zh) * 2023-01-28 2023-05-05 武汉理工大学 基于车体扫掠模型的地下无人矿车路径优化方法及系统
CN116069031B (zh) * 2023-01-28 2023-08-11 武汉理工大学 基于车体扫掠模型的地下无人矿车路径优化方法及系统
CN116701821B (zh) * 2023-08-03 2024-03-19 季华实验室 机器人速度计算方法、装置、电子设备及存储介质
CN116701821A (zh) * 2023-08-03 2023-09-05 季华实验室 机器人速度计算方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112673234B (zh) 2022-01-14
EP4092386A1 (en) 2022-11-23
EP4092386A4 (en) 2023-02-01
EP4092386B1 (en) 2026-04-29
CN112673234A (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN112673234B (zh) 路径规划方法和路径规划装置
US12233901B2 (en) Graph neural networks with vectorized object representations in autonomous vehicle systems
CN113359757B (zh) 一种无人驾驶车辆路径规划与轨迹跟踪方法
KR102868549B1 (ko) 이동 장치의 장애물 회피 경로를 계획하기 위한 방법 및 장치
JP7817247B2 (ja) 交差する確率に基づく安全システム資源の割り当て
US11774975B2 (en) Collision zone detection for vehicles
US11225247B2 (en) Collision prediction and avoidance for vehicles
CN115140096B (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
WO2019042295A1 (zh) 一种无人驾驶路径规划方法、系统和装置
EP4237300B1 (en) COLLISION AVOIDANCE PLANNING SYSTEM
WO2021142799A1 (zh) 路径选择方法和路径选择装置
US11433885B1 (en) Collision detection for vehicles
CN113721637B (zh) 智能车动态避障路径连续规划方法、系统及存储介质
CN111258316B (zh) 一种动态环境下趋势感知的机器人轨迹规划方法
WO2018176596A1 (zh) 基于权重改进粒子群算法的无人自行车路径规划方法
WO2018176593A1 (zh) 一种面向无人自行车的局部避障路径规划方法
CN112504279B (zh) 适用于无人机的无碰撞路径规划方法、系统及介质
CN118235180A (zh) 预测可行驶车道的方法和装置
CN118348998A (zh) 一种自动驾驶车辆动态避障的轨迹规划与跟踪控制方法
CN116946188A (zh) 一种面对混合环境的轨迹规划方法及系统
CN112269384A (zh) 一种结合障碍物行为意图的车辆动态轨迹规划方法
CN114852085A (zh) 基于路权侵入度的车辆自动驾驶轨迹规划方法
CN115900742A (zh) 车辆的参考轨迹规划方法、装置、电子设备及存储介质
CN116890876A (zh) 车辆控制方法、装置、电子设备和自动驾驶车辆
CN118310552A (zh) 一种面向预期功能安全的无人驾驶规划方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20914423

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020914423

Country of ref document: EP

Effective date: 20220817