一种行驶规划方法、装置、计算机设备及存储介质制造方法及图纸

本公开提供了一种行驶规划方法、装置、计算机设备及存储介质，其中，该方法包括：基于目标道路的参考轨迹信息、以及自动驾驶车辆的车辆参数，确定自动驾驶车辆在当前控制周期中的运动状态参量关系信息；基于运动状态参量关系信息，确定自动驾驶车辆的横向运动状态参量关系信息、以及纵向运动状态参量关系信息；基于预设的约束条件、横向运动状态参量关系信息以及纵向运动状态参量关系信息，确定自动驾驶车辆在未来至少一个控制周期的目标运动状态。这种方法可以更为准确地对自动驾驶车辆进行实际行驶规划，从而能够对自动驾驶车辆进行更为准确的控制。

【技术实现步骤摘要】
一种行驶规划方法、装置、计算机设备及存储介质
本公开涉及自动驾驶
，具体而言，涉及一种行驶规划方法、装置、计算机设备及存储介质。
技术介绍
随着人工智能(ArtificialIntelligence，AI)的发展，自动驾驶汽车(AutonomousVehicles)应运而生。自动驾驶汽车在实际生活中使用时，规划(Planning)和控制(Control)是自动驾驶最底层的部分，决定自动驾驶车辆在道路上如何行驶。当前，在对自动驾驶车辆的行驶进行规划时，效率较低。
技术实现思路
本公开实施例至少提供一种行驶规划方法、装置、计算机设备及存储介质。第一方面，本公开实施例提供了一种行驶规划方法，包括：基于目标道路的参考轨迹信息、以及自动驾驶车辆的车辆参数，确定所述自动驾驶车辆在当前控制周期中的运动状态参量关系信息；基于运动状态参量关系信息，确定所述自动驾驶车辆的横向运动状态参量关系信息、以及纵向运动状态参量关系信息；基于预设的约束条件、所述横向运动状态参量关系信息以及所述纵向运动状态参量关系信息，确定所述自动驾驶车辆在未来至少一个控制周期的目标运动状态。这样，可以更为准确地对自动驾驶车辆进行实际行驶规划，从而能够对自动驾驶车辆进行更为准确的控制。一种可选的实施方式中，所述预设约束条件包括：横向约束条件和/或纵向约束条件。一种可选的实施方式中，所述纵向约束条件包括：所述自动驾驶车辆的纵向位移与时间的第一变化关系信息；其中，所述第一变化关系信息用于表征所述自动驾驶车辆在未来多个时刻的纵向位移边界。一种可选的实施方式中，采用以下步骤确定所述自动驾驶车辆的纵向位移与时间的第一变化关系信息：获取障碍物在笛卡尔坐标系下的障碍物轨迹信息；将所述障碍物轨迹信息投影至弗莱纳坐标系下；基于所述障碍物轨迹信息在弗莱纳坐标系下的投影结果，确定所述自动驾驶车辆的纵向位移与时间的第一变化关系信息。这样，利用弗莱纳坐标系可以较为容易的表征目标道路的信息，还可以将地图数据降维处理，计算量减小，提高效率，以满足行驶规划的实时性要求。一种可选的实施方式中，所述横向约束条件包括：所述自动驾驶车辆的横向位移与时间的第二变化关系信息；其中，所述第二变换关系信息用于表征所述自动驾驶车辆在未来多个时刻的横向位移边界。一种可选的实施方式中，采用以下步骤确定所述自动驾驶车辆的横向位移与时间的第二变化关系信息：获取障碍物在笛卡尔坐标系下的障碍物轨迹信息；将所述障碍物轨迹信息投影至弗莱纳坐标系下；基于所述障碍物轨迹信息在弗莱纳坐标系下的投影结果，确定所述自动驾驶车辆的横向位移与时间的第二变化关系信息。一种可选的实施方式中，所述纵向约束条件还包括下述至少一种：纵向速度阈值、相邻控制周期对应的纵向位移变化量阈值、相邻控制周期对应的纵向速度变化量阈值、相邻控制周期对应的加速度变化量阈值、相邻控制周期对应的纵向变加速度变化量阈值；所述横向约束条件还包括下述至少一种：相邻控制周期的横向位移变化量阈值、相邻控制周期的横向角度变化量阈值、相邻控制周期的横向角速度变化量阈值、相邻控制周期的横向角加速度变化量阈值。这样，通过设置多个不同的约束条件，可以在保证自动驾驶车辆安全性的同时，有针对性的对自动驾驶车辆行驶的稳定性提出更高的要求，使得自动驾驶车辆不会发生位移、速度、加速度等的突变，减少急刹车、猛冲等行为的发生，从而保证乘坐自动驾驶车辆的用户，可以在安全行驶的前提下，有更舒适的乘车体验。一种可选的实施方式中，所述自动驾驶车辆在未来至少一个控制周期的目标运动状态，包括：所述自动驾驶车辆在所述未来至少一个控制周期的横向运动状态、以及纵向运动状态；所述基于预设的约束条件、所述横向运动状态参量关系信息以及所述纵向运动状态参量关系信息，确定所述自动驾驶车辆在未来至少一个控制周期的目标运动状态，包括：基于纵向约束条件、以及所述纵向运动状态参量关系信息、以及纵向行驶策略，确定所述自动驾驶车辆在所述未来至少一个控制周期的纵向运动状态；基于所述横向约束条件、所述横向运动状态参量关系信息、横向行驶策略、以及所述自动驾驶车辆在所述未来至少一个控制周期的横向运动状态，确定所述自动驾驶车辆在所述未来至少一个控制周期的横向运动状态。一种可选的实施方式中，所述基于纵向约束条件、以及所述纵向运动状态参量关系信息、以及行驶策略，确定所述自动驾驶车辆在所述未来至少一个控制周期的纵向运动状态，包括：基于所述纵向约束条件、预设的优化步长、优化时间域、道路限速、车辆性能参数、以及所述纵向行驶策略，生成第一目标函数；所述第一目标函数以每个优化时间点的纵向运动状态、与目标纵向状态的第一距离为优化目标；基于所述纵向运动状态参量关系信息、以及所述纵向约束条件，在所述优化时间域内的每个优化时间点上，对第一目标函数进行最优变量序列寻优，得到由多个优化时间点的纵向车辆状态变量构成的第一变量序列；基于所述第一变量序列，确定所述自动驾驶车辆在所述未来至少一个控制周期的纵向运动状态。这样，可以对自动驾驶车辆状态的横向、纵向进行解耦，更有针对性的进行横向、纵向的规划，使得规划的行驶策略更加细致，从而保证获得较优的自动驾驶车辆的行驶规划。一种可选的实施方式中，基于所述横向约束条件、所述横向运动状态参量关系信息、横向行驶策略、以及所述自动驾驶车辆在所述未来至少一个控制周期的横向运动状态，确定所述自动驾驶车辆在所述未来至少一个控制周期的横向运动状态，包括：基于所述横向运动状态、所述横向行驶策略、所述预设的优化步长、优化时间域、以及所述横向约束条件，生成第二目标函数，所述第二目标函数以每个优化时间点的横向运动状态、与目标横向状态的第二距离为优化目标；基于所述横向运动状态参量关系信息、以及所述横向约束条件，在所述优化时间域内的每个优化时间点上，对第二目标函数进行最优变量序列寻优，得到由多个优化时间点的横向车辆状态变量构成的第二变量序列；基于所述第二变量序列，确定所述自动驾驶车辆在所述未来至少一个控制周期的横向运动状态。一种可选的实施方式中，所述方法还包括：按照多个优化时间点，将该优化时间点的纵向运动状态、和该优化时间点的横向运动状态进行合并，生成优化轨迹；所述优化轨迹包括：横向运动轨迹、以及纵向速度规划曲线。一种可选的实施方式中，运动状态参量包括：所述横向运动状态参量以及纵向运动状态参量；所述纵向运动状态参量，包括：纵向位置，纵向速度，纵向加速度及纵向变加速度中至少一种；所述横向运动状态参量包括：横向位置，横向角度，横向角速度，横向角加速度中至少一种；所述运动状态参量关系信息表征各个运动状态参量之间的关系，所述横向运动状态参量关系信息表征各个横向运动状态参量之间的关系，所述纵向运动状态参量关系信息表征各个纵向运动状态参量之间的关系。这样，由于不同的运动状态参量可以表征不同的运动情况，因此设置较多种类的运动状态参量，可以更好的对自动驾驶车辆的行驶做出规划。一种可选的实施方式中，所述参考轨迹信息包括：所述目标道路的中心线上的多个本文档来自技高网...

【技术保护点】
1.一种行驶规划方法，其特征在于，包括：/n基于目标道路的参考轨迹信息、以及自动驾驶车辆的车辆参数，确定所述自动驾驶车辆在当前控制周期中的运动状态参量关系信息；/n基于运动状态参量关系信息，确定所述自动驾驶车辆的横向运动状态参量关系信息、以及纵向运动状态参量关系信息；/n基于预设的约束条件、所述横向运动状态参量关系信息以及所述纵向运动状态参量关系信息，确定所述自动驾驶车辆在未来至少一个控制周期的目标运动状态。/n

【技术特征摘要】
1.一种行驶规划方法，其特征在于，包括：
基于目标道路的参考轨迹信息、以及自动驾驶车辆的车辆参数，确定所述自动驾驶车辆在当前控制周期中的运动状态参量关系信息；
基于运动状态参量关系信息，确定所述自动驾驶车辆的横向运动状态参量关系信息、以及纵向运动状态参量关系信息；
基于预设的约束条件、所述横向运动状态参量关系信息以及所述纵向运动状态参量关系信息，确定所述自动驾驶车辆在未来至少一个控制周期的目标运动状态。


2.根据权利要求1所述的行驶规划方法，其特征在于，所述预设约束条件包括：横向约束条件和/或纵向约束条件。


3.根据权利要求2所述的行驶规划方法，其特征在于，所述纵向约束条件包括：
所述自动驾驶车辆的纵向位移与时间的第一变化关系信息；
其中，所述第一变化关系信息用于表征所述自动驾驶车辆在未来多个时刻的纵向位移边界。


4.根据权利要求3所述的行驶规划方法，其特征在于，采用以下步骤确定所述自动驾驶车辆的纵向位移与时间的第一变化关系信息：
获取障碍物在笛卡尔坐标系下的障碍物轨迹信息；
将所述障碍物轨迹信息投影至弗莱纳坐标系下；
基于所述障碍物轨迹信息在弗莱纳坐标系下的投影结果，确定所述自动驾驶车辆的纵向位移与时间的第一变化关系信息。


5.根据权利要求2-4任一项所述的行驶规划方法，其特征在于，所述横向约束条件包括：
所述自动驾驶车辆的横向位移与时间的第二变化关系信息；
其中，所述第二变换关系信息用于表征所述自动驾驶车辆在未来多个时刻的横向位移边界。


6.根据权利要求5所述的行驶规划方法，其特征在于，采用以下步骤确定所述自动驾驶车辆的横向位移与时间的第二变化关系信息：
获取障碍物在笛卡尔坐标系下的障碍物轨迹信息；
将所述障碍物轨迹信息投影至弗莱纳坐标系下；
基于所述障碍物轨迹信息在弗莱纳坐标系下的投影结果，确定所述自动驾驶车辆的横向位移与时间的第二变化关系信息。


7.根据权利要求2-6任一项所述的行驶规划方法，其特征在于，所述纵向约束条件还包括下述至少一种：
纵向速度阈值、相邻控制周期对应的纵向位移变化量阈值、相邻控制周期对应的纵向速度变化量阈值、相邻控制周期对应的加速度变化量阈值、相邻控制周期对应的纵向变加速度变化量阈值；
所述横向约束条件还包括下述至少一种：
相邻控制周期的横向位移变化量阈值、相邻控制周期的横向角度变化量阈值、相邻控制周期的横向角速度变化量阈值、相邻控制周期的横向角加速度变化量阈值。


8.根据权利要求1-7任一项所述的行驶规划方法，其特征在于，所述自动驾驶车辆在未来至少一个控制周期的目标运动状态，包括：所述自动驾驶车辆在所述未来至少一个控制周期的横向运动状态、以及纵向运动状态；
所述基于预设的约束条件、所述横向运动状态参量关系信息以及所述纵向运动状态参量关系信息，确定所述自动驾驶车辆在未来至少一个控制周期的目标运动状态，包括：
基于纵向约束条件、以及所述纵向运动状态参量关系信息、以及纵向行驶策略，确定所述自动驾驶车辆在所述未来至少一个控制周期的纵向运动状态；
基于所述横向约束条件、所述横向运动状态参量关系信息、横向行驶策略、以及所述自动驾驶车辆在所述未来至少一个控制周期的横向运动状态，确定所述自动驾驶车辆在所述未来至少一个控制周期的横向运动状态。


9.根据权利要求8所述的行驶规划方法，其特征在于，所述基于纵向约束条件、以及所述纵向运动状态参量关系信息、以及纵向行驶策略，确定所述自动驾驶车辆在所述未来至少一个控制周期的纵向运动状态，包括：
基于所述纵向约束条件、预设的优化步长、优化时间域、道路限速、车辆性能参数、以及所述纵向行驶策略，生成第一目标函数；所述第一目标函数以每个优化时间点的纵向运动状态、与目标纵向状态的第一距离为优化目标；
基于所述纵向运动状态参量关系信息、以及所述纵向约束条件，在所述优化时间域内的每个优化时间点上，对第一目标函数进行最优变量序列寻优，得到由多个优化时间点的纵向车辆状态变量构成的第一变量序列；
基于所述第一变量序列，确定所述自动驾驶车辆在所述未来至少一个控制周期的纵向运动状态。


10.根据权利要求8或9所述的行驶规划方法，其特征在于，基于所述横向约束条件、所述横向运动状态参量关系信息、横向行驶策略、以及所述自动驾驶车辆在所述未来至少一个控制周期...

【专利技术属性】
技术研发人员：周程杨，万登科，
申请(专利权)人：上海商汤临港智能科技有限公司，
类型：发明
国别省市：上海;31