自动驾驶车辆的决策规划方法和装置制造方法及图纸

本发明专利技术提供了自动驾驶车辆的决策规划方法和装置，包括：获取交通参与者的参数信息，根据交通参与者的参数信息得到交通参与者的势场；构建决策序列树，决策序列树包括多个决策序列；根据交通参与者的势场为决策序列中的每个可行域构造对应的融合势场；根据融合势场和预设的系统状态方程，计算时域下所有决策序列对应的规划轨迹；对所有决策序列对应的规划轨迹进行评估，得到多个评估结果；将多个评估结果进行排序，得到排序后的评估结果；对排序后的评估结果进行碰撞检测，得到检测结果；可进行长时域的决策规划，易于扩展且稳定性高。易于扩展且稳定性高。易于扩展且稳定性高。

【技术实现步骤摘要】
自动驾驶车辆的决策规划方法和装置


[0001]本专利技术涉及智能交通
，尤其是涉及自动驾驶车辆的决策规划方法和装置。

技术介绍

[0002]决策规划为自动驾驶系统的大脑，决策规划问题的本质是在时间域和空间域下的搜索问题，直接求解的复杂度过高，难以满足运算实时性要求。自动驾驶决策规划算法要求考虑当前车道和目标车道的障碍物信息、道路限速等，目前主流的决策规划算法基于采样方法或凸优化方法，尽管效率高于直接求解，但仍然难以进行长时域的决策规划，且存在参数过多、难以扩展、稳定性差等缺点。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供自动驾驶车辆的决策规划方法和装置，可进行长时域的决策规划，易于扩展且稳定性高。
[0004]第一方面，本专利技术实施例提供了自动驾驶车辆的决策规划方法，所述方法包括：
[0005]获取交通参与者的参数信息，根据所述交通参与者的参数信息得到所述交通参与者的势场；
[0006]构建决策序列树，所述决策序列树包括多个决策序列；
[0007]根据所述交通参与者的势场为所述决策序列中的每个可行域构造对应的融合势场；
[0008]根据所述融合势场和预设的系统状态方程，计算时域下所有所述决策序列对应的规划轨迹；
[0009]对所有所述决策序列对应的规划轨迹进行评估，得到多个评估结果；
[0010]将多个所述评估结果进行排序，得到排序后的评估结果；
[0011]对所述排序后的评估结果进行碰撞检测，得到检测结果。r/>[0012]进一步的，所述构建决策序列树，包括：
[0013]获取自车当前状态、当前车道的障碍物和目标车道的障碍物；
[0014]根据所述自车当前状态和所述当前车道的障碍物构建所述当前车道的ST图；
[0015]根据所述目标车道的障碍物构建所述目标车道的ST图；
[0016]根据所述当前车道的ST图和所述目标车道的ST图，得到所述当前车道的可行域；
[0017]根据所述当前车道的可行域构建所述决策序列树；
[0018]其中，每个所述可行域为所述决策序列树的一个节点。
[0019]进一步的，所述交通参与者的势场包括限速势场；根据所述交通参与者的势场为所述决策序列中的每个可行域构造对应的融合势场包括，重复执行以下处理，直至每个所述可行域均被遍历：
[0020]从所述决策序列中选取任一可行域，并作为当前可行域；
[0021]获取与所述当前可行域关联的第一障碍物、第二障碍物和第三障碍物；
[0022]当所述第一障碍物的纵向势场大于所述限速势场的最大值时，解除所述当前可行域对应的所述决策序列；
[0023]当所述第二障碍物的纵向势场小于所述第三障碍物的纵向势场时，解除所述当前可行域对应的所述决策序列；
[0024]当所述第二障碍物的纵向势场小于所述第一障碍物的纵向势场时，解除所述当前可行域对应的所述决策序列；
[0025]当所述第一障碍物的纵向势场大于所述第三障碍物的纵向势场，并且所述第一障碍物的纵向势场大于所述限速势场的最小值时，根据所述第三障碍物的纵向势场和所述第一障碍物的纵向势场得到所述当前可行域的纵向势场；
[0026]当所述第二障碍物的纵向势场大于所述第一障碍物的纵向势场时，根据所述第二障碍物的纵向势场、所述第三障碍物的纵向势场和所述限速势场的最大值得到所述当前可行域的纵向势场。
[0027]进一步的，所述交通参与者的势场还包括参考线势场；根据所述交通参与者的势场为所述决策序列中的每个可行域构造对应的融合势场，包括：
[0028]从所述参考线势场和所述第三障碍物的横向势场中选取最大值，并将所述最大值作为所述当前可行域的横向势场。
[0029]进一步的，所述交通参与者的参数信息包括横纵向位置、横纵向速度、横纵向加速度和能量函数；根据所述交通参与者的参数信息得到所述交通参与者的势场，包括：
[0030]将所述横纵向位置、所述横纵向速度、所述横纵向加速度和所述能量函数通过LQR算法，得到所述交通参与者的势场。
[0031]第二方面，本专利技术实施例提供了自动驾驶车辆的决策规划装置，所述装置包括：
[0032]获取单元，用于获取交通参与者的参数信息，根据所述交通参与者的参数信息得到所述交通参与者的势场；
[0033]构建单元，用于构建决策序列树，所述决策序列树包括多个决策序列；
[0034]构造单元，用于根据所述交通参与者的势场为所述决策序列中的每个可行域构造对应的融合势场；
[0035]计算单元，用于根据所述融合势场和预设的系统状态方程，计算时域下所有所述决策序列对应的规划轨迹；
[0036]评估单元，用于对所有所述决策序列对应的规划轨迹进行评估，得到多个评估结果；
[0037]排序单元，用于将多个所述评估结果进行排序，得到排序后的评估结果；
[0038]检测单元，用于对所述排序后的评估结果进行碰撞检测，得到检测结果。
[0039]进一步的，所述构建单元具体用于：
[0040]获取自车当前状态、当前车道的障碍物和目标车道的障碍物；
[0041]根据所述自车当前状态和所述当前车道的障碍物构建所述当前车道的ST图；
[0042]根据所述目标车道的障碍物构建所述目标车道的ST图；
[0043]根据所述当前车道的ST图和所述目标车道的ST图，得到所述当前车道的可行域；
[0044]根据所述当前车道的可行域构建所述决策序列树；
[0045]其中，每个所述可行域为所述决策序列树的一个节点。
[0046]进一步的，所述交通参与者的势场包括限速势场；所述构造单元包括，重复执行以下处理，直至每个所述可行域均被遍历：
[0047]从所述决策序列中选取任一可行域，并作为当前可行域；
[0048]获取与所述当前可行域关联的第一障碍物、第二障碍物和第三障碍物；
[0049]当所述第一障碍物的纵向势场大于所述限速势场的最大值时，解除所述当前可行域对应的所述决策序列；
[0050]当所述第二障碍物的纵向势场小于所述第三障碍物的纵向势场时，解除所述当前可行域对应的所述决策序列；
[0051]当所述第二障碍物的纵向势场小于所述第一障碍物的纵向势场时，解除所述当前可行域对应的所述决策序列；
[0052]当所述第一障碍物的纵向势场大于所述第三障碍物的纵向势场，并且所述第一障碍物的纵向势场大于所述限速势场的最小值时，根据所述第三障碍物的纵向势场和所述第一障碍物的纵向势场得到所述当前可行域的纵向势场；
[0053]当所述第二障碍物的纵向势场大于所述第一障碍物的纵向势场时，根据所述第二障碍物的纵向势场、所述第三障碍物的纵向势场和所述限速势场的最大值得到所述当前可行域的纵向势场。
[0054]第三方面，本专利技术实施例提供了电子设备，包括存储器、处理器，所述存储器上存储有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆的决策规划方法，其特征在于，所述方法包括：获取交通参与者的参数信息，根据所述交通参与者的参数信息得到所述交通参与者的势场；构建决策序列树，所述决策序列树包括多个决策序列；根据所述交通参与者的势场为所述决策序列中的每个可行域构造对应的融合势场；根据所述融合势场和预设的系统状态方程，计算时域下所有所述决策序列对应的规划轨迹；对所有所述决策序列对应的规划轨迹进行评估，得到多个评估结果；将多个所述评估结果进行排序，得到排序后的评估结果；对所述排序后的评估结果进行碰撞检测，得到检测结果。2.根据权利要求1所述的自动驾驶车辆的决策规划方法，其特征在于，所述构建决策序列树，包括：获取自车当前状态、当前车道的障碍物和目标车道的障碍物；根据所述自车当前状态和所述当前车道的障碍物构建所述当前车道的ST图；根据所述目标车道的障碍物构建所述目标车道的ST图；根据所述当前车道的ST图和所述目标车道的ST图，得到所述当前车道的可行域；根据所述当前车道的可行域构建所述决策序列树；其中，每个所述可行域为所述决策序列树的一个节点。3.根据权利要求1所述的自动驾驶车辆的决策规划方法，其特征在于，所述交通参与者的势场包括限速势场；根据所述交通参与者的势场为所述决策序列中的每个可行域构造对应的融合势场包括，重复执行以下处理，直至每个所述可行域均被遍历：从所述决策序列中选取任一可行域，并作为当前可行域；获取与所述当前可行域关联的第一障碍物、第二障碍物和第三障碍物；当所述第一障碍物的纵向势场大于所述限速势场的最大值时，解除所述当前可行域对应的所述决策序列；当所述第二障碍物的纵向势场小于所述第三障碍物的纵向势场时，解除所述当前可行域对应的所述决策序列；当所述第二障碍物的纵向势场小于所述第一障碍物的纵向势场时，解除所述当前可行域对应的所述决策序列；当所述第一障碍物的纵向势场大于所述第三障碍物的纵向势场，并且所述第一障碍物的纵向势场大于所述限速势场的最小值时，根据所述第三障碍物的纵向势场和所述第一障碍物的纵向势场得到所述当前可行域的纵向势场；当所述第二障碍物的纵向势场大于所述第一障碍物的纵向势场时，根据所述第二障碍物的纵向势场、所述第三障碍物的纵向势场和所述限速势场的最大值得到所述当前可行域的纵向势场。4.根据权利要求3所述的自动驾驶车辆的决策规划方法，其特征在于，所述交通参与者的势场还包括参考线势场；根据所述交通参与者的势场为所述决策序列中的每个可行域构造对应的融合势场，包括：从所述参考线势场和所述第三障碍物的横向势场中选取最大值，并将所述最大值作为
所述当前可行域的横向势场。5.根据权利要求1所述的自动驾驶车辆的决策规划方法，其特征在于，所述交通参与者的参数信息包括横纵向位置、横纵向速度、横纵向加速度和能量函数；根据所述交通参与者的参数信息得到所述交通参与者的势场...

【专利技术属性】
技术研发人员：薛兵，邱恒，莫斯尧，徐传骆，韩志华，张旭，
申请(专利权)人：苏州挚途科技有限公司，
类型：发明
国别省市：