一种跟车目标决策方法、车辆及存储介质技术

本发明专利技术涉及一种跟车目标决策方法、车辆及存储介质。本发明专利技术采用全局路径信息作为先验，结合自车定位信息和状态信息建立运动模型，以及感知障碍物数据信息，在不需要额外车道线检测的情况下，利用栅格空间比车道线检测的三次拟合曲线更准确地描述了车道模型，完成车道和本车所处环境的初略建模。进一步根据空间位置关系筛选出跟车目标。该方案在泊车等低速行驶环境，保证了前车切入切出时本车的安全性和平稳性跟车。采用此方法可以在考虑成本的基础上，不受场景复杂性和实时性的影响，从而有效提高了自动驾驶车辆的安全性和乘坐舒适性。提高了自动驾驶车辆的安全性和乘坐舒适性。提高了自动驾驶车辆的安全性和乘坐舒适性。

【技术实现步骤摘要】
一种跟车目标决策方法、车辆及存储介质


[0001]本专利技术属于目标决策
，具体涉及一种跟车目标决策方法、车辆及存储介质。

技术介绍

[0002]跟车目标决策是自动驾驶环境认知较为重要的一环，能够为纵向速度规划提供比较准确且稳定的跟车目标。其主要功能是在自动驾驶车辆行驶过程中，结合感知测量障碍物数据和全局规划路径信息，完成智能驾驶车辆虚拟本车道生成，并结合本车信息，识别本车换道等场景，进一步调整虚拟本车道位置。基于生成的虚拟本车道，对感知测量的障碍物进行处理，筛选出本车道前方障碍车辆，并选取离本车最近的障碍车辆为纵向速度规划模块的加减速规划目标，实现自动驾驶过程中的安全、平稳跟车。
[0003]前向跟车目标决策在自动驾驶领域已有大量研究和量产方案，如CN110696828A中，描述了一种前向目标选择方法，主要利用前向目标选择模型和实时感知数据确定实时前向目标；该模型通过集成学习方法训练获得。针对由于不同传感器性能表现各异导致在弯道场景下进行目标车辆选择出现的漏选和误选问题，CN111469841A中，结合智能驾驶车辆的第一运动信息和目标选择区段，确定目标车辆。上述两个专利涉及的两个方法都需要感知数据完成车道线目标测量，基于测量车道线目标数据进行前向目标初选和确定目标选择区段。在没有感知数据测量车道线目标的应用中，CN105631217A——《基于本车自适应虚拟车道的前方有效目标选择系统及方法》，首先初始化生成本车自适应虚拟车道，并根据本车运动状态信息和车载雷达感知数据，对本车虚拟车道进行自适应调整，并根据雷达测量目标所处本车虚拟车道位置计算其处于本车车道的概率，进行有效目标选择。虽然该方法对切入切出目标能够及时选取和释放，但是对虚拟本车道准确性和自适应参数标定要求较高。

技术实现思路

[0004]针对现有技术的上述不足，本专利技术要解决的技术问题是提供一种跟车目标决策方法、车辆及存储介质，避免传感器和计算设备成本过高、算法过于复杂且无法保证车辆行车的稳定性和可行性的问题。
[0005]为解决上述技术问题，本专利技术采用如下技术方案：一种跟车目标决策方法，包括以下步骤：S1：根据全局路径、本车实时定位信息和状态信息计算本车道与全局路径之间的距离，判定本车是否换道以完成本车所处车道决策；同时根据全局路径的位置计算并生成本车当前位置下全局路径对应的车道空间；S2：判断本车是否处于全局路径所在车道，如果处于全局路径所在车道，则进入障碍物投射；如果不处于全局路径所在车道，则先进入自适应调整生成本车道后再进入障碍物投射；
S3：如果本车处于全局路径所在车道，基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间；如果本车不处于全局路径所在车道，则根据本车所处车道决策结果完成对应车道位置的偏移调整，得到最终本车所在的车道，然后基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间；S4：过滤掉不处于最终本车所在的车道的障碍物；S5：对投射处于最终本车所在的车道的障碍物，根据障碍物与本车的实时纵向距离，完成本车前方障碍物筛选；S6：根据所述步骤S5所筛选出的障碍物与本车的实时纵向距离，筛选出离本车纵向距离最近的障碍物，并进行纵向规划计算本车的加速度以控制本车加减速。
[0006]进一步完善上述技术方案，所述步骤S1中计算本车与全局路径之间的距离来判定本车是否换道包括：如果该距离在标定车道的一半宽度范围内，则判定为本车在全局路径所在车道；如果该距离超过标定车道一半宽度范围的左边界，则判定本车进行左换道自适应处理，得到最终本车所在的车道；如果该距离超过标定车道一半宽度范围的右边界，则判定本车进行右换道自适应处理，得到最终本车所在的车道；完成本车所处车道决策。
[0007]进一步地，所述步骤S1中：接收到本车实时定位信息后，在本车所在坐标系，按照标定的横纵向分辨率生成采样空间，并根据全局路径的位置和角度信息计算并生成本车当前位置下全局路径对应的车道空间，所述车道空间用于后续车道建模。
[0008]进一步地，所述步骤S3中进行障碍物投射时，实时获取障碍物感知定位数据，针对不同场景进行障碍物膨胀边界标定，并将障碍物投射到所述采样空间中。
[0009]本专利技术还涉及一种车辆，采用如上所述的一种跟车目标决策方法的步骤。
[0010]本专利技术还涉及一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行如上所述的一种跟车目标决策方法的步骤。
[0011]相比现有技术，本专利技术具有如下有益效果：本专利技术的一种跟车目标决策方法，采用全局路径信息作为先验，结合自车定位信息和状态信息建立运动模型，以及感知障碍物数据信息，在不需要额外车道线检测的情况下，利用栅格空间比车道线检测的三次拟合曲线更准确地描述了车道模型，完成车道和本车所处环境的初略建模。进一步根据空间位置关系筛选出跟车目标。该方案在泊车等低速行驶环境，保证了前车切入切出时本车的安全性和平稳性跟车。采用此方法可以在考虑成本的基础上，不受场景复杂性和实时性的影响，从而有效提高了自动驾驶车辆的安全性和乘坐舒适性。
附图说明
[0012]图1为实施例的一种跟车目标决策方法的流程图。
具体实施方式
[0013]下面结合附图对本专利技术的具体实施方式作进一步的详细说明。
[0014]请参见图，具体实施例的一种跟车目标决策方法，包括以下步骤：S1：根据全局路径、本车实时定位信息和状态信息计算本车道与全局路径之间的距离，判定本车是否换道以完成本车所处车道决策；同时根据全局路径的位置计算并生成本车当前位置下全局路径对应的车道空间；S2：判断本车是否处于全局路径所在车道，如果处于全局路径所在车道，则进入障碍物投射；如果不处于全局路径所在车道，则先进入自适应调整生成本车道后再进入障碍物投射；S3：如果本车处于全局路径所在车道，基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间；如果本车不处于全局路径所在车道，则根据本车所处车道决策结果完成对应车道位置的偏移调整，得到最终本车所在的车道，然后基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间；S4：过滤掉不处于最终本车所在的车道的障碍物；S5：对投射处于最终本车所在的车道的障碍物，根据障碍物与本车的实时纵向距离，完成本车前方障碍物筛选；S6：根据所述步骤S5所筛选出的障碍物与本车的实时纵向距离，筛选出离本车纵向距离最近的障碍物，并进行纵向规划计算本车的加速度以控制本车加减速。
[0015]实施例的一种跟车目标决策方法，采用全局路径信息作为先验，结合自车定位信息和状态信息建立运动模型，以及感知障碍物数据信息，在不需要额外车道线检测的情况下，利用栅格空间比车道线检测的三次拟合曲线更准确地描述了车道模型，完成车道和本车所处环境的初略建模。进一步根据空间位置关系筛选出跟车目标。该方案在泊车等低速行驶环境，保证了前车切入切出时本车的安全性和平稳性跟车。采用此方法可以在考虑成本的基础上，不受场景复杂性和实时性的影响，从而有效提高了自动驾驶车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跟车目标决策方法，其特征在于：包括以下步骤：S1：根据全局路径、本车实时定位信息和状态信息计算本车道与全局路径之间的距离，判定本车是否换道以完成本车所处车道决策；同时根据全局路径的位置计算并生成本车当前位置下全局路径对应的车道空间；S2：判断本车是否处于全局路径所在车道，如果处于全局路径所在车道，则进入障碍物投射；如果不处于全局路径所在车道，则先进入自适应调整生成本车道后再进入障碍物投射；S3：如果本车处于全局路径所在车道，基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间；如果本车不处于全局路径所在车道，则根据本车所处车道决策结果完成对应车道位置的偏移调整，得到最终本车所在的车道，然后基于障碍物定位数据将直接障碍物投射在全局路径所在的车道空间；S4：过滤掉不处于最终本车所在的车道的障碍物；S5：对投射处于最终本车所在的车道的障碍物，根据障碍物与本车的实时纵向距离，完成本车前方障碍物筛选；S6：根据所述步骤S5所筛选出的障碍物与本车的实时纵向距离，筛选出离本车纵向距离最近的障碍物，并进行纵向规划计算本车的加速度以控制本车加减速。2.根据权利要求1所述一种跟车目标决策方法，其特征在于：所述步骤S1中计算本车与全局路径之间的距离来判定本车是...

【专利技术属性】
技术研发人员：游虹，文滔，孔周维，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：