矿区障碍车辆行使轨迹生成方法、装置及计算机设备制造方法及图纸

本发明专利技术公开了一种矿区障碍车辆行使轨迹生成方法、装置及计算机设备，涉及自动化技术领域，主要在于能够提高障碍车辆行使轨迹的生成精度。其中方法包括：获取矿区中与无人驾驶车辆在预定距离范围内的障碍车辆，以及所述障碍车辆对应的行驶参数信息；将所述行驶参数信息输入至预设行驶方向预测模型中进行方向预测，得到所述障碍车辆对应的第一预测行驶方向；根据所述第一预测行驶方向，采用相应的轨迹生成模型生成所述障碍车辆对应的行驶轨迹。迹生成模型生成所述障碍车辆对应的行驶轨迹。迹生成模型生成所述障碍车辆对应的行驶轨迹。

【技术实现步骤摘要】
矿区障碍车辆行使轨迹生成方法、装置及计算机设备


[0001]本申请涉及自动化
，尤其是涉及一种矿区障碍车辆行使轨迹生成方法、装置及计算机设备。

技术介绍

[0002]相对于普通公路，矿区道路绝大部分都是非公开道路，没有道路边界、车道线、交通指示灯等信息，而且矿区路况复杂，存在各种上坡、下坡和弯道，在弯道上下坡、十字路口和交叉路口时，无人驾驶车辆可能会与有人驾驶卡车、辅助车等障碍车辆发生碰撞风险，为了避免发生碰撞，需要对障碍车辆的行使轨迹进行预测。
[0003]目前，通常根据设定的障碍车辆关于时间的位置坐标函数，预测障碍车辆的行使轨迹。然而，由于矿区没有道路边界且存在各种弯道，障碍车辆的行使方向可能随时会发生变化，其运动轨迹也较为复杂，现有技术中这种简单的关于时间的位置坐标函数，无法有效生成障碍车辆的行使轨迹。

技术实现思路

[0004]本专利技术提供了一种矿区障碍车辆行使轨迹生成方法、装置及计算机设备，主要在于能够提高障碍车辆行使轨迹的生成精度。
[0005]根据本专利技术的第一个方面，提供一种矿区障碍车辆行使轨迹生成方法，包括：获取矿区中与无人驾驶车辆在预定距离范围内的障碍车辆，以及所述障碍车辆对应的行驶参数信息；将所述行驶参数信息输入至预设行驶方向预测模型中进行方向预测，得到所述障碍车辆对应的第一预测行驶方向；根据所述第一预测行驶方向，采用相应的轨迹生成模型生成所述障碍车辆对应的行驶轨迹。
[0006]根据本专利技术的第二个方面，提供一种矿区障碍车辆行使轨迹生成装置，包括：获取单元，用于获取矿区中与无人驾驶车辆在预定距离范围内的障碍车辆，以及所述障碍车辆对应的行驶参数信息；预测单元，用于将所述行驶参数信息输入至预设行驶方向预测模型中进行方向预测，得到所述障碍车辆对应的第一预测行驶方向；生成单元，用于根据所述第一预测行驶方向，采用相应的轨迹生成模型生成所述障碍车辆对应的行驶轨迹。
[0007]根据本专利技术的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取矿区中与无人驾驶车辆在预定距离范围内的障碍车辆，以及所述障碍车辆对应的行驶参数信息；将所述行驶参数信息输入至预设行驶方向预测模型中进行方向预测，得到所述障
碍车辆对应的第一预测行驶方向；根据所述第一预测行驶方向，采用相应的轨迹生成模型生成所述障碍车辆对应的行驶轨迹。
[0008]根据本专利技术的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：获取矿区中与无人驾驶车辆在预定距离范围内的障碍车辆，以及所述障碍车辆对应的行驶参数信息；将所述行驶参数信息输入至预设行驶方向预测模型中进行方向预测，得到所述障碍车辆对应的第一预测行驶方向；根据所述第一预测行驶方向，采用相应的轨迹生成模型生成所述障碍车辆对应的行驶轨迹。
[0009]本专利技术提供的一种矿区障碍车辆行使轨迹生成方法、装置及计算机设备，与目前直接利用关于时间的位置坐标函数，生成障碍车辆的行驶轨迹的方式相比，本专利技术能够获取矿区中与无人驾驶车辆在预定距离范围内的障碍车辆，以及所述障碍车辆对应的行驶参数信息；并将所述行驶参数信息输入至预设行驶方向预测模型中进行方向预测，得到所述障碍车辆对应的第一预测行驶方向；最终根据所述第一预测行驶方向，采用相应的轨迹生成模型生成所述障碍车辆对应的行驶轨迹。由于障碍车辆向不同方向行驶的轨迹不同，因此本专利技术先利用预设行驶方向预测模型对障碍车辆的行驶方向进行预测，在此基础上，利用轨迹生成模型生成满足车辆运动学约束的行驶轨迹，从而能够保证障碍车辆行驶轨迹的生成精度，有利于后续准确地判定无人驾驶车辆是否与障碍车辆存在碰撞风险，以便无人驾驶车辆进行驾驶行为决策以规避风险。
附图说明
[0010]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1示出了本专利技术实施例提供的一种矿区障碍车辆行使轨迹生成方法流程图；图2示出了本专利技术实施例提供的另一种矿区障碍车辆行使轨迹生成方法流程图；图3示出了本专利技术实施例提供的一幅障碍车辆行驶方向示意图；图4示出了本专利技术实施例提供的另一幅障碍车辆行驶方向示意图；图5示出了本专利技术实施例提供的一种矿区障碍车辆行使轨迹生成装置的结构示意图；图6示出了本专利技术实施例提供的另一种矿区障碍车辆行使轨迹生成装置的结构示意图；图7示出了本专利技术实施例提供的一种计算机设备的实体结构示意图；图8示出了本专利技术实施例提供的一种芯片的结构示意图；图9示出了本专利技术实施例提供的一种终端的结构示意图。
具体实施方式
[0011]下文中将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的
情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0012]目前，由于矿区没有道路边界且存在各种弯道，障碍车辆的行使方向可能随时会发生变化，其运动轨迹也较为复杂，现有技术中这种简单的关于时间的位置坐标函数，无法有效生成障碍车辆的行使轨迹。
[0013]为了解决上述问题，本专利技术实施例提供了一种矿区障碍车辆行使轨迹生成方法，如图1所示，所述方法包括：101、获取矿区中与无人驾驶车辆在预定距离范围内的障碍车辆，以及所述障碍车辆对应的行驶参数信息。
[0014]其中，无人驾驶车辆包括矿用运输车辆，该矿用运输车辆具体包括：矿卡、宽体车和铰接式矿车等。障碍车辆为有人驾驶车辆，有人驾驶车辆包括有人驾驶卡车和辅助车辆，该辅助车辆具体包括洒水车、指挥车和工程抢险车等。预设距离范围可以根据矿区的路况和无人驾驶车辆的实际行驶状况进行设定，如设定获取距离无人驾驶车辆120米、150米、200米等范围内的障碍车辆。本申请对预定距离不作进一步限定，在实际应用中可以根据应用场景的需要设置。此外，行驶参数信息包括障碍车辆当前的速度、加速度、位置信息、离道路中心线的横向距离、航向角、角速度和与无人驾驶车辆的距离等。
[0015]本专利技术实施例主要应用于生成矿区中障碍车辆的行驶轨迹的场景。本专利技术实施例的执行主体为能够生成障碍车辆行驶轨迹的装置或者设备，具体可以设置在服务器一侧或者车端一侧。
[0016]对于本专利技术实施例，在检测无人驾驶车辆对应的障碍车辆时，无人驾驶车辆上安装的感知设备能够检测到预定距离范围内的障碍车辆，此外，其他车辆上安装的协同定位设备和道路两侧安装的检测设备也可以协助无人驾驶车辆上的感知设备检测障碍车辆，由此通过上述三种检测方式能够获取与无人驾驶车辆在预定距离范围内，且在其前方的障碍车辆。需要说明的是，本专利技术实施中的障碍车辆是指动态行驶的车辆，最终检测到的无人驾驶车辆对应的障碍车辆的数量可以为一辆、两辆或者多辆，当检测到的障碍车辆为两辆或者两辆以上时，需要对每辆障碍车辆进行行驶方向预测和轨迹生成。
[0017]进一步地，在检测无人驾驶车辆对应的障碍车辆的同时，还需要获取障碍车辆对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿区障碍车辆行使轨迹生成方法，其特征在于，包括：获取矿区中与无人驾驶车辆在预定距离范围内的障碍车辆，以及所述障碍车辆对应的行驶参数信息；将所述行驶参数信息输入至预设行驶方向预测模型中进行方向预测，得到所述障碍车辆对应的第一预测行驶方向；根据所述第一预测行驶方向，采用相应的轨迹生成模型生成所述障碍车辆对应的行驶轨迹。2.根据权利要求1所述的方法，其特征在于，所述预设行驶方向预测模型为预设神经网络模型，所述将所述行驶参数信息输入至预设行驶方向预测模型中进行方向预测，得到所述障碍车辆对应的第一预测行驶方向，包括：将所述行驶参数信息输入至所述预设神经网络模型中进行方向预测，得到所述障碍车辆向各个方向行驶的概率值；从所述障碍车辆向各个方向行驶的概率值中筛选出最大概率值，并将所述最大概率值对应的方向确定为所述障碍车辆的第一预测行驶方向。3.根据权利要求2所述的方法，其特征在于，所述预设神经网络模型包括输入层、第一隐藏层、第二隐藏层和输出层，所述将所述行驶参数信息输入至所述预设神经网络模型中进行方向预测，得到所述障碍车辆向各个方向行驶的概率值，包括：对所述行驶参数信息进行归一化处理，得到处理后的行驶参数信息；通过所述输入层将所述处理后的行驶参数信息输入至所述第一隐藏层进行特征提取，得到所述障碍车辆对应的第一行驶参数特征；将所述第一行驶参数特征输入至所述第二隐藏层进行特征提取，得到所述障碍车辆对应的第二行驶参数特征；将所述第二行驶参数特征输入至所述输出层进行分类，得到所述障碍车辆向各个方向行驶的概率值。4.根据权利要求1所述的方法，其特征在于，在所述将所述行驶参数信息输入至预设行驶方向预测模型中进行方向预测，得到所述障碍车辆对应的第一预测行驶方向之前，所述方法还包括：获取所述障碍车辆对应的历史行驶参数信息和历史行驶方向；利用预设神经网络算法，构建初始行驶方向预测模型；将所述历史行驶参数信息输入至所述初始行驶方向预测模型中进行方向预测，得到所述障碍车辆对应的第二预测行驶方向；基于所述障碍车辆对应的第二预测行驶方向和历史行驶方向，构建所述障碍车辆对应的行驶方向损失函数；基于所述行驶方向损失函数，不断对所述初始行驶方向预测模型中的初始权重参数值进行迭代更新，当所述行驶方向损失函数最小时，输出相应迭代层级的权重参数值；基于所述相应迭代层级的权重参数值，确定所述预设行驶方向预测模型。5.根据权利要求4所述的方法，其特征在于，所述基于所述行驶方向损失函数，不断对所述初始行驶方向预测模型中的初始权重参数值进行迭代更新，当所述行驶方向损失函数最小时，输出相应迭代层级的权重参数值，包括：
对所述行驶方向损失函数中的权重参数求偏导，得到关于权重参数的偏导函数；基于所述偏导函数对所述初始权重参数值进行更新，得到本轮迭代更新后的权重参数值；重复对所述初始权重参数值进行迭代更新的过程，直至所述行驶方向损失函数最小时，输出相应迭代层级的权重参数值。6.根据权利要求1所述的方法，其特征在于，所述根据所述第一预测行驶方向，采用相应的轨迹生成模型生成所述障碍车辆对应的行驶轨迹，包括：若所述第一预测行驶方向为所述障碍车辆左转或者右转，则采用采样轨迹规划器生成所述障碍车辆对应的行驶轨迹；若所述第一预测行驶方向为所述障碍车辆直行，则采用车辆运动学模型生成所述障碍车辆对应的行驶轨迹。7.根据权利要求6所述的方法，其特征在于，所述采用采样轨迹规划器生成所述障碍车辆对应的行驶轨迹，包括：对所述障碍车辆的可行驶区域进行采样，得到多个采样点分别对应的横坐标、纵坐标、航向角和曲率值；基于所述采样轨迹规划器和所述多个采样点分别对应的横坐标、纵坐标、航向角和曲率值，确定所述障碍车辆的当前位置与所述多个采样点之间满足车辆运动学约束的多条行驶曲线；根据所述障碍车辆所处的道路环境从所述多条行驶曲线中筛选出至少一条行驶曲线，作为所述障碍车辆对应的行驶轨迹。8.根据权利要求7所述的方法，其特征在于，所述基于所述采样轨迹规划器和所述多个采样点分别对应的横坐标、纵坐标、航向角和曲率值，确定所述障碍车辆的当前位置与所述多个采样点之间满足车辆运动学约束的多条行驶曲线，包括：针对所述多个采样点中的目标采样点，根据所述目标采样点对应的横坐标、纵坐标、航向角和曲率值，利用牛顿求根法求解所述采样轨迹规划器中关于曲线弧长的曲率函数对应的曲率系数；基于所述曲率系数，确定所述障碍车辆的当前位置与所述目标采样点之间满足车辆运动学约束的行驶曲线。9.根据权利要求8所述的方法，其特征在于，所述根据所述目标采样点对应的横坐标、纵坐标、航向角和曲率值，利用牛顿求根法求解所述采样轨迹规划器中关于曲线弧长的曲率函数对应的曲率系数，包括：根据所述障碍车辆在所述当前位置的起点曲率值、在所述目标采样点处的终点曲率值，以及所述关于曲线弧长的曲率函数，确定关于起点曲率值、第一曲率、第二曲率、终点曲率值和曲线弧长的曲率系数函数，其中，所述第一曲率和所述第二曲率分别为1/3曲线弧长和2/3曲...

【专利技术属性】
技术研发人员：魏辉，张宏韬，高玉，
申请(专利权)人：青岛慧拓智能机器有限公司，
类型：发明
国别省市：