【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, ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。