本申请涉及一种无人驾驶决策路径的优化方法、装置、车辆及存储介质，其中，方法包括：获取无人驾驶区域的道路边界线和道路中心线，以获取frenet坐标系下的SL坐标，并基于预先构建的滤波模型得到滤掉突变点的位置的边界线点和中心线点；对滤掉突变点的位置的边界线点和中心线点添加预设补偿值，得到平滑后的道路边界线点和中心线点，并根据平滑后的道路边界线点和中心线点生成无人驾驶决策的参考路径。本申请通过道路边界线、道路中心线获取相关坐标数据，并通过滤波算法对决策参考路径进行平滑处理，以生成无人驾驶决策的参考路径，从而减少了控制器算法求解复杂度，使车辆在规划控制时反应更加灵敏，提升了车辆的安全性能，改善了用户的驾乘体验。了用户的驾乘体验。了用户的驾乘体验。
【技术实现步骤摘要】
无人驾驶决策路径的优化方法、装置、车辆及存储介质
[0001]本申请涉及汽车自动驾驶
，特别涉及一种无人驾驶决策路径的优化方法、装置、车辆及存储介质。
技术介绍
[0002]随着计算机技术不断地发展，自动驾驶技术取得日益突破，在基于高精地图进行自动驾驶规划和控制时，由于高精地图数据量庞大，城区道路属性复杂等因素存在，难免会在道路边界点和中心线点集产生噪声点，不可避免的会导致横向规划产生偏差，因此将去噪模型引入决策参考线和边界线具有重要意义。
[0003]目前，相关技术可以通过任务信息、地图信息、速度信息和前向图像信息，挖掘驾驶控制所需特征编码，以实现长距离的城市道路自动驾驶。此外，相关技术还可以通过获取并展示待编辑的高精地图，根据获取到的待添加的地图元素的特征信息，生成待添加的地图元素，并展示到高精地图上，并进行保存。
[0004]然而，相关技术并未对使用高精地图所产生的问题与对应地解决办法进行说明，难以保障车辆的安全性能。
技术实现思路
[0005]本申请提供一种无人驾驶决策路径的优化方法、装置、车辆及存储介质，以解决相关技术并未对使用高精地图所产生的问题与对应地解决办法进行说明，难以保障车辆的安全性能等问题。
[0006]本申请第一方面实施例提供一种无人驾驶决策路径的优化方法，包括以下步骤：获取无人驾驶区域的道路边界线和道路中心线；由所述道路边界线，道路中心线获取frenet坐标系下的SL坐标，并基于预先构建的滤波模型得到滤掉突变点的位置的边界线点和中心线点；以及对所述滤掉突变点的位置的边界线点和中心线点添加预设补偿值，得到平滑后的道路边界线点和中心线点，并根据所述平滑后的道路边界线点和中心线点生成无人驾驶决策的参考路径。
[0007]根据上述技术手段，本申请实施例通过道路边界线、道路中心线获取相关坐标数据，并通过滤波算法对决策参考路径进行平滑处理，以生成无人驾驶决策的参考路径，从而减少了控制器算法求解复杂度，使车辆在规划控制时反应更加灵敏，提升了车辆的安全性能，改善了用户的驾乘体验。
[0008]可选地，在本申请的一个实施例中，在基于所述预先构建的滤波模型得到所述滤掉突变点的位置的边界线点和中心线点之前，还包括：将所有的原始frenet坐标系下的SL坐标点作为局内点，任选两个局内点确定对应的直线；将所有的局内点与直线做垂线，得到相应的距离，得到所述距离小于预设阈值的一致点集；求局内点数最多的一致点集的最佳拟合直线，将所述最佳拟合直线作为数据点的最佳匹配直线，生成所述滤波模型。
[0009]根据上述技术手段，本申请实施例通过将原始frenet坐标系下的边界线、中心线
点作为ransac算法滤波模型的输入，构建滤波模型，以对含有突变点的数据进行平滑处理，从而输出更平滑的决策参考路径和边界线，有效提升车辆的安全性和可靠性，改善了用户的驾乘体验。
[0010]可选地，在本申请的一个实施例中，所述对所述滤掉突变点的位置的边界线点和中心线点添加预设补偿值，包括：将所述滤掉突变点的位置的边界线点和中心线点的标识存入对应的向量中；将所述对应的向量的边界线点和中心线点添加所述预设补偿值。
[0011]根据上述技术手段，本申请实施例通过将世界坐标系下的道路坐标点转化为frenet坐标下进行滤波，减少了控制器算法求解复杂度，使无人驾驶汽车在规划控制时反应更加灵敏，有效提升了车辆的安全性和可靠性，使得车辆更具人性化和智能化。
[0012]可选地，在本申请的一个实施例中，所述获取无人驾驶区域的道路边界线和道路中心线，包括：根据车辆的定位信息确定所述车辆的当前所处路段；获取所述当前所处路段的车道集合，得到所述道路边界线和道路中心线。
[0013]根据上述技术手段，本申请实施例通过确定车辆当前所处路段，获取道路边界线和道路中心线等信息，从而为在该区域进行无人驾驶的车辆提供了可靠的道路相关数据保障，有效提升了车辆的安全性能。
[0014]本申请第二方面实施例提供一种无人驾驶决策路径的优化装置，包括：获取模块，用于获取无人驾驶区域的道路边界线和道路中心线；滤波模块，用于由所述道路边界线，道路中心线获取frenet坐标系下的SL坐标，并基于预先构建的滤波模型得到滤掉突变点的位置的边界线点和中心线点；以及第一生成模块，用于对所述滤掉突变点的位置的边界线点和中心线点添加预设补偿值，得到平滑后的道路边界线点和中心线点，并根据所述平滑后的道路边界线点和中心线点生成无人驾驶决策的参考路径。
[0015]可选地，在本申请的一个实施例中，还包括：选择模块，用于在基于所述预先构建的滤波模型得到所述滤掉突变点的位置的边界线点和中心线点之前将所有的原始frenet坐标系下的SL坐标点作为局内点，任选两个局内点确定对应的直线；距离模块，用于将所有的局内点与直线做垂线，得到相应的距离，得到所述距离小于预设阈值的一致点集；第二生成模块，用于求局内点数最多的一致点集的最佳拟合直线，将所述最佳拟合直线作为数据点的最佳匹配直线，生成所述滤波模型。
[0016]可选地，在本申请的一个实施例中，所述滤波模块包括：存储单元，用于将所述滤掉突变点的位置的边界线点和中心线点的标识存入对应的向量中；添加单元，用于将所述对应的向量的边界线点和中心线点添加所述预设补偿值。
[0017]可选地，在本申请的一个实施例中，所述获取模块包括：确定单元，用于根据车辆的定位信息确定所述车辆的当前所处路段；集合单元，用于获取所述当前所处路段的车道集合，得到所述道路边界线和道路中心线。
[0018]本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的无人驾驶决策路径的优化方法。
[0019]本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的无人驾驶决策路径的优化方法。
[0020]由此，本申请的实施例具有以下有益效果：
[0021](1)本申请实施例通过道路边界线、道路中心线获取相关坐标数据，并通过滤波算法对决策参考路径进行平滑处理，以生成无人驾驶决策的参考路径，从而减少了控制器算法求解复杂度，使车辆在规划控制时反应更加灵敏，提升了车辆的安全性能，改善了用户的驾乘体验。
[0022](2)本申请实施例通过将原始frenet坐标系下的边界线、中心线点作为ransac算法滤波模型的输入，构建滤波模型，以对含有突变点的数据进行平滑处理，从而输出更平滑的决策参考路径和边界线，有效提升车辆的安全性和可靠性，改善了用户的驾乘体验。
[0023](3)本申请实施例通过将世界坐标系下的道路坐标点转化为frenet坐标下进行滤波，减少了控制器算法求解复杂度，使无人驾驶汽车在规划控制时反应更加灵敏，有效提升了车辆的安全性和可靠性，使得车辆更具人性化和智能化。
[0024](4)本申请实施例通过确定本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种无人驾驶决策路径的优化方法，其特征在于，包括以下步骤：获取无人驾驶区域的道路边界线和道路中心线；由所述道路边界线，道路中心线获取frenet坐标系下的SL坐标，并基于预先构建的滤波模型得到滤掉突变点的位置的边界线点和中心线点；以及对所述滤掉突变点的位置的边界线点和中心线点添加预设补偿值，得到平滑后的道路边界线点和中心线点，并根据所述平滑后的道路边界线点和中心线点生成无人驾驶决策的参考路径。2.根据权利要求1所述的方法，其特征在于，在基于所述预先构建的滤波模型得到所述滤掉突变点的位置的边界线点和中心线点之前，还包括：将所有的原始frenet坐标系下的SL坐标点作为局内点，任选两个局内点确定对应的直线；将所有的局内点与直线做垂线，得到相应的距离，得到所述距离小于预设阈值的一致点集；求局内点数最多的一致点集的最佳拟合直线，将所述最佳拟合直线作为数据点的最佳匹配直线，生成所述滤波模型。3.根据权利要求1所述的方法，其特征在于，所述对所述滤掉突变点的位置的边界线点和中心线点添加预设补偿值，包括：将所述滤掉突变点的位置的边界线点和中心线点的标识存入对应的向量中；将所述对应的向量的边界线点和中心线点添加所述预设补偿值。4.根据权利要求1所述的方法，其特征在于，所述获取无人驾驶区域的道路边界线和道路中心线，包括：根据车辆的定位信息确定所述车辆的当前所处路段；获取所述当前所处路段的车道集合，得到所述道路边界线和道路中心线。5.一种无人驾驶决策路径的优化装置，其特征在于，包括：获取模块，用于获取无人驾驶区域的道路边界线和道路中心线；滤波模块，用于由所述道路边界线，道路中心线获取frenet坐标系下的SL坐标，并基于预先构建的滤波模型得到滤掉突变点的位置的边界...
【专利技术属性】
技术研发人员：杜木雄，邱利宏，李振，孔周维，任凡，
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：
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。