本发明专利技术提供了一种基于采样的路径规划方法及装置、自动行驶设备，所述方法包括：获取已执行路径信息、起始状态、目标状态、以及环境信息；根据所述已执行路径信息、起始状态、目标状态、环境信息，以及预先训练得到的神经网络，确定采样分布；所述神经网络包括编码网络和解码网络；根据所述采样分布进行路径规划采样，得到行驶路径。利用本发明专利技术方案，在复杂场景下的非结构化道路上也能够快速规划出最优路径，可以满足各种环境中路径规划的实时性应用需求。以满足各种环境中路径规划的实时性应用需求。以满足各种环境中路径规划的实时性应用需求。
【技术实现步骤摘要】
基于采样的路径规划方法及装置、自动行驶设备
[0001]本专利技术涉及自动驾驶领域，具体涉及一种基于采样的路径规划方法及装置、自动行驶设备。
技术介绍
[0002]无人车路径规划是指在一定的环境模型基础上，给定无人车起始点和目标点后，按照性能指标规划出一条无碰撞、能安全到达目标点的有效路径。路径规划主要包含两个步骤：建立包含障碍区域与自由区域的环境地图，以及在环境地图中选择合适的路径搜索算法，快速实时地搜索可行驶路径。路径规划结果对车辆行驶起着导航作用，它引导车辆从当前位置行驶到达目标位置。
[0003]基于采样的方法是无人车路径规划的主要方法之一，该方法的主要思想是在连续的状态空间中采样得到有限的离散状态，然后对状态进行相互关联，最终得到一条从起始状态到目标状态的路径。
[0004]基于动力学约束的RRT*(KinodynamicRRT*)算法是对传统的快速扩展随机树(rapid exploring random tree，RRT*)算法的改进，在采样得到离散状态之后考虑行驶设备的动力学特性，通过解最优边值问题(Optimal Boundary Value Problem，OBVP)得到满足动力学特性的两点轨迹。但现有的KinodynamicRRT*算法存在以下缺点：基于多项式的轨迹表征碰撞检测计算量大，且无人车的状态维度高，导致采样算法收敛到最优轨迹的收敛速度慢，再加上非结构化道路通常比较复杂，使得有效采样率低，计算实时性难以得到保障。因此，现有的KinodynamicRRT*算法无法满足无人车的实时性路径规划要求。
技术实现思路
[0005]本专利技术实施例提供一种基于采样的路径规划方法及装置、自动行驶设备，以解决现有的满足动力学约束的RRT*算法无法满足实时性路径规划要求的问题。
[0006]为解决上述技术问题，本专利技术实施例提供如下技术方案：
[0007]一方面，本专利技术实施例提供一种基于采样的路径规划方法，所述方法包括：
[0008]获取已执行路径信息、起始状态、目标状态、以及环境信息；
[0009]根据所述已执行路径信息、起始状态、目标状态、环境信息，以及预先训练得到的神经网络，确定采样分布；所述神经网络包括编码网络和解码网络；
[0010]根据所述采样分布进行路径规划采样，得到行驶路径。
[0011]可选地，所述方法还包括按照以下方式训练得到所述神经网络：
[0012]生成路径规划数据集；
[0013]利用所述路径规划数据集训练得到所述神经网络。
[0014]可选地，所述生成路径规划数据集包括：
[0015]采集多种道路场景数据及对应的环境信息；
[0016]根据所述道路场景数据生成初始路径点；
[0017]对所述初始路径点进行优化，得到适应行驶设备动力学的可行轨迹；
[0018]确定对应所述可行轨迹的一系列轨迹点状态；
[0019]根据所述一系列轨迹点状态及对应的环境信息生成路径规划数据集。
[0020]可选地，所述根据所述道路场景数据生成初始路径点包括：利用A*引导的BiRRT*算法及所述道路场景数据生成初始路径点。
[0021]可选地，所述对所述初始路径点进行优化，得到适应行驶设备动力学的可行轨迹包括：通过构建轨迹的凸空间对所述初始路径点进行优化，得到适应行驶设备动力学的可行轨迹。
[0022]可选地，所述轨迹点状态包括以下信息：行驶设备的位置、朝向、曲率、速度。
[0023]可选地，所述神经网络的输入包括：障碍物信息、未知环境信息、已执行路径信息、起始状态信息、目标状态信息；所述已执行路径信息包括行驶设备的位置、速度及朝向信息；所述神经网络的输出包括：栅格信息、行驶设备在所述栅格的朝向信息；所述栅格信息表示所述栅格属于未来路径的概率；所述行驶设备在所述栅格的朝向信息包括朝向的正弦信息和余弦信息。
[0024]可选地，所述根据所述采样分布进行路径规划采样，得到行驶路径包括：
[0025]根据所述采样分布采样得到多个栅格，并由所述多个栅格组成概率质量函数；
[0026]对所述概率质量函数进行采样得到一系列连续的位置信息，并评估得到对应各位置信息的朝向信息；
[0027]组合所述位置信息和对应的朝向信息得到所述行驶设备的预测状态；
[0028]根据所述预测状态得到行驶路径。
[0029]可选地，所述根据所述采样分布进行路径规划采样，得到行驶路径还包括：
[0030]在对所述概率质量函数进行采样得到一系列连续的位置信息之前，对所述质量函数进行最小方差采样。
[0031]另一方面，本专利技术实施例还提供一种基于采样的路径规划装置，所述装置包括：
[0032]信息获取模块，用于获取已执行路径信息、起始状态、目标状态、以及环境信息；
[0033]采样分布确定模块，用于根据所述已执行路径信息、起始状态、目标状态、环境信息，以及预先训练得到的神经网络，确定采样分布；所述神经网络包括编码网络和解码网络；
[0034]路径规划模块，用于根据所述采样分布进行路径规划采样，得到行驶路径。
[0035]可选地，所述装置还包括：网络训练模块，用于构建所述神经网络；所述网络训练模块包括：
[0036]数据集生成模块，用于生成路径规划数据集；
[0037]训练模块，用于利用所述路径规划数据集训练得到所述神经网络。
[0038]可选地，所述数据集生成模块包括：
[0039]数据采集单元，用于采集多种道路场景数据及对应的环境信息；
[0040]初始路径点生成单元，用于根据所述道路场景数据生成初始路径点；
[0041]优化单元，用于对所述初始路径点进行优化，得到适应行驶设备动力学的可行轨迹；
[0042]轨迹点状态确定单元，用于确定对应所述可行轨迹的一系列轨迹点状态；
[0043]数据集生成单元，用于根据所述一系列轨迹点状态及对应的环境信息生成路径规划数据集。
[0044]可选地，所述神经网络的输入包括：障碍物信息、未知环境信息、已执行路径信息、起始状态信息、目标状态信息；所述已执行路径信息包括行驶设备的位置、速度及朝向信息；所述神经网络的输出包括：栅格信息、行驶设备在所述栅格的朝向信息；所述栅格信息表示所述栅格属于未来路径的概率；所述行驶设备在所述栅格的朝向信息包括朝向的正弦信息和余弦信息。
[0045]可选地，所述路径规划模块包括：
[0046]函数生成单元，用于根据所述采样分布采样得到多个栅格，并由所述多个栅格组成概率质量函数；
[0047]采样单元，用于对所述概率质量函数进行采样得到一系列连续的位置信息，并评估得到对应各位置信息的朝向信息；
[0048]信息组合单元，用于组合所述位置信息和对应的朝向信息得到所述行驶设备的预测状态；
[0049]路径选择单元，用于根据所述预测状态得到行驶路径。...
【技术保护点】
【技术特征摘要】
1.一种基于采样的路径规划方法，其特征在于，所述方法包括：获取已执行路径信息、起始状态、目标状态、以及环境信息；根据所述已执行路径信息、起始状态、目标状态、环境信息，以及预先训练得到的神经网络，确定采样分布；所述神经网络包括编码网络和解码网络；根据所述采样分布进行路径规划采样，得到行驶路径。2.根据权利要求1所述的方法，其特征在于，所述方法还包括按照以下方式训练得到所述神经网络：生成路径规划数据集；利用所述路径规划数据集训练得到所述神经网络。3.根据权利要求2所述的方法，其特征在于，所述生成路径规划数据集包括：采集多种道路场景数据及对应的环境信息；根据所述道路场景数据生成初始路径点；对所述初始路径点进行优化，得到适应行驶设备动力学的可行轨迹；确定对应所述可行轨迹的一系列轨迹点状态；根据所述一系列轨迹点状态及对应的环境信息生成路径规划数据集。4.根据权利要求3所述的方法，其特征在于，所述根据所述道路场景数据生成初始路径点包括：利用A*引导的BiRRT*算法及所述道路场景数据生成初始路径点。5.根据权利要求3所述的方法，其特征在于，所述对所述初始路径点进行优化，得到适应行驶设备动力学的可行轨迹包括：通过构建轨迹的凸空间对所述初始路径点进行优化，得到适应行驶设备动力学的可行轨迹。6.根据权利要求3所述的方法，其特征在于，所述轨迹点状态包括以下信息：行驶设备的位置、朝向、曲率、速度。7.根据权利要求1所述的方法，其特征在于，所述神经网络的输入包括：障碍物信息、未知环境信息、已执行路径信息、起始状态信息、目标状态信息；所述已执行路径信息包括行驶设备的位置、速度及朝向信息；所述神经网络的输出包括：栅格信息、行驶设备在所述栅格的朝向信息；所述栅格信息表示所述栅格属于未来路径的概率；所述行驶设备在所述栅格的朝向信息包括朝向的正弦信息和余弦信息。8.根据权利要求1至7任一项所述的方法，其特征在于，所述根据所述采样分布进行路径规划采样，得到行驶路径包括：根据所述采样分布采样得到多个栅格，并由所述多个栅格组成概率质量函数；对所述概率质量函数进行采样得到一系列连续的位置信息，并评估得到对应各位置信息的朝向信息；组合所述位置信息和对应的朝向信息得到所述行驶设备的预测状态；根据所述预测状态得到行驶路径。9.根据权利要求8所述的方法，其特征在于，所述根据所述采样分布进行路径规划采样，得到行驶路径还包括：在对所述概率质量函数进行采样得到一系列连续的位置信息之前，对所述质量函数进
行最小方差采样。10.一种基于采样的路径规划装置，其特征在于，所述装置包括：信息获取模块，用于获取已执行路径信息、起始状态、目标状态、以及环境信息；采样分布确定模...
【专利技术属性】
技术研发人员：黄超，叶玥，
申请(专利权)人：上海仙途智能科技有限公司，
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。