基于在线学习的路口引导线生成方法、系统及存储介质技术方案

本发明专利技术公开了一种基于在线学习的路口引导线生成方法、系统及存储介质，其方法包括以下步骤：获取目标道路路口内的历史通行轨迹及历史引导线轨迹；将所述历史通行轨迹的轨迹点与所述历史引导线轨迹的轨迹点进行坐标值转换；基于条件变分自编码器对坐标转换后的所述历史通行轨迹及所述历史引导线轨迹进行网络训练，获取目标引导线轨迹；基于Carla仿真平台对所述目标引导线轨迹的轨迹点进行调整，获取最终引导线轨迹；能自动适应新路口场景进行轨迹规划，可在道路路口无清晰的道路结构情况下，为两个连通的车道规划一条合理可控的引导线。线。线。

【技术实现步骤摘要】
基于在线学习的路口引导线生成方法、系统及存储介质


[0001]本专利技术涉及高精地图制作
，特别涉及一种基于在线学习的路口引导线生成方法、系统及存储介质。

技术介绍

[0002]在众包高精度地图制作中，引导线是车道的一个地图要素，是一条安全、舒适、可行驶的轨迹，可用于引导智能驾驶车通过该段车道；引导线属于行动规划中的静态引导线，通常以离线的方式生成，预设于高精度地图中。在普通和结构化特征清晰，准确的车道内，通常将车道中心线作为车道的引导线，但是，在道路路口中，无清晰的道路结构情况下，为两个连通的车道规划一条引导线则是一件非常有挑战的工作。
[0003]目前的路口引导线生成方法主要可分为两类，一类是基于数学模型的方法，将其建模成非凸的数学优化问题，制定优化目标函数和遵守交规、防碰撞等约束条件，通过曲线拟合和数值优化的算法来生成安全和舒适的引导线；该方法严重依赖地图中道路元素的完备性和精确性，如车道边线、车道中心线等，而对于道路结构不清的自由空间则不适用，且生成的轨迹也难以满足人的舒适性和车辆控制上的可跟随性。另一类是基于数据驱动的学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于在线学习的路口引导线生成方法，其特征在于，包括以下步骤：获取目标道路路口内的历史通行轨迹及历史引导线轨迹；将所述历史通行轨迹的轨迹点与所述历史引导线轨迹的轨迹点进行坐标值转换；基于条件变分自编码器对坐标转换后的所述历史通行轨迹及所述历史引导线轨迹进行网络训练，获取目标引导线轨迹；基于Carla仿真平台对所述目标引导线轨迹的轨迹点进行调整，获取最终引导线轨迹。2.如权利要求1所述的基于在线学习的路口引导线生成方法，其特征在于，所述“将所述历史通行轨迹的轨迹点与所述历史引导线轨迹的轨迹点进行坐标值转换”步骤，具体包括以下步骤：将所述历史通行轨迹的轨迹点的全局坐标值与所述历史引导线轨迹的轨迹点的全局坐标值分别转换为局部坐标值；或者，将所述历史通行轨迹的轨迹点的全局坐标值与所述历史引导线轨迹的轨迹点的全局坐标值分别转换为局部坐标值，并基于预设旋转角度旋转轨迹点的局部坐标值所在的局部坐标系；或者，将所述历史通行轨迹的轨迹点的全局坐标值与所述历史引导线轨迹的轨迹点的全局坐标值分别转换为行为坐标值。3.如权利要求1所述的基于在线学习的路口引导线生成方法，其特征在于，所述“基于条件变分自编码器对坐标转换后的所述历史通行轨迹及所述历史引导线轨迹进行网络训练，获取目标引导线轨迹”步骤，具体包括以下步骤：在条件变分自编码器中，对所述历史通行轨迹与所述历史引导线轨迹进行特征向量编码；对特征向量编码后的所述历史通行轨迹与所述历史引导线轨迹预测先验正太分布；对特征向量编码后的历史通行轨迹与先验正太分布结果进行轨迹解码，获取目标引导线轨迹。4.如权利要求3所述的基于在线学习的路口引导线生成方法，其特征在于，所述“对所述历史通行轨迹与所述历史引导线轨迹进行特征向量编码”步骤，具体包括以下步骤：基于轨迹时空特征编码子模型提取所述历史通行轨迹与所述历史引导线轨迹的时空特征向量，对应获取通行时空特征向量及引导线时空特征向量；基于车道特征表示子模型融合历史通行轨迹的所有所述通行时空特征向量，获取车道表示向量。5.如权利要求4所述的基于在线学习的路口引导线生成方法，其特征在于，所述“对特征向量编码后的所述历史通行轨迹与所述历史引导线轨迹预测先验正太分布”步骤，具体包括以下步骤：基于全连接层神经网络联合所述引导线时空特征向量与所述车道表示向量，预测先验正太分布的均值与方差、及选取标准正太分布中满足预设维度条件的采样向量；根据所述均值、所述方...

【专利技术属性】
技术研发人员：姚琼杰，尹玉成，石涤文，丁豪，刘奋，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：