一种基于图神经网络的临时道路路径规划方法及系统技术方案

本发明专利技术涉及一种基于图神经网络的临时道路路径规划方法及系统，其包括：以车辆上图像采集设备实时采集到的彩色图像数据为输入，提取图像特征并识别出道路可行驶区域；以车辆上激光雷达实时采集的点云数据为输入，提取BEV视角下的点云特征，获取周围环境的空间信息，与提取的图像特征形成互补；将提取的图像特征和点云特征输入预先建立的端到端模型，进行多模态数据融合后得到BEV语义地图和路点信息，根据BEV语义地图、路点信息与车辆状态数据得到预测路径，完成路径规划。本发明专利技术能实现路径规划，减少传统模块化方法中的误差累计，提高临时道路下路径规划的准确度；可以在无人车辆路径规划领域中应用。路径规划领域中应用。路径规划领域中应用。

【技术实现步骤摘要】
一种基于图神经网络的临时道路路径规划方法及系统


[0001]本专利技术涉及一种无人车辆路径规划
，特别是关于一种基于图神经网络(Transformer网络)的临时道路路径规划方法及系统。

技术介绍

[0002]智能化的车辆又称为自动驾驶或无人驾驶车辆，不仅可以改变传统的以驾驶员为核心的汽车操纵方式，而且有可能大幅降低人为因素造成的交通安全事故。从实现过程上，自动驾驶技术可以分为两大类，一类是基于模块化的方法，这类方法将从传感器输入到执行器输出的中间过程构造成多个独立的子模块，如感知、规划与决策、控制等。这种方法的主要优势是可解释性，即构造具有可解释性的中间表示，因此在出现故障或系统行为异常的情况下，可以识别出发生故障的模块。另一类是基于端到端的方法，这类方法是指从感知的输入直接映射到驾驶的行为。与传统的模块化方法相比，端到端方法的优点是结构简单，不需要进行特征设计和选择，以及摄像机校准和参数的手动调整，并且由于该类方法依赖于从大量数据中学习优化的目标函数，因此针对现实世界发生的不可预测的变化更具有鲁棒性。研究人员在研究端到端自动驾驶模型时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的临时道路路径规划方法，其特征在于，包括：以车辆上图像采集设备实时采集到的彩色图像数据为输入，提取图像特征并识别出道路可行驶区域；以车辆上激光雷达实时采集的点云数据为输入，提取BEV视角下的点云特征，获取周围环境的空间信息，与提取的图像特征形成互补；将提取的图像特征和点云特征输入预先建立的端到端模型，进行多模态数据融合后得到BEV语义地图和路点信息，根据BEV语义地图、路点信息与车辆状态数据得到预测路径，完成路径规划。2.如权利要求1所述基于图神经网络的临时道路路径规划方法，其特征在于，所述提取图像特征并识别出道路可行驶区域，包括：采用STDC中的方法对BiSeNet进行改进，共用Spatial Path和Context Path低层的网络参数；以改进的BiSeNet网络模型进行图像特征提取模块，实现实时道路语义分割；采用拉普拉斯算子对提取的图像计算细节特征；采用Detail Loss作为图像特征提取模块的损失函数，以增强细小目标的识别；对图像特征提取模块进行预训练，完成图像特征提取，并在图像特征提取模块增加额外的语义分割预测网络，以识别出临时道路下的可行驶区域。3.如权利要求1所述基于图神经网络的临时道路路径规划方法，其特征在于，所述提取BEV视角下的点云特征，包括：基于Voxel
‑
Base方法构建点云特征提取模块；针对临时道路场景，采用PointPillar中的方法对点云特征提取模块进行改进：划分区域时不对z轴进行划分，提取点云特征。4.如权利要求3所述基于图神经网络的临时道路路径规划方法，其特征在于，所述采用PointPillar中的方法对点云特征提取模块进行改进，包括：在一个Pillar中单个点云定义为多维的增广向量，提取的Pillar维度为(D,P,N)，P为设定的采集Pillar总数，N为划分的Pillar中采集的点，D为Pillar中点的维度；从划分的区域提取Pillar然后卷积得到一个(C,P,N)的向量，在N个维度上提供max操作得到维度为(C,P)的向量，输出Pseudo image，其中，C为输出的特征图通道数目；对Pseudo image进行特征提取，通过逐步的下采样和卷积提取Pseudo image的全局特征，并通过反卷积操作获得局部特征和精细纹理特征，最后拼接全局和局部特征，得到点云特征提取模块的输出。5.如权利要求1所述基于图神经网络的临时道路路径规划方法，其特征在于，所述进行多模态数据融合后得到BEV语义地图和路点信息，包括：基于改进的Transformer模块对多模态数据特征进行融合：在图像特征和点云特征进入Transformer模块之前，分...

【专利技术属性】
技术研发人员：王立勇，苏清华，谢敏，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：