【技术实现步骤摘要】
车辆自动驾驶轨迹规划的方法及装置
[0001]本申请涉及智能驾驶
，特别涉及一种车辆自动驾驶轨迹规划的方法及装置。
技术介绍
[0002]相关技术中，在轨迹簇生成后，通过路径选择代价函数包括优先级代价、过渡代价、碰撞代价和平滑代价，而后评估每一条生成的候选轨迹，并挑选出总代价最小的一条作为最优轨迹。
[0003]然而，相关技术中代价权重通过人工整定，增加了人工操作成本的同时，降低了权重整定的精准性，车辆的智能化水平较低，降低了用户的驾乘体验，无法满足用户的驾乘需求，亟待解决。
技术实现思路
[0004]本申请提供一种车辆自动驾驶轨迹规划的方法及装置，以解决相关技术中代价权重通过人工整定，增加了人工操作成本的同时，降低了权重整定的精准性，车辆的智能化水平较低，降低了用户的驾乘体验，无法满足用户的驾乘需求的问题。
[0005]本申请第一方面实施例提供一种车辆自动驾驶轨迹规划的方法，包括以下步骤：根据车辆的至少一个目标参数分别建立对应的代价函数，并根据每个目标参数的代价函数得到轨迹的代价函数；...
【技术保护点】
【技术特征摘要】
1.一种车辆自动驾驶轨迹规划的方法，其特征在于，包括以下步骤：根据车辆的至少一个目标参数分别建立对应的代价函数，并根据每个目标参数的代价函数得到轨迹的代价函数；采集所述车辆的行驶轨迹点集的同时，获取所述车辆的轨迹簇；以及基于所述轨迹的代价函数、所述行驶轨迹点集和所述轨迹簇，通过预设神经网络训练方式反向传播，得到最佳代价函数权重参数，以利用所述最佳代价函数权重参数选取所述车辆行驶的最优轨迹。2.根据权利要求1所述的方法，其特征在于，所述至少一个目标参数包括障碍物位置、目标位置、历史数据和路径平滑性中的任一项。3.根据权利要求2所述的方法，其特征在于，所述轨迹的代价函数为：C(θ；ξ)＝θ1C1+θ2C2+θ3C3+θ4C4其中，C1表示所述障碍物位置的代价函数，C2表示所述目标位置的代价函数，C3表示所述历史数据代价函数，C4表示所述路径平滑代价函数，ξ表示规划轨迹。4.根据权利要求1所述的方法，其特征在于，在根据预设神经网络训练方式反向传播之前，还包括：将损失函数转换为预设神经网络的形式，并进行叠加，通过线性整流函数ReLU得到损失函数的输出。5.根据权利要求3所述的方法，其特征在于，所述预设神经网络的损失函数为：其中，ξ表示截取驾驶员行驶轨迹，ξ表示规划轨迹，C表示代价函数，δ表示常量。6.一种车辆自动驾驶轨迹规划的装置，其特征在于，包括：建...
【专利技术属性】
技术研发人员：张茂胜，臧金雪，汪娟，孟宇翔，赵庆波，程成，蒲恒，吴超，
申请(专利权)人：奇瑞汽车股份有限公司，
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。