自动驾驶车辆操作方法、电子设备以及计算机可读介质技术

本公开提供了一种自动驾驶车辆操作方法，涉及自动驾驶领域。根据本公开实施例的自动驾驶车辆操作方法包括以下操作：通过自动驾驶车辆的预测模块，对障碍物的轨迹进行预测。通过自动驾驶车辆的规划模块，基于障碍物的轨迹对自动驾驶车辆的轨迹进行规划。将预测模块的分析模型的损失函数分解为具有多个权重的多个分量，从而基于自动驾驶车辆的轨迹生成加权损失函数。基于加权损失函数对预测模块的性能进行评估，从而改进预测模块的性能，进而提高自动驾驶车辆的安全性和舒适性。动驾驶车辆的安全性和舒适性。动驾驶车辆的安全性和舒适性。

【技术实现步骤摘要】
自动驾驶车辆操作方法、电子设备以及计算机可读介质


[0001]本公开的实施例总体上涉及自动驾驶车辆。更具体地，本公开的实施例涉及对自动驾驶车辆(Autonomous Driving Vehicle，ADV)的性能进行评估。

技术介绍

[0002]在自动模式下运行的车辆(例如无人驾驶车辆)可以减轻车内人员，尤其是驾驶员的一些驾驶相关任务。当车辆在自动模式下运行时，可以使用车载传感器将车辆导航到不同位置，从而车辆行驶时能够尽量减少人机交互，或在没有乘客的情况下行驶。
[0003]运动规划和控制是自动驾驶的关键操作。自动驾驶车辆具有预测模块和规划模块，预测模块在驾驶环境下对一个或多个障碍物的轨迹进行预测，规划模块基于一个或多个障碍物的轨迹，对自动驾驶车辆的轨迹进行规划。在自动驾驶中，预测模块是规划模块的上游模块。目前，仅通过一个或多个障碍物的轨迹的路点距离误差均值和终点距离误差的准确度对预测模块的性能进行评估。然而，路点的准确性有时无法反映在预测车辆是否打算改变车道或加速方面的准确性。因此，预测模块性能的提升未必有助于自动驾驶车辆性能的提升。

技术实现思路

[0004]本公开提供了一种自动驾驶车辆操作方法、计算机可读介质以及电子设备。
[0005]根据本公开的一方面，提供了一种计算机实现的自动驾驶车辆ADV操作方法，该方法包括：
[0006]通过自动驾驶车辆的预测模块，对障碍物的轨迹进行预测；
[0007]通过自动驾驶车辆的规划模块，基于障碍物的轨迹对自动驾驶车辆的轨迹进行规划；
[0008]将预测模块的分析模型的损失函数分解为具有多个权重的多个分量，从而基于自动驾驶车辆的轨迹生成加权损失函数；以及
[0009]基于加权损失函数对预测模块的性能进行评估，从而改进预测模块的性能，进而提高自动驾驶车辆的安全性和舒适性。
[0010]根据本公开的另一方面，提供了一种存储有指令的非暂时性计算机可读介质，指令在被处理器执行时使得处理器执行以下操作：
[0011]通过自动驾驶车辆ADV的预测模块，对障碍物的轨迹进行预测；
[0012]通过自动驾驶车辆的规划模块，基于障碍物的轨迹对自动驾驶车辆的轨迹进行规划；
[0013]将预测模块的分析模型的损失函数分解为具有多个权重的多个分量，从而基于自动驾驶车辆的轨迹生成加权损失函数；以及
[0014]基于加权损失函数对预测模块的性能进行评估，从而改进预测模块的性能，提高自动驾驶车辆的安全性和舒适性。
[0015]根据本公开的另一方面，提供了一种电子设备，包括：
[0016]处理器；以及
[0017]与处理器耦接的存储器，存储器存储有指令，指令被处理器执行时，使得处理器执行以下操作：
[0018]通过自动驾驶车辆ADV的预测模块，对障碍物的轨迹进行预测；
[0019]通过自动驾驶车辆的规划模块，基于障碍物的轨迹对自动驾驶车辆的轨迹进行规划；
[0020]将预测模块的分析模型的损失函数分解为具有多个权重的多个分量，从而基于自动驾驶车辆的轨迹生成加权损失函数；以及
[0021]基于加权损失函数对预测模块的性能进行评估，从而改进预测模块的性能，提高自动驾驶车辆的安全性和舒适性。
[0022]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]本公开的实施例以示例而非限制的方式在附图中示出，其中相似的附图标记表示相似的元件。
[0024]图1是示出了根据一个实施例的网络化系统的框图。
[0025]图2是示出了根据一个实施例的自动驾驶车辆示例的框图。
[0026]图3A和图3B是示出了根据一个实施例与自动驾驶车辆一起使用的自动驾驶系统示例的框图。
[0027]图4是示出了根据一个实施例的自动驾驶系统的评估模块示例的框图。
[0028]图5A和图5B是示出了根据一个实施例在不同驾驶场景下对自动驾驶车辆的预测模块进行评估的示例的框图。
[0029]图6是示出了根据一个实施例的自动驾驶车辆预测模块的评估方法的流程图。
具体实施例
[0030]将参考下述细节对本公开的各种实施例和方面进行描述，附图将示出各种实施例。以下描述和附图是说明性的，不应解释为对本公开的限制。为了透彻理解本公开的各种实施例，描述了许多具体细节。然而，在某些情况下，为了简明论述本公开的实施例，没有对众所周知的或常规的细节进行描述。
[0031]说明书中提到的“一个实施例”或“实施例”表示结合该实施例描述的特定特征、结构或特性可以包括在本公开的至少一个实施例中。在说明书中不同位置出现的“在一个实施例中”不一定都指同一个实施例。
[0032]根据一些实施例，公开了一种自动驾驶车辆预测模块的评估方法和系统，旨在提高自动驾驶车辆的整体性能。例如，预测模块的评估方法和系统可以在不同驾驶场景中进一步有利于自动驾驶车辆的规划和/或决策模块。在自动驾驶中，车辆的行为受到车道/道路的限制。路点距离误差均值的准确性有时无法反映在预测车辆是否打算改变车道或加速方面的准确性。本公开基于解耦损失函数、分解损失函数或加权损失函数对预测模块的性
能进行评估，而非仅仅测量自动驾驶车辆的路点距离误差均值和终点距离误差。在本公开中，术语“解耦损失函数”或“分解损失函数”或“加权损失函数”可以互换使用。例如，可以将路点距离误差均值分解为横向位移(与车道垂直的位移)和纵向位移(沿车道方向的位移)。横向位移(与车道垂直的位移)比纵向位移(沿车道方向的位移)更重要，因此横向位移的权重大于纵向位移的权重。由此，随着预测模块性能的改进，可以改进规划模块/决策模块以及自动驾驶车辆的整体性能，从而提高自动驾驶车辆的安全性和舒适性。
[0033]根据一些实施例，通过自动驾驶车辆的预测模块，对障碍物的轨迹进行预测；通过自动驾驶车辆的规划模块，基于障碍物的轨迹对自动驾驶车辆的轨迹进行规划；将预测模块的分析模型的损失函数分解为具有多个权重的多个分量，从而基于自动驾驶车辆的轨迹生成加权损失函数；基于加权损失函数对预测模块的性能进行评估，从而改进预测模块的性能，提高自动驾驶车辆的安全性和舒适性。
[0034]根据一些实施例，公开了一种存储有指令的非暂时性机器可读介质。该指令在被处理器执行时使得处理器执行以下操作：通过自动驾驶车辆的预测模块，对障碍物的轨迹进行预测；通过自动驾驶车辆的规划模块，基于障碍物的轨迹对自动驾驶车辆的轨迹进行规划；将预测模块的分析模型的损失函数分解为具有多个权重的多个分量，从而基于自动驾驶车辆的轨迹生成加权损失函数；基于加权损失函数对预测模块的性能进行评估，从而改进预测模块的性能，提高自动驾驶车辆的安全性和舒适性。
[0035]根据一些实施例，公开了一种数据处理系统。该数据处理系统包括处理器以及与处理器耦接的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机实现的自动驾驶车辆ADV操作方法，所述方法包括：通过所述自动驾驶车辆的预测模块，对障碍物的轨迹进行预测；通过所述自动驾驶车辆的规划模块，基于所述障碍物的轨迹对所述自动驾驶车辆的轨迹进行规划；将所述预测模块的分析模型的损失函数分解为具有多个权重的多个分量，从而基于所述自动驾驶车辆的轨迹生成加权损失函数；以及基于所述加权损失函数对所述预测模块的性能进行评估，从而改进所述预测模块的性能，进而提高所述自动驾驶车辆的安全性和舒适性。2.根据权利要求1所述的方法，其中，所述损失函数包括路点距离误差均值，将所述预测模块的分析模型的损失函数分解为具有多个权重的多个分量包括：将所述路点距离误差均值分解为与车道垂直的第一路点距离误差均值和沿所述车道的第二路点距离误差均值，所述第一路点距离误差均值具有第一权重，所述第二路点距离误差均值具有第二权重，所述第一权重大于所述第二权重。3.根据权利要求1所述的方法，其中，所述损失函数包括终点距离误差，将所述预测模块的分析模型的损失函数分解为具有多个权重的多个分量包括：将所述终点距离误差分解为与车道垂直的第一终点距离误差和沿所述车道的第二终点距离误差，所述第一终点距离误差具有第一权重，所述第二终点距离误差具有第二权重，所述第一权重大于所述第二权重。4.根据权利要求1所述的方法，其中，所述损失函数包括位置误差，将所述预测模块的分析模型的损失函数分解为具有多个权重的多个分量包括：将所述位置误差分解为第一速度误差和第二航向误差，所述第一速度误差具有第一权重，所述第二航向误差具有第二权重，所述第一权重大于所述第二权重。5.根据权利要求1所述的方法，还包括：基于权重对所述自动驾驶车辆的轨迹的影响，确定所述多个权重中的每个权重。6.根据权利要求1所述的方法，还包括：根据所述自动驾驶车辆的轨迹，基于所述规划模块的性能确定所述多个权重中的每个权重。7.根据权利要求1所述的方法，其中，所述损失函数包括与多个驾驶场景相对应的多个损失，每个损失对应一个驾驶场景。8.根据权利要求7所述的方法，还包括：从所述多个驾驶场景中确定一个驾驶场景；以及响应于所述驾驶场景，从所述多个损失中确定相应的损失。9.一种存储有指令的非暂时性计算机可读介质，所述指令在被处理器执行时使得所述处理器执行以下操作：通过自动驾驶车辆ADV的预测模块，对障碍物的轨迹进行预测；通过所述自动驾驶车辆的规划模块，基于所述障碍物的轨迹对所述自动驾驶车辆的轨迹进行规划；将所述预测模块的分析模型的损失函数分解为具有多个权重的多个分量，从而基于所述自动驾驶车辆的轨迹生成加权损失函数；以及
基于所述加权损失函数对所述预测模块的性能进行评估，从而改进所述预测模块的性能，提高所述自动驾驶车辆的安全性和舒适性。10.根据权利要求9所述的非暂时性计算机可读介质，其中，所述损失函数包括路点距离误差均值，所述处理器还执行以下操作：将所述路点距离误差均值分解为与车道垂直的第一路点距离误差均值和沿所述车道的第二路点距离误差均值，所述第一路点距离误差均值具有第一权重，所述第二路点距...

【专利技术属性】
技术研发人员：姜舒，吴思皓，曹昱，林玮曼，胡江滔，
申请(专利权)人：百度美国有限责任公司，
类型：发明
国别省市：