一种车辆的路径规划方法技术

本发明专利技术公开了一种车辆的路径规划方法

【技术实现步骤摘要】
一种车辆的路径规划方法、装置、设备及介质


[0001]本专利技术涉及自动驾驶车辆的路径规划
，尤其涉及一种车辆的路径规划方法
、
装置
、
设备及介质
。

技术介绍

[0002]自动驾驶车辆是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车
。
对于自动驾驶车辆来说，路径规划是关系到车辆行驶安全性及稳定性的重要因素
。
[0003]相关技术中的车辆行驶轨迹预测方案，在轨迹规划的过程中考虑的影响行车因素有限，设定的约束条件有限，轨迹生成需要依赖优化求解方法，未做到一站式解决问题，且受限优化求解方法易出现异常导致后处理捕获逻辑异常冗杂
。
导致车辆的规划路径与理想路径存在很大偏差，车辆沿着规划路径行驶的过程中速度和加速度不稳定，增加了道路行车的风险
。

技术实现思路

[0004]本专利技术提供了一种车辆的路径规划方法
、
装置
、
设备及介质，可以实现提升轨迹规划结果与人工驾驶估计相似度，可以提高轨迹稳定性，保障动作空间的连续性和平滑性
。
[0005]根据本专利技术的一方面，提供了一种车辆的路径规划方法，该方法包括：
[0006]确定目标车辆在目标时刻的目标数据；所述目标数据包括自车信息
、
障碍物信息
、
参考线信息以及地图信息；所述目标时刻包括当前时刻以及至少一个历史时刻；
[0007]根据所述目标数据以及基于预测模型得到所述目标车辆在未来预设时间段内至少两个预测时刻的自车状态信息；所述预测模型基于至少一个历史车辆的历史数据进行训练得到；相邻预测时刻之间的时间间隔为预设时间间隔；所述状态信息包括位置信息以及运动状态信息；
[0008]根据所述目标数据
、
各所述预测时刻的自车状态信息确定所述目标车辆的目标行驶路径
。
[0009]根据本专利技术的另一方面，提供了一种车辆的路径规划装置，该装置包括：
[0010]目标数据确定模块，用于确定目标车辆在目标时刻的目标数据；所述目标数据包括自车信息
、
障碍物信息
、
参考线信息以及地图信息；所述目标时刻包括当前时刻以及至少一个历史时刻；
[0011]自车状态信息确定模块，用于根据所述目标数据以及基于预测模型得到所述目标车辆在未来预设时间段内至少两个预测时刻的自车状态信息；所述预测模型基于至少一个历史车辆的历史数据进行训练得到；相邻预测时刻之间的时间间隔为预设时间间隔；所述状态信息包括位置信息以及运动状态信息；
[0012]目标行驶路径确定模块，用于根据所述目标数据
、
各所述预测时刻的自车状态信息确定所述目标车辆的目标行驶路径
。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的车辆的路径规划方法
。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的车辆的路径规划方法
。
[0018]本专利技术实施例的技术方案，确定目标车辆在目标时刻的目标数据；目标数据包括自车信息
、
障碍物信息
、
参考线信息以及地图信息；目标时刻包括当前时刻以及至少一个历史时刻；根据目标数据以及基于预测模型得到目标车辆在未来预设时间段内至少两个预测时刻的自车状态信息；预测模型基于至少一个历史车辆的历史数据进行训练得到；相邻预测时刻之间的时间间隔为预设时间间隔；状态信息包括位置信息以及运动状态信息；根据目标数据
、
各预测时刻的自车状态信息确定目标车辆的目标行驶路径
。
通过执行本专利技术实施例提供的方案，可以实现提升轨迹规划结果与人工驾驶估计相似度，可以提高轨迹稳定性，保障动作空间的连续性和平滑性
。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围
。
本专利技术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
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0021]图1是本专利技术实施例提供的一种车辆的路径规划方法的流程图；
[0022]图2是本专利技术实施例提供的另一种车辆的路径规划方法的流程图；
[0023]图3是本专利技术实施例提供的目标车辆的目标运动路径示意图；
[0024]图4是本专利技术实施例提供的又一种车辆的路径规划方法的流程图；
[0025]图5是本专利技术实施例提供的历史预测时刻的自车状态信息的确定过程的流程图；
[0026]图6是本专利技术实施例提供的一种车辆的路径规划装置的结构示意图；
[0027]图7是实现本专利技术实施例的车辆的路径规划方法的电子设备的结构示意图
。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围
。
[0029]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序
。
应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施
。
此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程
、
方法
、
系统
、
产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程
、
方法
、
产品或设备固有的其它步骤或单元
。
[0030]图1是本专利技术实施例提供的车辆的路径规划方法的流程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种车辆的路径规划方法，其特征在于，包括：确定目标车辆在目标时刻的目标数据；所述目标数据包括自车信息
、
障碍物信息
、
参考线信息以及地图信息；所述目标时刻包括当前时刻以及至少一个历史时刻；根据所述目标数据以及基于预测模型得到所述目标车辆在未来预设时间段内至少两个预测时刻的自车状态信息；所述预测模型基于至少一个历史车辆的历史数据进行训练得到；相邻预测时刻之间的时间间隔为预设时间间隔；所述状态信息包括位置信息以及运动状态信息；根据所述目标数据
、
各所述预测时刻的自车状态信息确定所述目标车辆的目标行驶路径
。2.
根据权利要求1所述的方法，其特征在于，在确定目标车辆在目标时刻的目标数据之前，所述方法还包括：确定所述目标时刻的原始数据；所述原始数据包括障碍物感知信息
、
所述目标车辆的定位信息
、
高精地图数据以及所述目标车辆的轮速传感器数据；确定目标车辆在目标时刻的目标数据，包括：根据所述目标时刻的原始数据确定目标车辆在目标时刻的目标数据
。3.
根据权利要求1所述的方法，其特征在于，预测模型的确定过程，包括：对于每一个历史数据，根据所述历史数据确定所述历史车辆在至少两个过去历史时刻的特征数据；所述特征数据包括所述历史车辆在所述历史数据中过去历史时刻的自车信息
、
障碍物信息
、
参考线信息以及地图信息；根据各所述特征数据以及基于预设的预测算法得到至少两个历史预测时刻的自车状态信息；确定所述历史数据中所述历史车辆在至少两个未来历史时刻的自车状态信息；所述未来历史时刻根据所述历史数据的过去历史时刻以及预设周期确定；根据各所述历史预测时刻历史车辆的自车状态信息
、
各所述未来历史时刻历史车辆的自车状态信息以及预设的预测算法的损失函数确定所述预测模型
。4.
根据权利要求3所述的方法，其特征在于，未来历史时刻的确定过程包括：将所述历史数据中最近一个过去历史时刻作为起始时刻；根据所述起始时刻以及所述历史数据确定预设历史时间段；将所述历史数据中所述预设历史时间段内与上一个时刻间隔预设周期的时刻作为未来历史时刻
。5.
根据权利要求3所述的方法，其特征在于，所述预设的预测算法的网络结构包括预处理层
、
类型编码层
、
特征编码层
、
位置编码层
、
局部图神经网络层
、
多头注意力层
、
多层全连接层；所述历史预测时刻的自车状态信息的确定过程，包括：根据所述特征数据中的自车信息确定自车轨迹屏蔽向量以及自车类型信息；根据所述特征数据中的障碍物信息确定障碍物轨迹屏蔽向量以及障碍物类型信息；根据所述特征数据中的参考线信息以及地图信息确定参考线轨迹屏蔽向量以及参考线类型信息；根据所述特征数据
、
所述自车轨迹屏蔽向量
、
所述障碍物轨迹屏蔽向量
、
所述参考线轨
迹屏蔽向量以及基于所述预处理层确定动态特征向量，静态特征，动态屏蔽向量以及静态屏...

【专利技术属性】
技术研发人员：姚志鹏，王全，付一豪，李勇强，吕强，苗乾坤，
申请(专利权)人：新石器慧通北京科技有限公司，
类型：发明
国别省市：