【技术实现步骤摘要】
本申请涉及智能驾驶，尤其涉及一种车辆纵向巡航轨迹的规划方法、装置、设备及存储介质。
技术介绍
1、巡航控制是自动驾驶功能的基础，而巡航路线的规划合理与否直接影响自动驾驶功能的效果。目前现有的大多数路线规划方案都是以自动驾驶车辆为建模中心，然而，在以自动驾驶车辆为建模中心时，以感知设备检测到的数据作为巡航路线的建模输入，容易因受到感知扰动的影响而造成不必要的控制偏离，而且由于与目标车辆的状态变化脱离，无法关联目标车辆在规划时间段内的运动状态变化，使得自动驾驶车辆容易出现控制滞后的情况，从而导致了自动驾驶车辆巡航时无法及时处理状态变化的问题，比如无法处理目标车辆急减速工况产生的追尾问题、因未能及时跟随而造成的被人工驾驶员频繁加塞的问题等。
技术实现思路
1、有鉴于此，本申请实施例提供了一种车辆纵向巡航轨迹的规划方法、装置、设备及存储介质，可以预测目标车辆在规划周期内的运动状态，更好地应对目标是车辆速度突变场景，可以降低感知扰动带来的影响，保障规划更具稳定性。
2、本申请实施例的第一方面提供了一种车辆纵向巡航轨迹的规划方法，包括：
3、获取目标车辆的行驶数据，根据所述行驶数据对所述目标车辆进行运动状态建模，获取所述目标车辆在预测时域内的运动状态数据；
4、在所述预测时域内进行时间点采样处理，获取第一预设数量个时间采样点，从所述运动状态数据中获取所述目标车辆分别在每个时间采样点所对应的运动状态点数据；
5、在本车巡航设置的加速度区间内进行加速
6、采用五次多项式表示所述本车的纵向规划轨迹，根据所述运动状态点数据和所述加速度采样值对所述五次多项式中进行求解，生成一个多维的多项式轨迹矩阵，其中，所述多维的多项式轨迹矩阵中的维度数量为第一预设数量*第二预设数量；
7、采用预设的代价函数对所述多维的多项式轨迹矩阵最优解求解处理，基于所述代价函数的最优解生成所述本车的纵向巡航轨迹。
8、结合第一方面，在第一方面的第一种可能实现方式中，所述获取目标车辆的行驶数据，根据所述行驶数据对所述目标车辆进行运动状态建模，获取所述目标车辆在预测时域内的运动状态序列数据的步骤，包括：
9、获取所述目标车辆的当前行驶速度，将所述目标车辆的当前行驶速度与所述本车的当前行驶速度进行比较，判断所述目标车辆的当前行驶速度是否低于所述本车的当前行驶速度；
10、若所述目标车辆的当前行驶速度高于或等于所述本车的当前行驶速度，则采用预设的高次多项式拟合建模方法对所述目标车辆进行运动状态建模；
11、若所述目标车辆的当前行驶速度低于所述本车的当前行驶速度，则采用预设的卡尔曼建模方法对所述目标车辆进行运动状态建模。
12、结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述若所述目标车辆的当前行驶速度高于或等于所述本车的当前行驶速度，则采用预设的高次多项式拟合建模方法对所述目标车辆进行运动状态建模的步骤，包括：
13、获取所述目标车辆过去第一时间段内的历史行驶数据，其中，所述历史行驶数据包括历史行驶距离数据、历史行驶速度数据、历史行驶加速度数据；
14、将所述历史行驶数据输入到预设的高次多项式模型中进行多项式拟合处理，求解出所述高次多项式模型中多项式系数的数值；
15、将所述多项式系数的数值应用到所述高次多项式模型中，生成所述目标车辆的第一运动状态方程。
16、结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，所述第一运动状态方程表示为：
17、
18、
19、
20、其中，m表示为预测时域内的第m个时刻；sm表示为预测时域内目标车辆在第m个时刻的预测行驶距离；vm表示为预测时域内目标车辆在第m个时刻的预测行驶速度；am表示为预测时域内目标车辆在第m个时刻的预测行驶加速度。c0、c1、...、cn表示为高次多项式模型中的多项式系数；n表示为第n个获取历史行驶数据的时刻。
21、结合第一方面，在第一方面的第四种可能实现方式中，所述采用预设的代价函数对所述多维的多项式轨迹矩阵最优解求解处理，基于所述代价函数的最优解生成所述本车的纵向巡航轨迹规划的步骤中，所述预设的代价函数的计算公式表示为：
22、min:cost＝k6*edels(i,j)+k7*edelv(i,j)+k8*a(j),j∈(1,p)
23、其中，k6、k7和k8表示为归一化权重系数；j表示为第j个加速度采样值，j∈(1，p)；edels(i,j)表示为相对距离误差；edelv(i,j)表示为相对车速误差；a(j)表示为本车的第j个加速度采样值。
24、结合第一方面，在第一方面的第五种可能实现方式中，所述采用五次多项式表示所述本车的纵向规划轨迹，根据所述运动状态点数据和所述加速度采样值对所述五次多项式中进行求解，生成一个多维的多项式轨迹矩阵的步骤，包括：
25、对第一预设数量个所述运动状态点数据和第二预设数量个所述加速度采样值进行排列组合，获得第一预设数量*第二预设数量个数据组合；
26、分别采用每个数据组合对所述所述五次多项式中进行求解，获得第一预设数量*第二预设数量种多项式轨迹，将每种多项式轨迹分别作为一个矩阵元素构建多维矩阵，以生成所述多维的多项式轨迹矩阵。
27、结合第一方面或第一方面的第一或第二或第三或第四或第五种可能实现方式，在第一方面的第六种可能实现方式中，所述采用预设的代价函数对所述多维的多项式轨迹矩阵最优解求解处理，基于所述代价函数的最优解生成所述本车的纵向巡航轨迹的步骤之后，还包括：
28、对所述本车的纵向巡航轨迹对应的多项式轨迹进行轨迹点采样处理，获取第三预设数量个轨迹规划点；
29、根据所述多项式轨迹对所述每个轨迹规划点进行微分处理，生成所述多项式轨迹对应的加速度规划矩阵；
30、按照预设的加速度变化率幅值对所述加速度规划矩阵的低通滤波处理，获得在预测时域内连续的加速度规划矩阵，以根据所述在预测时域内连续的加速度规划矩阵对所述多项式轨迹进行优化处理。
31、本申请实施例的第二方面提供了一种车辆纵向巡航轨迹的规划装置，所述车辆纵向巡航轨迹的规划装置包括：
32、获取模块，用于获取目标车辆的行驶数据，根据所述行驶数据对所述目标车辆进行运动状态建模，获取所述目标车辆在预测时域内的运动状态数据；
33、第一采样模块，用于在所述预测时域内进行时间点采样处理，获取第一预设数量个时间采样点，从所述运动状态数据中获取所述目标车辆分别在每个时间采样点所对应的运动状态点数据；
34、第二采样模块，用于在本车巡航设置的加速度区间内进行加速度值采样处理，获取第二预设数量个加速度采样值；
35、第一生成模块，用于采用五次本文档来自技高网...
【技术保护点】
1.一种车辆纵向巡航轨迹的规划方法，其特征在于，包括：
2.根据权利要求1所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述获取目标车辆的行驶数据，根据所述行驶数据对所述目标车辆进行运动状态建模，获取所述目标车辆在预测时域内的运动状态序列数据的步骤，包括：
3.根据权利要求2所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述若所述目标车辆的当前行驶速度高于或等于所述本车的当前行驶速度，则采用预设的高次多项式拟合建模方法对所述目标车辆进行运动状态建模的步骤，包括：
4.根据权利要求3所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述第一运动状态方程表示为：
5.根据权利要求1所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述采用预设的代价函数对所述多维的多项式轨迹矩阵最优解求解处理，基于所述代价函数的最优解生成所述本车的纵向巡航轨迹规划的步骤中，所述预设的代价函数的计算公式表示为：
6.根据权利要求1所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述采用五次多项式表示所述本车的纵向规划轨迹，根据所述运动状态点数据和所述加速
7.根据权利要求1-6任意一项所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述采用预设的代价函数对所述多维的多项式轨迹矩阵最优解求解处理，基于所述代价函数的最优解生成所述本车的纵向巡航轨迹的步骤之后，还包括：
8.一种车辆纵向巡航轨迹的规划装置，其特征在于，所述车辆纵向巡航轨迹的规划装置包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种车辆纵向巡航轨迹的规划方法，其特征在于，包括：
2.根据权利要求1所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述获取目标车辆的行驶数据，根据所述行驶数据对所述目标车辆进行运动状态建模，获取所述目标车辆在预测时域内的运动状态序列数据的步骤，包括：
3.根据权利要求2所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述若所述目标车辆的当前行驶速度高于或等于所述本车的当前行驶速度，则采用预设的高次多项式拟合建模方法对所述目标车辆进行运动状态建模的步骤，包括：
4.根据权利要求3所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述第一运动状态方程表示为：
5.根据权利要求1所述的车辆纵向巡航轨迹的规划方法，其特征在于，所述采用预设的代价函数对所述多维的多项式轨迹矩阵最优解求解处理，基于所述代价函数的最优解生成所述本车的纵向巡航轨迹规划的步骤中，所述预设的代价函数的计算公式表示为：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：袁润芝，
申请(专利权)人：毫末智行科技有限公司，
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。