【技术实现步骤摘要】
本专利技术涉及路径跟踪，更具体地说，本专利技术涉及智能驾驶车辆的环境感知与路径跟踪方法。
技术介绍
1、车辆的路径跟踪方法是指车辆在行驶过程中，按照预先规划的路径，实时调整车辆的姿态和控制输入，以确保车辆能够准确地跟随规划的路径行驶。路径跟踪方法是智能驾驶技术中的一个重要组成部分，
2、现有授权公告号cn107390691b，公开的一种agv路径跟踪方法，(a)在agv的导航机构内预设路径地图、路径点和直角坐标系；根据设置的路径点生成路径曲线方程s；(b)agv按照路径曲线方程s行进；(c)导航机构以参考点o跟踪路径曲线方程s；(d)计算出当前参考点o的坐标以及车体当前航向角α；(e)计算出当前参考点o到路径曲线方程s上的最近点p的坐标；(f)计算出agv的理论航向转角β；(g)计算横向偏差值e；(h)计算出偏差角δ；(i)判断agv车体是否脱轨；(j)计算出舵轮转角a，驱动机构根据舵轮转角a修正行驶路线，完成一个路径跟踪周期。本专利技术的agv路径跟踪方法，使agv以较少的偏差沿着预设的路径曲线方程s行进。
3、在车辆(以下简称本车)行驶时，路径追踪过程中自主变道也不可或缺，因变道引发的事故占总交通事故的4％-10％，如何根据驾驶环境，保障安全的情况下，实现自主变道，高效的跟踪路径。
4、鉴于此，本专利技术提出智能驾驶车辆的环境感知与路径跟踪方法以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技
2、根据导航路径上变道提示，确定变道方向；
3、在安全道路情况下，采集q组车辆变道数据以及与q组车辆变道数据对应的车辆变道转向角集合，将车辆变道转向角集合转换为转向编号，转向编号为i＝1，2，3...i；
4、基于车辆变道数据训练出预测车辆变道转向角集合编号的机器学习模型；
5、将实时采集的车辆变道数据输入训练好的机器学习模型，获取预测输出的转向编号，根据转向编号获取对应的车辆变道转向角集合，将车辆变道转向角集合内转向角依次与本车转向角范围比对分析，判定是否生成变道指令，若生成变道指令，则将变道指令发送至转向模块，转向模块根据变道指令，将预测车辆变道转向角集合内的转向角依次作为本车变道过程中r个连续的转向角。
6、进一步地，所述车辆变道数据包括本车车速、变道车道前车车速、变道车道前车与本车距离、变道车道后车车速、变道车道后车与本车距离以及本车行驶车道与可变道标志线间距。
7、进一步地，车辆变道转向角集合为本车开启转向灯时，到完全移动至变道车道过程中的r个连续的转向角，r为大于或等于1的整数。
8、进一步地，所述可变道标志线为本车行驶车道与变道车道之间的可变道标志线。
9、进一步地，将历史可变道对应的车辆变道数据以及车辆变道数据对应的转向编号转换为对应的一组特征向量；
10、将每组特征向量作为机器学习模型的输入，所述机器学习模型以每组车辆变道数据对应的一组转向编号作为输出，以每组实时车辆变道数据对应的预测转向编号作为预测目标，以最小化机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练。
11、进一步地，判定是否生成变道指令的逻辑为：
12、若预测车辆变道转向角集合内任一转向角超出本车转向角范围时，则不生成变道指令；
13、若预测车辆变道转向角集合内任一转向角未超出本车转向角范围时，则生成变道指令。
14、进一步地，若不生成变道指令，控制本车继续跟随引导路径在本车车道行驶，并获取与本车车道前车的车距，根据车距生成加速指令或减速指令，将加速或减速过程中的实时采集的车辆变道数据输入机器学习模型，根据输出的转向编号获取对应的车辆变道转向角集合，再次将车辆变道转向角集合内转向角依次与本车转向角范围比对分析，判定是否生成变道指令。
15、进一步地，根据车距生成加速指令或减速指令的方法包括：
16、若前方检测范围内无车，且当前本车车速未超出引导路径对应路段车速限速，则生成加速指令；
17、若前方检测范围内有车，获取的车距小于预设安全车距，则生成减速指令；
18、若前方检测范围内有车，获取的车距大于预设安全车距，且当前本车车速未超出引导路径对应路段车速限速，则生成加速指令；
19、若前方检测范围内有车，获取的车距大于预设安全车距，且当前本车车速超出引导路径对应路段车速限速，则生成减速指令。
20、车辆变道数据还包括跨越可变道标识线长度，跨越可变道标识线长度与车辆变道转向角集合一一对应；
21、当本车开启转向灯时，获取位于引导路径上的本车实时位置，以及获取可变道标志线的终止位置，根据本车实时位置以及终止位置，获得剩余可变道标志线长度；
22、将剩余可变道标志线长度与预测车辆变道转向角集合对应的跨越可变道标识线长度比对分析，判定是否生成阻止变道指令；
23、若剩余可变道标志线长度大于预测车辆变道转向角集合对应的跨越可变道标识线长度，则不生成阻止变道指令；
24、若剩余可变道标志线长度小于或等于预测车辆变道转向角集合对应的跨越可变道标识线长度，则生成阻止变道指令。
25、智能驾驶车辆的环境感知与路径跟踪系统，基于上述的智能驾驶车辆的环境感知与路径跟踪方法实现，包括：
26、变道方向确定模块，根据导航路径上变道提示，确定变道方向；
27、历史采集模块，用于在安全道路情况下，采集q组车辆变道数据以及与q组车辆变道数据对应的车辆变道转向角集合，将车辆变道转向角集合转换为转向编号，转向编号为i＝1，2，3...i；
28、模型训练模块，基于车辆变道数据训练出预测车辆变道转向角集合编号的机器学习模型；
29、数据分析模块，将实时采集的车辆变道数据输入训练好的机器学习模型，获取预测输出的转向编号，根据转向编号获取对应的车辆变道转向角集合，将车辆变道转向角集合内转向角依次与本车转向角范围比对分析，判定是否生成变道指令，若生成变道指令，则将变道指令发送至转向模块，转向模块根据变道指令，将预测车辆变道转向角集合内的转向角依次作为本车变道过程中r个连续的转向角。
30、一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
31、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的智能驾驶车辆的环境感知与路径跟踪方法。
32、一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行上述的智能驾驶车辆的环境感知与路径跟踪方法。
33、本专利技术智能驾驶车辆的环境感知与路径跟踪方法的技术效果和优点：
34、1.根据驾驶车辆的周围环境变化，保障驾驶车辆安全行驶本文档来自技高网...
【技术保护点】
1.智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，包括：
2.根据权利要求1所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，所述车辆变道数据包括本车车速、变道车道前车车速、变道车道前车与本车距离、变道车道后车车速、变道车道后车与本车距离以及本车行驶车道与可变道标志线间距。
3.根据权利要求2所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，车辆变道转向角集合为本车开启转向灯时，到完全移动至变道车道过程中的r个连续的转向角，r为大于或等于1的整数。
4.根据权利要求3所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，所述可变道标志线为本车行驶车道与变道车道之间的可变道标志线。
5.根据权利要求4所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，将历史车辆变道数据以及车辆变道数据对应的转向编号转换为对应的一组特征向量；
6.根据权利要求5所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，判定是否生成变道指令的逻辑为：
7.根据权利要求6所述的智能驾驶车辆的环境感知与路径跟踪方法
8.根据权利要求7所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，根据车距生成加速指令或减速指令的方法包括：
9.根据权利要求8所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，车辆变道数据还包括跨越可变道标识线长度，跨越可变道标识线长度与车辆变道转向角集合一一对应；
10.智能驾驶车辆的环境感知与路径跟踪系统，其特征在于，基于权利要求1-9任一项智能驾驶车辆的环境感知与路径跟踪方法实现，包括：
...【技术特征摘要】
1.智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，包括：
2.根据权利要求1所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，所述车辆变道数据包括本车车速、变道车道前车车速、变道车道前车与本车距离、变道车道后车车速、变道车道后车与本车距离以及本车行驶车道与可变道标志线间距。
3.根据权利要求2所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，车辆变道转向角集合为本车开启转向灯时，到完全移动至变道车道过程中的r个连续的转向角，r为大于或等于1的整数。
4.根据权利要求3所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，所述可变道标志线为本车行驶车道与变道车道之间的可变道标志线。
5.根据权利要求4所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征在于，将历史车辆变道数据以及车辆变道数据对应的转向编号转换为对应的一组特征向量；
6.根据权利要求5所述的智能驾驶车辆的环境感知与路径跟踪方法，其特征...
【专利技术属性】
技术研发人员：武丹丹，章广忠，杨煜，徐建杭，
申请(专利权)人：南京项尚车联网技术有限公司，
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。