System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自动驾驶,尤其涉及一种车辆路径规划方法及装置。
技术介绍
1、在自动驾驶领域中,车辆通过环境感知模块获取周围环境信息,并结合车辆自身的位置信息和运动状态信息进行行为决策、路径规划和运动控制,并生成对应的控制指令;然后将控制指令下发至车辆的底盘执行机构,从而实现车辆的自动驾驶。现有的自动驾驶路径规划模型可分为两大类型:基于规则的(rule-based)和基于学习的(learning-based)。基于规则的模型,结构简单,可解释性强,实时性好,但其在面临复杂环境时,变通能力弱、鲁棒性差,且会因规则切换导致控制动作生硬,乘客乘坐舒适性较差。
2、基于学习的路径规划方法通常根据车辆自身的状态信息以及周围一定范围内的其他交通参与者的状态信息和道路状况进行决策,未能充分考虑到:自车即受试车的路径规划任务不只与和受试车距离近的交通参与者有关,与那些和自车距离虽远但和自车未来路径有冲突的交通参与者关系更大;距离自车近的交通参与者并非都与路径规划任务相关;与自车未来路径无冲突的交通参与者不必纳入考虑范围;面对复杂的、突发的环境变化时,规划方法的变通能力;路径规划方法的可解释性。
技术实现思路
1、针对现有方法中存在的上述不足,本专利技术提供了一种车辆路径规划方法及装置,可以捕获与自车路径规划任务强相关的特定交通参与者和道路状况,优化现有的车辆路径规划方法。
2、本专利技术的第一方面,提供一种车辆路径规划方法,包括:
3、通过摄像头、激光雷达等获取受
4、利用所述图像信息和数据信息确定与车辆路径规划任务相关的目标交通参与者;
5、利用特征提取模型提取所述目标交通参与者的有效特征向量,基于多头注意力机制和强化学习将所述特征向量映射为未来一段时间内车辆的路径点坐标序列,基于所述路径点坐标序列为车辆规划路径。
6、在一可选实施方式中,所述利用所述图像信息和数据信息确定与车辆路径规划任务相关的目标交通参与者,包括:
7、预测所述交通参与者的未来行驶轨迹,将未来行驶轨迹与自车未来规划的路径存在冲突的所述交通参与者作为目标交通参与者。
8、在一可选实施方式中,所述利用特征提取模型提取所述目标交通参与者的有效特征向量,包括:
9、利用卷积神经网络模型与多层感知机分别对所述图像信息与所述数据信息进行有效信息提取,所述卷积神经网络模型将提取自图像信息的特征向量输出为第一特征向量,所述多层感知机将提取自数据信息的特征向量输出为第二特征向量;
10、将所述第一特征向量与所述第二特征向量拼接为所述目标交通参与者的有效特征向量。
11、在一可选实施方式中,所述将所述第一特征向量与所述第二特征向量拼接为所述目标交通参与者的有效特征向量,包括:
12、将所述第一特征向量的张量维度与所述第二特征向量的张量维度对齐;其中所述第一特征向量表征来自摄像头的图像信息,所述第二特征向量表征传感器获取的数据信息;
13、将所述第一特征向量视为第n+2个所述第二特征向量,将所述第二特征向量输入多头注意力网络,将所述第一特征向量与所述第二特征向量拼接聚合为所述目标交通参与者和周围路况的表征张量,用于后续输入多头注意力机制网络。
14、在一可选实施方式中,将所述多头注意力模型结合强化学习中的actor-critic算法架构,允许输入张量在维度和排列顺序上可变;受试车周围的目标交通参与者数量可变且各个目标交通参与者的表征向量的排列顺序可变;并能将所述特征向量映射为未来一段时间内自车的路径点坐标序列。
15、在一可选实施方式中,所述利用所述图像信息和数据信息确定与车辆路径规划任务相关的目标交通参与者,包括:
16、获取当前时刻及先前若干个时刻的自车周围交通参与者的图像信息与数据信息;将当前时刻及先前若干时刻自车周围交通参与者的图像信息与数据信息作为所述特征提取模型的输入数据。
17、本专利技术的第二方面,提供一种车辆路径规划装置,包括:
18、获取识别模块,用于通过摄像头、激光雷达等获取受试车周围交通参与者及道路状况的图像信息和相关数据信息;
19、目标确定模块,用于所述利用所述图像信息和数据信息确定与车辆路径规划任务相关的目标交通参与者;
20、路径规划模块,用于利用特征提取模型提取所述目标交通参与者的有效特征向量,基于多头注意力机制和强化学习将所述特征向量映射为未来一段时间内车辆的路径点坐标序列,基于所述路径点坐标序列为车辆规划路径。
21、本专利技术的第三方面,提供一种车辆控制方法,包括:获取本专利技术第二方面所述的车辆路径规划方法确定的车辆规划路径,根据所述车辆规划路径控制车辆行驶。
22、本专利技术的第四方面,提供一种电子设备,包括:
23、至少一个处理器;以及与所述处理器通信连接的至少一个存储器,其中:所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如本专利技术实施例的第一方面所述的方法。
24、本专利技术的第五方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被计算机运行时,执行如本专利技术实施例的第一方面所述的方法。
25、本专利技术是基于学习的(learning-based)自动驾驶路径规划模型,可在复杂多变的交通环境中确定与路径规划任务有关的目标交通参与者,忽略与路径规划任务无关的交通参与者及其行为。本专利技术可以增强车辆在面对复杂多变的交通环境时,尤其是面对突发状况时的决策能力,使得路径规划泛化性和灵活性更强;解决现有技术方案中存在的路径规划任务变通能力弱、路径规划易受周围环境变化影响的问题。
本文档来自技高网...【技术保护点】
1.一种车辆路径规划方法,其特征在于,包括:
2.根据权利要求1所述的车辆路径规划方法,其特征在于,所述利用所述图像信息和数据信息确定与车辆路径规划任务相关的目标交通参与者,包括:
3.根据权利要求2所述的车辆路径规划方法,其特征在于,所述利用特征提取模型提取所述目标交通参与者的有效特征向量,包括:
4.根据权利要求3所述的车辆路径规划方法,其特征在于,所述将所述第一特征向量与所述第二特征向量拼接为所述目标交通参与者的有效特征向量,包括:
5.根据权利要求4所述的车辆路径规划方法,其特征在于,将所述多头注意力机制结合强化学习中的Actor-Critic算法架构,允许输入张量在维度和排列顺序上可变;受试车周围的目标交通参与者数量可变且各个目标交通参与者的表征向量的排列顺序可变;并能将所述特征向量映射为未来一段时间内车辆的路径点坐标序列。
6.根据权利要求2所述的车辆路径规划方法,其特征在于,所述利用所述图像信息和数据信息确定与车辆路径规划任务相关的目标交通参与者,包括:
7.一种车辆路径规划装置,其特征在于,包
8.一种车辆控制方法,其特征在于,包括:获取权利要求1至6任一项所述的车辆路径规划方法确定的车辆规划路径,根据所述车辆规划路径控制车辆行驶。
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被计算机运行时,执行如权利要求1至6或权利要求8中任一项所述的方法。
...【技术特征摘要】
1.一种车辆路径规划方法,其特征在于,包括:
2.根据权利要求1所述的车辆路径规划方法,其特征在于,所述利用所述图像信息和数据信息确定与车辆路径规划任务相关的目标交通参与者,包括:
3.根据权利要求2所述的车辆路径规划方法,其特征在于,所述利用特征提取模型提取所述目标交通参与者的有效特征向量,包括:
4.根据权利要求3所述的车辆路径规划方法,其特征在于,所述将所述第一特征向量与所述第二特征向量拼接为所述目标交通参与者的有效特征向量,包括:
5.根据权利要求4所述的车辆路径规划方法,其特征在于,将所述多头注意力机制结合强化学习中的actor-critic算法架构,允许输入张量在维度和排列顺序上可变;受试车周围的目标交通参与者数量...
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。