【技术实现步骤摘要】
本专利技术涉及轨迹规划，尤其涉及一种车辆轨迹规划决策方法、装置、终端及介质。
技术介绍
1、随着城市高速发展，车辆数量日益增加，自动驾驶技术日渐成熟，车辆驾驶不当，如在无保护左转、换道merge、抢占车道场景下决策规划保守，容易造成城市交通拥堵有不断严重的趋势。因此，在保证本车的安全，亦确保不对其它交通参与者的安全造成直接或者间接的威胁的同时，解决车辆无保护左转、换道merge、抢占车道场景决策规划保守的问题，也非常具有意义。
技术实现思路
1、本专利技术提供一种车辆轨迹规划决策方法、装置、终端及介质，采用斯坦伯格博弈模型求解车辆最优轨迹决策，以解决车辆无保护左转、换道merge、抢占车道场景决策规划保守的问题。
2、为了实现上述目的，第一方面，本专利技术实施例提供了一种车辆轨迹规划决策方法，包括：
3、基于自车的加速度维度，采集所述自车和障碍物的运动信息，计算得到所述自车和障碍物的运动轨迹；所述运动信息包括位置、航向角和速度；
4、交叉遍历所述自车和障碍物的运动轨迹，计算得到所述自车和障碍物的成本集合；
5、采用斯坦伯格博弈模型求解所述成本集合的最优决策组，通过时空联合规划器对所述最优决策组进行平滑和优化，以满足动力学约束，得到所述自车的最优规划决策，以控制所述自车行驶。
6、作为上述方案的改进，所述交叉遍历所述自车和障碍物的运动轨迹，计算得到所述自车和障碍物的成本集合，具体包括：
7、遍历所述自车和障碍物的
8、计算所述自车和障碍物的运动轨迹cost，得到所有组合运动轨迹的成本集合；
9、其中，所述运动轨迹cost，包括：加速度变化率、靠近目标车道、靠近目标速度、尽量远离所述障碍物。
10、作为上述方案的改进，所述基于自车的加速度维度，采集所述自车和障碍物的运动信息，计算得到所述自车和障碍物的运动轨迹，具体包括：
11、将自车的加速度维度作为采样动作，对所述自车和障碍物进行三维时空轨迹采样，得到所述自车和障碍物的运动信息，从而计算得到所述自车和障碍物的运动轨迹；
12、其中，所述运动轨迹的数学表示为：
13、x＝at3+bt2+ct+d，
14、y＝et3+ft2+gt+h，
15、式中，x为世界坐标系下x轴上的坐标，y为所述世界坐标系下y轴上的坐标，t为采样时刻，a、b、c、d、e、f、g和h为运动轨迹曲线系数，所述运动轨迹曲线系数由x、y、θ和v计算得到，θ为航向角，v为速度。
16、作为上述方案的改进，所述斯坦伯格博弈模型为：
17、
18、
19、式中，al和af分别为所述自车和障碍物的运动轨迹cost；l和f分别为所述自车和障碍物的运动轨迹；表示选择任意一个所述自车的运动轨迹，历遍所述障碍物的运动轨迹，筛选的所述障碍物的最大运动轨迹cost组；表示确定所述障碍物的最大运动轨迹cost组，历遍所述自车的运动轨迹，筛选的所述自车的最小运动轨迹cost。
20、作为上述方案的改进，所述采样动作acc＝[-5.0～2.0]。
21、第二方面，本专利技术实施例提供了一种车辆轨迹规划决策装置，包括：
22、采集计算模块，用于基于自车的加速度维度，采集所述自车和障碍物的运动信息，计算得到所述自车和障碍物的运动轨迹；所述运动信息包括位置、航向角和速度；
23、历遍计算模块，用于交叉遍历所述自车和障碍物的运动轨迹，计算得到所述自车和障碍物的成本集合；
24、求解最优模块，用于采用斯坦伯格博弈模型求解所述成本集合的最优决策组，通过时空联合规划器对所述最优决策组进行平滑和优化，以满足动力学约束，得到所述自车的最优规划决策，以控制所述自车行驶。
25、作为上述方案的改进，所述历遍计算模块，具体用于：
26、遍历所述自车和障碍物的运动轨迹进行组合，得到组合运动轨迹集合；
27、计算所述自车和障碍物的运动轨迹cost，得到所有组合运动轨迹的成本集合；
28、其中，所述运动轨迹cost，包括：加速度变化率、靠近目标车道、靠近目标速度、尽量远离所述障碍物。
29、作为上述方案的改进，所述采集计算模块，具体用于：
30、将自车的加速度维度作为采样动作，对所述自车和障碍物进行三维时空轨迹采样，得到所述自车和障碍物的运动信息，从而计算得到所述自车和障碍物的运动轨迹；
31、其中，所述运动轨迹的数学表示为：
32、x＝at3+bt2+ct+d，
33、y＝et3+ft2+gt+h，
34、式中，x为世界坐标系下x轴上的坐标，y为所述世界坐标系下y轴上的坐标，t为采样时刻，a、b、c、d、e、f、g和h为运动轨迹曲线系数，所述运动轨迹曲线系数由x、y、θ和v计算得到，θ为航向角，v为速度。
35、第三方面，本专利技术实施例对应提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述车辆轨迹规划决策方法。
36、此外，本专利技术实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述车辆轨迹规划决策方法。
37、与现有技术相比，本专利技术实施例公开的一种车辆轨迹规划决策方法、装置、终端及介质，通过基于自车的加速度维度，采集所述自车和障碍物的运动信息，计算得到所述自车和障碍物的运动轨迹；所述运动信息包括位置、航向角和速度；交叉遍历所述自车和障碍物的运动轨迹，计算得到所述自车和障碍物的成本集合；采用斯坦伯格博弈模型求解所述成本集合的最优决策组，通过时空联合规划器对所述最优决策组进行平滑和优化，以满足动力学约束，得到所述自车的最优规划决策，以控制所述自车行驶。因此，本专利技术实施例能够获取车辆和障碍物的运动轨迹，通过斯坦伯格博弈模型和时空联合规划器计算得到车辆所有轨迹规划的最优轨迹规划决策，能够在保证车辆的驾驶安全，亦确保不对其它交通参与者的安全造成直接或者间接的威胁的同时，解决车辆无保护左转、换道merge、抢占车道场景决策规划保守的问题。
本文档来自技高网...【技术保护点】
1.一种车辆轨迹规划决策方法，其特征在于，包括：
2.如权利要求1所述的车辆轨迹规划决策方法，其特征在于，所述交叉遍历所述自车和障碍物的运动轨迹，计算得到所述自车和障碍物的成本集合，具体包括：
3.如权利要求1所述的车辆轨迹规划决策方法，其特征在于，所述基于自车的加速度维度，采集所述自车和障碍物的运动信息，计算得到所述自车和障碍物的运动轨迹，具体包括：
4.如权利要求1所述的车辆轨迹规划决策方法，其特征在于，所述斯坦伯格博弈模型为：
5.如权利要求3所述的车辆轨迹规划决策方法，其特征在于，所述采样动作acc＝[-5.0～2.0]。
6.一种车辆轨迹规划决策装置，其特征在于，包括：
7.如权利要求6所述的车辆轨迹规划决策装置，其特征在于，所述历遍计算模块，具体用于：
8.如权利要求6所述的车辆轨迹规划决策装置，其特征在于，所述采集计算模块，具体用于：
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-5中任意一项所述的车辆轨迹规划决策方法。
...【技术特征摘要】
1.一种车辆轨迹规划决策方法，其特征在于，包括：
2.如权利要求1所述的车辆轨迹规划决策方法，其特征在于，所述交叉遍历所述自车和障碍物的运动轨迹，计算得到所述自车和障碍物的成本集合，具体包括：
3.如权利要求1所述的车辆轨迹规划决策方法，其特征在于，所述基于自车的加速度维度，采集所述自车和障碍物的运动信息，计算得到所述自车和障碍物的运动轨迹，具体包括：
4.如权利要求1所述的车辆轨迹规划决策方法，其特征在于，所述斯坦伯格博弈模型为：
5.如权利要求3所述的车辆轨迹规划决策方法，其特征在于，所述采样动作acc＝[-5.0～2.0]。
6.一种车辆轨迹规划决策装置，其特征在于...
【专利技术属性】
技术研发人员：刘超，
申请(专利权)人：华人运通上海自动驾驶科技有限公司，
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。