【技术实现步骤摘要】
本专利技术涉及一种智能驾驶，特别是涉及一种行驶轨迹决策的处理方法及装置、存储介质、车辆、终端。
技术介绍
1、随着智能化驾驶技术的快速发展，对车辆行驶过程的控制越来越精细化。其中，车辆处于大曲率转弯、掉头等场景时，需要通过非线性优化算法对行驶轨迹进行优化决策，以基于行驶轨迹控制车辆在避碰状态下进行行驶。
2、目前，现有在基于非线性优化算法对车辆的行驶轨迹进行优化决策时，通常直接基于离散采样的参考轨迹作为初始解进行优化决策。但是，由于参考轨迹的局限性，对于直接离散的参考轨迹作为初始解，无法满足非线性优化算法对车辆的行驶轨迹快速优化决策的需求，会消耗大量计算时间，降低非线性优化算法的对行驶轨迹的优化决策准确性，大大影响车辆基于行驶轨迹行驶的有效性。
技术实现思路
1、有鉴于此，本专利技术提供一种行驶轨迹决策的处理方法及装置、存储介质、车辆、终端，主要目的在于解决现有车辆基于行驶轨迹行驶效率低的问题。
2、依据本专利技术一个方面，提供了一种行驶轨迹决策的处理方法，包括：
3、获取车辆的参考轨迹点，并对所述参考轨迹点进行样条差值处理，得到密集轨迹点；
4、对所述密集轨迹点进行差分处理，生成所述参考轨迹点的控制序列，并基于预设距离阈值从所述密集轨迹点中抽取目标轨迹点，生成所述参考轨迹点的状态序列；
5、将所述控制序列、所述状态序列确定为优化决策处理的初始解，并基于所述初始解进行所述优化决策处理，得到所述车辆的行驶轨迹。
7、基于预置预测算法预测目标轨迹帧下所述车辆的参考轨迹点，所述参考轨迹点包括所述车辆位于参考行驶路径上的参考横坐标序列、参考纵坐标序列、参考距离索引序列；
8、对所述参考横坐标序列、所述参考纵坐标序列进行样条差值处理，得到密集坐标序列，并基于所述密集坐标序列确定密集距离索引序列，所述密集坐标序列包括密集横坐标序列、密集纵坐标序列；
9、基于所述密集坐标序列、所述密集距离索引序列生成所述密集轨迹点。
10、进一步地，所述对所述密集轨迹点进行差分处理，生成所述参考轨迹点的控制序列包括：
11、对所述密集轨迹点中的所述密集横坐标序列、所述密集纵坐标序列分别进行差分处理，并基于差分处理后的所述密集横坐标序列、所述密集纵坐标序列进行状态转移，得到所述参考轨迹点的控制序列。
12、进一步地，所述基于预设距离阈值从所述密集轨迹点中抽取目标轨迹点，生成所述参考轨迹的状态序列包括：
13、在所述密集距离索引序列中的目标密集距离大于所述预设距离阈值条件下，将包含所述目标密集距离、所述目标密集距离所对应的目标密集横坐标、目标密集纵坐标的轨迹点确定为目标轨迹点；
14、基于所述目标密集横坐标、所述目标密集纵坐标与所述车辆的轨迹点速度之间的对应关系进行状态转移，得到所述参考轨迹的状态序列。
15、进一步地，所述基于预置预测算法预测目标轨迹帧下所述车辆的参考轨迹点包括：
16、在基于预设预测算法预测目标轨迹帧下所述车辆的参考轨迹点处于第一坐标系条件下，将所述参考轨迹点转换至第二坐标系下，所述第一坐标系为基于参考轨迹的切线向量和法线向量进行构建，所述第二坐标系为基于所述车辆的横坐标、纵坐标进行构建。
17、进一步地，所述基于所述初始解进行所述优化决策处理，得到所述车辆的行驶轨迹包括：
18、获取所述车辆的优化决策目标、以及行驶动力学模型，所述行驶动力学模型用于表征在所述参考轨迹点处对控制量进行动力分析的数学模型；
19、基于所述行驶动力学模型、所述初始解对所述优化决策目标进行所述优化决策处理，得到所述车辆的行驶轨迹，所述优化决策处理用于表征对所述控制量进行非线性调节的优化迭代求解方式。
20、进一步地，所述获取所述车辆的优化决策目标、以及行驶动力学模型之前，所述方法还包括：
21、获取所述车辆在所述参考轨迹点处的行驶曲率，所述行驶曲率为基于所述车辆的轨迹坐标确定的；
22、基于所述行驶曲率进行高阶非线性转换，确定所述参考轨迹点的控制序列与状态序列之间的状态转移关系，生成所述行驶动力学模型。
23、依据本专利技术另一个方面，提供了一种行驶轨迹决策的处理装置，包括：
24、获取模块，用于获取车辆的参考轨迹点，并对所述参考轨迹点进行样条差值处理，得到密集轨迹点；
25、处理模块，用于对所述密集轨迹点进行差分处理，生成所述参考轨迹点的控制序列，并基于预设距离阈值从所述密集轨迹点中抽取目标轨迹点，生成所述参考轨迹点的状态序列；
26、决策模块，用于将所述控制序列、所述状态序列确定为优化决策处理的初始解，并基于所述初始解进行所述优化决策处理，得到所述车辆的行驶轨迹。
27、进一步地，所述获取模块包括：
28、预测单元，用于基于预置预测算法预测目标轨迹帧下所述车辆的参考轨迹点，所述参考轨迹点包括所述车辆位于参考行驶路径上的参考横坐标序列、参考纵坐标序列、参考距离索引序列；
29、第一处理单元，用于对所述参考横坐标序列、所述参考纵坐标序列进行样条差值处理，得到密集坐标序列，并基于所述密集坐标序列确定密集距离索引序列，所述密集坐标序列包括密集横坐标序列、密集纵坐标序列；
30、生成单元，用于基于所述密集坐标序列、所述密集距离索引序列生成所述密集轨迹点。
31、进一步地，所述处理模块，具体用于对所述密集轨迹点中的所述密集横坐标序列、所述密集纵坐标序列分别进行差分处理，并基于差分处理后的所述密集横坐标序列、所述密集纵坐标序列进行状态转移，得到所述参考轨迹点的控制序列。
32、进一步地，所述处理模块，具体还用于在所述密集距离索引序列中的目标密集距离大于所述预设距离阈值条件下，将包含所述目标密集距离、所述目标密集距离所对应的目标密集横坐标、目标密集纵坐标的轨迹点确定为目标轨迹点；基于所述目标密集横坐标、所述目标密集纵坐标与所述车辆的轨迹点速度之间的对应关系进行状态转移，得到所述参考轨迹的状态序列。
33、进一步地，所述预测模块，具体用于在基于预设预测算法预测目标轨迹帧下所述车辆的参考轨迹点处于第一坐标系条件下，将所述参考轨迹点转换至第二坐标系下，所述第一坐标系为基于参考轨迹的切线向量和法线向量进行构建，所述第二坐标系为基于所述车辆的横坐标、纵坐标进行构建。
34、进一步地，所述决策模块包括：
35、获取单元，用于获取所述车辆的优化决策目标、以及行驶动力学模型，所述行驶动力学模型用于表征在所述参考轨迹点处对控制量进行动力分析的数学模型；
36、第二处理单元，用于基于所述行驶动力学模型、所述初始解对所述优化决策目标进行所述优化决策处理，得到所述车辆的行驶轨迹，本文档来自技高网...
【技术保护点】
1.一种行驶轨迹决策的处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取车辆的参考轨迹点，对所述参考轨迹点进行样条差值处理，得到密集轨迹点包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述密集轨迹点进行差分处理，生成所述参考轨迹点的控制序列包括：
4.根据权利要求2所述的方法，其特征在于，所述基于预设距离阈值从所述密集轨迹点中抽取目标轨迹点，生成所述参考轨迹的状态序列包括：
5.根据权利要求2所述的方法，其特征在于，所述基于预置预测算法预测目标轨迹帧下所述车辆的参考轨迹点包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述初始解进行所述优化决策处理，得到所述车辆的行驶轨迹包括：
7.根据权利要求1所述的方法，其特征在于，所述获取所述车辆的优化决策目标、以及行驶动力学模型之前，所述方法还包括：
8.一种行驶轨迹决策的处理装置，其特征在于，包括：
9.一种车辆，其特征在于，包括权利要求8所述的行驶轨迹决策的处理装置。
10.一种
11.一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
...【技术特征摘要】
1.一种行驶轨迹决策的处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取车辆的参考轨迹点，对所述参考轨迹点进行样条差值处理，得到密集轨迹点包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述密集轨迹点进行差分处理，生成所述参考轨迹点的控制序列包括：
4.根据权利要求2所述的方法，其特征在于，所述基于预设距离阈值从所述密集轨迹点中抽取目标轨迹点，生成所述参考轨迹的状态序列包括：
5.根据权利要求2所述的方法，其特征在于，所述基于预置预测算法预测目标轨迹帧下所述车辆的参考轨迹点包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述...
【专利技术属性】
技术研发人员：刘偲，
申请(专利权)人：魔门塔苏州科技有限公司，
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。