【技术实现步骤摘要】
本专利技术涉及自动驾驶车辆，尤其是涉及一种基于车辆多尺度运动学模型的轨迹评价方法、系统及介质。
技术介绍
1、近年来，随着智能汽车的迅速发展，自动驾驶技术应运而生，目前高级别自动驾驶汽车已经逐渐应用在港口、机场、封闭园区等场景下。自动驾驶汽车需要规划系统来提供一条最优的无碰撞轨迹，但是由于感知/定位/跟踪控制误差的不确定性，导致该无碰撞轨迹无法被完美执行。通常，在选取最优的无碰撞轨迹时，会通过膨胀车身实际大小预留一定的缓冲区间来防止由上述感知/定位/跟踪控制误差导致的车辆碰撞或无法通过的问题。但是，在狭窄场景下，车辆膨胀的大小很难界定，过大的膨胀会导致车辆无法通过狭窄区域，膨胀过小又会存在安全风险。如何自适应的调整车辆膨胀大小，量化与障碍物之间的碰撞风险等级成为了目前自动驾驶领域的一个关键问题。
2、现有技术中，专利(申请号：202010236474.1)公开了一种基于学习采样式的汽车自动驾驶运动规划方法及系统，其包括：建立车辆运动学模型；初始化open表和closed表；计算每条前向仿真轨迹的评价值，选取评价值最高的轨迹作...
【技术保护点】
1.一种基于车辆多尺度运动学模型的轨迹评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于车辆多尺度运动学模型的轨迹评价方法，其特征在于：所述车辆的运动学模型参数数据信息包括：车辆的中心点数据信息、车辆的前后轮转向角数据信息、车辆的重心数据信息、车辆的速度数据信息、车辆的位置数据信息、车辆的航向角数据信息、车辆的轨迹半径数据信息和车辆的航迹角数据信息。
3.根据权利要求1所述的基于车辆多尺度运动学模型的轨迹评价方法，其特征在于，在步骤L2中，所述采用高斯混合分布算法对车辆的运动状态进行采样，并构建不同尺度的车辆运动学模型包括：p>
4.根据权...
【技术特征摘要】
1.一种基于车辆多尺度运动学模型的轨迹评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于车辆多尺度运动学模型的轨迹评价方法，其特征在于：所述车辆的运动学模型参数数据信息包括：车辆的中心点数据信息、车辆的前后轮转向角数据信息、车辆的重心数据信息、车辆的速度数据信息、车辆的位置数据信息、车辆的航向角数据信息、车辆的轨迹半径数据信息和车辆的航迹角数据信息。
3.根据权利要求1所述的基于车辆多尺度运动学模型的轨迹评价方法，其特征在于，在步骤l2中，所述采用高斯混合分布算法对车辆的运动状态进行采样，并构建不同尺度的车辆运动学模型包括：
4.根据权利要求3所述的基于车辆多尺度运动学模型的轨迹评价方法，其特征在于：所述概率密度常量因子αi的约束条件为，
5.根据权利要求1所述的基于车辆多尺度运动学模型的轨迹评价方法，其特征在于，在步骤l3中，所述采用车辆轨迹的膨胀等级算法对不同尺度的车辆运动学模型的车辆运行轨迹进行评价包括：
【专利技术属性】
技术研发人员：郭晓旻，骆嫚，曹恺，刘晓龙，李洪波，
申请(专利权)人：东风悦享科技有限公司，
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。