CN111076739B - 一种路径规划的方法及装置 - Google Patents
一种路径规划的方法及装置 Download PDFInfo
- Publication number
- CN111076739B CN111076739B CN202010214928.5A CN202010214928A CN111076739B CN 111076739 B CN111076739 B CN 111076739B CN 202010214928 A CN202010214928 A CN 202010214928A CN 111076739 B CN111076739 B CN 111076739B
- Authority
- CN
- China
- Prior art keywords
- track
- historical
- feature
- trajectory
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
Abstract
本说明书公开了一种路径规划的方法及装置,获取无人驾驶设备过去设定时间内所对应的第一轨迹,以及周围的障碍物在过去设定时间内所对应的第二轨迹。而后,根据无人驾驶设备在过去设定时间内所处环境对应的第一环境信息以及无人驾驶设备对应的行驶路线,确定第一轨迹特征,以及根据障碍物在过去设定时间内所处环境对应的第二环境信息,确定第二轨迹特征。之后,确定在过去设定时间内无人驾驶设备与障碍物相互影响下的目标轨迹特征,进而,对无人驾驶设备未来的行驶轨迹进行路径规划。由于本方法是考虑无人驾驶设备与周围的障碍物之间的相互影响进行路径规划的,这样可以有效的提高路径规划的准确性,进一步保证了无人驾驶设备的行驶安全。
Description
技术领域
本说明书涉及计算机领域,尤其涉及一种路径规划的方法及装置。
背景技术
随着信息技术的不断发展,无人车技术在各个领域开始应用起来。
为了保证无人车的顺利行驶,通常需要对无人车的行驶路线进行路径规划。在现有技术中,无人车可以主要是通过预测无人车周围的障碍车的行驶轨迹,再根据预测出的周围的障碍车的行驶轨迹,来进行路径规划的。
然而,在实际应用中,无人车所处的周围环境较为复杂,并且无人车和周围的障碍车之间会产生相互的影响。因此,单单通过预测无人车周围的障碍物的行驶轨迹来进行路径规划,无法保证最终规划出的行驶轨迹的准确性。
所以,如何结合无人车与障碍车之间的相互影响来准确的对无人车的行驶轨迹进行规划,则是一个亟待解决的问题。
发明内容
本说明书提供一种的路径规划方法及装置,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种路径规划的方法,包括:
获取无人驾驶设备过去设定时间内所对应的行驶轨迹,作为第一轨迹,以及所述无人驾驶设备周围的障碍物在所述过去设定时间内所对应的行驶轨迹,作为第二轨迹;
根据获取到的所述无人驾驶设备在所述过去设定时间内所处环境对应的第一环境信息以及所述无人驾驶设备对应的行驶路线,确定在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的轨迹特征,作为第一轨迹特征,以及根据获取到的所述障碍物在所述过去设定时间内所处环境对应的第二环境信息,确定在所述第二环境信息的影响下所述第二轨迹对应的轨迹特征,作为第二轨迹特征;
根据所述第一轨迹特征以及所述第二轨迹特征,确定在所述过去设定时间内所述无人驾驶设备与所述障碍物相互影响下的轨迹特征,作为目标轨迹特征;
根据所述目标轨迹特征,对所述无人驾驶设备未来的行驶轨迹进行路径规划。
可选地,根据获取到的所述无人驾驶设备在所述过去设定时间内所处环境对应的第一环境信息以及所述无人驾驶设备对应的行驶路线,确定在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的轨迹特征,作为第一轨迹特征,具体包括:
将所述第一轨迹输入到预先训练的特征提取模型中,以确定所述第一轨迹对应的初始轨迹特征,作为第一初始轨迹特征;
根据所述第一环境信息以及所述行驶路线,对所述第一初始轨迹特征进行处理,得到在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的第一轨迹特征。
可选地,根据所述第一环境信息以及所述行驶路线,对所述第一初始轨迹特征进行处理,得到在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的第一轨迹特征,具体包括:
将所述第一环境信息输入到预先训练的特征提取模型中,以确定所述无人驾驶设备在所述过去设定时间内所处环境对应的环境特征,作为第一环境特征,以及将所述行驶路线输入到预先训练的特征提取模型中,以确定所述无人驾驶设备所对应的路线特征;
根据所述第一环境特征以及所述路线特征,对所述第一初始轨迹特征进行调整,以确定在所述第一环境信息以及所述行驶路线的影响下,所述第一轨迹对应的第一轨迹特征。
可选地,根据获取到的所述障碍物在所述过去设定时间内所处环境对应的第二环境信息,确定在所述第二环境信息的影响下所述第二轨迹对应的轨迹特征,作为第二轨迹特征,具体包括:
将所述第二轨迹输入到预先训练的特征提取模型中,以确定所述第二轨迹对应的初始轨迹特征,作为第二初始轨迹特征;
根据所述第二环境信息,对所述第二初始轨迹特征进行处理,得到在所述第二环境信息的影响下所述第二轨迹对应的第二轨迹特征。
可选地,根据所述第二环境信息,对所述第二初始轨迹特征进行处理,得到在所述第二环境信息的影响下所述第二轨迹对应的第二轨迹特征,具体包括:
将所述第二环境信息输入到预先训练的特征提取模型中,以确定所述无人驾驶设备在所述过去设定时间内所处环境对应的环境特征,作为第二环境特征;
根据所述第二环境特征,对所述第二初始轨迹特征进行调整,以确定在所述第二环境信息的影响下,所述第二轨迹对应的第二轨迹特征。
可选地,根据所述目标轨迹特征,对所述无人驾驶设备未来的行驶轨迹进行路径规划,具体包括:
将所述目标轨迹特征输入到预设的路径规划模型中,以对所述无人驾驶设备未来的行驶轨迹进行路径规划,以及对所述障碍物未来的行驶轨迹进行预测。
可选地,训练预设的特征提取模型,具体包括:
获取目标设备的历史行驶轨迹,作为第一历史轨迹,确定在所述目标设备按照所述第一历史轨迹行驶时周围的障碍物,作为目标障碍物,并获取在所述目标设备按照所述第一历史轨迹行驶时所述目标障碍物的历史行驶轨迹,作为第二历史轨迹;
将所述第一历史轨迹输入到预设的特征提取模型中,确定所述第一历史轨迹对应的初始轨迹特征,作为第一历史初始轨迹特征,以及将所述第二历史轨迹输入到预设的特征提取模型中,确定所述第二历史轨迹对应的初始轨迹特征,作为第二历史初始轨迹特征;
根据确定出的所述第一历史初始轨迹特征所对应的第一历史环境特征以及历史路线特征,对所述第一历史初始轨迹特征进行调整,以确定所述第一历史行驶轨迹对应的第一历史轨迹特征,以及根据确定出的所述第二历史初始轨迹特征所对应的第二历史环境特征,对所述第二历史初始轨迹特征进行调整,以确定所述第二历史行驶轨迹对应的第二历史轨迹特征;
根据所述第一历史轨迹特征以及所述第二历史轨迹特征,确定在所述目标设备与所述目标障碍物的相互影响下的轨迹特征,作为历史目标轨迹特征;
根据所述历史目标轨迹特征,对所述目标设备进行行驶轨迹预测,得到预测行驶轨迹;
确定所述目标设备行驶完所述第一历史轨迹后所对应的目标行驶轨迹,并以所述预测行驶轨迹与所述目标行驶轨迹之间的差异最小为优化目标,对预设的特征提取模型进行训练。
可选地,确定所述第一历史初始轨迹特征所对应的第一历史环境特征以及历史路线特征,具体包括:
获取所述目标设备在按照所述第一历史行驶轨迹行驶时所处环境的环境信息,作为第一历史环境信息,以及获取所述目标设备所对应的历史行驶路线;
将所述第一历史环境信息输入到预设的特征提取模型中,以确定所述第一历史环境信息所对应的环境特征,作为所述第一历史初始轨迹特征所对应的第一历史环境特征,以及将所述历史行驶路线输入到预设的特征提取模型中,确定所述历史行驶路线所对应的路线特征,作为所述第一历史初始轨迹特征所对应的历史路线特征。
可选地,确定所述第二历史初始轨迹特征所对应的第二历史环境特征,具体包括:
获取所述目标障碍物在按照所述第二历史行驶轨迹行驶时所处环境的环境信息,作为第二历史环境信息;
将所述第二历史环境信息输入到预设的特征提取模型中,以确定所述第二历史环境信息所对应的环境特征,作为所述第二历史初始轨迹特征所对应的第二历史环境特征。
本说明书提供了一种路径规划的装置,包括:
获取模块,用于获取无人驾驶设备过去设定时间内所对应的行驶轨迹,作为第一轨迹,以及所述无人驾驶设备周围的障碍物在所述过去设定时间内所对应的行驶轨迹,作为第二轨迹;
第一确定模块,用于根据获取到的所述无人驾驶设备在所述过去设定时间内所处环境对应的第一环境信息以及所述无人驾驶设备对应的行驶路线,确定在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的轨迹特征,作为第一轨迹特征,以及根据获取到的所述障碍物在所述过去设定时间内所处环境对应的第二环境信息,确定在所述第二环境信息的影响下所述第二轨迹对应的轨迹特征,作为第二轨迹特征;
第二确定模块,用于根据所述第一轨迹特征以及所述第二轨迹特征,确定在所述过去设定时间内所述无人驾驶设备与所述障碍物相互影响下的轨迹特征,作为目标轨迹特征;
路径规划模块,用于根据所述目标轨迹特征,对所述无人驾驶设备未来的行驶轨迹进行路径规划。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述路径规划的方法。
本说明书提供了一种无人驾驶设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述路径规划的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的路径规划的方法中,获取无人驾驶设备过去设定时间内所对应的行驶轨迹,作为第一轨迹,以及无人驾驶设备周围的障碍物在该过去设定时间内所对应的行驶轨迹,作为第二轨迹。而后,根据获取到的无人驾驶设备过去设定时间内所处环境对应的第一环境信息以及无人驾驶设备对应的行驶路线,确定在第一环境信息以及行驶路线的影响下第一轨迹对应的轨迹特征,作为第一轨迹特征,以及根据获取到的障碍物在过去设定时间内所处环境对应的第二环境信息,确定在第二环境信息的影响下第二轨迹对应的轨迹特征,作为第二轨迹特征。之后,根据第一轨迹特征以及第二轨迹特征,确定在过去设定时间内无人驾驶设备与障碍物相互影响下的轨迹特征,作为目标轨迹特征,进而,根据目标轨迹特征,对无人驾驶设备未来的行驶轨迹进行路径规划。
从上述方法中可以看出,由于本方法在对无人驾驶设备未来的行驶路线进行路径规划时,是通过考虑无人驾驶设备与周围的障碍物之间的相互影响下得出的,这样可以有效的提高路径规划的准确性,进一步保证了无人驾驶设备的行驶安全。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种路径规划的方法的流程示意图;
图2A、2B为本说明书提供的行驶路线和行驶轨迹的区别示意图;
图3为本说明书提供的一种确定第一轨迹特征的示意图;
图4为本说明书提供的一种确定第二轨迹特征的示意图;
图5为本说明书提供的一种确定目标轨迹特征的示意图;
图6为本说明书提供的一种路径规划的装置的示意图;
图7为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书中一种路径规划的方法的流程示意图,具体包括以下步骤:
S101:获取无人驾驶设备过去设定时间内所对应的行驶轨迹,作为第一轨迹,以及所述无人驾驶设备周围的障碍物在所述过去设定时间内所对应的行驶轨迹,作为第二轨迹。
为了保证无人驾驶设备的顺利行驶,需要对无人驾驶设备进行路径规划。其中,这里提到的无人驾驶设备可以是指无人车、机器人、自动配送设备等能够实现自动驾驶的设备。基于此,本说明书提供的路径规划的方法具体可应用于使用无人驾驶设备进行配送的领域,如,使用无人驾驶设备进行快递、物流、外卖等配送的业务场景。而为了保证无人驾驶设备能够在这些业务场景中顺利行进,需要保证无人驾驶设备路径规划的准确性。
在本说明书中,对无人驾驶设备进行路径规划的执行主体可以是无人驾驶设备自身,也可以是服务平台,即,服务平台可以通过无人驾驶设备上传的数据,对无人驾驶设备进行路径规划。而为了便于描述,下面将仅以无人驾驶设备为执行主体,对本说明书提供的路径规划的方法进行说明。
无人驾驶设备可以获取过去设定时间内所对应的行驶轨迹,作为第一轨迹。其中,这里提到的过去设定时间可以根据实际应用进行设置。例如,无人驾驶设备可以每隔10秒对无人驾驶设备进行一次路径规划,所以,无人驾驶设备以当前时刻进行路径规划时,获取到的过去设定时间内的行驶轨迹,即是指该无人驾驶设备过去10秒的行驶轨迹。
在本说明书中,无人驾驶设备可以通过设置在自身的定位装置,来获取过去设定时间内的行驶轨迹,作为第一轨迹。这里提到的定位装置具体可以采用诸如全球定位系统(Global Positioning System,GPS)等常规方式来确定行驶轨迹,本说明书不对具体的方式进行限定。
无人驾驶设备在进行路径规划的过程中,需要参考周围的障碍物的行驶轨迹,基于此,无人驾驶设备除了需要获取过去设定时间内所对应的行驶轨迹外,还需要获取无人驾驶设备周围的障碍物在该过去设定时间内所对应的行驶轨迹,作为第二轨迹。例如,无人驾驶设备获取到过去10秒的行驶轨迹后,可以进一步地获取到过去10秒内该无人驾驶设备周围的障碍物所对应的行驶轨迹。
其中,这里提到的无人驾驶设备周围的障碍物可以是指诸如机动车、行人等能够对无人驾驶设备的行进造成阻碍的物体。而无人驾驶设备获取周围的障碍物在该过去设定时间内所对应的行驶轨迹所采用的方式可以有多种,例如,无人驾驶设备可以通过设置的激光雷达来对无人驾驶设备周围的障碍物进行定位;再例如,无人驾驶设备可以通过设置的图像采集器(如摄像头,相机等)采集周围的障碍物的图像数据,并通过图像数据确定出周围的障碍物相对于无人驾驶设备的位置,进而通过结合无人驾驶设备自身所处的实际位置,获取到周围的障碍物在该过去设定时间内所对应的行驶轨迹。
S102:根据获取到的所述无人驾驶设备在所述过去设定时间内所处环境对应的第一环境信息以及所述无人驾驶设备对应的行驶路线,确定在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的轨迹特征,作为第一轨迹特征,以及根据获取到的所述障碍物在所述过去设定时间内所处环境对应的第二环境信息,确定在所述第二环境信息的影响下所述第二轨迹对应的轨迹特征,作为第二轨迹特征。
在获取到该无人驾驶设备过去设定时间内所对应的第一轨迹,以及该无人驾驶设备周围的障碍物在该过去设定时间内所对应的第二轨迹后,无人驾驶设备可以获取过去设定时间内所处环境对应的环境信息,作为第一环境信息,以及该无人驾驶设备对应的行驶路线。而后,无人驾驶设备可以根据该第一环境信息以及该行驶路线,确定在第一环境信息以及行驶路线的影响下第一轨迹对应的轨迹特征,作为第一轨迹特征。
同理,无人驾驶设备可以获取该障碍物在过去设定时间内所处环境对应的环境信息,作为第二环境信息,并通过该第二环境信息,确定在第二环境信息影响下的该第二轨迹对应的轨迹特征,作为第二轨迹特征。
具体的,无人驾驶设备可以先确定出第一轨迹对应的初始轨迹特征,作为第一初始轨迹特征,以及第二轨迹对应的初始轨迹特征,作为第二初始轨迹特征。这里提到的第一初始轨迹特征以及第二初始轨迹特征能够表示各自对应的行驶轨迹在不考虑外界条件下行驶轨迹本身的特点。
其中,无人驾驶设备可以将第一轨迹以及第二轨迹分别输入到预先训练的特征提取模型中,以确定第一轨迹对应的第一初始轨迹特征以及第二轨迹对应的第二初始轨迹特征。具体的,无人驾驶设备可以先对该第一轨迹进行卷积处理,并将处理后的结果进一步地输入到预先训练的特征提取模型中,从而确定出第一轨迹对应的第一初始轨迹特征。同理,无人驾驶设备也可以先对该第二轨迹进行卷积处理,并将处理后的结果进一步地输入到预先训练的特征提取模型中,从而确定出该第二轨迹对应的第二初始轨迹特征。这里提到的特征提取模型可以是指长短期记忆网络(Long Short-Term Memory,LSTM)模型等。
需要说明的是,由于第一轨迹和第二轨迹均可以视为按照时间的维度将轨迹点进行排序所得到的排序结果,所以,这里提到的用于确定第一初始轨迹特征的特征提取模型和用于确定第二初始轨迹特征的特征提取模型可以是同一模型,当然,考虑到无人驾驶设备和障碍物之间可能会存在一定的区别,所以,无人驾驶设备也可以用不同的模型来确定第一初始轨迹特征以及第二初始轨迹特征。
无人驾驶设备在确定出第一初始轨迹特征后,可以进一步地根据该第一初始轨迹特征,确定出该第一轨迹对应的第一轨迹特征。具体的,无人驾驶设备可以确定出该无人驾驶设备在过去设定时间内所处环境对应的环境特征作为第一环境特征,以及该无人驾驶设备对应的路线特征,进而根据该第一环境特征以及该路线特征对第一初始轨迹特征进行处理,以得到该第一轨迹对应的第一轨迹特征。这里提到的环境特征可以用于表示该无人驾驶设备在过去设定时间内所处环境的环境特点,而路线特征可以表示出针对该无人驾驶设备的行驶路线的路线特点,其中,这里提到的行驶路线可以是指无人驾驶设备设定好的路线,例如,假设无人驾驶设备需要从A点出发到达B点,所以,无人驾驶设备根据出发地A点到目的地B点所规划出的路线,即是指该无人驾驶设备的行驶路线。当然,这里提到的行驶路线也可以是指无人驾驶设备过去一段时间内的行驶路线。如,无人驾驶设备过去10秒的行驶路线。
需要指出的是,这里提到的行驶路线和上述获取到的无人驾驶设备的行驶轨迹存在一定的区别。行驶轨迹能够表示出无人驾驶设备具体的行驶过程,如无人驾驶设备在一段道路上的行驶轨迹,能够详细的展示出该无人驾驶设备在这段道路上是如何行进的。而行驶路线能够导致展示出无人驾驶设备从一个地方到达另一个地方的行进情况,如,上述提到的无人驾驶设备从A地到B地的行驶路线可以表示出无人驾驶设备是经过了哪些道路,哪些区,最终从A地到达B地的,如图2A、2B所示。
图2A、2B为本说明书提供的行驶路线和行驶轨迹的区别示意图。
从图2A中可以看出无人驾驶设备从A点到达B点的行驶路线,从而行驶路线中并不能看出无人驾驶设备在某一条道路上的具体行驶轨迹。而在图2B中,行驶轨迹具体示出了无人驾驶设备先从中车道变到了左车道,最后由变回中车道的行驶轨迹。
在本说明书中,第一环境信息主要用于表示无人驾驶设备在该过去设定时间内具体位于哪一道路以及该道路的哪一车道。而后,无人驾驶设备可以将该第一环境信息输入到预先训练的特征提取模型,以确定出该第一环境信息对应的第一环境特征。同理,无人驾驶设备可以将获取到该无人驾驶设备所对应的行驶路线,输入到预先训练的特征提取模型,以得到无人驾驶设备所对应的路线特征。
这里引入第一环境特征以及路线特征,主要是考虑到无人驾驶设备在过去设定时间内所处的环境以及无人驾驶设备本身的行驶路线会对无人驾驶设备未来的行驶轨迹产生一定的影响,这样可以保证无人驾驶设备通过路径规划得到的行驶轨迹更为准确,从而提高无人驾驶设备的行驶安全性。
在本说明书中,无人驾驶设备可以将获取到的第一环境信息进行卷积处理,并将处理后的结果输入到预设的特征提取模型中,从而确定出第一环境信息对应的第一环境特征。同理,无人驾驶设备可以将获取到的行驶路线进行卷积处理,并将处理后的结果输入到预设的特征提取模型中,从而确定出该行驶路线所对应的路线特征。
在确定出上述第一环境特征以及路线特征后,无人驾驶设备可以进一步地根据该第一环境特征以及路线特征,对上述第一初始轨迹特征进行调整,以得到第一轨迹对应的第一轨迹特征。其中,该第一轨迹特征可以表示为该第一轨迹自身以及该第一轨迹在第一环境信息以及行驶路线影响下的轨迹特征,如图3所示。
图3为本说明书提供的一种确定第一轨迹特征的示意图。
无人驾驶设备可以根据三种不同的特征提取模型确定出该无人驾驶设备对应的
三种第一初始轨迹特征、 以及 。这里使用三种不同的特征提取模型来得到第一初
始轨迹特征,主要的目的在于以不同的侧重点来确定该初始轨迹特征。也就是说,不同的特
征提取模型在确定该第一初始轨迹特征时所关注的重点不同。同样的,无人驾驶设备可以
根据三种不同的特征提取模型确定出三种第一环境特征 、 、 ,以及三
种路线特征 、 以及。其中,v类的特征,即第一初始轨迹特征 、第一环境特征 以及路线特征 虽然可以是采用不同的三种特征提取模
型确定出的,但是得到的这三个特征的特征提取模型所关注的重点可以是相同的。同理,q
类的特征以及k类的特征亦是如此。
从图3中可以看出,无人驾驶设备可以根据图3中的第一计算公式以及确定出的三
种第一初始轨迹特征、三种第一环境特征以及三种路线特征,确定出了该无人驾驶设备在
第一环境信息以及该行驶路线影响下的第一轨迹特征,其中, 为确定出的第一轨
迹特征, 为图中K的维度。
在本说明书中,无人驾驶设备可以确定出该无人驾驶设备周围的障碍物在过去设定时间内所处环境对应的环境特征,作为第二环境特征,进而根据该第二环境特征对第二初始轨迹特征进行处理,得到该第二轨迹对应的第二轨迹特征。该第二环境特征可以表示该无人驾驶设备周围的障碍物在过去设定时间内所处环境的环境特点。
具体的,无人驾驶设备可以获取到障碍物在过去设定时间内所处环境的环境信息,作为第二环境信息,并将该第二环境信息输入到预先训练的特征提取模型中,确定无人驾驶设备在过去设定时间内所处环境对应的环境特征,作为第二环境特征。其中,这里提到的第二环境信息主要用于表示障碍物在该过去设定时间内具体位于哪一道路以及该道路的哪一车道。无人驾驶设备可以先对该第二环境信息进行卷积处理,并将处理后的结果输入到特征提取模型中,得到第二环境信息对应的第二环境特征。
上述过程中多次使用到了特征提取模型,在实际应用中,服务平台可以在确定不同的特征时使用同一模型,也可以使用不同模型。例如,服务平台可以在确定第一初始轨迹特征、第二初始轨迹特征、第一环境特征、第二环境特征以及路线特征时使用同一特征提取模型进行确定(如果是如图3所示的使用三种不同的特征提取模型来确定第一初始轨迹特征,无人驾驶设备也可以使用这三种不同的特征提取模型来分别确定出第一环境特征以及路线特征)。当然,服务平台也可以确定第一初始轨迹特征、第二初始轨迹特征时使用同一特征提取模型,确定第一环境特征、第二环境特征以及路线特征时使用另一特征提取模型。
由于第二初始轨迹特征只能表示出第二轨迹自身的轨迹特征,因此若要体现出第二轨迹在外界条件影响下的轨迹特征,无人驾驶设备可以根据该第二环境特征,对第二初始轨迹特征进行调整,来确定出在第二环境特征的影响下,第二轨迹对应的第二轨迹特征。相应的,得到的第二轨迹特征可以表示出该第二轨迹自身以及该第二轨迹在该第二环境特征影响下的轨迹特点,如图4所示。
图4为本说明书提供的一种确定第二轨迹特征的示意图。
无人驾驶设备可以根据三种不同的特征提取模型确定出障碍物对应的三种第二
初始轨迹特征、 以及 ,以及根据三种不同的特征提取模型确定出三种第二环境
特征 、 以及 。需要说明的是,该无人驾驶设备周围可能存在多个障碍
物,若是该无人驾驶设备周围存在多个障碍物,则需确定出每个障碍物对应的第二初始轨
迹特征。无人驾驶设备可以根据图4中的第二计算公式以及确定出的三种第二初始轨迹特
征以及三种第二环境特征,确定出了障碍物对应的第二轨迹特征,其中, 为确定出
的第二轨迹特征, 为图中K的维度。
S103:根据所述第一轨迹特征以及所述第二轨迹特征,确定在所述过去设定时间内所述无人驾驶设备与所述障碍物相互影响下的轨迹特征,作为目标轨迹特征。
无人驾驶设备确定出上述第一轨迹特征以及第二轨迹特征后,可以根据该第一轨迹特征以及该第二轨迹特征,确定在过去设定时间内该无人驾驶设备与该障碍物相互影响下的轨迹特征,作为目标轨迹特征。该目标轨迹特征可以表示在该无人驾驶设备与周围障碍物互相影响下的无人驾驶设备的行驶路线以及障碍物的行驶路线的特点,如图5所示。
图5为本说明书提供的一种确定目标轨迹特征的示意图。
在图5中,无人驾驶设备可以通过第三计算公式确定出目标轨迹特征。其中, 即
为通过第一环境特征以及路线特征对第一初始轨迹特征进行调整后得到的第一轨迹特征, 即为通过第二环境特征对第i个障碍物的第二初始轨迹进行调整后得到的第二轨迹特
征。而 和 为无人驾驶设备通过不同的特征提取模型所确定出的两个第一初始轨迹
特征。相应的, 和 为无人驾驶设备通过不同的特征提取模型所确定出的不同的第
二初始轨迹特征,而即为确定出的目标轨迹特征。
从上述图5可以看出,无人驾驶设备最终确定出的目标轨迹特征,其实是参考了周围的各障碍物的轨迹特征得到的,即,无人驾驶设备并不是单单只考虑了周围的一个障碍物与该无人驾驶设备之间的相互影响,而是需要考虑周围的所有障碍物与该无人驾驶设备之间的相互影响,从而确定出更为准确的目标轨迹特征。
S104:根据所述目标轨迹特征,对所述无人驾驶设备未来的行驶轨迹进行路径规划。
无人驾驶设备确定出上述目标轨迹特征后,可以根据该目标轨迹特征,确定该无人驾驶设备未来的行驶轨迹。具体的,无人驾驶设备可以将该目标轨迹特征输入到预设的路径规划模型中,以对该无人驾驶设备未来的行驶轨迹进行路径规划以及对该障碍物未来的行驶轨迹进行预测。
这里提到的路径规划模型与上述特征提取模型相比,可以视为一种解码器,也就是说,上述特征提取模型可以视为编码器,即,无人驾驶设备可以通过上述特征提取模型将无人驾驶设备或是障碍物的行驶轨迹进行编码得到相应的轨迹特征,而路径规划模型则是通过解码的方式,将输入的目标轨迹特征转化成相应的行驶轨迹。
在本说明书中,上述特征提取模型需要根据历史数据进行预先训练。具体的,无人驾驶设备可以获取目标设备的历史行驶轨迹,作为第一历史行驶轨迹,以及确定在该目标设备按照第一历史轨迹行驶时周围的障碍物,作为目标障碍物,并获取在该目标设备按照该第一历史行驶轨迹行驶时的该目标障碍物的历史行驶轨迹,作为第二历史行驶轨迹。其中,这里提到的目标设备可以是指为了获取用于模型训练的历史数据而设置的其他驾驶设备,当然,该目标设备也可以是指无人驾驶设备本身。
而后,可以将第一历史行驶轨迹输入到预设的特征提取模型中,确定该第一行驶轨迹对应的初始轨迹特征,作为第一历史初始轨迹特征,以及将第二历史行驶轨迹输入到预设的特征提取模型中,确定第二行驶轨迹对应的初始轨迹特征,作为第二历史初始轨迹特征。
无人驾驶设备可以获取到目标设备在按照该第一历史行驶轨迹行驶时所处环境的环境信息,作为第一历史环境信息,以及该目标设备所对应的历史行驶路线。无人驾驶设备可以将该第一历史环境信息输入到预设的特征提取模型中,以确定第一历史环境信息所对应的环境特征,作为第一历史初始轨迹特征所对应的第一历史环境特征,以及将历史行驶路线输入到预设的特征提取模型中,确定历史行驶路线所对应的路线特征,作为第一历史初始轨迹特征所对应的历史路线特征。
进一步地,无人驾驶设备可以获取到目标障碍物按照第二行驶轨迹行驶时所处环境的环境信息,作为第二历史环境信息,并将该第二历史环境信息输入到预设的特征提取模型中,以确定第二历史环境信息所对应的环境特征,作为第二历史初始轨迹特征所对应的第二历史环境特征。
无人驾驶设备可以根据第一历史环境特征以及历史路线特征,第一历史初始轨迹特征进行调整,确定在第一历史环境信息以及历史行驶路线的影响下,第一历史行驶轨迹对应的轨迹特征作为第一历史轨迹特征,并根据第二历史环境特征,对第二历史初始轨迹特征进行调整,确定在第二历史环境信息的影响下,第二历史行驶轨迹对应的轨迹特征作为第二历史轨迹特征。具体的过程与上述提到的确定第一轨迹特征以及第二轨迹特征的方式相同,在此就不详细进行说明了。
无人驾驶设备可以根据第一历史轨迹特征以及第二历史轨迹特征,确定在目标设备与周围的障碍物的相互影响下的轨迹特征,作为历史目标轨迹特征,并根据该历史目标轨迹特征,预测该目标设备的行驶轨迹作为预测行驶轨迹。
而后,无人驾驶设备可以确定出该目标设备行驶完第一历史行驶轨迹后所对应的目标行驶轨迹,并以预测行驶轨迹与目标行驶轨迹之间的差异最小为优化目标对特征提取模型进行训练。也就是说,无人驾驶设备其实是通过上述路径规划模型所得到的预测行驶轨迹与该目标行驶轨迹相接近,反过来训练上述特征提取模型,即,如果上述特征提取模型能够得到准确的特征数据,则得到的预测行驶轨迹与该目标行驶轨迹之间的差异应该尽可能的小。其中,这里提到的目标行驶轨迹可以是指该目标设备行驶完第一历史行驶轨迹后所对应的实际行驶轨迹,也可以是指该目标设备行驶完第一历史行驶轨迹后所期望的行驶轨迹。
需要说明的是,在上述过程中曾多次使用特征提取模型确定各种特征,其中,在确定不同的特征时无人驾驶设备可以使用同一特征提取模型,也可以使用不同的特征提取模型,因此若是使用不同的特征提取模型需要分别对每个特征提取模型按照上述训练方式进行训练。
另外,上述是以无人驾驶设备为执行主体对特征提取模型进行训练的,而在实际应用中,上述特征提取模型也可以通过服务平台来完成训练。相应的,服务平台后续可以训练后的特征提取模型下发至无人驾驶设备中,以使该无人驾驶设备对训练后的特征提取模型进行配置。
从以上方法可以看出,本方法可以根据无人驾驶设备与周围的障碍物的互相影响以及环境对无人驾驶设备的影响,对无人驾驶设备未来的行驶路线进行路径规划,并且同时可以预测障碍物的行驶轨迹,也就是说,最终通过路径规划得到的行驶轨迹以及预测出的障碍物的行驶轨迹是在考虑无人驾驶设备与周围的障碍物之间的相互影响下得出的,这样可以有效的提高路径规划的准确性,进一步保证了无人驾驶设备的行驶安全性。
以上为本说明书的一个或多个实施例提供的路径规划的方法,基于同样的思路,本说明书还提供了相应的路径规划的装置,如图6所示。
图6为本说明书提供的一种路径规划的装置示意图,具体包括:
获取模块601,用于获取无人驾驶设备过去设定时间内所对应的行驶轨迹,作为第一轨迹,以及所述无人驾驶设备周围的障碍物在所述过去设定时间内所对应的行驶轨迹,作为第二轨迹;
第一确定模块602,用于根据获取到的所述无人驾驶设备在所述过去设定时间内所处环境对应的第一环境信息以及所述无人驾驶设备对应的行驶路线,确定在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的轨迹特征,作为第一轨迹特征,以及根据获取到的所述障碍物在所述过去设定时间内所处环境对应的第二环境信息,确定在所述第二环境信息的影响下所述第二轨迹对应的轨迹特征,作为第二轨迹特征;
第二确定模块603,用于根据所述第一轨迹特征以及所述第二轨迹特征,确定在所述过去设定时间内所述无人驾驶设备与所述障碍物相互影响下的轨迹特征,作为目标轨迹特征;
路径规划模块604,用于根据所述目标轨迹特征,对所述无人驾驶设备未来的行驶轨迹进行路径规划。
可选地,所述第一确定模块602具体用于,将所述第一轨迹输入到预先训练的特征提取模型中,以确定所述第一轨迹对应的初始轨迹特征,作为第一初始轨迹特征;根据所述第一环境信息以及所述行驶路线,对所述第一初始轨迹特征进行处理,得到在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的第一轨迹特征。
可选地,所述第一确定模块602具体用于,将所述第一环境信息输入到预先训练的特征提取模型中,以确定所述无人驾驶设备在所述过去设定时间内所处环境对应的环境特征,作为第一环境特征,以及将所述行驶路线输入到预先训练的特征提取模型中,以确定所述无人驾驶设备所对应的路线特征;根据所述第一环境特征以及所述路线特征,对所述第一初始轨迹特征进行调整,以确定在所述第一环境信息以及所述行驶路线的影响下,所述第一轨迹对应的第一轨迹特征。
可选地,所述第一确定模块602具体用于,将所述第二轨迹输入到预先训练的特征提取模型中,以确定所述第二轨迹对应的初始轨迹特征,作为第二初始轨迹特征;根据所述第二环境信息,对所述第二初始轨迹特征进行处理,得到在所述第二环境信息的影响下所述第二轨迹对应的第二轨迹特征。
可选地,所述第一确定模块602具体用于,将所述第二环境信息输入到预先训练的特征提取模型中,以确定所述无人驾驶设备在所述过去设定时间内所处环境对应的环境特征,作为第二环境特征;根据所述第二环境特征,对所述第二初始轨迹特征进行调整,以确定在所述第二环境信息的影响下,所述第二轨迹对应的第二轨迹特征。
可选地,所述路径规划模块604具体用于,将所述目标轨迹特征输入到预设的路径规划模型中,以对所述无人驾驶设备未来的行驶轨迹进行路径规划,以及对所述障碍物未来的行驶轨迹进行预测。
可选地,所述装置还包括:
训练模块605,用于获取目标设备的历史行驶轨迹,作为第一历史轨迹,确定在所述目标设备按照所述第一历史轨迹行驶时周围的障碍物,作为目标障碍物,并获取在所述目标设备按照所述第一历史轨迹行驶时所述目标障碍物的历史行驶轨迹,作为第二历史轨迹;将所述第一历史轨迹输入到预设的特征提取模型中,确定所述第一历史轨迹对应的初始轨迹特征,作为第一历史初始轨迹特征,以及将所述第二历史轨迹输入到预设的特征提取模型中,确定所述第二历史轨迹对应的初始轨迹特征,作为第二历史初始轨迹特征;根据确定出的所述第一历史初始轨迹特征所对应的第一历史环境特征以及历史路线特征,对所述第一历史初始轨迹特征进行调整,以确定所述第一历史行驶轨迹对应的第一历史轨迹特征,以及根据确定出的所述第二历史初始轨迹特征所对应的第二历史环境特征,对所述第二历史初始轨迹特征进行调整,以确定所述第二历史行驶轨迹对应的第二历史轨迹特征;根据所述第一历史轨迹特征以及所述第二历史轨迹特征,确定在所述目标设备与所述目标障碍物的相互影响下的轨迹特征,作为历史目标轨迹特征;根据所述历史目标轨迹特征,对所述目标设备进行行驶轨迹预测,得到预测行驶轨迹;确定所述目标设备行驶完所述第一历史轨迹后所对应的目标行驶轨迹,并以所述预测行驶轨迹与所述目标行驶轨迹之间的差异最小为优化目标,对预设的特征提取模型进行训练。
可选地,所述训练模块605具体用于,获取所述目标设备在按照所述第一历史行驶轨迹行驶时所处环境的环境信息,作为第一历史环境信息,以及获取所述目标设备所对应的历史行驶路线;将所述第一历史环境信息输入到预设的特征提取模型中,以确定所述第一历史环境信息所对应的环境特征,作为所述第一历史初始轨迹特征所对应的第一历史环境特征,以及将所述历史行驶路线输入到预设的特征提取模型中,确定所述历史行驶路线所对应的路线特征,作为所述第一历史初始轨迹特征所对应的历史路线特征。
可选地,所述训练模块605具体用于,获取所述目标障碍物在按照所述第二历史行驶轨迹行驶时所处环境的环境信息,作为第二历史环境信息;将所述第二历史环境信息输入到预设的特征提取模型中,以确定所述第二历史环境信息所对应的环境特征,作为所述第二历史初始轨迹特征所对应的第二历史环境特征。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的路径规划的方法。
本说明书还提供了图7所示的无人驾驶设备的示意结构图。如图7所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的路径规划的方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device, PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (12)
1.一种路径规划的方法,其特征在于,包括:
获取无人驾驶设备过去设定时间内所对应的行驶轨迹,作为第一轨迹,以及所述无人驾驶设备周围的障碍物在所述过去设定时间内所对应的行驶轨迹,作为第二轨迹;
根据获取到的所述无人驾驶设备在所述过去设定时间内所处环境对应的第一环境信息以及所述无人驾驶设备对应的行驶路线,确定在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的轨迹特征,作为第一轨迹特征,以及根据获取到的所述障碍物在所述过去设定时间内所处环境对应的第二环境信息,确定在所述第二环境信息的影响下所述第二轨迹对应的轨迹特征,作为第二轨迹特征,所述第一环境信息用于表示所述无人驾驶设备在所述过去设定时间内所处道路以及车道的信息,所述第二环境信息用于表示所述障碍物在所述过去设定时间内所处道路以及车道的信息,所述行驶路线用于表示所述无人驾驶设备规划出的从出发地到目的地的行进路线;
根据所述第一轨迹特征以及所述第二轨迹特征,确定在所述过去设定时间内所述无人驾驶设备与所述障碍物相互影响下的轨迹特征,作为目标轨迹特征;
根据所述目标轨迹特征,对所述无人驾驶设备未来的行驶轨迹进行路径规划。
2.如权利要求1所述的方法,其特征在于,根据获取到的所述无人驾驶设备在所述过去设定时间内所处环境对应的第一环境信息以及所述无人驾驶设备对应的行驶路线,确定在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的轨迹特征,作为第一轨迹特征,具体包括:
将所述第一轨迹输入到预先训练的特征提取模型中,以确定所述第一轨迹对应的初始轨迹特征,作为第一初始轨迹特征;
根据所述第一环境信息以及所述行驶路线,对所述第一初始轨迹特征进行处理,得到在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的第一轨迹特征。
3.如权利要求2所述的方法,其特征在于,根据所述第一环境信息以及所述行驶路线,对所述第一初始轨迹特征进行处理,得到在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的第一轨迹特征,具体包括:
将所述第一环境信息输入到预先训练的特征提取模型中,以确定所述无人驾驶设备在所述过去设定时间内所处环境对应的环境特征,作为第一环境特征,以及将所述行驶路线输入到预先训练的特征提取模型中,以确定所述无人驾驶设备所对应的路线特征;
根据所述第一环境特征以及所述路线特征,对所述第一初始轨迹特征进行调整,以确定在所述第一环境信息以及所述行驶路线的影响下,所述第一轨迹对应的第一轨迹特征。
4.如权利要求3所述的方法,其特征在于,根据获取到的所述障碍物在所述过去设定时间内所处环境对应的第二环境信息,确定在所述第二环境信息的影响下所述第二轨迹对应的轨迹特征,作为第二轨迹特征,具体包括:
将所述第二轨迹输入到预先训练的特征提取模型中,以确定所述第二轨迹对应的初始轨迹特征,作为第二初始轨迹特征;
根据所述第二环境信息,对所述第二初始轨迹特征进行处理,得到在所述第二环境信息的影响下所述第二轨迹对应的第二轨迹特征。
5.如权利要求4所述的方法,其特征在于,根据所述第二环境信息,对所述第二初始轨迹特征进行处理,得到在所述第二环境信息的影响下所述第二轨迹对应的第二轨迹特征,具体包括:
将所述第二环境信息输入到预先训练的特征提取模型中,以确定所述无人驾驶设备在所述过去设定时间内所处环境对应的环境特征,作为第二环境特征;
根据所述第二环境特征,对所述第二初始轨迹特征进行调整,以确定在所述第二环境信息的影响下,所述第二轨迹对应的第二轨迹特征。
6.如权利要求1所述的方法,其特征在于,根据所述目标轨迹特征,对所述无人驾驶设备未来的行驶轨迹进行路径规划,具体包括:
将所述目标轨迹特征输入到预设的路径规划模型中,以对所述无人驾驶设备未来的行驶轨迹进行路径规划,以及对所述障碍物未来的行驶轨迹进行预测。
7.如权利要求5所述的方法,其特征在于,训练预设的特征提取模型,具体包括:
获取目标设备的历史行驶轨迹,作为第一历史轨迹,确定在所述目标设备按照所述第一历史轨迹行驶时周围的障碍物,作为目标障碍物,并获取在所述目标设备按照所述第一历史轨迹行驶时所述目标障碍物的历史行驶轨迹,作为第二历史轨迹;
将所述第一历史轨迹输入到预设的特征提取模型中,确定所述第一历史轨迹对应的初始轨迹特征,作为第一历史初始轨迹特征,以及将所述第二历史轨迹输入到预设的特征提取模型中,确定所述第二历史轨迹对应的初始轨迹特征,作为第二历史初始轨迹特征;
根据确定出的所述第一历史初始轨迹特征所对应的第一历史环境特征以及历史路线特征,对所述第一历史初始轨迹特征进行调整,以确定所述第一历史行驶轨迹对应的第一历史轨迹特征,以及根据确定出的所述第二历史初始轨迹特征所对应的第二历史环境特征,对所述第二历史初始轨迹特征进行调整,以确定所述第二历史行驶轨迹对应的第二历史轨迹特征;
根据所述第一历史轨迹特征以及所述第二历史轨迹特征,确定在所述目标设备与所述目标障碍物的相互影响下的轨迹特征,作为历史目标轨迹特征;
根据所述历史目标轨迹特征,对所述目标设备进行行驶轨迹预测,得到预测行驶轨迹;
确定所述目标设备行驶完所述第一历史轨迹后所对应的目标行驶轨迹,并以所述预测行驶轨迹与所述目标行驶轨迹之间的差异最小为优化目标,对预设的特征提取模型进行训练。
8.如权利要求7所述的方法,其特征在于,确定所述第一历史初始轨迹特征所对应的第一历史环境特征以及历史路线特征,具体包括:
获取所述目标设备在按照所述第一历史行驶轨迹行驶时所处环境的环境信息,作为第一历史环境信息,以及获取所述目标设备所对应的历史行驶路线;
将所述第一历史环境信息输入到预设的特征提取模型中,以确定所述第一历史环境信息所对应的环境特征,作为所述第一历史初始轨迹特征所对应的第一历史环境特征,以及将所述历史行驶路线输入到预设的特征提取模型中,确定所述历史行驶路线所对应的路线特征,作为所述第一历史初始轨迹特征所对应的历史路线特征。
9.如权利要求7所述的方法,其特征在于,确定所述第二历史初始轨迹特征所对应的第二历史环境特征,具体包括:
获取所述目标障碍物在按照所述第二历史行驶轨迹行驶时所处环境的环境信息,作为第二历史环境信息;
将所述第二历史环境信息输入到预设的特征提取模型中,以确定所述第二历史环境信息所对应的环境特征,作为所述第二历史初始轨迹特征所对应的第二历史环境特征。
10.一种路径规划的装置,其特征在于,包括:
获取模块,用于获取无人驾驶设备过去设定时间内所对应的行驶轨迹,作为第一轨迹,以及所述无人驾驶设备周围的障碍物在所述过去设定时间内所对应的行驶轨迹,作为第二轨迹;
第一确定模块,用于根据获取到的所述无人驾驶设备在所述过去设定时间内所处环境对应的第一环境信息以及所述无人驾驶设备对应的行驶路线,确定在所述第一环境信息以及所述行驶路线的影响下所述第一轨迹对应的轨迹特征,作为第一轨迹特征,以及根据获取到的所述障碍物在所述过去设定时间内所处环境对应的第二环境信息,确定在所述第二环境信息的影响下所述第二轨迹对应的轨迹特征,作为第二轨迹特征,所述第一环境信息用于表示所述无人驾驶设备在所述过去设定时间内所处道路以及车道的信息,所述第二环境信息用于表示所述障碍物在所述过去设定时间内所处道路以及车道的信息,所述行驶路线用于表示所述无人驾驶设备规划出的从出发地到目的地的行进路线;
第二确定模块,用于根据所述第一轨迹特征以及所述第二轨迹特征,确定在所述过去设定时间内所述无人驾驶设备与所述障碍物相互影响下的轨迹特征,作为目标轨迹特征;
路径规划模块,用于根据所述目标轨迹特征,对所述无人驾驶设备未来的行驶轨迹进行路径规划。
11.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~9任一项所述的方法。
12.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214928.5A CN111076739B (zh) | 2020-03-25 | 2020-03-25 | 一种路径规划的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010214928.5A CN111076739B (zh) | 2020-03-25 | 2020-03-25 | 一种路径规划的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111076739A CN111076739A (zh) | 2020-04-28 |
CN111076739B true CN111076739B (zh) | 2020-07-03 |
Family
ID=70324624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010214928.5A Active CN111076739B (zh) | 2020-03-25 | 2020-03-25 | 一种路径规划的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111076739B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111399523B (zh) * | 2020-06-02 | 2020-12-01 | 北京三快在线科技有限公司 | 一种路径规划的方法及装置 |
CN112306059B (zh) * | 2020-10-15 | 2024-02-27 | 北京三快在线科技有限公司 | 一种控制模型的训练方法、控制方法以及装置 |
CN112649012A (zh) * | 2020-12-15 | 2021-04-13 | 北京三快在线科技有限公司 | 一种轨迹规划方法、设备、介质及无人设备 |
CN112373471B (zh) * | 2021-01-12 | 2021-05-04 | 禾多科技(北京)有限公司 | 用于控制车辆行驶的方法、装置、电子设备和可读介质 |
CN112461255B (zh) * | 2021-01-25 | 2021-04-27 | 中智行科技有限公司 | 一种路径规划方法、车端设备及电子设备 |
CN113074734B (zh) * | 2021-03-23 | 2023-05-30 | 北京三快在线科技有限公司 | 一种轨迹规划方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389081A (zh) * | 2017-07-15 | 2017-11-24 | 东莞市华睿电子科技有限公司 | 一种无人驾驶车辆的智能导航方法及系统 |
CN107609633A (zh) * | 2017-05-03 | 2018-01-19 | 同济大学 | 车联网复杂网络中基于深度学习的车辆行驶影响因素的位置预测模型构造方法 |
CN108820042A (zh) * | 2018-05-25 | 2018-11-16 | 东软集团股份有限公司 | 一种自动驾驶方法及装置 |
CN109885066A (zh) * | 2019-03-26 | 2019-06-14 | 北京经纬恒润科技有限公司 | 一种运动轨迹预测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106114507B (zh) * | 2016-06-21 | 2018-04-03 | 百度在线网络技术(北京)有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
-
2020
- 2020-03-25 CN CN202010214928.5A patent/CN111076739B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609633A (zh) * | 2017-05-03 | 2018-01-19 | 同济大学 | 车联网复杂网络中基于深度学习的车辆行驶影响因素的位置预测模型构造方法 |
CN107389081A (zh) * | 2017-07-15 | 2017-11-24 | 东莞市华睿电子科技有限公司 | 一种无人驾驶车辆的智能导航方法及系统 |
CN108820042A (zh) * | 2018-05-25 | 2018-11-16 | 东软集团股份有限公司 | 一种自动驾驶方法及装置 |
CN109885066A (zh) * | 2019-03-26 | 2019-06-14 | 北京经纬恒润科技有限公司 | 一种运动轨迹预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111076739A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111076739B (zh) | 一种路径规划的方法及装置 | |
CN111190427B (zh) | 一种轨迹规划的方法及装置 | |
CN112766468B (zh) | 一种轨迹预测方法、装置、存储介质及电子设备 | |
CN110262486B (zh) | 一种无人驾驶设备运动控制方法及装置 | |
CN110488821B (zh) | 一种确定无人车运动策略的方法及装置 | |
CN111208838A (zh) | 一种无人驾驶设备的控制方法及装置 | |
CN112306059B (zh) | 一种控制模型的训练方法、控制方法以及装置 | |
CN110942181A (zh) | 一种障碍物轨迹预测的方法及装置 | |
CN111399523B (zh) | 一种路径规划的方法及装置 | |
CN112629550B (zh) | 一种预测障碍物轨迹以及模型训练的方法及装置 | |
CN112677993A (zh) | 一种模型训练的方法及装置 | |
CN112013853B (zh) | 一种对无人驾驶设备的轨迹点验证的方法及装置 | |
CN112327864A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN113968243B (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
CN110956375B (zh) | 一种订单处理的方法及装置 | |
CN113419547A (zh) | 一种多车协同控制方法及装置 | |
CN113485383B (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN111123957B (zh) | 一种轨迹规划的方法及装置 | |
CN112883871A (zh) | 一种模型训练以及确定无人车运动策略方法及装置 | |
CN112859883B (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN113848913B (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN113325855B (zh) | 基于迁移场景用于预测障碍物轨迹的模型训练方法 | |
CN113340311B (zh) | 一种无人驾驶设备的路径规划方法及装置 | |
CN112987754B (zh) | 一种无人设备的控制方法、装置、存储介质及电子设备 | |
CN114877912A (zh) | 一种车辆导航信息生成方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |