CN113033925A - 用于控制自动驾驶车辆行驶、装置、电子设备和介质 - Google Patents

Abstract

本公开的实施例公开了用于控制自动驾驶车辆行驶、装置、电子设备和介质。该方法的一具体实施方式包括：获取目标车辆的起始状态信息和末状态信息集合；基于该起始状态信息和该末状态信息集合，生成至少一条候选车辆轨迹；确定该至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值；基于该至少一个代价值，从该至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹；对该待优化车辆轨迹进行路径优化以生成目标车辆轨迹。该实施方式提高了路径规划时的效率。

Description

用于控制自动驾驶车辆行驶、装置、电子设备和介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于控制自动驾驶车辆行驶、装置、电子设备和介质。

背景技术

自动驾驶运动规划技术是保证无人驾驶车辆安全行驶的核心技术之一，其目的为无人驾驶车辆规划出一条安全且平滑的行驶轨迹。目前，在对自动驾驶车辆进行路径规划时，通常采用的方式有：人工势场法和启发式搜索算法。

然而，当采用上述方式对路径进行规划时，经常会存在如下技术问题：

第一，通过建立环境模型地图作为人与车辆互相交流的媒介，不但成本较高，而且计算量较大，造成路径规划时效率较低。

第二，路径规划算法尚未考虑车辆在多条车道低速行驶过程中存在多个障碍物的问题，造成目标车辆在遇到复杂场景时判断能力较低，进而降低车辆在行驶过程中的安全性。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了用于控制自动驾驶车辆行驶、装置、电子设备和介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种用于控制自动驾驶车辆行驶的方法，该方法包括：获取目标车辆的起始状态信息和末状态信息集合；基于上述起始状态信息和上述末状态信息集合，生成至少一条候选车辆轨迹；确定上述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值；基于上述至少一个代价值，从上述至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹；对上述待优化车辆轨迹进行路径优化以生成目标车辆轨迹。

在一些实施例中，所述至少一条候选车辆轨迹中的候选车辆轨迹包括：轨迹起点值、轨迹终点值、轨迹曲率函数、轨迹采样数目和碰撞风险标准差；以及

所述确定所述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，包括：

基于预设车道线的位置信息和所述候选车辆轨迹包括的轨迹起点值和轨迹终点值，确定重叠路线信息，其中，所述重叠路线信息包括：重叠长度函数、重叠起点值和重叠终点值；

基于所述重叠路线信息和所述候选车辆轨迹包括的轨迹起点值、轨迹终点值、轨迹曲率函数、轨迹采样数目和碰撞风险标准差，通过以下公式，确定所述候选车辆轨迹对应的代价值：

，

其中，

表示所述候选车辆轨迹的第一代价函数值，

表示所述候选车辆轨迹包括的轨迹采样数目，

表示序号，

表示所述候选车辆轨迹包括的碰撞风险标准差，

表示常数，取值为3.14，

表示常数，取值为2.17，

表示所述候选车辆轨迹的第二代价函数值，

表示所述重叠路线位置信息包括的重叠终点值，

表示所述重叠路线位置信息包括的重叠起点值，

表示所述重叠路线信息包括的重叠长度函数，

表示所述候选车辆轨迹，

表示关于所述候选车辆轨迹的重叠长度函数，

表示所述候选车辆轨迹的第三代价函数值，

所述候选车辆轨迹包括的轨迹起点值，

表示所述候选车辆轨迹包括的轨迹终点值，

表示所述候选车辆轨迹包括的轨迹曲率函数，

表示关于所述候选车辆轨迹的轨迹曲率函数，

表示所述代价值，

表示预设第一权重，取值范围为[0,1]，

表示预设第二权重，取值范围为[01-

]，

表示预设第三权重，取值范围为[0,1-

-

]。

第二方面，本公开的一些实施例提供了一种用于控制自动驾驶车辆行驶的装置，装置包括：获取单元，被配置成获取目标车辆的起始状态信息和末状态信息集合；生成单元，被配置成基于上述起始状态信息和上述末状态信息集合，生成至少一条候选车辆轨迹；确定单元，被配置成确定上述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值；选择单元，被配置成基于上述至少一个代价值，从上述至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹；路径优化单元，被配置成对上述待优化车辆轨迹进行路径优化以生成目标车辆轨迹。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的用于控制自动驾驶车辆行驶的方法提高了路径规划时的效率。具体来说，造成路径规划时效率较低的原因在于：通过建立环境模型地图作为人与车辆互相交流的媒介，不但成本较高，而且计算量较大，造成路径规划时效率较低。基于此，本公开的一些实施例的用于控制自动驾驶车辆行驶的方法，首先，获取目标车辆的起始状态信息和末状态信息集合。为后续生成至少一条候选车辆轨迹提供数据支撑。其次，基于上述起始状态信息和上述末状态信息集合，生成至少一条候选车辆轨迹。通过给定的末状态信息，生成多条可供选择的候选车辆轨迹。然后，确定上述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值。对至少一个候选车辆轨迹进行评估而得到的评估结果，为后续寻找待优化车辆轨迹提供数据支撑。再然后，基于上述至少一个代价值，从上述至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹。选择代价值最小的一条候选车辆轨迹作为待优化车辆轨迹，降低了优化车辆轨迹的计算量。最后，对上述待优化车辆轨迹进行路径优化以生成目标车辆轨迹。只对一条车辆轨迹进行优化，提高了生成车辆轨迹的效率。解决了通过建立环境模型地图作为人与车辆互相交流的媒介，不但成本较高，而且计算量较大，造成路径规划时效率较低的问题。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本公开的一些实施例的用于控制自动驾驶车辆行驶的方法的一个应用场景的示意图；

图2是根据本公开的用于控制自动驾驶车辆行驶的方法的一些实施例的流程图；

图3是根据本公开的用于控制自动驾驶车辆行驶的装置的一些实施例的结构示意图；

图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是本公开的一些实施例的用于控制自动驾驶车辆行驶的方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以获取目标车辆的起始状态信息102和末状态信息集合103。其次，计算设备101可以基于上述起始状态信息102和上述末状态信息集合103，生成至少一条候选车辆轨迹104。然后，计算设备101可以确定上述至少一条候选车辆轨迹104中每条候选车辆轨迹对应的代价值，得到至少一个代价值105。再然后，计算设备101可以基于上述至少一个代价值105，从上述至少一条候选车辆轨迹104中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹106。最后，计算设备101可以对上述待优化车辆轨迹106进行路径优化以生成目标车辆轨迹107。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的用于控制自动驾驶车辆行驶的方法的一些实施例的流程200。该用于控制自动驾驶车辆行驶的方法，包括以下步骤：

步骤201，获取目标车辆的起始状态信息和末状态信息集合。

在一些实施例中，用于控制自动驾驶车辆行驶的方法的执行主体（例如图1所示的计算设备101）可以通过有线连接方式或者无线连接方式获取目标车辆的起始状态信息和末状态信息集合。其中，上述起始状态信息可以是上述目标车辆在零时刻的状态信息。上述起始状态信息可以包括但不限于以下至少一项：零时刻的车辆位置信息、零时刻的车头转向信息。上述末状态信息集合中的末状态信息可以是目标车辆在预设时刻的状态信息。上述末状态信息集合中的末状态信息可以包括但不限于以下至少一项：末状态位置信息、末状态速度值、末状态障碍物信息。上述末状态位置信息可以包括但不限于以下至少一项：末状态横向偏移量、末状态纵向位移。上述末状态障碍物信息可以包括但不限于以下至少一项：末状态障碍物位置信息、末状态障碍物速度值。上述零时刻的车辆位置信息、上述末状态位置信息为上述目标车辆在Frenet坐标系中的坐标信息。上述末状态障碍物位置信息为障碍物在Frenet坐标系中的坐标信息。

步骤202，基于起始状态信息和末状态信息集合，生成至少一条候选车辆轨迹。

在一些实施例中，上述执行主体可以利用曲线来拟合车辆轨迹，并通过求解曲线两段的点值以生成候选车辆轨迹，得到上述至少一条候选车辆轨迹。其中，上述曲线可以包括但不限于以下至少一项：多项式缓和曲线、三次贝塞尔曲线、Bezier曲线。

在一些实施例的一些可选的实现方式中，上述执行主体基于起始状态信息和末状态信息集合，生成至少一条候选车辆轨迹，可以通过以下步骤：

第一步，基于上述起始状态信息和上述末状态信息集合，生成横向多项式轨迹集合和纵向多项式轨迹集合。

其中，上述末状态信息集合中的末状态信息可以包括但不限于以下至少一项：末状态位置信息、末状态速度值和末状态障碍物信息，上述末状态位置信息可以包括但不限于以下至少一项：末状态横向偏移量和末状态纵向位移。上述主体基于上述起始状态信息和上述末状态信息集合，生成横向多项式轨迹集合和纵向多项式轨迹集合，可以通过以下子步骤：

第一子步骤，对上述末状态信息集合中的每个末状态信息包括的末状态横向偏移量和末状态纵向位移进行多项式拟合以生成横向多项式轨迹，得到横向多项式轨迹集合。其中，上述横向多项式轨迹为横向的多项式轨迹。

第二子步骤，确定上述目标车辆的行驶状态。其中，上述目标车辆的行驶状态可以是车辆巡航状态、车辆停车状态、车辆跟车状态和车辆超车状态。上述执行主体可以通过YOLO（You Only Look Once，只需要一次目标检测）算法确定上述目标车辆的行驶状态。

第三子步骤，基于上述行驶状态、上述起始状态信息和上述末状态信息集合中的每个末状态信息包括的末状态速度值和末状态障碍物信息，生成纵向多项式轨迹，得到纵向多项式轨迹集合。

作为示例，上述执行主体可以响应于上述目标车辆的行驶状态为车辆巡航状态，基于上述末状态信息集合中的每个末状态信息包括的末状态速度值，通过两层循环采用技术进行采样。上述两层循环采用技术可以包括：外层循环采样技术和内层循环采样技术。上述外层循环采样技术为从零至上述末状态速度值按等间隔均匀遍历的技术。上述内层循环采样技术为从零至预设时刻按等间隔均匀遍历的技术。

作为又一示例，上述执行主体响应于上述目标车辆的行驶状态为车辆停车状态，通过一层循环采样技术进行采样。其中，上述车辆停车状态所对应的车辆速度值和车辆加速度值为零。

作为又一示例，上述执行主体响应于上述目标车辆的行驶状态为车辆跟车状态或车辆超车状态。利用S-T图（shift-time，路程-时间）进行采样。

第二步，基于上述横向多项式轨迹集合和上述纵向多项式轨迹集合，生成上述至少一条候选车辆轨迹。

其中，上述执行主体可以通过中点画线法，对上述横向多项式轨迹集合中的各个横向多项式轨迹和上述纵向多项式轨迹集合中的各个纵向多项式轨迹进行二维合成，生成上述至少一条候选车辆轨迹。

步骤203，确定至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值。

在一些实施例中，上述执行主体可以通过Lattice Planner（框架规划）算法，确定上述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值。

在一些实施例的一些可选的实现方式中，上述至少一条候选车辆轨迹中的候选车辆轨迹可以包括但不限于以下至少一项：轨迹起点值、轨迹终点值、轨迹曲率函数、轨迹采样数目和碰撞风险标准差。上述执行主体确定至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值，可以通过以下步骤：

第一步，基于预设车道线的位置信息和上述候选车辆轨迹包括的轨迹起点值和轨迹终点值，确定重叠路线信息，其中，上述重叠路线信息可以包括但不限于以下至少一项：重叠长度函数、重叠起点值和重叠终点值。

第二步，基于上述重叠路线信息和上述候选车辆轨迹包括的轨迹起点值、轨迹终点值、轨迹曲率函数、轨迹采样数目和碰撞风险标准差，可以通过以下公式，生成上述候选车辆轨迹对应的代价值：

。

其中，

表示上述候选车辆轨迹的第一代价函数值。

表示上述候选车辆轨迹包括的轨迹采样数目。

表示序号。

表示上述候选车辆轨迹包括的碰撞风险标准差。

表示常数。取值为3.14。

表示常数。取值为2.17。

表示上述候选车辆轨迹的第二代价函数值。

表示上述重叠路线位置信息包括的重叠终点值。

表示上述重叠路线位置信息包括的重叠起点值。

表示上述重叠路线信息包括的重叠长度函数。

表示上述候选车辆轨迹。

表示关于上述候选车辆轨迹的重叠长度函数。

表示上述候选车辆轨迹的第三代价函数值。

上述候选车辆轨迹包括的轨迹起点值。

表示上述候选车辆轨迹包括的轨迹终点值。

表示上述候选车辆轨迹包括的轨迹曲率函数。

表示关于上述候选车辆轨迹的轨迹曲率函数。

表示上述代价值。

表示预设第一权重。取值范围为[0,1]。

表示预设第二权重。取值范围为[0,1-

]。

表示预设第三权重。取值范围为[0,1-

-

]。

上述公式作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“路径规划算法尚未考虑车辆在多条车道低速行驶过程中存在多个障碍物的问题，造成目标车辆在遇到复杂场景时判断能力较低，进而降低车辆在行驶过程中的安全性”。导致车辆在行驶过程中存在安全性较低的因素往往如下：局部路径规划算法尚未考虑车辆在多条车道低速行驶过程中存在多个障碍物的问题，从而降低车辆在行驶过程安全性。如果解决了上述因素，就能提高目标车辆在遇到复杂场景时的判断能力，进而提升目标车辆行驶的安全性。为了达到这一效果，本公开分别引入路径安全性代价函数（上述公式中的第一代价函数值）以考虑车辆在行驶过程中存在多个障碍物的情况。其次，引入路径平滑性代价函数（上述公式中的第二代价函数值）和路径连贯性代价函数（上述公式中的第三代价函数值）以考虑车辆在多条路径低速行驶的情况。最后，将上述三个函数值进行加权求和，生成上述上述候选车辆轨迹对应的代价值。并通过最小化上述代价值来实现最优路径的选择。进而解决局部路径规划算法尚未考虑车辆在多条车道低速行驶过程中存在多个障碍物的问题，提高车辆在行驶过程中的安全性。

步骤204，基于至少一个代价值，从至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹。

在一些实施例中，上述执行主体可以基于上述至少一个代价值，从至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹。其中，上述预设条件可以是对应的代价值为上述至少一个代价值最小的候选车辆轨迹。

步骤205，对待优化车辆轨迹进行路径优化以生成目标车辆轨迹。

在一些实施例中，上述执行主体可以通过迪杰斯特拉算法对上述待优化车辆轨迹进行路径优化以生成目标车辆轨迹。

在一些实施例的一些可选的实现方式中，上述执行主体确定至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值，可以通过以下步骤：

第一步，对上述待优化车辆轨迹进行分段处理以生成样条段集合。

其中，上述执行主体可以通过对上述待优化车辆轨迹进行平均分段处理，生成子待优化车辆轨迹作为样条段，得到上述样条段集合。

作为示例，上述平均分段的段数可以是60。

第二步，确定上述样条段集合中的每个样条段对应的目标函数，得到目标函数集合。

其中，上述执行主体可以将预设目标函数确定为上述样条段集合中的每个样条段对应的目标函数，得到目标函数集合。

第三步，对上述目标函数集合中的各个目标函数进行约束优化以生成优化后的目标函数集合。

其中，上述执行主体可以利用增广拉格朗日乘子法对上述目标函数集合中的各个目标函数进行约束优化以生成优化后的目标函数集合。

第四步，基于上述优化后的目标函数集合，生成上述目标车辆轨迹。

其中，上述执行主体可以将上述优化后的目标函数集合中的各个优化后的目标函数进行组合以生成组合函数作为上述目标车辆轨迹。

可选地，上述执行主体可以将上述目标车辆轨迹发送至上述目标车辆的控制设备以及控制上述目标车辆沿上述目标车辆轨迹行驶。其中，上述控制设备可以包括但不限于以下至少一项：刹车片、方向盘、油门等。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的用于控制自动驾驶车辆行驶的方法提高了路径规划时的效率。具体来说，造成路径规划时效率较低的原因在于：用环境模型地图作为人与车辆互相交流的媒介，使建立环境模拟地图的成本较高，计算量较大，进而造成路径规划时效率较低。基于此，本公开的一些实施例的用于控制自动驾驶车辆行驶的方法，首先，获取目标车辆的起始状态信息和末状态信息集合。为后续生成至少一条候选车辆轨迹提供数据支撑。其次，基于上述起始状态信息和上述末状态信息集合，生成至少一条候选车辆轨迹。通过给定的末状态信息，生成多条可供选择的候选车辆轨迹。然后，确定上述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值。对至少一个候选车辆轨迹进行评估而得到的评估结果，为后续寻找待优化车辆轨迹提供数据支撑。再然后，基于上述至少一个代价值，从上述至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹。选择代价值最小的一条候选车辆轨迹作为待优化车辆轨迹，降低了优化车辆轨迹的计算量。最后，对上述待优化车辆轨迹进行路径优化以生成目标车辆轨迹。只对一条车辆轨迹进行优化，提高了生成车辆轨迹的效率。解决了用环境模型地图作为人与车辆互相交流的媒介，使建立环境模拟地图的成本较高，计算量较大，进而造成路径规划时效率较低的问题。

进一步参考图3，作为对上述各图所示方法的实现，本公开提供了一种用于控制自动驾驶车辆行驶的装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图3所示，一些实施例的用于控制自动驾驶车辆行驶的装置300包括：获取单元301、生成单元302、确定单元303、选择单元304和路径优化单元305。其中，获取单元301，被配置成获取目标车辆的起始状态信息和末状态信息集合；生成单元302，被配置成基于上述起始状态信息和上述末状态信息集合，生成至少一条候选车辆轨迹；确定单元303，被配置成确定上述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值；选择单元304，被配置成基于上述至少一个代价值，从上述至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹；路径优化单元305，被配置成对上述待优化车辆轨迹进行路径优化以生成目标车辆轨迹。

可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。

下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备（例如图1中的计算设备101）400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置（例如中央处理器、图形处理器等）401，其可以根据存储在只读存储器（ROM）402中的程序或者从存储装置408加载到随机访问存储器（RAM）403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出（I/O）接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置404；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标车辆的起始状态信息和末状态信息集合；基于上述起始状态信息和上述末状态信息集合，生成至少一条候选车辆轨迹；确定上述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值；基于上述至少一个代价值，从上述至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹；对上述待优化车辆轨迹进行路径优化以生成目标车辆轨迹。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、生成单元、确定单元、选择单元和路径优化单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标车辆的起始状态信息和末状态信息集合的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种用于控制自动驾驶车辆行驶的方法，包括：

获取目标车辆的起始状态信息和末状态信息集合；

基于所述起始状态信息和所述末状态信息集合，生成至少一条候选车辆轨迹；

确定所述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值；

基于所述至少一个代价值，从所述至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹；

对所述待优化车辆轨迹进行路径优化以生成目标车辆轨迹。

2.根据权利要求1所述的方法，其中，所述方法还包括：

将所述目标车辆轨迹发送至所述目标车辆的控制设备以及控制所述目标车辆沿所述目标车辆轨迹行驶。

3.根据权利要求2所述的方法，其中，所述基于所述起始状态信息和所述末状态信息集合，生成至少一条候选车辆轨迹，包括：

基于所述起始状态信息和所述末状态信息集合，生成横向多项式轨迹集合和纵向多项式轨迹集合；

基于所述横向多项式轨迹集合和所述纵向多项式轨迹集合，生成所述至少一条候选车辆轨迹。

4.根据权利要求3所述的方法，其中，所述末状态信息集合中的末状态信息包括：末状态位置信息、末状态速度值和末状态障碍物信息，所述末状态位置信息包括：末状态横向偏移量和末状态纵向位移；以及

所述基于所述起始状态信息和所述末状态信息集合，生成横向多项式轨迹集合和纵向多项式轨迹集合，包括：

对所述末状态信息集合中的每个末状态信息包括的末状态横向偏移量和末状态纵向位移进行多项式拟合以生成横向多项式轨迹，得到横向多项式轨迹集合。

5.根据权利要求4所述的方法，其中，所述基于所述起始状态信息和所述末状态信息集合，生成横向多项式轨迹集合和纵向多项式轨迹集合，还包括：

确定所述目标车辆的行驶状态；

基于所述行驶状态、所述起始状态信息和所述末状态信息集合中的每个末状态信息包括的末状态速度值和末状态障碍物信息，生成纵向多项式轨迹，得到纵向多项式轨迹集合。

6.根据权利要求5所述的方法，其中，所述对所述待优化车辆轨迹进行路径优化以生成目标车辆轨迹，包括：

对所述待优化车辆轨迹进行分段处理以生成样条段集合；

确定所述样条段集合中的每个样条段对应的目标函数，得到目标函数集合；

对所述目标函数集合中的各个目标函数进行约束优化以生成优化后的目标函数集合；

基于所述优化后的目标函数集合，生成所述目标车辆轨迹。

7.根据权利要求6所述的方法，其中，所述至少一条候选车辆轨迹中的候选车辆轨迹包括：轨迹起点值、轨迹终点值、轨迹曲率函数、轨迹采样数目和碰撞风险标准差；以及

所述确定所述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，包括：

基于预设车道线的位置信息和所述候选车辆轨迹包括的轨迹起点值和轨迹终点值，确定重叠路线信息，其中，所述重叠路线信息包括：重叠长度函数、重叠起点值和重叠终点值；

基于所述重叠路线信息和所述候选车辆轨迹包括的轨迹起点值、轨迹终点值、轨迹曲率函数、轨迹采样数目和碰撞风险标准差，确定所述候选车辆轨迹对应的代价值。

8.一种用于控制自动驾驶车辆行驶的装置，包括：

获取单元，被配置成获取目标车辆的起始状态信息和末状态信息集合；

生成单元，被配置成基于所述起始状态信息和所述末状态信息集合，生成至少一条候选车辆轨迹；

确定单元，被配置成确定所述至少一条候选车辆轨迹中每条候选车辆轨迹对应的代价值，得到至少一个代价值；

选择单元，被配置成基于所述至少一个代价值，从所述至少一条候选车辆轨迹中选择满足预设条件的候选车辆轨迹作为待优化车辆轨迹；

路径优化单元，被配置成对所述待优化车辆轨迹进行路径优化以生成目标车辆轨迹。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7任一所述的方法。

Images