CN116774705A - 自动驾驶车辆的速度规划方法、装置、设备及介质 - Google Patents
自动驾驶车辆的速度规划方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116774705A CN116774705A CN202310806327.7A CN202310806327A CN116774705A CN 116774705 A CN116774705 A CN 116774705A CN 202310806327 A CN202310806327 A CN 202310806327A CN 116774705 A CN116774705 A CN 116774705A
- Authority
- CN
- China
- Prior art keywords
- track
- predicted
- determining
- trend
- tracks
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000008859 change Effects 0.000 claims description 33
- 238000012216 screening Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000013136 deep learning model Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开提供了自动驾驶车辆的速度规划方法、装置、设备及介质,涉及数据处理领域,尤其涉及自动驾驶领域。具体实现方案为:为自动驾驶车辆运行过程中的障碍物确定预测轨迹;在障碍物存在至少两个预测轨迹的情况下,根据所述至少两个预测轨迹为障碍物确定走向条件,并根据障碍物是否符合所述走向条件得到走向确定结果;根据所述走向确定结果,从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,作为自动驾驶车辆的速度规划结果。本公开的方案实现了在障碍物具有多种行驶轨迹可能的情况下,提高自动驾驶车辆速度规划的准确性。
Description
技术领域
本公开涉及数据处理领域,尤其涉及自动驾驶领域,具体涉及一种自动驾驶车辆的速度规划方法、装置、设备及介质。
背景技术
自动驾驶车辆与周围障碍物交互时,在确定路径规划结果后,需要根据障碍物的轨迹预测结果进行安全合理的速度轨迹规划。
但是在真实的道路情况中,障碍物的未来轨迹难以精准预测,需要提高自动驾驶车辆的速度轨迹规划的合理性和安全性。
发明内容
本公开提供了一种自动驾驶车辆的速度规划方法、装置、设备及介质。
根据本公开的一方面,提供了自动驾驶车辆的速度规划方法,包括:
为自动驾驶车辆运行过程中的障碍物确定预测轨迹;
在障碍物存在至少两个预测轨迹的情况下,根据所述至少两个预测轨迹为障碍物确定走向条件,并根据障碍物是否符合所述走向条件得到走向确定结果;
根据所述走向确定结果,从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,作为自动驾驶车辆的速度规划结果。
根据本公开的另一方面,提供了一种自动驾驶车辆的速度规划装置,包括:
障碍物预测轨迹模块,用于为自动驾驶车辆运行过程中的障碍物确定预测轨迹;
走向确定结果确定模块,用于在障碍物存在至少两个预测轨迹的情况下,根据所述至少两个预测轨迹为障碍物确定走向条件,并根据障碍物是否符合所述走向条件得到走向确定结果;
目标速度轨迹确定模块,用于根据所述走向确定结果,从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,作为自动驾驶车辆的速度规划结果。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开中任一实施例所述的自动驾驶车辆的速度规划方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据本公开中任一实施例所述的自动驾驶车辆的速度规划方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开中任一实施例所述的自动驾驶车辆的速度规划方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的一种自动驾驶车辆的速度规划方法的示意图;
图2是障碍物预测轨迹确定的示意图;
图3是预测轨迹和该预测轨迹对应的候选速度轨迹的投影示意图;
图4是目标速度轨迹确定的示意图;
图5是根据本公开实施例的另一种自动驾驶车辆的速度规划方法的示意图;
图6是根据本公开实施例的一种走向条件确定方法的示意图;
图7是根据本公开实施例的一种条件确定模型训练方法的示意图;
图8是根据本公开实施例的一种自动驾驶车辆的速度规划装置的结构示意图;
图9是用来实现本公开实施例的自动驾驶车辆的速度规划方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例的一种自动驾驶车辆的速度处理方法的示意图,本实施例可适用于对自动驾驶车辆的速度规划方式进行优化的情况,该方法可以通过自动驾驶车辆的速度规划装置执行,该装置可以通过软件和/或硬件的方式实现,并集成在电子设备中;本实施例中涉及到的电子设备可以为服务器等具有计算能力的设备。具体的,参考图1,该方法具体包括如下:
S110、为自动驾驶车辆运行过程中的障碍物确定预测轨迹。
其中,自动驾驶车辆是指完成行驶路径规划的车辆,即自动驾驶车辆会按照固定路线进行行驶。障碍物是指自动驾驶车辆所行驶场景中会与车辆产生交互的其他交通参与者,如其他车辆或行人等。预测轨迹是指障碍物在未来时间段内的行驶轨迹。
具体的,首先确定自动驾驶车辆所运行场景内的障碍物信息,并根据障碍物的历史轨迹信息确定未来预设时间段内障碍物的预测轨迹,示例性的,基于深度学习模型的预测方式,通过对障碍物历史轨迹特征规律的学习,得到预测轨迹。障碍物预测轨迹的确定属于本领域人员的常用技术手段,在此不再赘述,也可以采用其他障碍物预测轨迹方法。由于障碍物未来行驶具有不确定性,因此为障碍物确定的预测轨迹会包括多条,例如基于深度学习模型的预测方式,会输出多条具有不同预测概率的预测轨迹,虽然每条预测轨迹的预测概率不同,但是并不代表障碍物一定会按照预测概率最高的预测轨迹进行行驶,因此障碍物的预测轨迹是具有多种未来可能性的。如图2所示为障碍物预测轨迹确定结果示意图,自动驾驶车辆ADC以Path规划路径进行行驶,障碍物在当前位置可能存在继续直行或者右转行驶这两种均会对自动驾驶车辆造成影响的预测轨迹。
示例性的,基于深度学习模型的预测方式,通过对障碍物历史轨迹特征规律的学习,得到所有具有可能的候选预测轨迹,并根据自动驾驶车辆的规划轨迹路径对候选预测轨迹进行筛选,将与自动驾驶车辆具有交互的候选预测轨迹作为为障碍物确定的预测轨迹。
S120、在障碍物存在至少两个预测轨迹的情况下,根据至少两个预测轨迹为障碍物确定走向条件,并根据障碍物是否符合走向条件得到走向确定结果。
其中,走向条件用于对障碍物的预测轨迹的概率变化进行表征,若障碍物符合走向条件,则表示障碍物的预测轨迹中存在预测概率变下降的预测轨迹。
具体的,当障碍物存在多条预测轨迹时,表示该障碍物在未来对该多条预测轨迹均有可能行驶,根据这多条预测轨迹之间的位置变化特征确定障碍物的走向条件,即满足何种走向条件下,可以对障碍物的多条预测轨迹进行筛选。进而根据障碍物的当前情况是否符合走向条件得到走向确定结果。其中,走向确定结果包括障碍物满足走向条件,即在符合走向条件后,可以对障碍物的至少两个预测轨迹中的至少一个预测轨迹进行排除;走向确定结果还包括障碍物不满足走向条件,即当前情况下,障碍物对该至少两个预测轨迹均有可能行驶。
示例性的,在障碍物有多条具有行驶概率的预测轨迹时,根据该多条预测轨迹之间的位置变化特征,确定目标位置区域作为走向条件,当障碍物的当前位置位于目标位置区域时,确定走向确定结果为满足走向条件;在障碍物的当前位置未到达目标位置区域时,确定走向确定结果为不满足走向条件。
S130、根据走向确定结果,从至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,作为自动驾驶车辆的速度规划结果。
其中,候选速度轨迹包括自动驾驶车辆在规划轨迹路径上各位置点的速度信息。预测轨迹对应的候选速度轨迹是指障碍物按照该预测轨迹行驶时,自动驾驶车辆按照预测轨迹对应的候选速度轨迹进行行驶与该障碍物之间不会产生碰撞。示例性的,对自动驾驶车辆在可执行能力内的加速度进行遍历采样,得到初始速度轨迹,并根据预测轨迹的信息与初始速度轨迹进行碰撞检测,将没有产生碰撞结果的初始速度轨迹作为该预测轨迹对应的候选速度轨迹。每个预测轨迹对应的候选速度轨迹可以包括一个或至少两个。
具体的,若走向确定结果为不满足走向条件,则表示障碍物对所有预测轨迹均有行驶概率,因此在考虑到障碍物的所有预测轨迹的情况下,根据所有预测轨迹对应的候选速度轨迹为自动驾驶车辆确定目标速度轨迹;若走向确定结果为满足走向条件,则表示障碍物的多条预测轨迹中存在行驶概率下降的预测轨迹,排除行驶概率下降的预测轨迹,根据剩下的预测轨迹对应的候选速度轨迹为自动驾驶车辆确定目标速度轨迹。
示例性的,障碍物具有两条预测轨迹,分别为预测轨迹1和预测轨迹2,根据两条预测轨迹确定障碍物到达目标位置区域时可以从两条预测轨迹中确定一条障碍物的预测轨迹,因此在障碍物未到达目标区域时确定障碍物未满足走向条件,则从两条预测轨迹对应的候选速度轨迹中综合确定目标速度轨迹;在障碍物到达目标区域时确定障碍物满足走向条件,则确两条预测轨迹中障碍物不可能走的一条预测轨迹,根据剩下的预测轨迹对应的候选速度轨迹确定目标速度轨迹。
在本实施例的另一个可选实现方式中,从至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹之前,还包括:
根据自动驾驶车辆的加速度范围的采样结果确定自动驾驶车辆的初始速度轨迹;
根据至少两个预测轨迹确定自动驾驶车辆的避障决策;
针对每一预测轨迹,分别根据初始速度轨迹与预测轨迹之间的位置关系判断初始速度轨迹是否满足避障决策;
若满足,则将初始速度轨迹作为预测轨迹对应的候选速度轨迹。
其中,自动驾驶车辆的加速度范围是根据车辆的可执行能力进行确定。
具体的,确定自动驾驶车辆的最大加速度和最小减速度,并以预设间隔对最大加速度和最小减速度区间进行采样,根据采样结果确定自动驾驶车辆在各位置点上的速度信息,得到自动驾驶车辆的初始速度轨迹。
根据自动驾驶车辆所行驶路段的交规结合至少两个预测轨迹确定自动驾驶车辆对该障碍物的避障决策,其中,避障决策包括让行或者超过,即自动驾驶车辆采取何种措施以避开和该障碍物的碰撞。例如,通过对该路段上的历史车辆的行驶数据统计得到该自动驾驶车辆的避障决策。
对于每一个预测轨迹,分别根据该预测轨迹的位置信息确定与各初始速度轨迹之间是否满足避障决策,若满足,则将初始速度轨迹作为预测轨迹对应的候选速度轨迹,若不满足,则对该初始速度轨迹进行删除,以此确定该预测轨迹对应的候选速度轨迹。对于每一个预测轨迹均以初始速度轨迹为初始集合,根据每一个预测轨迹以及避障决策从初始速度轨迹中确定候选速度轨迹。
示例性的,将障碍物的预测轨迹分别投影到以位置信息为纵坐标,以时间信息为横坐标的ST图中,并将初始速度轨迹也投影到该ST图中,根据预测轨迹投影信息和初始速度轨迹投影信息之间的位置关系确定是否满足避障决策,例如若避障决策为让行,则去掉位于预测轨迹的投影上方的所有初始速度轨迹,剩下的初始速度轨迹为该预测轨迹的候选速度轨迹,如图3所示,为预测轨迹和该预测轨迹对应的候选速度轨迹的投影示意图,其中,四边形区域为预测轨迹的投影结果,速度轨迹1和速度轨迹2分别为候选速度轨迹的上限和下限,在速度轨迹1和速度轨迹2范围内的所有速度轨迹均为该预测轨迹对应的候选速度轨迹。
在本实施例的另一个可选实现方式中,S130,包括:
在走向确定结果为不满足走向条件的情况下,确定各预测轨迹所对应的候选速度轨迹之间的公共速度轨迹,将公共速度轨迹作为中间速度轨迹,并根据中间速度轨迹为自动驾驶车辆确定目标速度轨迹。
在走向确定结果为不满足走向条件时,则表示障碍物对所有预测轨迹均有行驶概率,因此在考虑到障碍物的所有预测轨迹的情况下,根据所有预测轨迹对应的候选速度轨迹为自动驾驶车辆确定目标速度轨迹。
具体的,在不确定障碍物未来走向的情况下,从各预测轨迹对应的候选速度轨迹的重合范围内确定目标速度轨迹。若各预测轨迹对应的候选速度轨迹的重合范围内仅有一条候选速度轨迹,则将该候选速度轨迹作为目标速度轨迹;若重合范围内包括至少两条候选速度轨迹,则对该至少两条候选速度轨迹进行打分,根据打分结果确定目标速度轨迹,打分依据可以根据自动驾驶车辆的行驶要求进行确定,在此不作限定。
由于当前情况下无法明确障碍物的未来轨迹走向,而每个预测轨迹对应的候选速度轨迹是障碍物与自动驾驶车辆安全通行的速度轨迹结果,因此根据当前各种可能的预测轨迹对应的候选速度轨迹的重合范围确定目标速度轨迹,使得目标速度轨迹满足在障碍物任意选择一条预测轨迹行驶或者临时更换预测轨迹的情况下,自动驾驶车辆均可以安全通行,提高了自动驾驶车辆的速度规划准确性以及行驶安全性。
在本实施例的另一个可选实现方式中,根据中间速度轨迹为自动驾驶车辆确定目标速度轨迹,包括:
在存在至少两个中间速度轨迹的情况下,根据中间速度轨迹的通行时间和/或在各轨迹位置点的速度变化率对至少两个中间速度轨迹进行排序,根据排序结果确定目标速度轨迹。
在根据当前各种可能的预测轨迹对应的候选速度轨迹的重合范围内包括至少两个候选速度轨迹时,根据各候选速度轨迹的通行时间确定通行效率,以及确定各候选速度轨迹在各轨迹位置点的速度变化率,并根据各轨迹位置点的速度变化率确定该候选速度轨迹的综合速度变化参数,结合通行效率和综合速度变化参数对各中间速度轨迹进行打分,根据打分结果进行排序,选择排序最前的中间速度轨迹作为目标速度轨迹。
如图4所示为目标速度轨迹确定的示意图,在上述示例的基础上,障碍物有两个预测轨迹,分别将两个预测轨迹进行投影,并将两个预测轨迹对应的候选速度轨迹也进行投影,其中速度轨迹11为预测轨迹1对应的候选速度轨迹的上限,速度轨迹21为预测轨迹2对应的候选速度轨迹的上限,速度轨迹2为预测轨迹1和预测轨迹2对应的候选速度轨迹的下限,S branch为满足走向确定条件的位置,则在S branch位置前,目标速度轨迹从预测轨迹1和预测轨迹2对应的候选速度轨迹的重合范围内进行确定,在S branch位置后,根据障碍物的当前位置确定障碍物的剩余的预测轨迹为预测轨迹2,则目标速度轨迹从预测轨迹2对应的候选速度轨迹中进行确定,进而根据对满足条件的候选速度轨迹进行打分,得到评分最高的目标速度轨迹。
通过通行时间对目标速度轨迹进行选择保证了自动驾驶车辆按照目标速度轨迹行驶时的通行效率;通过速度变化率保证了自动驾驶车辆按照目标速度轨迹行驶时的驾驶体验感,避免了速度变化率过快带来的急刹车或猛加速情况,减少给车辆带来的损伤。
本实施例的方案,通过障碍物的多条预测轨迹确定走向条件,并根据障碍物是否满足走向条件从预测轨迹的候选速度轨迹中确定目标速度轨迹,实现了在障碍物具有多种行驶轨迹可能的情况下,对自动驾驶车辆的速度进行规划,提高了自动驾驶车辆速度规划的准确性。
图5是根据本公开实施例的另一种自动驾驶车辆的速度规划方法的示意图,本实施例是对上述技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图5所示,自动驾驶车辆的速度规划方法包括如下:
S510、为自动驾驶车辆运行过程中的障碍物确定预测轨迹。
S520、在障碍物存在至少两个预测轨迹的情况下,根据至少两个预测轨迹为障碍物确定走向条件,并根据障碍物是否符合走向条件得到走向确定结果。
S530、在走向确定结果为满足走向条件的情况下,对至少两个预测轨迹进行筛选,得到剩余的预测轨迹。
在走向确定结果为满足走向条件的情况下,表示则表示障碍物的至少两个预测轨迹中存在行驶概率下降的预测轨迹,排除行驶概率下降的预测轨迹,得到剩余的预测轨迹。具体的,根据障碍物的当前位置从至少两个预测轨迹中确定行驶概率下降的预测轨迹。
在本实施例的另一个可选实现方式中,对至少两个预测轨迹进行筛选,得到剩余的预测轨迹,包括:
获取障碍物的当前位置,并确定当前位置与至少两个预测轨迹对应的轨迹走向之间的位置匹配结果;
对位置匹配结果为不匹配的预测轨迹进行筛选,得到剩余的预测轨迹。
其中,位置匹配结果用于表示障碍物的当前位置与预测轨迹之间的走向的关联程度,若位置匹配结果为不匹配,则表示障碍物的当前位置不在预测轨迹的轨迹走向上;若位置匹配结果为匹配,则表示障碍物的当前位置在预测轨迹的轨迹走向上。即,若位置匹配结果为不匹配,则表示根据障碍物的当前位置,确定障碍物未来不可能走该预测轨迹;若位置匹配结果为匹配,则表示根据障碍物的当前位置,确定障碍物未来仍有可能走该预测轨迹。
具体的,确定每个预测轨迹对应的轨迹走向,该轨迹走向可以为该预测轨迹的行驶方向,如东南方30度等,根据障碍物的当前位置与行驶方向之间的偏差是否大于预设方向偏差阈值,若大于,则确定位置匹配结果为不匹配,否则,确定位置匹配结果为匹配。示例性的,障碍物的当前位置与行驶方向之间的偏差可以用当前位置与行驶方向之间的垂直距离进行确定。
本实施例通过障碍物的当前位置与预测轨迹的轨迹走向之间的位置匹配结果对预测轨迹进行筛选,实现根据障碍物的当前位置排除预测轨迹的行驶概率下降的轨迹,提高了障碍物预测轨迹的准确性,同时减少了障碍物预测轨迹的数量,进而提高了对自动驾驶车辆速度规划的效率。
在本实施例的另一个可选实现方式中,得到剩余的预测轨迹之后,还包括:
在剩余的预测轨迹唯一的情况下,将剩余的预测轨迹所对应的候选速度轨迹作为中间速度轨迹,并根据中间速度轨迹为自动驾驶车辆确定目标速度轨迹。
在剩余的预测轨迹唯一的情况下,表示当前障碍物可能行驶的路线只有一条,则直接根据该剩余的预测轨迹对应的候选速度轨迹确定目标速度轨迹。
具体的,对障碍物的预测轨迹进行不断筛选,直至剩余的预测轨迹唯一,根据唯一的预测轨迹为自动驾驶车辆进行速度规划。
本实施例通过筛选出障碍物的唯一可能性的预测轨迹后,根据该预测轨迹对应的候选速度轨迹确定目标速度轨迹,进一步提高了在对自动驾驶车辆进行速度规划的过程中,对障碍物轨迹预测的精准性,进而提高了车辆速度规划结果的准确性。
在本实施例的另一个可选实现方式中,根据中间速度轨迹为自动驾驶车辆确定目标速度轨迹,包括:
在存在至少两个中间速度轨迹的情况下,根据中间速度轨迹的通行时间和/或在各轨迹位置点的速度变化率对至少两个中间速度轨迹进行排序,根据排序结果确定目标速度轨迹。
在剩余的预测轨迹唯一,且剩余的预测轨迹对应的候选速度轨迹中包括至少两个候选速度轨迹时,根据各候选速度轨迹的通行时间确定通行效率,以及确定各候选速度轨迹在各轨迹位置点的速度变化率,并根据各轨迹位置点的速度变化率确定该候选速度轨迹的综合速度变化参数,结合通行效率和综合速度变化参数对各中间速度轨迹进行打分,根据打分结果进行排序,选择排序最前的中间速度轨迹作为目标速度轨迹。示例性的,根据通行时间的第一打分值和各轨迹位置点的速度变化率的第二打分值的加权求和对至少两个中间速度轨迹进行排序,权重值的确定可以根据实际场景进行确定,在此并不限制。预先构建不同通行时间和第一打分值的映射关系,进而根据该映射关系确定中间速度轨迹的第一打分值,同理第二打分值也可以采用同样的方法进行确定。
S540、在存在至少两个剩余的预测轨迹的情况下,根据至少两个剩余的预测轨迹为障碍物更新走向条件,并根据障碍物是否符合更新的走向条件得到新走向确定结果。
在满足第一次走向条件根据障碍物的当前位置对预测轨迹进行筛选后,若剩余的预测轨迹包括至少两个,则表示仍无法精准确定障碍物的行驶路径,因此为了保证车辆的速度规划结果兼容障碍物未来的多种预测轨迹可能的情况,则根据剩余的至少两个预测轨迹对走向条件进行更新,即确定接下来过程中的下一个走向条件。通过对走向条件不断更新,实现对障碍物的预测轨迹进行不断筛选,提高了障碍物轨迹预测的准确性,直至根据走向确定结果确定剩余的预测轨迹仅有一条。
S550、根据新走向确定结果,从至少两个剩余的预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,作为自动驾驶车辆的速度规划结果。
具体的,若新走向确定结果为不满足走向条件,则表示障碍物对所有剩余的预测轨迹均有行驶概率,因此在考虑到障碍物的所有预测轨迹的情况下,根据剩余的预测轨迹对应的候选速度轨迹为自动驾驶车辆确定目标速度轨迹;若新走向确定结果为满足走向条件,则表示障碍物剩余的预测轨迹中存在行驶概率下降的预测轨迹,排除掉行驶概率下降的预测轨迹,根据新的剩余的预测轨迹对应的候选速度轨迹为自动驾驶车辆确定目标速度轨迹。若新的剩余的预测轨迹唯一,则将新的剩余的预测轨迹所对应的候选速度轨迹作为中间速度轨迹,并根据中间速度轨迹为自动驾驶车辆确定目标速度轨迹。若新的剩余的预测轨迹不唯一,则继续执行S240,直至新的剩余的预测轨迹唯一。
本实施例的方案,通过对障碍物的预测轨迹进行不断筛选,并且根据筛选后的预测轨迹更新走向条件,以根据新走向确定结果确定目标速度轨迹,提高了障碍物预测轨迹的精准性;根据不断更新的预测轨迹为自动驾驶车辆确定目标速度轨迹保证了目标速度轨迹兼容障碍物的各种行驶可能,进而保证了自动驾驶车辆的安全性。
图6是根据本公开实施例的一种走向条件确定方法的示意图,本实施例是对上述技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。如图6所示,走向条件确定方法包括如下:
S610、按照时间顺序依次确定各预测时间点上至少两个预测轨迹的相邻轨迹距离最大值。
按照预测轨迹的预测时间顺序,依次确定多个预测时间点上的障碍物的至少两个预测轨迹的相邻轨迹之间的距离最大值。其中,预测时间点的选取可以根据实际需求进行确定,例如按照时间顺序采用预设时间间隔确定预测时间点。
具体的,确定每个预测时间点时各预测轨迹的位置信息,并根据相邻预测轨迹的位置信息确定相邻轨迹距离,并从多个相邻轨迹距离中确定各预测时间点上的相邻轨迹距离最大值。
示例性的,障碍物包括两条预测轨迹时,分别确定各预测时间点上两条预测轨迹之间的距离作为相邻轨迹距离最大值;障碍物包括多条预测轨迹时,确定至少两组相邻预测轨迹,并确定每组相邻预测轨迹在各预测时间点上的轨迹距离,将轨迹距离最大的相邻预测轨迹确定为目标相邻预测轨迹,目标相邻预测轨迹的轨迹距离为该预测时间点上的相邻轨迹距离最大值。
S620、若存在目标预测时间点上的相邻轨迹距离最大值大于预设距离阈值,则根据目标预测时间点为障碍物确定走向条件。
按照时间顺序确定的第一个相邻轨迹距离最大值大于预设距离阈值的预测时间点为目标预测时间点,表示在目标预测时间点上障碍物的预测轨迹走向会出现较大的偏差,根据该偏差即可从多条预测轨迹中进行筛选出行驶概率下降的预测轨迹。根据目标预测时间点确定走向条件,以根据走向条件区分出轨迹走向偏差的特征。
在本实施例的另一个可选实现方式中,根据目标预测时间点为障碍物确定走向条件,包括:
将障碍物的当前运行时间进度到达目标预测时间点作为走向条件;或
确定目标预测时间点上的相邻轨迹距离最大值对应的相邻预测轨迹;
根据在目标预测时间点上相邻预测轨迹之间的位置区域确定走向确定位置区域;
将障碍物的当前位置位于走向确定位置区域作为走向条件。
确定在目标预测时间点位置处,障碍物的多条预测轨迹之间的轨迹走向会发生较大变化,因此根据障碍物的实际运行情况可以从多条预测轨迹中筛选出行驶概率下降的预测轨迹。在此基础上,可以直接根据目标预测时间点确定走向条件,即当障碍物在预测轨迹后到当前时间的当前运行时间进度达到目标预测时间点作为走向条件,在障碍物的当前运行时间进度到达目标预测时间点之前,不满足走向条件;在障碍物的当前运行时间进度到达目标预测时间点后,满足走向条件。示例性的,确定障碍物在预测后10s时相邻轨迹距离最大值大于预设距离阈值,则确定10s为目标预测时间点,则障碍物从预测时间开始运行10s时满足走向条件。
或者,将第一个相邻轨迹距离最大值大于预设距离阈值的相邻预测轨迹确定为目标相邻预测轨迹,由于该目标预测时间点目标相邻预测轨迹之间的偏差较大,因此障碍物行驶到该目标相邻预测轨迹在目标预测时间点之间的位置区域时,可以根据障碍物的实际位置确定障碍物接下来的轨迹走向,因此将目标预测时间点上目标相邻预测轨迹之间的位置区域确定走向确定位置区域。
本实施例通过障碍物直观表现出的运行时间以及运行位置确定走向条件,提高了走向条件判断的效率。
本实施例的方案,通过预测轨迹之间的距离确定走向条件,提高了走向条件确定的准确性,进而提高了根据走向条件确定未来轨迹走向的准确率,以及提高了对障碍物预测轨迹筛选的准确性。
图7是根据本公开实施例的一种条件确定模型训练方法的示意图,通过条件确定模型得到走向条件确定的另一种方法。本实施例是对上述技术方案的进一步细化,本实施例中的技术方案可以与上述一个或者多个实施例中的各个可选方案结合。
具体的,根据至少两个预测轨迹为障碍物确定走向条件,包括:
将至少两个预测轨迹输入到预先训练的条件确定模型中,得到条件确定模型的输出作为走向条件。
本实施例中提供了另一种确定走向条件的方法,即采用预先训练的条件确定模型,条件确定模型的输入为障碍物的至少两个预测轨迹,由条件确定模型通过学习预测轨迹之间的位置变化特征,得到模型输出为走向条件。
如图7所示,条件确定模型训练确定方法包括如下:
S710、确定样本障碍物在样本位置点的至少两个预测轨迹和历史轨迹,以及样本障碍物在样本位置点之后各历史位置点的预测轨迹走向变化特征。
其中,样本位置点是指自动驾驶车辆所运行场景中的不同预测节点,可以根据实际情况确定样本位置点;样本障碍物是指根据样本位置点对应的历史交通数据确定的障碍物。样本障碍物在样本位置点的至少两个预测轨迹是指根据样本障碍物在样本位置点之前的行驶轨迹进行预测得到的预测轨迹;样本障碍物在样本位置点的历史轨迹是指根据历史交通数据确定的样本障碍物在样本位置点后的实际行驶轨迹。样本位置点之后的各历史位置点是指在位于样本位置点后处于不同位置的历史位置点,历史位置点的选取可以根据实际场景进行确定,在此并不限制。预测轨迹走向变化特征是指在该历史位置点前后预测轨迹在走向变化上的特征,例如预测轨迹走向中至少两条预测轨迹的轨迹走向的偏差大于预设阈值。
具体的,根据历史交通数据中样本位置点之前的历史交通数据确定样本障碍物在样本位置点的至少两个预测轨迹,以及根据历史交通数据将样本障碍物在样本位置点后的实际行驶轨迹作为历史轨迹。并根据样本障碍物的至少两个预测轨迹确定在后续各历史位置点上的预测轨迹走向偏差值,并确定预测轨迹走向偏差值大于预设阈值的历史位置点为候选历史位置点。即在候选历史位置点处,样本障碍物在样本位置点的至少两个预测轨迹出现明显走向偏差。
S720、若存在目标历史位置点的预测轨迹走向变化特征与历史轨迹匹配,则根据目标历史位置点确定样本位置点对应的标注走向条件。
若候选历史位置点中存在目标历史位置点的预测轨迹走向变化特征与历史轨迹匹配,表示按照目标历史位置点确定的预测轨迹走向偏差与实际行驶轨迹相符,则根据目标历史位置点确定样本位置点对应的标注走向条件。
具体的,走向条件为时间条件时,根据该目标历史位置点对应的预测时间点确定标注走向条件;走向条件为位置条件时,根据该目标历史位置点对应的轨迹走向发生变化的相邻预测轨迹之间的距离确定标注走向条件。
示例性的,若根据目标历史位置点的预测轨迹走向变化特征确定在目标历史位置点预测轨迹之间的相邻轨迹距离最大值大于预设距离阈值,则确定该相邻轨迹为目标相邻轨迹,目标历史位置点的预测轨迹走向变化特征与历史轨迹匹配,表示目标历史位置点之后的历史轨迹与目标相邻轨迹的任一侧轨迹匹配,与另一侧轨迹不匹配,例如,若障碍物的预测轨迹中包括多个,以目标相邻轨迹的中心为界限,将障碍物的预测轨迹划分为两组,若目标历史位置点之后的历史轨迹只出现在其中一组预测轨迹,未出现在另一组预测轨迹中,则表示目标历史位置点的预测轨迹走向变化特征与历史轨迹匹配。
S730、根据样本障碍物在样本位置点的至少两个预测轨迹和对应的标注走向条件训练条件确定模型。
以样本障碍物在样本位置点的至少两个预测轨迹为输入,对应的标注走向条件为训练标签,将其输入到预设框架的机器学习模型中,通过模型参数的不断迭代优化,得到训练完成的条件确定模型。其中,机器学习模型的框架可以根据实际训练效果进行选择,在此不作限制。
本实施例的方案,通过条件确定模型确定走向条件,提高了走向条件确定的准确性,进而提高了根据走向条件确定未来轨迹走向的准确率,以及提高了对障碍物预测轨迹筛选的准确性。
图8是根据本公开实施例的一种自动驾驶车辆的速度规划装置的结构示意图,该装置可以执行本公开任一实施例中涉及到的自动驾驶车辆的速度规划方法;参考图8,自动驾驶车辆的速度规划装置800,包括:障碍物预测轨迹模块810、走向确定结果确定820以及目标速度轨迹确定模块830。
障碍物预测轨迹模块810,用于为自动驾驶车辆运行过程中的障碍物确定预测轨迹;
走向确定结果确定模块820,用于在障碍物存在至少两个预测轨迹的情况下,根据所述至少两个预测轨迹为障碍物确定走向条件,并根据障碍物是否符合所述走向条件得到走向确定结果;
目标速度轨迹确定模块830,用于根据所述走向确定结果,从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,作为自动驾驶车辆的速度规划结果。
本实施例的方案,通过障碍物的多条预测轨迹确定走向条件,并根据障碍物是否满足走向条件从预测轨迹的候选速度轨迹中确定目标速度轨迹,实现了在障碍物具有多种行驶轨迹可能的情况下,对自动驾驶车辆的速度进行处理,提高了自动驾驶车辆速度规划的准确性。
在本实施例的一个可选实现方式中,目标速度轨迹确定模块,包括第一确定单元,用于:
在走向确定结果为不满足走向条件的情况下,确定各预测轨迹所对应的候选速度轨迹之间的公共速度轨迹,将所述公共速度轨迹作为中间速度轨迹,并根据所述中间速度轨迹为自动驾驶车辆确定目标速度轨迹。
在本实施例的一个可选实现方式中,目标速度轨迹确定模块,包括第二确定单元,包括:
预测轨迹筛选子单元,用于在走向确定结果为满足走向条件的情况下,对所述至少两个预测轨迹进行筛选,得到剩余的预测轨迹;
走向确定结果更新子单元,用于在存在至少两个剩余的预测轨迹的情况下,根据至少两个剩余的预测轨迹为障碍物更新走向条件,并根据障碍物是否符合更新的走向条件得到新走向确定结果;
第一目标速度轨迹确定子单元,用于根据所述新走向确定结果,从至少两个剩余的预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹。
在本实施例的一个可选实现方式中,预测轨迹筛选子单元,具体用于:
获取障碍物的当前位置,并确定所述当前位置与所述至少两个预测轨迹对应的轨迹走向之间的位置匹配结果;
对所述位置匹配结果为不匹配的预测轨迹进行筛选,得到剩余的预测轨迹。
在本实施例的一个可选实现方式中,第二确定单元中还包括第二目标速度轨迹确定子单元,具体用于:
得到剩余的预测轨迹之后,在剩余的预测轨迹唯一的情况下,将剩余的预测轨迹所对应的候选速度轨迹作为中间速度轨迹,并根据所述中间速度轨迹为自动驾驶车辆确定目标速度轨迹。
在本实施例的一个可选实现方式中,第一确定单元或第二目标速度轨迹确定子单元中步骤根据所述中间速度轨迹为自动驾驶车辆确定目标速度轨迹,具体用于:
在存在至少两个中间速度轨迹的情况下,根据所述中间速度轨迹的通行时间和/或在各轨迹位置点的速度变化率对至少两个中间速度轨迹进行排序,根据排序结果确定目标速度轨迹。
在本实施例的一个可选实现方式中,走向确定结果确定模块中包括第一走向条件确定单元,包括:
相邻轨迹距离确定子单元,用于按照时间顺序依次确定各预测时间点上所述至少两个预测轨迹的相邻轨迹距离最大值;
相邻轨迹距离判断子单元,用于若存在目标预测时间点上的相邻轨迹距离最大值大于预设距离阈值,则根据所述目标预测时间点为障碍物确定走向条件。
在本实施例的一个可选实现方式中,相邻轨迹距离判断子单元,具体用于:
将障碍物的当前运行时间进度到达所述目标预测时间点作为走向条件;或
确定目标预测时间点上的相邻轨迹距离最大值对应的相邻预测轨迹;
根据在所述目标预测时间点上所述相邻预测轨迹之间的位置区域确定走向确定位置区域;
将障碍物的当前位置位于所述走向确定位置区域作为走向条件。
在本实施例的一个可选实现方式中,走向确定结果确定模块中包括第二走向条件确定单元,具体用于:
将所述至少两个预测轨迹输入到预先训练的条件确定模型中,得到条件确定模型的输出作为走向条件;
其中,所述条件确定模型的训练过程包括:
确定样本障碍物在样本位置点的至少两个预测轨迹和历史轨迹,以及所述样本障碍物在所述样本位置点之后各历史位置点的预测轨迹走向变化特征;
若存在目标历史位置点的预测轨迹走向变化特征与所述历史轨迹匹配,则根据所述目标历史位置点确定所述样本位置点对应的标注走向条件;
根据所述样本障碍物在所述样本位置点的至少两个预测轨迹和对应的标注走向条件训练所述条件确定模型。
在本实施例的一个可选实现方式中,所述装置还包括速度轨迹确定模块,用于:
从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹之前,根据自动驾驶车辆的加速度范围的采样结果确定所述自动驾驶车辆的初始速度轨迹;
根据所述至少两个预测轨迹确定所述自动驾驶车辆的避障决策;
针对每一预测轨迹,分别根据所述初始速度轨迹与所述预测轨迹之间的位置关系判断所述初始速度轨迹是否满足避障决策;
若满足,则将所述初始速度轨迹作为所述预测轨迹对应的候选速度轨迹。
上述自动驾驶车辆的速度规划装置可执行本公开任意实施例所提供的自动驾驶车辆的速度规划方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本公开任意实施例提供的自动驾驶车辆的速度规划方法。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如自动驾驶车辆的速度规划方法。例如,在一些实施例中,自动驾驶车辆的速度规划方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的自动驾驶车辆的速度规划方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法自动驾驶车辆的速度规划。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (23)
1.一种自动驾驶车辆的速度规划方法,包括:
为自动驾驶车辆运行过程中的障碍物确定预测轨迹;
在障碍物存在至少两个预测轨迹的情况下,根据所述至少两个预测轨迹为障碍物确定走向条件,并根据障碍物是否符合所述走向条件得到走向确定结果;
根据所述走向确定结果,从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,作为自动驾驶车辆的速度规划结果。
2.根据权利要求1所述的方法,其中,根据所述走向确定结果,从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,包括:
在走向确定结果为不满足走向条件的情况下,确定各预测轨迹所对应的候选速度轨迹之间的公共速度轨迹,将所述公共速度轨迹作为中间速度轨迹,并根据所述中间速度轨迹为自动驾驶车辆确定目标速度轨迹。
3.根据权利要求1所述的方法,其中,根据所述走向确定结果,从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,包括:
在走向确定结果为满足走向条件的情况下,对所述至少两个预测轨迹进行筛选,得到剩余的预测轨迹;
在存在至少两个剩余的预测轨迹的情况下,根据至少两个剩余的预测轨迹为障碍物更新走向条件,并根据障碍物是否符合更新的走向条件得到新走向确定结果;
根据所述新走向确定结果,从至少两个剩余的预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹。
4.根据权利要求3所述的方法,其中,所述对所述至少两个预测轨迹进行筛选,得到剩余的预测轨迹,包括:
获取障碍物的当前位置,并确定所述当前位置与所述至少两个预测轨迹对应的轨迹走向之间的位置匹配结果;
对所述位置匹配结果为不匹配的预测轨迹进行筛选,得到剩余的预测轨迹。
5.根据权利要求3所述的方法,得到剩余的预测轨迹之后,还包括:
在剩余的预测轨迹唯一的情况下,将剩余的预测轨迹所对应的候选速度轨迹作为中间速度轨迹,并根据所述中间速度轨迹为自动驾驶车辆确定目标速度轨迹。
6.根据权利要求2或5所述的方法,根据所述中间速度轨迹为自动驾驶车辆确定目标速度轨迹,包括:
在存在至少两个中间速度轨迹的情况下,根据所述中间速度轨迹的通行时间和/或在各轨迹位置点的速度变化率对至少两个中间速度轨迹进行排序,根据排序结果确定目标速度轨迹。
7.根据权利要求1所述的方法,其中,根据所述至少两个预测轨迹为障碍物确定走向条件,包括:
按照时间顺序依次确定各预测时间点上所述至少两个预测轨迹的相邻轨迹距离最大值;
若存在目标预测时间点上的相邻轨迹距离最大值大于预设距离阈值,则根据所述目标预测时间点为障碍物确定走向条件。
8.根据权利要求7所述的方法,其中,根据所述目标预测时间点为障碍物确定走向条件,包括:
将障碍物的当前运行时间进度到达所述目标预测时间点作为走向条件;或
确定目标预测时间点上的相邻轨迹距离最大值对应的相邻预测轨迹;
根据在所述目标预测时间点上所述相邻预测轨迹之间的位置区域确定走向确定位置区域;
将障碍物的当前位置位于所述走向确定位置区域作为走向条件。
9.根据权利要求1所述的方法,其中,根据所述至少两个预测轨迹为障碍物确定走向条件,包括:
将所述至少两个预测轨迹输入到预先训练的条件确定模型中,得到条件确定模型的输出作为走向条件;
其中,所述条件确定模型的训练过程包括:
确定样本障碍物在样本位置点的至少两个预测轨迹和历史轨迹,以及所述样本障碍物在所述样本位置点之后各历史位置点的预测轨迹走向变化特征;
若存在目标历史位置点的预测轨迹走向变化特征与所述历史轨迹匹配,则根据所述目标历史位置点确定所述样本位置点对应的标注走向条件;
根据所述样本障碍物在所述样本位置点的至少两个预测轨迹和对应的标注走向条件训练所述条件确定模型。
10.根据权利要求1所述的方法,从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹之前,还包括:
根据自动驾驶车辆的加速度范围的采样结果确定所述自动驾驶车辆的初始速度轨迹;
根据所述至少两个预测轨迹确定所述自动驾驶车辆的避障决策;
针对每一预测轨迹,分别根据所述初始速度轨迹与所述预测轨迹之间的位置关系判断所述初始速度轨迹是否满足避障决策;
若满足,则将所述初始速度轨迹作为所述预测轨迹对应的候选速度轨迹。
11.一种自动驾驶车辆的速度规划装置,包括:
障碍物预测轨迹模块,用于为自动驾驶车辆运行过程中的障碍物确定预测轨迹;
走向确定结果确定模块,用于在障碍物存在至少两个预测轨迹的情况下,根据所述至少两个预测轨迹为障碍物确定走向条件,并根据障碍物是否符合所述走向条件得到走向确定结果;
目标速度轨迹确定模块,用于根据所述走向确定结果,从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹,作为自动驾驶车辆的速度规划结果。
12.根据权利要求11所述的装置,其中,目标速度轨迹确定模块,包括第一确定单元,用于:
在走向确定结果为不满足走向条件的情况下,确定各预测轨迹所对应的候选速度轨迹之间的公共速度轨迹,将所述公共速度轨迹作为中间速度轨迹,并根据所述中间速度轨迹为自动驾驶车辆确定目标速度轨迹。
13.根据权利要求11所述的装置,其中,目标速度轨迹确定模块,包括第二确定单元,包括:
预测轨迹筛选子单元,用于在走向确定结果为满足走向条件的情况下,对所述至少两个预测轨迹进行筛选,得到剩余的预测轨迹;
走向确定结果更新子单元,用于在存在至少两个剩余的预测轨迹的情况下,根据至少两个剩余的预测轨迹为障碍物更新走向条件,并根据障碍物是否符合更新的走向条件得到新走向确定结果;
第一目标速度轨迹确定子单元,用于根据所述新走向确定结果,从至少两个剩余的预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹。
14.根据权利要求13所述的装置,其中,预测轨迹筛选子单元,具体用于:
获取障碍物的当前位置,并确定所述当前位置与所述至少两个预测轨迹对应的轨迹走向之间的位置匹配结果;
对所述位置匹配结果为不匹配的预测轨迹进行筛选,得到剩余的预测轨迹。
15.根据权利要求13所述的装置,其实,第二确定单元中还包括第二目标速度轨迹确定子单元,具体用于:
得到剩余的预测轨迹之后,在剩余的预测轨迹唯一的情况下,将剩余的预测轨迹所对应的候选速度轨迹作为中间速度轨迹,并根据所述中间速度轨迹为自动驾驶车辆确定目标速度轨迹。
16.根据权利要求12或15所述的装置,其中,第一确定单元或第二目标速度轨迹确定子单元中步骤根据所述中间速度轨迹为自动驾驶车辆确定目标速度轨迹,具体用于:
在存在至少两个中间速度轨迹的情况下,根据所述中间速度轨迹的通行时间和/或在各轨迹位置点的速度变化率对至少两个中间速度轨迹进行排序,根据排序结果确定目标速度轨迹。
17.根据权利要求11所述的装置,其中,走向确定结果确定模块中包括第一走向条件确定单元,包括:
相邻轨迹距离确定子单元,用于按照时间顺序依次确定各预测时间点上所述至少两个预测轨迹的相邻轨迹距离最大值;
相邻轨迹距离判断子单元,用于若存在目标预测时间点上的相邻轨迹距离最大值大于预设距离阈值,则根据所述目标预测时间点为障碍物确定走向条件。
18.根据权利要求17所述的装置,其中,相邻轨迹距离判断子单元,具体用于:
将障碍物的当前运行时间进度到达所述目标预测时间点作为走向条件;或
确定目标预测时间点上的相邻轨迹距离最大值对应的相邻预测轨迹;
根据在所述目标预测时间点上所述相邻预测轨迹之间的位置区域确定走向确定位置区域;
将障碍物的当前位置位于所述走向确定位置区域作为走向条件。
19.根据权利要求11所述的装置,其中,走向确定结果确定模块中包括第二走向条件确定单元,具体用于:
将所述至少两个预测轨迹输入到预先训练的条件确定模型中,得到条件确定模型的输出作为走向条件;
其中,所述条件确定模型的训练过程包括:
确定样本障碍物在样本位置点的至少两个预测轨迹和历史轨迹,以及所述样本障碍物在所述样本位置点之后各历史位置点的预测轨迹走向变化特征;
若存在目标历史位置点的预测轨迹走向变化特征与所述历史轨迹匹配,则根据所述目标历史位置点确定所述样本位置点对应的标注走向条件;
根据所述样本障碍物在所述样本位置点的至少两个预测轨迹和对应的标注走向条件训练所述条件确定模型。
20.根据权利要求11所述的装置,其中,所述装置还包括速度轨迹确定模块,用于:
从所述至少两个预测轨迹所对应的候选速度轨迹中为自动驾驶车辆确定目标速度轨迹之前,根据自动驾驶车辆的加速度范围的采样结果确定所述自动驾驶车辆的初始速度轨迹;
根据所述至少两个预测轨迹确定所述自动驾驶车辆的避障决策;
针对每一预测轨迹,分别根据所述初始速度轨迹与所述预测轨迹之间的位置关系判断所述初始速度轨迹是否满足避障决策;
若满足,则将所述初始速度轨迹作为所述预测轨迹对应的候选速度轨迹。
21.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
23.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现根据权利要求1-10中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310806327.7A CN116774705A (zh) | 2023-06-30 | 2023-06-30 | 自动驾驶车辆的速度规划方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310806327.7A CN116774705A (zh) | 2023-06-30 | 2023-06-30 | 自动驾驶车辆的速度规划方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116774705A true CN116774705A (zh) | 2023-09-19 |
Family
ID=88009787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310806327.7A Pending CN116774705A (zh) | 2023-06-30 | 2023-06-30 | 自动驾驶车辆的速度规划方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116774705A (zh) |
-
2023
- 2023-06-30 CN CN202310806327.7A patent/CN116774705A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111486861B (zh) | 一种路径规划方法、装置、设备和介质 | |
CN110533254B (zh) | 一种路段识别方法、装置、设备及存储介质 | |
CN116092055A (zh) | 训练方法、获取方法、装置、设备及自动驾驶车辆 | |
CN113753078B (zh) | 障碍物轨迹的预测方法、装置、电子设备及自动驾驶车辆 | |
CN112926630B (zh) | 路线规划方法、装置、电子设备以及计算机可读介质 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN115782876A (zh) | 一种变道轨迹生成方法、装置、设备及自动驾驶车辆 | |
CN114582125B (zh) | 道路通行方向的识别的方法、装置、设备及存储介质 | |
CN116774705A (zh) | 自动驾驶车辆的速度规划方法、装置、设备及介质 | |
CN116295496A (zh) | 一种自动驾驶车辆路径规划方法、装置、设备及介质 | |
CN115973190A (zh) | 自动驾驶车辆的决策方法、装置和电子设备 | |
CN114999204B (zh) | 导航信息处理方法、装置、设备及存储介质 | |
CN117668377A (zh) | 公交路线识别方法、装置、电子设备及存储介质 | |
CN115798261B (zh) | 车辆避障控制方法、装置和设备 | |
CN116503831A (zh) | 障碍物筛选方法、装置、电子设备及存储介质 | |
CN113447038A (zh) | 路线的生成方法、装置、电子设备和存储介质 | |
CN114584949B (zh) | 车路协同确定障碍物属性值的方法、设备及自动驾驶车辆 | |
CN115285146A (zh) | 车辆交互方法、装置、电子设备及自动驾驶车辆 | |
CN116540741A (zh) | 一种车辆避障方法、装置、车辆及存储介质 | |
CN117198040A (zh) | 路口通行信息的获取方法、装置、电子设备与可读存储介质 | |
CN116853295A (zh) | 一种障碍物轨迹预测方法、装置、设备和介质 | |
CN116811872A (zh) | 车辆的变道方法、装置、电子设备及存储介质 | |
CN116189417A (zh) | 交通灯场景的路况识别方法、装置、电子设备及存储介质 | |
CN116534058A (zh) | 一种车辆行驶控制方法、装置、车辆及存储介质 | |
CN116353635A (zh) | 自动驾驶车辆控制方法、装置、设备以及存储介质 |
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 |