自动驾驶车辆的路径规划方法、装置、设备、车辆及介质制造方法及图纸

本发明专利技术提供一种自动驾驶车辆的路径规划方法、装置、设备、车辆及介质，通过将多帧驾驶数据进行向量化转换后输入路径规划向量神经网络，获取未来一段时间内自动驾驶车辆的参考行驶路径，其中，路径规划向量神经网络根据与其具有相同结构的内部神经网络进行在线迭代更新；根据预设优化目标对参考行驶路径进行优化，得到优化目标最大时的最优行驶路径，将最优行驶路径作为自动驾驶车辆的路径规划结果，增强了自动驾驶车辆在未知工况的交通驾驶场景下的适应性，并提高了自动驾驶路径规划算法的计算速度和算法的更新迭代速度。的计算速度和算法的更新迭代速度。的计算速度和算法的更新迭代速度。

【技术实现步骤摘要】
自动驾驶车辆的路径规划方法、装置、设备、车辆及介质


[0001]本专利技术涉及自动驾驶
，尤其涉及一种自动驾驶车辆的路径规划方法、装置、设备、车辆及介质。

技术介绍

[0002]在自动驾驶领域，路径规划算法的作用是在当前驾驶场景下规划出车辆未来行驶的参考路径，并作为后续车辆运动控制的基础，现有的自动驾驶路径规划算法包括启发式搜索、随机树搜索、曲线采样、滚动时域优化等。这些算法通常只适用于已知的设计工况，在自动驾驶车辆实际运行过程中会出现未知工况如路径突变等，这些算法对未知工况的交通驾驶场景适应性较弱，计算速度慢。并且，现有的自动驾驶路径规划算法在车载控制器中部署完成后就固定不变，由于车载控制器资源有限，不能进行算法重新训练、自动更新，算法自身不会自动更新，而是需要人工在本地重新训练好以后再重新部署到控制器中，才能对车载控制器中路径规划算法进行更新完善，因此，现有的自动驾驶路径规划算法迭代速度慢，不利于算法的持续优化。

技术实现思路

[0003]本专利技术提供自动驾驶车辆的路径规划方法及装置，用以解决现有技术中自动驾驶路径规划算法对未知工况的交通驾驶场景适应性弱，计算速度慢，并且，算法更新迭代速度慢的缺陷。
[0004]本专利技术提供一种自动驾驶车辆的路径规划方法，包括：
[0005]将多帧驾驶数据进行向量化转换后输入路径规划向量神经网络，获取未来一段时间内自动驾驶车辆的参考行驶路径，所述路径规划向量神经网络根据与其具有相同结构的内部神经网络进行在线迭代更新；
[0006]根据预设优化目标对所述参考行驶路径进行优化，得到优化目标最大时的最优行驶路径，将所述最优行驶路径作为自动驾驶车辆的路径规划结果。
[0007]根据本专利技术提供的一种自动驾驶车辆的路径规划方法，所述将多帧驾驶数据进行向量化转换后输入路径规划向量神经网络，获取未来一段时间内自动驾驶车辆的参考行驶路径，包括：
[0008]将当前时刻获取的驾驶数据输入所述路径规划向量神经网络，得到交通道路坐标系下，以当前时刻所在位置为原点下一时刻的坐标位置；
[0009]将未来每个时刻下的驾驶数据输入所述路径规划向量神经网络，得到交通道路坐标系下，未来一段时间内每个时刻的坐标位置；
[0010]根据未来一段时间内每个时刻的坐标位置获取自动驾驶车辆的参考行驶路径。
[0011]根据本专利技术提供的一种自动驾驶车辆的路径规划方法，所述根据预设优化目标对所述参考行驶路径进行优化，得到优化目标最大时的最优行驶路径，包括：
[0012]将自动驾驶车辆的驾驶过程进行时间离散化，根据时间离散化后的车辆参数构建
马尔科夫决策模型，所述马尔科夫决策模型以每个时刻对应的自车参数和周围车参数作为决策状态，以所述路径规划向量神经网络输出的自车下一时刻的位置作为决策动作；
[0013]将驾驶过程中的实时驾驶参数输入所述马尔科夫决策模型，根据预设优化目标对所述决策动作进行优化，得到优化目标最大时的最优行驶路径。
[0014]根据本专利技术提供的一种自动驾驶车辆的路径规划方法，所述自车参数包括自车位置、速度和加速度中的至少一种；
[0015]所述周围车参数包括周围车位置和速度中的至少一种。
[0016]根据本专利技术提供的一种自动驾驶车辆的路径规划方法，所述优化目标，包括：
[0017]规划路径与周围交通参与者的安全距离以及规划路径与道路交通规则的符合性。
[0018]根据本专利技术提供的一种自动驾驶车辆的路径规划方法，所述路径规划向量神经网络根据与其具有相同结构的内部神经网络进行在线迭代更新，包括：
[0019]基于训练数据对所述与路径规划向量神经网络具有相同结构的内部神经网络进行参数优化，得到网络更新后参数，所述训练数据包括模型仿真数据、历史驾驶数据和实时驾驶数据；
[0020]按照预设同步周期，根据所述网络更新后参数获取所述内部神经网络的参数变化率，并将所述内部神经网络参数变化率按照预设参数变化压缩比例进行调整，以获取所述路径规划向量神经网络的参数变化率，所述路径规划向量神经网络的参数变化率小于所述内部神经网络的参数变化率；
[0021]根据所述路径规划向量神经网络的参数变化率调整所述路径规划向量神经网络对应参数，以对所述路径规划向量神经网络进行在线迭代更新。
[0022]根据本专利技术提供的一种自动驾驶车辆的路径规划方法，所述驾驶数据包括：
[0023]自动驾驶地图、环境感知数据、行为预测数据、车辆底盘动力学数据中的一种或多种。
[0024]根据本专利技术提供的一种自动驾驶车辆的路径规划方法，所述车辆底盘动力学数据包括车辆行驶速度，将当前时刻车辆行驶速度进行向量化转换方法，包括：
[0025]根据设定的车辆动力学坐标系，将车辆行驶速度分解为车头朝向方向速度方向和车身侧向方向的速度方向，根据速度方向和每个速度方向对应的速度的具体数值得到车辆行驶速度的向量数据。
[0026]本专利技术还提供一种自动驾驶车辆的路径规划装置，包括：
[0027]获取模块，用于将多帧驾驶数据进行向量化转换后输入路径规划向量神经网络，获取未来一段时间内自动驾驶车辆的参考行驶路径；
[0028]规划模块，用于根据预设优化目标对所述参考行驶路径进行优化，得到优化目标最大时的最优行驶路径，将所述最优行驶路径作为自动驾驶车辆的路径规划结果；
[0029]更新模块，用于所述路径规划向量神经网络在线迭代更新，所述路径规划向量神经网络根据与其具有相同结构的内部神经网络进行在线迭代更新。
[0030]本专利技术还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一种所述自动驾驶车辆的路径规划方法。
[0031]本专利技术还提供一种自动驾驶车辆，包括上述电子设备。
[0032]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述自动驾驶车辆的路径规划方法。
[0033]本专利技术提供一种自动驾驶车辆的路径规划方法、装置、设备、车辆及介质，通过将多帧驾驶数据进行向量化转换后输入路径规划向量神经网络，获取未来一段时间内自动驾驶车辆的参考行驶路径，其中，路径规划向量神经网络根据与其具有相同结构的内部神经网络进行在线迭代更新；根据预设优化目标对参考行驶路径进行优化，得到优化目标最大时的最优行驶路径，将最优行驶路径作为自动驾驶车辆的路径规划结果，增强了自动驾驶车辆在未知工况的交通驾驶场景下的适应性，并提高了自动驾驶路径规划算法的计算速度和算法的更新迭代速度。
附图说明
[0034]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆的路径规划方法，其特征在于，包括：将多帧驾驶数据进行向量化转换后输入路径规划向量神经网络，获取未来一段时间内自动驾驶车辆的参考行驶路径，所述路径规划向量神经网络根据与其具有相同结构的内部神经网络进行在线迭代更新；根据预设优化目标对所述参考行驶路径进行优化，得到优化目标最大时的最优行驶路径，将所述最优行驶路径作为自动驾驶车辆的路径规划结果。2.根据权利要求1所述的一种自动驾驶车辆的路径规划方法，其特征在于，所述将多帧驾驶数据进行向量化转换后输入路径规划向量神经网络，获取未来一段时间内自动驾驶车辆的参考行驶路径，包括：将当前时刻获取的驾驶数据输入所述路径规划向量神经网络，得到交通道路坐标系下，以当前时刻所在位置为原点下一时刻的坐标位置；将未来每个时刻下的驾驶数据输入所述路径规划向量神经网络，得到交通道路坐标系下，未来一段时间内每个时刻的坐标位置；根据未来一段时间内每个时刻的坐标位置获取自动驾驶车辆的参考行驶路径。3.根据权利要求2所述的一种自动驾驶车辆的路径规划方法，其特征在于，所述根据预设优化目标对所述参考行驶路径进行优化，得到优化目标最大时的最优行驶路径，包括：将自动驾驶车辆的驾驶过程进行时间离散化，根据时间离散化后的车辆参数构建马尔科夫决策模型，所述马尔科夫决策模型以每个时刻对应的自车参数和周围车参数作为决策状态，以所述路径规划向量神经网络输出的自车下一时刻的位置作为决策动作；将驾驶过程中的实时驾驶参数输入所述马尔科夫决策模型，根据预设优化目标对所述决策动作进行优化，得到优化目标最大时的最优行驶路径。4.根据权利要求3所述的一种自动驾驶车辆的路径规划方法，其特征在于，所述自车参数包括自车位置、速度和加速度中的至少一种；所述周围车参数包括周围车位置和速度中的至少一种。5.根据权利要求1或3所述的一种自动驾驶车辆的路径规划方法，其特征在于，所述优化目标，包括：规划路径与周围交通参与者的安全距离以及规划路径与道路交通规则的符合性。6.根据权利要求1所述的一种自动驾驶车辆的路径规划方法，其特征在于，所述路径规划向量神经网络根据与其具有相同结构的内部神经网络进行在线迭代更新，包括：基于训练数据对所述与路径规划向量神经网...

【专利技术属性】
技术研发人员：殷玉明，赖哲渊，马亮，李伟，
申请(专利权)人：嬴彻星创智能科技上海有限公司，
类型：发明
国别省市：