本申请提供一种行驶路径规划方法、装置、电子设备及可读存储介质。根据一个示例，所述方法包括：响应于所述车辆的驾驶员输入的用于指示车辆行驶路径的指令，生成指令特征向量；获取路径描述向量；其中，所述路径描述向量包括基于鸟瞰图规划初始行驶路径，并基于所述初始行驶路径生成的向量；所述鸟瞰图包含所述车辆周围环境的环境信息；获取与所述车辆的行驶状态信息对应的行驶状态特征向量；融合所述指令特征向量、所述路径描述向量以及所述行驶状态特征向量，得到融合向量；将所述融合向量，以及与所述鸟瞰图对应的特征向量进行加权计算，并基于加权计算结果生成用于所述自动驾驶系统的目标行驶路径。
【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种行驶路径规划方法、装置、电子设备及可读存储介质。
技术介绍
1、自动驾驶技术已成为汽车工业领域的关键研究方向之一。随着计算机视觉、深度学习和传感器技术的快速发展，自动驾驶汽车在感知、决策和控制等方面取得了显著进展。传统的自动驾驶系统通常采用分层结构，将感知、规划和控制功能分开实现，然后通过模块化方法进行集成。
2、近年来，端到端自动驾驶系统作为一种新兴技术开始受到关注。与传统的分层结构不同，端到端系统直接从传感器获取数据，并基于获取到的数据输出行驶路径，实现驾驶功能，通过单个统一的模型进行端到端学习和决策制定。这种方法的优势在于它的简化和灵活性，能够更好地处理复杂的驾驶场景和未知的情况。
3、现阶段已有的端到端自动驾驶模型，都缺少对自动驾驶模型规划的行驶路径进行人为干预的接口，使得自动驾驶系统规划的行驶路径只能符合感知结果，也即，规划得到的行驶路径不会产生碰撞，但无法符合驾驶者的行驶要求，此外，这些模型的规划输出的行驶路径较为简略，无法完成一些驾驶员输入的复杂指令，如超车、调头等。
技术实现思路
1、本申请提供一种行驶路径规划方法，应用于自动驾驶系统，所述方法包括：
2、响应于所述车辆的驾驶员输入的用于指示车辆行驶路径的指令，生成指令特征向量；
3、获取路径描述向量；其中，所述路径描述向量包括基于鸟瞰图规划初始行驶路径，并基于所述初始行驶路径生成的向量；所述鸟瞰图包含所述车辆周围环境的环境信息；
<
p>4、获取与所述车辆的行驶状态信息对应的行驶状态特征向量；5、融合所述指令特征向量、所述路径描述向量以及所述行驶状态特征向量，得到融合向量；
6、将所述融合向量，以及与所述鸟瞰图对应的特征向量进行加权计算，并基于加权计算结果生成用于所述自动驾驶系统的目标行驶路径。
7、可选的，所述将所述融合向量，以及与所述鸟瞰图对应的特征向量进行加权计算，并基于加权计算结果生成用于所述自动驾驶系统的目标行驶路径，包括：
8、将所述融合向量，以及与所述鸟瞰图对应的特征向量进行加权计算，生成至少一个二维坐标点；
9、基于所述至少一个二维坐标点，生成用于所述自动驾驶系统的目标行驶路径。
10、可选的，所述将所述融合向量，以及与所述鸟瞰图对应的特征向量进行加权计算，并基于加权计算结果生成用于所述自动驾驶系统的目标行驶路径，包括：
11、将所述融合向量，以及所述鸟瞰图输入已训练的路线规划模型，以由所述路线规划模型提取所述鸟瞰图对应的特征向量，并基于注意力机制，计算所述融合向量以及与所述鸟瞰图对应的特征向量的加权结果，得到包含至少一个二维坐标点的目标向量；
12、基于所述目标向量中至少一个二维坐标点，生成用于自动驾驶系统的目标行驶路径。
13、可选的，所述方法还包括：
14、获取用于训练所述路线规划模型的训练数据集；所述训练数据集包括至少一个被标注了标签的训练样本；其中，所述训练样本包括用于指示车辆行驶路径的指令以及场景数据；所述标签包括用于指示与所述指令对应的真实行驶路径；
15、基于所述训练样本集对所述路线规划模型进行有监督训练，直至所述路线规划模型收敛。
16、可选的，基于所述训练样本集对所述路线规划模型进行有监督训练，直至所述路线规划模型收敛，包括：
17、针对所述训练样本集中的任一训练样本，基于所述训练样本中的场景数据进行路径划以获得初始行驶路径，并提取所述初始行驶路径的路径描述向量；
18、基于所述述训练样本中指令，生成指令特征向量；
19、融合所述路径描述向量以及所述指令特征向量得到融合向量；
20、基于注意力机制，计算所述融合向量与所述场景数据对应的特征向量的加权结果，得到包含至少一个二维坐标点的预测目标向量；
21、基于所述预测目标向量中至少一个二维坐标点，生成预测的行驶路径；
22、将所述预测的行驶路径与所述训练样本的标签中的真实行驶路径进行匹配，并基于匹配结果调整所述路线规划模型的参数，直至所述路线规划模型收敛。
23、可选的，所述场景数据包括道路信息以及道路分隔线，将所述预测的行驶路径与所述指令的标签中的真实行驶路径进行匹配之前，所述方法还包括：
24、将所述预测的行驶路径与所述场景数据中的道路进行匹配，确定所述行驶路径在所述场景数据中所在的道路；
25、基于交通道路分隔线损失函数，计算所述行驶路径与所述场景数据中的道路分隔线是否匹配；
26、基于所述交通道路分隔线损失函数的计算结果，对所述行驶路径进行调整，直至所述行驶路径与场景数据中的道路分隔线匹配。
27、可选的，所述融合所述指令特征向量、所述路径描述向量以及所述行驶状态特征向量，得到融合向量，包括：
28、将所述指令特征向量、所述路径描述向量以及所述行驶状态特征向量输入多层感知器，以由所述多层感知器拼接所述指令特征向量、所述路径描述向量以及所述行驶状态特征向量，得到拼接向量；以及
29、对所述拼接向量进行降维，得到所述融合向量。
30、本申请还提供一种行驶路径规划装置，应用于自动驾驶系统，所述装置包括：
31、指令特征向量生成单元，用于响应于所述车辆的驾驶员输入的用于指示车辆行驶路径的指令，生成指令特征向量；
32、路径描述向量生成单元，用于获取与基于鸟瞰图规划的初始行驶路径对应的路径描述向量；其中，所述鸟瞰图包含所述车辆的环境信息；
33、行驶状态特征向量生成单元，用于获取与所述车辆的行驶状态信息对应的行驶状态特征向量；
34、向量融合单元，用于融合所述指令特征向量、所述路径描述向量以及所述行驶状态特征向量，得到融合向量；
35、路径规划单元，用于基于所述融合向量，在所述鸟瞰图中进行路径规划，生成用于所述自动驾驶系统的目标行驶路径。
36、本申请还提供一种电子设备，包括通信接口、处理器、存储器和总线，所述通信接口、所述处理器和所述存储器之间通过总线相互连接；
37、所述存储器中存储机器可读指令，所述处理器通过调用所述机器可读指令，执行上述方法。
38、本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有机器可读指令，所述机器可读指令在被处理器调用和执行时，实现上述方法。
39、在以上实施例记载的方案中，在自动驾驶系统基于车辆传感器采集的环境信息规划的用于自动驾驶的行驶路径的基础上，额外增加了指令处理模块，将已规划的初始行驶路径对应的路径描述向量与驾驶员输入的指令对应的指令特征向量，以及车辆行驶状态对应的行驶状态特征向量相结合得到融合向量，并基于融合向量生成更加符合驾驶员实际需求的行驶路径，进一步优化了自动驾驶系统的路线规划逻辑，提高了自动驾驶系统的应本文档来自技高网
...
【技术保护点】
1.一种行驶路径规划方法，应用于车辆的自动驾驶系统，所述方法包括：
2.根据权利要求1所述的方法，所述将所述融合向量，以及与所述鸟瞰图对应的特征向量进行加权计算，并基于加权计算结果生成用于所述自动驾驶系统的目标行驶路径，包括：
3.根据权利要求1所述的方法，所述将所述融合向量，以及与所述鸟瞰图对应的特征向量进行加权计算，并基于加权计算结果生成用于所述自动驾驶系统的目标行驶路径，包括：
4.根据权利要求3所述的方法，所述方法还包括：
5.根据权利要求4所述的方法，基于所述训练样本集对所述路线规划模型进行有监督训练，直至所述路线规划模型收敛，包括：
6.根据权利要求5所述的方法，所述场景数据包括道路信息以及道路分隔线，将所述预测的行驶路径与所述指令的标签中的真实行驶路径进行匹配之前，所述方法还包括：
7.根据权利要求1所述的方法，所述融合所述指令特征向量、所述路径描述向量以及所述行驶状态特征向量，得到融合向量，包括：
8.一种行驶路径规划装置，应用于车辆的自动驾驶系统，所述装置包括：
9.一种电子设备，包括通信接口、处理器、存储器和总线，所述通信接口、所述处理器和所述存储器之间通过总线相互连接；
10.一种计算机可读存储介质，所述计算机可读存储介质存储有机器可读指令，所述机器可读指令在被处理器调用和执行时，实现权利要求1-7任一项所述的方法。
...
【技术特征摘要】
1.一种行驶路径规划方法，应用于车辆的自动驾驶系统，所述方法包括：
2.根据权利要求1所述的方法，所述将所述融合向量，以及与所述鸟瞰图对应的特征向量进行加权计算，并基于加权计算结果生成用于所述自动驾驶系统的目标行驶路径，包括：
3.根据权利要求1所述的方法，所述将所述融合向量，以及与所述鸟瞰图对应的特征向量进行加权计算，并基于加权计算结果生成用于所述自动驾驶系统的目标行驶路径，包括：
4.根据权利要求3所述的方法，所述方法还包括：
5.根据权利要求4所述的方法，基于所述训练样本集对所述路线规划模型进行有监督训练，直至所述路线规划模型收敛，包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：张书瑞，
申请(专利权)人：浙江吉利控股集团有限公司，
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。