自动驾驶车辆行驶轨迹规划方法、装置、设备及存储介质
摘要文本
本发明涉及自动驾驶技术领域,公开了自动驾驶车辆行驶轨迹规划方法、装置、设备及存储介质,方法包括:获取目标车辆的所处环境中的驾驶环境信息、历史状态序列和局部矢量化地图;将驾驶环境信息输入至预先建立的规划策略模型中,得到多个子规划区域内的候选轨迹;将历史状态序列和局部矢量化地图输入至预先建立的预测模型中,得到目标车辆的未来轨迹预测特征;将目标车辆的未来轨迹预测特征在矢量地图上进行投影,得到目标车辆的预测占用图;将预测占用图与各候选轨迹进行匹配,确定各候选轨迹在预测占用图中的占用概率;将占用概率最大的候选轨迹确定为最优轨迹。本发明综合考虑周围车辆在未来的交互情况得到最优行驶轨迹,安全性更高。 来自马-克-数-据
申请人信息
- 申请人:苏州元脑智能科技有限公司
- 申请人地址:215000 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢
- 发明人: 苏州元脑智能科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 自动驾驶车辆行驶轨迹规划方法、装置、设备及存储介质 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311831113.1 |
| 申请日 | 2023/12/28 |
| 公告号 | CN117492447B |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G05D1/43 |
| 权利人 | 苏州元脑智能科技有限公司 |
| 发明人 | 赵雅倩; 邓琪; 李茹杨; 张恒; 张腾飞 |
| 地址 | 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢 |
专利主权项内容
1.一种自动驾驶车辆行驶轨迹规划方法,其特征在于,所述方法包括:获取目标车辆的所处环境中的驾驶环境信息、所述目标车辆和所处环境中周围车辆的历史状态序列,以及局部矢量化地图;将所述驾驶环境信息输入至预先建立的规划策略模型中,得到多个子规划区域内的候选轨迹;所述子规划区域是根据所述目标车辆不同的视野范围确定的;将所述历史状态序列和所述局部矢量化地图输入至预先建立的预测模型中,得到所述目标车辆以及周围车辆的未来轨迹预测特征;所述预测模型是采用分层博弈论框架构建的;所述预测模型包括编码器网络和解码器网络,所述编码器网络用于将所述历史状态序列和局部矢量化地图进行编码,得到场景上下文编码,并将所述场景上下文编码作为公共环境背景输入所述解码器网络;所述解码器网络中包括多级解码层,在各级解码层中基于博弈论对所述场景上下文编码和车辆历史特征进行推理迭代分析,得到所述目标车辆以及周围车辆的未来轨迹预测特征;将目标车辆的未来轨迹预测特征在矢量地图上进行投影,得到目标车辆的预测占用图;将所述预测占用图与各所述候选轨迹进行匹配,确定各候选轨迹在所述预测占用图中的占用概率;将所述占用概率最大的候选轨迹确定为最优轨迹;所述将所述驾驶环境信息输入至预先建立的规划策略模型中,得到多个子规划区域内的候选轨迹,包括:将所述驾驶环境信息输入值预先建立的规划策略模型中,得到各子规划区域对应的轨迹参数集;根据各子规划区域的轨迹参数集,分别计算各子规划区域分别对应的候选轨迹;所述规划策略模型包括主网络层和第一输出编码层,所述主网络层包括卷积编码层和第一全连接层,所述第一输出编码层包括多个并行的编码头,所述编码头的数量与所述子规划区域的数量相同,各编码头中分别包括第二全连接层;所述卷积编码层用于通过卷积运算提取所述驾驶环境信息中的图像特征;所述第一全连接层用于对所述图像特征进行融合处理以及降维处理,得到融合特征;各所述第二全连接层用于根据所述融合特征分别输出不同子规划区域的轨迹参数集。