基于端到端模型的车辆轨迹优化方法、装置、设备及介质与流程

本公开涉及计算机，尤其涉及大模型、智能交通、自动驾驶，特别的涉及一种基于端到端模型的车辆轨迹优化方法、装置、电子设备、存储介质及车辆。

背景技术：

1、近年来，自动驾驶技术正逐步从传统的模块化架构向端到端（end-to-end）模型演进。端到端模型能够直接利用传感器数据生成车辆的未来行驶轨迹，凭借其强大的数据驱动能力，在处理复杂交互场景时展现出了更接近人类驾驶意图的高灵活性。

2、然而，直接在车端执行这种纯模型生成的预测轨迹，极易在复杂路况下导致局部不平滑、碰撞风险显著增加等危险情况，工程落地的可执行性不足。因此，行业内亟需一种更为稳健的轨迹处理机制，以弥补纯端到端模型在安全管控方面的短板。

技术实现思路

1、本公开提供了一种基于端到端模型的车辆轨迹优化方法、装置、设备以及存储介质。

2、根据本公开的一方面，提供了一种基于端到端模型的车辆轨迹优化方法，包括：获取端到端模型输出的原始预测轨迹，并对所述原始预测轨迹进行对齐处理，得到参考轨迹；基于所述参考轨迹生成用于限定车辆可行域的时空走廊；以所述参考轨迹为基准，结合所述时空走廊以及当前场景的环境约束信息进行联合优化求解，输出用于控制车辆行驶的可执行轨迹。

3、根据本公开的另一方面，提供了一种基于端到端模型的车辆轨迹优化装置，包括：获取模块，用于获取端到端模型输出的原始预测轨迹，并对所述原始预测轨迹进行对齐处理，得到参考轨迹；时空走廊构建模块，其基于所述参考轨迹生成用于限定车辆可行域的时空走廊；优化模块，用于以所述参考轨迹为基准，结合所述时空走廊以及当前场景的环境约束信息进行联合优化求解，输出用于控制车辆行驶的可执行轨迹。

4、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如上所述的方法。

5、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如上所述的方法。

6、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如上所述的方法。

7、根据本公开的另一方面，提供了一种车辆，包括：如上所述的电子设备。

8、本公开的技术方案既保留了端到端模型应对复杂交互路况的灵活先验优势，又通过优化求解排除了碰撞与失控风险，实现了拟人化的高上限与工程控制安全的有效融合。

9、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。

1.一种基于端到端模型的车辆轨迹优化方法，包括：

2.根据权利要求1所述的车辆轨迹优化方法，其中，基于所述参考轨迹、所述时空走廊以及所述环境约束信息，分别构建用于表征轨迹跟踪精度、空间通行限制以及环境交互风险的多个代价进而输出可执行轨迹。

3.根据权利要求2所述的车辆轨迹优化方法，其中，所述以所述参考轨迹为基准，结合所述时空走廊以及当前场景的环境约束信息进行联合优化求解，输出用于控制车辆行驶的可执行轨迹包括：

4.根据权利要求3所述的车辆轨迹优化方法，其中，所述构建目标函数进一步包括：

5.根据权利要求1所述的车辆轨迹优化方法，其中，进一步包括：

6.根据权利要求5所述的车辆轨迹优化方法，其中，基于原始搜索轨迹中的时间、速度、加速度和加加速度对所述空间路径进行速度重构包括：

7.根据权利要求5所述的车辆轨迹优化方法，其中，基于原始搜索轨迹中的时间、速度、加速度和加加速度对所述空间路径进行速度重构包括：

8.根据权利要求1所述的车辆轨迹优化方法，其中，所述对所述原始预测轨迹进行对齐处理，得到参考轨迹包括：

9.根据权利要求1所述的车辆轨迹优化方法，其中，所述基于所述参考轨迹生成用于限定车辆可行域的时空走廊包括：

10.根据权利要求1所述的车辆轨迹优化方法，其中，所述环境约束信息包括时空代价地图，所述时空代价地图的构建过程包括：

11.根据权利要求1所述的车辆轨迹优化方法，其中，在所述联合优化求解之后，进一步包括：

12.一种基于端到端模型的车辆轨迹优化装置，包括：

13.一种电子设备，包括：

14.一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1-11中任一项所述的方法。

15.一种计算机程序产品，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权利要求1-11中任一项所述的方法。

16.一种车辆，包括：如权利要求13所述的电子设备。