一种端到端自动驾驶的后处理方法及相关装置与流程

本发明涉及汽车自动驾驶，更具体地说，涉及一种端到端自动驾驶的后处理方法及相关装置。

背景技术：

1、近年来，端到端自动驾驶模型逐渐成为研究与应用的热点。相比传统的方法，端到端自动驾驶模型能够通过一个统一的神经网络直接将传感器原始数据（如摄像头图像、激光雷达点云）映射为车辆的控制指令。其核心优势在于能够利用海量数据隐式地学习复杂的交通交互规则，展现出比传统规则库更强的拟人化驾驶能力和场景泛化能力。然而，这种数据驱动的“黑盒”特性也带来了巨大的安全挑战：神经网络的输出本质上具有概率性特征，这使得其在数学层面缺乏可解释性，并且无法提供确定性的安全保证。在面对训练数据分布之外的极端工况时，端到端自动驾驶模型可能会输出违反物理常识或安全法规的危险指令（例如加速冲向障碍物或逆行）。

2、为了弥补端到端自动驾驶模型的安全缺陷，现有技术方案通常在端到端自动驾驶模型的输出端增加安全滤波模块。安全滤波模块接收端到端自动驾驶模型生成的控制变量，并将该控制变量作为初值，构建一个包含车辆动力学约束和障碍物避撞约束的目标模型，并采用后处理技术进行求解。

3、在安全滤波模块的后处理技术中，当使用模型预测控制方法求解时，由于需要考虑未来的预测时域以及问题的非线性，在嵌入式车载芯片上，这种mpc（model predictivecontrol，模型预测控制）算法单次求解耗时往往在几十毫秒到几百毫秒量级（例如30ms-100ms），意味着控制频率难以超过20hz，因此难以应对高速公路紧急切入或鬼探头等需要毫秒级响应（100hz+）的场景，计算实时性存在明显不足，难以满足自动驾驶等实时性要求高的应用场景需求。

技术实现思路

1、有鉴于此，本发明公开一种端到端自动驾驶的后处理方法及相关装置，以确保计算的实时性，满足自动驾驶等对实时性要求高的应用场景需求。

2、一种端到端自动驾驶的后处理方法，包括：

3、获取本车状态向量、环境感知数据以及端到端自动驾驶模型输出的初始参考控制变量；

4、运用动力学模型对所述本车状态向量进行处理，得到系统动力学方程；

5、基于所述环境感知数据以及所述系统动力学方程，采用级联一阶线性化方法，确定针对车辆控制输入的一阶线性不等式安全约束条件；

6、基于所述一阶线性不等式安全约束条件和所述初始参考控制变量，利用分层优先级的松弛机制进行处理，得到松弛的二次规划问题；

7、利用优化求解器对所述二次规划问题进行求解，得到车辆的目标控制变量。

8、可选地，运用动力学模型对所述本车状态向量进行处理，得到系统动力学方程，包括：

9、将运动学单车模型作为所述动力学模型，针对所述本车状态向量构建控制仿射形式的方程，以建立所述本车状态向量与车辆控制变量之间的映射关系，并将构建的所述方程确定为所述系统动力学方程。

10、可选地，基于所述环境感知数据以及所述系统动力学方程，采用级联一阶线性化方法，确定针对车辆控制输入的一阶线性不等式安全约束条件，包括：

11、基于所述环境感知数据，将本车与障碍物的实际距离与最小安全距离的差值，定义为描述物理空间安全边界的位置域原始障碍函数；

12、根据所述位置域原始障碍函数和第一级调节参数，构建包含相对速度项的辅助函数；

13、对所述辅助函数进行求导，并结合一阶控制障碍函数条件，得到车辆控制变量的初始一阶线性不等式安全约束条件，其中，所述一阶控制障碍函数条件中包含第二级调节参数；

14、根据车辆当前行驶工况，对所述初始一阶线性不等式安全约束条件中的所述第一级调节参数和所述第二级调节参数进行动态调整，得到最终的所述一阶线性不等式安全约束条件。

15、可选地，对所述第一级调节参数和所述第二级调节参数进行动态调整的过程包括：

16、当车辆处于非紧急避险工况时，减小所述第一级调节参数和所述第二级调节参数的取值；

17、当车辆与障碍物之间的实际距离缩减至安全距离阈值，或车辆处于紧急避险工况时，增大所述第一级调节参数和所述第二级调节参数的取值。

18、可选地，基于所述一阶线性不等式安全约束条件和所述初始参考控制变量，利用分层优先级的松弛机制进行处理，得到松弛的二次规划问题，包括：

19、获取车辆的执行机构物理限制，并将所述执行机构物理限制确定为不可松弛的物理硬约束；

20、利用松弛变量向量对所述一阶线性不等式安全约束条件进行修正，得到松弛的安全软约束；

21、基于所述初始参考控制变量，构建带松弛的二次规划目标函数；

22、将所述物理硬约束、所述安全软约束以及所述二次规划目标函数，组合成所述二次规划问题。

23、可选地，利用优化求解器对所述二次规划问题进行求解，得到车辆的目标控制变量，包括：

24、利用所述优化求解器，对所述二次规划目标函数进行最小化求解，使所得解同时满足所述物理硬约束和所述安全软约束，得到车辆的所述目标控制变量。

25、可选地，还包括：

26、将所述目标控制变量传输至车辆底盘执行层，以驱动车辆执行机构按照所述目标控制变量执行相应的控制动作。

27、一种端到端自动驾驶的后处理装置，包括：

28、获取单元，用于获取本车状态向量、环境感知数据以及端到端自动驾驶模型输出的初始参考控制变量；

29、方程生成单元，用于运用动力学模型对所述本车状态向量进行处理，得到系统动力学方程；

30、约束条件确定单元，用于基于所述环境感知数据以及所述系统动力学方程，采用级联一阶线性化方法，确定针对车辆控制输入的一阶线性不等式安全约束条件；

31、规划问题确定单元，用于基于所述一阶线性不等式安全约束条件和所述初始参考控制变量，利用分层优先级的松弛机制进行处理，得到松弛的二次规划问题；

32、目标控制变量确定单元，用于利用优化求解器对所述二次规划问题进行求解，得到车辆的目标控制变量。

33、一种计算机存储介质，所述计算机存储介质存储至少一个指令，所述至少一个指令被处理器执行时实现上述所述的端到端自动驾驶的后处理方法。

34、一种车辆，包括控制器，所述控制器包括存储器和处理器；

35、所述存储器用于存储至少一个指令；

36、所述处理器用于执行所述至少一个指令以实现上述所述的端到端自动驾驶的后处理方法。

37、从上述的技术方案可知，本发明公开了一种端到端自动驾驶的后处理方法及相关装置，获取本车状态向量、环境感知数据以及端到端自动驾驶模型输出的初始参考控制变量，运用动力学模型对本车状态向量进行处理得到系统动力学方程，基于环境感知数据以及系统动力学方程，采用级联一阶线性化方法，确定针对车辆控制输入的一阶线性不等式安全约束条件，基于一阶线性不等式安全约束条件和初始参考控制变量，利用分层优先级的松弛机制进行处理，得到松弛的二次规划问题，通过优化求解器对二次规划问题进行求解，得到车辆的目标控制变量。本发明采用级联一阶线性化方法，相对于传统方案中的非线性运算，实现了运算降维，具体而言，在确定一阶线性不等式安全约束条件时，显著降低了计算复杂度，使得约束条件的确定能够在毫秒级时间内完成，此外，本发明仅需依据一阶线性不等式安全约束条件和初始参考控制变量，构建并求解一个松弛的二次规划问题，即可获得车辆的目标控制变量。在算力受限的嵌入式平台上，本发明的单帧处理耗时极低，且无需考虑未来的预测时域，从而确保了计算的实时性，满足了自动驾驶等对实时性要求高的应用场景需求。