面向自动驾驶的轨迹规划模型优化方法与流程
本申请涉及智能驾驶轨迹规划领域,尤其涉及一种面向自动驾驶的轨迹规划模型优化方法。
背景技术:
1、本申请涉及智能驾驶轨迹规划领域,尤其是红绿灯交叉口场景下的车辆决策与轨迹生成技术。
2、然而,现有红绿灯场景多采用状态机规则或强化学习结合传统优化的方式进行车速与轨迹控制,通常依据信号灯状态、倒计时和车道信息作出通过或停止判断。此类方法对复杂路口的动态变化适应性有限,且对不同风险程度的轨迹缺乏连续、细化的评估能力,容易使候选轨迹决策趋于单一,难以兼顾通行效率与安全约束。
3、因此,如何在红绿灯场景下对候选轨迹进行动态量化评估,以提升多模态决策能力并实现安全与效率的平衡,是本申请需要解决的技术问题。
技术实现思路
1、本申请实施例提供一种面向自动驾驶的轨迹规划模型优化方法,以解决上述技术问题。该方法面向红绿灯交叉口场景,围绕车辆位姿、交通信号相关信息以及轨迹规划模型生成的多条候选轨迹,对候选轨迹在红绿灯通过场景下的适配程度进行分析,并据此形成用于模型优化的评价依据,从而使轨迹规划模型能够更好地兼顾通行效率与行驶安全。
2、第一方面,本申请实施例提供一种面向自动驾驶的轨迹规划模型优化方法,包括:
3、获取车辆的位姿信息、红绿灯信息和多条候选轨迹,红绿灯信息包括红绿灯状态、读秒剩余时间、停止线的位置信息和红绿灯标识的方向中的至少一项,候选轨迹是轨迹规划模型生成的;
4、基于候选轨迹、位姿信息和红绿灯信息中的至少一项,确定各候选轨迹的第一场景,第一场景为车辆通过红绿灯的场景;
5、确定车辆处于第一场景对应的第一系数和第一速度,第一速度为在第一场景时预设的目标速度;
6、基于多条候选轨迹、第一速度和第一系数,确定各候选轨迹的奖励评分;
7、基于奖励评分,对轨迹规划模型进行优化。
8、在一个可能的实施例中,第一场景包括第二场景和第三场景中的至少一项,第二场景为车辆的后轮未越过停车线,第三场景为车辆的后轮越过停车线。
9、在一个可能的实施例中,第二场景包括第四场景、第五场景或第六场景中的其中一项,第四场景为红绿灯状态处于绿灯,第五场景为红绿灯状态处于黄灯,第六场景为红绿灯状态处于红灯。
10、在一个可能的实施例中,第三场景包括第七场景、第八场景、第九场景或第十场景中的其中一项,第七场景为方向为直行,第八场景为方向为左转,第九场景为方向为右转,第十场景为方向为u型转弯。
11、在一个可能的实施例中,还包括:
12、确定第一距离、第二距离和第三距离,第一距离为车辆至停车线的距离,第二距离为车辆基于预设的加速度刹停至停车线的距离,第三距离为车辆基于最大的加速度刹停至停车线的距离。
13、在一个可能的实施例中,第六场景包括第十一场景和第十二场景中的至少一项,第十一场景为当车辆基于当前速度至停车线时,红绿灯状态为绿灯,第十二场景为当车辆基于当前速度至停车线时,红绿灯状态为红灯。
14、在一个可能的实施例中,第十二场景包括第十三场景和第十四场景中的至少一项,第十三场景为第一距离小于第二距离且第一距离大于第三距离,第十四场景为第一距离小于第三距离时。
15、在一个可能的实施例中,第十三场景对应的第一系数小于第十四场景对应的第一系数。
16、在一个可能的实施例中,确定车辆处于第一场景对应的第一速度,包括:
17、基于第一标识,确定车辆处于第七场景、第八场景或第十场景中的至少一项对应的第一速度,第一标识用于指示车辆是否可以通行。
18、在一个可能的实施例中,第一标识是基于预设的通过规则,以及预设的第一时间范围内的红绿灯状态确定的。
19、在一个可能的实施例中,基于第一标识,确定车辆处于第七场景、第八场景或第十场景中的至少一项对应的第一速度,包括:
20、若第一标识指示车辆可以通行时,则确定第一速度为车辆当前的速度,否则为0。
21、在一个可能的实施例中,基于多条候选轨迹、第一速度和第一系数,确定各候选轨迹的奖励评分,包括:
22、从候选轨迹中提取第二速度;
23、基于第一速度、第二速度和第一系数,确定奖励评分。
24、在一个可能的实施例中,第二速度为候选轨迹中预设的第二时间范围内的多个轨迹点的加权平均速度。
25、在一个可能的实施例中,基于第一速度、第二速度和第一系数,确定奖励评分,包括:
26、基于第一速度、第二速度和第一系数,确定代价评分;
27、将代价评分输入预设的奖励函数,确定奖励评分。
28、在一个可能的实施例中,基于第一速度、第二速度和第一系数,确定代价评分,包括:
29、将第一速度、第二速度和第一系数输入代价评分模型,得到代价评分,代价评分模型用于量化第二速度与第一速度的偏差。
30、在一种可能的实施方式中,代价评分模型如下公式所示:
31、
32、其中,score为代价评分,kscale为第一权重系数,第一权重系数用于控制第一速度和第二速度一致时的奖励评分,vtraj为第二速度,vset为第一速度,k为第一系数。
33、第二方面,本申请实施例提供一种电子设备,包括:存储器,处理器;
34、存储器存储计算机执行指令;
35、处理器执行存储器存储的计算机执行指令,使得处理器执行如上第一方面和/或第一方面各种可能的实施方式。
36、第三方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如上第一方面和/或第一方面各种可能的实施方式。
37、通过获取车辆位姿信息、红绿灯信息和多条候选轨迹,并结合候选轨迹与场景信息确定车辆是否处于红绿灯通过场景及对应的第一系数和第一速度,能够对不同候选轨迹在该场景下的风险与通行特征进行动态量化;进一步基于多条候选轨迹、第一速度和第一系数确定各候选轨迹的奖励评分,并据此对轨迹规划模型进行优化,进而提升模型对红绿灯交叉口复杂变化的适应能力,增强候选轨迹的多模态决策能力,实现安全约束与通行效率之间的平衡。
1.一种面向自动驾驶的轨迹规划模型优化方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述第一场景包括第二场景和第三场景中的至少一项,所述第二场景为所述车辆的后轮未越过停车线,所述第三场景为所述车辆的后轮越过停车线。
3.根据权利要求2所述的方法,其特征在于,所述第二场景包括第四场景、第五场景或第六场景中的其中一项,所述第四场景为所述红绿灯状态处于绿灯,所述第五场景为所述红绿灯状态处于黄灯,所述第六场景为所述红绿灯状态处于红灯。
4.根据权利要求2所述的方法,其特征在于,所述第三场景包括第七场景、第八场景、第九场景或第十场景中的其中一项,所述第七场景为所述方向为直行,所述第八场景为所述方向为左转,所述第九场景为所述方向为右转,所述第十场景为所述方向为u型转弯。
5.根据权利要求3所述的方法,其特征在于,还包括:
6.根据权利要求5所述的方法,其特征在于,所述第六场景包括第十一场景和第十二场景中的至少一项,所述第十一场景为当所述车辆基于当前速度至停车线时,所述红绿灯状态为绿灯,所述第十二场景为当所述车辆基于当前速度至停车线时,所述红绿灯状态为红灯。
7.根据权利要求6所述的方法,其特征在于,所述第十二场景包括第十三场景和第十四场景中的至少一项,所述第十三场景为所述第一距离小于所述第二距离且所述第一距离大于所述第三距离,所述第十四场景为所述第一距离小于所述第三距离时。
8.根据权利要求7所述的方法,其特征在于,所述第十三场景对应的第一系数小于所述第十四场景对应的第一系数。
9.根据权利要求4所述的方法,其特征在于,所述确定所述车辆处于所述第一场景对应的第一速度,包括:
10.根据权利要求9所述的方法,其特征在于,所述第一标识是基于预设的通过规则,以及预设的第一时间范围内的所述红绿灯状态确定的。
11.根据权利要求9所述的方法,其特征在于,所述基于第一标识,确定所述车辆处于所述第七场景、所述第八场景或所述第十场景中的至少一项对应的第一速度,包括:
12.根据权利要求1所述的方法,其特征在于,所述基于所述多条候选轨迹、所述第一速度和所述第一系数,确定各候选轨迹的奖励评分,包括:
13.根据权利要求12所述的方法,其特征在于,所述第二速度为所述候选轨迹中预设的第二时间范围内的多个轨迹点的加权平均速度。
14.根据权利要求12所述的方法,其特征在于,所述基于所述第一速度、所述第二速度和所述第一系数,确定奖励评分,包括:
15.根据权利要求14所述的方法,其特征在于,所述基于所述第一速度、所述第二速度和所述第一系数,确定代价评分,包括:
16.根据权利要求15所述的方法,其特征在于,所述代价评分模型如下公式所示:
17.一种电子设备,其特征在于,包括:存储器,处理器;
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-16任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com