本申请涉及自动驾驶,特别是涉及一种车辆巡航的横向规划方法、电子设备及存储介质。
背景技术:
1、目前,现有的车辆居中控制(lane centering control,lcc)辅助车辆横向规划,是在结构化地图的基础上,通过一些规则的方法使自动驾驶车辆尽可能地贴着车道中心线行驶。
2、但是,现有的车辆横向规划的方法,过于依赖结构化地图的质量;并且,一些驾驶场景的结构化地图是通过感知后处理得到的,在进行地图后处理的过程中,经常会出现丢失部分地图信息的情况,或者,会出现引入新误差的情况,导致lcc辅助车辆横向规划失败。
技术实现思路
1、本申请提供了一种车辆巡航的横向规划方法、电子设备及存储介质,以解决上述问题。
2、本申请第一方面提供了一种车辆巡航的横向规划方法,包括:获取自动驾驶车辆的路测数据以及相应的感知数据;从所述路测数据中获取所述自动驾驶车辆巡航的场景数据集;利用所述感知数据,对所述场景数据集进行第一处理,得到特征数据;利用所述感知数据,对所述场景数据集进行第二处理,得到标签数据;利用所述特征数据和所述标签数据对预设规划模型进行训练处理,得到训练后的规划模型;利用所述训练后的规划模型生成所述自动驾驶车辆的规划轨迹,从而实现车辆巡航的横向规划。
3、在一些实施例中,所述感知数据包括所述场景数据集相应的感知地图;所述场景数据集包括第一数据子集和第二数据子集,其中,所述第二数据子集的起始时间与所述第一数据子集的结束时间相同;所述利用所述感知数据,对所述场景数据集进行第一处理,得到特征数据,包括:对所述第一数据子集进行栅格化处理,得到至少一个栅格图;将所述感知地图与所述至少一个栅格图进行拼接处理,得到所述特征数据。
4、在一些实施例中,所述利用所述感知数据,对所述场景数据集进行第二处理,得到标签数据,包括:对所述感知地图进行后处理,得到所述场景数据集的结构化地图;对所述第二数据子集进行轨迹提取处理,得到车辆坐标系中的第一轨迹坐标;利用所述结构化地图,对所述第一轨迹坐标进行处理,得到所述标签数据。
5、在一些实施例中,所述利用所述结构化地图对所述第一轨迹坐标进行处理,包括:基于所述结构化地图构建预设坐标系;基于所述预设坐标系,对所述第一轨迹坐标进行转换计算,得到所述预设坐标系中的第二轨迹坐标;获取预设规划曲线,利用所述预设规划曲线对所述第二轨迹坐标进行计算处理,得到所述预设坐标系中的第三轨迹坐标;基于所述车辆坐标系,对所述第三轨迹坐标进行转换计算,从而得到所述车辆坐标系中的所述标签数据。
6、在一些实施例中,所述获取预设规划曲线,包括:获取所述第二数据子集的起始时间对应的所述第二轨迹坐标中的所述自动驾驶车辆的第一横坐标值、所述第二数据子集的起始时间对应的所述自动驾驶车辆沿所述预设坐标系的横轴方向上的第一速度值、所述第二数据子集的结束时间对应的所述第二轨迹坐标中的所述自动驾驶车辆的第二横坐标值,以及所述第二数据子集的结束时间对应的所述自动驾驶车辆沿所述预设坐标系的横轴方向上的第二速度值;其中,所述第二横坐标值和所述第二速度值均为0;利用所述第一横坐标值、所述第一速度值、所述第二横坐标值、所述第二速度值以及所述第二数据子集的结束时间,计算得到预设规划曲线的参数,从而获得所述预设规划曲线。
7、在一些实施例中,所述从所述路测数据中获取所述自动驾驶车辆巡航的场景数据集,包括:从所述路测数据中,获取所述自动驾驶车辆处于道路居中巡航状态的场景数据;对所述场景数据进行截取处理,获得所述自动驾驶车辆巡航的场景数据集。
8、在一些实施例中,所述利用所述特征数据和所述标签数据对预设规划模型进行训练处理,得到训练后的规划模型,包括:将所述特征数据和所述标签数据输入所述预设规划模型,并利用预设损失函数进行训练,从而得到所述训练后的规划模型。
9、在一些实施例中,所述利用所述训练后的规划模型生成所述自动驾驶车辆的规划轨迹,包括:利用所述训练后的规划模型生成所述自动驾驶车辆的初始规划轨迹;对所述初始规划轨迹进行平滑处理,得到所述自动驾驶车辆的规划轨迹。
10、本申请第二方面提供了一种电子设备,包括相互耦接的存储器和处理器,所述处理器用于执行所述存储器中存储的程序指令,以实现上述第一方面中的车辆巡航的横向规划方法。
11、本申请第四方面提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质用于存储程序指令,所述程序指令在被处理器执行时,用于实现上述第一方面中的车辆巡航的横向规划方法。
12、上述方案,获取自动驾驶车辆的路测数据以及相应的感知数据,从路测数据中获取自动驾驶车辆巡航的场景数据集;利用感知数据对场景数据集进行第一处理,得到特征数据,并利用感知数据对场景数据集进行第二处理,得到标签数据;利用得到的特征数据和标签数据对预设规划模型进行训练处理,得到训练后的规划模型;利用训练后的规划模型生成自动驾驶车辆的规划轨迹,从而实现车辆巡航的横向规划;本申请中的方案,通过利用感知数据对场景数据集进行第一处理和第二处理,能够相应得到特征数据和标签数据,进而对预设规划模型进行训练,利用训练后的规划模型规划自动驾驶车辆的轨迹,有效避免信息丢失或引入新误差,轨迹规划效果更好。
13、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
1.一种车辆巡航的横向规划方法,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,所述感知数据包括所述场景数据集相应的感知地图;所述场景数据集包括第一数据子集和第二数据子集,其中,所述第二数据子集的起始时间与所述第一数据子集的结束时间相同;
3.根据权利要求2所述的方法,其特征在于,所述利用所述感知数据,对所述场景数据集进行第二处理,得到标签数据,包括:
4.根据权利要求3所述的方法,其特征在于,所述利用所述结构化地图对所述第一轨迹坐标进行处理,包括:
5.根据权利要求4所述的方法,其特征在于,所述获取预设规划曲线,包括:
6.根据权利要求1所述的方法,其特征在于,所述从所述路测数据中获取所述自动驾驶车辆巡航的场景数据集,包括:
7.根据权利要求1所述的方法,其特征在于,所述利用所述特征数据和所述标签数据对预设规划模型进行训练处理,得到训练后的规划模型,包括:
8.根据权利要求1所述的方法,其特征在于,所述利用所述训练后的规划模型生成所述自动驾驶车辆的规划轨迹,包括:
9.一种电子设备,其特征在于,包括相互耦接的存储器和处理器,所述处理器用于执行所述存储器中存储的程序指令,以实现如权利要求1-8中任一项所述的车辆巡航的横向规划方法。
10.一种非易失性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用于存储程序指令,所述程序指令在被处理器执行时,用于实现如权利要求1-8中任一项所述的车辆巡航的横向规划方法。