轨迹规划方法、装置、电子设备和计算机可读介质与流程

本申请实施例涉及计算机，具体涉及轨迹规划方法、装置、电子设备和计算机可读介质。

背景技术：

1、随着自动驾驶技术的不断发展和普及，人们对于该技术安全性及舒适性高需求的同时，对于智能化程度也越来越重视。在不确定环境下(即，自动驾驶系统无法准确预测障碍物的目的及未来运动轨迹的环境)，自动驾驶决策规划以及轨迹预测是一大技术难点。

2、现有技术中，可以通过当前时刻感知到的障碍信息来决策自动驾驶车辆的加减速程度和行驶轨迹。然而，这种方式在路网不明确、突然出现障碍物、多障碍物交互、障碍物遮挡等不确定环境下存在较大误差，算法的鲁棒性较低。

技术实现思路

1、本申请实施例提出了轨迹规划方法、装置、电子设备和计算机可读介质，以解决现有技术中轨迹规划的准确性较低以及轨迹规划算法的鲁棒性较差的技术问题。

2、第一方面，本申请实施例提供了一种轨迹规划方法，该方法包括：获取当前时间点对应的状态信息，所述状态信息包括车辆状态信息、障碍物状态信息、车辆与障碍物的冲突区域；基于所述状态信息、预设的转移函数、约束条件和代价函数，生成候选轨迹集，并得到所述候选轨迹集中各条候选轨迹的总代价，其中，所述代价函数包括舒适性目标项、碰撞惩罚项、期望速度目标项和安全性目标项，所述转移函数包括车辆转移函数、障碍物转移函数和冲突区域转移函数，每条候选轨迹包括目标时段内的各时间点对应的状态信息；将所述候选轨迹集中总代价最小的候选轨迹确定为最优轨迹。

3、第二方面，本申请实施例提供了一种轨迹规划装置，该装置包括：获取单元，用于获取当前时间点对应的状态信息，所述状态信息包括车辆状态信息、障碍物状态信息、车辆与障碍物的冲突区域；生成单元，用于基于所述状态信息、预设的转移函数、约束条件和代价函数，生成候选轨迹集，并得到所述候选轨迹集中各条候选轨迹的总代价，其中，所述代价函数包括舒适性目标项、碰撞惩罚项、期望速度目标项和安全性目标项，所述转移函数包括车辆转移函数、障碍物转移函数和冲突区域转移函数，每条候选轨迹包括目标时段内的各时间点对应的状态信息；确定单元，用于将所述候选轨迹集中总代价最小的候选轨迹确定为最优轨迹。

4、第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一实施例所描述的方法。

5、第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实施例所描述的方法。

6、本申请实施例提供的轨迹规划方法、装置、电子设备和计算机可读介质，通过获取当前时间点对应的状态信息，而后基于状态信息、预设的转移函数、约束条件和代价函数，生成候选轨迹集，并得到候选轨迹集中各条候选轨迹的总代价,最后可将候选轨迹集中总代价最小的候选轨迹确定为最优轨迹，从而能够自动对车辆未来的轨迹进行预测。由于代价函数包括舒适性目标项、碰撞惩罚项、期望速度目标项和安全性目标项，状态信息包括车辆状态信息、障碍物状态信息和车辆与障碍物的冲突区域，转移函数包括车辆转移函数、障碍物转移函数和冲突区域转移函数，因此，可以适用于路网不明确、突然出现障碍物、多障碍物交互、障碍物遮挡等不确定环境下，能够在考虑到安全性、舒适性的同时，提高轨迹规划算法的鲁棒性和轨迹规划的准确性。

技术特征：

1.一种轨迹规划方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述状态信息、预设的转移函数、约束条件和代价函数，生成候选轨迹集，并得到所述候选轨迹集中各条候选轨迹的总代价，包括：

3.根据权利要求2所述的方法，其特征在于，所述约束条件包括最大时间约束条件、最大速度约束条件和最大加速度约束条件；

4.根据权利要求2所述的方法，其特征在于，所述车辆状态信息包括车辆位置、车辆速度和车辆加速度，所述障碍物状态信息包括障碍物位置、障碍物速度和障碍物加速度；

5.根据权利要求2所述的方法，其特征在于，所述基于所确定的代价，确定所述候选轨迹集中的各条候选轨迹的总代价，包括：

6.根据权利要求2所述的方法，其特征在于，所述动作集合中的动作为加速度，所述目标时段中的时间点的时间步长基于车辆位置与冲突区域的关系确定。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

9.一种轨迹规划装置，其特征在于，所述装置包括：

10.一种电子设备，其特征在于，包括：

11.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。

技术总结
本申请实施例公开了轨迹规划方法、装置、电子设备和计算机可读介质。该方法的实施例包括：获取当前时间点对应的状态信息，状态信息包括车辆状态信息、障碍物状态信息、车辆与障碍物的冲突区域；基于状态信息、预设的转移函数、约束条件和代价函数，生成候选轨迹集，并得到候选轨迹集中各条候选轨迹的总代价，其中，代价函数包括舒适性目标项、碰撞惩罚项、期望速度目标项和安全性目标项，转移函数包括车辆转移函数、障碍物转移函数和冲突区域转移函数，每条候选轨迹包括目标时段内的各时间点对应的状态信息；将候选轨迹集中总代价最小的候选轨迹确定为最优轨迹。该实施方式提高了轨迹规划的准确性。

技术研发人员：于兆玮,都大龙,单羿
受保护的技术使用者：上海鉴智其迹科技有限公司
技术研发日：
技术公布日：2024/5/12