[发明专利]一种基于深度增强学习的自动泊车轨迹规划方法

说明书

本发明涉及一种基于深度增强学习的自动泊车轨迹规划方法，包括下列步骤：根据视觉系统获得的信息，建立二维虚拟泊车环境；模拟车辆泊车运动，获取方向盘转角；建立基于深度增强学习的自动泊车模型，采用深度增强学习的方法，获得自动泊车过程中一系列对应的方向盘转角，并生成自动泊车轨迹；判断在虚拟泊车环境中车辆是否发生碰撞，若发生碰撞，则初始化二维虚拟泊车环境，开始下一次泊车训练，反之则进入下一步；规划自动泊车轨迹，综合考虑轨迹的长短及耗时，筛选出最优自动泊车轨迹。本发明能应用到不同的泊车环境中，规划出来的轨迹更合理和优化，结合控制策略，汽车能在无驾驶员操作的情况下遵循轨迹快速自动泊入车位，提高精确性及可靠性。

技术领域

本发明涉及汽车无人驾驶技术领域，尤其涉及一种基于深度增强学习的自动泊车轨迹规划方法。

背景技术

汽车的自动泊车，是汽车无人驾驶系统中重要的一部分，车辆能在无驾驶员操作的情况下自动泊入车位。现有的自动泊车方法主要分为两大类：一类基于毫米波雷达，另一类基于视觉系统。其中，基于毫米波雷达的方法，对中近距离物体的测距误差较大，并且相对成本较高。上述两大类方法，对于路径规划部分主要采用传统的PID控制原理确定方向盘转角，车辆位置以及控制误差累计，易受周围环境因素影响，很难做到精准控制，并且仿真实验数据相对较少，因此精确性及可靠性都不够理想。

发明内容

本发明为了解决上述技术问题，提供一种基于深度增强学习的自动泊车轨迹规划方法，运用该方法规划出合理优化的自动泊车轨迹，结合控制策略，汽车能够遵循轨迹快速自动泊入车位，提高汽车自动泊车的精确性及可靠性。

本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明一种基于深度增强学习的自动泊车轨迹规划方法，包括下列步骤：

①根据视觉系统获得的信息，建立二维虚拟泊车环境；

②模拟车辆泊车运动，获取方向盘转角，并更新二维虚拟泊车环境；

③建立基于深度增强学习的自动泊车模型，采用深度增强学习的方法，获得自动泊车过程中一系列对应的方向盘转角，并生成自动泊车轨迹；

④判断在虚拟泊车环境中车辆是否发生碰撞，若发生碰撞，则初始化二维虚拟泊车环境，开始下一次泊车训练，反之则进入下一步；

⑤规划自动泊车轨迹，综合考虑轨迹的长短及耗时，筛选出最优自动泊车轨迹。

本发明在虚拟泊车环境中采用深度增强学习模型训练数百万次自动泊车过程，整个训练过程中基本覆盖了车辆处于虚拟泊车环境中不同位置下对应的方向盘转角操作，实验具有普遍性。运用该方法规划出合理优化的自动泊车轨迹，结合控制策略，汽车能够遵循轨迹快速自动泊入车位，提高汽车自动泊车的精确性及可靠性。

作为优选，所述的步骤①为：通过车载相机获取车位信息及车辆和车位的相对位置，用不同颜色在获得的图像中表示障碍物和车辆，并标出比实际车位小的虚拟车位用作泊车训练车位，建立二维虚拟泊车环境。本发明中用作泊车训练车位的虚拟车位足够小、足够窄。例如：侧方位泊车时，虚拟车位的长度为1.2倍的车长；倒库泊车时，虚拟车位的宽度为1.2倍的车宽。虚拟车位的大小可以根据实际需要进行调节。确保后期自动泊车轨迹规划中车位大于泊车训练车位的情况都能成功规划出车辆的自动泊车轨迹。

作为优选，所述的步骤②为：在低速情况下，即车辆的车速在10km/h以下，模拟车辆泊车运动，设定方向盘转角范围在-40°至40°之间，均匀等分后获取等分点的方向盘转角，利用车辆运动学模型计算各等分点的车辆位置及朝向，并更新二维虚拟泊车环境。例如每隔4°取一个对应的方向盘转角操作。每当获取一个车辆控制的方向盘转角操作，添加合适的方向盘转角误差利用车辆运动学模型计算车辆位置及朝向，并添加适度的噪声误差使之更接近实际情况。