[发明专利]无人车的变道方法、装置及存储介质

权利要求书

1.一种无人车的变道方法，其特征在于，包括：

基于主车的行驶意图，在当前道路的车道中确定所述主车可执行变道的车道，作为候选车道；

利用机器学习模型对所述候选车道进行排序，将所述排序在后的至少一个候选车道筛选掉；

针对筛选后的所述候选车道中的每个车道分别计算变道代价值，根据所述变道代价值选择主车执行变道的目标车道；

判断主车从当前车道变道到所述目标车道是否安全；

在所述判断的结果为安全的情况下，执行变道。

2.根据权利要求1所述的方法，其特征在于，利用机器学习模型对所述候选车道进行排序，将所述排序在后的至少一个候选车道筛选掉，包括：

将安全风险大和/或通行性差的所述候选车道排序在后。

3.根据权利要求2所述的方法，其特征在于，所述机器学习模型的特征包括：障碍物和主车的运动学参数、障碍物与主车的距离、障碍物的状态中的至少一项；

其中，所述运动学参数包括速度和位置中的至少一项，所述障碍物的状态包括障碍物的尺寸、障碍物的朝向和障碍物的类别中的至少一项，所述障碍物的类别包括长期静止类别和短期静止类别。

4.根据权利要求1所述的方法，其特征在于，根据所述变道代价值选择主车执行变道的目标车道，包括：

分别将每个车道的各个所述变道代价值加权求和；

根据所述加权求和的值选择主车执行变道的目标车道。

5.根据权利要求4所述的方法，其特征在于，所述变道代价值包括阻塞代价值、参考线代价值和保持车道代价值中的至少二种。

6.根据权利要求5所述的方法，其特征在于，针对筛选后的所述候选车道中的每个车道分别计算变道代价值，包括：

根据障碍物和主车的运动学参数、障碍物与主车的距离、障碍物的状态中的至少一项确定所述阻塞代价值；

其中，所述运动学参数包括速度和位置中的至少一项，所述障碍物的状态包括障碍物的尺寸、障碍物的朝向和障碍物的类别中的至少一项，所述障碍物的类别包括长期静止类别和短期静止类别。

7.根据权利要求5所述的方法，其特征在于，针对筛选后的所述候选车道中的每个车道分别计算变道代价值，包括：

根据主车当前位置对应的变道区间的长度确定所述参考线代价值。

8.根据权利要求5所述的方法，其特征在于，针对筛选后的所述候选车道中的每个车道分别计算变道代价值，包括：

根据从当前车道到所述候选车道的变道次数和/或主车的行驶意图确定所述保持车道代价值。

9.根据权利要求4-8中任一项所述的方法，其特征在于，分别将每个车道的所述变道代价值加权求和，包括：

对每个所述变道代价值对应的权值进行调试；

根据所述调试的结果设置每个所述变道代价值对应的权值；

根据设置的权值将所述变道代价值加权求和。

10.根据权利要求1所述的方法，其特征在于，判断主车从当前车道变道到所述目标车道是否安全，包括：

根据采集到的单帧数据进行单帧轨迹判别，所述单帧轨迹判别包括：判断要执行变道的目标车道上的每个障碍物相对于主车的距离是否大于安全距离；

根据采集到的多帧数据进行多帧趋势判别，所述多帧趋势判别包括：判断所述目标车道上的每个障碍物相对于主车的距离是否没有减小；

若所述单帧轨迹判别和所述多帧趋势判别的判别条件成立，则判定主车从当前车道变道到所述目标车道是安全的。

11.根据权利要求10所述的方法，其特征在于，判断所述目标车道上的每个障碍物相对于主车的距离是否没有减小，包括：

利用采集到的连续多帧数据中的每一帧数据，分别计算所述目标车道上的每个障碍物相对于主车的距离，所述距离包括横向距离和纵向距离；

判断所述距离是否没有减小。