[发明专利]车辆轨迹规划方法、系统、电子设备和计算机可读存储介质

说明书

本发明公开了车辆轨迹规划方法、系统、电子设备和计算机可读存储介质。本发明对采样后的轨迹进行梯度下降法优化处理，使得轨迹更加平滑；同时，本发明引入轨迹的换道代价计算，限制车辆不会跳跃多个局部路径，确保车辆前进路径的平滑性。

技术领域

本发明属于自动驾驶领域，特别涉及了一种车辆轨迹规划技术。

背景技术

轨迹规划(Trajectories Planning)主要指考虑实际临时或者移动障碍物，考虑速度、动力学约束的情况下，尽量按照规划路径进行轨迹规划。轨迹规划的核心就是要解决车辆该怎么走的问题。轨迹规划的输入包括拓扑地图，障碍物及障碍物的预测轨迹，交通信号灯的状态，还有定位导航、车辆状态等其他信息。而轨迹规划的输出就是一个轨迹，轨迹是一个时间到位置的函数，就是在特定的时刻车辆在特定的位置上。轨迹规划的目标是计算出安全、舒适的轨迹供无人驾驶车辆完成预定的行驶任务。

现有的轨迹规划存在以下问题：

（1）未对采样后的轨迹进行平滑优化处理，导致局部轨迹不平滑；

（2）在选择最优轨迹时，未考虑轨迹切换的平滑性代价，导致轨迹切换不连续，跳变较大。

发明内容

为了解决上述背景技术提到的技术问题，本发明提出了车辆轨迹规划方法、系统、电子设备和计算机可读存储介质。

为了实现上述技术目的，本发明的技术方案为：

一种基于空间样条采样的车辆轨迹规划方法，包括以下步骤：

（1）基于全局规划生成的全局路径、车辆的当前位置信息以及设定的最大截取距离，提取全局路径中的一段轨迹；

（2）基于步骤（1）提取的全局路径中的一段轨迹，对路径点进行垂直分布点采样，得到一系列采样路径点轨迹；

（3）采用梯度下降法对步骤（2）得到的各条采样路径点轨迹进行优化；

（4）针对步骤（3）优化后的各条采样路径点轨迹进行优先选择代价计算，优选选择代价越小的轨迹被选择的可能性越大；

（5）针对步骤（3）优化后的各条采样路径点轨迹进行换道代价计算，换道代价越小的轨迹被选择的可能性越大；

（6）针对步骤（3）优化后的各条采样路径点轨迹进行障碍物代价计算，障碍物代价越小的轨迹被选择的可能性越大；

（7）根据步骤（4）-（6）的结果确定出最佳轨迹。

进一步地，在步骤（4）中，对于所述优先选择代价，分别计算各条轨迹与中间道路参考线的距离，距离越小对应的优先选择代价越小。

进一步地，在步骤（5）中，对于所述换道代价，分别计算各条轨迹到其邻近的候选轨迹的距离，距离越小对应的换道代价越小。

进一步地，在步骤（6）中，对于所述障碍物代价，分别计算各条轨迹与障碍物之间的距离，距离越小对应的障碍物代价越小。

一种基于空间样条采样的车辆轨迹规划系统，包括控制模块、数据处理模块、参数输入模块、位置采集模块和视觉相机模块；所述参数输入模块用于输入全局规划参数和最大截取距离参数；所述位置采集模块用于采集车辆当前位置信息；所述视觉相机模块用于采集中间道路参考线的位置信息和障碍物的位置信息；所述数据处理模块根据参数输入模块和位置采集模块输出的信息提取全局路径中的一段轨迹，对提取的轨迹进行垂直分布点采样，得到一系列采样路径点轨迹，对各条采样路径点轨迹进行梯度下降处理，并结合视觉相机模块采集的信息计算各条轨迹的优先选择代价、换道代价和障碍物代价，根据代价确定出最佳轨迹；所述控制模块与车辆驾驶系统相连，控制模块根据处理模块确定的最佳轨迹生成相应的车辆控制指令并传送给车辆驾驶系统。

一种基于空间样条采样的车辆轨迹规划电子设备，包括处理器和存储器，所述存储器存储有所述处理器的执行指令，所述处理器配置为执行所述执行指令以实现上述车辆轨迹规划方法。