[发明专利]一种主车运动规划方法、系统及计算机可读存储介质

说明书

本申请涉及车辆行驶路线预测的技术领域，尤其是涉及一种主车运动规划方法、系统及计算机可读存储介质。该方法包括：获取主车的历史轨迹、其他车的历史轨迹以及路网结构，输入深度神经网络，得到其它车视角下预测出来的主车轨迹；结合其他车视角下预测出来的主车轨迹以及主车的出行路线生成的行驶路径。本申请具有提高主车驾驶路径规划的合理性，进而提高主车驾驶路径的准确性的技术效果。

技术领域

本申请涉及车辆行驶路线预测的技术领域，尤其是涉及一种主车运动规划方法、系统及计算机可读存储介质。

背景技术

目前，随着对智能驾驶汽车的技术的深入研究，人们逐渐关注如何在复杂交叉场景中更加高效、安全的为汽车导航，即如何在复杂道路中，安全执行车辆变道、超车、减速等相关操作，这就要求智能驾驶汽车能够预测自身以及周围车辆的轨迹，从而在周围环境发生变化之前，及时规避此类风险。

现有的车辆轨迹预测方案主要是采用深度神经网络，比如递归神经网络(RNN)、图神经网络(GNN)等的长短时记忆神经网络(LSTM)实现对车辆未来轨迹的预测。通过LSTM网络提取车辆历史轨迹内的时序特征,拟合历史轨迹和未来轨迹之间的非线性关系,最后通过损失函数值的反向传播来完成预测。很多模型使用了自然语言处理中的seq2seq编码器解码器结构,通过LSTM编码器提取车辆轨迹的时间特征,将其编码成特征上下文向量；LSTM解码器则对上下文向量进行解码,生成未来轨迹坐标，比如收录于《IEEE计算机学会计算机显像与图形识别会议论文集》中的《VectorNet:Encoding HD Maps and Agent Dynamicsfrom Vectorized Representation》中记载了采用VectorNet做车辆轨迹预测的相关内容。

在实现本申请过程中，发明人发现现有技术中至少存在如下问题：在进行车辆轨迹预测的时候，由于现实中车流状态复杂，由当前预测方法预测的准确率低，不能适用复杂路况。

发明内容

为此，本申请的实施例提供了一种主车运动规划方法、系统及计算机可读存储介质，能够解决现有车辆轨迹预测方法的预测准确率低的技术问题，具体技术方案内容如下：

第一方面，本申请的实施例提供一种主车运动规划方法，所述方法包括：

获取主车的历史轨迹、其他车的历史轨迹以及路网结构，输入深度神经网络，得到其它车视角下预测出来的主车轨迹；

结合其他车视角下预测出来的主车轨迹以及主车的出行路线生成的行驶路径。

优选的，所述深度神经网络为改良型vectornet，所述改良型vectornet为对vectornet加时间空间交替聚合的网络结构，且采用前一次的预测输出作为下一次预测的输入来对所述改良型vectornet预测的轨迹进行解码。

优选的，所述结合其他车视角下预测出来的主车轨迹以及主车的出行路线生成的行驶路径包括：

判断主车是否变道；

若变道，获取当前变道的变道位置；

根据选择的变道位置规划至少一条车辆驾驶路径；

由至少一条车辆驾驶路径与其它车视角下预测出来的主车轨迹之间的偏差选择所需的行驶路径。

优选的，所述获取当前变道的变道位置：

将要变道到的道路上每相邻的两辆车之间设置一个变道窗口；

根据其它车视角下预测出来的主车轨迹选择所需变道窗口作为变道位置。

优选的，所述根据其它车视角下预测出来的主车轨迹选择所需变道窗口作为变道位置为：

根据当前主车的驾驶情况筛选出可选窗口；