[发明专利]自动驾驶轨迹规划装置、方法及电子设备

说明书

本申请提供一种自动驾驶轨迹规划装置、方法及电子设备，包括至少一个路径规划模块和至少一个速度规划模块，其中路径规划模块包括路径决策子模块和路径优化子模块，路径决策子模块用于生成多条候选路径，路径优化子模块用于优化每条候选路径；速度规划模块包括速度决策子模块和速度优化子模块，速度决策子模块用于基于多条候选路径生成对应的速度曲线，速度优化子模块用于优化速度曲线；至少一个路径规划模块和至少一个速度规划模块中的至少一个子模块为神经网络模型。在自动驾驶轨迹规划问题中，使用神经网络模型替代现有技术中的QP求解器，可以实现多条候选路径并行优化，加快了计算速度，提升多条路径的求解效率。

技术领域

本申请涉及自动驾驶领域，尤其涉及一种自动驾驶轨迹规划装置、方法及电子设备。

背景技术

自动驾驶技术是提升车辆主动安全的关键技术，轨迹规划是自动驾驶技术的核心之一。

动态场景下的轨迹规划问题是一个典型的时空耦合问题，由于障碍物的空间位置随时间动态变化，要考虑空间和时间两个维度。为了降低难度，一些研究提出解耦的策略，其中路径-速度解耦(PV)法将一个三维时空规划问题，转化为一个二维路径规划和一维速度规划。

然而，现有技术在路径优化和速度优化部分主要采用QP求解器，存在一定的缺陷，很难对多条轨迹做并行优化，且会大量消耗CPU资源，造成CPU严重负荷，影响CPU及设备的寿命。

发明内容

本申请提供一种自动驾驶轨迹规划装置，用以解决多条轨迹并行优化的问题，包括至少一个路径规划模块和至少一个速度规划模块，其中，

路径规划模块包括路径决策子模块和路径优化子模块，路径决策子模块用于生成多条候选路径，路径优化子模块用于优化每条候选路径；

速度规划模块包括速度决策子模块和速度优化子模块，速度决策子模块用于基于多条候选路径生成对应的速度曲线，速度优化子模块用于优化速度曲线；

至少一个路径规划模块和至少一个速度规划模块中的至少一个子模块为神经网络模型。

在一些实施例中，神经网络模型优先调用GPU资源。

在一些实施例中，该装置还包括：

获取模块，用于实时获取车辆及周边环境相关信息并生成数据集；

处理模块，用于在数据集中进行特征提取获取关键点信息，并将关键点信息输入路径规划模块或速度规划模块，其中，

关键点信息包括道路场景信息、路径规划的初始点、路径规划的终点。

在一些实施例中，路径规划模块用于基于路径规划的初始点、路径规划的终点生成全局路径；

路径决策子模块用于基于道路场景信息生成多条候选路径。

在一些实施例中，优化后的多条候选路径和多条速度曲线形成多条轨迹，该装置还包括评估模块，该评估模块用于评估多条轨迹并输出最优轨迹。

本申请还提出一种自动驾驶轨迹规划方法，该方法包括以下步骤：

实时获取车辆及周边环境相关信息并生成数据集；

在数据集中进行特征提取获取关键点信息，并将关键点信息输入路径规划模块或速度规划模块；至少一个路径规划模块和至少一个速度规划模块中的至少一个子模块为神经网络模型，

经过神经网络模型输出多条轨迹；

评估多条轨迹并输出最优轨迹，自动驾驶车辆使用最优轨迹行驶。

在一些实施例中，关键点信息包括道路场景信息、路径规划的初始点、路径规划的终点，将关键点信息输入速度规划模块，具体包括：