一种车辆的控制方法、装置、设备及介质与流程

专利2026-08-03  12


本发明涉及路径规划,特别是涉及一种车辆的控制方法、装置、设备及介质。


背景技术:

1、随着技术的发展,车辆越来越多。为适应更多车辆的行驶,道路也越来越复杂,如环形交叉路。

2、面对大量的车辆、行人以及复杂的道路,当车辆与城市中的其他交通参与者(如城市环形交叉口,需要与行人、非机动车以及其他车辆进行交互)产生交互时,行车的安全性显得尤为重要。

3、由此可见,如何保证车辆、人员等移动目标在道路上行走或行驶时的安全性是本领域人员亟需解决的技术问题。


技术实现思路

1、本发明的目的是提供一种车辆的控制方法、装置、设备及介质,以在复杂道路上为移动目标确定行驶路径,解决移动目标在道路上行走或行驶时安全性低的技术问题。

2、为解决上述技术问题,本发明提供一种车辆的控制方法,移动目标待在交叉道路上行驶,移动目标中包含自车和其它移动物体;所述方法包括:

3、获取各移动目标的历史行驶数据、自车的当前运行状态、以及所处的道路场景数据;

4、将所述历史行驶数据、道路场景数据输入至预先建立的神经网络预测器中;其中,所述神经网络预测器中包含相互连接的编码器模型和解码器模型,所述编码器模型包括第一编码器、第二编码器、第三编码器、第四编码器,所述第一编码器用于根据各移动目标的所述历史行驶数据输出各移动目标的历史轨迹特征;所述第二编码器用于根据各移动目标的历史轨迹特征输出第一交互特征,所述第一交互特征为移动目标间的交互特征;所述第三编码器用于根据道路场景数据输出交叉道路特征;所述第四编码器用于根据交叉道路特征和第一交互特征输出第二交互特征,所述第二交互特征为各移动目标与道路场景的交互特征;所述解码器模型用于根据所述第一交互特征和所述第二交互特征输出预测的其它移动物体的多条轨迹和预测状态、自车的多条轨迹和各条轨迹的概率值;

5、获取神经网络预测器输出的预测状态、自车多条轨迹中概率值最大的轨迹;

6、根据预测状态、自车的当前运行状态优化概率值最大的轨迹,以获取自车的规划轨迹,并控制自车按照所述规划轨迹行驶。

7、优选地,所述将所述历史行驶数据、道路场景数据输入至预先建立的神经网络预测器中包括:

8、将所述历史行驶数据存储在用于表征行驶数据的张量中;其中,所述历史行驶数据中至少包括移动目标的位置、速度之一;

9、获取道路场景数据对应的地图元素;其中,地图元素为由不同特征的路点组成的向量,地图元素中包含车道地图元素和人行横道地图元素,车道地图元素的路点特征包括车道属性和交通属性,车道属性中至少包括车道中心、车道边界的位置、方向之一;交通属性中至少包括限速、交通信号之一;人行横道地图元素的路点特征包括人行横道区域的点的位置;

10、将用于表征行驶数据的张量输入至预先建立的所述第一编码器中以及将地图元素输入至预先建立的所述第三编码器中。

11、优选地,所述第一编码器为lstm编码器模型;所述第一编码器用于根据各移动目标的所述历史行驶数据输出各移动目标的历史轨迹特征包括:

12、所述lstm编码器模型用于将各移动目标的用于表征行驶数据的张量进行编码以输出各移动目标的历史轨迹特征;其中,同一类型的移动目标共用一个lstm模型;不同类型的移动目标使用的lstm模型不同。

13、优选地,所述第二编码器为第一transformer模型;所述第二编码器用于根据各移动目标的历史轨迹特征输出第一交互特征包括:

14、所述第一transformer模型中的注意力机制根据历史时间中最近的一个时刻的各移动目标的历史轨迹特征提取所述第一交互特征。

15、优选地,所述第三编码器包括车道编码器和人行横道编码器;所述车道编码器为多层感知编码器,多层感知编码器编码数字特征,嵌入层编码离散特征;其中,数字特征至少包括位置、方向、限速值之一,离散特征至少包括交通灯状态,车道类型和停车标志之一;

16、所述人行横道编码器为第一感知编码器,第一感知编码器编码数字特征。

17、优选地,所述第四编码器为第二transformer模型;所述第四编码器用于根据交叉道路特征和第一交互特征输出第二交互特征包括:

18、所述第二transformer模型中的注意力机制将所述第一交互特征作为查询值并将所述交叉道路特征作为键和值,以输出所述第二交互特征。

19、优选地,所述解码器模型为第二感知编码器;解码器模型用于根据所述第一交互特征和所述第二交互特征输出其它移动物体的多条轨迹和自车的多条轨迹包括:

20、所述第二感知编码器解码所述第一交互特征和所述第二交互特征以得到预测的运动参数序列;

21、结合运动学模型将所述运动参数序列转换为轨迹;

22、最大池化所述第一交互特征和所述第二交互特征以输出其它移动物体的多条轨迹和自车的多条轨迹。

23、优选地,所述根据预测状态、自车的当前运行状态优化概率值最大的轨迹,以获取自车的规划轨迹,并控制自车按照所述规划轨迹行驶包括:

24、根据预测状态、自车的当前运行状态以及结合行车标准对应的损失优化概率值最大的轨迹,以得到自车的规划轨迹;其中,所述行车标准中至少包括行车行驶效率、行驶安全、交通规则、行驶舒适性之一。

25、为解决上述技术问题,本发明提供一种车辆的控制装置,移动目标待在交叉道路上行驶,移动目标中包含自车和其它移动物体;所述装置包括:

26、第一获取模块,用于获取各移动目标的历史行驶数据、自车的当前运行状态、以及所处的道路场景数据;输入模块,用于将所述历史行驶数据、道路场景数据输入至预先建立的神经网络预测器中;其中,所述神经网络预测器中包含相互连接的编码器模型和解码器模型,所述编码器模型包括第一编码器、第二编码器、第三编码器、第四编码器,所述第一编码器用于根据各移动目标的所述历史行驶数据输出各移动目标的历史轨迹特征;所述第二编码器用于根据各移动目标的历史轨迹特征输出第一交互特征,所述第一交互特征为移动目标间的交互特征;所述第三编码器用于根据道路场景数据输出交叉道路特征;所述第四编码器用于根据交叉道路特征和第一交互特征输出第二交互特征,所述第二交互特征为各移动目标与道路场景的交互特征;所述解码器模型用于根据所述第一交互特征和所述第二交互特征输出预测的其它移动物体的多条轨迹和预测状态、自车的多条轨迹和各条轨迹的概率值;

27、第二获取模块,用于获取神经网络预测器输出的预测状态、自车多条轨迹中概率值最大的轨迹;

28、优化及获取模块,用于根据预测状态、自车的当前运行状态优化概率值最大的轨迹,以获取自车的规划轨迹,并控制自车按照所述规划轨迹行驶。

29、为解决上述技术问题,本发明提供一种车辆的控制设备,包括:

30、存储器,用于存储计算机程序;

31、处理器,用于执行所述计算机程序时实现上述的车辆的控制方法的步骤。

32、为解决上述技术问题,本发明提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的车辆的控制方法的步骤。

33、本发明所提供的一种车辆的控制方法,对于待在交叉道路上行驶的移动目标,将各移动目标的历史行驶数据、道路场景数据输入至预先建立的神经网络预测器中,通过神经网络预测器预测出了自车的多条轨迹和各轨迹的概率,在预测出自车的多条轨迹和各轨迹的概率值之后,结合预测的其它移动物体的状态、自车的当前运行状态优化预测出的自车的概率值最大的轨迹(即自车最有可能走的轨迹),实现了结合自车的实际情况、道路上其它移动物体的情况对自车行驶轨迹的规划,所以,通过本发明提供的方法实现了对自车运行轨迹的预测和规划的高度关联,同时,通过神经网络预测器也预测出了其它移动物体的多条轨迹和其它移动物体的状态,实现了对其它移动物体的轨迹和状态的预测;在使用神经网络预测器进行预测时,根据移动目标交互特征和移动目标与道路场景的交互特征预测出各移动目标的轨迹,即在预测每个移动目标的轨迹时,是充分考虑除了当前移动目标本身外的其它移动物体的情况以及移动目标所处的道路场景情况,使得预测出的轨迹更加准确,提高了移动目标在道路上行驶或行走的安全性;另外,将移动目标的数据嵌入到物理模型中,使得模型具备可解释性。

34、此外,本发明还提供一种车辆的控制装置、车辆的控制设备以及计算机可读存储介质,与上述提到的车辆的控制方法具有相同或相对应的技术特征,效果同上。


技术特征:

1.一种车辆的控制方法,其特征在于,移动目标待在交叉道路上行驶,移动目标中包含自车和其它移动物体;所述方法包括:

2.根据权利要求1所述的车辆的控制方法,其特征在于,所述将所述历史行驶数据、道路场景数据输入至预先建立的神经网络预测器中包括:

3.根据权利要求2所述的车辆的控制方法,其特征在于,所述第一编码器为lstm编码器模型;所述第一编码器用于根据各移动目标的所述历史行驶数据输出各移动目标的历史轨迹特征包括:

4.根据权利要求3所述的车辆的控制方法,其特征在于,所述第二编码器为第一transformer模型;所述第二编码器用于根据各移动目标的历史轨迹特征输出第一交互特征包括:

5.根据权利要求2所述的车辆的控制方法,其特征在于,所述第三编码器包括车道编码器和人行横道编码器;所述车道编码器为多层感知编码器,多层感知编码器编码数字特征,嵌入层编码离散特征;其中,数字特征至少包括位置、方向、限速值之一,离散特征至少包括交通灯状态,车道类型和停车标志之一;

6.根据权利要求5所述的车辆的控制方法,其特征在于,所述第四编码器为第二transformer模型;所述第四编码器用于根据交叉道路特征和第一交互特征输出第二交互特征包括:

7.根据权利要求1所述的车辆的控制方法,其特征在于,所述解码器模型为第二感知编码器;解码器模型用于根据所述第一交互特征和所述第二交互特征输出其它移动物体的多条轨迹和自车的多条轨迹包括:

8.根据权利要求1至7任意一项所述的车辆的控制方法,其特征在于,所述根据预测状态、自车的当前运行状态优化概率值最大的轨迹,以获取自车的规划轨迹,并控制自车按照所述规划轨迹行驶包括:

9.一种车辆的控制装置,其特征在于,移动目标待在交叉道路上行驶,移动目标中包含自车和其它移动物体;所述装置包括:

10.一种车辆的控制设备,其特征在于,包括:

11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的车辆的控制方法的步骤。


技术总结
本发明公开了一种车辆的控制方法、装置、设备及介质,涉及路径规划技术领域。该方法中,将各移动目标的历史行驶数据、道路场景数据输入至神经网络预测器中,预测出了自车的多条轨迹和各轨迹的概率,然后结合预测的其它移动物体的状态、自车的当前运行状态优化预测出的自车的概率值最大的轨迹(即自车最有可能走的轨迹),实现了结合自车的实际情况、道路上其它移动物体的情况对自车行驶轨迹的规划,实现了对自车运行轨迹的预测和规划的高度关联,同时,预测出了其它移动物体的多条轨迹和其它移动物体的状态,实现了对其它移动物体的轨迹和状态的预测;充分考虑移动目标、道路场景情况,使预测出的轨迹更加准确,提高了移动目标在道路上的安全性。

技术研发人员:徐天宇,刘佳奇,韩晋
受保护的技术使用者:知行汽车科技(苏州)股份有限公司
技术研发日:
技术公布日:2024/6/26
转载请注明原文地址:https://doc.8miu.com/read-1832355.html

最新回复(0)