具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的一些实施例的车辆轨迹规划方法的一个应用场景的示意图。
在图1所示的应用场景中,首先,计算设备101可以获取障碍物信息组集合102和车辆动作集合103。然后,对上述障碍物信息组集合102中每个障碍物信息组包括的各个障碍物车辆的位置进行轨迹平滑以生成平滑后的障碍物车辆轨迹,得到平滑后的障碍物车辆轨迹集合104。之后,上述平滑后的障碍物车辆轨迹集合104中选出满足第一预定条件的平滑后的障碍物车辆轨迹作为第一车辆轨迹,得到第一车辆轨迹集合105。再然后,计算设备101从上述车辆动作集合103中选出预定数目个车辆动作,得到第一采样动作集合106;将上述第一车辆轨迹集合105中各个车辆轨迹与第一采样动作集合106中各个采样动作做对比,得到采样动作相似度集合107。然后,计算设备101对采样动作相似度集合107中的各个采样动作计算得到采样动作概率集合108。再然后,计算设备101根据采样动作概率集合,得到第一轨迹109。最后,计算设备101将第一轨迹109发送至控制终端110。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或电子设备组成的分布式集群,也可以实现成单个服务器或单个电子设备。当计算设备体现为软件时,可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备101的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的车辆轨迹规划方法的一些实施例的流程200。该车辆轨迹规划方法,包括以下步骤:
步骤201,获取障碍物信息组集合,车辆的车辆信息集合和车辆动作集合。
在一些实施例中,车辆轨迹规划的执行主体(例如图1所示的计算设备101)可以获取障碍物信息组集合,车辆信息集合和车辆动作集合。其中,障碍物信息可以包括:障碍物车辆的位置。其中,上述障碍物信息组集合是由每个障碍物车辆对应的一组障碍物信息所组成的集合。其中,上述障碍物车辆位置是二维坐标系中的点的坐标。例如障碍物车辆位置可以是:(1,0)。
作为示例,上述车辆控制终端中的设备可以是摄像头、超声波雷达、毫米波雷达和激光雷达。
步骤202,对碍物信息组集合中每个障碍物信息组包括的各个障碍物车辆的位置进行轨迹平滑以生成平滑后的障碍物车辆轨迹,得到平滑后的障碍物车辆轨迹集合。
在一些实施例中,上述执行主体可以对碍物信息组集合中每个障碍物信息组包括的各个障碍物车辆的位置进行轨迹平滑以生成平滑后的障碍物车辆轨迹,得到平滑后的障碍物车辆轨迹集合。其中,上述障碍物信息组集合中每个障碍物信息组包括的各个障碍物车辆的位置,可以使用三次曲线方式对上述障碍物信息组集合中每个障碍物信息组包括的各个障碍物车辆的位置进行轨迹平滑,平滑过程中对平滑动作做出限制。其中,上述限制可以包括:障碍物车辆曲率、障碍物车辆速度和及障碍物车辆二阶导的加速度。
步骤203,从平滑后的障碍物车辆轨迹集合中选出满足第一预定条件的平滑后的障碍物车辆轨迹作为第一车辆轨迹,得到第一车辆轨迹集合。
在一些实施例中,上述执行主体可以是根据第一预定条件选出合适的车辆轨迹,其中,上述第一预定条件可以是:车辆轨迹的长度可以是大于第一预定长度且小于第二预定长度;障碍物信息时间戳与上一次障碍物信息时间戳差值大于第二预定阈值。其中,上述第一预定长度可以是0米。可以用于避免在实际情况中车辆停止后导致车辆轨迹的长度为0米出现过多,造成数据冗余的情况。以此也可以减少计算量,进而,可以在一定程度上降低由数据冗余导致的生成的车辆轨迹的准确度下降的情况。上述第二预定长度可以30米。在实际情况中,距离大于30米的车辆轨迹会由于数据步长过大导致降低生成的车辆轨迹的准确度。因此,需要将上述车辆轨迹的长度进行限定。上述第二预定阈值可以是用于限定相邻两个障碍物信息之间的时间。可以在一定程度上防止由于相邻两个障碍物信息对应的时间过大或者过小造成降低生成车辆轨迹的准确度的问题。从而,可以从数据选取方面进行多角度的限定,使得在一定程度上避免由于数据的限定不足导致最终生成车辆轨迹准确度下降的问题。
作为示例,上述第一预定长度可以是10米。上述第二预定长度可以是60米。上述第二预定阈值可以是5。当选出的车辆轨迹长度是20米且两次时间戳差值小于5。那么,可以确定上述车辆轨迹符合要求。
步骤204,从上述车辆动作集合中选出预定数目个车辆动作,得到第一采样动作集合。
在一些实施例中,上述执行主体可以从上述车辆动作集合中随机选出预定数目个车辆动作。其中,上述车辆动作是生成车辆轨迹的每一步的方向。将上述车辆动作集合中随机选出预定数目个车辆动作记作采样动作。上述采样动作可以当前采样动作以前一个采样动作为原点,过原点以前一个采样动作对应的车辆车头水平方向的朝向为横轴,过原点与横轴垂直的水平方向的轴为纵轴,过原点与横轴和纵轴相垂直的轴为竖轴,建立空间直角坐标系。然后,可以将当前采样动作在空间直角坐标系中横轴的变化值作为当前采样的第一参数:
纵轴的变化值作为当前采样动作的第二参数:
竖轴的变化值作为当前采样动作的第三参数。由此,采样动作可以表示为:
步骤205,基于第一采样动作集合与上述第一车辆轨迹集合,生成采样动作相似度集合。
在一些实施例中,上述执行主体可以基于上述第一采样动作集合与上述第一车辆轨迹集合,生成采样动作相似度集合。其中,生成采样动作相似度集合可以是:对上述第一采样动作集合中的第一采样动作与上述第一车辆轨迹集合中的各个第一车辆轨迹进行比较得到采样动作相似度。
步骤206,基于采样动作相似度集合,生成采样动作概率集合。
在一些实施例中,上述执行主体可以基于上述采样动作相似度集合,生成采样动作概率集合。根据上述采样动作相似度集合中的每个采样动作相似度,通过卷积神经网络得到每个采样动作所对应的采样动作概率。
作为示例,上述待卷积网络可以是:全卷积网络。在此基础上,可以根据实际需要,对全连接层、卷积层或池化层进行修改。在此不做具体限定。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述采样动作相似度集合,生成采样动作概率集合,可以包括以下步骤:
将上述采样动作相似度集合中的每个轨迹相似度输入至以下公式以生成采样动作概率,得到采样动作概率集合:
其中,p(s,a)表示上述采样动作概率。N表示第一预定阈值。i表示序号。θ表示第二预定阈值。R表示上述采样动作相似度。
具体的,在确定上述第一轨迹未生成时,上述执行主体可以根据上述采样动作,以及上述采样动作对应的车辆轨迹,利用上述公式,生成采样动作概率。
作为示例,上述第一预定阈值是车辆轨迹的个数。其中求和累加的次数是第一预定阈值的立方次。上述第一预定阈值可以是2。上述第二预定阈值可以是0.9。上述采样动作相似度可以是0.5。通过上述公式得出采样动作概率等于0.45。
步骤207,基于采样动作概率集合,生成第一轨迹。
在一些实施例中,上述执行主体可以对第一采样动作集合中的各个采样动作进行分类,得到多个分类后的采样动作组。上述采样动作组中的各个采样动作以及对应的采样动作概率集合的各个采样动作概率,可以通过贝塞尔曲线对各个采样动作组中采样动作概率最大的采样动作关联,得到车辆的第一轨迹。另外,在生成第一轨迹时,会考虑整条轨迹的平滑度,对轨迹的曲率进行迭代。
在一些实施例的一些可选的实现方式中,上述执行主体基于上述采样动作概率集合,生成第一轨迹,可以包括以下步骤:
第一步,从上述多个分类后的采样动作组中每个分类后的采样动作组中选出满足第二预定条件的采样动作作为第二采样动作,得到第二采样动作集合。其中,上述第二预定条件可以是上述采样动作概率集合中满足上述采样动作组中采样动作概率最大的采样动作。
第二步,将上述第二采样动作集合中的各个第二采样动作进行曲线拟合,得到采样动作轨迹。
上述公式以及各个实施例对应的内容作为本公开的一个发明点,解决了背景技术提及的技术问题二“对障碍物的移动轨迹跟踪做出下一步可能位置的推算不够准确,导致生成第一轨迹的波动性较大,导致最终得到的第一轨迹不够准确”。导致最终第一轨迹不够准确的因素往往如下:对障碍物的移动轨迹跟踪做出下一步可能位置的推算不够准确,导致生成第一轨迹的波动性较大。如果解决了上述因素,就能提高第一轨迹的准确度。为了达到这一效果,上述公式引入了采样动作概率。通过计算采样动作的相似度确定采样动作的概率,可以从采样动作集合中选出符合预定条件的采样动作,提高采样动作的准确性,由此可以降低生成的第一轨迹的波动性。另外,在生成第一轨迹时,会考虑整条轨迹的平滑度,对轨迹的曲率进行迭代。进而,提高第一轨迹的准确性。
可选地,上述执行主体还可以将上述第一轨迹发送至上述车辆的控制终端,以供上述车辆的控制终端根据上述第一轨迹控制上述车辆行驶。
在一些实施例中,上述执行主体可以将上述第一轨迹发送至上述车辆的控制终端。在本实施例中,可以使用深度强化学习算法(例如,Actor-Critic),可以通过上述深度强化学习算法根据车辆的当前行驶信息和当前环境信息进行学习,以给出相应的控制量,进而控制车辆可以按照一种预定的轨迹行驶。在具体的学习过程中,可以将采样动作设置成一个状态点,并且上述状态点在该状态是具有方向的。通过状态的选择,逐渐靠近目标状态,最终的车辆轨迹将会由预定数目个不同的状态点进行关联得到。在本实施例中,利用强化学习中的演员-评论家的算法,选出一条与周围障碍物车辆的采样动作相似度最高的车辆轨迹。例如,上述最终的车辆轨迹可以是:a状态点-b状态点-c状态点-d状态点-e状态点关联得到的一条顺滑的车辆轨迹。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的车辆轨迹规划方法,提高了车辆轨迹规划的实时性。具体来说,造成实时性不好的原因在于:推算障碍物移动位置的求解过程消耗时间较多,导致计算量过大,实时性较低,进而,导致难以应用于自动驾驶领域。基于此,本公开的一些实施例的多传感器数据融合方法,首先,获取障碍物信息组集合,车辆的车辆信息集合和车辆动作集合,其中,障碍物信息包括:障碍物车辆的位置。通过获取障碍物信息用来对周围环境进行实时监测。这样,动态地获取实况信息将会为车流的分析提供更加完备的数据基础。进而,对上述障碍物信息组集合中每个障碍物信息组包括的各个障碍物车辆的位置进行轨迹平滑以生成平滑后的障碍物车辆轨迹,得到平滑后的障碍物车辆轨迹集合。通过对障碍物车辆的位置进行平滑得到光滑的曲线,能更好的得到所需的轨迹效果。之后,从上述平滑后的障碍物车辆轨迹集合中选出满足第一预定条件的平滑后的障碍物车辆轨迹作为第一车辆轨迹,得到第一车辆轨迹集合。由于选择符合条件的障碍物车辆轨迹,所以能够更高效的获得目标轨迹,降低了时间的消耗。从上述车辆动作集合中选出预定数目个车辆动作,得到第一采样动作集合。通过减少车辆动作的数量使得降低了计算量。之后,基于上述第一采样动作集合与上述第一车辆轨迹集合,生成采样动作相似度集合。将上述第一采样动作集合中的各个采样动作与第一车辆轨迹集合中各个车辆轨迹进行比较,比较的结果可以确定每个上述采样动作与上述车辆轨迹集合中每个车辆轨迹的相似度,使其更趋于第一轨迹。基于上述采样动作相似度集合,生成采样动作概率集合。根据每个上述采样动作和上述每个车辆轨迹的相似度,累加得到每个采样动作概率。最后,基于上述采样动作概率集合,生成第一轨迹。由于降低了时间的消耗,降低了计算量。从而,提高了车辆轨迹规划的实时性。由此可以应用于自动驾驶领域。
进一步参考图3,作为对上述各图上述方法的实现,本公开提供了一种车辆轨迹规划装置的一些实施例,这些装置实施例与图2上述的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,一些实施例的车辆轨迹规划装置300包括:获取单元301、第一生成单元302、第一选择单元303、第二选择单元304、第二生成单元305、第三生成单元306、第四生成单元307。其中,获取单元301,被配置成获取障碍物信息组集合,车辆的车辆信息集合和车辆动作集合,其中,障碍物信息包括:障碍物车辆的位置;第一生成单元302,被配置成基于对上述障碍物信息组集合中每个障碍物信息组包括的各个障碍物车辆的位置进行轨迹平滑以生成平滑后的障碍物车辆轨迹,得到平滑后的障碍物车辆轨迹集合;第一选择单元303,被配置成从上述平滑后的障碍物车辆轨迹集合中选出满足第一预定条件的平滑后的障碍物车辆轨迹作为第一车辆轨迹,得到第一车辆轨迹集合;第二选择单元304,被配置成从上述车辆动作集合中选出预定数目个车辆动作,得到第一采样动作集合;第二生成单元305,被配置成基于上述第一采样动作集合与上述第一车辆轨迹集合,生成采样动作相似度集合;第三生成单元306,被配置成基于上述采样动作相似度集合,生成采样动作概率集合;第四生成单元307,被配置成基于上述采样动作概率集合,生成第一轨迹。
可以理解的是,该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元,在此不再赘述。
下面参考图4,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的终端设备101)400的结构示意图。图4示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口404也连接至总线404。
通常,以下装置可以连接至I/O接口404:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取障碍物信息组集合,车辆的车辆信息集合和车辆动作集合,其中,障碍物信息包括:障碍物车辆的位置;对上述障碍物信息组集合中每个障碍物信息组包括的各个障碍物车辆的位置进行轨迹平滑以生成平滑后的障碍物车辆轨迹,得到平滑后的障碍物车辆轨迹集合;从所上述平滑后的障碍物车辆轨迹集合中选出满足第一预定条件的平滑后的障碍物车辆轨迹作为第一车辆轨迹,得到第一车辆轨迹集合;从上述车辆动作集合中选出预定数目个车辆动作,得到第一采样动作集合;基于上述第一采样动作集合与上述第一车辆轨迹集合,生成采样动作相似度集合;基于上述采样动作相似度集合,生成采样动作概率集合;基于上述采样动作概率集合,生成第一轨迹。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、第一生成单元、第一选择单元、第二选择单元、第二生成单元、第三生成单元、第四生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取周围障碍物信息组集合,车辆信息集合和车辆动作集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。