开云优惠体育网页版入口

专利名称：自动驾驶车辆换道路径的轨迹系数变换生成方法及系统

专利类型：实用新型专利

专利申请号：CN202311250422.X

专利申请（专利权）人：东风商用车有限公司
权利人地址：湖北省十堰市张湾区车城路2号

专利发明（设计）人：发明人:夏然飞,杨月,付源翼,乔苗苗

专利摘要：本申请公开了自动驾驶车辆换道路径的轨迹系数变换生成方法及系统方法包括如下步骤：采样获取本车在两车道边界间进行换道的过程中的离散点；构建本车换道规划路径的非线性问题求解函数，基于HouseHolder变换的QR分解方法，将本车换道规划路径的非线性问题求解函数转换为线性问题求解函数；根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数。本申请基于HouseHolder变换的QR分解方法将本车换道规划路径的非线性问题转换为线性规划问题，实现自动驾驶中轨迹拟合系数最优值的更快求解，据此拟合出一条平滑、舒适和连续的换道规划路径曲线，保证自动驾驶车辆的乘坐舒适性和安全性。

主权利要求：
1.一种自动驾驶车辆换道路径的轨迹系数变换生成方法，其特征在于，包括以下步骤：以本车当前位姿、障碍物位置以及两车道的车道线的边界为约束条件，采样获取本车在两车道边界间进行换道的过程中的离散点；
构建本车换道规划路径的非线性问题求解函数，基于HouseHolder变换的QR分解方法，将本车换道规划路径的非线性问题求解函数转换为线性问题求解函数；
根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数。
2.如权利要求1所述的自动驾驶车辆换道路径的轨迹系数变换生成方法，其特征在于，所述根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数步骤之后，还包括以下步骤：获取本车所处车道的平直工况；
根据本车所处车道的平直工况，执行不同的本车换道的规划路径的轨迹系数校正策略。
3.如权利要求2所述的自动驾驶车辆换道路径的轨迹系数变换生成方法，其特征在于，所述根据本车所处车道的平直工况，执行不同的本车换道的规划路径的轨迹系数校正策略步骤，具体包括以下步骤：当本车所处的车道为平直车道时，将生成的本车换道的最优规划路径的轨迹系数作为本车换道的规划路径的轨迹系数；
当本车所处的车道为非平直车道时，根据本车所处车道的左右车道的相机识别质量，校正获取本车换道的规划路径的轨迹系数。
4.如权利要求3所述的自动驾驶车辆换道路径的轨迹系数变换生成方法，其特征在于，所述当本车所处的车道为非平直车道时，根据本车所处车道的左右车道的相机识别质量，校正获取本车换道的规划路径的轨迹系数，具体包括以下步骤：当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数；
当本车所处的车道为非平直车道，并且获取本车所处车道的左右车道的识别质量均不佳时，将生成的本车换道的最优规划路径的轨迹系数作为本车换道的规划路径的轨迹系数。
5.如权利要求3所述的自动驾驶车辆换道路径的轨迹系数变换生成方法，其特征在于，所述当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数步骤，具体包括以下步骤：当本车所处的车道为非平直车道，并且左右车道的相机识别质量均良好时，本车换道的规划路径的轨迹系数为左车道道路系数和右车道道路系数的均值。
6.如权利要求5所述的自动驾驶车辆换道路径的轨迹系数变换生成方法，其特征在于，所述当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数步骤，还包括以下步骤当本车所处的车道为非平直车道，并且左车道的相机识别质量良好时，本车道换道的规划路径的轨迹系数根据左车道的车道系数校正得到。
7.如权利要求6所述的自动驾驶车辆换道路径的轨迹系数变换生成方法，其特征在于，所述当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数步骤，还包括以下步骤：当本车所处的车道为非平直车道，并且右车道的相机识别质量良好时，本车道的规划路径的轨迹系数根据右车道的车道系数校正得到。
8.一种自动驾驶车辆换道路径的轨迹系数变换生成系统，其特征在于，包括：离散点采样模块，用于以本车当前位姿、障碍物位置以及两车道的车道线的边界为约束条件，采样获取本车在两车道边界间进行换道的过程中的离散点；
变换模块，用于构建本车换道规划路径的非线性问题求解函数，基于HouseHolder变换的QR分解方法，将本车换道规划路径的非线性问题求解函数转换为线性问题求解函数；
轨迹系数获取模块，与所述离散点采样模块和所述变换模块通信连接，用于根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数。
9.如权利要求8所述的自动驾驶车辆换道路径的轨迹系数变换生成系统，其特征在于，还包括：车道平直工况获取模块，用于获取本车所处车道的平直工况；
轨迹系数校正模块，与所述车道平直工况获取模块通信连接，用于根据本车所处车道的平直工况，执行不同的本车换道的规划路径的轨迹系数校正策略。
10.如权利要求9所述的自动驾驶车辆换道路径的轨迹系数变换生成系统，其特征在于，所述轨迹系数校正模块，包括：第一轨迹系数校正获取单元，与所述车道平直工况获取模块通信连接，用于当本车所处的车道为平直车道时，将生产的本车换道的最优规划路径的轨迹系数作为本车换道的规划路径的轨迹系数；
第二轨迹系数校正获取单元，与所述车道平直工况获取模块通信连接，用于当本车所处的车道为非平直车道时，根据本车所处车道的左右车道的相机识别质量，校正获取本车换道的规划路径的轨迹系数。 说明书 : 自动驾驶车辆换道路径的轨迹系数变换生成方法及系统技术领域[0001] 本申请涉及自动驾驶系统技术领域，具体是涉及自动驾驶车辆换道路径的轨迹系数变换生成方法及系统。背景技术[0002] 车辆运动轨迹的规划作为一种具有多个非线性约束的高维优化问题，需要消耗大量的计算资源，并且由于场景的复杂性和实时性，不是总能快捷简单的得到最优轨迹，这对规划算法的鲁棒性和实用性有着较高的要求。[0003] 车辆运动轨迹的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。安全意味着车辆在行驶过程中与障碍物保持适当的距离，避免碰撞；舒适意味着给乘客提供舒适的乘坐体验，比如避免过急的加减速度，在弯道时适当减速避免过大的向心加速度等。[0004] 基于曲线拟合的轨迹生成是一种常见的方法，它将规划的轨迹表示为一组数学函数或曲线拟合的结果，以下是一种自动驾驶车辆运动规划的基本方法步骤：[0005] 第一步、收集自动驾驶车辆的轨迹数据：[0006] 首先需要收集轨迹数据点，这些数据点可以是实际运动中获取的或者是通过仿真等方式生成的，数据点应包含位置和时间戳信息；[0007] 第二步、选择轨：：[0008] 根据具体的应用场景和需求，选择合适的数学函数或者曲线模型进行拟合，常见的拟合函数包括多项式函数、贝塞尔曲线、样条曲线等；[0009] 第三步、拟合轨迹曲线：[0010] 利用选定的拟合函数对预处理后的数据进行曲线拟合操作，拟合的目标是找到最佳拟合曲线，使其能够尽可能地经过预处理后的数据点；[0011] 第四步、生成规划轨迹：[0012] 根据拟合的曲线模型，可以通过插值或者参数化的方式来生成规划轨迹。规划轨迹可以用于控制自动驾驶车辆系统的运动路径和速度。[0013] 需要注意的是，基于曲线拟合的轨迹规划方法可能会存在一定的误差，特别是在复杂的环境中或者存在非线性因素的情况下。因此，在实际应用中，还需要结合数值优化等理论算法解决上述非线性问题，进行轨：退俣壬，以提高规划的准确性和鲁棒性。发明内容[0014] 本申请的目的是为了克服上述背景技术的不足，提供一种自动驾驶车辆换道路径的轨迹系数变换生成方法及系统。[0015] 第一方面，本申请提供了一种自动驾驶车辆换道路径的轨迹系数变换生成方法，包括以下步骤：[0016] 自动驾驶车辆准备换道时，以本车当前位姿、障碍物位置以及两车道的车道线的边界为约束条件，采样获取本车在两车道边界间进行换道的过程中的离散点；[0017] 构建本车换道规划路径的非线性问题求解函数，基于HouseHolder变换的QR分解方法，将本车换道规划路径的非线性问题求解函数转换为线性问题求解函数；[0018] 根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数。[0019] 根据第一方面，在第一方面的第一种实现方式中，所述根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数步骤之后，还包括以下步骤：[0020] 获取本车所处车道的平直工况；[0021] 根据本车所处车道的平直工况，执行不同的本车换道的规划路径的轨迹系数校正策略。[0022] 根据第一方面的第一种实现方式，在第一方面的第二种实现方式中，所述根据本车所处车道的平直工况，执行不同的本车换道的规划路径的轨迹系数校正策略步骤，具体包括以下步骤：[0023] 当本车所处的车道为平直车道时，将生成的本车换道的最优规划路径的轨迹系数作为本车换道的规划路径的轨迹系数；[0024] 当本车所处的车道为非平直车道时，根据本车所处车道的左右车道的相机识别质量，校正获取本车换道的规划路径的轨迹系数。[0025] 根据第一方面的第二种实现方式，在第一方面的第三种实现方式中，所述当本车所处的车道为非平直车道时，根据本车所处车道的左右车道的相机识别质量，校正获取本车换道的规划路径的轨迹系数，具体包括以下步骤：[0026] 当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数；[0027] 当本车所处的车道为非平直车道，并且获取本车所处车道的左右车道的识别质量均不佳时，将生成的本车换道的最优规划路径的轨迹系数作为本车换道的规划路径的轨迹系数。[0028] 根据第一方面的第二种实现方式，在第一方面的第四种实现方式中，所述当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数步骤，具体包括以下步骤：[0029] 当本车所处的车道为非平直车道，并且左右车道的相机识别质量均良好时，本车换道的规划路径的轨迹系数为左车道道路系数和右车道道路系数的均值。[0030] 根据第一方面的第四种实现方式，在第一方面的第五种实现方式中，所述当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数步骤，还包括以下步骤[0031] 当本车所处的车道为非平直车道，并且左车道的相机识别质量良好时，本车道换道的规划路径的轨迹系数根据左车道的车道系数校正得到。[0032] 根据第一方面的第四种实现方式，在第一方面的第六种实现方式中，所述当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数步骤，还包括以下步骤：[0033] 当本车所处的车道为非平直车道，并且右车道的相机识别质量良好时，本车道的规划路径的轨迹系数根据右车道的车道系数校正得到。[0034] 第二方面，本申请提供了一种自动驾驶车辆换道路径的轨迹系数变换生成系统，其特征在于，包括：[0035] 离散点采样模块，用于以本车当前位姿、障碍物位置以及两车道的车道线的边界为约束条件，采样获取本车在两车道边界间进行换道的过程中的离散点；[0036] 变换模块，用于构建本车换道规划路径的非线性问题求解函数，基于HouseHolder变换的QR分解方法，将本车换道规划路径的非线性问题求解函数转换为线性问题求解函数；[0037] 轨迹系数获取模块，与所述离散点采样模块和所述变换模块通信连接，用于根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数。[0038] 根据第二方面，在第二方面的第一种实现方式中，还包括：[0039] 车道平直工况获取模块，用于获取本车所处车道的平直工况；[0040] 轨迹系数校正模块，与所述车道平直工况获取模块通信连接，用于根据本车所处车道的平直工况，执行不同的本车换道的规划路径的轨迹系数校正策略。[0041] 根据第二方面的第一种实现方式，在第二方面的第二种实现方式中，所述轨迹系数校正模块，包括：[0042] 第一轨迹系数校正获取单元，与所述车道平直工况获取模块通信连接，用于当本车所处的车道为平直车道时，将生产的本车换道的最优规划路径的轨迹系数作为本车换道的规划路径的轨迹系数；[0043] 第二轨迹系数校正获取单元，与所述车道平直工况获取模块通信连接，用于当本车所处的车道为非平直车道时，根据本车所处车道的左右车道的相机识别质量，校正获取本车换道的规划路径的轨迹系数。[0044] 与现有技术相比，本申请的优点如下：[0045] 本申请提供的自动驾驶车辆换道路径的轨迹系数变换生成方法，基于HouseHolder变换的QR分解方法，将本车换道规划路径的非线性问题转换为线性规划问题，即非凸优化转为凸优化，以更好地计算出非线性问题的最优值，从而实现自动驾驶中轨迹拟合系数的更快的求解，据此拟合出一条平滑、舒适和连续的换道规划路径曲线，保证自动驾驶车辆的乘坐舒适性和安全性。附图说明[0046] 图1为本申请实施例提供的自动驾驶车辆换道路径的轨迹系数变换生成方法的方法流程图；[0047] 图2为本申请实施例提供的自动驾驶车辆换道路径的轨迹系数变换生成方法的HouseHolder变换示意图；[0048] 图3为本申请实施例提供的自动驾驶车辆换道路径的轨迹系数变换生成方法中的离散点的采样示意图；[0049] 图4为本申请实施例提供的自动驾驶车辆换道路径的轨迹系数变换生成方法的另一方法流程图；[0050] 图5为本申请实施例提供的自动驾驶车辆换道路径的轨迹系数变换生成方法中的本车所处车道环境的实景场景示意图；[0051] 图6为本申请实施例提供的自动驾驶车辆换道路径的轨迹系数变换生成方法中的本车所处车道环境的示意场景示意图；[0052] 图7为本申请实施例提供的自动驾驶车辆换道路径的轨迹系数变换生成系统的功能模块框图；[0053] 图8为本申请实施例提供的自动驾驶车辆换道路径的轨迹系数变换生成系统的另一功能模块框图。具体实施方式[0054] 现在将详细参照本申请的具体实施例，在附图中例示了本申请的例子。尽管将结合具体实施例描述本申请，但将理解，不是想要将本申请限于所述的实施例。相反，想要覆盖由所附权利要求限定的在本申请的精神和范围内包括的变更、修改和等价物。应注意，这里描述的方法步骤都可以由任何功能块或功能布置来实现，且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。[0055] 为了使本领域技术人员更好地理解本申请，下面结合附图和具体实施方式对本申请作进一步详细说明。[0056] 注意：接下来要介绍的示例仅是一个具体的例子，而不作为限制本申请的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本申请的构思来构造本说明书中未提到的更多实施例。[0057] 自动驾驶车辆的运动规划作为一种具有多个非线性约束的高维优化问题，需要消耗大量的计算资源，并且由于场景的复杂性和实时性，不是总能快捷简单的得到最优轨迹，这对规划算法的鲁棒性和实用性有着较高的要求，现有技术中，基于曲线拟合的轨迹规划方法可能会存在一定的误差，特别是在复杂的环境中或者存在非线性因素的情况下，路径的规划的准确性和鲁棒性不高。[0058] 有鉴于此，请参考图1，本申请提供了一种自动驾驶车辆换道路径的轨迹系数变换生成方法，包括以下步骤：[0059] 步骤S1、自动驾驶车辆准备换道时，以本车当前位姿、障碍物位置以及两车道的车道线的边界为约束条件，采样获取本车在两车道边界间进行换道的过程中的离散点；[0060] 步骤S2、构建本车换道规划路径的非线性问题求解函数，基于HouseHolder变换的QR分解方法，将本车换道规划路径的非线性问题求解函数转换为线性问题求解函数；[0061] 步骤S3、根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数。[0062] 本申请提供的自动驾驶车辆换道路径的轨迹系数变换生成方法，基于HouseHolder变换的QR分解方法，将本车换道规划路径的非线性问题转换成线性规划问题，即非凸优化转为凸优化，以更好地计算出非线性问题的最优值，从而实现自动驾驶中轨迹拟合系数的更快的求解，据此拟合出一条平滑、舒适和连续的换道规划路径曲线，保证自动驾驶车辆的乘坐舒适性和安全性从而实现自动驾驶中轨迹拟合系数的更快的求解，据此拟合出一条平滑、舒适和连续的换道规划路径曲线，有效保证自动驾驶车辆换道的舒适性和安全性保证舒适性和安全性。[0063] 最小二乘法(Leastsquares)是回归分析中的一种标准方法，它是用来近似超定系统(OverdeterminedSystem)答案的一种方法。超定系统是指数学中的一种概念，一组包含未知数的方程组中，如果方程的数量大于未知数的数量，那么这个系统就是一个超定系统(超定方程组)，超定系统一般是无解的，只能求近似解。而最小二乘法就是求超定方程组近似解的一种方法。[0064] 自动驾驶车辆在行驶过程中，需要时时刻刻寻找一条轨迹能使得所有点离期望曲线的距离平均值最小。而最小二乘的含义就是在整体的优化方案中，最小化每个方程结果的残差平方和。最小二乘问题为最优化问题的一种，一般形式为其中，f(x)?bi为残差函数，表示预测值f(x)和测量值bi之差。[0065] 这个目标函数取得最小值时的函数参数，就是最小二乘法的思想，所谓“二乘”就是平方的意思，从这里我们可以看到，最小二乘法其实就是用来做函数拟合的一种思想。[0066] 运动规划是一个复杂的问题，以自动驾驶车辆在换道为例。如图所示，准备换道时，自动驾驶系统根据本车当前位姿、障碍物位置、以及两车道的车道线的边界作为约束信息，再进行离散点采样。[0067] 以高阶多项式为例，期望达到的预测轨迹为[0068] f(x)＝αi0+αi1xi+αi2xi2+…+αinxin＝[αi0，αi1，...，αin][xi0，xi1，...，xin]T[0069] 而实际的测量采样值bi为一系列采样的离散点。[0070] 令：[0071] A＝[αi0，αi1，...，αin][0072] x＝[xi0，xi1，...，xin]T[0073] 当f(x)＝Ax?b为线性方程时，线性最小二乘问题转换为：[0074] min||Ax?b||2[0075] 展开有：[0076] h(x)＝||Ax?b||2＝(Ax?b)T(Ax?b)[0077] ＝(Ax)T(Ax)?bTAx?(Ax)Tb+bTb[0078] 求导后：[0079][0080] 当导数为0时，得到损失函数为最小值，因此[0081] ATAx＝ATb[0082] x＝(ATA)?1ATb[0083] 现有地，运动规划上加入速度与时间的信息，增加了运动规划的维度，另外，由于车辆是非和谐系统，具有特殊的运动学约束条件，例如，车辆不能独立地横向移动，需要纵向移动的同时才能获取横向移动；躲避障碍物，特别是高速动态障碍物，也是一个比较困难的问题。而对于搭载乘客的无人驾驶车辆来说，非常重要的一个要求是舒适性，无人驾驶车辆的规划轨迹必须做到平滑，将影响乘客舒适度的因素，将例如车辆加速度、向心加速度等等指标参数保持在能够容忍的范围之内，可以有效提升车辆的舒适度。[0084] 对于自动驾驶车辆，为满足车辆运动学和运动性约束、实时性、安全性、舒适性等多维因素，自动驾驶车辆的换道问题转化为非线性问题求解，具体地，由上文可知，线性最2 T ?1 T小二乘问题min||Ax?b||的解为x＝(AA) Ab。[0085] 可以发现，x的求解函数中需要计算矩阵的逆，而且为非线性问题，计算上存在一定困难，因此采用基于HouseHolder变换的QR分解方法，将非线性问题一般先转换为线性规划问题，即非凸优化转为凸优化。[0086] QR分解经常用来解线性最小二乘法问题，这种方式，把矩阵分解成一个正交矩阵与一个上三角矩阵的积，即A＝QR。[0087] 其中，Q为正交矩阵，R为上三角矩阵。[0088] 如图2所示，矩阵的逆可以转换在这里可以理解成为反射变换或者为镜像变换。即，Householder变换是将向量x通过Householder矩阵H变换为Hx，如图2所示。[0089] 其中，满载x与Hx关于一个平面对称，该平面与w垂直。Hx是x关于与w垂直的平面的镜面反射。[0090] 则有，[0091] x＝u+αw[0092] Hx＝u?αw[0093] 其中，α为一个常数。[0094] Hx＝x?2wwHx[0095] 采用HouseHolder变换进行上述QR分解，以能更好的计算出非线性问题的最优值，从而实现自动驾驶换道过程中拟合系数的更快的求解，保证自动驾驶汽车在换道中的舒适性和安全性。[0096] 如图3所示，当前时刻下，自动驾驶卡车在两车道边界间进行换道过程采样，生成了10个离散采样点。在考虑车辆运动学和动力性约束、安全性、舒适性等因素前提下，需要拟合出一条平滑、舒适、连续的换道曲线。因此，构建一种基于HouseHolder变换的轨迹系数生成方法，从而确定出最优的轨迹曲线。[0097] 首先，已知所有采样点的坐标(x,y)，将10组采样点的横坐标x，构建出A矩阵。[0098] 然后，将A矩阵进行HouseHolder变换，生成A＝QR矩阵计算关系，其中，Q为正交矩阵，R为上三角矩阵。[0099] 接着，代入步骤2中，则有x＝(ATA)?1ATb＝((QR)T(QR))?1(QR)Tb。其中，b表示10组采样点的纵坐标。[0100] 最后，求解出非线性损失函数的最小值x，x即为最终求解的自动驾驶车辆换道路径的轨迹系数的矩阵，从而据此确定出自动驾驶车辆换道路径的最优轨迹曲线。[0101] 在一实施例中，目前基于相机车道线在直线道路识别较为稳定，但在高速弯道上车道线会出现偏差，可视距离很短，甚至会出现畸变。当自动驾驶卡车在高速行驶中，大概率会出现跑偏和画龙现象，如下图4所示，考虑车辆行驶道路的平直工况不同，提供的不同的本车换道的规划路径的最终执行的轨迹系数的获取方法，所述步骤S3、根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数步骤之后，还包括以下步骤：[0102] 步骤S41、获取本车所处车道的平直工况；[0103] 步骤S42、根据本车所处车道的平直工况，执行不同的本车换道的规划路径的轨迹系数校正策略。[0104] 在一实施例中，如图5所示，由于自动驾驶卡车在行驶过程中，相机识别到的车道线为左右车道线可能存在车道线不清晰的情况，这时需要根据左右车道线和HouseHolder变换生成的曲线共同进行校正，本申请考虑高速场景下相机识别车道线的质量问题，提供了一种自动驾驶车辆换道路径的轨迹系数变换生成方法，针对不同的本车在高速驾驶场景下车道线的相机识别质量工况，提供的不同的本车换道的规划路径的最终执行的轨迹系数的获取方法，所述步骤S32根据本车所处车道的平直工况，执行不同的本车换道的规划路径的轨迹系数校正策略步骤，具体包括以下步骤：[0105] 步骤S321、当本车所处的车道为平直车道时，将生成的本车换道的最优规划路径的轨迹系数作为本车换道的规划路径的轨迹系数；[0106] 步骤S322、当本车所处的车道为非平直车道时，根据本车所处车道的左右车道的相机识别质量，校正获取本车换道的规划路径的轨迹系数。[0107] 已知相机识别到的车道线信息，表示如下：[0108] y＝b0+b1x+b2x2+b3x3[0109] 其中，(b0,b1,b2,b3)分别表示车道线的拟合系数，x表示车道线函数的自变量(与车身相机坐标点为原点的纵向距离)，y表示车道线函数的因变量(与车身相机坐标点为原点的横向距离)。[0110] 设定相机识别到的单条车道线的质量quality有2个等级，包括相机识别质量良好和相机识别质量不佳，lane.quality＝0则表示不佳，lane.quality＝1则表示良好。[0111] 如图6所示，左车道线为left_lane，右车道线为right_lane，其车道线相机识别质量分别表示为left_lane.quality＝1和right_lane.quality＝0，左车道线系数矩阵和右车道线系数矩阵分别为left_lane.coeffs和right_lane.coeffs。[0112] 在一实施中，所述步骤S322、当本车所处的车道为非平直车道时，根据本车所处车道的左右车道的相机识别质量，校正获取本车换道的规划路径的轨迹系数，具体包括以下步骤：[0113] 步骤S322A、当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数；[0114] 步骤S322B、当本车所处的车道为非平直车道，并且获取本车所处车道的左右车道的识别质量均不佳时，将生成的本车换道的最优规划路径的轨迹系数作为本车换道的规划路径的轨迹系数。[0115] 在一实施例中，所述当本车所处的车道为非平直车道，并且左右车道中任一车道的相机识别质量良好时，根据相机识别质量良好的车道的车道系数，校正获取本车换道的规划路径的轨迹系数步骤，具体包括以下步骤：[0116] A、当本车所处的车道为非平直车道，并且左右车道的相机识别质量均良好时，本车换道的规划路径的轨迹系数为左车道道路系数和右车道道路系数的均值，具体地，left_lane.quality＝1且right_lane.quality＝1，则center_lane.Coeffs＝(left_lane.Coeffs+right_lane.Coeffs)/2，其中，left_lane.coeffs和right_lane.coeffs分别为左车道线系数矩阵和右车道线系数矩阵；[0117] B、当本车所处的车道为非平直车道，并且左车道的相机识别质量良好时，右车道的相机识别质量不佳时，本车道换道的规划路径的轨迹系数根据左车道的车道系数校正得到，具体地，left_lane.quality＝1且right_lane.quality＝0，则center_lane.Coeffs[0]＝left_lane.Coeffs[0]?W/2,center_lane.Coeffs[i]＝left_lane.Coeffs[i]，其中，center_lane.Coeffs[0]为本车换道规划路径的起始轨迹系数矩阵，center_lane.Coeffs[i]为本车换道规划路径的第i时刻的轨迹系数矩阵，W为校正系数；[0118] C、当本车所处的车道为非平直车道，并且右车道的相机识别质量良好时，本车道的规划路径的轨迹系数根据右车道的车道系数校正得到，具体地，若left_lane.quality＝0且right_lane.quality＝1，则center_lane.Coeffs[0]＝right_lane.Coeffs[0]+W/2,center_lane.Coeffs[i]＝right_lane.Coeffs[i]；[0119] D、当本车所处的车道为非平直车道，并且左右车道的相机识别质量均不佳时，本车换道的规划路径的轨迹系数为上述基于HouseHolder变换生成的本车换道的最优规划路径的轨迹系数。[0120] 第二方面，请参考图7，本申请提供了一种自动驾驶车辆换道路径的轨迹系数变换生成系统，包括离散点采样模块100、变换模块200和轨迹系数获取模块300，所述离散点采样模块100用于自动驾驶车辆准备换道时，以本车当前位姿、障碍物位置以及两车道的车道线的边界为约束条件，采样获取本车在两车道边界间进行换道的过程中的离散点；所述变换模块200用于构建本车换道规划路径的非线性问题求解函数，基于HouseHolder变换的QR分解方法，将本车换道规划路径的非线性问题求解函数转换为线性问题求解函数；所述轨迹系数获取模块300与所述离散点采样模块200和所述变换模块100通信连接，用于根据采集获取的离散点以及转换的线性问题求解函数，生成本车换道的最优规划路径的轨迹系数。[0121] 在一实施例中，请参考图8，本申请提供的自动驾驶车辆换道路径的轨迹系数变换生成系统还包括车道平直工况获取模块400和轨迹系数校正模块500，所述车道平直工况获取模块400用于获取本车所处车道的平直工况；轨迹系数校正模块500与所述车道平直工况获取模块400通信连接，用于根据本车所处车道的平直工况，执行不同的本车换道的规划路径的轨迹系数校正策略。[0122] 在一实施例中，所述轨迹系数校正模块包括第一轨迹系数校正获取单元和第二轨迹系数校正获取单元，所述第一轨迹系数校正获取单元，与所述车道平直工况获取模块通信连接，用于当本车所处的车道为平直车道时，将生产的本车换道的最优规划路径的轨迹系数作为本车换道的规划路径的轨迹系数；所述第二轨迹系数校正获取单元，与所述车道平直工况获取模块通信连接，用于当本车所处的车道为非平直车道时，根据本车所处车道的左右车道的相机识别质量，校正获取本车换道的规划路径的轨迹系数。[0123] 基于同一发明构思，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的所有方法步骤或部分方法步骤。[0124] 本申请实现上述方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read?OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。[0125] 基于同一发明构思，本申请实施例还提供一种电子设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。[0126] 所称处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field?ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。[0127] 存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(例如声音播放功能、图像播放功能等)；存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMediaCard，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。[0128] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。[0129] 本申请是参照根据本申请实施例的方法、设备(系统)、服务器和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0130] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0131] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0132] 显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

专利地区：湖北

专利申请日期：2023-09-25

专利公开日期：2024-10-18

专利公告号：CN117302258B