一种车辆的路径规划方法、装置、设备及介质与流程

1.本发明涉及自动驾驶车辆的路径规划技术领域，尤其涉及一种车辆的路径规划方法、装置、设备及介质。


背景技术：

2.自动驾驶车辆是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。对于自动驾驶车辆来说，路径规划是关系到车辆行驶安全性及稳定性的重要因素。
3.相关技术中的车辆行驶轨迹预测方案，在轨迹规划的过程中考虑的影响行车的因素有限，设定的约束条件有限，仅对未来某段时间内轨迹预测（通常时间较短，如1秒）。导致车辆行驶中出现“画龙”的问题，例如车辆左右摇摆，车辆沿着预测轨迹行驶的过程中速度和加速度不稳定，增加了道路行车的风险。


技术实现要素：

4.本发明提供了一种车辆的路径规划方法、装置、设备及介质，可以实现提升轨迹规划结果与人工驾驶估计相似度，可以提高轨迹稳定性，保障动作空间的连续性，减少轨迹频繁变化导致的控制画龙问题。
5.根据本发明的一方面，提供了一种车辆的路径规划方法，该方法包括：
6.确定目标车辆在当前时刻的目标数据；所述目标数据包括车身信息、自车状态信息、障碍物信息以及地图信息；所述自车状态信息包括位置信息以及运动状态信息；
7.根据所述目标数据以及基于预测模型得到所述目标车辆在至少一个第一预测时刻的自车状态信息以及所述目标车辆在第二预测时刻的自车状态信息；所述第一预测时刻早于所述第二预测时刻；所述预测模型基于至少一个历史车辆的历史数据进行训练得到；
8.根据所述目标数据、所述第一预测时刻的自车状态信息以及所述第二预测时刻的自车状态信息确定所述目标车辆的目标行驶路径。
9.根据本发明的另一方面，提供了一种车辆的路径规划装置，该装置包括：
10.目标数据确定模块，用于确定目标车辆在当前时刻的目标数据；所述目标数据包括车身信息、自车状态信息、障碍物信息以及地图信息；所述自车状态信息包括位置信息以及运动状态信息；
11.未来时刻自车状态信息确定模块，用于根据所述目标数据以及基于预测模型得到所述目标车辆在至少一个第一预测时刻的自车状态信息以及所述目标车辆在第二预测时刻的自车状态信息；所述第一预测时刻早于所述第二预测时刻；所述预测模型基于至少一个历史车辆的历史数据进行训练得到；
12.目标行驶路径确定模块，用于根据所述目标数据、所述第一预测时刻的自车状态信息以及所述第二预测时刻的自车状态信息确定所述目标车辆的目标行驶路径。
13.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
14.至少一个处理器；以及
15.与所述至少一个处理器通信连接的存储器；其中，
16.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的车辆的路径规划方法。
17.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的车辆的路径规划方法。
18.本发明实施例的技术方案，确定目标车辆在当前时刻的目标数据；目标数据包括车身信息、自车状态信息、障碍物信息以及地图信息；自车状态信息包括位置信息以及运动状态信息；根据目标数据以及基于预测模型得到目标车辆在至少一个第一预测时刻的自车状态信息以及目标车辆在第二预测时刻的自车状态信息；第一预测时刻早于第二预测时刻；预测模型基于至少一个历史车辆的历史数据进行训练得到；根据目标数据、第一预测时刻的自车状态信息以及第二预测时刻的自车状态信息确定目标车辆的目标行驶路径。通过执行本发明实施例提供的方案，可以实现提升轨迹规划结果与人工驾驶估计相似度，可以提高轨迹稳定性，保障动作空间的连续性，减少轨迹频繁变化导致的控制画龙问题。
19.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
20.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1是本发明实施例提供的一种车辆的路径规划方法的流程图；
22.图2是本发明实施例提供的另一种车辆的路径规划方法的流程图；
23.图3是本发明实施例提供的预测模型的确定过程的流程图；
24.图4是本发明实施例提供的历史数据中的第二真实轨迹时刻点示意图；
25.图5是本发明实施例提供的目标车辆的目标运动路径示意图；
26.图6是本发明实施例提供的一种车辆的路径规划装置的结构示意图；
27.图7是实现本发明实施例的车辆的路径规划方法的电子设备的结构示意图。
具体实施方式
28.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
29.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第
二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
30.图1是本发明实施例提供的车辆的路径规划方法的流程图，本实施例可适用于对自动驾驶车辆的行驶路径进行规划的情况，该方法可以由车辆的路径规划装置来执行，该车辆的路径规划装置可以采用硬件和/或软件的形式实现，该车辆的路径规划装置可配置于用于车辆的路径规划的电子设备中。如图1所示，该方法包括：
31.s110: 确定目标车辆在当前时刻的目标数据。
32.其中，所述目标数据包括车身信息、自车状态信息、障碍物信息以及地图信息；所述自车状态信息包括位置信息以及运动状态信息。
33.示例性的，目标车辆为自车，本方案可以采用frenet坐标系，并将当前时刻目标车辆所在的位置作为坐标原点，确定目标车辆在当前时刻的目标数据。车身信息可以是目标车辆的车长和车宽。障碍物信息可以是当前时刻目标车辆周围的动态障碍物、静态障碍物的信息，动态障碍物可以是车辆、行人，静态障碍物可以是路障、路沿。以障碍物为车辆为例，障碍物信息可以是包括障碍物的纵向坐标，横向坐标，车头朝向，纵向速度，横向速度，车长，车宽中的至少一项。位置信息可以是目标车辆的纵向坐标，横向坐标，车头朝向中的至少一项。运动状态信息可以是目标车辆的纵向速度，横向速度，纵向加速度，横向加速度中的至少一项。地图信息为高清地图数据。
34.s120: 根据所述目标数据以及基于预测模型得到所述目标车辆在至少一个第一预测时刻的自车状态信息以及所述目标车辆在第二预测时刻的自车状态信息。
35.其中，所述第一预测时刻早于所述第二预测时刻；所述预测模型基于至少一个历史车辆的历史数据进行训练得到。
36.示例性的，历史数据中可以包括历史车辆在各个轨迹点的时间信息，运动状态信息以及位置信息。本方案可以根据当前时刻的地图信息以及目标车辆在当前时刻的自车状态信息确定当前时刻目标车辆所在车道的参考线，然后根据当前时刻目标车辆所在的位置从参考线上每隔20cm确定距离坐标原点最近的100个点作为参考点，70个参考点位于坐标原点前方，30个参考点位于坐标原点后方。并确定当前时刻目标车辆的各个参考点信息，参考点信息可以用参考点纵向坐标，参考点横向坐标，参考线长度，参考线朝向，曲率来表示。其中，参考线长度为参考点与坐标原点之间的距离。参考线朝向可以根据当前时刻的地图信息确定。曲率可以是当前参考点与前一个参考点连成的直线的曲率。本方案可以将目标数据中的车身信息以及自车状态信息用a表示，障碍物信息用b表示，当前时刻目标车辆的参考点信息用c表示，由于目标数据中的车身信息为目标车辆的车长和车宽。目标数据中的自车状态信息包括目标车辆的纵向坐标，横向坐标，车头朝向，纵向速度，横向速度，纵向加速度，横向加速度。障碍物的数量可以根据实际需要设置，例如为64个，障碍物信息包括纵向坐标，横向坐标，车头朝向，纵向速度，横向速度，车长，车宽。参考点的数量为100个，参考点信息包括参考点纵向坐标，参考点横向坐标，参考线长度，参考线朝向，曲率。a，b，c的输
入向量维度均不同，a的向量维度为[1，9]，b为[64，7]，c为[100，5]，本方案可以分别将a，b，c进行向量化处理得到向量a’、b’和c’，向量化尺度均为128，即a’的向量维度为[1，128]，b’的向量维度为[64，128]，c’的向量维度为[100，128]。
[0037]
然后，将前述步骤中确定的a’、b’和c’进行拼接得到向量aa（k向量）以及向量bb（v向量），将向量a’作为q向量。向量aa和向量bb的向量维度均为[165，128]。将向量aa、向量a’、向量bb输入至预测模型中得到目标车辆在至少一个第一预测时刻的自车状态信息以及目标车辆在第二预测时刻的自车状态信息，如图2所示。第一预测时刻介于当前时刻与第二预测时刻之间。可以实现在轨迹规划过程中对车辆的行驶路径进行长期目标和短期目标的约束，相对于现有技术中只关注短期目标的轨迹规划方案，可以实现车辆行驶的稳定性，可以对行驶轨迹进行优化。
[0038]
在本实施例中，可选的，预测模型的确定过程，包括：对于每一个历史数据，根据所述历史数据确定所述历史车辆的起始数据；所述起始数据包括所述历史车辆在所述历史数据中起始时刻的车身信息、自车状态信息、障碍物信息以及参考点信息；所述参考点根据所述起始数据以及预设距离确定；将所述起始数据输入至预设的预测算法中得到第一历史预测时刻的自车状态信息和第二历史预测时刻的自车状态信息；确定所述历史数据中所述历史车辆在第一真实轨迹时刻的自车状态信息；所述第一真实轨迹时刻根据所述起始时刻以及预设周期确定；确定所述历史数据中所述历史车辆在第二真实轨迹时刻的自车状态信息；根据所述起始数据、各所述历史预测时刻历史车辆的自车状态信息、各所述真实轨迹时刻历史车辆的自车状态信息以及预设的预测算法的损失函数确定所述预测模型。
[0039]
其中，如图3所示，以某个历史车辆的历史数据为例，本方案可以采用frenet坐标系，并将该历史数据中起始时刻历史车辆所在的位置作为坐标原点，确定历史车辆在起始时刻的起始数据。起始数据中的车身信息为历史车辆的车长和车宽。起始数据中的自车状态信息包括历史车辆在起始时刻的位置信息和运动状态信息。位置信息可以是历史车辆的纵向坐标，横向坐标，车头朝向中的至少一项。运动状态信息可以是历史车辆的纵向速度，横向速度，纵向加速度，横向加速度中的至少一项。
[0040]
起始数据中的障碍物信息可以是与起始时刻历史车辆的位置距离最近的64个障碍物的信息，可以用纵向坐标，横向坐标，车头朝向，纵向速度，横向速度，车长，车宽对障碍物信息进行表示。
[0041]
预设距离可以根据实际需要设置，例如20cm。本方案可以根据起始时刻历史车辆的位置信息确定历史车辆所在车道的参考线，进而根据预设距离以及历史车辆在起始时刻的位置信息确定参考线上若干个参考点，然后根据起始时刻的地图数据确定各参考点的参考点信息，参考点信息用参考点纵向坐标，参考点横向坐标，参考线长度，参考线朝向，曲率来表示。
[0042]
预设的预测算法可以根据实际需要选择，通过预设的预测算法对历史车辆的起始数据进行处理可以得到至少一个第一历史预测时刻历史车辆的自车状态信息以及第二历史预测时刻历史车辆的自车状态信息，第一历史预测时刻早于第二历史预测时刻。
[0043]
预设周期可以根据实际需要设置，例如预设周期可以为2s。本方案可以从起始时刻开始，按照预设周期确定至少一个第一真实轨迹时刻，并确定历史数据中第一真实轨迹时刻历史车辆的自车状态信息。并且本方案还可以确定历史数据中的第二真实轨迹时刻，
进而确定历史数据中第二真实轨迹时刻历史车辆的自车状态信息。自车状态信息可以是位置信息和运动状态信息。第二真实轨迹时刻可以为与起始时刻相隔60帧的时刻，或者第二真实轨迹时刻历史车辆的位置信息偏离历史车辆所在车道的参考线。历史数据中相邻两轨迹点间的间隔时间可以为0.1s。
[0044]
最后，本方案可以根据各个历史数据确定的起始数据、各历史预测时刻历史车辆的自车状态信息、各真实轨迹时刻历史车辆的自车状态信息基于预设的损失函数对预设的预测算法进行训练以确定预测模型。例如当损失函数的损失值收敛或者损失函数的损失值满足一定条件时，表示预设的预测算法中的参数优化完成，将参数优化完成的预设的预测算法作为预测模型。可以实现通过历史车辆的历史数据确定预测模型，为后续的路径规划提供了可靠的数据基础。
[0045]
在一个可行的实施方式中，可选的，参考点的确定过程包括：根据所述历史数据确定所述历史车辆所在的目标车道；确定所述目标车道的目标参考线；根据所述起始数据从所述目标参考线中按预设距离确定预设数量的参考点。
[0046]
其中，以预设距离为20cm为例，本方案可以根据起始时刻的地图数据以及历史车辆在起始时刻的位置信息确定历史车辆所在车道的参考线，然后基于历史车辆在起始时刻的位置信息从参考线上每隔20cm确定距离坐标原点最近的100个点作为参考点，70个参考点位于坐标原点前方，30个参考点位于坐标原点后方。可以实现为得到预测模型提供可靠的训练数据。
[0047]
在另一个可行的实施方式中，可选的，第二真实轨迹时刻的确定过程包括：将所述历史数据中距离起始时刻预设时间段的时刻作为第二真实轨迹时刻；或者，确定所述历史数据中每个轨迹点的朝向角，并确定每个轨迹点的朝向角与前一个轨迹点的朝向角的朝向角差值，当所述朝向角差值的绝对值大于预设阈值时，确定所述历史车辆在所述历史数据中该轨迹点的时刻为第二真实轨迹时刻。
[0048]
其中，本方案可以基于起始时刻从历史数据中确定第二真实轨迹时刻，例如如图4所示，第二真实轨迹时刻可以为历史数据中发生跳跃的节点（黑色的航点）对应的时刻。本方案可以通过获取历史数据中每个轨迹点的朝向角，并确定每个轨迹点的航向角与其前一个轨迹点的朝向角的朝向角差值，当朝向角差值的绝对值大于预设阈值时，确定历史车辆在该历史数据中该轨迹点的时刻为第二真实轨迹时刻。另外，如果通过上述确定第二真实轨迹时刻的方案直到查询至第60帧（每帧为0.1s）仍未找到发生跳跃的节点，且在历史数据中第60帧对应的位置距离历史车辆在起始时刻的位置的纵向距离超过2.0米，则选取历史数据中第60帧时为第二真实轨迹时刻。可以实现确定长期约束目标，为确定较优的规划轨迹提供了可靠的约束条件。
[0049]
在又一个可行的实施方式中，可选的，所述预设的预测算法包括自注意力算法；所述自注意力算法的网络结构包括自注意力层和多头-多层全连接层；所述第一历史预测时刻的自车状态信息和所述第二历史预测时刻的自车状态信息的确定过程，包括：将所述起始数据中的车身信息以及自车状态信息进行向量化处理得到第一向量；将所述起始数据中的障碍物信息进行向量化处理得到第二向量；将所述起始数据中的参考点信息进行向量化处理得到第三向量；将所述第一向量、所述第二向量以及所述第三向量进行拼接得到第一目标向量以及第二目标向量；将所述第一目标向量、所述第一向量、所述第二目标向量经过
所述自注意力层、所述多头-多层全连接层进行处理，得到所述第一历史预测时刻所述历史车辆的目标规划结果和所述第二历史预测时刻所述历史车辆的目标规划结果；所述目标规划结果包括空间规划结果和运动规划结果。
[0050]
其中，本方案可以将起始数据中的车身信息以及自车状态信息用ego表示，障碍物信息用agent表示，参考点信息用refline表示，由于起始数据中的车身信息为历史车辆的车长和车宽。起始数据中的自车状态信息包括历史车辆的纵向坐标，横向坐标，车头朝向，纵向速度，横向速度，纵向加速度，横向加速度。障碍物的数量为64个，障碍物信息包括纵向坐标，横向坐标，车头朝向，纵向速度，横向速度，车长，车宽。参考点的数量为100个，参考点信息包括参考点纵向坐标，参考点横向坐标，参考线长度，参考线朝向，曲率。ego，agent，refline的输入向量维度均不同，ego的向量维度为[1，9]，agent为[64，7]，refline为[100，5]，本方案可以分别将ego，agent，refline进行向量化处理得到第一向量、第二向量和第三向量，向量化尺度均为128，即第一向量的向量维度为[1，128]，第二向量的向量维度为[64，128]，第三向量的向量维度为[100，128]。
[0051]
其中，本方案可以将前述步骤中确定的第一向量、第二向量以及第三向量进行拼接得到第一目标向量（k向量）以及第二目标向量（v向量），将第一向量作为q向量。第一目标向量和第二目标向量的向量维度均为[165，128]。将第一目标向量、第一向量、第二目标向量作为自注意力算法中自注意力层的输入，得到经过自注意力层处理后的数据，将经过自注意力层处理后的数据作为自注意力算法中多头-多层全连接层的输入，得到至少一个第一历史预测时刻历史车辆的目标规划结果和第二历史预测时刻历史车辆的目标规划结果。目标规划结果中的空间规划结果可以为位置信息，运动规划结果可以为运动状态信息。可以实现为得到预测模型提供可靠的训练数据。
[0052]
在又一个可行的实施方式中，可选的，基于如下公式确定损失函数：
[0053]
；
[0054]
其中，表示所述损失函数的损失值，α表示第一真实轨迹时刻目标整体损失函数权重，β表示第二真实轨迹时刻目标整体损失函数权重； 分别表示第一真实轨迹时刻空间目标损失函数，第一真实轨迹时刻运动目标损失函数，第二真实轨迹时刻空间目标损失函数，第二真实轨迹时刻运动目标损失函数；γ1，γ2，γ3，γ4分别表示第一真实轨迹时刻空间目标损失函数权重，第一真实轨迹时刻运动目标损失函数权重，第二真实轨迹时刻空间目标损失函数权重，第二真实轨迹时刻运动目标损失函数权重。
[0055]
示例性的，α为第一真实轨迹时刻目标整体损失函数权重，取值可以根据实际需要进行设置，例如0.7。β为第二真实轨迹时刻目标整体损失函数权重，取值可以根据实际需要进行设置，例如为0.3。γ1，γ2，γ3，γ4的取值可以根据实际需要进行设置，取值可以都相同也可以都不同，例如取值都为0.5。空间目标可以包括历史车辆的纵向坐标，横向坐标，车头朝向。运动目标可以包括历史车辆的速度，加速度。可以实现得到较优的规划路径，为车辆行驶的稳定性提供可靠的数据基础。
[0056]
在又一个可行的实施方式中，可选的，所述第一真实轨迹时刻空间目标损失函数包括所述历史车辆在第一历史预测时刻的位置信息与所述历史车辆在第一真实轨迹时刻
的位置信息的差异；第一真实轨迹时刻运动目标损失函数包括所述历史车辆在第一历史预测时刻的运动状态信息与所述历史车辆在第一真实轨迹时刻的运动状态信息的差异；第二真实轨迹时刻空间目标损失函数包括所述历史车辆在第二历史预测时刻的位置信息与所述历史车辆在第二真实轨迹时刻的位置信息的差异；所述第二真实轨迹时刻运动目标损失函数包括所述历史车辆在第二历史预测时刻的运动状态信息与所述历史车辆在第二真实轨迹时刻的运动状态信息的差异。其中，历史车辆在第一历史预测时刻的信息与历史车辆在第一真实轨迹时刻的信息的差异可以根据实际需要进行设置，例如可以是信息之间的差值。由于通过自注意力算法预测得到的第一历史预测时刻的位置信息与历史数据中第一真实轨迹时刻的位置信息很大概率并不一致，通过自注意力算法预测得到的第一历史预测时刻的运动状态信息与历史数据中第一真实轨迹时刻的运动状态很大概率并不一致，通过自注意力算法预测得到的第二历史预测时刻的位置信息与历史数据中第二真实轨迹时刻的位置信息很大概率并不一致，通过自注意力算法预测得到的第二历史预测时刻的运动状态信息与历史数据中第二真实轨迹时刻的运动状态信息很大概率并不一致。本方案可以将第一真实轨迹时刻空间目标损失函数设置为包括历史车辆在第一历史预测时刻的位置信息与历史车辆在第一真实轨迹时刻的位置信息的差异。将第一真实轨迹时刻运动目标损失函数设置为包括历史车辆在第一历史预测时刻的运动状态信息与历史车辆在第一真实轨迹时刻的运动状态信息的差异。将第二真实轨迹时刻空间目标损失函数设置为包括历史车辆在第二历史预测时刻的位置信息与历史车辆在第二真实轨迹时刻的位置信息的差异。将第二真实轨迹时刻运动目标损失函数设置为包括历史车辆在第二历史预测时刻的运动状态信息与历史车辆在第二真实轨迹时刻的运动状态信息的差异。可以实现为得到较优的规划路径，为车辆行驶的稳定性提供可靠的数据基础。可以实现为得到较优的规划路径，为车辆行驶的稳定性提供可靠的数据基础。
[0057]
s130: 根据所述目标数据、所述第一预测时刻的自车状态信息以及所述第二预测时刻的自车状态信息确定所述目标车辆的目标行驶路径。
[0058]
其中，如图2所示，本方案可以对目标数据、各第一预测时刻的自车状态信息以及第二预测时刻的自车状态信息采用最优轨迹算法和五阶多项式进行处理，得到当前时刻与第一预测时刻之间各时刻、各第一预测时刻之间各时刻、第一预测时刻与第二预测时刻之间各时刻目标车辆的自车状态信息，即对未来一段时间之内连续时刻的自车状态信息进行确定，可以得到目标车辆的目标行驶路径，完成目标车辆的行驶轨迹规划，如图5所示。
[0059]
本发明实施例的技术方案，确定目标车辆在当前时刻的目标数据；目标数据包括车身信息、自车状态信息、障碍物信息以及地图信息；自车状态信息包括位置信息以及运动状态信息；根据目标数据以及基于预测模型得到目标车辆在至少一个第一预测时刻的自车状态信息以及目标车辆在第二预测时刻的自车状态信息；第一预测时刻早于第二预测时刻；预测模型基于至少一个历史车辆的历史数据进行训练得到；根据目标数据、第一预测时刻的自车状态信息以及第二预测时刻的自车状态信息确定目标车辆的目标行驶路径。通过执行本发明实施例提供的方案，可以实现提升轨迹规划结果与人工驾驶估计相似度，可以提高轨迹稳定性，保障动作空间的连续性，减少轨迹频繁变化导致的控制画龙问题。
[0060]
图6是本发明实施例提供的车辆的路径规划装置的结构示意图。如图6所示，该装置包括：
[0061]
目标数据确定模块310，用于确定目标车辆在当前时刻的目标数据；所述目标数据包括车身信息、自车状态信息、障碍物信息以及地图信息；所述自车状态信息包括位置信息以及运动状态信息；
[0062]
未来时刻自车状态信息确定模块320，用于根据所述目标数据以及基于预测模型得到所述目标车辆在至少一个第一预测时刻的自车状态信息以及所述目标车辆在第二预测时刻的自车状态信息；所述第一预测时刻早于所述第二预测时刻；所述预测模型基于至少一个历史车辆的历史数据进行训练得到；
[0063]
目标行驶路径确定模块330，用于根据所述目标数据、所述第一预测时刻的自车状态信息以及所述第二预测时刻的自车状态信息确定所述目标车辆的目标行驶路径。
[0064]
可选的，所述装置还包括预测模型确定模块，包括起始数据确定单元，用于在根据所述目标数据以及基于预测模型得到所述目标车辆在至少一个第一预测时刻的自车状态信息以及所述目标车辆在第二预测时刻的自车状态信息之前，对于每一个历史数据，根据所述历史数据确定所述历史车辆的起始数据；所述起始数据包括所述历史车辆在所述历史数据中起始时刻的车身信息、自车状态信息、障碍物信息以及参考点信息；所述参考点根据所述起始数据以及预设距离确定；历史预测时刻自车状态信息确定单元，用于将所述起始数据输入至预设的预测算法中得到第一历史预测时刻的自车状态信息和第二历史预测时刻的自车状态信息；历史车辆第一自车状态信息确定单元，用于确定所述历史数据中所述历史车辆在第一真实轨迹时刻的自车状态信息；所述第一真实轨迹时刻根据所述起始时刻以及预设周期确定；历史车辆第二自车状态信息确定单元，用于确定所述历史数据中所述历史车辆在第二真实轨迹时刻的自车状态信息；预测模型确定单元，用于根据所述起始数据、各所述历史预测时刻历史车辆的自车状态信息、各所述真实轨迹时刻历史车辆的自车状态信息以及预设的预测算法的损失函数确定所述预测模型。
[0065]
可选的，起始数据确定单元，具体用于根据所述历史数据确定所述历史车辆所在的目标车道；确定所述目标车道的目标参考线；根据所述起始数据从所述目标参考线中按预设距离确定预设数量的参考点。
[0066]
可选的，历史车辆第二自车状态信息确定单元，具体用于将所述历史数据中距离起始时刻预设时间段的时刻作为第二真实轨迹时刻；或者，依次确定所述历史数据中每个轨迹点的朝向角，并确定每个轨迹点的朝向角与前一个轨迹点的朝向角的朝向角差值，当所述朝向角差值的绝对值大于预设阈值时，确定所述历史车辆在所述历史数据中该轨迹点的时刻为第二真实轨迹时刻。
[0067]
可选的，所述预设的预测算法包括自注意力算法；所述自注意力算法的网络结构包括自注意力层和多头-多层全连接层；历史预测时刻自车状态信息确定单元，包括第一向量确定子单元，用于将所述起始数据中的车身信息以及自车状态信息进行向量化处理得到第一向量；第二向量确定子单元，用于将所述起始数据中的障碍物信息进行向量化处理得到第二向量；第三向量确定子单元，用于将所述起始数据中的参考点信息进行向量化处理得到第三向量；拼接子单元，用于将所述第一向量、所述第二向量以及所述第三向量进行拼接得到第一目标向量以及第二目标向量；目标规划结果确定子单元，用于将所述第一目标向量、所述第一向量、所述第二目标向量经过所述自注意力层、所述多头-多层全连接层进行处理，得到所述第一历史预测时刻所述历史车辆的目标规划结果和所述第二历史预测时
刻所述历史车辆的目标规划结果；所述目标规划结果包括空间规划结果和运动规划结果。
[0068]
可选的，预测模型确定单元，具体用于基于如下公式确定损失函数：
[0069]
；
[0070]
其中，表示所述损失函数的损失值，α表示第一真实轨迹时刻目标整体损失函数权重，β表示第二真实轨迹时刻目标整体损失函数权重；分别表示第一真实轨迹时刻空间目标损失函数，第一真实轨迹时刻运动目标损失函数，第二真实轨迹时刻空间目标损失函数，第二真实轨迹时刻运动目标损失函数；γ1，γ2，γ3，γ4分别表示第一真实轨迹时刻空间目标损失函数权重，第一真实轨迹时刻运动目标损失函数权重，第二真实轨迹时刻空间目标损失函数权重，第二真实轨迹时刻运动目标损失函数权重。
[0071]
可选的，所述第一真实轨迹时刻空间目标损失函数包括所述历史车辆在第一历史预测时刻的位置信息与所述历史车辆在第一真实轨迹时刻的位置信息的差异；第一真实轨迹时刻运动目标损失函数包括所述历史车辆在第一历史预测时刻的运动状态信息与所述历史车辆在第一真实轨迹时刻的运动状态信息的差异；第二真实轨迹时刻空间目标损失函数包括所述历史车辆在第二历史预测时刻的位置信息与所述历史车辆在第二真实轨迹时刻的位置信息的差异；所述第二真实轨迹时刻运动目标损失函数包括所述历史车辆在第二历史预测时刻的运动状态信息与所述历史车辆在第二真实轨迹时刻的运动状态信息的差异。
[0072]
本发明实施例所提供的车辆的路径规划装置可执行本发明任意实施例所提供的车辆的路径规划方法，具备执行方法相应的功能模块和有益效果。
[0073]
图7示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0074]
如图7所示，电子设备40包括至少一个处理器41，以及与至少一个处理器41通信连接的存储器，如只读存储器（rom）42、随机访问存储器（ram）43等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器41可以根据存储在只读存储器（rom）42中的计算机程序或者从存储单元48加载到随机访问存储器（ram）43中的计算机程序，来执行各种适当的动作和处理。在ram 43中，还可存储电子设备40操作所需的各种程序和数据。处理器41、rom 42以及ram 43通过总线44彼此相连。输入/输出（i/o）接口45也连接至总线44。
[0075]
电子设备40中的多个部件连接至i/o接口45，包括：输入单元46，例如键盘、鼠标等；输出单元47，例如各种类型的显示器、扬声器等；存储单元48，例如磁盘、光盘等；以及通信单元49，例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0076]
处理器41可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器41的一些示例包括但不限于中央处理单元（cpu）、图形处理单元（gpu）、各种专用的人工智能
（ai）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（dsp）、以及任何适当的处理器、控制器、微控制器等。处理器41执行上文所描述的各个方法和处理，例如车辆的路径规划方法。
[0077]
在一些实施例中，车辆的路径规划方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元48。在一些实施例中，计算机程序的部分或者全部可以经由rom 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到ram 43并由处理器41执行时，可以执行上文描述的车辆的路径规划方法的一个或多个步骤。备选地，在其他实施例中，处理器41可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行车辆的路径规划方法。
[0078]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、芯片上系统的系统（soc）、负载可编程逻辑设备（cpld）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0079]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0080]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦除可编程只读存储器（eprom或快闪存储器）、光纤、便捷式紧凑盘只读存储器（cd-rom）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0081]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，crt（阴极射线管）或者lcd（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
[0082]
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界
面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（lan）、广域网（wan）、区块链网络和互联网。
[0083]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0084]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0085]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种车辆的路径规划方法，其特征在于，包括：确定目标车辆在当前时刻的目标数据；所述目标数据包括车身信息、自车状态信息、障碍物信息以及地图信息；所述自车状态信息包括位置信息以及运动状态信息；根据所述目标数据以及基于预测模型得到所述目标车辆在至少一个第一预测时刻的自车状态信息以及所述目标车辆在第二预测时刻的自车状态信息；所述第一预测时刻早于所述第二预测时刻；所述预测模型基于至少一个历史车辆的历史数据进行训练得到；根据所述目标数据、所述第一预测时刻的自车状态信息以及所述第二预测时刻的自车状态信息确定所述目标车辆的目标行驶路径。2.根据权利要求1所述的方法，其特征在于，预测模型的确定过程，包括：对于每一个历史数据，根据所述历史数据确定所述历史车辆的起始数据；所述起始数据包括所述历史车辆在所述历史数据中起始时刻的车身信息、自车状态信息、障碍物信息以及参考点信息；所述参考点根据所述起始数据以及预设距离确定；将所述起始数据输入至预设的预测算法中得到第一历史预测时刻的自车状态信息和第二历史预测时刻的自车状态信息；确定所述历史数据中所述历史车辆在第一真实轨迹时刻的自车状态信息；所述第一真实轨迹时刻根据所述起始时刻以及预设周期确定；确定所述历史数据中所述历史车辆在第二真实轨迹时刻的自车状态信息；根据所述起始数据、各所述历史预测时刻历史车辆的自车状态信息、各所述真实轨迹时刻历史车辆的自车状态信息以及预设的预测算法的损失函数确定所述预测模型。3.根据权利要求2所述的方法，其特征在于，参考点的确定过程包括：根据所述历史数据确定所述历史车辆所在的目标车道；确定所述目标车道的目标参考线；根据所述起始数据从所述目标参考线中按预设距离确定预设数量的参考点。4.根据权利要求2所述的方法，其特征在于，第二真实轨迹时刻的确定过程包括：将所述历史数据中距离起始时刻预设时间段的时刻作为第二真实轨迹时刻；或者，依次确定所述历史数据中每个轨迹点的朝向角，并确定每个轨迹点的朝向角与前一个轨迹点的朝向角的朝向角差值，当所述朝向角差值的绝对值大于预设阈值时，确定所述历史车辆在所述历史数据中该轨迹点的时刻为第二真实轨迹时刻。5.根据权利要求2所述的方法，其特征在于，所述预设的预测算法包括自注意力算法；所述自注意力算法的网络结构包括自注意力层和多头-多层全连接层；所述第一历史预测时刻的自车状态信息和所述第二历史预测时刻的自车状态信息的确定过程，包括：将所述起始数据中的车身信息以及自车状态信息进行向量化处理得到第一向量；将所述起始数据中的障碍物信息进行向量化处理得到第二向量；将所述起始数据中的参考点信息进行向量化处理得到第三向量；将所述第一向量、所述第二向量以及所述第三向量进行拼接得到第一目标向量以及第二目标向量；将所述第一目标向量、所述第一向量、所述第二目标向量经过所述自注意力层、所述多头-多层全连接层进行处理，得到所述第一历史预测时刻所述历史车辆的目标规划结果和所述第二历史预测时刻所述历史车辆的目标规划结果；所述目标规划结果包括空间规划结
果和运动规划结果。6.根据权利要求2所述的方法，其特征在于，基于如下公式确定损失函数：；其中， 表示所述损失函数的损失值，α表示第一真实轨迹时刻目标整体损失函数权重，β表示第二真实轨迹时刻目标整体损失函数权重； 分别表示第一真实轨迹时刻空间目标损失函数，第一真实轨迹时刻运动目标损失函数，第二真实轨迹时刻空间目标损失函数，第二真实轨迹时刻运动目标损失函数；γ1，γ2，γ3，γ4分别表示第一真实轨迹时刻空间目标损失函数权重，第一真实轨迹时刻运动目标损失函数权重，第二真实轨迹时刻空间目标损失函数权重，第二真实轨迹时刻运动目标损失函数权重。7.根据权利要求6所述的方法，其特征在于，所述第一真实轨迹时刻空间目标损失函数包括所述历史车辆在第一历史预测时刻的位置信息与所述历史车辆在第一真实轨迹时刻的位置信息的差异；第一真实轨迹时刻运动目标损失函数包括所述历史车辆在第一历史预测时刻的运动状态信息与所述历史车辆在第一真实轨迹时刻的运动状态信息的差异；第二真实轨迹时刻空间目标损失函数包括所述历史车辆在第二历史预测时刻的位置信息与所述历史车辆在第二真实轨迹时刻的位置信息的差异；所述第二真实轨迹时刻运动目标损失函数包括所述历史车辆在第二历史预测时刻的运动状态信息与所述历史车辆在第二真实轨迹时刻的运动状态信息的差异。8.一种车辆的路径规划装置，其特征在于，包括：目标数据确定模块，用于确定目标车辆在当前时刻的目标数据；所述目标数据包括车身信息、自车状态信息、障碍物信息以及地图信息；所述自车状态信息包括位置信息以及运动状态信息；未来时刻自车状态信息确定模块，用于根据所述目标数据以及基于预测模型得到所述目标车辆在至少一个第一预测时刻的自车状态信息以及所述目标车辆在第二预测时刻的自车状态信息；所述第一预测时刻早于所述第二预测时刻；所述预测模型基于至少一个历史车辆的历史数据进行训练得到；目标行驶路径确定模块，用于根据所述目标数据、所述第一预测时刻的自车状态信息以及所述第二预测时刻的自车状态信息确定所述目标车辆的目标行驶路径。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的车辆的路径规划方法。10.一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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的车辆的路径规划方法。

技术总结
本发明公开了一种车辆的路径规划方法、装置、设备及介质。其中，所述方法包括：确定目标车辆在当前时刻的目标数据；根据目标数据以及基于预测模型得到目标车辆在至少一个第一预测时刻的自车状态信息以及目标车辆在第二预测时刻的自车状态信息；第一预测时刻早于第二预测时刻；预测模型基于至少一个历史车辆的历史数据进行训练得到；根据目标数据、第一预测时刻的自车状态信息以及第二预测时刻的自车状态信息确定目标车辆的目标行驶路径。通过执行本方案，可以实现提升轨迹规划结果与人工驾驶估计相似度，可以提高轨迹稳定性，保障动作空间的连续性，减少轨迹频繁变化导致的控制画龙问题。龙问题。龙问题。


技术研发人员：姚志鹏 李勇强 吕强 苗乾坤 王全
受保护的技术使用者：新石器慧通（北京）科技有限公司
技术研发日：2023.06.28
技术公布日：2023/8/1