本發(fā)明涉及自動駕駛，特別涉及一種端到端自動駕駛自車軌跡規(guī)劃方法、系統(tǒng)、設(shè)備及介質(zhì)。

背景技術(shù)：

1、自動駕駛領(lǐng)域一般分為感知、規(guī)劃及控制三大模塊，三者從感知到規(guī)劃再到控制模塊形成串行的結(jié)構(gòu)，逐級傳遞每層模塊的信息。對于此松耦合的串行自動駕駛架構(gòu)設(shè)計來說，有利于各個模塊的專業(yè)工程師并行開發(fā)及優(yōu)化，但不同模塊之間的最終優(yōu)化目標(biāo)可能不相同，整個系統(tǒng)很難找到一個最佳解決方案來平衡每個模塊。同時，串行方式可能會導(dǎo)致整個系統(tǒng)輸出存在累積誤差。故而近段時間學(xué)術(shù)界及工業(yè)界越來越將目光放在端到端自動駕駛架構(gòu)的研究及開發(fā)上，如圖1所示，緊耦合設(shè)計的端到端自動駕駛系統(tǒng)是傳統(tǒng)松耦合駕駛系統(tǒng)的一種演進(jìn)。

2、目前，一種主流的緊耦合端到端自動駕駛系統(tǒng)是整體基于dnn(deep?neuralnetwork深度神經(jīng)網(wǎng)絡(luò))/transformer(注意力機(jī)制)模型設(shè)計的，針對這樣的架構(gòu)設(shè)計可以用統(tǒng)一的一個目標(biāo)來優(yōu)化整個系統(tǒng)。同時，緊密耦合設(shè)計避免了每個模塊之間的累計誤差和全局優(yōu)化的不一致性。最后，可以在這樣緊耦合設(shè)計的系統(tǒng)上應(yīng)用模型量化、模型蒸餾和模型修剪技巧來提高模型的實(shí)時性。

3、現(xiàn)有的基于dnn/transformer的端到端算法往往僅依賴于傳感器的輸入，在端到端算法部署過程中并未考慮到其他因素提升精度，降低了規(guī)劃結(jié)果的精度。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明實(shí)施例提供了一種基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，以解決現(xiàn)有技術(shù)中基于現(xiàn)有端到端算法的規(guī)劃結(jié)果精度低的技術(shù)問題。該方法包括：

2、對感知數(shù)據(jù)提取bev特征；

3、將所述bev特征輸入基于適應(yīng)器的軌跡預(yù)測模塊，得到目標(biāo)物軌跡預(yù)測結(jié)果，其中，在所述軌跡預(yù)測模塊的訓(xùn)練過程中加入第一目標(biāo)物相關(guān)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)；

4、將所述bev特征輸入基于適應(yīng)器的地圖檢測模塊，得到檢測的局部地圖，其中，在所述地圖檢測模塊的訓(xùn)練過程中加入離線地圖作為訓(xùn)練數(shù)據(jù)；

5、將所述目標(biāo)物軌跡預(yù)測結(jié)果以及所述檢測的局部地圖輸入基于適應(yīng)器的規(guī)劃模塊，得到自車軌跡規(guī)劃結(jié)果，其中，在所述規(guī)劃模塊的訓(xùn)練過程中加入離線地圖和/或第二目標(biāo)物相關(guān)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。

6、本發(fā)明實(shí)施例還提供了一種于適應(yīng)器的端到端自動駕駛架構(gòu)系統(tǒng)，以解決現(xiàn)有技術(shù)中基于現(xiàn)有端到端算法的規(guī)劃結(jié)果精度低的技術(shù)問題。該系統(tǒng)包括：

7、特征提取模塊，用于對感知數(shù)據(jù)提取bev特征；

8、軌跡預(yù)測模塊，用于將所述bev特征輸入基于適應(yīng)器的軌跡預(yù)測模塊，得到目標(biāo)物軌跡預(yù)測結(jié)果，其中，在所述軌跡預(yù)測模塊的訓(xùn)練過程中加入第一目標(biāo)物相關(guān)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)；

9、地圖檢測模塊，用于將所述bev特征輸入基于適應(yīng)器的地圖檢測模塊，得到檢測的局部地圖，其中，在所述地圖檢測模塊的訓(xùn)練過程中加入離線地圖作為訓(xùn)練數(shù)據(jù)；

10、規(guī)劃模塊，用于將所述目標(biāo)物軌跡預(yù)測結(jié)果以及所述檢測的局部地圖輸入基于適應(yīng)器的規(guī)劃模塊，得到自車軌跡規(guī)劃結(jié)果，其中，在所述規(guī)劃模塊的訓(xùn)練過程中加入離線地圖和/或第二目標(biāo)物相關(guān)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。

11、本發(fā)明實(shí)施例還提供了一種計算機(jī)設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)上述任意的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，以解決現(xiàn)有技術(shù)中基于現(xiàn)有端到端算法的規(guī)劃結(jié)果精度低的技術(shù)問題。

12、本發(fā)明實(shí)施例還提供了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有執(zhí)行上述任意的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法的計算機(jī)程序，于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，以解決現(xiàn)有技術(shù)中基于現(xiàn)有端到端算法的規(guī)劃結(jié)果精度低的技術(shù)問題。

13、與現(xiàn)有技術(shù)相比，本說明書實(shí)施例采用的上述至少一個技術(shù)方案能夠達(dá)到的有益效果至少包括：提出了采用基于適應(yīng)器的軌跡預(yù)測模塊、基于適應(yīng)器的地圖檢測模塊和基于適應(yīng)器的規(guī)劃模塊進(jìn)行自動駕駛自車軌跡的規(guī)劃，實(shí)現(xiàn)了緊耦合的端到端自動駕駛架構(gòu)；同時，在基于適應(yīng)器的軌跡預(yù)測模塊、基于適應(yīng)器的地圖檢測模塊和基于適應(yīng)器的規(guī)劃模塊的訓(xùn)練過程中均加入了除傳感器數(shù)據(jù)之外的其他數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，有利于提高基于適應(yīng)器的軌跡預(yù)測模塊、基于適應(yīng)器的地圖檢測模塊和基于適應(yīng)器的規(guī)劃模塊中各自模塊的輸出結(jié)果的精度，進(jìn)而有利于提高規(guī)劃結(jié)果的精度。

技術(shù)特征：

1.一種基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，其特征在于，包括：

2.如權(quán)利要求1所述的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，其特征在于，將所述bev特征輸入基于適應(yīng)器的地圖檢測模塊，得到檢測的局部地圖，包括：

3.如權(quán)利要求1所述的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，其特征在于，將所述bev特征輸入基于適應(yīng)器的軌跡預(yù)測模塊，得到目標(biāo)物軌跡預(yù)測結(jié)果，包括：

4.如權(quán)利要求3所述的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，其特征在于，將所述融合目標(biāo)物感知結(jié)果以及所述檢測的局部地圖輸入第一軌跡預(yù)測器，輸出第一目標(biāo)軌跡預(yù)測結(jié)果，包括：

5.如權(quán)利要求1所述的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，其特征在于，將所述目標(biāo)物軌跡預(yù)測結(jié)果以及所述檢測的局部地圖輸入基于適應(yīng)器的規(guī)劃模塊，得到自車軌跡規(guī)劃結(jié)果，包括：

6.如權(quán)利要求5所述的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，其特征在于，將所述目標(biāo)物軌跡預(yù)測結(jié)果和所述檢測的局部地圖輸入第二局部路徑規(guī)劃器，輸出第二局部路徑規(guī)劃結(jié)果，包括：

7.如權(quán)利要求5所述的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法，其特征在于，將所述第一局部路徑規(guī)劃結(jié)果、所述第二局部路徑規(guī)劃結(jié)果和所述第三局部路徑規(guī)劃結(jié)果輸入第四適應(yīng)器，生成融合的局部路徑規(guī)劃結(jié)果，包括：

8.一種基于適應(yīng)器的端到端自動駕駛架構(gòu)系統(tǒng)，其特征在于，包括：

9.一種計算機(jī)設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)權(quán)利要求1至7中任一項所述的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法。

10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)存儲有執(zhí)行權(quán)利要求1至7中任一項所述的基于適應(yīng)器的端到端自動駕駛自車軌跡規(guī)劃方法的計算機(jī)程序。

技術(shù)總結(jié)
本發(fā)明實(shí)施例提供了一種端到端自動駕駛自車軌跡規(guī)劃方法、系統(tǒng)、設(shè)備及介質(zhì)，涉及自動駕駛技術(shù)領(lǐng)域，其中，該方法包括：對感知數(shù)據(jù)提取BEV特征；將BEV特征輸入基于適應(yīng)器的軌跡預(yù)測模塊，得到目標(biāo)物軌跡預(yù)測結(jié)果，在軌跡預(yù)測模塊的訓(xùn)練過程中加入第一目標(biāo)物相關(guān)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)；將BEV特征輸入基于適應(yīng)器的地圖檢測模塊，得到檢測的局部地圖，在地圖檢測模塊的訓(xùn)練過程中加入離線地圖作為訓(xùn)練數(shù)據(jù)；將目標(biāo)物軌跡預(yù)測結(jié)果以及檢測的局部地圖輸入基于適應(yīng)器的規(guī)劃模塊，得到自車軌跡規(guī)劃結(jié)果，在規(guī)劃模塊的訓(xùn)練過程中加入離線地圖和/或第二目標(biāo)物相關(guān)數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。該方案提高規(guī)劃結(jié)果的精度。

技術(shù)研發(fā)人員：王汝卓,李章洪,趙文博,王雅儒,程建偉
受保護(hù)的技術(shù)使用者：武漢極目智能技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6