[发明专利]用于输出信息的方法和装置

说明书

本公开的实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取待规划路径的场景信息，其中，所述场景信息，包括：障碍物位置信息、车辆始末位置、状态信息；根据场景信息建立最优控制问题模型，其中，最优控制问题模型包括优化目标和全程碰撞躲避约束条件；将全程碰撞躲避约束条件改造为局部碰撞躲避约束条件；采用离散化加优化的方式求解最优控制问题模型，并输出结果。该实施方式简化了路径规划求解过程，从而提高了求解速度。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

自动驾驶车辆是汇集了环境感知、规划决策、控制执行及信息交互的高新技术综合体，其规划决策模块负责生成车辆的行驶行为，是体现车辆智慧水平的关键。规划决策模块包括任务规划、路线规划、行为规划及运动规划等环节，其中运动规划环节负责生成车辆的局部运动轨迹，是决定车辆行驶质量的直接因素。路径规划是指生成衔接车辆运动起点、终点的几何曲线，并且满足车辆运动学规律、与环境中的障碍物不发生碰撞。常见的路径规划方法主要分为几何方法、采样方法、数值优化方法以及机器学习方法。现有技术具有以下缺点：

第一，车辆往往被当作质点，车体形状无法考虑。

第二，车辆运动学能力(即非完整约束条件)无法有效地考虑起来，曲线往往只是折线，较为粗糙。

第三，车辆在起始、终止时刻的车头朝向限制条件无法施加。

第四，如果采用完备的最优控制问题模型描述路径规划任务，则问题模型过于庞大，不利于迅速求解。

发明内容

本公开的实施例提出了用于输出信息的方法和装置。

第一方面，本公开的实施例提供了一种用于输出信息的方法，包括：获取待规划路径的场景信息，其中，所述场景信息，包括：障碍物位置信息、车辆始末位置、状态信息；根据场景信息建立最优控制问题模型，其中，最优控制问题模型包括优化目标和全程碰撞躲避约束条件；将全程碰撞躲避约束条件改造为局部碰撞躲避约束条件；求解最优控制问题模型，并输出结果。

在一些实施例中，最优控制问题模型还包括运动学方程约束和边值约束条件。

在一些实施例中，优化目标包括以下至少一项：车辆运动路径最短、车辆曲率累积变化量小于预定曲率值、车辆与障碍物的距离大于预定距离值。

在一些实施例中，运动学方程约束以路程为自变量进行建模。

在一些实施例中，求解最优控制问题模型，包括：采用差分方法对最优控制问题模型进行离散化；采用序列二次规划算法求解离散化后的最优控制问题模型。

第二方面，本公开的实施例提供了一种用于输出信息的装置，包括：获取单元，被配置成获取待规划路径的场景信息，其中，所述场景信息，包括：障碍物位置信息、车辆始末位置、状态信息；建立单元，被配置成根据场景信息建立最优控制问题模型，其中，最优控制问题模型包括优化目标和全程碰撞躲避约束条件；改造单元，被配置成将全程碰撞躲避约束条件改造为局部碰撞躲避约束条件；求解单元，被配置成求解最优控制问题模型，并输出结果。

在一些实施例中，最优控制问题模型还包括运动学方程约束和边值约束条件。

在一些实施例中，优化目标包括以下至少一项：车辆运动路径最短、车辆曲率累积变化量小于预定曲率值、车辆与障碍物的距离大于预定距离值。

在一些实施例中，运动学方程约束以路程为自变量进行建模。

在一些实施例中，求解单元进一步被配置成：采用差分方法对最优控制问题模型进行离散化；采用序列二次规划算法求解离散化后的最优控制问题模型。