[发明专利]一种基于全图与局部检测的车辆路径变换方法及装置

说明书

本发明实施例公开一种基于全图与局部检测的车辆路径变换方法及装置。该方法包括：通过全图‑局部交替检测的方式对他车进行车辆检测，然后利用检测得到的他车的包含有速度、位置和加速度的当前运动信息以及自车的当前运动信息，基于路径变换模型生成满足车辆位置约束且使预设目标函数达到预设收敛条件的规划路径。由于路径变换模型是利用自车和他车的运动信息和目标行驶路径训练得到的，因此，利用该路径变换模型可根据当前车辆和他车的运动信息得到与当前车辆进行路径更换时的目标行驶路径，又由于利用通过全图‑局部交替检测的方式来检测到他车，大大减少了计算量，本实施例这样设置提升了车辆路径变换的准确性和快速性。

技术领域

本发明涉及智能驾驶技术领域，具体而言，涉及一种基于全图与局部检测的车辆路径变换方法及装置。

背景技术

运动规划，就是在给定的位置A与位置B之间为无人驾驶车辆找到一条符合约束条件的路径。这个约束条件可以是无碰撞、路径最短、机械功最小等。是机器人学的一个重要研究领域。

对于安全高效的无人车规划来说，基于优化求解的规划办法可以给无人车提供一种最优策略。目前已有的路径规划算法，大多是基于搜索，生成一系列的满足动力学的可行轨迹，然后再通过碰撞检测，以及融合人为的一些轨迹特征筛选出较为合适的运动路径。

上述方式在实现过程中计算复杂度较大，且不适用于实时的应用过程，导致车辆进行路径变换的速度慢且准确性较低。

发明内容

本发明提供了一种基于全图与局部检测的车辆路径变换方法及装置，以提升车辆路径变换的准确性和快速性。具体的技术方案如下。

第一方面，本发明实施例提供了一种基于全图与局部检测的车辆路径变换方法，该方法包括：

当需要路径变换时，获取自车的采集设备实时采集的周围环境的当前视频帧图像；

判断所述当前视频帧图像与上一次进行全图车辆检测的视频帧图像之间的帧数间隔是否为预设间隔；

如果是预设间隔，根据预先建立的全图车辆检测模型对所述当前视频帧图像进行全图车辆检测；

当检测得到检出车辆的位置和类别且当前视频帧图像的上一视频帧图像不存在检出车辆时，将当前视频帧图像的检出车辆作为第一检出车辆，对于每个第一检出车辆，基于该第一检出车辆的位置确定该第一检出车辆在当前视频帧图像中对应的矩形图像区域，将所述矩形图像区域的宽度和高度分别缩放至预先建立的局部车辆检测模型输入图像的宽度和高度，将缩放后得到的矩形图像区域输入所述局部车辆检测模型中得到第二检出车辆的位置和类别，获取所述第二检出车辆的速度和加速度，并将所述第二检出车辆的速度、位置和加速度存入自车对应的环境感知信息中；

当未检测出检出车辆且当前视频帧图像的上一视频帧图像存在检出车辆时，将所述上一视频帧图像存在的检出车辆作为第三检出车辆，对于每个第三检出车辆，确定该第三检出车辆在当前视频帧图像中对应的矩形图像区域，将所述矩形图像区域的宽度和高度分别缩放至预先建立的局部车辆检测模型输入图像的宽度和高度，将缩放后得到的矩形图像区域输入所述局部车辆检测模型中得到第四检出车辆的位置和类别，获取所述第四检出车辆的速度和加速度，并将所述第四检出车辆的速度、位置和加速度存入自车对应的环境感知信息中；