[发明专利]自动驾驶方法、装置和存储介质

说明书

本发明公开了一种自动驾驶方法、装置和存储介质，涉及自动驾驶技术领域。自动驾驶方法包括：建立第一优化问题；将第一优化问题的部分约束条件转换为惩罚函数，形成第二优化问题；迭代执行i)～iii)，直到达到预设的迭代次数：i)通过基于元启发式算法的搜索过程，获得第二优化问题的解；ii)根据第二优化问题的解确定第一优化问题的初始解，并采用梯度优化算法求解第一优化问题，确定第一目标函数的值以及相应的解；iii)在第一目标函数的值小于第一目标函数的最小值的情况下，采用第一目标函数的值更新最小值；将第一目标函数的最小值对应的解确定为自动驾驶的驾驶参数。从而可以获得质量更高的自动驾驶轨迹。

技术领域

本发明涉及自动驾驶技术领域，特别涉及一种自动驾驶方法、装置和存储介质。

背景技术

自动驾驶决策规划领域的发展日臻成熟，目前主流想法是通过搜索采样技术(例如A＊方法或者RRT、DP等方法)在简约解空间中得到概略的解，随后在这个概略解周围展开精细的梯度优化，通过精细的梯度优化方法得到一个局部最优解。这里“概略的解”的决定了最终梯度优化方法收敛到哪一个局部最优解。总之，主流的做法是将搜索采样方法视为车辆的运动决策环节，将局部开展的路径或轨迹规划环节视为规划环节，这两个环节合并起来称为运动决策规划。

发明内容

发明人经过分析后发现，在相关技术的运动决策规划方法中，一个非常关键的薄弱环节是决策部分。这是因为采用的搜索采样方法中构造的连通图的结构不够精细，或者搜索方法本身不具有完备性。以A＊为例，A＊搜索是一种“最优优先策略”，它所使用的启发函数能够提高搜索速度，但是牺牲了算法的完备性以及最优性，基于A＊搜索的一系列常用决策方法，例如混合A＊、ARA等算法均不具有完备性，也不具有最优性。随着其他上游技术困难逐步被解决，决策质量的这一隐患逐步从次要矛盾上升到决策规划模块的主要矛盾，成为了限制自动驾驶轨迹质量的瓶颈。

本发明实施例所要解决的一个技术问题是：如何提高自动驾驶轨迹的质量。

根据本发明一些实施例的第一个方面，提供一种自动驾驶方法，包括：建立第一优化问题，第一优化问题包括令驾驶过程中的不舒适值最小化第一目标函数，第一优化问题的解包括车辆的驾驶参数；将第一优化问题的部分约束条件转换为惩罚函数，形成第二优化问题，第二优化问题包括第二目标函数，第二目标函数表示第一目标函数与惩罚函数的和；迭代执行i)～iii)，直到达到预设的迭代次数：i)通过基于元启发式算法的搜索过程，获得第二优化问题的解；ii)根据第二优化问题的解确定第一优化问题的初始解，并采用梯度优化算法求解第一优化问题，确定第一目标函数的值以及相应的解；iii)在第一目标函数的值小于第一目标函数的最小值的情况下，采用第一目标函数的值更新最小值；将第一目标函数的最小值对应的解确定为自动驾驶的驾驶参数。

在一些实施例中，第一目标函数与预设时间段内各个时间的车轮转角的绝对值成正相关关系。

在一些实施例中，第一目标函数为预设时间段内各个时间的车轮转角的角度的平方的总和。

在一些实施例中，第一优化问题的约束条件包括车辆的运动学模型约束、车辆的速度约束、车轮转角约束、车辆的起点约束、车辆的终点约束；第二优化问题的约束条件包括车辆的速度约束、车轮转角约束。

在一些实施例中，惩罚函数包括车辆在预设时刻的位置与终点的距离信息以及车辆在行驶过程中与障碍物的距离信息。