[发明专利]无人车局部路径规划方法、装置、设备及存储介质

权利要求书

1.一种无人车局部路径规划方法，其特征在于，所述方法包括以下步骤：

在检测到目标车辆开启无人驾驶模式时，获取所述目标车辆的预设范围内的目标环境信息，并根据所述目标环境信息确定环境拥挤度等级；

基于预设全局参考路径和所述环境拥挤度等级生成离散路径点，并根据所述离散路径点生成局部路径曲线；

将所述局部路径曲线输入至预设深度神经网络模型，以获得最优局部路径曲线，并根据所述最优局部路径曲线控制所述目标车辆的行驶。

2.如权利要求1所述的方法，其特征在于，所述在检测到目标车辆开启无人驾驶模式时，获取所述目标车辆的预设范围内的目标环境信息的步骤，具体包括：

在检测到目标车辆开启无人驾驶模式时，获取所述目标车辆的预设范围内的环境信息；

对所述环境信息进行坐标系转换处理，获得处于Frenet坐标系下的目标环境信息。

3.如权利要求1所述的方法，其特征在于，所述根据所述目标环境信息确定环境拥挤度等级的步骤，具体包括：

从所述目标环境信息中提取障碍物信息，并根据所述障碍物信息确定障碍物数量；

根据所述障碍物数量确定环境拥挤度等级。

4.如权利要求1所述的方法，其特征在于，所述基于预设全局参考路径和所述环境拥挤度等级生成离散路径点，并根据所述离散路径点生成局部路径曲线的步骤之前，还包括：

从所述目标环境信息中提取所述目标车辆的当前坐标信息，并获取目的地坐标信息；

根据所述当前坐标信息和所述目的地坐标信息生成预设全局参考路径。

5.如权利要求1所述的方法，其特征在于，所述基于预设全局参考路径和所述环境拥挤度等级生成离散路径点，并根据所述离散路径点生成局部路径曲线的步骤，具体包括：

实时截取预设长度的预设全局参考路径作为所述目标车辆的局部参考路径，并对所述局部参考路径进行分段处理，获得分段处理后的所述局部参考路径；

根据所述环境拥挤度等级和所述分段处理后的所述局部参考路径确定离散路径点；

基于所述离散路径点生成离散路径点集合，对所述离散路径点集合进行拟合，获得局部路径曲线。

6.如权利要求1所述的方法，其特征在于，所述将所述局部路径曲线输入至预设深度神经网络模型，以获得最优局部路径曲线，并根据所述最优局部路径曲线控制所述目标车辆的行驶的步骤之前，还包括：

获取贝叶斯卷积神经网络模型的卷积核权重，并通过预设障碍物规避路径曲线训练集对所述卷积核权重进行训练，获得权重分布结果；

基于所述权重分布结果获得损失函数，并判断所述损失函数是否符合预设损失条件；

在所述损失函数符合所述预设损失条件时，判定模型训练完成，并将训练完成的贝叶斯卷积神经网络模型作为预设深度神经网络模型。

7.如权利要求1所述的方法，其特征在于，所述将所述局部路径曲线输入至预设深度神经网络模型，以获得最优局部路径曲线，并根据所述最优局部路径曲线控制所述目标车辆的行驶的步骤，具体包括：

将所述局部路径曲线输入至预设深度神经网络模型，获得所述局部路径曲线对应的路径评估参数；

根据所述路径评估参数确定最优局部路径曲线，并根据所述最优局部路径曲线控制所述目标车辆的行驶。

8.一种无人车局部路径规划装置，其特征在于，所述装置包括以下步骤：

拥挤度确定模块，用于在检测到目标车辆开启无人驾驶模式时，获取所述目标车辆的预设范围内的目标环境信息，并根据所述目标环境信息确定环境拥挤度等级；

路径规划模块，用于基于预设全局参考路径和所述环境拥挤度等级生成离散路径点，并根据所述离散路径点生成局部路径曲线；

路径寻优模块，用于将所述局部路径曲线输入至预设深度神经网络模型，以获得最优局部路径曲线，并根据所述最优局部路径曲线控制所述目标车辆的行驶。