[发明专利]无人车局部路径规划方法、装置、设备及存储介质

说明书

本发明涉及无人驾驶技术领域，公开了一种无人车局部路径规划方法、装置、设备及存储介质，所述方法包括：获取目标车辆的预设范围内的目标环境信息，并根据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环境拥挤度等级生成离散路径点，并根据离散路径点生成局部路径曲线，将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。本发明通过将根据预设全局参考路径和环境拥挤度等级确定的局部路径曲线输入至预设深度神经网络模型来获得最优局部路径曲线以实现对目标环境信息的全面评估，相较于现有技术通过单一传感器和车用无线通信技术获得局部参考路径，提高了无人车局部路径规划的精准度，也提高了无人驾驶的安全性。

技术领域

本发明涉及无人驾驶技术领域，尤其涉及一种无人车局部路径规划方法、装置、设备及存储介质。

背景技术

随着无人驾驶技术的发展，无人车将来可能会成为大众主流的出行方式，但由于大众生活水平的提高，在车辆较多的大城市人工驾驶的车辆基数较为庞大。相应地，无人车在行进过程中可能会出现不可预知的复杂场景，从而导致交通事故的发生，因此，如何提高无人车的局部路径规划效率和精准度，提高无人驾驶的安全性，成为一个亟待解决的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供了一种无人车局部路径规划方法、装置、设备及存储介质，旨在解决如何提高无人车的局部路径规划效率和精准度，提高无人驾驶的安全性的技术问题。

为实现上述目的，本发明提供了一种无人车局部路径规划方法，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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；