[发明专利]行驶路径的确定方法、装置、电子设备和存储介质

说明书

本公开实施例公开了一种行驶路径的确定方法、装置、电子设备和存储介质，其中，方法包括：确定当前父节点；响应于当前父节点不是终点，基于预先训练获得的神经网络回归模型和/或神经网络分类模型，确定下一父节点；基于下一父节点，确定可移动设备从起始点到终点的行驶路径。本公开实施例无需使用Dubins曲线或Reeds‑shepp曲线，可以在兼顾可移动设备运动学模型的条件下，有效减少搜索时间，从而提高路径搜索效率，解决了现有技术路径搜索时间较长等问题。

技术领域

本公开涉及路径规划技术，尤其是一种行驶路径的确定方法、装置、电子设备和存储介质。

背景技术

在自动泊车等场景的路径规划中，通常采用混合A*(A-Star)算法进行路径查找，相关的混合A*算法通常采用Dubins曲线或Reeds-shepp曲线来确定两点之间的启发函数值(H值)，以使规划的行驶路径符合车辆能够运行的轨迹，H值表示的是从一点移动到另一点的估计代价值。但是，采用Dubins曲线或Reeds-shepp曲线确定H值，计算时间较长，从而导致路径搜索时间长。

发明内容

为了解决上述路径搜索时间长等技术问题，提出了本公开。本公开的实施例提供了一种行驶路径的确定方法、装置、电子设备和存储介质。

根据本公开实施例的一个方面，提供了一种行驶路径的确定方法，包括：确定当前父节点；响应于所述当前父节点不是终点，基于预先训练获得的神经网络回归模型和/或神经网络分类模型，确定下一父节点；基于所述下一父节点，确定可移动设备从起始点到所述终点的行驶路径。

根据本公开实施例的另一个方面，提供了一种行驶路径的确定装置，包括：第一确定模块，用于确定当前父节点；第一处理模块，用于响应于所述当前父节点不是终点，基于预先训练获得的神经网络回归模型和/或神经网络分类模型，确定下一父节点；第二处理模块，用于基于所述下一父节点，确定可移动设备从起始点到所述终点的行驶路径。

根据本公开实施例的再一方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开上述任一实施例所述的行驶路径的确定方法。

根据本公开实施例的又一方面，提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本公开上述任一实施例所述的行驶路径的确定方法。

基于本公开上述实施例提供的行驶路径的确定方法、装置、电子设备和存储介质，在采用混合A*算法搜索路径时，下一父节点的确定是基于训练好的神经网络回归模型或神经网络分类模型实现的，无需使用Dubins曲线或Reeds-shepp曲线，可以在兼顾可移动设备运动学模型的条件下，有效减少搜索时间，从而提高路径搜索效率，解决了现有技术路径搜索时间较长等问题。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本公开提供的行驶路径的确定方法的一个示例性的应用场景；

图2是本公开一示例性实施例提供的行驶路径的确定方法的流程示意图；

图3是本公开一个示例性实施例提供的步骤202的流程示意图；

图4是本公开另一个示例性实施例提供的行驶路径的确定方法的流程示意图；

图5是本公开另一示例性实施例提供的步骤202的流程示意图；