[發明專利]一種智能車GPU并行加速軌跡規劃方法

有效

• 申請號: 201910067251.4
• 申請日: 2019-01-24
• 公開（公告）號: CN109885891B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 梁華為;周妍;余彪;李碧春;王杰;趙盼
• 申請（專利權）人: 中國科學院合肥物質科學研究院
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20;G06Q10/04;G06Q50/30
• 代理公司: 合肥方舟知識產權代理事務所(普通合伙) 34158
• 代理人: 宋萍

本發明公開了一種智能車GPU并行加速軌跡規劃方法，在CPU端，獲取實時感知障礙物柵格圖、全局參考路徑、智能車實時GPS信息和上層決策指令，沿參考路徑采樣，從而獲取一系列目標采樣終端；在GPU端，從CPU端獲取采樣終端序列、智能車實時狀態信息、感知環境柵格以及歷史幀規劃軌跡參數，設計軌跡生成內核函數，為每一個目標采樣終端生成一條連接初始狀態和終端狀態的智能車可穩定跟蹤軌跡，設計軌跡評估內核函數，評估每條軌跡的代價。回傳軌跡數據到CPU端，選取最優軌跡并匹配速度值，得到軌跡規劃結果傳輸給控制執行機構。本發明用于提高智能車軌跡實時規劃效率，達到實時高效生成大量軌跡，進一步改善軌跡規劃結果的目的。

技術領域

本發明涉及智能交通系統技術領域，尤其涉及一種智能車GPU并行加速軌跡規劃方法，特別涉及無人駕駛系統中的實時軌跡規劃方法，具體為在cuda架構中實現軌跡生成和代價評估的并行設計，用于提高軌跡規劃效率，在滿足智能車實時性的前提下規劃出盡可能多的軌跡以改善最終的規劃結果。

背景技術

近年來，大量的工作致力于解決無人駕駛車輛的運動規劃問題。這些方法大致可以分為兩類：基于圖搜索的方法和基于軌跡生成的方法。基于圖搜索的方法關注于使用確定性圖搜索計算無碰撞路徑，如混合A*，狀態柵格法，隨機采樣算法(如快速搜索隨機樹(RRT))。這些圖搜索方法大多數能夠在混亂的環境中計算長期無碰撞路徑，并防止車輛陷入局部最小值,但僅適用于在復雜的未知環境中的低速情況。圖搜索法通常在計算上過于復雜，無法實時運行或在城市環境中對典型的動態交通狀況做出反應，且采樣盲目性大、生成路徑迂回曲折，易造成控制跟蹤震蕩。

基于軌跡生成的方法大多數遵循離散優化方案，即軌跡生成、碰撞檢測和代價評估。部分研究人員采用線性和非線性模型預測控制(MPC)方法來解決車輛軌跡生成和跟蹤問題。由于其在長期預測層面上解決連續控制空間中的約束優化問題，通常涉及復雜的優化過程，包括矩陣運算和數值迭代運算，容易導致過多的計算負擔，實時環境中不規則的障礙物分布所施加的限制也難以處理，難以達到實時軌跡規劃需求。

發明內容

本發明目的就是為了彌補已有技術的缺陷，提供一種智能車GPU并行加速軌跡規劃方法。

本發明是通過以下技術方案實現的：

一種智能車GPU并行加速軌跡規劃方法，包括如下步驟：

步驟1：離線構建軌跡初始猜測參數查找表，為每條軌跡建立索引，存儲軌跡索引以及軌跡生成參數；

步驟2：在線并行軌跡規劃，在CPU端，獲取系統信息，沿參考路徑分層采樣終端狀態，通過查找表獲取軌跡初始猜測參數，將系統信息和軌跡初始猜測參數拷貝至GPU端；

步驟3：在GPU端讀入數據，設計軌跡生成核函數，并行加速模型預測方法生成大量軌跡，存儲軌跡參數到顯存；

步驟4：在GPU端設計軌跡評估核函數，并行評估軌跡的障礙物代價、一致性代價、橫向偏移代價和長度代價；

步驟5:CPU端從GPU顯存中拷貝結果，釋放GPU顯存空間,CPU端歸一化軌跡代價并篩選代價最小軌跡作為最佳軌跡，并為最優軌跡匹配速度值。