[發明專利]一種基于多模態預測的自動駕駛汽車運動規劃方法

在審

• 申請號: 202210565932.5
• 申請日: 2022-05-23
• 公開（公告）號: CN114912693A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 唐小林;楊豐閣;汪鋒;黃冰;楊凱;鄧忠偉;李佳承
• 申請（專利權）人: 重慶大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/26;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 方鐘苑

本發明涉及一種基于多模態預測的自動駕駛汽車運動規劃方法，屬于自動駕駛汽車技術領域。該方法包括：S1：根據自車的軌跡歷史和周圍車輛的軌跡歷史，采用LSTM模型預測周圍車輛未來的多模態行為，即周圍車輛在不同模態下未來位置的概率分布；S2：根據步驟S1中LSTM模型預測得到的多模態行為，構造相應的其他車輛的行為分支和自車的軌跡分支，由多模態概率和安全約束確定相應的分支概率；并利用MPC算法以軌跡分支的形式求解反饋策略。本發明在運動規劃過程中采用了多模態的預測模型，提高了預測的精度，對傳統的MPC進行了優化并通過反饋策略考慮了自車與他車的相互影響及整體的風險最優。

技術領域

本發明屬于自動駕駛汽車技術領域，涉及一種基于多模態預測的自動駕駛汽車運動規劃方法。

背景技術

自動駕駛技術的出現為降低交通事故率提供了新的解決方案，可以提高出行效率，減輕駕駛員負擔。運動規劃層作為連接感知層與控制執行層的關鍵模塊,能夠對不同交通場景規劃出合理的軌跡,從而降低事故發生的概率。

傳統的面向自動駕駛車輛的運動規劃方法主要有直接構造法、采樣法、機器學習法等，這些方法有著優化計算容易陷入局部最小值，丟失算法的完備性，收集數據的過程中也有著危及道路安全等缺點。模型預測控制(model predictive control,MPC)能夠將車輛動力學和安全約束制定為有限范圍約束，并具有預測未來軌跡以及處理多目標約束條件等優點，已經成為解決車輛安全軌跡規劃的主要方法。

復雜的交通環境為車輛的運動規劃帶來了不確定性，預測可以使運動規劃更加安全可靠，傳統的運動規劃方法一般基于環境靜態信息，不能有效提高車輛行駛過程中的安全性，著重于車輛的軌跡預測或者軌跡規劃，對基于預測的運動規劃關注不足。因此，亟需一種能夠有效結合預測的自動駕駛汽車運動規劃方法。

發明內容

有鑒于此，本發明的目的在于提供一種基于多模態預測的自動駕駛汽車運動規劃方法，在運動規劃過程中采用了多模態的預測模型，提高了預測的精度，對傳統的MPC進行了優化并通過反饋策略考慮了自車與他車的相互影響及整體的風險最優。

為達到上述目的，本發明提供如下技術方案：

一種基于多模態預測的自動駕駛汽車運動規劃方法，利用深度學習算法長短期記憶(Long short-term memory,LSTM)模型，采集道路車輛信息進行預測，獲取預測車輛未來時刻的狀態及采取不同模態的概率，根據不受控體的多模態行為構建備份軌跡，利用分支MPC算法求解出與場景樹拓撲相同的軌跡樹形式的反饋策略，目標是最小化期望的總成本。該方法具體包括以下步驟：

S1：根據自車的軌跡歷史和周圍車輛的軌跡歷史，采用LSTM模型預測周圍車輛未來的多模態行為，即周圍車輛在不同模態下未來位置的概率分布；

S2：根據步驟S1中LSTM模型預測得到的多模態行為，構造相應的其他車輛的行為分支和自車的軌跡分支，由多模態概率和安全約束確定相應的分支概率；并利用模型預測控制(Model Predictive Control,MPC)算法以軌跡分支的形式求解反饋策略。

進一步，步驟S1具體包括以下步驟：

S11：構建車輛的坐標，原點固定在t時刻預測的車輛上，y軸為車道方向，x軸與y軸垂直；

S12：編碼器是一個具有共享權值的LSTM，其輸入是被預測車輛和其他車輛(t-t_h)至t幀的歷史軌跡X：

其中，(x₀,y₀)、(x₁,y₁)分別是被預測車輛及其他車輛在t時刻的坐標；