本技术涉及路径规划,特别是涉及一种泊车路径规划方法、装置、电子设备及存储介质。
背景技术:
1、在自动驾驶等泊车功能中,通常使用hybrida*(混合a*)即hybrid astar路径规划算法来进行泊车路径规划。hybrida*路径规划算法的输入是感知组件得到的栅格地图、车辆当前位姿以及预期泊入的终点位姿,输出为经由搜索得到的泊车路径,由离散路径点表示,路径点包含车辆的二维位置坐标与航向角。
2、hybrida*路径规划算法的性能很大程度上受到启发函数的影响,启发函数用于估算车辆当前位置以及预期泊入的终点位置之间的距离。目前的启发函数为人工设计的,而启发函数需要考虑换挡点转向程度、次数以及驾驶员对泊车路径的预期的因素,但是在目前人工设计启发函数难以全面地考虑以上因素,导致hybrida*路径规划算法输出的泊车路径往往不拟人,泊车路径质量差,并且对不同的泊车场景的适应性差。
技术实现思路
1、本技术实施例的目的在于提供一种泊车路径规划方法、装置、电子设备及存储介质,以提高hybrida*路径规划算法规划的泊车路径的质量以及场景适应性。具体技术方案如下:
2、第一方面,本技术实施例提供了一种泊车路径规划方法,所述方法包括:
3、获取泊车车辆的泊车起点位姿、泊车终点位姿以及所述泊车车辆所在的泊车场景的泊车地图;
4、将所述泊车起点位姿、所述泊车终点位姿以及所述泊车地图输入预先训练的换挡点预测模型,获得所述换挡点预测模型输出的预测换挡点位姿,其中,所述换挡点预测模型基于实际泊车场景中实际泊车过程中的换挡点样本训练得到;
5、基于所述泊车起点位姿、所述泊车终点位姿和所述预测换挡点位姿,以及预先确定的启发函数,规划所述泊车车辆从泊车起点到泊车终点的泊车路径,其中,所述预先确定的启发函数的值与目标距离呈反相关关系,所述目标距离为路径点与预测换挡点之间的距离。
6、可选的,所述换挡点预测模型包括第一编码器、第二编码器以及第一全连接层;
7、所述将所述泊车起点位姿、所述泊车终点位姿以及所述泊车地图输入预先训练的换挡点预测模型,获得所述换挡点预测模型输出的预测换挡点位姿的步骤,包括:
8、将所述泊车起点位姿、所述泊车终点位姿以及所述泊车地图输入所述第一编码器,以使所述第一编码器对所述泊车起点位姿、所述泊车终点位姿以及所述泊车地图进行编码得到第一编码信息,并将所述第一编码信息输入所述第一全连接层;
9、将换挡点位姿集合输入所述第二编码器,以使所述第二编码器对所述换挡点位姿集合进行编码得到第二编码信息,并将所述第二编码信息输入所述第一全连接层,其中,所述换挡点位姿集合为从所述泊车地图对应的状态空间中确定的由预设换挡点数量个地图点位姿组成的集合;
10、获得所述第一全连接层基于所述第一编码信息以及所述第二编码信息输出的每个换挡点位姿集合对应的概率;
11、基于所述每个换挡点位姿集合对应的概率,从所述换挡点位姿集合中确定目标换挡点位姿集合,作为预测换挡点位姿。
12、可选的,所述第一编码器包括第一编码分支、第二编码分支以及融合分支,所述第一编码分支包括第一预设数量个第二全连接层且不包括卷积层,所述第二编码分支包括第二预设数量个卷积层;
13、所述将所述泊车起点位姿、所述泊车终点位姿以及所述泊车地图输入所述第一编码器,以使所述第一编码器对所述泊车起点位姿、所述泊车终点位姿以及所述泊车地图进行编码得到第一编码信息的步骤,包括:
14、将所述泊车起点位姿以及所述泊车终点位姿输入所述第一预设数量个第二全连接层,以使所述第二全连接层对所述泊车起点位姿以及所述泊车终点位姿进行编码,得到位姿编码信息,并将所述位姿编码信息输入所述融合分支;
15、将所述泊车地图输入所述第二预设数量个卷积层,以使所述第二预设数量个卷积层对所述泊车地图进行卷积处理,得到地图编码信息,并将所述地图编码信息输入所述融合分支;
16、所述融合分支对所述位姿编码信息和所述地图编码信息进行融合处理,得到第一编码信息。
17、可选的,所述换挡点预测模型的训练方式,包括:
18、获取实际泊车场景中实际泊车过程中的换挡点样本,其中,所述换挡点样本包括样本泊车起点位姿、样本泊车终点位姿、样本泊车地图以及样本换挡点位姿;
19、将所述样本泊车起点位姿以及所述样本泊车终点位姿输入所述第一预设数量个第二全连接层,以使所述第二全连接层对所述样本泊车起点位姿以及所述样本泊车终点位姿进行编码,得到样本位姿编码信息,并将所述样本位姿编码信息输入所述融合分支,将所述样本泊车地图输入所述第二预设数量个卷积层,以使所述第二预设数量个卷积层对所述样本泊车地图进行卷积处理,得到样本地图编码信息,并将所述样本地图编码信息输入所述融合分支,所述融合分支对所述样本位姿编码信息和所述样本地图编码信息进行融合处理,得到第一样本编码信息;
20、基于所述样本泊车地图对应的状态空间中各采样位姿对应的概率,从所述样本泊车地图对应的状态空间中确定与所述样本换挡点位姿的数量相同的目标采样位姿,其中,所述各采样位姿对应的概率为当前换挡点预测模型基于所述第一样本编码信息以及第二采样编码信息输出的,所述第二采样编码信息为所述第二编码器对该采样位姿进行编码得到的;
21、根据所述样本换挡点位姿以及所述目标采样位姿之间的差异,计算损失函数的损失值;
22、基于所述损失值调节所述当前换挡点预测模型的参数,直到所述当前换挡点预测模型满足收敛条件,得到所述换挡点预测模型。
23、可选的,所述基于所述样本泊车地图对应的状态空间中各采样位姿对应的概率,从所述样本泊车地图对应的状态空间中确定与所述样本换挡点位姿的数量相同的目标采样位姿的步骤,包括:
24、从所述样本泊车地图对应的状态空间中,选取第三预设数量个采样位姿;
25、判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型;
26、如果所述第三预设数量个采样位姿未均输入过所述高斯混合模型,针对所述第三预设数量个采样位姿中每个采样位姿,将该采样位姿输入当前采样点预测模型,得到该采样位姿对应的概率;
27、从所述第三预设数量个采样位姿中随机选取第四预设数量个采样位姿,将所选取的采样位姿输入所述高斯混合模型,以使所述高斯混合模型基于所述第四预设数量个采样位姿对应的概率的分布情况,输出所述概率的分布情况的峰值所对应的峰值位姿,其中,所述第四预设数量小于所述第三预设数量;
28、从所述样本泊车地图对应的状态空间中,在与所述峰值位姿之间的距离为第一距离的第一预设范围内,选取所述第三预设数量个采样位姿;
29、返回所述判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型的步骤,直到所述第三预设数量个采样位姿均输入过所述高斯混合模型,基于所述第三预设数量个采样位姿对应的概率,从所述第三预设数量个采样位姿中确定与所述样本换挡点位姿的数量相同的目标采样位姿。
30、可选的,在所述从所述第三预设数量个采样位姿中随机选取第四预设数量个采样位姿,将所选取的采样位姿输入所述高斯混合模型的步骤之前,所述方法还包括:
31、在所述第三预设数量个采样位姿中,将对应的概率小于概率阈值的采样位姿剔除;
32、在所述样本泊车地图对应的状态空间中进行采样,得到第一目标数量个采样位姿,其中,所述第一目标数量与剔除的采样位姿的数量相同,所述第一目标数量个采样位姿与未剔除的采样位姿均不相同;
33、将所述未剔除的采样位姿和所述第一目标数量个采样位姿,确定为所述第一预设数量个采样位姿。
34、可选的,在所述判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型的步骤之前,所述方法还包括:
35、对所述第三预设数量个采样位姿添加噪声,并记录噪声添加次数;
36、判断所述噪声添加次数是否大于预设次数;
37、如果所述噪声添加次数大于所述预设次数,执行所述基于所述第一预设数量个采样位姿对应的概率,从所述第一预设数量个采样位姿中确定所述样本换挡点位姿的数量个目标采样位姿的步骤;
38、如果所述噪声添加次数不大于所述预设次数,执行所述判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型的步骤;
39、所述返回所述判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型的步骤,直到所述第一预设数量个采样位姿均输入过所述高斯混合模型的步骤,包括:
40、返回所述对所述第三预设数量个采样位姿添加噪声,并记录噪声添加次数的步骤,并在所述噪声添加次数不大于所述预设次数的情况下,返回执行所述判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型的步骤。
41、可选的,所述预先确定的启发函数的表达式为:
42、h(x,y,θ)=w0·dist(x,y,xt,yt,tm)+w1·disp(x,y,xp,yp,pm)+w2·(θ-θp)2
43、其中,(x,y,θ)为所述泊车路径对应的备选路径点的位姿,(xt,yt)为所述泊车终点的位置,(xp,yp,θp)为所述预测换挡点的位姿,w0为第一预设权重,w1为第二预设权重,w2为第三预设权重,dist(x,y,xt,yt,tm)表示所述备选路径点与所述泊车终点之间的距离,disp(x,y,xp,yp,pm)表示所述备选路径点与所述预测换挡点之间的距离。
44、可选的,所述基于所述泊车起点位姿、所述泊车终点位姿和所述预测换挡点位姿,以及预先确定的启发函数,规划所述泊车车辆从泊车起点到泊车终点的泊车路径的步骤,包括:
45、从距离当前路径点第二预设范围内选取第二目标数量个备选路径点位姿,其中,所述当前路径点的初始值为泊车起点;
46、针对每个备选路径点位姿,根据所述泊车终点位姿和所述预测换挡点位姿,以及预先确定的启发函数,计算该备选路径点位姿对应的启发函数值;
47、基于所述启发函数值,从所述备选路径点位姿中确定使得启发函数值最小的备选路径点位姿,作为当前路径点位姿;
48、返回所述从距离当前路径点第二预设范围内选取第二目标数量个备选路径点位姿的步骤,直到所述当前路径点位姿为所述泊车终点位姿。
49、可选的,所述dist(x,y,xt,yt,tm)的计算方式为:
50、
51、其中,tm为终点影响范围;
52、所述disp(x,y,xp,yp,pm)的计算方式为:
53、
54、其中,pm为换挡点影响范围。
55、第二方面,本技术实施例提供了一种泊车路径规划装置,所述装置包括:
56、场景数据获取模块,用于获取泊车车辆的泊车起点位姿、泊车终点位姿以及所述泊车车辆所在的泊车场景的泊车地图;
57、换挡点预测模块,用于将所述泊车起点位姿、所述泊车终点位姿以及所述泊车地图输入预先训练的换挡点预测模型,获得所述换挡点预测模型输出的预测换挡点位姿,其中,所述换挡点预测模型基于实际泊车场景中实际泊车过程中的换挡点样本训练得到;
58、泊车路径规划模块,用于基于所述泊车起点位姿、所述泊车终点位姿和所述预测换挡点位姿,以及预先确定的启发函数,规划所述泊车车辆从泊车起点到泊车终点的泊车路径,其中,所述预先确定的启发函数的值与目标距离呈反相关关系,所述目标距离为路径点与预测换挡点之间的距离。
59、可选的,所述换挡点预测模型包括第一编码器、第二编码器以及第一全连接层;
60、所述换挡点预测模块,包括:
61、第一编码子模块,用于将所述泊车起点位姿、所述泊车终点位姿以及所述泊车地图输入所述第一编码器,以使所述第一编码器对所述泊车起点位姿、所述泊车终点位姿以及所述泊车地图进行编码得到第一编码信息,并将所述第一编码信息输入所述第一全连接层;
62、第二编码子模块,用于将换挡点位姿集合输入所述第二编码器,以使所述第二编码器对所述换挡点位姿集合进行编码得到第二编码信息,并将所述第二编码信息输入所述第一全连接层,其中,所述换挡点位姿集合为从所述泊车地图对应的状态空间中确定的由预设换挡点数量个地图点位姿组成的集合;
63、概率获取子模块,用于获得所述第一全连接层基于所述第一编码信息以及所述第二编码信息输出的每个换挡点位姿集合对应的概率;
64、换挡点确定子模块,用于基于所述每个换挡点位姿集合对应的概率,从所述换挡点位姿集合中确定目标换挡点位姿集合,作为预测换挡点位姿。
65、可选的,所述第一编码器包括第一编码分支、第二编码分支以及融合分支,所述第一编码分支包括第一预设数量个第二全连接层且不包括卷积层,所述第二编码分支包括第二预设数量个卷积层;
66、所述第一编码子模块,包括:
67、编码单元,用于将所述泊车起点位姿以及所述泊车终点位姿输入所述第一预设数量个第二全连接层,以使所述第二全连接层对所述泊车起点位姿以及所述泊车终点位姿进行编码,得到位姿编码信息,并将所述位姿编码信息输入所述融合分支;
68、卷积单元,用于将所述泊车地图输入所述第二预设数量个卷积层,以使所述第二预设数量个卷积层对所述泊车地图进行卷积处理,得到地图编码信息,并将所述地图编码信息输入所述融合分支;
69、融合单元,用于所述融合分支对所述位姿编码信息和所述地图编码信息进行融合处理,得到第一编码信息。
70、可选的,所述装置还包括:
71、样本获取模块,用于获取实际泊车场景中实际泊车过程中的换挡点样本,其中,所述换挡点样本包括样本泊车起点位姿、样本泊车终点位姿、样本泊车地图以及样本换挡点位姿;
72、编码模块,用于将所述样本泊车起点位姿以及所述样本泊车终点位姿输入所述第一预设数量个第二全连接层,以使所述第二全连接层对所述样本泊车起点位姿以及所述样本泊车终点位姿进行编码,得到样本位姿编码信息,并将所述样本位姿编码信息输入所述融合分支,将所述样本泊车地图输入所述第二预设数量个卷积层,以使所述第二预设数量个卷积层对所述样本泊车地图进行卷积处理,得到样本地图编码信息,并将所述样本地图编码信息输入所述融合分支,所述融合分支对所述样本位姿编码信息和所述样本地图编码信息进行融合处理,得到第一样本编码信息;
73、目标采样位姿确定模块,用于基于所述样本泊车地图对应的状态空间中各采样位姿对应的概率,从所述样本泊车地图对应的状态空间中确定与所述样本换挡点位姿的数量相同的目标采样位姿,其中,所述各采样位姿对应的概率为当前换挡点预测模型基于所述第一样本编码信息以及第二采样编码信息输出的,所述第二采样编码信息为所述第二编码器对该采样位姿进行编码得到的;
74、损失值计算模块,用于根据所述样本换挡点位姿以及所述目标采样位姿之间的差异,计算损失函数的损失值;
75、参数调节模块,用于基于所述损失值调节所述当前换挡点预测模型的参数,直到所述当前换挡点预测模型满足收敛条件,得到所述换挡点预测模型。
76、可选的,所述目标采样位姿确定模块,包括:
77、第一采样位姿选取子模块,用于从所述样本泊车地图对应的状态空间中,选取第三预设数量个采样位姿;
78、判断子模块,用于判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型;
79、概率确定子模块,用于如果所述第三预设数量个采样位姿未均输入过所述高斯混合模型,针对所述第三预设数量个采样位姿中每个采样位姿,将该采样位姿输入当前采样点预测模型,得到该采样位姿对应的概率;
80、峰值位姿确定子模块,用于从所述第三预设数量个采样位姿中随机选取第四预设数量个采样位姿,将所选取的采样位姿输入所述高斯混合模型,以使所述高斯混合模型基于所述第四预设数量个采样位姿对应的概率的分布情况,输出所述概率的分布情况的峰值所对应的峰值位姿,其中,所述第四预设数量小于所述第三预设数量;
81、第二采样位姿选取子模块,用于从所述样本泊车地图对应的状态空间中,在与所述峰值位姿之间的距离为第一距离的第一预设范围内,选取所述第三预设数量个采样位姿;
82、第一返回子模块,用于返回所述判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型的步骤,直到所述第三预设数量个采样位姿均输入过所述高斯混合模型,基于所述第三预设数量个采样位姿对应的概率,从所述第三预设数量个采样位姿中确定与所述样本换挡点位姿的数量相同的目标采样位姿。
83、可选的,所述装置还包括:
84、采样位姿剔除模块,用于在所述第三预设数量个采样位姿中,将对应的概率小于概率阈值的采样位姿剔除;
85、采样模块,用于在所述样本泊车地图对应的状态空间中进行采样,得到第一目标数量个采样位姿,其中,所述第一目标数量与剔除的采样位姿的数量相同,所述第一目标数量个采样位姿与未剔除的采样位姿均不相同;
86、采样位姿确定模块,用于将所述未剔除的采样位姿和所述第一目标数量个采样位姿,确定为所述第一预设数量个采样位姿。
87、可选的,所述装置还包括:
88、噪声添加模块,用于对所述第三预设数量个采样位姿添加噪声,并记录噪声添加次数;
89、判断模块,用于判断所述噪声添加次数是否大于预设次数;
90、第一执行模块,用于如果所述噪声添加次数大于所述预设次数,执行所述基于所述第一预设数量个采样位姿对应的概率,从所述第一预设数量个采样位姿中确定所述样本换挡点位姿的数量个目标采样位姿的步骤;
91、第二执行模块,用于如果所述噪声添加次数不大于所述预设次数,执行所述判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型的步骤;
92、所述第一返回子模块,包括:
93、返回单元,用于返回所述对所述第三预设数量个采样位姿添加噪声,并记录噪声添加次数的步骤,并在所述噪声添加次数不大于所述预设次数的情况下,返回执行所述判断所述第三预设数量个采样位姿是否均输入过预设的高斯混合模型的步骤。
94、可选的,所述预先确定的启发函数的表达式为:
95、h(x,y,θ)=w0·dist(x,y,xt,yt,tm)+w1·disp(x,y,xp,yp,pm)+w2·(θ-θp)2
96、其中,(x,y,θ)为所述泊车路径对应的备选路径点的位姿,(xt,yt)为所述泊车终点的位置,(xp,yp,θp)为所述预测换挡点的位姿,w0为第一预设权重,w1为第二预设权重,w2为第三预设权重,dist(x,y,xt,yt,tm)表示所述备选路径点与所述泊车终点之间的距离,disp(x,y,xp,yp,pm)表示所述备选路径点与所述预测换挡点之间的距离。
97、可选的,所述泊车路径规划模块,包括:
98、备选路径点位姿选取子模块,用于从距离当前路径点第二预设范围内选取第二目标数量个备选路径点位姿,其中,所述当前路径点的初始值为泊车起点;
99、启发函数值计算子模块,用于针对每个备选路径点位姿,根据所述泊车终点位姿和所述预测换挡点位姿,以及预先确定的启发函数,计算该备选路径点位姿对应的启发函数值;
100、当前路径点位姿确定子模块,用于基于所述启发函数值,从所述备选路径点位姿中确定使得启发函数值最小的备选路径点位姿,作为当前路径点位姿;
101、第二返回子模块,用于返回所述从距离当前路径点第二预设范围内选取第二目标数量个备选路径点位姿的步骤,直到所述当前路径点位姿为所述泊车终点位姿。
102、可选的,所述dist(x,y,xt,yt,tm)的计算方式为:
103、
104、其中,tm为终点影响范围;
105、所述disp(x,y,xp,yp,pm)的计算方式为:
106、
107、其中,pm为换挡点影响范围。
108、第三方面,本技术实施例提供了一种电子设备,包括:
109、存储器,用于存放计算机程序;
110、处理器,用于执行存储器上所存放的程序时,实现上述第一方面任一所述的方法。
111、第四方面,本技术实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面任一所述的方法。
112、本技术实施例有益效果:
113、本技术实施例提供的方案中,电子设备可以获取泊车车辆的泊车起点位姿、泊车终点位姿以及泊车车辆所在的泊车场景的泊车地图;将泊车起点位姿、泊车终点位姿以及泊车地图输入预先训练的换挡点预测模型,获得换挡点预测模型输出的预测换挡点位姿,其中,换挡点预测模型基于实际泊车场景中实际泊车过程中的换挡点样本训练得到;基于泊车起点位姿、泊车终点位姿和预测换挡点位姿,以及预先确定的启发函数,规划泊车车辆从泊车起点到泊车终点的泊车路径,其中,预先确定的启发函数的值与目标距离呈反相关关系,目标距离为路径点与预测换挡点之间的距离。由于换挡点预测模型是基于实际泊车场景中实际泊车过程中的换挡点样本训练得到的,实际泊车过程中的换挡点样本能够表征换挡点转向程度、次数以及驾驶员对泊车路径的预期等因素的影响,并且适应于实际泊车场景。因此基于换挡点预测模型输出的预测换挡点位姿所确定的启发函数的值也考虑了换挡点转向程度、次数以及驾驶员对泊车路径的预期等因素的影响,并且能够较好适应泊车车辆所在的泊车场景。所以基于泊车起点位姿、泊车终点位姿、预测换挡点位姿以及启发函数规划的泊车路径的的质量以及场景适应性更高,可以提高hybrida*路径规划算法规划的泊车路径的质量以及场景适应性。当然,实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。