一种车辆轨迹样本的生成方法、设备、车辆及程序产品与流程

本申请涉及车辆，具体涉及一种车辆轨迹样本的生成方法、设备、车辆及程序产品。

背景技术：

1、随着智能驾驶技术的发展，越来越多的车辆具有自动驾驶(或辅助驾驶)功能。其中，自动驾驶可以通过车载传感器以及车载模型对车辆的行驶轨迹进行规划，并执行轨迹对应的决策，以使车辆能够在不需要人类干预的情况下自主感知周围环境、并做出决策进行驾驶。

2、在技术层面，自动驾驶一般基于机器学习算法实现，而相关模型训练过程中较为依赖由专业驾驶人员行驶的轨迹样本。由此，如何自动生成轨迹样本，降低对高水平驾驶人员的依赖是本领域技术人员亟待解决的技术问题。

技术实现思路

1、有鉴于此，本申请实施例提供了一种车辆轨迹样本的生成方法、设备、车辆及程序产品，通过各个驾驶场景的专用轨迹规划策略确定了优化后的轨迹，从而构建对应的轨迹样本。

2、第一方面，本申请提供一种车辆轨迹样本的生成方法。方法包括：获取待优化轨迹以及待优化轨迹的环境感知信息，其中，待优化轨迹为车载驾驶算法基于环境感知信息规划的轨迹。根据环境感知信息确定待优化轨迹的目标轨迹类别以及目标轨迹类别的至少一个专用轨迹规划策略。采用至少一个专用轨迹规划策略基于环境感知信息确定待优化轨迹的轨迹优化结果基于轨迹优化结果以及环境感知信息确定车载驾驶算法的轨迹样本。

3、第二方面，本申请提供一种电子设备。电子设备包括：至少一个处理器以及与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面所述的车辆轨迹样本的生成方法。

4、第三方面，本申请提供一种计算机程序产品，包括计算机程序/指令，当计算机程序/指令处理器被执行时实现如第一方面所述的车辆轨迹样本的生成方法。可选地，所述计算机程序可以存储在计算机设备的可读存储介质或云端；所述计算机设备的处理器从所述可读存储介质或云端读取所述计算机程序。

5、第四方面，本申请提供一种车辆。车辆包括至少一个处理器以及与至少一个处理器通信连接的存储器，至少存储有车载自动驾驶模型。其中，存储器还存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面所述的车辆轨迹样本的生成方法。

6、本申请实施例提供了一种车辆轨迹样本的生成方法、设备、车辆及程序产品，可以对车辆行驶时基于车载驾驶算法生成的轨迹进行优化，并在优化时结合环境感知信息确定轨迹类型并调用对应的专用轨迹规划策略执行轨迹优化。由此，基于专用轨迹规划策略能使优化后的轨迹满足当前场景的需求，无需专业人员在同样场景下人工驾驶，降低了轨迹优化时的人力投入。此外，待优化轨迹的轨迹类型往往反应车载驾驶算法泛化能力较差的驾驶场景，基于对待优化轨迹的重新规划可以得到车载驾驶算法在该场景下的训练样本，从而提高车载驾驶算法对该驾驶场景的规划能力。

技术特征：

1.一种车辆轨迹样本的生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的生成方法，其特征在于，所述获取待优化轨迹以及所述待优化轨迹的环境感知信息，包括：

3.根据权利要求2所述的生成方法，其特征在于，所述基于所述轨迹段评分确定所述待优化轨迹以及所述待优化轨迹的环境感知信息，包括：

4.根据权利要求1所述的生成方法，其特征在于，所述采用所述至少一个专用轨迹规划策略基于所述环境感知信息确定所述待优化轨迹的轨迹优化结果，包括：

5.根据权利要求4所述的生成方法，其特征在于，所述基于所述轨迹评分从所述至少一个候选优化轨迹中确定待优化轨迹的轨迹优化结果，包括：

6.根据权利要求1所述的生成方法，其特征在于，所述基于所述轨迹优化结果以及所述环境感知信息确定所述车载驾驶算法的轨迹样本，包括：

7.根据权利要求6所述的生成方法，其特征在于，所述生成方法还包括：

8.根据权利要求6所述的生成方法，其特征在于，所述基于所述仿真结果以及所述环境感知信息确定所述轨迹优化结果的置信度，包括：

9.根据权利要求1所述的生成方法，其特征在于，所述方法还包括，包括：

10.一种电子设备，其特征在于，所述电子设备包括：

11.一种计算机程序产品，包括计算机程序/指令，其特征在于，当所述计算机程序/指令处理器被执行时实现如权利要求1-9中任意一项所述的车辆轨迹样本的生成方法。

12.一种车辆，其特征在于，所述车辆包括：

技术总结本申请提供一种车辆轨迹样本的生成方法、设备、车辆及程序产品，涉及车辆技术领域。在本申请中可以对车辆行驶时基于车载驾驶算法生成的轨迹进行优化，并在优化时结合环境感知信息确定轨迹类型并调用对应的专用轨迹规划策略执行轨迹优化。由此，基于专用轨迹规划策略能使优化后的轨迹满足当前场景的需求，无需专业人员在同样场景下人工驾驶，降低了轨迹优化时的人力投入。此外，待优化轨迹的轨迹类型往往反应车载驾驶算法泛化能力较差的驾驶场景，基于对待优化轨迹的重新规划可以得到车载驾驶算法在该场景下的训练样本，从而提高车载驾驶算法对该驾驶场景的规划能力。技术研发人员：李长春受保护的技术使用者：北京集度科技有限公司技术研发日：技术公布日：2024/11/18