本申請涉及一種用于確定自動駕駛中的駕駛路徑的系統和方法。所述系統可以獲取至少兩個候選駕駛路徑；基于訓練的系數生成模型獲取一個或以上與所述至少兩個候選駕駛路徑相關的系數；基于所述一個或以上系數確定所述至少兩個候選駕駛路徑中的每一個候選駕駛路徑的出行成本；以及基于對應于所述至少兩個候選駕駛路徑的至少兩個出行成本，從所述至少兩個候選駕駛路徑中識別目標駕駛路徑。

技術領域

本申請涉及用于自動駕駛的系統和方法，尤其涉及用于確定自動駕駛中的駕駛路徑的系統和方法。

背景技術

隨著微電子技術和機器人技術的發展，自動駕駛的探索現已迅速發展。對于自動駕駛系統來說，基于與自動駕駛系統的車輛相關的行駛信息(例如，起始位置、定義的目的地、道路狀況)確定合適的駕駛路徑是很重要的。通常，自動駕駛系統會確定至少兩個候選駕駛路徑，并基于與所述至少兩個候選駕駛路徑中的每一個路徑相關的特征(例如，出行成本)，從所述至少兩個候選駕駛路徑中選擇目標駕駛路徑，并且與所述至少兩個候選駕駛路徑中的每一個路徑相關的特征通常是基于人工定義的參數確定的。然而，在某些情況下，人工定義的參數可能不準確或不適合，因此難以基于這些參數確定最佳駕駛路徑。因此，希望提供用于準確和有效地確定最佳駕駛路徑的系統和方法，從而改善自動駕駛系統的性能。

發明內容

本申請的一方面涉及一種用于確定自動駕駛中的駕駛路徑的系統。該系統包括至少一個包括一組指令的存儲介質以及至少一個處理器與所述至少一個存儲介質通信。其中當執行所述一組指令時，所述至少一個處理器用于使所述系統執行下述操作。獲取至少兩個候選駕駛路徑；基于訓練的系數生成模型獲取一個或以上與所述至少兩個候選駕駛路徑相關的系數；基于所述一個或以上系數確定所述至少兩個候選駕駛路徑中的每一個候選駕駛路徑的出行成本；以及基于對應于所述至少兩個候選駕駛路徑中的至少兩個出行成本，從所述至少兩個候選駕駛路徑中識別目標駕駛路徑。

在一些實施例中，所述系統可以確定一個或以上成本因素；以及基于所述一個或以上成本因素和所述一個或以上系數確定所述至少兩個候選駕駛路徑中的每一個候選駕駛路徑的所述出行成本。

在一些實施例中，所述一個或以上成本因素包括速度成本因素、相似度成本因素和/或曲率成本因素。

在一些實施例中，所述系數生成模型通過訓練過程確定，所述訓練過程包括：獲取至少兩個樣本駕駛路徑；基于所述至少兩個樣本駕駛路徑確定至少兩個樣本，其中，所述至少兩個樣本中的每一個樣本都包括對應于相同起始位置和相同目的地的樣本駕駛路徑集；對于所述至少兩個樣本中的每一個樣本，確定對應于所述樣本駕駛路徑集的樣本分數集；以及基于所述至少兩個樣本的所述分數確定所述訓練的系數生成模型。

在一些實施例中，基于所述至少兩個樣本，所述確定所述訓練系數生成模型包括：獲取包括至少兩個初始系數的初始系數生成模型，其中，所述至少兩個初始系數中的每一個系數都對應于樣本；提取所述至少兩個樣本中的每一個樣本的特征信息；對于所述至少兩個樣本中的每一個樣本，基于相應的初始系數和所述特征信息確定對應于所述樣本駕駛路徑集的樣本出行成本集；確定對應于所述至少兩個樣本的至少兩個樣本出行成本集和至少兩個樣本分數集是否滿足預設條件；以及響應于確定所述至少兩個樣本出行成本集和所述至少兩個樣本分數集滿足所述預設條件，指定所述初始系數生成模型作為所述訓練的系數生成模型。

在一些實施例中，基于所述至少兩個樣本來確定所述訓練系數生成模型，進一步包括：更新所述至少兩個初始系數，響應于確定所述至少兩個樣本出行成本集和所述至少兩個樣本分數集不滿足所述預設條件；重復所述步驟，直到確定對應于所述至少兩個樣本的至少兩個樣本出行成本集和至少兩個樣本分數集集滿足所述預設條件。

在一些實施例中，所述至少兩個樣本中的每一個樣本的所述特征信息包括所述樣本駕駛路徑集的每一個樣本駕駛路徑的速度信息以及與所述樣本駕駛路徑集的每一個樣本駕駛路徑相關的障礙物信息。