掉头轨迹规划方法、装置、设备及存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及无人驾驶、规划控制技术领域，具体涉及一种掉头轨迹规划方法、装置、设备及存储介质。

背景技术

在自动驾驶算法中，当前一般采用基于Frenet坐标系的方式实现路径的规划。在多点掉头这样的大曲率计算的场景中，由于道路狭窄或存在障碍物，车辆无法一次性的完成掉头，需要在掉头的过程中通过进一步的倒车才能实现掉头的过程。但是当车辆倒车之后，车辆所处的位置已经和预先确定的参考线(或称为行驶轨迹)中对应点的姿态(如，包括位置和行驶方向)差异较大，需要继续在Frenet坐标系下进行掉头轨迹的规划。

发明内容

本公开提供了一种掉头轨迹规划方法、装置、设备及存储介质。

根据本公开的第一方面，提供了一种掉头轨迹规划方法，包括：首先获取目标车辆当前掉头位置对应的包括车道信息和障碍物信息的场景信息，以基于场景信息构建笛卡尔Cartesian坐标系。然后再获取目标车辆可执行的最大曲率，以根据最大曲率确定曲率采样区间。从而，根据目标车辆在Cartesian坐标系中当前的目标位置和预先规划得到的掉头后的终点位置，从曲率采样区间中进行曲率采样，以基于得到的采样曲率生成多条掉头路径。最终，从得到的多条掉头路径中确定目标车辆的掉头行驶轨迹。

根据本公开的第二方面，提供了一种掉头轨迹规划装置，包括：获取单元，用于获取目标车辆当前掉头位置对应的场景信息；处理单元，用于基于场景信息构建笛卡尔Cartesian坐标系，场景信息包括以下至少一项：车道信息、障碍物信息；获取单元，还用于获取目标车辆可执行的最大曲率；确定单元，用于根据最大曲率确定曲率采样区间；处理单元，还用于根据目标车辆在Cartesian坐标系中当前的目标位置和预先规划得到的掉头后的终点位置，从曲率采样区间中进行曲率采样生成多条掉头路径，一条掉头路径对应一个采样曲率；确定单元，还用于从多条掉头路径中确定目标车辆的掉头行驶轨迹。

根据本公开的第三方面，提供了一种电子设备，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中的任一项方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，包括：

计算机指令用于使计算机执行第一方面中的任一项方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括：

计算机程序，计算机程序在被处理器执行第一方面中的任一项方法。

根据本公开的技术解决了在多点掉头这样的大曲率计算的场景中，由于道路狭窄或存在障碍物，车辆无法一次性的完成掉头，当车辆倒车之后，车辆所处的位置和预先确定的参考线(或称为行驶轨迹)中对应点的姿态(如，包括位置和行驶方向)差异较大，而导致由于曲率超限求解轨迹失败的问题。从而可以提高车辆掉头时对掉头轨迹进行规划的效率和准确度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开实施例提供的一种掉头轨迹规划方法的流程示意图；

图2是本公开实施例提供的另一种掉头轨迹规划方法的流程示意图；

图3是本公开实施例提供的一种掉头轨迹规划实例图；

图4是本公开实施例提供的另一种掉头轨迹规划实例图；

图5是本公开实施例提供的又一种掉头轨迹规划方法的流程示意图；

图6是本公开实施例提供的又一种掉头轨迹规划实例图；

图7是本公开实施例提供的又一种掉头轨迹规划方法的流程示意图；

图8是本公开实施例提供的又一种掉头轨迹规划方法的流程示意图；

图9是本公开实施例提供的又一种掉头轨迹规划实例图；

图10是本公开实施例提供的一种掉头轨迹规划装置的结构示意图；

图11是本公开实施例提供的一种掉头轨迹规划方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

在对本公开实施例的掉头轨迹规划方法进行详细介绍之前，先对本公开实施例的应用场景进行介绍。

首先，对本公开实施例的应用场景进行介绍。

近年来，在L4级别的自动驾驶路径规划算法中，一般采用基于参考线的方式进行路径规划，这种路径规划方式在较宽的道路中实现车辆掉头时，是不存在问题的。但是，在较窄的道路中实现车辆掉头的场景中，由于规划的掉头轨迹的曲率值较大，车辆受到自身参数(如，转弯半径)的限制，无法基于规划的掉头轨迹一次性的正向完成车辆掉头，需要通过倒车实现车辆掉头。但是当车辆倒车之后，车辆所处的位置已经和原参考线的对应点的姿态差异较大。此时若继续在Frenet坐标系下规划掉头轨迹，会由于曲率超限而求解失败，从而导致车辆掉头失败。

常见的L4级别的自动驾驶路径规划算法采用的是基于参考线的Frenet坐标系构建一个二次规划问题去求解，并且把曲率约束当作一项软约束。这种方法在掉头场景有以下几个问题：在障碍物约束较为紧凑时无法保证求解得到的曲率是车辆可执行的转弯半径，即由于车辆转向能力的限制，车辆无法沿着曲率超限的规划轨迹行驶；对于多点掉头场景，即在需要倒车的情况下，由于倒车后车辆姿态和参考线偏离较多，继续使用Frenet规划路径十分容易求解失败或求解出来的线性十分扭曲，导致二次规划问题难以求解。而对于L2级别的自动驾驶，在窄路掉头场景下，一般采用基于搜索的方法进行路径规划，这种方法不基于参考线，不存在二次规划难以求解和曲率超限的问题，但是复杂路况下无法保证求解耗时满足自动驾驶的要求(一般要求规划算法100ms以内)，这种方法对于L4级别的自动驾驶借鉴意义不大。

因此，在规划掉头轨迹的算法中，需要规划一段比较灵活的轨迹，使得车辆在较窄的道路中实现车辆掉头时，在倒车结束后能够行驶到可以切换到Frenet坐标系继续规划掉头轨迹的姿态，然后再重新切换到Frenet坐标系下进行轨迹规划。这段灵活的轨迹需要在笛卡尔(Cartesian)坐标系下进行规划。Cartesian坐标系下的路径规划结果需要满足以下四个要求：车辆可执行的转弯半径(即曲率或曲率变化率)需要在车辆的可执行范围内，并且车辆具备避开静止障碍物的能力，需要具有准确的避障算法支撑，以及能够行驶到合适的目标车道，需要做车道选择决策，最终在通过Cartesian坐标系完成轨迹规划之后，还能够方便的切换回通过Frenet坐标系进行轨迹规划，保证切换回Frenet坐标系后不会出现轨迹求解失败的问题。

从而，需要考虑一种新的规划算法，能够克服以上在Frenet坐标系规划路径的问题，并且可以保证正常切换到Frenet坐标系进行路径的规划，同时，要求路径规划耗时尽可能的低。

为了解决上述问题，本公开实施例提供一种掉头轨迹规划方法，应用于车辆掉头的场景中。在该方法中，首先获取目标车辆当前掉头位置对应的包括车道信息和障碍物信息的场景信息，以基于场景信息构建Cartesian坐标系。然后再获取目标车辆可执行的最大曲率，以根据最大曲率确定曲率采样区间。从而，根据目标车辆在Cartesian坐标系中当前的目标位置和预先规划得到的掉头后的终点位置，从曲率采样区间中进行曲率采样，以基于得到的采样曲率生成多条掉头路径。最终，从得到的多条掉头路径中确定目标车辆的掉头行驶轨迹。

可以理解的是，本公开可以通过目标车辆采集到的当前掉头位置对应的车道信息和障碍物信息构建Cartesian坐标系，以得到目标车辆当前调头位置对应的虚拟场景；然后根据目标车辆当前的目标位置和掉头后的终点位置，从预先确定的曲率采样区间中进行采样确定多个曲率，并根据采样得到的多个曲率，在Cartesian坐标系生成多条掉头路径，最终从生成的多条掉头路径中确定出目标车辆的掉头行驶轨迹，从而可以在车辆掉头的过程中，当车辆需要进行倒车时，提高确定车辆掉头行驶轨迹的准确度和效率。

本公开提供的掉头轨迹规划方法的执行主体可以为掉头轨迹规划装置，该装置可以为电子设备。同时，该装置还可以为该电子设备的中央处理器(Central ProcessingUnit，CPU)，或者该电子设备中的用于生成行驶轨迹的处理模块。本公开实施例中以电子设备执行掉头轨迹规划方法为例，说明本公开实施例提供的掉头轨迹规划方法。

需要说明的是，本公开实施例对电子设备不作限定。本公开实施例中的电子设备可以是车载设备、平板电脑、手机、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本，以及蜂窝电话、个人数字助理(personal digital assistant，PDA)、增强现实(augmented reality，AR)\虚拟现实(virtual reality，VR)设备等设备，本公开实施例对该电子设备的具体形态不作特殊限制。

如图1所示，为本公开实施例提供的一种掉头轨迹规划方法，该方法包括：

S101、获取目标车辆当前掉头位置对应的场景信息，并基于场景信息构建Cartesian坐标系。

其中，场景信息包括以下至少一项：车道信息、障碍物信息。Cartesian坐标系可以用于指示：目标车辆的行驶方向、目标车辆当前的目标位置、障碍物位置、车道位置等。

需要说明的是，本公开实施例中，当目标车辆行驶到需要掉头的位置时，可以通过获取目标车辆当前掉头位置对应的包括车道信息和障碍物信息的场景信息，构建笛卡尔Cartesian坐标系，以得到目标车辆当前位置对应的虚拟场景。

在一种可能的实现方式中，可以通过目标车辆上设置的多个传感器获取目标车辆当前掉头位置对应的场景信息，以确定当前掉头位置包括的车道信息和/或障碍物信息，车道信息包括：车道边界线、车道宽度、车道对应的行驶方向等。

可选的，上述传感器可以包括以下至少一项：摄像头、毫米波雷达等。其中，摄像头主要用于车道线、交通标示牌、红绿灯以及车辆、行人检测；毫米波雷达主要用于交通车辆的检测，检测速度快、准确，不易受到天气影响。

可选的，上述障碍物信息可以包括：行人、其他车辆、建筑物、绿化带等影响车辆通行的障碍物。

在一种可能的实现方式中，当目标车辆通过传感器检测到当前掉头位置对应的场景信息之后，可以基于检测到的场景信息和Cartesian坐标系，构建目标车辆当前掉头位置对应的虚拟场景，以在虚拟场景中对掉头轨迹做规划。

S102、获取目标车辆可执行的最大曲率，并根据最大曲率确定曲率采样区间。

在一种可能的实现方式中，可以获取目标车辆的自身参数，如目标车辆可执行的最小转弯半径，以根据目标车辆可执行的最小转弯半径确定目标车辆对应的可执行的最大曲率。之后，可以根据目标车辆对应的可执行的最大曲率，确定在规划掉头轨迹时所能使用的曲率采样区间。

可以理解，目标车辆对应的可执行的最大曲率可以为目标车辆可执行的最小转弯半径的倒数。

示例性的，以向左掉头，目标车辆向左行驶时曲率为正为例，获取到的目标车辆的最小转弯半径为5米，则可以确定出目标车辆的可执行的最大曲率为1/5，即0.2。基于此，可以确定曲率采样区间为[0.05，0.2]。

需要说明的是，由于目标车辆的最大转弯半径可以无限大，即曲率采样区间的最小值可以无限的接近0(即曲率采样区间处于(0，0.2]范围即可)，本申请中仅以0.05作为曲率采样区间的最小值，在实际使用中对曲率采样区间的最小值不做具体限定，可以为0.01或0.1等任何大于0且小于最大曲率(例如0.2)的值。

S103、根据目标车辆在Cartesian坐标系中当前的目标位置和预先规划得到的掉头后的终点位置，从曲率采样区间中进行曲率采样生成多条掉头路径。

其中，一条掉头路径对应一个采样曲率。

S104、从多条掉头路径中确定目标车辆的掉头行驶轨迹。

在一种可能的实现方式中，当从曲率采样区间中进行曲率采样生成多条掉头路径之后，可以通过预设条件对多条掉头路径进行筛选，以最终从多条掉头路径中确定出一条掉头路径作为目标车辆的掉头行驶轨迹。

如图2所示，为本申请实施例提供的另一种掉头轨迹规划方法，该方法包括：

S201、获取目标车辆当前掉头位置对应的场景信息，并基于场景信息构建Cartesian坐标系。

S202、获取目标车辆可执行的最大曲率，并根据最大曲率确定曲率采样区间。

需要说明的是，由于上述步骤S201中的内容与步骤S101相同，步骤S202中的内容与步骤S102相同，此处不在赘述。

进一步的，在根据最大曲率确定曲率采样区间之后，还可以根据目标车辆在Cartesian坐标系中当前的目标位置和预先规划得到的掉头后的终点位置，从曲率采样区间中进行曲率采样生成多条掉头路径，具体的：

S203、根据目标车辆在Cartesian坐标系中当前的目标位置和掉头后的终点位置，基于预设采样间隔从曲率采样区间中确定出多个采样曲率。

在一种可能的实现方式中，具体可以基于目标车辆当前能够执行的最小曲率和预设采样间隔从曲率采样区间中确定出多个采样曲率。

其中，可以确定目标车辆当前在目标位置对应的第一行驶方向(即车头朝向)和掉头后的终点位置对应的第二行驶方向，从而基于第一行驶方向、第二行驶方向、当前的目标位置和掉头后的终点位置，确定出在当前掉头位置对应的最大转弯半径，以确定目标车辆当前能够执行的最小曲率。

进一步的，基于确定的目标车辆在当前调头位置能够执行的最小曲率和预设的采样间隔，从曲率采样区间中进行曲率采样确定出多个采样曲率。

示例性的，假设目标车辆在当前调头位置完成掉头时最大的转弯半径为10米，则目标车辆在当前调头位置能够执行的最小曲率为0.1，若预设采样间隔设置为0.01，这样可以从曲率采样区间中采样得到11个采样曲率，即0.1、0.11、0.12、0.13、0.14、0.15、0.16、0.17、0.18、0.19和0.2。

S204、基于多个采样曲率在Cartesian坐标系中生成多条掉头路径。

在一种可能的实现方式中，可以根据目标车辆当前在目标位置对应的第一行驶方向和掉头后的终点位置对应的第二行驶方向，及多个采样曲率中的每个采样曲率在Cartesian坐标系中生成多条掉头路径。

需要说明的是，掉头路径为多段等曲率的“圆弧”和一段“直线”构成。其中，圆弧部分从目标车辆当前的目标位置，沿着第一行驶方向出发，按照目标车辆动力学约束进行等曲率延伸；直线部分按照圆弧延伸到的与目标车辆掉头后的第二行驶方向一致的终点位置开始，延着掉头后的终点位置对应的第二行驶方向直线延伸。

如继续结合S203中的示例，根据采样得到的11个采样曲率，可以生成11条掉头路径。

示例性的，如图3所示，为在基于Cartesian坐标系构建的虚拟场景中生成的多条掉头路径示意图。包括：目标车辆301、车道指示线302、障碍物303和多条掉头路径304。目标车辆301当前的目标位置为在掉头的过程中进行倒车后的位置，基于目标车辆301当前的目标位置、目标车辆301当前的行驶方向、目标车辆301掉头后的终点位置、目标车辆301掉头后的行驶方向，可以生成多条掉头路径304。

可选的，如图4所示，以目标车辆的后轴中心点作为路径规划点，记曲率为k，那么对应的转弯半径R为R＝1/k，记目标车辆在目标位置对应的第一行驶方向401为

需要说明的是，通过上述公式一，可以基于每个采样曲率、目标位置和掉头后的终点位置确定每条掉头路径在Cartesian坐标系中的坐标，从而在后续基于每条掉头路径在Cartesian坐标系中的坐标和Cartesian坐标系中的障碍物位置对多条掉头路径进行筛选。

在本公开实施例中，可以根据目标车辆在Cartesian坐标系中当前的目标位置和掉头后的终点位置，以及目标车辆在目标位置对应的第一行驶方向和掉头后的终点位置对应的第二行驶方向，基于预设采样间隔从曲率采样区间中确定出多个采样曲率，然后基于多个采样曲率在Cartesian坐标系中生成多条掉头路径，从而根据多条掉头路径确定目标车辆的掉头行驶轨迹，可以提高规划掉头路径的准确度。

S205、从多条掉头路径中确定目标车辆的掉头行驶轨迹。

在一种可能的实现方式中，当从曲率采样区间中进行曲率采样生成多条掉头路径之后，可以通过预设条件对多条掉头路径进行筛选，以最终从多条掉头路径中确定出一条掉头路径作为目标车辆的掉头行驶轨迹。

如图5所示，为本申请实施例提供的又一种掉头轨迹规划方法，该方法包括：

S501、获取目标车辆当前掉头位置对应的场景信息，并基于场景信息构建Cartesian坐标系。

S502、获取目标车辆可执行的最大曲率，并根据最大曲率确定曲率采样区间。

S503、根据目标车辆在Cartesian坐标系中当前的目标位置和预先规划得到的掉头后的终点位置，从曲率采样区间中进行曲率采样生成多条掉头路径。

需要说明的是，由于上述步骤S501中的内容与步骤S101相同，步骤S502中的内容与步骤S102相同，步骤S503中的内容与步骤S103相同，此处不在赘述。

进一步的，在从曲率采样区间中进行曲率采样生成多条掉头路径之后，还可以从多条掉头路径中确定目标车辆的掉头行驶轨迹，具体的：

S504、基于Cartesian坐标系中包括的车道信息和障碍物信息，从多条掉头路径中确定出与障碍物不会产生碰撞的至少一条掉头路径。

在一种可能的实现方式中，结合图3所示，判断多条掉头路径中的每条掉头路径是否会与障碍物发生碰撞。

如，可以通过为障碍物(路肩、绿化带或其他静止障碍物)增加一定的缓冲区形成一个多边形，如称为障碍物多边形。另外，基于每个路径中的点的坐标和朝向，在路径上构建目标车辆的多个虚拟位置(通过虚线多边形指示)。

之后，根据目标车辆的多个虚拟位置，计算目标车辆在路径上的任一位置和障碍物多边形之间的最小距离，如果最小距离小于预设距离(例如20cm)，则认为目标车辆与障碍物会发生碰撞。

需要说明的是，针对多条掉头路径中的每一条掉头路径都需要进行单独判断，把一定范围内会与障碍物发生碰撞的掉头路径去除，以进一步的从剩下的掉头轨迹中确定目标车辆的掉头行驶轨迹。

上述S504具体可以包括：基于Cartesian坐标系中包括的车道信息和障碍物信息，针对多条掉头路径中的任一条掉头路径，若目标车辆在任一条掉头路径中每一点位置与障碍物之间的距离均大于第一预设距离，则确定目标车辆在任一条掉头路径中与障碍物不会产生碰撞，以从多条掉头路径中确定出至少一条掉头路径。

可选的，针对多条掉头路径中的任一条掉头路径，可以分别判断目标车辆在任一条掉头路径中的每一点位置与障碍物之间的距离是否均大于第一预设距离。

在一种可能的实现方式中，当确定目标车辆在任一条掉头路径中的每一点位置与障碍物之间的距离均大于第一预设距离时，可以确定目标车辆在该任一条掉头路径中与障碍物不会产生碰撞。

在一种可能的实现方式中，当确定目标车辆在任一条掉头路径中的任一点位置与障碍物之间的距离小于或等于第一预设距离时，可以确定目标车辆在该任一条掉头路径中与障碍物会产生碰撞。

示例性的，如图6所示，基于Cartesian坐标系中包括的车道信息和障碍物信息(即目标车辆601、车道指示线602、障碍物603和多条掉头路径604)，分别对多条掉头路径604中的每一条掉头路径进行判断，可以从多条掉头路径604中筛选出掉头路径中每一点位置与障碍物不会产生碰撞的至少一条掉头路径。

在本公开实施例中，针对多条掉头路径中的任一条掉头路径，可以通过判断目标车辆在任一条掉头路径中的每一点位置与障碍物之间的距离是否均大于第一预设距离，来确定目标车辆在掉头路径中与障碍物是否会产生碰撞，从而从多条掉头路径中确定出至少一条掉头路径，可以进一步的提高确定目标车辆的掉头行驶轨迹的准确性，并且降低车辆与障碍物产生碰撞的可能性。

S505、从至少一条掉头路径中确定出第一掉头路径作为目标车辆的掉头行驶轨迹。

在一种可能的实现方式中，当从多条掉头路径中确定出与障碍物不会产生碰撞的至少一条掉头路径之后，还需要进一步的从至少一条掉头路径中确定出满足第二预设条件的第一掉头路径作为目标车辆的掉头行驶轨迹。

具体的，上述第二预设条件可以为：判断至少一条掉头路径中的每条掉头路径与目标车道之间的距离是否小于第二预设距离，通过判断每条掉头路径与目标车道之间的距离与第二预设距离之间的大小关系，从至少一条掉头路径中确定出第二掉头路径，从而从第二掉头路径中确定出第一掉头路径作为目标车辆的掉头行驶轨迹。

在本公开实施例中，基于Cartesian坐标系中包括的车道信息和障碍物信息，可以从多条掉头路径中确定出与障碍物不会产生碰撞的至少一条掉头路径；然后进一步的从至少一条掉头路径中确定出满足条件的第一掉头路径作为目标车辆的掉头行驶轨迹。从而可以提高确定目标车辆的掉头行驶轨迹的准确度。

如图7所示，为本申请实施例提供的又一种掉头轨迹规划方法，该方法包括：

S701、获取目标车辆当前掉头位置对应的场景信息，并基于场景信息构建Cartesian坐标系。

S702、获取目标车辆可执行的最大曲率，并根据最大曲率确定曲率采样区间。

S703、根据目标车辆在Cartesian坐标系中当前的目标位置和预先规划得到的掉头后的终点位置，从曲率采样区间中进行曲率采样生成多条掉头路径。

S704、基于Cartesian坐标系中包括的车道信息和障碍物信息，从多条掉头路径中确定出与障碍物不会产生碰撞的至少一条掉头路径。

需要说明的是，由于上述步骤S701中的内容与步骤S501相同，步骤S702中的内容与步骤S502相同，步骤S703中的内容与步骤S503相同，步骤S704中的内容与步骤S504相同，此处不在赘述。

进一步的，在从多条掉头路径中确定出与障碍物不会产生碰撞的至少一条掉头路径之后，还可以从至少一条掉头路径中确定出第一掉头路径作为目标车辆的掉头行驶轨迹，具体的：

S705、从至少一条掉头路径中确定出与目标车道之间的距离小于第二预设距离的第二掉头路径。

其中，目标车道为基于车道信息预先确定的行驶车道。

在一种可能的实现方式中，可以通过确定至少一条掉头路径中的每条掉头路径中，掉头完成后的“直线”路径与目标车道之间的垂直距离，来确定每条掉头路径与目标车道之间的距离，并判断每条掉头路径与目标车道之间的距离是否小于第二预设距离，从而确定出第二掉头路径。

可选的，目标车道可以为预先确定的，掉头完成后的行驶方向对应的最右侧车道(或最左侧车道)。

需要说明的是，上述第二掉头路径可以为一条掉头路径或多条掉头路径。

S706、将第二掉头路径中采样曲率最大的第二掉头路径确定为第一掉头路径。

在一种可能的实现方式中，当第二掉头路径为一条掉头路径时，可以直接将该第二掉头路径确定为第一掉头路径。

在一种可能的实现方式中，当第二掉头路径为多条掉头路径时，还需要进一步的基于每条掉头路径对应的采样曲率，从第二掉头路径中确定出第一掉头路径。

可选的，可以将第二掉头路径中采样曲率最大的第二掉头路径确定为第一掉头路径，或者从第二掉头路径中随机的确定一条掉头路径确定为第一掉头路径，并将确定的第一掉头路径作为目标车辆的掉头行驶轨迹。

在本公开实施例中，可以进一步的从与障碍物不会产生碰撞的至少一条掉头路径中，确定出与目标车道之间的距离小于第二预设距离的第二掉头路径，然后将第二掉头路径中采样曲率最大的第二掉头路径确定为第一掉头路径，并将第一掉头路径作为目标车辆的掉头行驶轨迹，从而可以进一步的提高确定目标车辆的掉头行驶轨迹的准确性，并且降低车辆与障碍物产生碰撞的可能性。

如图8所示，为本申请实施例提供的又一种掉头轨迹规划方法，该方法包括：

S801、获取目标车辆当前掉头位置对应的场景信息，并基于场景信息构建Cartesian坐标系。

S802、获取目标车辆可执行的最大曲率，并根据最大曲率确定曲率采样区间。

S803、根据目标车辆在Cartesian坐标系中当前的目标位置和预先规划得到的掉头后的终点位置，从曲率采样区间中进行曲率采样生成多条掉头路径。

S804、基于Cartesian坐标系中包括的车道信息和障碍物信息，从多条掉头路径中确定出与障碍物不会产生碰撞的至少一条掉头路径。

需要说明的是，由于上述步骤S801中的内容与步骤S701相同，步骤S802中的内容与步骤S702相同，步骤S803中的内容与步骤S703相同，步骤S804中的内容与步骤S704相同，此处不在赘述。

进一步的，在从多条掉头路径中确定出与障碍物不会产生碰撞的至少一条掉头路径之后，还可以从至少一条掉头路径中确定出与目标车道之间的距离小于第二预设距离的第二掉头路径，具体的：

S805、基于目标车道对应的行驶方向在Cartesian坐标系中构建投影线，并将至少一条掉头路径和目标车道在投影线上做垂直投影。

S806、基于投影线上的路径投影和车道投影，确定与目标车道距离小于第二预设距离的第二掉头路径。

可选的，如图9所示，基于车道行驶方向在Cartesian坐标系中构建投影线901，并基于目标车辆掉头后的行驶方向，将至少一条掉头路径和目标车道在投影线上做垂直投影，以将二维的距离判断问题转化为一纬的问题。其中，通过实线902表示目标车道的中心线，通过实心圆点903表示目标车道在投影线上的投影，通过空心圆点904表示掉头路径在投影线上的投影。从而通过判断每个空心圆点904与实心圆点903之间的距离，确定每条掉头路径与目标车道之间的距离。

具体的，通过投影确定每条掉头路径与目标车道之间的距离，可以通过公式二计算得到。

其中，Ax

在一种可能的实现方式中，从至少一条掉头路径中确定目标车辆的掉头行驶轨迹，可以优先选择轨迹中圆弧部分较短的轨迹，目的是减少目标车辆的行驶距离，避免与障碍物距离较近，提高通行效率。

S807将第二掉头路径中采样曲率最大的第二掉头路径确定为第一掉头路径。

需要说明的是，由于上述步骤S807中的内容与步骤S706相同，此处不在赘述。

在本公开实施例中，通过基于目标车道对应的行驶方向在Cartesian坐标系中构建投影线，从而可以将至少一条掉头路径和目标车道在投影线上做垂直投影，以进一步的基于投影线上的路径投影和车道投影，确定目标车道与掉头路径之间的距离，从而确定出第二掉头路径，提高了确定第二掉头路径的准确度。

需要说明的是，本公开实施例不同于常见的基于参考线的Frenet坐标系构建一个二次规划的方式，也不同于常见的基于搜索的OPEN_SPACE的规划方式，本公开实施例充分考虑了车辆的可执行性与算法耗时问题，配合基于车辆极坐标的判断碰撞策略和目标车道判断策略，高效的确定车辆的掉头行驶轨迹。能够克服在Frenet坐标系中进行轨迹规划的问题，并且可以保证车辆在掉头完成后正常切换到Frenet坐标系继续进行路径的规划，具有效率高、易实现，可无缝切换到其他算法的特点，对于提高大曲率场景的自动驾驶通过率具有现实意义。

基于上述技术方案，本公开可以通过目标车辆采集到的当前掉头位置对应的车道信息和障碍物信息构建Cartesian坐标系，以得到目标车辆当前调头位置对应的虚拟场景；然后根据目标车辆当前的目标位置和掉头后的终点位置，从预先确定的曲率采样区间中进行采样确定多个曲率，并根据采样得到的多个曲率，在Cartesian坐标系生成多条掉头路径，最终从生成的多条掉头路径中确定出目标车辆的掉头行驶轨迹，从而可以在车辆掉头的过程中，当车辆需要进行倒车时，提高确定车辆掉头行驶轨迹的准确度和效率。

进一步的，再基于目标车辆当前掉头位置和障碍物位置，从生成多条掉头路径中去除与障碍物会产生碰撞的掉头路径，并从不会与障碍物产生碰撞的掉头路径中确定，目标车辆在掉头轨迹中的位置与障碍物之间的距离大于预设阈值的掉头路径。最终将目标车辆在掉头轨迹中的位置与障碍物之间的距离大于预设阈值的掉头路径中，曲率最大的掉头路径作为目标车辆的行驶轨迹。本公开可以基于Cartesian坐标系、车辆当前的目标位置、车道位置和障碍物位置，以及车辆可执行的最大曲率，先确定出多条掉头路径，然后逐步的对多条掉头路径进行筛选，以最终确定最合适的掉头路径作为车辆的掉头行驶轨迹，从而可以提高确定车辆掉头形式轨迹的准确度和效率。

上述主要从计算机设备的角度对本公开实施例提供的方案进行了介绍。可以理解的是，计算机设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本公开所公开的实施例描述的各示例的掉头轨迹规划方法步骤，本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

本公开实施例可以根据上述方法示例对掉头轨迹规划方式进行功能模块或者功能单元的划分，例如，可以对应各个功能划分各个功能模块或者功能单元，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块或者功能单元的形式实现。其中，本公开实施例中对模块或者单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

如图10所示，为本公开实施例提供的一种掉头轨迹规划装置的结构示意图。掉头轨迹规划装置可以包括：获取单元1001、处理单元1002和确定单元1003。

获取单元1001，用于获取目标车辆当前掉头位置对应的场景信息；处理单元1002，用于基于场景信息构建笛卡尔Cartesian坐标系，场景信息包括以下至少一项：车道信息、障碍物信息；获取单元1001，还用于获取目标车辆可执行的最大曲率；确定单元1003，用于根据最大曲率确定曲率采样区间；处理单元1002，还用于根据目标车辆在Cartesian坐标系中当前的目标位置和预先规划得到的掉头后的终点位置，从曲率采样区间中进行曲率采样生成多条掉头路径，一条掉头路径对应一个采样曲率；确定单元1003，还用于从多条掉头路径中确定目标车辆的掉头行驶轨迹。

可选的，确定单元1003，还用于根据目标车辆在Cartesian坐标系中当前的目标位置和掉头后的终点位置，基于预设采样间隔从曲率采样区间中确定出多个采样曲率；处理单元1002，还用于基于多个采样曲率在Cartesian坐标系中生成多条掉头路径。

可选的，确定单元1003，还用于基于Cartesian坐标系中包括的车道信息和障碍物信息，从多条掉头路径中确定出与障碍物不会产生碰撞的至少一条掉头路径；确定单元1003，还用于从至少一条掉头路径中确定出第一掉头路径作为目标车辆的掉头行驶轨迹。

可选的，确定单元1003，还用于基于Cartesian坐标系中包括的车道信息和障碍物信息，针对多条掉头路径中的任一条掉头路径，若目标车辆在任一条掉头路径中每一点位置与障碍物之间的距离均大于第一预设距离，则确定目标车辆在任一条掉头路径中与障碍物不会产生碰撞，以从多条掉头路径中确定出至少一条掉头路径。

可选的，确定单元1003，还用于从至少一条掉头路径中确定出与目标车道之间的距离小于第二预设距离的第二掉头路径，目标车道为基于车道信息预先确定的行驶车道；确定单元1003，还用于将第二掉头路径中采样曲率最大的第二掉头路径确定为第一掉头路径。

可选的，处理单元1002，还用于基于目标车道对应的行驶方向在Cartesian坐标系中构建投影线，并将至少一条掉头路径和目标车道在投影线上做垂直投影；确定单元1003，还用于基于投影线上的路径投影和车道投影，确定与目标车道距离小于第二预设距离的第二掉头路径。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如掉头轨迹规划方法。例如，在一些实施例中，掉头轨迹规划方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的掉头轨迹规划方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行掉头轨迹规划方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。