本申请属于自动驾驶，具体涉及一种车辆轨迹规划方法和装置、无人车和存储介质。
背景技术：
1、轨迹规划算法是指在给定的时间和空间约束下，计算出一个物体或者车辆在空间中的轨迹，以完成特定任务或达到特定目标。这种算法通常被广泛应用于自动驾驶、飞行器路径规划、机器人运动控制等领域。轨迹规划算法的目标是找到一条连续的轨迹，使得物体或车辆能够在规定的时间内到达目标位置，同时满足各种约束条件，如避开障碍物、保持安全距离、遵守动力学限制等。轨迹规划可以解耦为横向和纵向的规划，横向规划可以视为行车方向上的规划，它决定了轨迹的形状，而如何在frenet坐标系下实现横向轨迹规划是亟待解决的问题。
2、公开于该背景技术部分的信息仅仅旨在增加对本申请的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、本申请的目的在于提供一种车辆轨迹规划方法，其用于解决如何在frenet坐标系下实现横向轨迹规划的问题。
2、为实现上述目的，本申请提供了一种车辆轨迹规划方法，所述方法包括：
3、获取目标车辆的行驶轨迹和道路边界信息；
4、基于所述行驶轨迹和线性化的动作价值函数，由所述行驶轨迹的终点向初始点递推每步的最优控制率，以修正所述行驶轨迹，其中，所述动作价值函数包括障碍函数子项，所述障碍函数子项基于道路边界信息对目标车辆的角点约束以及行驶轨迹的曲率约束构建；
5、基于修正后的行驶轨迹，重复递推每步的最优控制率并修正行驶轨迹，以完成所述目标车辆的轨迹规划。
6、一实施例中，所述障碍函数子项的构建方法包括：
7、确定包络所述目标车辆车头角点的第一参考圆、以及包络所述目标车辆车尾角点的第二参考圆，其中，所述第一参考圆和第二参考圆的圆心位于目标车辆的车轴线上；
8、基于所述道路边界信息对第一参考圆和第二参考圆的碰撞约束，构建对所述目标车辆的角点约束。
9、一实施例中，根据权利要求1所述的车辆轨迹规划方法，其特征在于，所述第一参考圆经过目标车辆的车头角点；和/或，所述第二参考圆经过目标车辆的车尾角点；和/或，
10、基于所述道路边界信息对第一参考圆和第二参考圆的碰撞约束，构建对所述目标车辆的角点约束，具体包括：
11、以道路下边界与第一参考圆的半径之和对第一参考圆的圆心位置进行最小值约束，以及以道路上边界与第一参考圆的半径之差对第一参考圆的圆心位置进行最大值约束；和/或，
12、以道路下边界与第二参考圆的半径之和对第二参考圆的圆心位置进行最小值约束，以及以道路上边界与第二参考圆的半径之差对第二参考圆的圆心位置进行最大值约束。
13、一实施例中，所述障碍函数子项的构建方法包括：
14、基于所述目标车辆的行驶轨迹，确定所述目标车辆在当前步的曲率前馈；
15、以所述目标车辆的最大转角，对所述目标车辆在当前步的行驶轨迹曲率和曲率前馈之和进行约束。
16、一实施例中，所述障碍函数子项为指数型函数、对数函数、平方函数中的任一种。
17、一实施例中，基于所述行驶轨迹和线性化的动作价值函数，由当前行驶轨迹的终点向初始点递推每步的最优控制率，具体包括：
18、基于所述行驶轨迹的状态量，确定对应轨迹点代价函数的一阶梯度向量和海塞矩阵、以及系统状态方程的雅克比矩阵；
19、基于所述对应轨迹点代价函数的一阶梯度向量和海塞矩阵、系统状态方程的雅克比矩阵、以及线性化的动作价值函数，确定第t步的最优控制率；
20、基于第t步的最优控制率和所述线性化的动作价值函数，确定第t步的状态价值修正量，进而递推第t-1步的最优控制率。
21、一实施例中，所述方法还包括：
22、对所述代价函数进行二阶泰勒展开，并转换为轨迹点代价误差的模型；
23、对所述系统状态方程进行一阶泰勒展开，并转换为轨迹点状态量误差的模型。
24、一实施例中，所述最优控制率包括所述行驶轨迹各轨迹点的控制量修正量；
25、所述方法还包括：
26、基于所述控制量修正量，修正所述行驶轨迹各轨迹点的控制量，进而修正所述行驶轨迹。
27、本申请还提供一种车辆轨迹规划装置，包括：
28、获取模块，用于获取目标车辆的行驶轨迹和障碍物信息；
29、修正模块，用于基于所述行驶轨迹和线性化的动作价值函数，由所述行驶轨迹的终点向初始点递推每步的最优控制率，以修正所述行驶轨迹，其中，所述动作价值函数包括障碍函数子项，所述障碍函数子项基于道路边界信息对目标车辆的角点约束以及行驶轨迹的曲率约束构建；
30、规划模块，用于基于修正后的行驶轨迹，重复递推每步的最优控制率直至达到预设目标，以完成所述目标车辆的轨迹规划。
31、本申请还提供一种无人车，包括：
32、至少一个处理器；以及
33、存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的车辆轨迹规划方法。
34、本申请还提供一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如上所述的车辆轨迹规划方法。
35、与现有技术相比，根据本申请的车辆轨迹规划方法，通过线性化的动作价值函数，由行驶轨迹的终点向初始点递推每步的最优控制率，以对行驶轨迹进行修正；同时，基于修正后的行驶轨迹不断重复上述递推每步最优控制率的步骤，直至达到预设目标；在此过程中，动作价值函数中包括基于道路边界信息对目标车辆的角点约束以及行驶轨迹的曲率约束构建的障碍函数子项，可以满足在frenet坐标系下横向轨迹规划的需求。由于将全局优化的问题转化为了在每步独立的局部优化问题，使得车辆轨迹规划问题得以简化，求解效率更高。
36、在另一个方面，求解过程中对系统状态方程只进行一阶泰勒展开，由于只需要计算雅克比矩阵，其迭代所需消耗的时间远小于二阶泰勒展开计算海塞矩阵所需时间，进一步提高了求解效率。
1.一种车辆轨迹规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述的车辆轨迹规划方法，其特征在于，所述障碍函数子项的构建方法包括：
3.根据权利要求2所述的车辆轨迹规划方法，其特征在于，根据权利要求1所述的车辆轨迹规划方法，其特征在于，所述第一参考圆经过目标车辆的车头角点；和/或，所述第二参考圆经过目标车辆的车尾角点；和/或，
4.根据权利要求1所述的车辆轨迹规划方法，其特征在于，所述障碍函数子项的构建方法包括：
5.根据权利要求1至4任一项所述的车辆轨迹规划方法，其特征在于，所述障碍函数子项为指数型函数、对数函数、平方函数中的任一种。
6.根据权利要求1所述的车辆轨迹规划方法，其特征在于，基于所述行驶轨迹和线性化的动作价值函数，由当前行驶轨迹的终点向初始点递推每步的最优控制率，具体包括：
7.根据权利要求6所述的车辆轨迹规划方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的车辆轨迹规划方法，其特征在于，所述最优控制率包括所述行驶轨迹各轨迹点的控制量修正量；
9.一种车辆轨迹规划装置，其特征在于，包括：
10.一种无人车，其特征在于，包括：
11.一种机器可读存储介质，其存储有可执行指令，其特征在于，所述指令当被执行时使得所述机器执行如权利要求1至8任一项所述的车辆轨迹规划方法。
