本技術(shù)涉及車輛，特別涉及一種泊車可行域計(jì)算方法、裝置、車輛及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著我國(guó)汽車工業(yè)的迅速發(fā)展，汽車產(chǎn)銷量近三千萬(wàn)量，越來(lái)越多的汽車走進(jìn)千家萬(wàn)戶，方便了普通大眾的需求，但隨之帶來(lái)的停車難現(xiàn)象日益嚴(yán)重，狹小的泊車空間及有限的視野范圍給駕駛員泊車增加了較大難度，進(jìn)而導(dǎo)致人工泊車中的事故率不斷發(fā)生和增加，因此，自動(dòng)泊車技術(shù)發(fā)展正在解決人們對(duì)停車難的痛點(diǎn)需求。

2、自動(dòng)泊車技術(shù)是一種代替駕駛員人工操作的自動(dòng)停車新型技術(shù)，其主要包括車位識(shí)別、路徑規(guī)劃和運(yùn)動(dòng)控制等技術(shù)模塊，其中泊車的可行域(可泊車功能的駕駛區(qū)域)判定是行使泊車功能的重要環(huán)節(jié)，這是自動(dòng)泊車功能技術(shù)在車輛尋找到車位后，開(kāi)啟泊車功能的基礎(chǔ)。

3、遺傳算法起源于上世紀(jì)70年代，該算法是根據(jù)大自然中生物體進(jìn)化規(guī)律而設(shè)計(jì)提出的。通過(guò)模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型。一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。該算法通過(guò)數(shù)學(xué)的方式，利用計(jì)算機(jī)仿真運(yùn)算，將問(wèn)題的求解過(guò)程轉(zhuǎn)換成類似生物進(jìn)化中的染色體基因的交叉、變異等過(guò)程。在求解較為復(fù)雜的組合優(yōu)化問(wèn)題時(shí)，相對(duì)一些常規(guī)的優(yōu)化算法，通常能夠較快地獲得較好的優(yōu)化結(jié)果。

4、相關(guān)技術(shù)中，通過(guò)計(jì)算車輛的動(dòng)力學(xué)模型，建立車輛運(yùn)動(dòng)學(xué)模型函數(shù)，此函數(shù)一般為非線性函數(shù)，根據(jù)車輛動(dòng)力學(xué)模型模擬車輛模擬倒車入庫(kù)過(guò)程中建立碰撞約束條件，根據(jù)約束條件和車輛運(yùn)動(dòng)學(xué)模型函數(shù)抽象出一個(gè)帶有約束條件的非線性優(yōu)化函數(shù)優(yōu)化，最終計(jì)算出符合車輛動(dòng)力學(xué)模型和泊車約束條件的泊車可行域。

5、然而，計(jì)算泊車可行域的方法由于涉及到函數(shù)的非線性優(yōu)化，其本質(zhì)是一個(gè)不斷迭代的函數(shù)優(yōu)化過(guò)程，相關(guān)技術(shù)中是采用隨機(jī)選取初始點(diǎn)的方法，進(jìn)行初始迭代，會(huì)造成收斂效果較差，取得的泊車可行域結(jié)果精確度較低的缺陷，進(jìn)而影響泊車功能的實(shí)際效果。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種泊車可行域計(jì)算方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，以解決自動(dòng)泊車過(guò)程中泊車可行域的計(jì)算精確度低等問(wèn)題，對(duì)泊車可行域進(jìn)行判斷和優(yōu)化，大大提高了自動(dòng)泊車的精確度和可靠性。

2、本技術(shù)第一方面實(shí)施例提供一種泊車可行域計(jì)算方法，包括以下步驟：獲取當(dāng)前車輛的車輛動(dòng)力學(xué)模型、泊車條件、車位限制條件、車位位置和初始泊車可行域；根據(jù)所述車輛動(dòng)力學(xué)模型、所述泊車條件和所述車位限制條件建立所述初始泊車可行域的約束條件，并根據(jù)所述車輛動(dòng)力學(xué)模型和所述車位位置建立路徑規(guī)劃函數(shù)；根據(jù)所述約束條件和所述路徑規(guī)劃函數(shù)得到非線性優(yōu)化函數(shù)，并基于預(yù)設(shè)的遺傳策略求解所述非線性優(yōu)化函數(shù)，得到初始迭代點(diǎn)，并利用所述初始迭代點(diǎn)對(duì)所述路徑規(guī)劃函數(shù)進(jìn)行迭代求解，計(jì)算出最終泊車可行域。

3、可選地，在一些實(shí)施例中，在計(jì)算出所述最終泊車可行域之后，還包括：基于所述最終泊車可行域，對(duì)所述當(dāng)前車輛的泊車進(jìn)行預(yù)判，以根據(jù)預(yù)判結(jié)果完成所述當(dāng)前車輛的泊車動(dòng)作。

4、可選地，在一些實(shí)施例中，所述預(yù)設(shè)的遺傳策略為：獲取多個(gè)初始目標(biāo)泊車可行域；產(chǎn)生多個(gè)初始目標(biāo)泊車可行域遺傳算子種群，并計(jì)算每個(gè)初始目標(biāo)泊車可行域遺傳算子的適應(yīng)度，且基于所述適應(yīng)度判斷是否滿足預(yù)設(shè)的迭代條件限制；若不滿足所述預(yù)設(shè)的迭代條件限制，則基于預(yù)設(shè)的隨機(jī)輪盤賭策略選擇兩個(gè)泊車可行域計(jì)算遺傳算子種群，并對(duì)所述兩個(gè)泊車可行域計(jì)算遺傳算子種群進(jìn)行優(yōu)化處理后，重新判斷所述適應(yīng)度是否滿足所述預(yù)設(shè)的迭代條件限制，直至所述適應(yīng)度滿足所述預(yù)設(shè)的迭代條件限制，得到最優(yōu)泊車可行域解。

5、可選地，在一些實(shí)施例中，所述對(duì)所述兩個(gè)泊車可行域計(jì)算遺傳算子種群進(jìn)行優(yōu)化處理，包括：對(duì)所述兩個(gè)泊車可行域中任一泊車可行域進(jìn)行復(fù)制操作，并將復(fù)制結(jié)果加入到新種群；對(duì)所述兩個(gè)泊車可行域中剩余泊車可行域進(jìn)行變異操作，并將變異結(jié)果加入到所述新種群；對(duì)所述兩個(gè)泊車可行域中進(jìn)行交叉操作，將交叉結(jié)果加入到所述新種群。

6、可選地，在一些實(shí)施例中，所述預(yù)設(shè)的隨機(jī)輪盤賭策略為：確定遺傳算子集合點(diǎn)，其中，所述集合點(diǎn)屬于符合泊車可行域約束條件的遺傳算子點(diǎn)的集合；

7、基于所述遺傳算子集合點(diǎn)和預(yù)設(shè)的隨機(jī)數(shù)，從所述符合泊車可行域約束條件的遺傳算子點(diǎn)的集合中篩選出被選擇概率大于等于所述預(yù)設(shè)的隨機(jī)數(shù)的泊車遺傳算子的集合，其中，所述預(yù)設(shè)的隨機(jī)數(shù)服從均勻分布，且所述預(yù)設(shè)的隨機(jī)數(shù)處于零至泊車可行域遺傳算子計(jì)算出的函數(shù)適應(yīng)度概率構(gòu)成的區(qū)間內(nèi)；基于所述泊車遺傳算子的集合，利用目標(biāo)輪盤賭算法篩選出泊車可行域遺傳算子計(jì)算點(diǎn)。

8、本技術(shù)第二方面實(shí)施例提供一種泊車可行域計(jì)算裝置，包括：獲取模塊，用于獲取當(dāng)前車輛的車輛動(dòng)力學(xué)模型、泊車條件、車位限制條件、車位位置和初始泊車可行域；建模模塊，用于根據(jù)所述車輛動(dòng)力學(xué)模型、所述泊車條件和所述車位限制條件建立所述初始泊車可行域的約束條件，并根據(jù)所述車輛動(dòng)力學(xué)模型和所述車位位置建立路徑規(guī)劃函數(shù)；計(jì)算模塊，用于根據(jù)所述約束條件和所述路徑規(guī)劃函數(shù)得到非線性優(yōu)化函數(shù)，并基于預(yù)設(shè)的遺傳策略求解所述非線性優(yōu)化函數(shù)，得到初始迭代點(diǎn)，并利用所述初始迭代點(diǎn)對(duì)所述路徑規(guī)劃函數(shù)進(jìn)行迭代求解，計(jì)算出最終泊車可行域。

9、可選地，在一些實(shí)施例中，在計(jì)算出所述最終泊車可行域之后，所述計(jì)算模塊，還用于：基于所述最終泊車可行域，對(duì)所述當(dāng)前車輛的泊車進(jìn)行預(yù)判，以根據(jù)預(yù)判結(jié)果完成所述當(dāng)前車輛的泊車動(dòng)作。

10、可選地，在一些實(shí)施例中，所述預(yù)設(shè)的遺傳策略為：獲取多個(gè)初始目標(biāo)泊車可行域；產(chǎn)生多個(gè)初始目標(biāo)泊車可行域遺傳算子種群，并計(jì)算每個(gè)初始目標(biāo)泊車可行域遺傳算子的適應(yīng)度，且基于所述適應(yīng)度判斷是否滿足預(yù)設(shè)的迭代條件限制；若不滿足所述預(yù)設(shè)的迭代條件限制，則基于預(yù)設(shè)的隨機(jī)輪盤賭策略選擇兩個(gè)泊車可行域計(jì)算遺傳算子種群，并對(duì)所述兩個(gè)泊車可行域計(jì)算遺傳算子種群進(jìn)行優(yōu)化處理后，重新判斷所述適應(yīng)度是否滿足所述預(yù)設(shè)的迭代條件限制，直至所述適應(yīng)度滿足所述預(yù)設(shè)的迭代條件限制，得到最優(yōu)泊車可行域解。

11、可選地，在一些實(shí)施例中，所述對(duì)所述兩個(gè)泊車可行域計(jì)算遺傳算子種群進(jìn)行優(yōu)化處理，包括：對(duì)所述兩個(gè)泊車可行域中任一泊車可行域進(jìn)行復(fù)制操作，并將復(fù)制結(jié)果加入到新種群；對(duì)所述兩個(gè)泊車可行域中剩余泊車可行域進(jìn)行變異操作，并將變異結(jié)果加入到所述新種群；對(duì)所述兩個(gè)泊車可行域中進(jìn)行交叉操作，將交叉結(jié)果加入到所述新種群。

12、可選地，在一些實(shí)施例中，所述預(yù)設(shè)的隨機(jī)輪盤賭策略為：確定遺傳算子集合點(diǎn)，其中，所述集合點(diǎn)屬于符合泊車可行域約束條件的遺傳算子點(diǎn)的集合；基于所述遺傳算子集合點(diǎn)和預(yù)設(shè)的隨機(jī)數(shù)，從所述符合泊車可行域約束條件的遺傳算子點(diǎn)的集合中篩選出被選擇概率大于等于所述預(yù)設(shè)的隨機(jī)數(shù)的泊車遺傳算子的集合，其中，所述預(yù)設(shè)的隨機(jī)數(shù)服從均勻分布，且所述預(yù)設(shè)的隨機(jī)數(shù)處于零至泊車可行域遺傳算子計(jì)算出的函數(shù)適應(yīng)度概率構(gòu)成的區(qū)間內(nèi)；基于所述泊車遺傳算子的集合，利用目標(biāo)輪盤賭算法篩選出泊車可行域遺傳算子計(jì)算點(diǎn)。

13、本技術(shù)第三方面實(shí)施例提供一種車輛，包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序，以實(shí)現(xiàn)如上述實(shí)施例所述的泊車可行域計(jì)算方法。

14、本技術(shù)第四方面實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行，以用于實(shí)現(xiàn)如上述實(shí)施例所述的泊車可行域計(jì)算方法。

15、由此，本技術(shù)根據(jù)車輛動(dòng)力學(xué)模型、泊車條件和車位限制條件建立初始泊車可行域的約束條件，并根據(jù)車輛動(dòng)力學(xué)模型和車位位置建立路徑規(guī)劃函數(shù)，結(jié)合約束條件和路徑規(guī)劃函數(shù)得到非線性優(yōu)化函數(shù)，并基于遺傳算法求解非線性優(yōu)化函數(shù)，得到初始迭代點(diǎn)，并利用初始迭代點(diǎn)對(duì)路徑規(guī)劃函數(shù)進(jìn)行迭代求解，計(jì)算出最終泊車可行域。由此，解決了自動(dòng)泊車過(guò)程中泊車可行域的計(jì)算精確度低等問(wèn)題，對(duì)泊車可行域進(jìn)行判斷和優(yōu)化，大大提高了自動(dòng)泊車的精確度和可靠性。

16、本技術(shù)附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本技術(shù)的實(shí)踐了解到。