[发明专利]一种结构化道路局部路径规划方法

说明书

本发明公开了一种结构化道路局部路径规划方法，该方法包括：S1，获取障碍物信息、全局参考路径以及自车位姿信息；S2，将S1获取的信息从笛卡尔坐标系转换到曲线坐标系下；S3，预设横纵向聚合距离阈值，并比较该阈值与S2提供的相两个障碍物之间的实际横纵距离值，根据比较结果对所述相邻两个障碍物进行分类聚合；S4，根据新障碍物信息，生成障碍物路段可通行区域及其离散的避障子路径；S5，搜索所述各障碍物路段离散的避障子路径的最优避障子路径；S6，采用三次样条插值曲线拟合各所述最优避障子路径，得到曲线坐标系下连续的避障路径；S7，将所述连续的避障路径从曲线坐标系转换到笛卡尔坐标系下。本发明极大简化了多障碍物场景，规划效率高。

技术领域

本发明涉及自动驾驶技术领域，特别是关于一种结构化道路局部路径规划方法。

背景技术

无人驾驶智能车辆由于其具有提高交通安全性、减少能源消耗以及提升出行便利性等潜能，被认为是未来汽车发展的主要方向。如今，随着人工智能技术的兴起以及汽车工业的不断进步，汽车无人驾驶技术成为了世界各科技公司、科研机构以及各高校研究的重点。自动驾驶系统一般而言可以分为：环境感知模块、决策规划模块以及控制执行模块，其中决策规划模块负责为车辆规划出一条安全、舒适的行驶路径，而具有明显车道线的城市道路以及高速公路等结构化道路是车辆行驶主要面对的道路场景，因此结构化道路局部路径规划是汽车无人驾驶技术研究的重要内容之一。

目前的汽车无人驾驶局部路径规划的方法主要包括：(1)使用A*算法进行局部路径规划的方法，如专利文件CN 107702716 A与专利文件CN 108444488 A提出的方法中，首先都根据环境感知信息和车辆定位与导航信息进行子路径的生成，再采用A*算法对无碰撞的候选子路径进行子路径搜索，生成局部路径，不同之处在于子路径的生成方式以及A*搜索的启发函数设计。此类方法的缺点是对于生成的各个子路径都需要进行碰撞检测，所需要的计算量较大，规划效率较低。(2)专利文件CN 106598055 A提出一种寻找最优避障路径点的智能车局部路径规划方法，该方法根据采集到的车辆实际行驶信息、期望路径信息以及障碍物信息找到最优避障路径点，使用双圆合成曲线生成避障路径。该方法的缺点是每次规划只能生成单个避障路径点，不能进行连续的避障。(3)专利文件CN 110032188 A提出一种基于无人驾驶观光电动车的自主避障方法，该方法通过将坐标点划分成左中右三个区域，对每个区域进行障碍物检测，根据每一个区域的检测结果进行判断并作出避障决策。该方法的缺点是避障路径只包含简单的直行、左转、右转三种方式，不能生成最优的避障路径。(4)专利文件CN 107992050 A提出一种无人驾驶汽车局部路径规划方法，该方法根据无人驾驶汽车的当前车辆位置、航向和期望行驶路径，拟合得到局部路径轨迹簇，根据代价函数选择最优局部路径作为当前的最优局部路径。该方法的缺点是只能生成当前位置的单次最优避障局部路径，不能得到连续避障的最优避障路径。因此，现有的局部路径规划方法不能解决结构化道路多障碍物环境下连续避障的问题，且在规划效率和避障路径的最优性方面仍然存在需要改进的问题。

发明内容

本发明的目的在于提供一种结构化道路局部路径规划方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种结构化道路局部路径规划方法，所述结构化道路局部路径规划方法包括：

S1，获取障碍物信息、全局参考路径以及自车位姿信息，其中，在笛卡尔坐标系下，障碍物obstacles(i)呈现为长l_i、宽w_i、方向角θ_i以及中心点的坐标(x_i，y_i)的矩形框；全局参考路径包含的各参考路径点waypoints(j)的坐标表示为(x_j，y_j)，弧长表示为s_j，与左道路边界的距离表示为l_left，j，与右道路边界的距离表示为l_right，j，行驶方向角表示为α_j；