[发明专利]一种野外环境下无人车局部行驶路线实时规划方法

说明书

本发明提供了一种野外环境下无人车局部行驶路线实时规划方法，主要面向野外环境下无人车感知范围有限、局部地图实时生成、地面属性多样的路线规划场景。本发明在划分完小单元栅格的实时地图基础上，通过考虑以每个可行驶单元栅格为中心点的不同区域大小的周围栅格的障碍物标识，增加了两类单元栅格标识；在此基础上，灵活利用不同标识对应的单元栅格，综合考虑距离以及可行驶子区域的横滚角、俯仰角、粗糙度等地面属性，利用改进后的A*算法，实时规划了局部可行驶路线，提高了路线规划的成功率，优化了到达局部终点的距离和时间成本；当在路线规划过程中失败时，设计了路线再规划策略。

技术领域

本发明属于路径规划领域，具体涉及一种野外环境下的无人车局部行驶路线实时规划方法。

背景技术

根据对环境信息的把握程度，可把路径规划划分为基于先验完全信息的全局路径规划和基于传感器信息的局部路径规划。路径规划包含路线规划和行驶轨迹规划两部分内容。其中，路线规划针对静态地图，生成可供主体行驶的路线，作为动态轨迹规划的输入；轨迹规划确定主体到达每一实际行驶轨迹点的速度和方向。在野外环境下，无人车感知系统通过传感器实时感知环境信息，确定自身位置及其感知范围内的障碍物分布情况，实时生成局部地图，从而可以利用规划算法得到从当前位置到局部子目标点的最优路线。常用的局部路线规划方法有A*搜索算法、人工势场法、蚁群算法、遗传算法、粒子群算法、量子粒子群算法、神经网络算法等。人工势场法、蚁群算法、遗传算法等方法容易陷入局部最优，且时间效率不高；神经网络算法等学习方法需要大量样本，在未有划定道路的野外无人车局部路线规划中并不适用。而A*算法恰可以解决这些缺点，既有极大概率求出最优解，又可以减少冗余的时间。因此，本发明拟基于A*算法设计路线规划方法，但传统的基于栅格的A*算法存在以下问题：

第一，可行驶区域的有效利用与计算成本的矛盾。栅格划分大，则其常因为小体积的障碍物而被标识为不可行驶，浪费了栅格内的其它可行驶区域空间，容易造成路线规划失败的问题；栅格划分小，则会提高计算成本，影响规划时间。

第二，只考虑路线的距离成本，很少考虑可行驶区域内的地面属性(如粗糙度、横滚角、俯仰角)等，不能为下一步的轨迹规划提供较优的输入路线，以至于影响轨迹规划中的速度规划，进而影响到达目的地的时间。

第三，缺乏当前栅格划分下路线规划失败时的再规划方法研究。已有的A*算法没有考虑当前地图规划失败时，灵活应用不同的可行驶子区域大小进行栅格的再标定，以形成规划路线；也没有考虑调整车向或位置进行地图的实时生成与路线再规划方法。

发明内容

针对无人车在野外环境进行路线规划时对应的场景特点，以及传统的基于栅格的A*算法存在的上述问题，本发明提出了一种野外环境下无人车局部行驶路线实时规划方法。其特征在于根据激光雷达、超声波雷达、摄像头等多传感器融合数据实时生成的局部地图，以及无人车和最终目的地的位置坐标，考虑距离和野外地面属性，灵活运用3种可行驶子区域划分方法，基于A*算法实时规划出无人车的局部可行驶路线，所述方法包括下列步骤：

S1.设计输入数据：需要多传感器数据融合后实时生成的局部地图，地图由边长为1的单元栅格构成；每个单元栅格的障碍物标识(无影响行驶的障碍物时标0，否则标1)、标识为0的单元栅格的横滚角、俯仰角、粗糙度和坐标；无人车和最终目的地的坐标；已有既定路线数据；

S2.判断当前地图是否可生成局部终点：根据输入数据判断当前地图是否可生成局部终点；如最终目的地与无人车坐标的连线与局部地图无交点，即与车辆坐标系中Y正轴的角度大于90°，则需舍弃当前地图，按既定路线行驶；如无既定路线，则无人车需要调整车向或位置重新感知环境生成地图；