[发明专利]路径规划方法及车辆、计算机可读介质

说明书

本发明公开了一种路径规划方法及车辆、计算机可读介质，应用于车辆的自动驾驶，该路径规划方法包括：获取预设请求数据对应的预处理结果；根据预处理结果获取预设规划数据的粗搜索数据；对粗搜索数据进行路径优化实现路径规划。该方法通过对传统混合A*算法中增加的转向切换惩罚项、转向惩罚项的改进，结合RS曲线启发算法，具备极强的求解能力，提升了计算效率；同时在结合对粗搜索结果的优化过程中保证了规划结果能能够满足车辆的运动学约束，充分考虑了满载与空载不同状态下车辆响应特性的差异，以及矿用自卸车辆的执行机构响应特性，更适应真实应用场景；对工作环境要求低，适应性更强。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种路径规划方法及车辆、计算机可读介质。

背景技术

相较于人类驾驶员，自动驾驶在安全性与高效性方面具有巨大的潜力。尤其在高风险、高强度的矿山作业场景，其场景复杂度低于城市交通场景，无人驾驶技术(即自动驾驶技术)的应用有望减少安全事故同时提升生产效率。无人驾驶技术的主要包括：定位、感知、决策、规划、控制等模块。其中，规划模块直接向控制模块输出行驶路径轨迹，因此，矿用车辆运行状态的好坏与规划模块有着密不可分的联系。

自动驾驶技术已经发展了数十年，针对公路车辆的路径规划技术发展相对成熟，但是针对诸如矿用自卸车等专用矿用车辆的路径规划技术发展相对缓慢。目前针对专用矿用车辆路径规划方面的专利相对较少，现有技术方案都是较早提出的路径规划方法，已无法满足现有复杂路况矿用车辆作业场景和对应现有矿用车辆的路径规划要求，例如，矿区场景大多为采挖之后的裸露土石路面，行驶条件相较铺装路面更差，在路面上铺设预设路线来进行路径导向并不现实，适应性太差；另外，现有技术中通过自动驾驶车辆与装载设备的相对位置计算与预设路径的偏差再根据偏差对预设路线进行调整的方式，其路径规划的适应性非常低，无法满足复杂路况的路径规划要求，例如，复杂路况的车辆工作场景需要根据工作需求随时改变，固定路线或固定路线组合的方式很难覆盖车辆工作场景。最后，现有的路径规划方法很难满足自动驾驶车辆的运动学约束，无法满足自动驾驶的路径规划要求。

发明内容

(一)要解决的技术问题

为解决现有技术已无法满足复杂路况的矿用车辆作业场景和对应矿用车辆的路径规划要求，例如复杂路况的路径规划方法适应性太差、难以满足矿用车辆的运动学约束等技术问题，本发明公开了一种路径规划方法及车辆、计算机可读介质。

(二)技术方案

本发明的一个方面公开了一种路径规划方法，应用于车辆的自动驾驶，获取预设请求数据对应的预处理结果，预设请求数据至少包括：车辆的起始点、目标点、车辆约束以及地形信息；根据预处理结果获取预设规划数据的粗搜索数据，预设规划数据至少包括：车辆对应车辆当前状态和/或车辆目标状态的坐标、航向、档位、前轮转角、前驱状态以及已付代价；对粗搜索数据进行路径优化实现路径规划。

可选地，获取预设请求数据对应的预处理结果，包括：判断起始点和/或目标点是否发生边界干涉；预处理结果包括：起始点和/或目标点没有发生边界干涉。

可选地，获取预设请求数据对应的预处理结果，还包括：当预设请求数据中的起始点和/或目标点发生边界干涉时，对起始点和/或目标点进行位移变换；以及判断位移变换后的起始点和/或目标点是否发生边界干涉；预处理结果还包括：位移变换后的起始点和/或目标点没有发生边界干涉。

可选地，获取预设规划数据的粗搜索数据，包括：获取预设规划数据对应的欧式距离；根据欧式距离获取粗搜索数据对应的启发值。

可选地，获取预设规划数据的粗搜索数据，还包括：获取预设规划数据对应的路径惩罚项，路径惩罚项至少包括：档位切换惩罚项、转向惩罚项以及转向切换惩罚项；根据路径惩罚项获取粗搜索数据对应的已付代价。