[发明专利]一种基于三层架构的无人驾驶汽车路径规划方法

权利要求书

1.一种基于三层架构的无人驾驶汽车路径规划方法，其特征在于，它包括如下步骤：

步骤1：建图

对应用场景的道路进行抽象和数学描述，对道路进行表示和存储；

步骤2：应用

利用该应用场景已经建好的路网地图，根据任务需求，在路网地图上实现规划路径；

所述的步骤1包括如下：

S11：确定应用场景的范围，获取该场景卫星地图Map，获取应用场景的无人驾驶汽车真实驾驶轨迹图Tra；

S12：选择场景中道路的关键点，构建全局路网层Info_Map；

S13：建立Map与Tra之间的映射关系(R,T,k)，使得Map＝k*(R*Tra+T)；

其中，R表示旋转系数，T表示平移系数，k表示缩放系数；

S14：根据全局路网层的路网节点，从Tra中选取任意相连两节点i、 j之间的轨迹段P_ij，组成路径轨迹层∑P；

S15：构建搜索列表Info_Map_Search和索引列表Info_Map_List；

S16：建图完毕；

所述的步骤S11中，真实驾驶轨迹图Tra由应用场合真实运行，记录其行驶轨迹包括卫星定位信息，然后按系数dis_Tra对轨迹进行稀疏化，dis_Tra取值在0.5米-3米之间；

所述的步骤S12中，构建全局路网层时，用两个节点来表示转弯，Info_Map中的一个三岔路口需要用三个节点来表示，十字路口需要用四个节点来表示；

所述的步骤S14中，组成路径轨迹层的轨迹段由真实轨迹图Tra中获取得到，P_ij表示从节点i到节点j之间的真实轨迹段；

所述的步骤S15中，搜索列表Info_Map_Search只与全局路网层Info_Map相关，定义了每个路网节点的序列号，相邻节点号；索引列表Info_Map_List定义了路网节点与路径轨迹层∑P之间的对应关系；

所述的步骤2包括如下步骤：

S21：输入目标位置TP，当前位置CP，设置规划执行层中的障碍物图CostMap的尺寸，分辨率参数；

S22：在搜索列表Info_Map_Search中进行搜索，得到全局路网层中的路径序列List；

S23：根据List在索引列表Info_Map_List中找出对应的轨迹片段，生成路径轨迹层中的轨迹路径Guide_Line；

S24：根据当前位置CP和CostMap的大小，从Guide_Line中截取期望路径引导线Part_Guide_Line；

S25：在路径规划层进行基于期望路径引导线Part_Guide_Line的局部避障规划方法，得到局部路径规划结果result_L；

S26：输出结果result_L。

2.如权利要求1所述的一种基于三层架构的无人驾驶汽车路径规划方法，其特征在于：所述的S22中采用传统的A星搜索算法就能够计算出目标位置TP和当前位置CP之间的序列点List 。

3.如权利要求1所述的一种基于三层架构的无人驾驶汽车路径规划方法，其特征在于：所述的在S25中采用了改进的A星搜索方法，结合Part_Guide_Line，其中，F(i)＝G(i)+H1(i)*α1+H2(i)*α2+H3(i)*α3+H4(keyPoint)*α4，式中，H1(i)表示节点i到引导线Part_Guide_Line之间的最小距离值；H2(i)为i节点到引导线最小距离所对应的点到目标点之间的距离；H3(i)为节点i到关键点keyPoint之间的距离；H4(keyPoint)表示从keyPoint到目标点之间的距离。