[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

说明书

本发明公开了一种基于三层架构的无人驾驶汽车路径规划方法，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，利用该特定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。本发明的有益效果在于：(1)利用三层架构统筹考虑了全局路径规划和局部路径规划，使两者之间和物理平台紧密联系，给道路局部路径规划提供更多有用的信息，提升了规划性能；第三层规划执行层引入基于引导线的改进A星搜索方法，利用引导线和关键点，既最大可能保留了符合预期的局部规划路径，又保持了灵活绕障的特点。

技术领域

本发明属于一种路径规划方法，具体涉及一种无人驾驶车辆路径规划方法。

背景技术

随着汽车工业的发展，汽车越来越成为社会生产与日常生活中的重要组成部分；与此同时，汽车安全问题也逐渐成为人们关注的焦点，如何能更有效地提高车辆行驶安全性已经成为各国政府和研究机构共同面对的问题。其中无人驾驶汽车被公认为大幅减小交通安全事故的最佳途径，因而成为世界交通运输领域研究的前沿和热点。

无人驾驶汽车是一个综合环境感知、路径规划、运动控制于一体的复合系统，其中路径规划是无人车辆环境感知和车辆控制的桥梁，是实现车辆任务执行、主动避障、自动导航等重要功能的关键技术，是无人车辆自主驾驶的基础。

无人驾驶汽车路径规划是指在一定的环境模型基础上，给定无人驾驶汽车起始点和目标点后，按照性能指标规划出一条无碰撞、能安全到达目标点的有效路径。路径规划任务广义上可以分为全局路径规划和局部路径规划两大部分，其中全局路径规划用于实现寻找从起点到终点的不发生碰撞的静态几何轨迹，主要侧重于道路的表示方法，并不能体现路上各种行人、车辆等动态或者静态障碍物，也不考虑车辆的运动性能和运动时间等因素；局部路径规划也称为运动路径规划，侧重于考虑车辆当前的局部环境信息，让无人驾驶汽车具有良好的避障能力，通过传感器对机器人的工作环境进行探测，以获取障碍物的位置和几何性质等信息，用于实现在局部范围内车辆进行躲避障碍物等安全行驶的近距离路径规划。局部路径规划需要考虑车辆的大小、转弯性能、运动速度等因素，确保规划出来的结果能够被车辆正确的执行。

目前的无人驾驶路径规划方法众多，全局路径规划有Dubins路径算法、A星搜索算法、遗传算法等方法，如典型的Dubins路径算法是生成光滑路径最常用、最广泛、最出名的一种全局路径规划方法之一，其表示机器人向前行驶的最短路径，通过多组圆弧和直线段组合而成，其中直线段部分是对应的圆弧的切线。该方法的缺点是在圆弧和直线的连接点处不连续，如果想要精确按照预先设定好的路径行驶，就必须要在连接点处停下来，然后原地转弯，再开始行驶。A星搜索算法和遗传算法都是先建立点和线形式表示的全局路网，然后通过不同的搜索策略，来寻找合适的全局路径轨迹。

局部路径规划主要有基于图搜索的方法、基于随机生成的方法、基于轨迹生成的方法、基于智能群落算法等几大类，但是用的最多的还是基于图搜索的方法。经典A星算法的实现步骤如下：建立搜索网格，确定起点、目标点和障碍物位置，建立OPEN表和CLOSE表，利用点之间的距离作为代价，采用的评估函数F＝G+H的含义为：F为从初始状态到目标状态的代价估计，G为从初始状态到下一状态的代价，H为下一状态到目标状态的最佳路径的代价。

业内把局部路径规划和全局路径规划分开进行设计，其优点是模块化设计使每个部分更具有通用性和独立性，但是缺点是没有结合底层平台和全局环境统筹进行考虑，相互之间关联性不强导致丢失很多有用的信息，对具体的无人驾驶汽车应用而言并不是最优的选择。

发明内容

本发明的目的是提供一种基于三层架构的无人驾驶汽车路径规划方法，它能够针对特定的应用场景，紧耦合顶层路网信息和底层局部路径规划，保留更多的环境信息和平台性能信息，提升无人驾驶车辆的自主驾驶性能。

本发明的技术方案如下：一种基于三层架构的无人驾驶汽车路径规划方法，它包括如下步骤：

步骤1：建图