[发明专利]基于改进Astar和灰狼算法结合的地图路径规划方法

说明书

本发明公开了一种基于改进Astar和灰狼算法结合的地图路径规划方法，具体包括：基于数据采集设备构建高精度地图；在Astar算法中引入车辆运动学模型，并将其导入OpenDRIVE的xml文件中；使用Astar算法在arcgis导出的地图数据中查找出最优路径点，并使用RS曲线与Astar算法所查找出的最优路径点相结合生成车辆可跟踪的运动轨迹；将arcgis的点线面数据与OpenDRIVE的xml文件相匹配；对匹配后的结果使用GWO算法进行安全性与舒适性的优化，选出最优路径；在OpenDRIVE文件中选取出最优路径后，可改变相应最优路径上的road等的颜色，使用LGSVL模拟器等进行可视化。

技术领域

本发明涉及地图路径规划技术领域，具体涉及基于改进Astar和灰狼算法结合的地图路径规划方法。

背景技术

自动驾驶车主要提供地图、定位、感知、导航和控制功能。地图场景表示的中心元素是车道的路线，地图场景建模的主要目标是在保持一定精度的情况下有效地表示道路几何形状，同时保持一定的精确度。

目前，有多种方法可以获得准确的道路几何数据。例如，在传统地理信息系统中，从飞机上获得高分辨率航空相机图像，通过图像处理装置提取道路几何图形。许多研究使用基于车辆的检测方法获得更精确的道路几何形状。在这种方法中，装有各种传感器的探测车探索道路并收集传感器数据以获得道路几何信息。合理的道路几何表示是保证存储效率和可用性以及绘图精度的一个重要方面。在2006年1月31日，OpenDRIVE地图格式首次公开路面，OpenDRIVE是一种开放文件格式，用于道路网络的逻辑描述。它是由一组模拟专业人员开发并维护的，并得到了模拟行业的大力支持。OpenDRIVE是独立于供应商的，可以免费使用且无其他义务；其包含真实道路网络的所有关键功能，是一种具有广泛国际用户基础的既定格式，具有透明的流程持续不断的开发。OpenDRIVE自2006年以来一直在市场上，并且由于实际用例而合并了众多用户意见。

全局路径规划完成类似于人类驾驶员在驾驶过程中对路径规划的工作，是自动驾驶汽车核心的任务之一。路径规划模块需要收集来自定位、感知、数据库等一系列基础模块的数据，并对这些数据进行综合评估,给出在限定条件下的最优路径规划。路径规划是汽车完成驾驶决策及进一步运动的基础，其在整个自动驾驶系统的框架中是必不可少且至关重要的部分。全局路径规划的目标是根据已知电子地图和起点、终点信息，采用路径搜索算法生成一条最优化的(时间最短、路径长度最短等)全局期望路径。

目前，自动驾驶汽车在求解全局路径规划问题上已经有许多成熟的算法。常见的算法包括Dijkstra算法、Floyd算法以及启发式搜索算法，如Astar算法等。Dijkstra算法是求解最优路径问题的最经典的算法，但它是一种盲目的搜索算法，在多年的研究中，各国学者都对其进行不断的改进，该算法的求解速度也大大提高。Astar算法是启发式的搜索算法的代表，它在搜索过程中减小了网络图的搜索空间，从而节省了搜索的时间，因而计算效率较高。但Astar算法搜索出的路径不具备连通性，不适合无人驾驶汽车使用，所以应用到无人车领域时需要作进一步的改进。

发明内容

本发明的目的在于提供基于改进Astar和灰狼算法结合的地图路径规划方法，通过全景视觉相机采集图像数据，GPS采集车辆定位信息，并将图像信息与定位信息进行数据融合，将融合后的数据使用arcgis进行数据整理与标注，参考OpenDRIVE地图格式构建高精度地图，从而解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：基于改进Astar和灰狼算法结合的地图路径规划方法，具体包括以下步骤：

步骤一、基于数据采集设备构建高精度地图，数据采集设备包括全景相机及数据采集车，具体构建方法为：

(1)使用采集车每前进10米停车采集一张图片以及与图片相对应的车辆此刻GPS数据；

(2)将图片进行透视变化并使用PS等拼接为一整张地图；