[发明专利]一种面向多场景的自动驾驶规划方法及系统

说明书

本发明公开了一种面向多场景的自动驾驶规划方法及系统，方法包括：S1，获取全局参考路线；S2，根据是否已有最优轨迹、自车位置以及全局参考路线生成局部参考路线：若无最优轨迹，根据自车位置和全局参考路线进行路径点采样得到第一局部参考路线，同时利用混合A*算法搜索生成对应交通路段的参考路线并拼接整合到第一局部参考路线中；在考虑车辆运动学约束和障碍物约束条件下对参考路线进行平滑处理；若已有最优轨迹，根据自车位置和全局参考路线进行路径点采样得到第一局部参考路线，并进行平滑处理；S3，根据自车位置、障碍物信息和最终的局部参考路线获取最优轨迹；S4，循环进行S2‑S3。本发明使得自动驾驶车辆能够更鲁棒的应对多样化的交通场景。

技术领域

本发明属于自动驾驶汽车技术领域，具体涉及一种面向多场景的自动驾驶规划方法及系统。

背景技术

路径规划或者说运动轨迹规划是自动驾驶车辆的基本技术之一，在考虑车辆的运动模型和周围的障碍物的情况下，路径规划会生成一系列状态，使得车辆从初始状态转换到期望状态。随着目标位置和交通环境的变化，自动驾驶汽车需要采用不同的行为来完成时变的驾驶任务。当在城市地区驾驶时，路面障碍物容易检测和跟踪，交通场景相对规范和简单，通过跟随或改变行车道和超车前方障碍物来导航自动驾驶车辆就足够了。当道路被交通基础设施重新改造，或者要求车辆到达指定位置时，简单的通过跟随或改变行车道和超车前方障碍物难以完成任务，需要利用更复杂和精确的规划算法来实现这一任务。

近年来，机器人学文献中提出了许多路径规划方法。但这些规划方法都只在特定的交通场景下或部分交通场景下表现出较好的效果，无法同时有效应对绝大多数的交通场景。对于结构化的城市交通场景，基于高精度地图规划出的全局参考路线与真实交通场景的可行驶路线偏差较小，从全局参考路线中提取局部参考路线并通过基于采样的规划算法就可以较好的满足自动驾驶轨迹规划的需求。但在例如在停车场、窄路掉头、施工占道等交通场景下，基于高精度地图规划出的全局参考路线和真实的可行驶路线存在较大的偏离，在这些场景下如果继续根据基于高精度地图规划的全局参考路线做轨迹规划，基于采样的规划算法所规划出的轨迹将变得不可行。

发明内容

本发明的目的在于克服上述现有技术的缺点，提出一种面向多场景的自动驾驶规划方法及系统，利用不同的参考路线生成方法应对不同的交通场景，生成一条在当前路段高度符合真实可行驶路线的局部参考路线，通过基于采样的规划算法就能在全路段下规划出可行的运动轨迹，使得自动驾驶车辆能够更鲁棒的应对多样化的交通场景。

本发明的目的采用以下技术方案实现：

一种面向多场景的自动驾驶规划方法，包括如下步骤：

S1，对地图拓扑信息进行解析，利用解析的结果获取全局参考路线；

S2，根据是否已有最优轨迹、自车位置以及全局参考路线生成局部参考路线，过程包括；

若无最优轨迹，则根据自车位置和全局参考路线进行路径点采样得到第一局部参考路线，同时利用混合A*算法搜索生成对应交通路段的参考路线；将参考路线拼接整合到第一局部参考路线中，得到完整的局部参考路线；在考虑车辆运动学约束和障碍物约束条件下对参考路线进行平滑处理，得到最终的局部参考路线；

若已有最优轨迹，则根据自车位置和全局参考路线进行路径点采样得到第一局部参考路线，并对第一局部参考路线进行平滑处理，得到最终的局部参考路线；

S3，根据自车位置、障碍物信息和最终的局部参考路线获取最优轨迹；

S4，循环进行S2-S3。

优选的，S1的过程包括：

对地图拓扑信息进行解析，得到包含道路物理信息和语义信息的路网；

根据路网信息、自车定位信息以及任务起点和目标点进行全局路线搜索，生成一组有前后关系的全局离散路线点，利用全局离散路线点生成全局参考路线。