[发明专利]路径规划方法、装置、设备及车辆控制方法、装置、设备

说明书

本发明提供了一种路径规划方法、装置、设备及车辆控制方法、装置、设备，路径规划方法包括：预测目标障碍物在未来一段时间内的多个时间点所处的预测位置，并针对每个预测位置生成预测框；以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划。无需高精地图等信息，只需要基于目标障碍物在未来一段时间内的多个时间点所处的位置对应的预测框，即可进行路径规划，提高了路径规划的鲁棒性。

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、装置、设备及车辆控制方法、装置、设备。

背景技术

随着人工智能技术以及现代制造业的发展，自动驾驶技术已经逐渐走进人们的日常生活，潜移默化的改变着人们的出行方式。无人驾驶技术可以简要的分为感知、预测、定位、决策、规划与控制几个方面。规划通常指路径规划方法，主要任务是指根据当前车俩信息，合理探索环境空间，最终规划出一条便于控制器执行的无碰撞的路径。

超车、会车是自动驾驶车辆非常常见的应用场景。在超车场景下，自动驾驶车辆需要接受环境感知等信息，规划合适的路径以及速度，对同向行驶的目标车辆进行超越；而会车则需要自动驾驶车辆规划合理的路径对相向而行的车辆进行躲避。

结构化道路通常是指城市道路、高速道路等有着车道属性以及交通规则约束的道路。非结构化道路与结构化道路相反，指的是非城市道路、非高速道路等不具有车道属性以及交通规则约束的道路。现有技术中，自动驾驶车辆在结构化道路上进行超车、会车时有着相对完善的处理方式，自动驾驶车辆往往需要路径绘制、行驶边界限制等对地图预先操作，这是业内一般的处理方式，这种处理又称为地图约束。

现有超车、会车路径规划算法大多基于预先绘制的高精度地图，即手动绘制或采集车辆实际的行驶路径，强依赖于该路径做横纵向采样，用多次多项式曲线或其他几何曲线分别拟合横纵向路径，进而得到一条超车、会车路径。在纵向生成路径时往往会使用到“位置-时间”关系图(displacement-time graph，ST图)，用于目标车辆未来时刻的动态碰撞校验，这很大程度上依赖于其感知以及预测效果。常见的规划算法有Lattice算法、分段加加速度路径优化算法(Piecewise Jerk Path Optimization)等。

基于上述介绍可以发现，现有超车、会车路径规划大多应用在具有高精度地图路线的结构化道路中，其结果也很大程度上依赖于感知模块的精度甚至预测模块的准确性。特别的，现有超车、会车路径规划算法都对高精地图中的参考路径要求很高，包括位置、曲率、平滑程度都有很强的依赖性。对于预测以及感知结果的高要求，往往导致自动驾驶车辆需要布置更多、更精密的传感器，这极大地增加了车辆的成本。同时，高精度地图的制作也很大程度上增加了工作耗时，对于不同场景适配的灵活程度很低。

因此，如何在非结构化道路环境下，如封闭园区，越野道路等场景在超车、会车时，降低对高精度地图的依赖，在有限的感知精度下完成超车、会车时的路径规划是一个急需解决的问题。

发明内容

本发明提供了一种路径规划方法、装置、设备及车辆控制方法、装置、设备，以解决现有技术中在超车会车路径规划时所存在的问题。

为解决上述问题，第一方面，本发明提供了一种路径规划方法，所述方法包括：

预测目标障碍物在未来一段时间内的多个时间点所处的预测位置，并针对每个预测位置生成预测框；

以自车从当前位置行驶到目标位置且避开所述每个预测位置对应的预测框为对象进行路径规划。

在一种可能的实现方式中，预测目标障碍物在未来一段时间内的多个时间点所处的预测位置，包括：

以自车从当前位置行驶到目标位置生成初始参考路径；

假设目标障碍物在所述未来一段时间内沿着与所述初始参考路径平行的路径、且以预设速度行驶，预测目标障碍物在所述未来一段时间内的多个时间点所处的预测位置。