[发明专利]基于JPS算法和梯度下降的非结构化道路路径规划方法

说明书

本发明公开了一种基于JPS算法和梯度下降的非结构化道路路径规划方法，包括以下步骤：步骤1：初始化地图信息和路径节点信息；步骤2：获取起点至目标点的一系列无碰撞控制节点，获取节点连线所构成的路径与地图x轴的夹角；步骤3：为控制节点增加辅助控制点并进行路径曲线拟合；步骤4：对路径曲线进行优化得到最优路径。本发明解决了现有路径规划方法中路径搜索效率低且生成轨迹不是最优的问题。

技术领域

本发明属于路径规划技术领域，涉及一种基于JPS算法和梯度下降的非结构化道路路径规划方法。

背景技术

路径规划作为自动驾驶系统的一个关键环节，是确保行车安全与乘客乘坐舒适性的前提。在非结构化道路中，障碍物一般为静止状态，且不规则，车辆由起点安全且平稳的行驶到目标点是路径规划领域一直重点研究的内容。

自动驾驶路径规划中传统的搜索算法常见的有A-star算法、D-star算法、RRT算法等，通常这些算法在栅格化环境中找到一条由起点至目标点的路径，但生成的路径一般为折线形式，路径不平滑，不能直接作为无人车的路径。Hybrid-A-star算法可以生成由起点至终点的满足曲率约束的路径，但计算过程中需要消耗大量的计算机资源，导致搜索效率低，最后生成的轨迹也不是局部最优的。

发明内容

为实现上述目的，本发明提供一种基于JPS算法和梯度下降的非结构化道路路径规划方法，解决了现有路径规划方法中路径搜索效率低且生成轨迹不是最优的问题。

本发明所采用的技术方案是，一种基于JPS算法和梯度下降的非结构化道路路径规划方法，包括以下步骤：

步骤1：初始化地图信息和路径节点信息；

步骤2：获取起点至目标点的一系列无碰撞控制节点，获取节点连线所构成的路径与地图x轴的夹角；

步骤3：为控制节点增加辅助控制点并进行路径曲线拟合；

步骤4：对路径曲线进行优化得到最优路径。

进一步地，所述步骤1具体为：

步骤1-1：获取当前环境下的地图，对地图进行栅格化处理，并以车辆车身长度L_car对栅格地图中的障碍物进行膨胀化；

步骤1-2：根据栅格化地图，建立坐标系，初始化车辆当前所在位置P(x,y,θ)，其中x、y代表车辆在坐标系中的横纵坐标位置，θ代表车辆的朝向角；

步骤1-3：根据车辆当前所在位置确定起点为P_start(x_start,y_start,θ_start)，设定目标点为P_goal(x_goal,y_goal,θ_goal)；其中x_start、y_start为在起点时车辆的横、纵坐标位置，x_goal、y_goal为在目标点时车辆的横、纵坐标位置，θ_start为在起始点时车辆的车身朝向，θ_goal为在目标点时车辆的车身朝向。

进一步地，所述步骤2具体为：

步骤2-1：初始化两个列表openlist、closedlist，并额外初始化列表pathlist；