[发明专利]一种结构化环境下无人驾驶车辆的路径规划方法

说明书

一种结构化环境下无人驾驶车辆的路径规划方法该方法，包括以下步骤：S1、定位；S2、当前车道路况分析；其中判断是否需要完整重规划，是，转步骤S3；否，转步骤S4；S3、完整重规划；S4、更新局部规划结果。本发明旨在设计一个集路径规划和换道决策于一体的结构化环境下无人驾驶车辆的规划方法，保证无人车行驶的安全性和舒适性。

技术领域

本发明属于无人驾驶技术领域，具体涉及一种结构化环境下无人驾驶车辆的路径规划方法。

背景技术

近年来，随着科技的发展，无人驾驶汽车已从概念逐渐变为现实。无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，主要依靠车内以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶技术主要包括环境信息的感知，驾驶行为的智能决策，无碰撞路径的规划以及车辆的运动控制四个部分。其中，规划模块是无人驾驶技术中十分重要的组成部分，为环境感知和运动控制起着承上启下的作用。

路径规划是规划模块的一个重要组成部分，目前主流的路径生成算法主要有：基于图搜索的规划算法、基于采样的规划算法和曲线插值的规划算法。基于图搜索的规划算法主要包括：Dijkstra算法、A*算法和State lattices算法，其中Dijkstra算法是一种典型的最短路径算法，它是以起始点为中心向外层层扩展，直到扩展到终点为止，适合于结构化和非结构化环境的全局规划，但在点的数量巨大的情况下效率不高，所以不适用于需要实时规划的场景；A*算法需要设定合适的启发函数，全面估计各扩展搜索节点的代价值，通过比较各扩展节点的代价值大小，选择最有希望的点加以扩展，直到找到目标节点为止，A*算法扩展节点少，鲁棒性好，对环境信息反映快，但在实际应用中要注意运动体自身体积带来的限制；State lattices能够处理多维状态(位置、速度、加速度、时间)，适合局部规划和动态环境，但计算代价太大。基于采样的方法主要是RRT及其衍生算法，它能够在多维的系统中提供一种快速的解决方案，适合全局规划和局部规划，但它产生的轨迹不能持续，因此是不稳定的。基于曲线插值的方法主要有：B样条曲线，贝塞尔曲线，多项式曲线，它们的优点是计算代价低，但生成轨迹的时候需要满足一定的生成条件，不够灵活，难以胜任复杂的交通场景。

中国专利CN105549597A公开了一种基于环境不确定性的无人车动态路径规划方法，其考虑了车辆所具有的解构特性和运动学特性，使用车辆自身多维状态作为条件求解六次多项式的系数，生成从起点到终点的候选路径。上述专利没有考虑变道时后方车辆的行为，也没有考虑无人车在行驶过程中遇到的交通标志，容易造成自动驾驶过程的交通事故。

发明内容

本发明的目的在于克服上述现有技术的缺点，提出了一种结构化环境下无人驾驶车辆的路径规划方法，在满足无人驾驶安全性条件下，同时保证了程序运行效率，并且能够合理的应对较为复杂的交通场景。

本发明的技术方案具体包括以下步骤：

步骤S1、定位；

首先加载全局地图数据，然后读取本车状态信息，最后找出离本车距离最短的全局路径点作为全局定位点；

步骤S2、当前车道路况分析；

第一、由传感器获取交通场景信息即障碍物信息，交通标志信息，车道线信息；第二、判断所获取的交通场景信息是否需要完整重规划，如果是，转到步骤S3完整重规划，否则，转到步骤S4，更新局部规划结果；

步骤S3、完整重规划；

首先，换道分析获取无人车与前后车辆的纵向距离，速度和加速度，计算得出无人车在当前交通场景下是否可以换道；其次，模板生成中采取五次样条插值算法，结合车辆运动学模型，生成31条备选路径，这31条备选路径的集合，称为模板；最后，计算每条备选路径的代价，采用代价最小的备选路径更新局部规划结果；

步骤S4、更新局部规划结果；