[发明专利]基于激光雷达与高精度地图融合的无人驾驶路径规划算法

说明书

本发明公开了一种基于激光雷达与高精度地图融合的无人驾驶路径规划算法，包括基于激光雷达的目标障碍物识别算法、通过障碍物模糊标记可行驶区域覆盖算法与融合高精度地图的最优路径规划算法，充分利用障碍物的位置信息，模糊计算出可行驶区域，通过与预先存储的高精度地图对比得到最优路径。本发明有利于无人驾驶车辆完成在城市工况下多障碍物区域进行路径选择和规划，保障无人驾驶车辆实现自主驾驶的功能。

技术领域

本发明涉及汽车领域技术，特别涉及无人驾驶汽车在城市工况下的轨迹规划算法。

背景技术

美国科学家对交通事故研究分析后指出事故原因均不同程度的涉及到驾驶员、道路环境因素，驾驶员因素占57％(英国为65％)，且驾驶员-车辆-道路因素占94％(英国为95％)。我国道路交通事故因素的研究报告也指出由驾驶员因素而引起的交通事故率达到90％，其中每年因驾驶员疲劳驾驶事故发生率为40％，因此无论从保护环境、节约能源还是从道路交通安全方面都急需无人驾驶汽车技术的发展。

路径规划算法在无人驾驶汽车研究范围中有着举足轻重的地位，是无人车导航系统的重要组成模块，是无人驾驶汽车顺利到达目标点的保障。无人驾驶路径规划是指在有障碍物的工作环境中，为无人车寻找从起始点到目标点的行驶路径，指引无人车在行驶过程中无碰撞的通过所有障碍物，到达目的地，它是汽车实现智能化和完全自主行驶的关键技术。

轨迹规划算法有全局与局部两种，通常无人车全局路径规划分为三步：采用算法模型划分工作空间，设立包含障碍物等信息的搜索空间以及对该空间进行搜寻，寻找出最优路径。当无人车运行环境信息部分已知或完全未知时，无人驾驶汽车须通过车载传感器或摄像头实时获取环境信息，根据相应的局部路径规划算法引导无人车到达目标点。

目前，大多数轨迹规划算法都根据传感器提供的障碍物信息寻找最优路径，然而在较为复杂的环境下，在短时间内搜索到最为合适的路径十分困难且鲁棒性差，若没有其他参考，很有可能产生错误判断导致交通事故的发生；目前无人驾驶可以利用高精度地图实现预定道路下的循迹驾驶，但高精度地图也存在一定误差，无法与实际环境信息完全一致。

将高精度地图融合于轨迹规划算法将是一种可靠的，鲁棒性高的新的轨迹规划算法，如何将为无人驾驶的实时规划路径提供云端参照物，并结合实际障碍物位置准确判断最优路径，这是本领域研究人员目前需要解决的技术问题。

发明内容

本发明的目的是提供一种基于激光雷达与高精度地图融合的无人驾驶路径规划算法，保障车辆完成复杂环境下的无人驾驶或测试任务，提高车辆行驶安全性。

为解决上述技术问题，本发明提供了一种基于激光雷达与高精度地图融合的无人驾驶路径规划算法，包括：

基于激光雷达的目标障碍物识别算法；

通过障碍物模糊标记的可行驶区域覆盖算法；

融合高精度地图的最优路径规划算法。

优选地，所述基于激光雷达的目标障碍物识别算法包括：

至少使用一个激光雷达采集无人驾驶过程的实时环境数据；

对当前环境数据预处理，对预处理后的点云数据栅格化，生成周围环境点云栅格地图；

选取一定的搜索半径对点云数据进行欧式聚类，得到障碍物信息。

优选地，所述通过障碍物模糊标记的可行驶区域覆盖算法包括：

对障碍物坐标位置进行模糊标记；

对除障碍物外所有区域标记为可行驶区域。

优选地，所述融合高精度地图的最优路径规划算法包括：

根据无人驾驶目的地位置、当前位置以及可行驶区域，拟合多条可行驶路径算法；