[发明专利]路径规划方法及装置

说明书

本发明提供了一种路径规划方法，包括：获取参考路径；当以起点和第一终点间的距离为直径的圆内存在第一障碍物时，确定其第一距离；分别以起点和第一距离为半径设置第一父圆和第一终点圆；从第一父圆的子圆中确定第二父圆；当第m父圆与第一终点圆的重合度大于预设第一阈值时，生成第一和第二列表；在当前时刻，获取车辆的第一参数，并据此计算下一时刻的第二参数，从而确定第一轨迹集；根据第一列表和第二列表，对第一轨迹集进行处理；通过启发值函数，对处理后的第一轨迹集中的轨迹进行评价以确定第一目标轨迹；当第n目标轨迹的终点与终点的距离之差小于预设第二阈值时，生成目标路径。由此，保证了路径的合理性和实时性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种路径规划方法及装置。

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、无碰撞的路径。

路径规划的主要难点是对于复杂环境的适应性以及计算的实时性。前者要求路径规划方法不仅能够在简单的驾驶场景中有效，更要具有在复杂环境中求解的完备性。后者要求路径规划方法求解耗时有限，以保证驾驶过程实时规划。

目前的路径规划算法一般分为图搜索和随机采样两类。

图是图论(Graph Theory，GT)里的一个概念，它表示一类用若干离散节点与连接节点的边线表示的拓扑结构。图搜索算法的首要条件是将现实世界转换为图，这种转换方法包括了可视图法、空间离散法、泰森多边形建图法等，图搜索算法又可根据图遍历的方式分为深度优先算法和广度优先算法。基于图的搜索方法，在规划领域最著名的两个分别是迪杰斯特拉(Dijkstra)算法和A*算法。图搜索算法主要通过在图上使用启发式函数来引导搜索，进而搜索得到起点到终点的路径，启发式函数的设计大多与起点至当前点的距离、终点至当前点的距离相关。

随机采样算法是一种经典的树搜索算法，其中最著名的就是快速扩展随机树法(Randomly Exploring Randomized Trees，RRT)。RRT算法是从起始点开始向外拓展一个树状结构，而树状结构的拓展方向是通过在规划空间内随机采点确定的。该方法是概率完备且不最优的。随机采样类算法存在路径突变等问题，需要通过后续优化生成符合车辆动力学的路径。

基于启发式函数的图搜索算法对启发式函数的设计有很高的要求，A*算法通过启发式函数引导路径搜索方向尽可能接近终点，很类似于一种“贪心”思想。但是对于自动驾驶领域来讲，很多场景中，最短的路径往往并不是最合理的路径，这些路径具有距离障碍物过近，转弯过急等缺陷。以A*框架为基础的一系列算法，其空间利用率不高，规划的路径对感知精度、控制精度的要求很高，类似路径往往导致舒适性不佳。

基于随机采样的方法路径不可避免的存在一定的不确定性，且采样点的随机性导致了原始路径的波动特性，所以大部分基于随机采样的方法需要对路径进行进一步的优化，这大大增加了算法的耗时，无法满足无人车的实时路径规划需求。

发明内容

本发明实施例的目的是提供一种路径规划方法及装置，以解决现有计算中存在的路径突变、规划的路径对感知精度、控制精度要求稿导致的舒适性不佳以及算法耗时等问题。

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：

获取车辆的参考路径，所述参考路径包括起点和终点；

在所述参考路径上取第一终点；所述第一终点位于所述起点和终点之间；

判断以所述起点和所述第一终点间的距离为直径的圆内是否存在障碍物；