[发明专利]一种无人驾驶汽车局部路径规划性能评价方法

说明书

本发明的目的是提供一种无人驾驶汽车局部路径规划性能评价方法，它能够对现有的基于图搜索的无人驾驶汽车局部路径规划算法性能进行定量评价，衡量各算法的优劣，评选出最优的算法用于无人驾驶汽车领域应用，或者帮助调试和优化路径规划算法的参数，从而提升路径规划算法的性能，促进无人驾驶车辆的自主导航能力。

技术领域

本发明属于无人驾驶汽车技术，具体涉及一种对现有无人驾驶汽车局部路径规划算法的性能评价方法。

背景技术

随着汽车工业的发展，汽车越来越成为社会生产与日常生活中的重要组成部分；与此同时，汽车安全问题也逐渐成为人们关注的焦点，如何能更有效地提高车辆行驶安全性已经成为各国政府和研究机构需要共同面对的问题。其中无人驾驶技术被公认为大幅减小交通安全事故的最佳途径,因而成为世界交通运输领域研究的前沿和热点。

无人驾驶车辆是一个综合环境感知、路径规划、运动控制于一体的综合系统,其中路径规划是无人车辆环境感知和车辆控制之间的桥梁,是实现车辆主动避障、自动导航等重要功能的关键技术，是无人车辆自主驾驶的基础。目前的汽车无人驾驶路径规划算法众多，主要有基于图搜索的方法、基于随机生成的方法、基于轨迹生成的方法、基于智能群落算法等几大类，每类方法都有其优缺点，但是用的最多的还是基于图搜索的Dijkstra、A星以及其衍生的一系列算法。A星搜索方法是一个经典的机器人运动规划算法，被广泛应用于机器人的路径优化领域。A星搜索的思想由文献《A formal basis for the heuristicdetermination of minimum cost paths in graphs》在1968年提出，后续又陆续出现了众多改进算法，如：

申请号为201710794646.5的专利申请提出了一种基于A星算法的最短寻路方法，该申请描述了经典A星算法的实现步骤：建立搜索网格，确定起点、目标点和障碍物位置，建立OPEN表和CLOSE表，利用点之间的距离作为代价，采用的评估函数F＝G+H的含义为：F为从初始状态到目标状态的代价估计，G为从初始状态到下一状态的代价,H为下一状态到目标状态的最佳路径的代价。

申请号为201711374451.1的专利申请提出了一种基于改进A星算法的移动机器人路径规划算法，在该申请中，利用经典的A星算法实现全局路径规划后，提出了对规划结果二次平滑处理,得到预规划路径；最后采用人工势场法与在静态障碍物环境中进行全局路径预规划的方法在遇到动态障碍物时进行局部路径规划。该方法在利用A星算法实现其所谓的全局路径规划方面与经典的A星算法一致。

目前在无人驾驶汽车领域已经涌现出众多这类基于图搜索的路径规划算法，但是，如何评价各种路径规划算法的性能，却还没有一个定量的方法。如文献《Local PathPlanning for Off-Road Autonomous Driving With Avoidance of Static Obstacles》提到，局部路径规划算法规划出来的路径要满足安全性，满足平顺性，同时要满足车辆的运动学特性；文献《A Multiple Mobile Robots Path planning Algorithm Based on A-star and Dijkstra Algorithm》也提到，评价一条局部路径要从油耗、效能、安全、灵活等角度来考虑。但是目前为止，尚没有一种定量的评价方法被提出来用于评价无人驾驶汽车领域局部路径规划算法的性能，使得目前的局部路径规划算法之间无法进行一种客观的比较。

如对于附图1这样的无人驾驶应用场景，起始点S与目标点T之间存在两个障碍物，三种典型的图搜索算法分别给出了三个规划结果(如附图2-附图4所示)，其中附图2为一种经典A星算法得到的搜索结果示意图，附图3为一种引入引导线的A星算法搜索效果示意图，附图4为一种变步长的A星算法搜索效果示意图，三种算法都能得到可行的规划路径，也满足平顺性、安全性等要求，但是用户并不能直观的对这三种算法的性能进行比较，且没有一种定量的手段来分析这些算法的性能，给出客观的评价。

发明内容