[发明专利]一种结构化环境下的智能车辆局部路径规划方法

说明书

本发明请求保护一种结构化环境下的智能车辆局部路径规划方法，包括以下步骤：定位及地图加载，障碍物信息处理，坐标系转化与分析，决策与重规划方法，速度规划及局部规划更新。首先利用高精度地图和自车定位信息加载对应的局部参考路径，然后检测障碍物信息，将局部参考路径与障碍物信息进行坐标系转化，并判断是否需要重规划，再通过决策与重规划方法得到局部最优路径，最后通过速度规划与更新局部规划结果实现安全、平稳的行驶。本发明集路径规划、变道决策与速度规划于一体，能在保证无人驾驶安全性的同时，提高结构化环境下的智能车辆局部路径规划方法的时间性能。

技术领域

本发明属自动化与计算机技术领域，特别是智能车辆的路径规划技术领域，具体涉及一种结构化环境下的局部路径规划方法。

背景技术

智能车辆由于其具有提高交通安全性、减少能源消耗以及提升出行便利性等潜能，被认为是未来汽车发展的主要方向。自动驾驶系统一般而言可以分为：环境感知模块、决策规划模块以及控制执行模块，其中决策规划模块是自动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，而具有明显车道线的城市道路以及高速公路等结构化环境是车辆行驶主要面对的道路场景，因此结构化环境下的局部路径规划是汽车无人驾驶技术研究的重要内容之一。

中国专利申请：无人驾驶汽车局部路径运动规划方法和装置(申请号：CN107992050A)公开了一种无人驾驶汽车局部路径运动规划方法，该方法通过采样得到局部目标点簇，利用贝塞尔曲线拟合目标点生成轨迹簇并计算最小代价得到最优轨迹，该方法仅考虑了前方车辆情况而得到的最优轨迹，不涉及变道分析及决策，若最优轨迹存在变道，则可能发生碰撞，安全性较低。中国专利申请：一种结构化环境下无人驾驶车辆的路径规划方法(申请号：CN108519773A)公开了一种集路径规划和换道决策于一体的结构化环境下的无人驾驶车辆规划方法，该方法利用五次样条曲线作为完整重规划模板生成大量曲线并找出代价最小的作为备选路径。该方法生成的候选路径中存在较多无参考价值的路径且无法保证备选路径的最优性，所需计算量大，规划效率较低。中国专利申请：一种结构化道路局部路径规划方法(申请号：CN110766220A)，该方法将障碍物进行分类聚合并计算出障碍物路段的可通行区域，利用改进A*算法搜索各障碍物路段离散的最优避障子路径，再将各子路径用三次样条插值曲线拟合得到连续的避障路径。该方法仅对多障碍物情况下进行了连续的避障规划，不涉及结构化道路的变道分析与决策，动态环境下安全性较低。中国专利申请：一种用于无人驾驶车辆的局部路径规划算法(申请号：202010349542.5)，该方法通过输入局部规划路径和选取预瞄点，生成道路坐标系下的备选五次多项式参数曲线，在此基础上计算备选轨迹上限速度以及对应限速点的位置，最后按照指标函数对候选轨迹进行优选和速度规划。该方法对多个场景进行了速度限制计算，但并未涉及避障相关的路径规划及选择指标，在城市道路中也未涉及变道分析与决策，适应性差且规划效率低。

本发明针对智能车辆规划决策系统中，对与结构化环境下的局部路径规划，在安全性、规划时间性能等方面所存在的不足，提出了一种结构化环境下的智能车辆局部路径规划方法。在该方法中，利用高精度地图和自车定位信息加载对应的局部参考路径，然后考虑障碍物信息的获取与表示，将局部参考路径与障碍物信息进行坐标系转化，并判断是否需要重规划，再通过决策与重规划方法得到局部最优路径，最后通过速度规划与更新局部规划结果实现安全、平稳的行驶。本方法集路径规划、变道决策和速度规划于一体，有助于提高智能车辆运行的安全性和规划时间性能。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种结构化环境下的智能车辆局部路径规划方法。本发明的技术方案如下：

一种结构化环境下的智能车辆局部路径规划方法，其包括以下步骤：

定位及地图加载步骤；障碍物信息处理步骤；坐标系转化与分析步骤；决策与重规划步骤；速度规划及局部规划更新步骤；其中，