[发明专利]一种自动泊车的路径规划方法、装置及存储介质

权利要求书

1.一种自动泊车的路径规划方法，其特征在于，包括：

确定从起点S到泊车起始点P的第一路径；

确定从所述泊车起始点P到目标点F的第二路径；

对所述第一路径和所述第二路径进行平滑处理。

2.根据权利要求1所述的方法，其特征在于，所述确定从起点S到泊车起始点P的第一路径包括：

使用混合A*搜索算法确定从所述起点S到所述泊车起始点P的第一路径。

3.根据权利要求2所述的方法，其特征在于，所述混合A*搜索算法包括：

从所述起点S开始，以固定半径的RS曲线的混合A*算法作为成本进行搜索，若车身无碰撞，则保存搜索路径；

判断树枝节点是否到达所述泊车地点P，若已到达且无碰撞，则记录最后一个树枝节点为所述泊车地点P；

其中，所述RS曲线为Reeds-Shepp曲线。

4.根据权利要求3所述的方法，其特征在于，所述以固定半径的RS曲线作为成本进行搜索包括：

将最小转弯半径作为所述混合A*算法搜索的约束；

每隔M个点使用一次所述RS曲线进行路径搜索；

每成功完成一次所述混合A*搜索进行一次碰撞检测；

其中，M是大于等于1的整数。

5.根据权利要求1所述的方法，其特征在于，所述确定从所述泊车起始点P到目标点F的第二路径包括：

使用可变半径的RS曲线搜索算法确定所述泊车起始点P到所述目标点F的第二路径；

其中，所述RS曲线为Reeds-Shepp曲线。

6.根据权利要求1所述的方法，其特征在于，所述对所述第一路径和所述第二路径进行平滑处理包括：

对所述第一路径使用贝塞尔曲线进行拟合，得到第三路径；

对所述第二路径使用贝塞尔曲线进行拟合，得到第四路径；

对所述第三路径和所述第四路径，使用共轭梯度下降方法进行路径优化。

7.根据权利要求6所述的方法，其特征在于，所述使用共轭梯度下降方法进行路径优化包括：

根据下列公式对待优化的路径进行优化：

其中，第一项为边缘碰撞的惩罚项，第二项为曲率惩罚项；

x_i＝(x_i，y_i)，i∈[1，...，N]，x_i为使用贝塞尔曲线进行拟合后的待优化的路径；

o_i为车库边缘的坐标点；

Δx_i＝x_i-x_i-1是在点x_i处的位移量，是所述待优化的路径在点x_i处的角度改变量，k_max是车辆转弯的最大曲率，ω_o、ω_k是权重因子，σ_o边缘碰撞的惩罚函数，σ_k为曲率惩罚函数。

8.根据权利要求7所述的方法，其特征在于，所述边缘碰撞惩罚项的梯度为：

9.根据权利要求7所述的方法，其特征在于，所述曲率惩罚的梯度为：

曲率k_i＝Δφ_i/(|Δx_i|)，其与x_i-1、x_i和x_i+1的偏导加权之和，

其中，

x_i是当前点，x_i-1是当前点的前一点，x_i+1是当前点的后一点。