[发明专利]一种智能驾驶车辆的局部路径规划方法、装置及设备

说明书

本申请公开了一种智能驾驶车辆的局部路径规划方法、装置及设备，该方法包括：首先根据获取到的智能驾驶车辆在全局坐标系下轨迹规划中起始点的第一位姿和目标点的第一位姿，确定在以起始点为坐标原点的局部坐标系下起始点的第二位姿和目标点的第二位姿，然后，根据起始点的第二位姿和目标点的第二位姿，将5阶Bezier曲线转化为待优化曲线，并利用基于SQP的目标函数，对待优化曲线进行优化，得到优化参数的最优解，进一步可以根据优化参数的最优解，确定智能驾驶车辆的最佳局部路径。从而能够实现基于5阶Bezier曲线，通过SQP的参数优化，确定出各个控制点的准确坐标，进而快速、准确的规划出智能驾驶车辆的局部路径。

技术领域

本申请涉及车辆技术领域，尤其涉及一种智能驾驶车辆的局部路径规划方法、装置及设备。

背景技术

随着智能驾驶技术的快速发展，路径规划也成为了重要的突破领域。现有的路径规划方法主要分为两类：一类是采用多项式、回旋曲线、贝塞尔(Bezier)曲线等具有解析解的直接规划法，另一类是采用快速扩展随机树(rapidly exploring random tree，简称RRT)、人工试场等通过采样拟合生成路径的间接规划法。目前智能驾驶车辆的局部路径规划大多采用第一类的直接规划方法，在该类方法中，相比于其他类型的曲线，Bezier曲线具有良好的端点性质和切向矢量性，可以在满足端点约束、曲率连续约束和车辆运动学约束的同时，在起始点与目标点之间生成无数条路径以供选择，极大地减少了无可行解的情况，设计时可以根据自己的目标要求从无数条路径中求解出期望的最优路径，目标要求可以是平滑性、安全性、横向偏移程度等一种或几种的组合。

但目前采用Bezier曲线进行局部路径规划的方法中大多数没有完全考虑两个端点处的曲率约束，或者考虑端点曲率约束后求解期望的最优路径比较困难。若要满足端点处的位姿及曲率约束，Bezier曲线的阶次至少应为5阶，同时会导致曲线约束的个数小于求解量的个数，从而无法完全确定各个控制点准确坐标。因此，如何快速、准确的规划出智能驾驶车辆的局部路径，已成为亟待解决的问题。

发明内容

本申请实施例的主要目的在于提供一种智能驾驶车辆的局部路径规划方法、装置及设备，能够快速、准确的规划出智能驾驶车辆的局部路径。

在本申请第一方面提出了一种智能驾驶车辆的局部路径规划方法，包括：

获取智能驾驶车辆在全局坐标系下轨迹规划中起始点的第一位姿和目标点的第一位姿；

根据所述起始点的第一位姿和所述目标点的第一位姿，确定在以起始点为坐标原点的局部坐标系下所述起始点的第二位姿和所述目标点的第二位姿；

根据所述起始点的第二位姿和所述目标点的第二位姿，将5阶贝塞尔Bezier曲线转化为待优化曲线；

利用基于序列二次规划SQP的目标函数，对所述待优化曲线进行优化，得到优化参数的最优解；

根据所述优化参数的最优解，确定所述智能驾驶车辆的最佳局部路径。

在一种可选的实现方式中，所述根据所述起始点的第二位姿和所述目标点的第二位姿，将5阶贝塞尔Bezier曲线转化为待优化曲线，包括：

将5阶贝塞尔Bezier曲线的曲线方程转换为矩阵乘积形式的待优化曲线；

根据所述起始点的第二位姿和所述目标点的第二位姿，确定所述矩阵乘积形式的待优化曲线中参数优化所用的横坐标矩阵和纵坐标矩阵。

在一种可选的实现方式中，所述利用基于序列二次规划SQP的目标函数，对所述待优化曲线进行优化，得到优化参数的最优解，包括：

确定所述基于序列二次规划SQP的目标函数的参数初始值；

计算所述矩阵乘积形式的待优化曲线中参数优化所用的横坐标矩阵和纵坐标矩阵的一阶偏导数；