[发明专利]一种无人车局部路径规划方法、装置、设备及存储介质

权利要求书

1.一种无人车局部路径规划方法，其特征在于，包括如下步骤：

根据无人车周围环境车的历史轨迹信息以及道路环境上下文信息获取无人车周围环境车的未来轨迹预测信息；

采用人工势场法对所述无人车的行驶环境进行建模，在栅格图中建立概率地图；

基于所述环境车的未来轨迹预测信息和所述概率地图，采用改进RRT算法对所述无人车进行局部路径规划，以获取无人车的规划路径；

采用B样条曲线对所述无人车的规划路径进行拟合，以生成满足车辆运动约束的无人车的局部路径;

建立概率地图具体为：

，

其中，表示势场总和，表示栅格地图中的某一位置，是正的势场常数;

所述基于所述环境车的未来轨迹预测信息和所述概率地图，采用改进RRT算法对所述无人车进行局部路径规划，以获取无人车的局部路径具体包括：

将栅格地图中计算得到的采样概率值作为适应度度量，根据概率地图得到每个栅格点的适应度后，计算出每个栅格点的横纵坐标被选中的概率，并基于各个栅格点的横纵坐标被选中的概率计算出横纵两个维度的累积概率；

基于所述横纵两个维度的累积概率进行节点扩展，在节点之间的距离约束条件和角度约束条件下选取合适的采样新节点；

基于所述环境车的未来轨迹预测信息和所述无人车的采样新节点，对无人车进行碰撞检测；

根据所述碰撞检测结果，对无人车的路径节点进行连接或删除，并继续进行节点扩展，直至达到目标节点后，得到无人车的局部路径。

2.根据权利要求1所述的无人车局部路径规划方法，其特征在于，所述根据无人车周围环境车的历史轨迹信息以及道路环境上下文信息获取无人车周围环境车的未来轨迹预测信息具体包括：

获取不同场景下环境车的历史轨迹坐标以及对应的历史场景上下文信息，利用不同场景下环境车的历史轨迹坐标以及对应的历史场景上下文信息对长短期记忆网络进行训练；

采用奖励函数对所述长短期记忆网络进行正则化处理；

获取无人车周围环境车的实时场景上下文信息，将所述实时场景上下文信息输入所述正则化处理后的长短期记忆网络中，以得到环境车的未来轨迹预测信息。

3.根据权利要求1所述的无人车局部路径规划方法，其特征在于，所述采用人工势场法对所述无人车的行驶环境进行建模，在栅格图中建立概率地图具体包括：

基于无人车的实时行车环境信息建立势场函数，采用所述势场函数计算出所述无人车在实时行车环境信息下的各类势场后，基于计算出的各类势场建立概率地图。

4.根据权利要求3所述的无人车局部路径规划方法，其特征在于，所述势场函数具体为：

，

，

，

，

，

，

，

其中，表示分道线势场，表示道路边界线势场，表示环境车势场，表示障碍物势场，表示目标点势场， 表示分道线势场系数，表示第i条分道线在Y方向上的位置，表示分道线势场的收敛系数，表示道路边界势场系数，j的取值为 1 或 2，为第j条道路边界线的位置，表示纵向势场系数，K表示距离无人车安全范围最右侧的距离，表示汤川势系数，表示环境车势场的收敛系数，d表示横向距离，表示障碍物系数，表示距离障碍物前后两侧的距离，是正的势场常数，是目标点势场的系数。

5.根据权利要求1所述的无人车局部路径规划方法，其特征在于，采用三次B样条曲线对所述无人车的规划路径进行拟合。