【技術實現步驟摘要】
本專利技術涉及無人駕駛，尤其是涉及一種無人駕駛路徑規劃方法、設備及介質。
技術介紹
1、無人駕駛的運動規劃是連接上游場景理解、決策和下游控制的重要橋梁，其職能為實時生成安全、平穩、可控的軌跡，是無人車實現智能駕駛的關鍵一環。無人車在執行如泊車或通過非結構化道路等復雜任務時，需要采用基于搜索的方法，然而，此類方法需要經過大量的碰撞檢測運算，難以保證實時性，此外，常用解耦的規劃方法雖然能夠通過降維提升運算效率，但是所得軌跡難以保證全局最優。因此，提升軌跡規劃的運算效率，進而在時空維度直接搜索最優軌跡，有助于實現更智能的無人駕駛。
2、碰撞檢測算法源于圖像處理和機器人領域，利用對象幾何特征，主要分為空間分割法和包圍盒法。空間分割方法將空間劃分為單元格，通過將相同單元格內的對象分組，實現高效的對象檢測，常見的方法包括柵格圖法、k-d樹和二叉空間分割樹(bsp)等。雖然空間分割適合物體分布均勻和稀疏的場景，但自動駕駛車輛通常會遇到許多動態和靜態障礙物，這使得空間分割的靈活性較差。因此，在自動駕駛中，邊界框方法更為普遍。中國專利技術專利申請cn117719500a和cn115027464a采用了帶朝向角的包圍盒方式描述車輛，通過大量的邊、邊交叉運算和包含運算完成碰撞檢測，這些運算在復雜場景下耗時嚴重，難以滿足車輛實時性需求。專利cn112577506a運用三個圓來描述無人車，將無人車邊框與障礙物邊框的相交運算轉化為障礙物到三個圓心的距離運算，大大降低了運算成本，但三個圓的描述方法對車輛進行了較大膨脹，且距離運算也并非是效率最高的
3、此外，現有方法通常將路徑規劃與速度規劃問題解耦，以解的質量為代價去換取運算的效率。文獻《hierarchical?trajectory?planning?of?an?autonomous?car?basedon?the?integration?of?a?sampling?and?an?optimization?method》運用采樣法進行路徑規劃，運用優化方法進行速度規劃，將路徑-速度解耦，實現了結構化道路的實時運動規劃。文獻《hybrid?trajectory?planning?for?autonomous?driving?in?on-road?dynamicscenarios》提出使用橫縱向解耦方式，將三維問題轉化為兩個位置-時間的二維問題。中國專利技術專利申請cn117724476a，采用路徑和速度解耦的規劃方法，以最小轉幅和曲率為目標，考慮了前方和側方動態障礙物因素，解決了無人車的軌跡規劃問題。中國專利技術專利申請cn117681897a，根據行駛決策結果先后進行縱向規劃和橫向規劃，并最終合成優化橫縱向軌跡，實現了無人車的局部軌跡規劃。
4、綜上所述，一方面，由于計算能力有限，現有諸多研究運用路徑-速度解耦或橫向縱向解耦的規劃方法來提高計算效率。然而，該方案有三個主要缺點：(1)縮減了解空間；(2)更依賴于對動靜態障礙物的檢測；(3)無法考慮部分強耦合的車輛約束，如橫向加速度。另一方面，直接在時空維度解決運動規劃問題雖然可以提供更高質量的解決方案，但是，由于三個主要問題，難以保證計算效率：(1)更大的解空間；(2)更高維度的候選搜索點；(3)更復雜的碰撞檢測算法。
技術實現思路
1、本專利技術的目的就是為了克服上述現有技術存在的缺陷而提供了一種無人駕駛路徑規劃方法、設備及介質，顯著提高了路徑規劃的安全可靠性和運算效率
2、本專利技術的目的可以通過以下技術方案來實現：
3、根據本專利技術的第一方面，提供了一種無人駕駛路徑規劃方法，該方法包括：
4、s1、根據動態環境信息構建三維時空柵格地圖；
5、s2、將不同朝向角的車輛模型用占據柵格的形式描述為車輛模型柵格圖，作為三維卷積核；
6、s3、采用高斯分布模擬定位不確定性，獲取車輛模型柵格圖中每個柵格的占據概率，更新三維卷積核；
7、s4、對三維時空柵格地圖和更新了占據概率的三維卷積核進行多次卷積運算，獲得包含動態環境信息和自車姿態信息的四維時空卷積特征圖；
8、s5、根據四維時空卷積特征圖，采用混合a*算法進行路徑規劃，通過查表法進行碰撞檢測，保留可用路徑點，得到最終路徑規劃結果；其中，所述混合a*算法中，引入基于碰撞損失的機會約束對搜索方向剪枝。
9、優選地，所述s1具體為：將環境動態障礙物投影到柵格圖中，通過概率疊加方式獲取三維時空柵格地圖，計算表達式為：
10、
11、式中：po(x,y,t)為t時刻預測點(x,y)被占據的概率；n為t時刻在預測點(x,y)發生交集的動態障礙物數量，pi為t時刻第i個障礙物到達預測點(x,y)的概率。
12、優選地，所述s2中，三維卷積核的邊長lk依據實際車輛長度l和寬度w進行調節。
13、優選地，所述s2中，不同朝向角的車輛模型按后座中心點旋轉，根據后座中心點位置固定至三維卷積核中心點。
14、優選地，所述s2中，所述s4具體為：對于分辨率為k的車輛朝向角，對三維時空柵格地圖和更新了占據概率的三維卷積核進行360/k次卷積操作后，獲得包含動態環境信息和自車姿態信息的四維時空卷積特征圖，所述動態環境信息和自車姿態信息包括位置、朝向角和時間信息。
15、優選地，所述s2中，所述s5中采用混合a*算法進行路徑規劃，設置有車輛運動學約束，具體為：
16、選用車身和懸架系統為剛性系統的車輛模型，車輛的運動和轉向通過前輪驅動，車輛前輪最大轉角為c，將[-c，c]范圍內的前輪轉角柵格化，下個路徑點的搜索方式滿足車輛運動學約束，表達式為：
17、
18、式中：xk+1、yk+1分別為第k+1個搜索軌跡點車輛的橫坐標和縱坐標；xk、yk為第k個軌跡點的橫坐標和縱坐標；為k+1軌跡點的朝向角，為第k個軌跡點的朝向角；δf為前輪轉角δf∈[-c,c]；lf為前懸長度；lr為后懸長度；vk為第k個軌跡點車輛速度，dk為δt時間內車輛行駛距離；a為車輛加速度；tk+1為第k+1個軌跡點的到達時刻；δt為時間步長。
19、優選地，所述s2中，所述s5中引入基于碰撞損失的機會約束對搜索方向剪枝，具體為：每一步搜索時，通過查表法進行碰撞檢測，并記錄規劃點發生碰撞的概率，若累計碰撞概率大于設定值，本文檔來自技高網...
【技術保護點】
1.一種無人駕駛路徑規劃方法，其特征在于，該方法包括：
2.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述S1具體為：將環境動態障礙物投影到柵格圖中，通過概率疊加方式獲取三維時空柵格地圖，計算表達式為：
3.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述S2中，三維卷積核的邊長Lk依據實際車輛長度L和寬度W進行調節。
4.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述S2中，不同朝向角的車輛模型按后座中心點旋轉，根據后座中心點位置固定至三維卷積核中心點。
5.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述S2中，所述S4具體為：對于分辨率為k的車輛朝向角，對三維時空柵格地圖和更新了占據概率的三維卷積核進行360/k次卷積操作后，獲得包含動態環境信息和自車姿態信息的四維時空卷積特征圖，所述動態環境信息和自車姿態信息包括位置、朝向角和時間信息。
6.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述S2中，所述S5中采用混合A*算法進行路徑規劃，設置
7.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述S2中，所述S5中引入基于碰撞損失的機會約束對搜索方向剪枝，具體為：每一步搜索時，通過查表法進行碰撞檢測，并記錄規劃點發生碰撞的概率，若累計碰撞概率大于設定值，則對當前搜索方向剪枝。
8.根據權利要求7所述的一種無人駕駛路徑規劃方法，其特征在于，所述S2中，所述基于碰撞損失的機會約束，表達式為：
9.一種電子設備，包括存儲器和處理器，所述存儲器上存儲有計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1～8任一項所述的方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1～8中任一項所述的方法。
...【技術特征摘要】
1.一種無人駕駛路徑規劃方法，其特征在于，該方法包括：
2.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述s1具體為：將環境動態障礙物投影到柵格圖中，通過概率疊加方式獲取三維時空柵格地圖，計算表達式為：
3.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述s2中，三維卷積核的邊長lk依據實際車輛長度l和寬度w進行調節。
4.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述s2中，不同朝向角的車輛模型按后座中心點旋轉，根據后座中心點位置固定至三維卷積核中心點。
5.根據權利要求1所述的一種無人駕駛路徑規劃方法，其特征在于，所述s2中，所述s4具體為：對于分辨率為k的車輛朝向角，對三維時空柵格地圖和更新了占據概率的三維卷積核進行360/k次卷積操作后，獲得包含動態環境信息和自車姿態信息的四維時空卷積特征圖，所述動態環境信息和自車姿態信息包括位置、朝向角和...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。