CN103760904A - 一种语音播报式智能车辆路径规划装置与实施方法 - Google Patents

Abstract

本发明涉及一种语音播报式智能车辆路径规划装置与实施方法，属于车辆控制技术领域，其将全局路径规划与局部路径规划相结合；将启发式A*搜索算法与人工势场法相结合；加入语音提醒功能，增强了智能车辆处理紧急情况的能力；全局路径规划与局部路径规划相结合，满足了智能车辆对路径最优性和行驶安全性的双重要求；启发式A*搜索算法与人工势场法相结合，显著地提高了算法的搜索效率；使用单片机控制语音芯片的语音播放，降低装置的成本；通过路由器搭建的局域网，可以方便地实现与智能车辆其他模块之间的通信。

Description

一种语音播报式智能车辆路径规划装置与实施方法

技术领域

本发明涉及车辆控制技术领域，涉及一种语音播报式智能车辆路径规划装置与实施方法。

背景技术

近年来，智能车辆的研究越来越引起人们的关注，它是智能交通系统的重要组成部分，更是实现无人驾驶和辅助驾驶的重要载体。路径规划系统是智能车辆研究领域中的一个重要部分，它相当于智能车辆的大脑，规划决策智能车辆的行为。目前对智能车辆路径规划的研究可以分为两类：全局路径规划和局部路径规划。全局路径规划是指在错综复杂的交通路网中，按照一定的评价标准（行走路线最短、所用时间最少等）为智能车辆寻找一条从起始位置到目标位置的最佳行驶路径，包括环境建模和路径搜索两个子问题。局部路径规划是指在存在障碍物的环境中，为智能车辆规划一条安全无碰的路径，使其能够绕过障碍物，安全到达预定目标点。

针对路径规划问题，国内外学者都做了大量的研究，主要方法有Dijkstra算法、人工势场法、启发式A*算法、遗传算法、蚁群算法及其改进算法等，发表的文献主要包括：《计算机与现代化》的《改进的Dijkstra算法在GIS路径规划中的应用》；《航空学报》的《基于人工势场法的移动机器人最优路径规划》；《模式识别与人工智能》的《基于遗传算法的移动机器人动态避障路径规划方法》以及《控制与决策》的《基于改进蚁群算法的星球探测机器人路径规划技术》等。以上算法和文献在一定程度上提高了路径规划的搜索空间和搜索效率，但它们有一个共同的特点就是只对一种算法进行研究和改进，不能很好的发挥各算法的优点。如果将两种或多种算法相结合，取长补短，那么算法的搜索效率将会明显地提高。

以上几项研究的共性还在于：只针对一类规划进行研究，或者是全局路径规划，或者是局部路径规划，没有将两种规划结合起来，而且目前市面上的车载导航装置大都局限于全局的路径规划。然而，智能车辆在行驶过程中受局部环境影响和自身状态的不确定性的影响，会遇到各种各样不可预测的情况，只进行全局规划已不能满足智能车辆安全行驶的要求，所以进行局部的路径规划是必须的。

由于无人在车上驾驶，智能车辆在上路行驶和实验时，容易出现的意外情况而无法进行紧急处理或来不及切换成人工并停车，容易造成重大事故。如果能够在紧急情况出现之前以语音方式进行提醒，做好应急的准备，就能很好的避免事故的发生，减少人民财产损失。

综上所述，迫切需要研究一种具有语音播报功能的智能车辆全局与局部规划并存的路径规划装置和方法，该装置包含全局路径规划和局部路径规划，可以满足智能车辆对路径最优性和行驶安全性的要求，同时语音播报系统的加入可以为紧急情况的出现做好应急的准备，降低事故的发生率。该装置主要应用于汽车领域。迄今为止，尚未见到此类装置的报道。

发明内容

本发明的目的是为了解决智能车辆的路径规划问题，提出了一种语音播报式智能车辆路径规划装置与实施方法；该装置既包含全局路径规划，又包含局部路劲规划，能够满足智能车辆对路径最优性和行驶安全性的要求；语音播报系统的加入可以为紧急情况的出现做好应急的准备，降低事故的发生率；同时可以实时地将规划好的路径通过局域网传输给底层控制模块，为智能车辆的无人驾驶提供了有效地保障。

为实现上述目的，本发明采用的技术方案为一种语音播报式智能车辆路径规划装置与实施方法，其中该语音播报式智能车辆路径规划装置包括规划决策上位机、GPS接收站、惯性导航仪、单片机、语音芯片、扬声器、麦克风、路由器；其中GPS接收站安装在智能车辆的顶部，惯性导航仪安装在智能车辆的车身内中部；规划决策上位机通过数据线与GPS接收站；惯性导航仪和单片机相连；单片机、语音芯片、扬声器和麦克风通过信号线相连，构成一个语音播报系统，路由器通过网线与规划决策上位机相连。

该语音播报式的智能车辆路径规划实施方法包括以下步骤，

S1GPS接收站采集智能车辆的位置信息。

S1.1GPS接收站是应用相位载波技术（RKT）的差分GPS，包括基准站和移动站，基准站放置在某一开阔的没有障碍物遮挡的固定位置，移动站放置在智能车辆的车顶；正确连接GPS接收站的相关设备，并通过设备携带的软件设置其工作方式为差分模式。

S1.2基站站捕获空间卫星信号，实时地获取观测点的三维坐标，同时基准站通过数据链实时地将其载波观测量和坐标信息一同传送给移动站，移动站在接收GPS卫星的载波相位与来自基准站的载波相位后组成相位差分观测值进行实时处理，实时地获取精准的定位信息。

S1.3移动站与规划决策上位机通过数据传输线进行数据的传输，从而获取智能车辆的位置信息。

S2惯性导航仪采集智能车辆的姿态信息。

S2.1惯性导航仪安装在智能车辆的车身内中部，内置的加速度计用来测量运动体的加速度，陀螺仪形成一个导航坐标系使加速度计的测量轴稳定在该坐标系中，并给出航向和姿态角。

S2.2惯性导航仪通过数据传输线与规划决策上位机相连，将智能车辆的航向、姿态角和加速度等信息按照某种协议打包传输给规划决策上位机，从而通过积分，获得智能车辆的姿态信息。

S3规划决策上位机解析GPS接收站和惯性导航仪传输的数据信息，结合数字地图，融合A*算法与人工势场法进行全局路径规划。

S4根据环境感知模块提供的局部环境信息，采用移动窗口栅格法进行局部避障规划和路口转弯规划。

S4.1将智能车辆所处的环境分成大小相等的栅格，每个栅格有一个累计值V，表示在此方位中存在障碍物的可信度，高的V值表示存在障碍物的可能性高；

S4.2建立环境坐标系，用来描述智能车辆所处的环境；根据环境感知模块提供的障碍物信息（障碍物距离智能车辆的距离、角度等），可以将障碍物映射到环境坐标系中；

S4.3在智能车辆前方开出一个半径为R的圆形窗口，称为活动窗口，环境坐标系中暂时属于活动窗口的栅格称为窗口栅格；

S4.4将活动窗口分成180/θ个角度为θ的扇面，分别代表不同的行驶方向。根据读取的环境信息数据，计算每个窗口栅格的障碍权值，以及每个扇面的障碍密度；障碍密度反应了障碍物的密集程度和远近程度；把障碍密度低于一个阈值的区域称为候选区域，候选区域为智能车行驶的安全区域；选择最有利于到达目标位置的候选扇区作为行驶方向。

S5单片机、语音芯片、扬声器和麦克风构成一个语音播报系统，规划决策上位机通过RS232与单片机相连，当智能车辆接近路口或前方出现障碍物时，规划决策上位机发送语音播报信号（是否播报及播报的语音段，1表示播报，0表示不播报），再通过单片机控制语音芯片的工作状态，最后通过扬声器发出语音，提示前方道路的情况（红绿灯、路口、障碍物），麦克风用于语音的提前录制。

S6规划决策上位机将规划好的路径数据打包，通过路由器搭建的局域网将数据包传输给智能车辆的底层控制模块，对车辆底层刹车、油门执行机构进行控制。

与现有技术相比，本发明具有如下有益效果。

其将全局路径规划与局部路径规划相结合；将启发式A*搜索算法与人工势场法相结合；加入语音提醒功能，增强了智能车辆处理紧急情况的能力。

1、全局路径规划与局部路径规划相结合，满足了智能车辆对路径最优性和行驶安全性的双重要求；

2、启发式A*搜索算法与人工势场法相结合，显著地提高了算法的搜索效率；

3、使用单片机控制语音芯片的语音播放，降低装置的成本；通过路由器搭建的局域网，可以方便地实现与智能车辆其他模块之间的通信。

附图说明

图1为本发明方法的示意图。

图2为本发明装置的示意图。

图3为本发明实施例的示意图。

图4为GPS接收站相关设备连接示意图。

图5为实际道路网络的模型图。

图6为A*搜索算法流程图。

图7为本发明中移动窗口栅格示意图。

图8为本发明中语音播报系统框图。

图9为AT89S51单片机引线连接图。

图10为ISD2560语音芯片管脚说明图。

图中：1、规划决策上位机，2、GPS接收站，3、惯性导航仪，4、单片机，5、语音芯片，6、扬声器，7、麦克风，8、路由器。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

本发明的基本思想是融合全局路径规划与局部路径规划，同时加入语音提醒功能，实现语音播报式的智能车辆路径规划。

如图1-7所示，一种语音播报式智能车辆路径规划装置与实施方法，其中该语音播报式智能车辆路径规划装置包括规划决策上位机1、GPS接收站2、惯性导航仪3、单片机4、语音芯片5、扬声器6、麦克风7、路由器8；其中GPS接收站2安装在智能车辆的顶部，惯性导航仪安装在智能车辆的车身内中部；规划决策上位机1通过数据线与GPS接收站2；惯性导航仪3和单片机4相连；单片机4、语音芯片5、扬声器6和麦克风7通过信号线相连，构成一个语音播报系统，路由器8通过网线与规划决策上位机1相连。

该语音播报式的智能车辆路径规划实施方法包括以下步骤，

S1GPS接收站2采集智能车辆的位置信息。

S1.1GPS接收站2是应用相位载波技术（RKT）的差分GPS，包括基准站和移动站，基准站放置在某一开阔的没有障碍物遮挡的固定位置，移动站放置在智能车辆的车顶；正确连接GPS接收站2的相关设备，并通过设备携带的软件设置其工作方式为差分模式。

S1.2基站站捕获空间卫星信号，实时地获取观测点的三维坐标，同时基准站通过数据链实时地将其载波观测量和坐标信息一同传送给移动站，移动站在接收GPS卫星的载波相位与来自基准站的载波相位后组成相位差分观测值进行实时处理，实时地获取精准的定位信息。

S1.3移动站与规划决策上位机1通过数据传输线进行数据的传输，从而获取智能车辆的位置信息。

S2惯性导航仪3采集智能车辆的姿态信息。

S2.1惯性导航仪3安装在智能车辆的车身内中部，内置的加速度计用来测量运动体的加速度，陀螺仪形成一个导航坐标系使加速度计的测量轴稳定在该坐标系中，并给出航向和姿态角。

S2.2惯性导航仪3通过数据传输线与规划决策上位机1相连，将智能车辆的航向、姿态角和加速度等信息按照某种协议打包传输给规划决策上位机1，从而通过积分，获得智能车辆的姿态信息。

S3规划决策上位机1解析GPS接收站2和惯性导航仪3传输的数据信息，结合数字地图，融合A*算法与人工势场法进行全局路径规划。

S4根据环境感知模块提供的局部环境信息，采用移动窗口栅格法进行局部避障规划和路口转弯规划。

S4.1将智能车辆所处的环境分成大小相等的栅格，每个栅格有一个累计值V,表示在此方位中存在障碍物的可信度，高的V值表示存在障碍物的可能性高；

S4.2建立环境坐标系，用来描述智能车辆所处的环境；根据环境感知模块提供的障碍物信息（障碍物距离智能车辆的距离、角度等），可以将障碍物映射到环境坐标系中；

S4.3在智能车辆前方开出一个半径为R的圆形窗口，称为活动窗口，环境坐标系中暂时属于活动窗口的栅格称为窗口栅格；

S4.4将活动窗口分成180/θ个角度为θ的扇面，分别代表不同的行驶方向。根据读取的环境信息数据，计算每个窗口栅格的障碍权值，以及每个扇面的障碍密度；障碍密度反应了障碍物的密集程度和远近程度；把障碍密度低于一个阈值的区域称为候选区域，候选区域为智能车行驶的安全区域；选择最有利于到达目标位置的候选扇区作为行驶方向。

S5单片机4、语音芯片5、扬声器6和麦克风7构成一个语音播报系统，规划决策上位机1通过RS232与单片机4相连，当智能车辆接近路口或前方出现障碍物时，规划决策上位机1发送语音播报信号（是否播报及播报的语音段，1表示播报，0表示不播报），再通过单片机控制语音芯片的工作状态，最后通过扬声器发出语音，提示前方道路的情况（红绿灯、路口、障碍物），麦克风用于语音的提前录制。

S6规划决策上位机1将规划好的路径数据打包，通过路由器8搭建的局域网将数据包传输给智能车辆的底层控制模块，对车辆底层刹车、油门执行机构进行控制。

表1与底层控制模块通信时的UDP数据传输格式

如表1所示为定义的与底层控制模块通信时的UDP数据传输格式，其中校验位采用的算法为（ID^RXH1^RXH2……^RXH7）&07FH，有效地保证了数据的完整性。

实施例

如图8-10所示，本实施例采用附图3所示的装置实现智能车辆的路径规划和语音播报。

针对语音播报式智能车辆路径规划装置，包括一台计算机、一套GPS接收站、一个惯性导航仪、一个单片机、一个语音芯片、一个扬声器、一个麦克风和一个路由器。其中计算机安装有VS2008程序及MapX控件，GPS接收站采用NovAtel公司的FlexPak-G2系列的GPS接收处理机和GPS-702-GG接收天线，及PACIFICCREST公司的PDL4535的数传电台，惯性导航仪型号为CrossbowVG700AA，单片机型号为AT89S51，语音芯片采用ISD公司的ISD2560语音芯片，扬声器型号为φ23，麦克风为U8957Q，路由器型号为TL-SF1008D。

该发明采用的算法和工作流程如下：

S1添加MapX控件到VS2008项目工程中，加载带有道路属性信息的数字地图至VS2008工程中，便于后续车辆位置、行驶轨迹和规划路径的显示。

S2正确连接GPS接收站的相关设备，通过规划决策上位机VS2008串口采集程序的CnComm串口类，实时地获取移动站经过基站电台修正的差分原始数据，应用GPSNMEA-0183协议解析$GPGGA数据包得到所需要的定位信息，并用简化方法将GPS经纬度坐标转成平面坐标。

S2.1应用MoxaUPort1250连接规划决策上位机1和GPS接收站2。

S2.2规划决策上位机应用VS2008开发环境编写GPS采集程序，实时地获取GPS移动站经过基站电台修正的差分原始数据，典型的数据格式为：$GPGGA,UTC时间，纬度（度分），纬度（南北），经度（度分），经度（东西），GPS状态，卫星数量，HDOP水平精度因子，海拔高度，地球椭圆面相对大地水准面的高度,差分时间，差分站ID号，校验值。依照GPSNMEA-0183协议将该数据进行解析，从而获取经纬度等定位信息。

S2.3GPS输出的坐标为地心地固（ECEF）坐标系统下的纬度、经度和高度，然而这样的定位数据不适用于做平面运动的车辆。因此，要将GPS输出的经纬度转化到平面坐标系下。本发明采用通用横轴墨卡托坐标系（UniversalTransverseMercator，UTM），此坐标系是一个基于栅格的二维笛卡尔坐标系，由60个基于正切横轴墨卡托投影的区域组成，即将北纬84°和南纬80°的地球表面，以经度6°作为宽度，分成60个区域。在实际的应用情况中，UTM坐标的转换公式较为复杂，很难满足系统对实时性的要求，本发明采用经过简化处理的一组UTM坐标转换公式。以WGS-84中的大地水准面参数（地球椭圆半径r＝6378.137km，偏心率ec＝0.0818192）作为计算依据，已知一点在ECEF坐标系的坐标为

计算其在经度为λ_ref的参考子午线下的UTM坐标(e,n)的公式如下（下述公式中角度单位为弧度，距离单位为千米）：

$e=k_0\mathrm{rv}\left(\mathrm{\φ}\right)[A+(1-\mathrm{\ψ}+C)\frac{A^3}{6}+(5-18\mathrm{\ψ}+{\mathrm{\ψ}}^2)\frac{A^5}{120}---\left(1\right)$

$n=k_{0}r\{s\left(\mathrm{\φ}\right)+v\left(\mathrm{\φ}\right)\tan \left(\mathrm{\φ}\right)[\frac{A^2}{2}+(5-\mathrm{\ψ}+9C+4C^2)\frac{A^2}{24}+(61-58\mathrm{\ψ}+{\mathrm{\ψ}}^2)\frac{A^6}{720}\left]\right\}---\left(2\right)$

式中

$v\left(\mathrm{\φ}\right)=\frac{1}{\sqrt{1-{\mathrm{ec}}^2{\sin }^2\mathrm{\φ}}}---\left(4\right)$

A＝(λ-λ_ref)cosφ   （5）

$\begin{array}{c}s\left(\mathrm{\φ}\right)=(1-\frac{{\mathrm{ec}}^2}{4}-\frac{3{\mathrm{ec}}^4}{64}-\frac{5e{c}^6}{256})\mathrm{\φ}-(\frac{{3\mathrm{ec}}^2}{8}+\frac{{3\mathrm{ec}}^4}{32}+\frac{{45\mathrm{ec}}^6}{1024})\sin 2\mathrm{\φ}\\ +(\frac{15{\mathrm{ec}}^4}{256}+\frac{{45\mathrm{ec}}^6}{1024})\sin 4\mathrm{\φ}-\frac{{35\mathrm{ec}}^6}{3072}\sin 6\mathrm{\φ}\end{array}---\left(6\right)$

ψ＝tan²φ   （7）

$C=\frac{{\mathrm{ec}}^2}{1-{\mathrm{ec}}^2}{\cos }^2\mathrm{\φ}---\left(8\right)$

k₀＝0.9996    （9）

S3规划决策上位机根据VG700AA的协议解析采集到的车身姿态信息，包括车的航向角，俯仰角，翻转角，三轴向的加速度信息，再通过积分得到车辆的速度和位移。

S3.1应用MoxaUPort1250连接规划决策上位机1和惯性导航仪3测量车身姿态信息，其中惯性导航仪3数据包协议为：Header(255)RollAngle(高8位)RollAngle(低8位)PitchAngle(高8位)PitchAngle(低8位)RollRate(高8位)RollRate(低8位)PitchRate(高8位)PitchRate(低8位)AccelerationX(高8位)AccelerationX(低8位)AccelerationY(高8位)AccelerationY(低8位)AccelerationZ(高8位)AccelerationZ(低8位)TempVoltage(高8位)TempVoltage(低8位)Time(高8位)Time(低8位)Checksum

S3.2计算航向角Yaw，需给定初值并积分，其初值为w度，应用以下公式积分：

$\mathrm{Yaw}=w+{\∫}_0^b\left(\mathrm{YawRate}\right)\mathrm{dt}---\left(10\right)$

其中，b为设定的更新时间

S3.3找到FF包头，提取各个姿态的高八位低八位信息，计算校验和并验证。

S4根据智能车辆当前的位置和用户输入的目标点，进行全局路径规划。其中环境模型采用“节点-链接”的数据格式。路径搜索算法采用A*搜索算法与人工势场法相结合的搜索策略，在全局交通路网中为智能车辆寻找一条最佳的行驶路径，并将规划好的路径在数字地图中以特殊颜色的线段标记出来。

S5应用VS2008开发环境编写程序，实时地获取通过网络路由器传输过来的局部环境信息，采用移动窗口栅格法将障碍物的投影到栅格地图中，进而选择最佳的安全区域行驶。

S6当智能车辆遇到障碍物、红绿灯、转弯路口时，语音播报系统启动，以语音的方式播报当前道路情况，以便对紧急情况的出现做好准备。

S7路径规划完成后，规划决策上位机将规划好的路径再进行离散化处理，即将道路离散成一系列的点，然后将这些点及智能车辆的姿态信息数据打包，采用UDP传输协议，通过路由器传输给底层控制模块，对智能车辆底层刹车、油门等执行机构进行控制。

如图1所示为本发明的方法示意图，整个系统可分为前后两部分，首先是全局路径规划，包括环境建模和路径搜索两个子模块；其次是局部路径规划，包括局部避障和路口转弯两个子模块。全局规划可以离线完成，是局部规划的前提；局部规划是实时进行的，在此过程中会用到全局规划中获得的最优路径上的道路信息，比如最优路径上的道路长度、车道线数、道路路口、红绿灯以及智能车辆的位姿等信息。结合环境感知模块提供的智能车辆周围环境信息，进行局部的路径规划。语音播报系统可以实时的播报智能车辆前方的道路情况，是否临近路口、红绿灯以及是否存在障碍物等。最后将规划好的路径数据打包，传输给底层控制模块。

如图2所示为本发明装置的示意图，规划决策上位机通过串口采集GPS接收站和惯性导航仪的信息，通过路由器获得环境感知模块传输的环境信息，根据各模块提供的信息，规划决策上位机进行全局路径规划和局部路径规划，同时与单片机相连，控制语音芯片的语音播放，最后将规划好的路径数据打包，通过路由器传输给底层控制模块，对智能车辆底层执行机构进行控制。

如图3所示为本发明实施例的示意图。

如图4所示为本发明GPS接收站设备连接图。包括移动站和基准站两套设备，二者连接方法几乎相同，唯一不同的是移动站通过COM1口与规划决策上位机相连。

如图5所示为实际道路网络的模型图，即将实际的道路网络表示成节点和链接两种数据格式，节点表示实际道路网络中的路口、丁字路口、十字路口、三叉路口、盲节点或重要目的地等；链接是连接节点之间的路段，还用来记录道路的相关属性，如长度、车道线数、走向、拥堵状况等。

如图6所示为A*搜索算法流程图。A*算法是一种启发式算法，利用启发信息引导算法向着目标点方向进行搜索。每个节点用一个估价函数来表示其被选择的可能性，估价函数越小，节点被选择的概率越大。节点n的估价函数格式为：

f(n)＝g(n)+h(n)   （11）

其中f(n)表示搜索节点n的代价评估函数，g(n)是起始点到当前节点n的实际已消耗的费用，h(n)是当前节点n到目标点的最少路径费用的估计，叫做启发函数，代表算法的启发能力；启发函数h(n)的确定非常重要，函数选择合理，可以起到事半功倍的效果；反之，不仅不会引导算法向着目标点搜索，还会使算法搜索能力下降，甚至搜索不到最优路径而失败结束。本发明引入了人工势场法中的引力函数和斥力函数来构成启发函数。目标点对智能车辆具有引力作用，拥挤狭窄的小路对智能车辆具有斥力作用，利用这一特点将启发函数表示成：

h(n)＝Us(n)+Ug(n)   （12）

Us(n)＝k₁-width·k₀   （13）

Ug(n)＝|X_g-X_n|+|Y_g-Y_n|   （14）式（12）中Us(n)为斥力函数，Ug(n)为引力函数；式（13）中k₁＝0，k₀=5，width代表道路的宽度；式（14）中X_g和Y_g分别表示目标节点的横纵坐标，X_n和Y_n分别表示当前节点的横纵坐标。

在Ug(n)相同的情况下，道路越宽，width值越大，Us(n)越小，h(n)越小，即启发函数越小，从而引导算法选择较宽的道路行驶；Ug(n)实际是当前节点与目标点的曼哈顿距离，在Us(n)相同的情况下，Ug(n)越小，h(n)越小，即启发函数越小，也能有效地引导算法向着目标点前进。此启发函数可以有效地引导算法向着目标点进行搜索。

如图7为移动窗口栅格示意图，图中窗口栅格内的数字代表了存在障碍物的可信度，数字越大，代表存在障碍物的可信度越高。每个障碍栅格的障碍权值计算公式为：

Mi_j＝Vi_j·(a-b·D_ij)   （15）

式中，M_ij为窗口栅格cell(i,j)的障碍权值，V_ij为窗口栅格cell(i,j)的累计值V，表示此栅格存在障碍物的可信度，取值是0-5,D_ij为窗口栅格cell(i,j)到窗口中心的距离，a，b为正的常数，满足a-bR＝0，R为窗口的半径。

每个扇面的障碍密度H_k为此扇面内所有栅格的障碍权值的和，即：

$H_k=\underset{i,j}{\mathrm{\Σ}}{M}_{\mathrm{ij}}---\left(16\right)$

扇面的障碍密度反应了障碍物的密集程度和远近程度。把障碍密度低于一个阈值的区域称为候选区域，候选区域为智能车行驶的安全区域。选择最优的候选扇区作为行驶方向。

如图8所示为语音播报系统框图。

如图9所示为AT89S51单片机引线连接图，P0口与P2.0和P2.1连接语音芯片的地址线，实现对语音芯片的控制。

如图10所示为ISD1560芯片引脚说明图，在实际应用中将模拟电源和模拟地均接地，只用数字电源和数字地。

以上结合附图对本发明的具体实施方式做了说明，但这些说明不能被理解为限制了本发明的范围，本发明的保护范围由随附的权利要求书限定，任何在本发明权利要求基础上的改动都是本发明的保护范围。

Claims (5)

1.一种语音播报式智能车辆路径规划装置，其特征在于：该语音播报式智能车辆路径规划装置包括规划决策上位机（1）、GPS接收站（2）、惯性导航仪（3）、单片机（4）、语音芯片（5）、扬声器（6）、麦克风（7）、路由器（8）；其中GPS接收站（2）安装在智能车辆的顶部，惯性导航仪安装在智能车辆的车身内中部；规划决策上位机（1）通过数据线与GPS接收站（2）；惯性导航仪（3）和单片机（4）相连；单片机（4）、语音芯片（5）、扬声器（6）和麦克风（7）通过信号线相连，构成一个语音播报系统，路由器（8）通过网线与规划决策上位机（1）相连。

2.依权利要求1所述的一种语音播报式智能车辆路径规划装置，该语音播报式的智能车辆路径规划实施方法，其特征在于：该实施方法包括以下步骤，

S1GPS接收站（2）采集智能车辆的位置信息；

S1.1GPS接收站（2）是应用相位载波技术的差分GPS，包括基准站和移动站，基准站放置在某一开阔的没有障碍物遮挡的固定位置，移动站放置在智能车辆的车顶；正确连接GPS接收站（2）的相关设备，并通过设备携带的软件设置其工作方式为差分模式；

S1.2基站站捕获空间卫星信号，实时地获取观测点的三维坐标，同时基准站通过数据链实时地将其载波观测量和坐标信息一同传送给移动站，移动站在接收GPS卫星的载波相位与来自基准站的载波相位后组成相位差分观测值进行实时处理，实时地获取精准的定位信息；

S1.3移动站与规划决策上位机（1）通过数据传输线进行数据的传输，从而获取智能车辆的位置信息；

S2惯性导航仪（3）采集智能车辆的姿态信息。

S2.1惯性导航仪（3）安装在智能车辆的车身内中部，内置的加速度计用来测量运动体的加速度，陀螺仪形成一个导航坐标系使加速度计的测量轴稳定在该坐标系中，并给出航向和姿态角。

S2.2惯性导航仪（3）通过数据传输线与规划决策上位机（1）相连，将智能车辆的航向、姿态角和加速度等信息按照某种协议打包传输给规划决策上位机（1），从而通过积分，获得智能车辆的姿态信息；

S3规划决策上位机（1）解析GPS接收站（2）和惯性导航仪（3）传输的数据信息，结合数字地图，融合A*算法与人工势场法进行全局路径规划；

S4根据环境感知模块提供的局部环境信息，采用移动窗口栅格法进行局部避障规划和路口转弯规划；

S4.1将智能车辆所处的环境分成大小相等的栅格，每个栅格有一个累计值V，表示在此方位中存在障碍物的可信度，高的V值表示存在障碍物的可能性高；

S4.2建立环境坐标系，用来描述智能车辆所处的环境；根据环境感知模块提供的障碍物信息，可以将障碍物映射到环境坐标系中；

S4.3在智能车辆前方开出一个半径为R的圆形窗口，称为活动窗口，环境坐标系中暂时属于活动窗口的栅格称为窗口栅格；

S4.4将活动窗口分成180/θ个角度为θ的扇面，分别代表不同的行驶方向；根据读取的环境信息数据，计算每个窗口栅格的障碍权值，以及每个扇面的障碍密度；障碍密度反应了障碍物的密集程度和远近程度；把障碍密度低于一个阈值的区域称为候选区域，候选区域为智能车行驶的安全区域；选择最有利于到达目标位置的候选扇区作为行驶方向；

S5单片机（4）、语音芯片（5）、扬声器（6）和麦克风（7）构成一个语音播报系统，规划决策上位机（1）通过RS232与单片机（4）相连，当智能车辆接近路口或前方出现障碍物时，规划决策上位机（1）发送语音播报信号，再通过单片机控制语音芯片的工作状态，最后通过扬声器发出语音，提示前方道路的情况；

S6规划决策上位机（1）将规划好的路径数据打包，通过路由器（8）搭建的局域网将数据包传输给智能车辆的底层控制模块，对车辆底层刹车、油门执行机构进行控制。

3.根据权利要求2所述的该语音播报式的智能车辆路径规划实施方法，其特征在于：A*算法是一种启发式算法，利用启发信息引导算法向着目标点方向进行搜索；每个节点用一个估价函数来表示其被选择的可能性，估价函数越小，节点被选择的概率越大；节点n的估价函数格式为：

f(n)＝g(n)+h(n)    (1）

其中f(n)表示搜索节点n的代价评估函数，g(n)是起始点到当前节点n的实际已消耗的费用，h(n)是当前节点n到目标点的最少路径费用的估计，叫做启发函数，代表算法的启发能力；启发函数h(n)的确定非常重要，函数选择合理，可以起到事半功倍的效果；反之，不仅不会引导算法向着目标点搜索，还会使算法搜索能力下降，甚至搜索不到最优路径而失败结束。本发明引入了人工势场法中的引力函数和斥力函数来构成启发函数。目标点对智能车辆具有引力作用，拥挤狭窄的小路对智能车辆具有斥力作用，利用这一特点将启发函数表示成：

h(n)＝Us(n)+Ug(n)   （2）

Us(n)＝k₁-width·k₀    （3）

Ug(n)＝|X_g-X_n|+|Y_g-Y_n|   （4）

式（2）中Us(n)为斥力函数，Ug(n)为引力函数；式（3）中k₁＝0，k₀=5，width代表道路的宽度；式（4）中X_g和Y_g分别表示目标节点的横纵坐标，X_n和Y_n分别表示当前节点的横纵坐标；

在Ug(n)相同的情况下，道路越宽，width值越大，Us(n)越小，h(n)越小，即启发函数越小，从而引导算法选择较宽的道路行驶；Ug(n)实际是当前节点与目标点的曼哈顿距离，在Us(n)相同的情况下，Ug(n)越小，h(n)越小，即启发函数越小，也能有效地引导算法向着目标点前进。此启发函数可以有效地引导算法向着目标点进行搜索。

4.根据权利要求2所述的该语音播报式的智能车辆路径规划实施方法，其特征在于：所述道路的情况包括红绿灯、路口、障碍物。

5.根据权利要求2所述的该语音播报式的智能车辆路径规划实施方法，其特征在于：所述语音播报中麦克风用于语音的提前录制。

Images