CN104819724B - 一种基于gis的无人地面车辆自主行驶辅助系统 - Google Patents

Abstract

本发明提供一种基于GIS的无人地面车辆自主行驶辅助系统，解决了无人地面车辆在未知环境下的自主行驶问题。包括GIS数据库模块、道路模型构建模块和路径规划模块；其中：GIS数据库模块通过整合空间数据信息和构建数据库来完成；道路模型构建模块依据无人地面车辆的运动学特性建立带有路口距离属性的双线路口模型；路径规划模块给出全局静态路径规划和局部动态路径规划；依据给定任务点的坐标信息，关联所经道路的路口点并进行道路匹配，最终生成途径任务点的最短路径，若检测到前方道路有禁行标志或阻塞无法通行，则需要对道路宽度进行判断选择相应的局部动态规划策略，使得无人地面车辆能够继续行驶。

Description

一种基于GIS的无人地面车辆自主行驶辅助系统

技术领域

本发明涉及一种基于GIS的无人地面车辆自主行驶辅助系统，属于无人地面车辆技术领域和GIS领域。

背景技术

无人地面车辆(包括无人驾驶车辆，移动机器人等)是未来交通系统与未来作战系统两大体系的重点研究对象，其研究成果对于人类社会的进步具有举足轻重的意义。由于无人地面车辆具有自动操控和高度智能化的特点，因此往往可以到达有人驾驶车辆难以到达或对人类十分危险的地域，并完成人类难以直接完成的工作。近年来，随着无人地面车辆在深空探测、国防建设、防爆救灾等领域的应用，如何在未知环境下进行安全快速的自主行驶也日益得到人们的关注，并成为了无人地面车辆研究的重点和难点。在未知的环境中行驶，如何使用传感器数据真实客观地对行驶环境进行描述、存储，如何根据行驶需要快速准确地对环境描述进行检索、调用，如何结合车辆运动属性与环境信息确定车辆的运动行为决策是无人地面车辆要解决的关键问题。

为无人地面车辆构建实时的局部地图是解决上述问题的有效办法。局部地图的构建过程就是获取所处环境空间模型的过程。平面地图的构建的主流方法是概率方法。无人地面车辆具有概率运动模型以及不确定性感知模型，通过融合这两种模型的概率分布行驶，便可对车辆进行定位。可靠的特征提取方法与减少计算成本是地图构建中的关键问题。

发明内容

为了解决上述传统地图构建中存在的问题，本发明提供一种基于GIS的无人地面车辆自主行驶辅助系统，使无人地面车辆有选择地调用环境数据，并对环境数据进行认知描述，形成行驶行为决策，实现车辆在未知环境中的自主行驶，解决了无人地面车辆在未知环境下的自主行驶问题。

基于GIS的无人地面车辆自主行驶辅助系统，包括GIS数据库模块、道路模型构建模块和路径规划模块；其中：

GIS数据库模块通过整合空间数据信息和构建数据库来完成，所述的空间数据信息的整合即将采集到的空间数据构成不同的数据集，按照数据管理方式逐级分层，并进行整合得到最终所需要的电子地图，是整个系统的数据基础；

道路模型构建模块依据无人地面车辆的运动学特性建立带有路口距离属性的双线路口模型：首先以双线形式为基础构建模型，即道路的正向行驶和逆向行驶以不同的线数据集来构成，对不同的线数据集赋予不同的权重，使得在规划行驶路径的时候不会产生逆向行驶或是在有禁则道路中违规行驶，即模型以城市道路的行车规则为原则进行构建；其次，将直线替换为以预定步长为间隔的很多个路点，在无人地面车辆行驶的过程中，不断给无人地面车辆发送前方路点坐标，指引其前行；最后在模型中添加路口距离属性，在构建的电子地图中，利用路口距离属性来与无人地面车辆进行通信，通知其在到达当前路口的斑马线外沿时表明已经进入路口，直至行驶到下一个斑马线外沿表示驶出本路口，辅助无人地面车辆对路口的精确识别；

路径规划模块给出全局静态路径规划和局部动态路径规划；其依据给定任务点的坐标信息，关联所经道路的路口点并进行道路匹配，最终生成途径任务点的最短路径，并对路口点及路段赋上状态信息，完成路径规划的初始化，属于全局静态路径规划；若检测到前方道路有禁行标志或阻塞无法通行，则需要对道路宽度进行判断选择相应的局部动态规划策略，使得无人地面车辆能够继续行驶。此模块用于为无人地面车辆提供行驶的路点坐标和对应的属性信息。

所述的GIS数据库模块针对无人地面车辆应用对地理信息系统的数据库进行属性设计，结合无人地面车辆搭载的传感器数据，以更全面的先验信息辅助无人地面车辆的自主行驶。

所述的GIS即地理信息系统用于采集、管理、分析和表达地理空间数据，并用于地理环境模型的构建。

其中道路模型构建时考虑无人地面车辆的运动特性，将路口处的直线轨迹以圆弧轨迹来替代，进行圆滑处理，优化无人地面车辆在路口转弯的行驶轨迹。

本发明的有益效果：

1、本发明在GIS数据库的构建中针对无人地面车辆的应用对地理信息系统的数据库进行了属性添加，然而传统的地理信息系统并不适用于无人地面车辆的导航应用。传统的地理信息系统只使用了GPS提供的车辆定位信息，而无人地面车辆搭载了多种用于环境感知的传感器(如激光雷达，摄像头等)，其信息在导航中并未得到充分利用；相对于传统地理信息系统只使用GPS提供的车辆定位信息的局限性，本发明则充分利用先验信息，结合无人地面车辆搭载的传感器数据，更好的辅助无人地面车辆自主行驶；

2、本发明中提出的道路模型符合并能表达现代城市道路的行车规则，同时能够通过网络分析生成实用的车辆导航路线，而且生成的导航路线符合无人地面车辆的运动学特性；传统单线模型只能单纯表达城市道路的行车规则，但对于道路禁则却发挥不了作用，传统双线模型对其进行了改进，使得车辆在行驶中考虑了不同的禁则，如当前道路只允许从南到北行驶或不允许左转等等，但对于无人地面车辆来说优势则不够明显，本发明的道路模型构建模块是针对无人地面车辆进行优化提出的。此模块主要用于优化规划出的行驶轨迹；

3、本发明在路径规划中加入了重规划功能，有效避免了无人地面车辆因在前行过程中遇到不可逾越的障碍而出现无法前行的状况。

附图说明

图1是电子地图制作步骤流程图；

图2是GIS数据库的节点属性列表示意图；

图3是GIS数据库的路段属性列表示意图；

图4是双线路口模型示意图；

图5是相邻路口行驶轨迹示意图(直行+拐弯)；

图6是相邻路口行驶轨迹示意图(拐弯+拐弯)；

图7是路径规划的初始化流程示意图；

图8是在线重规划的设计流程示意图。

具体实施方式

下面结合附图举例说明本发明的内容。

本发明所述的空间数据信息的整合即对电子地图的制作，如图1所示。首先使用Google map来获取精度为0.3m的卫星地图作为地理数据绘制的底图。第二步是进行地图配准，对栅格图进行坐标和投影的校正，以使得其坐标准确，同时纠正由于各种因素引起的图形变形。第三步通过点数据集和线数据集来绘制道路网络图。其中点数据集和线数据集属于空间数据，它们描述了道路的空间位置和空间拓扑关系，组成了道路的坐标点数据。为了体现道路的方向性，在道路网络图中，双向道路用两条线对象表示，并分别设置这两条线对象的通行方向，单向道路用一条线对象表示，并根据该道路的实际通行方向设置正向阻力或反向阻力为最大值。随后将其进行拓扑处理，最终得到的含有道路网络的地图。

本发明所述的GIS数据库的构建主要针对地图中的节点和路段建立属性列表。针对节点建立的属性列表如图2所示。为了描述节点类型，构建了七个布尔型字段，方便无人地面车辆在实际行驶中提前获知前方节点类型，准备识别工作及相应减速、停车等。

针对道路路段建立的属性列表如图3所示。其中：

(1)车道数量属性用来辅助GPS定位的，防止由于建筑和高架桥的遮挡而导致产生GPS数据丢失的现象，提高定位精度；该属性主要用于地图匹配和车辆的横向定位，并通过与传感器实时检测的车道线相结合为车辆提供精确地定位，同时可以监测车道线检测结果；

(2)限速峰值属性可以很方便的将无人地面车辆在此路段的时速限定在一定范围内，一方面可以省去无人地面车辆对限速标牌的识别，另一方面也可以保证车辆在行驶中的安全性；

(3)道路宽度属性主要用于本发明所述的双线路口模型的生成；该模型中每条道路的驶入点和驶出点都是通过道路宽度和路口中心点的坐标计算得到的。同时该属性还被用于马路边沿检测结果的监测。在无人地面车辆应用中，马路边沿多使用激光雷达的点云数据的处理结果来进行检测。然后由于环境的影响时常出现误检，此时可以通过将该属性与检测到的马路边沿间的距离进行对比来确定是否出现误检。此属性也可与传感器的道路边缘检测相结合，纠正由于GPS定位产生误差，导致车辆位置信息不准的错误；

(4)路段是否可以并线属性给出当前路段是否能够并线，为无人地面车辆的行驶决策提供依据。在城市行驶过程中会经常遇到一些只能在当前车道行驶的情况，如在路口处等候交通灯时所有的车道线均为实线，禁止车辆并线。这些情况通过该属性的加入能够简单快捷的实现，从而提高了无人地面车辆的智能性；

(5)交通标识属性给出当前路段存在什么类型的交通标识，相当于提前告知无人地面车辆在当前路段的行驶需要遵守什么样的行车规则，同时也辅助无人地面车辆对于交通标识牌的识别，提高其检测正确率，为无人地面车辆的交通行为打下良好的基础；

(6)车道转向信息属性给出在路口时每条车道的导向箭头属性(左转道，右转道和直行道)，从而为无人地面车辆在进入路口前选择合适的车道提供依据。当车辆驶入路口时，根据交通规则车辆需要提前一定的距离进入相应的车道来等候交通灯。有人车辆通过驾驶员观察每条车道上的导向箭头来选择合适的车道，而无人地面车辆经常会由于车辆遮挡、天气等原因无法准确检测导向箭头，从而无法提前进入正确的车道。这时该属性的加入能为无人地面车辆提前提供导向箭头信息，无人地面车辆因此能够提前做出选择，进入正确的车道；

(7)路口距离属性给出当前路段的斑马线外沿至路口中心节点的距离值，用以辅助完成双线路口模型的建立，使得无人地面车辆能够精确获得路口的驶入点坐标和驶出点坐标。

本发明所述的带有路口距离属性的双线路口模型能够在不影响其他方向的通行条件下禁止该方向上的车辆直行、右转、左转，在正确表达城市交通的实际规则下，同时考虑了无人地面车辆的运动特性，对车辆在转弯时的轨迹进行了圆滑处理(将直角转向变为圆弧转向)，并通过提前存储的斑马线至道路中心点的距离信息来辅助无人地面车辆对路口的识别。同时设定了最小转弯半径，即当计算出来的圆弧半径小于最小转弯半径时，强制将圆环半径设为最小转弯半径。在道路网络中，通过线数据集只能计算当前点与路段节点的距离，在图5中，若车辆行驶方向为A到B，以传统道路模型算法，则当车辆行驶到O₁点时才表示进入路口，在这种情况下相当于将路口滞后了，对于无人地面车辆的交通灯识别、行人避障等会产生很大影响。因此本文提出利用GIS数据库提前存储先验信息，在计算路口距离时考虑斑马线外沿A点到路口节点O₁的距离(若左转，则考虑图中A点到路口节点O₁的距离)，使得无人地面车辆在行驶到A点时即进入路口模式，此时距离为负，直至行驶到下一个斑马线的外沿时距离值恢复为正，在负距离值期间表示无人地面车辆行驶在路口内。

本实施方式中对于双线路口模型主要求取关键驶入点和驶出点。以图5为例，假设前一个路口直行通过，当前路口拐弯(以右转为例)。首先读取GIS数据库中B点和C点所在道路的道路宽度，取小者，表示为width，若此时通过路口状态为右转则取width＝0.75*width(右转半径小于左转半径)；然后由O₂点、B点和C点分别确定B点和C点所在道路方向，结合width确定在BO₂连线上的S₁点坐标和CO₂连线上的S₂点坐标；接着由S₁点、S₂点和其切线方向(即两点各自所在的道路方向)确定圆心O点坐标和半径大小radius；若无人地面车辆的最小转弯半径小于此时的radius，则结合步长求取S₁点到S₂点之间的弧形轨迹路点坐标，反之，则将圆心O点沿着OO₂方向向外顺延，以无人地面车辆的最小转弯半径作为radius确定新的S₁点和S₂点坐标，进而求取S₁点和S₂点间的弧形轨迹路点坐标；最后根据求得的B点和C点的坐标来确定无人地面车辆在路口中的驶入点和驶出点。

本实施方式中对U-turn路段进行了特殊处理。若在U-turn处的路径生成模式与路口路径的生成模式相同，则相当于在U-turn处将两段圆弧拼接在一起，在拼接处往往会出现“尖角”，这样的“尖角”对于无人地面车辆的运动控制会产生很大影响，也会影响车辆行驶的平滑性，因此本发明中以Hermite插值的方式来处理U-turn路段。利用路口模型找到U-turn的入弯点和出弯点，再结合横向路段的中点，以此三点进行Hermite插值，生成U-turn轨迹。

本发明所述的路径规划的实现是采用最经典的Dijikstra算法。首先将本发明所述的空间数据信息的整合和GIS数据库的构建整合成工作空间，本实施方式通过读取保存的工作空间来完成对基础数据的读取。然后读取无人地面车辆任务文件来获取任务点的坐标，并根据任务点的不同属性信息(起点、中间点、终点)将其标注在地图上。

本实施方式对于路径规划的实现关键之处为路径规划的初始化，首先定义无人地面车辆所需的各项属性变量，根据读取的任务点信息将任务点匹配到距其最近的路段上，判断匹配后的任务点距离其所在路段的起点或终点的远近，选择距离近的端点作为关键点，得到一个以任务点为基础的关键点序列。第二步由得到的关键点序列获取相应路段的SmResistance+SmLength属性值，求得由起点到终点的最短路径，完成初步路径规划。第三步根据本发明所述的道路模型将规划的路径生成以0.4米为间隔的路点，以便向无人地面车辆发送路点数据，此时获得所经路径条数以及整个路径的距离。第四步对生成的路径进行状态赋值，包括速度属性赋值、交通标志属性赋值、车道线数量属性赋值、行驶状态信息和转向及距离信息赋值等。最后完成对整个路径的绘制，以便观察。

本实施方式对无人地面车辆的在线重新规划设计流程如图8所示。对于无人地面车辆在线重规划的需求情况分为两种：一是无人地面车辆检测到前方有禁行标志，二是前方道路阻断无法通行。对于第一种情况，通过获取禁行路段的ID，修改其相应的阻力值SmResistance来改变路段权重，进而更新数据库，重新规划路径。对于第二种情况，需要先获取当前路段ID，判断所在路段的道路宽度，若符合调转需求，则使无人地面车辆调头，从当前位置重新进行路径规划；若不符合调转需求，则触发倒车模式，沿记录的行驶轨迹倒车行驶至匹配路段ID发生变化的位置，进而修改路段权重，重新规划路径。

以上结合附图对本发明的具体实施方式作了说明，但这些说明不能被理解为限制了本发明的范围，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.基于GIS的无人地面车辆自主行驶辅助系统，其特征在于，包括GIS数据库模块、道路模型构建模块和路径规划模块；其中：

GIS数据库模块通过整合空间数据信息和构建数据库来完成，所述的空间数据信息的整合即将采集到的空间数据构成不同的数据集，其中数据集包括点数据集和线数据集，且线数据集中线对象的属性包括道路宽度属性、并线属性以及车道转向信息属性；按照数据管理方式对点数据集和线数据集逐级分层，并进行整合得到最终所需要的电子地图，是整个系统的数据基础；

道路模型构建模块依据无人地面车辆的运动学特性建立带有路口距离属性的双线路口模型：首先以双线形式为基础构建模型，即道路的正向行驶和逆向行驶以不同的线数据集来构成，对不同的线数据集赋予不同的权重，使得在规划行驶路径的时候不会产生逆向行驶或是在有禁则道路中违规行驶，即模型以城市道路的行车规则为原则进行构建；其次，将直线替换为以预定步长为间隔的很多个路点，在无人地面车辆行驶的过程中，不断给无人地面车辆发送前方路点坐标，指引其前行；最后在模型中添加路口距离属性，在构建的电子地图中，利用路口距离属性来与无人地面车辆进行通信，通知其在到达当前路口的斑马线外沿时表明已经进入路口，直至行驶到下一个斑马线外沿表示驶出本路口，辅助无人地面车辆对路口的精确识别；

所述道路宽度属性、车道转向信息属性用于计算双线路口模型每条道路的驶入点和驶出点；

所述并线属性用于判断无人地面车辆在当前路段行驶时是否能够并线；

所述车道转向信息属性用于辅助无人地面车辆在进入路口前选择合适的车道；

路径规划模块给出全局静态路径规划和局部动态路径规划；依据给定任务点的坐标信息，关联所经道路的路口点并进行道路匹配，最终生成途径任务点的最短路径，并对路口点及路段赋上状态信息，完成路径规划的初始化，属于全局静态路径规划；若检测到前方道路有禁行标志或阻塞无法通行，则需要对道路宽度进行判断选择相应的局部动态规划策略，使得无人地面车辆能够继续行驶。

2.如权利要求1所述的基于GIS的无人地面车辆自主行驶辅助系统，其特征在于，所述的GIS数据库模块针对无人地面车辆应用对地理信息系统的数据库进行属性设计，结合无人地面车辆搭载的传感器数据，以更全面的先验信息辅助无人地面车辆的自主行驶。

3.如权利要求2所述的基于GIS的无人地面车辆自主行驶辅助系统，其特征在于，所述的GIS即地理信息系统用于采集、管理、分析和表达地理空间数据，并用于地理环境模型的构建。

4.如权利要求1或2或3所述的基于GIS的无人地面车辆自主行驶辅助系统，其特征在于，在道路模型构建时，设定最小转弯半径，根据线数据集中线对象的道路宽度属性、车道转向信息属性，计算转弯路口的驶入点和驶出点，并考虑无人地面车辆的运动特性，计算出圆弧半径，并将圆弧半径与最小转弯半径进行比较，如果圆弧半径小于最小转弯半径，则最小转弯半径为无人车辆当前采用的转弯半径，否则圆弧半径为无人车辆当前采用的转弯半径，从而将路口处的直线轨迹以圆弧轨迹来替代，进行圆滑处理，优化无人地面车辆在路口转弯的行驶轨迹。