CN107992050A - 无人驾驶汽车局部路径运动规划方法和装置 - Google Patents

Abstract

本发明涉及一种无人驾驶汽车局部路径运动规划方法和装置，其中，无人驾驶汽车局部路径运动规划方法，包括以下步骤：将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径；根据无人驾驶汽车的当前车辆位置点、当前车辆航向和期望驾驶路径，拟合得到局部路径轨迹簇；根据预设代价函数，获取局部路径轨迹簇中各局部路径轨迹的代价函数值；选取代价函数值最小的局部路径轨迹，作为无人驾驶汽车当前的最佳局部运动路径。本发明实施例基于无人驾驶汽车期望驾驶路径和感知系统检测到的当前车辆周边障碍物信息，规划出一条可行驶的最佳局部运动路径。

Description

无人驾驶汽车局部路径运动规划方法和装置

技术领域

本发明涉及无人驾驶汽车的决策控制系统运动规划领域，特别是涉及一种无人驾驶汽车局部路径运动规划方法和装置。

背景技术

由于现实交通环境的多样性和复杂性，无人驾驶汽车若完全按照GPS(GlobalPositioning System：全球定位系统)定位信息和感知系统检测到的车道线信息给出的驾驶轨迹来自动驾驶会有巨大的安全风险，由于无法保证无人车所在车道上是否会出现不可预料的障碍物，会出现施工路段路障设施或者相邻车道车辆压线行驶等情况。

在实现过程中，发明人发现传统技术中至少存在如下问题：传统无人驾驶汽车在面对复杂多样的现实交通环境时，无法规划出最佳的运动路径。

发明内容

基于此，有必要针对传统无人驾驶汽车无法规划出的最佳运动路径的问题，提供一种无人驾驶汽车局部路径运动规划方法和装置。

为了实现上述目的，一方面，本发明实施例提供了一种无人驾驶汽车局部路径运动规划方法，包括以下步骤：

将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径；

根据无人驾驶汽车的当前车辆位置点、当前车辆航向和期望驾驶路径，拟合得到局部路径轨迹簇；

根据预设代价函数，获取局部路径轨迹簇中各局部路径轨迹的代价函数值；

选取代价函数值最小的局部路径轨迹，作为无人驾驶汽车当前的最佳局部运动路径。

在其中一个实施例中，根据无人驾驶汽车的当前车辆位置点、当前车辆航向和期望驾驶路径，拟合得到局部路径轨迹簇的步骤包括：

选取期望驾驶路径上的局部期望目标点，并获取局部期望目标点处的路径方向；

在垂直于路径方向、且经过所述局部期望目标点的直线上，将以预设间距选取出的一簇彼此等间距的位置点确认为局部可选目标点簇；

根据预设路径点，通过贝塞尔曲线拟合，得到局部可选目标点簇中各局部可选目标点对应的各局部路径轨迹；预设路径点包括当前车辆位置点、当前车辆位置点沿当前车辆航向延伸第一距离的位置点、局部可选目标点沿路径方向反向延伸第二距离的位置点以及局部可选目标点。

在其中一个实施例中，根据预设代价函数，获取局部路径轨迹簇中各局部路径轨迹的代价函数值的步骤包括：

基于以下预设代价函数，获取局部路径轨迹簇中各局部路径轨迹的代价函数值f(x)：

f(x)＝a*g(x)+b*h(x)+c*p(x)，

其中，g(x)表示绕障轨迹与障碍物点之间横向间距对应的代价函数值；h(x表示局部可选目标点偏离局部期望目标点的横向间距，p(x)表示局部可选目标点偏离对应前一次最佳局部运动路径的局部可选目标点的横向间距；a、b、c为代价因子。

在其中一个实施例中，选取期望驾驶路径上的局部期望目标点的步骤包括：

获取期望驾驶路径中与当前车辆位置点距离最近的点；距离最近的点为根据GPS经纬度处理得到的点；

沿当前车辆航向、以距离最近的点为起点、截取期望驾驶路径上预设长度的路段，将路段的末端点确认为局部期望目标点。

在其中一个实施例中，路径方向为局部期望目标点处的切线方向与正北方向的夹角；正北方向为沿地球经线朝向地球北极点的方向；

获取局部期望目标点处的路径方向的步骤包括：

在期望驾驶路径上，沿当前车辆航向、选取与局部期望目标点间距第三距离的间距点；

获取局部期望目标点与间距点的连线，将连线与正北方向的夹角确认为路径方向。

在其中一个实施例中，将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径的步骤之前包括步骤：

在检测到无人驾驶汽车当前处于变道状态时，将待变车道作为当前检测车道。

在其中一个实施例中，将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径的步骤包括：

获取当前检测车道的中间线与初始规划路径中车道中线地图数据的匹配点，并获取匹配点对应的地图数据GPS经纬度值与实测经纬度值；实测经纬度值是基于当前车辆位置点的经纬度值以及匹配点与当前车辆位置点的实测相对位置，进行经纬度坐标变换得到的；

获取地图数据GPS经纬度值与实测经纬度值的差值；

叠加始驾驶路径中车道中线地图数据和差值，得到期望驾驶路径。

一方面，本发明实施例还提供了一种无人驾驶汽车局部路径运动规划装置，包括：

行为决策单元，用于将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径；

局部路径轨迹获取单元，用于根据无人驾驶汽车的当前车辆位置点、当前车辆航向和期望驾驶路径，拟合得到局部路径轨迹簇；

代价处理单元，用于根据预设代价函数，获取局部路径轨迹簇中各局部路径轨迹的代价函数值；

选取最佳路径单元，用于选取代价函数值最小的局部路径轨迹，作为无人驾驶汽车当前的最佳局部运动路径。

另一方面，本发明实施例提供了一种无人驾驶汽车决策控制系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述无人驾驶汽车局部路径运动规划方法实施例的步骤。

另一方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述无人驾驶汽车局部路径运动规划方法实施例的步骤。

上述技术方案中的一个技术方案具有如下优点和有益效果：

基于当前车辆位置航向、位置和期望驾驶路径，通过拟合获取可选局部路径轨迹簇，再基于预设代价函数得到局部路径轨迹簇中各条局部路径轨迹的代价，选取其中代价最小的那条局部路径轨迹作为智能车实际行驶的最佳局部运动路径。本发明实施例基于无人驾驶汽车期望驾驶路径和感知系统检测到的当前车辆周边障碍物信息，规划出一条可行驶的最佳局部运动路径。

附图说明

图1为本发明无人驾驶汽车局部路径运动规划方法实施例1的流程示意图；

图2为本发明无人驾驶汽车局部路径运动规划方法实施例中局部期望目标点示意图；

图3为本发明无人驾驶汽车局部路径运动规划方法实施例中路径方向示意图；

图4为本发明无人驾驶汽车局部路径运动规划方法实施例中局部可选目标点簇示意图；

图5为本发明无人驾驶汽车局部路径运动规划方法实施例中局部路径轨迹簇示意图；

图6为本发明无人驾驶汽车局部路径运动规划方法实施例中最佳局部运动路径示意图；

图7为本发明无人驾驶汽车局部路径运动规划方法一具体实施例的流程示意图；

图8为本发明无人驾驶汽车局部路径运动规划装置实施例1的结构示意图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

本发明无人驾驶汽车局部路径运动规划方法实施例1：

为了解决传统无人驾驶汽车无法规划出的最佳运动路径的问题，本发明提供了一种无人驾驶汽车局部路径运动规划方法实施例1；图1为本发明无人驾驶汽车局部路径运动规划方法实施例1的流程示意图；如图1所示，可以包括以下步骤：

步骤S110：将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径；

具体而言，本发明实施例提供了一种无人驾驶汽车局部路径运动规划策略，可应用于无人驾驶汽车的决策控制系统运动规划层中的局部路径运动规划。

期望驾驶路径可以由无人驾驶汽车决策控制系统行为决策层软件处理得到；例如，先由高精度地图(地图数据)提供初始规划路径，再将初始规划路径偏移到感知系统当前检测到的车道的中间线上，即得到无人驾驶汽车沿车道行驶的期望驾驶路径。其中，高精度地图主要可以包含驾驶路径各车道经纬度数据、各车道的车道线属性、车道属性、路口属性等详细道路数据信息。

同时，当前检测车道指感知系统当前检测到的车道，可以包括无人驾驶汽车当前行驶车道以及待变车道。在一个具体示例中，当无人驾驶汽车处于正常行驶状态时，将初始规划路径偏移到当前行驶车道上，进而得到本发明实施例中的期望驾驶路径；当无人驾驶汽车处于变道状态时，将初始规划路径偏移到待变车道上，进而得到本发明实施例中的期望驾驶路径。

优选的，可将高精度地图与决策系统软件进行协作，即在决策系统软件内部直接调用地图数据，也可以把高精度地图数据做在专门的导航仪中；决策系统通过以太网(Ethernet)或CAN(Controller Area Network：控制器局域网络)总线获取地图数据。

步骤S120：根据无人驾驶汽车的当前车辆位置点、当前车辆航向和期望驾驶路径，拟合得到局部路径轨迹簇；

具体而言，本发明实施例可在期望驾驶路径上选取局部期望目标点并计算该局部期望目标点处路径方向，然后沿局部期望目标点处路径方向垂直方向等间距选取一簇局部可选目标点列，最后基于当前车辆位置和航向及各局部可选目标点和路径方向，通过拟合得到各局部路径轨迹簇；本发明各实施例可以依据实际情况选取不同的计算机图形算法或参数曲线进行拟合；优选的，可以通过贝塞尔曲线拟合得到各局部路径轨迹簇。

步骤S130：根据预设代价函数，获取局部路径轨迹簇中各局部路径轨迹的代价函数值；

具体而言，本发明实施例可通过合理的代价函数计算局部路径轨迹簇中各条局部路径轨迹的代价。

步骤S140：选取代价函数值最小的局部路径轨迹，作为无人驾驶汽车当前的最佳局部运动路径。

具体而言，本发明实施例选取其中代价最小的那条局部路径轨迹作为智能车实际行驶的最佳局部运动路径；基于本发明实施例，无人驾驶汽车可基于期望驾驶路径和感知系统检测到的当前车辆周边障碍物信息规划出一条可行驶的最佳局部运动路径。

在一个具体的实施例中，根据无人驾驶汽车的当前车辆位置点、当前车辆航向和期望驾驶路径，拟合得到局部路径轨迹簇的步骤包括：

选取期望驾驶路径上的局部期望目标点，并获取局部期望目标点处的路径方向；

在垂直于路径方向、且经过所述局部期望目标点的直线上，将以预设间距选取出的一簇彼此等间距的位置点确认为局部可选目标点簇；

根据预设路径点，通过贝塞尔曲线拟合，得到局部可选目标点簇中各局部可选目标点对应的各局部路径轨迹；预设路径点包括当前车辆位置点、当前车辆位置点沿当前车辆航向延伸第一距离的位置点、局部可选目标点沿路径方向反向延伸第二距离的位置点以及局部可选目标点。

具体而言，图2为本发明无人驾驶汽车局部路径运动规划方法实施例中局部期望目标点示意图；图3为本发明无人驾驶汽车局部路径运动规划方法实施例中路径方向示意图；图4为本发明无人驾驶汽车局部路径运动规划方法实施例中局部可选目标点簇示意图；如图2、图3和图4所示，本发明可在期望驾驶路径上选取局部期望目标点并计算该局部期望目标点处路径方向，然后沿局部期望目标点处路径方向垂直方向等间距选取一簇局部可选目标点列作为局部可选目标点簇。

图5为本发明无人驾驶汽车局部路径运动规划方法实施例中局部路径轨迹簇示意图，如图5所示，局部路径轨迹簇的处理过程可以包括：局部路径轨迹簇中对应每个局部可选目标点的局部路径轨迹的获取，可以基于四个特殊点(即预设路径点)实现，这四个特殊点依序记为点1、2、3、4。点1即车辆当前位置点(当前车辆位置点)，点2为车辆当前位置点沿车辆航向延伸2米(第一距离)的位置点，点3为局部可选目标点沿路径方向反向延伸5米(第二距离)的位置点，点4为局部可选目标点；在得到这四个特殊点后，进行贝塞尔曲线拟合即可得到对应该局部可选目标点的局部路径轨迹。

需要说明的是，点1当前车辆位置点可以指车辆前GPS位置点；点2中，车辆航向(即当前车辆航向)可以指车头朝向，第一距离2米为示例需求(优选示例)，本发明实施例可以依据实际需求进行调整；点3中，第二距离5米为示例需求(优选示例)，本发明实施例可以依据实际需求进行调整；点4的局部可选目标点，指的是局部可选目标点簇中的任意一点。而等间距(即预设间距)一般取值范围可以为0.2米-0.6米。

在一个具体的实施例中，根据预设代价函数，获取局部路径轨迹簇中各局部路径轨迹的代价函数值的步骤包括：

基于以下预设代价函数，获取局部路径轨迹簇中各局部路径轨迹的代价函数值f(x)：

f(x)＝a*g(x)+b*h(x)+c*p(x)，

其中，g(x)表示绕障轨迹与障碍物点之间横向间距对应的代价函数值；h(x)表示局部可选目标点偏离局部期望目标点的横向间距，p(x)表示局部可选目标点偏离对应前一次最佳局部运动路径的局部可选目标点的横向间距；a、b、c为代价因子。

具体而言，图6为本发明无人驾驶汽车局部路径运动规划方法实施例中最佳局部运动路径示意图；如图6所示，本发明实施例选取代价函数f(x)＝ag(x)+b*h(x)+c*p(x)获取各代价函数值。

其中，g(x)表示绕障轨迹与障碍物点之间横向间距对应的代价，绕障轨迹与障碍物点之间横向间距越大g(x)越小，如果绕障轨迹与障碍物点之间横向间距超出一定阈值(如2米)则g(x)为0；

h(x)表示对应本可选局部路径轨迹的局部可选目标点偏离当前的局部期望目标点的横向间距；

p(x)表示对应本可选局部路径轨迹的局部可选目标点偏离对应原最佳局部运动路径的局部可选目标点的横向间距；原最佳局部运动路径指上一次计算的最佳局部运动路径，当前可通过处理原最佳局部运动路径，得到当前最佳局部运动路径。

a、b、c为三个代价分量各自的代价因子。

在一个具体的实施例中，选取期望驾驶路径上的局部期望目标点的步骤包括：

获取期望驾驶路径中与当前车辆位置点距离最近的点；距离最近的点为根据GPS经纬度处理得到的点；

沿当前车辆航向、以距离最近的点为起点、截取期望驾驶路径上预设长度的路段，将路段的末端点确认为局部期望目标点。

具体而言，图2为本发明无人驾驶汽车局部路径运动规划方法实施例中局部期望目标点示意图；如图2所示，本发明实施例在期望驾驶路径上从与车辆当前位置距离最近点沿驾驶方向截取一段路径，以该路段末端点作为局部期望目标点；

其中，截取的路段长度(预设长度)取决于当前车辆速度，车速越高，截取的路段长度越长；而距离最近的点可基于GPS经纬度计算得到。

在一个具体的实施例中，路径方向为局部期望目标点处的切线方向与正北方向的夹角；正北方向为沿地球经线朝向地球北极点的方向；

获取局部期望目标点处的路径方向的步骤包括：

在期望驾驶路径上，沿当前车辆航向、选取与局部期望目标点间距第三距离的间距点；

获取局部期望目标点与间距点的连线，将连线与正北方向的夹角确认为路径方向。

具体而言，图3为本发明无人驾驶汽车局部路径运动规划方法实施例中路径方向示意图；如图3所示，在期望驾驶路径上沿驾驶方向选取与局部期望目标点间距5米(第三距离)的点，计算局部期望目标点与该点连线和正北方向的夹角作为局部期望目标点处路径方向。需要说明的是，本发明实施例中的正北方向指的是沿地球经线朝向地球北极点的方向。路径方向可以指路径各经纬度点处切线与正北方向夹角。

其中，路径方向即局部期望点处切线方向与正北方向夹角。选取间距5米的点只是为了计算切线方向，在一个具体的示例中，5米这个数值是可以调整的，具体数值视该点处路径曲率设定，仅需计算切线方向即可。

在一个具体的实施例中，将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径的步骤之前包括步骤：

在检测到无人驾驶汽车当前处于变道状态时，将待变车道作为当前检测车道。

具体而言，如无人驾驶汽车处于变道状态，则期望驾驶路径在待变车道上，否则期望驾驶路径在当前车道上；即当无人驾驶汽车处于正常行驶状态时，将初始规划路径偏移到当前行驶车道上；当无人驾驶汽车处于变道状态时，将初始规划路径偏移到待变车道上。

优选的，变道状态时，期望驾驶路径在待变车道上，感知系统待变车道与当前车道都需要检测的，决策系统都需要对当前路径各车道进行匹配。

在一个具体的实施例中，将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径的步骤包括：

获取当前检测车道的中间线与初始规划路径中车道中线地图数据的匹配点，并获取匹配点对应的地图数据GPS经纬度值与实测经纬度值；实测经纬度值是基于当前车辆位置点的经纬度值以及匹配点与当前车辆位置点的实测相对位置，进行经纬度坐标变换得到的；

获取地图数据GPS经纬度值与实测经纬度值的差值；

叠加始驾驶路径中车道中线地图数据和差值，得到期望驾驶路径。

具体而言，计算驾驶路径车道中线地图数据与感知系统检测到的车道中线匹配点，就可以得到该匹配点对应的地图数据GPS经纬度值与实测的经纬度值，其中，实测的匹配点经纬度值是基于车辆当前位置经纬度值以及该匹配点与车辆实测相对位置进行经纬度坐标变换得到。

将初始规划路径偏移到感知系统检测到的车道中间线上的实现，可以通过将驾驶路径地图数据叠加匹配点对应的地图数据GPS经纬度值与实测的经纬度值差值即可。

本发明无人驾驶汽车局部路径运动规划方法一具体实施例：

为了进一步详细说明本发明实施例的实现过程，特以应用本发明无人驾驶汽车局部路径运动规划方法实施例的无人驾驶汽车决策控制系统为例，说明本发明实施例的实现过程。图7为本发明无人驾驶汽车局部路径运动规划方法一具体实施例的流程示意图；如图7所示，可以包括：

(1)期望驾驶路径获取；

期望驾驶路径是无人驾驶汽车决策控制系统行为决策层软件计算的，先由高精度地图提供初始规划路径，再将初始规划路径偏移到感知系统检测到的车道中间线上，即得到无人驾驶汽车沿车道行驶的期望驾驶路径，如无人驾驶汽车处于变道状态，则期望驾驶路径在待变车道上，否则期望驾驶路径在当前车道上。

(2)局部路径轨迹簇获取；

局部路径轨迹簇的计算步骤：首先在期望驾驶路径上选取局部期望目标点并计算该局部期望目标点处路径方向，然后沿局部期望目标点处路径方向垂直方向等间距选取一簇局部可选目标点列，最后基于当前车辆位置和航向及各局部可选目标点和路径方向计算各局部路径轨迹簇。

(a)局部期望目标点获取：如图2，在期望驾驶路径上从与车辆当前位置距离最近点沿驾驶方向截取一段路径，以该路段末端点作为局部期望目标点，截取的路段长度取决于当前车辆速度，车速越高，截取的路段长度越长；

(b)路径方向获取：如图3，在期望驾驶路径上沿驾驶方向选取与局部期望目标点间距5米的点，将局部期望目标点与该点连线和正北方向的夹角作为局部期望目标点处路径方向；

(c)局部可选目标点簇获取：如图4，沿局部期望目标点处路径方向垂直方向等间距选取一簇彼此等间距的位置点作为局部可选目标点簇；

(d)局部路径轨迹簇获取：如图5，局部路径轨迹簇中对应每个局部可选目标点的局部路径轨迹的计算是基于四个特殊点实现的，这四个特殊点依序记为点1、2、3、4。点1即车辆当前位置点，点2为车辆当前位置点沿车辆航向延伸2米的位置点，点3为局部可选目标点沿路径方向反向延伸5米的位置点，点4为局部可选目标点位置点，在得到这四个特殊点后进行贝塞尔曲线拟合即得到对应该局部可选目标点的局部路径轨迹。

(3)代价函数选择；

代价函数选择步骤是通过设计合理的代价函数计算局部路径轨迹簇中各条局部路径轨迹的代价，选取其中代价最小的那条局部路径轨迹作为智能车实际行驶的最佳局部运动路径。

在一个具体示例中，代价函数f(x)＝a*g(x)+b*h(x)+c*p(x)，其中，g(x)表示绕障轨迹与障碍物点之间横向间距对应的代价，绕障轨迹与障碍物点之间横向间距越大g(x)越小，如果绕障轨迹与障碍物点之间横向间距超出一定阈值(如2米)则g(x)为0；h(x)表示对应本可选局部路径轨迹的局部可选目标点偏离当前的局部期望目标点的横向间距；p(x)表示对应本可选局部路径轨迹的局部可选目标点偏离对应原最佳局部运动路径的局部可选目标点的横向间距；原最佳局部运动路径指上一次计算的最佳局部运动路径，当前可通过处理原最佳局部运动路径，得到当前最佳局部运动路径。a、b、c为三个代价分量各自的代价因子。

如图6所示，选取代价最小的那条局部路径轨迹，即为智能车实际行驶的最佳局部运动路径。

本发明无人驾驶汽车局部路径运动规划方法各实施例，基于当前车辆位置航向、位置和期望驾驶路径，通过拟合获取可选局部路径轨迹簇，再基于预设代价函数得到局部路径轨迹簇中各条局部路径轨迹的代价，选取其中代价最小的那条局部路径轨迹作为智能车实际行驶的最佳局部运动路径。本发明实施例基于无人驾驶汽车期望驾驶路径和感知系统检测到的当前车辆周边障碍物信息，规划出一条可行驶的最佳局部运动路径。

本发明无人驾驶汽车局部路径运动规划装置实施例1：

基于上述无人驾驶汽车局部路径运动规划方法各实施例，同时为了解决传统无人驾驶汽车无法规划出的最佳运动路径的问题，本发明还提供了一种无人驾驶汽车局部路径运动规划装置实施例1；图8为本发明无人驾驶汽车局部路径运动规划装置实施例1的结构示意图。如图8所示，可以包括：

行为决策单元810，用于将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径；

局部路径轨迹获取单元820，用于根据无人驾驶汽车的当前车辆位置点、当前车辆航向和期望驾驶路径，拟合得到局部路径轨迹簇；

代价处理单元830，用于根据预设代价函数，获取局部路径轨迹簇中各局部路径轨迹的代价函数值；

选取最佳路径单元840，用于选取代价函数值最小的局部路径轨迹，作为无人驾驶汽车当前的最佳局部运动路径。

需要说明的是，本发明无人驾驶汽车局部路径运动规划装置各实施例中的单元模块，能够对应实现上述无人驾驶汽车局部路径运动规划方法各实施例中的流程步骤，此处不再重复赘述。

本发明无人驾驶汽车局部路径运动规划装置各实施例，基于当前车辆位置航向、位置和期望驾驶路径，通过拟合获取可选局部路径轨迹簇，再基于预设代价函数得到局部路径轨迹簇中各条局部路径轨迹的代价，选取其中代价最小的那条局部路径轨迹作为智能车实际行驶的最佳局部运动路径。本发明实施例基于无人驾驶汽车期望驾驶路径和感知系统检测到的当前车辆周边障碍物信息，规划出一条可行驶的最佳局部运动路径。

在一个实施例中，还提供一种无人驾驶汽车决策控制系统，该无人驾驶汽车决策控制系统可包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行所述程序时实现如上述各实施例中的任意一种无人驾驶汽车局部路径运动规划方法。

该计算机设备，其处理器执行程序时，通过实现如上述各实施例中的任意一种无人驾驶汽车局部路径运动规划方法，从而可以基于无人驾驶汽车期望驾驶路径和感知系统检测到的当前车辆周边障碍物信息，规划出一条可行驶的最佳局部运动路径。

此外，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性的计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述无人驾驶汽车局部路径运动规划方法各实施例的流程。

在一个实施例中，还提供一种存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述各实施例中的任意一种无人驾驶汽车局部路径运动规划方法。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

该计算机存储介质，其存储的计算机程序，通过实现包括如上述各无人驾驶汽车局部路径运动规划方法的实施例的流程，从而可以基于无人驾驶汽车期望驾驶路径和感知系统检测到的当前车辆周边障碍物信息，规划出一条可行驶的最佳局部运动路径。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种无人驾驶汽车局部路径运动规划方法，其特征在于，包括以下步骤：

将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径；

根据所述无人驾驶汽车的当前车辆位置点、当前车辆航向和所述期望驾驶路径，拟合得到局部路径轨迹簇；

根据预设代价函数，获取所述局部路径轨迹簇中各局部路径轨迹的代价函数值；

选取所述代价函数值最小的所述局部路径轨迹，作为所述无人驾驶汽车当前的最佳局部运动路径。

2.根据权利要求1所述的无人驾驶汽车局部路径运动规划方法，其特征在于，根据所述无人驾驶汽车的当前车辆位置点、当前车辆航向和所述期望驾驶路径，拟合得到局部路径轨迹簇的步骤包括：

选取所述期望驾驶路径上的局部期望目标点，并获取所述局部期望目标点处的路径方向；

在垂直于所述路径方向、且经过所述局部期望目标点的直线上，将以预设间距选取出的一簇彼此等间距的位置点确认为局部可选目标点簇；

根据预设路径点，通过贝塞尔曲线拟合，得到所述局部可选目标点簇中各所述局部可选目标点对应的各所述局部路径轨迹；所述预设路径点包括所述当前车辆位置点、所述当前车辆位置点沿所述当前车辆航向延伸第一距离的位置点、所述局部可选目标点沿所述路径方向反向延伸第二距离的位置点以及所述局部可选目标点。

3.根据权利要求2所述的无人驾驶汽车局部路径运动规划方法，其特征在于，根据预设代价函数，获取所述局部路径轨迹簇中各局部路径轨迹的代价函数值的步骤包括：

基于以下预设代价函数，获取所述局部路径轨迹簇中各局部路径轨迹的代价函数值f(x)：

f(x)＝a*g(x)+b*h(x)+c*p(x)，

其中，g(x)表示绕障轨迹与障碍物点之间横向间距对应的代价函数值；h(x)表示所述局部可选目标点偏离所述局部期望目标点的横向间距，p(x)表示所述局部可选目标点偏离对应前一次最佳局部运动路径的局部可选目标点的横向间距；a、b、c为代价因子。

4.根据权利要求2或3所述的无人驾驶汽车局部路径运动规划方法，其特征在于，选取所述期望驾驶路径上的局部期望目标点的步骤包括：

获取所述期望驾驶路径中与所述当前车辆位置点距离最近的点；所述距离最近的点为根据GPS经纬度处理得到的点；

沿所述当前车辆航向、以所述距离最近的点为起点、截取所述期望驾驶路径上预设长度的路段，将所述路段的末端点确认为所述局部期望目标点。

5.根据权利要求4所述的无人驾驶汽车局部路径运动规划方法，其特征在于，所述路径方向为所述局部期望目标点处的切线方向与正北方向的夹角；所述正北方向为沿地球经线朝向地球北极点的方向；

获取所述局部期望目标点处的路径方向的步骤包括：

在所述期望驾驶路径上，沿所述当前车辆航向、选取与所述局部期望目标点间距第三距离的间距点；

获取所述局部期望目标点与所述间距点的连线，将所述连线与所述正北方向的夹角确认为所述路径方向。

6.根据权利要求1至3任意一项所述的无人驾驶汽车局部路径运动规划方法，其特征在于，将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径的步骤之前包括步骤：

在检测到所述无人驾驶汽车当前处于变道状态时，将待变车道作为所述当前检测车道。

7.根据权利要求6所述的无人驾驶汽车局部路径运动规划方法，其特征在于，将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径的步骤包括：

获取所述当前检测车道的中间线与所述初始规划路径中车道中线地图数据的匹配点，并获取所述匹配点对应的地图数据GPS经纬度值与实测经纬度值；所述实测经纬度值是基于所述当前车辆位置点的经纬度值以及所述匹配点与所述当前车辆位置点的实测相对位置，进行经纬度坐标变换得到的；

获取所述地图数据GPS经纬度值与所述实测经纬度值的差值；

叠加所述始驾驶路径中车道中线地图数据和所述差值，得到所述期望驾驶路径。

8.一种无人驾驶汽车局部路径运动规划装置，其特征在于，包括：

行为决策单元，用于将初始规划路径偏移到当前检测车道的中间线上，得到无人驾驶汽车的期望驾驶路径；

局部路径轨迹获取单元，用于根据所述无人驾驶汽车的当前车辆位置点、当前车辆航向和所述期望驾驶路径，拟合得到局部路径轨迹簇；

代价处理单元，用于根据预设代价函数，获取所述局部路径轨迹簇中各局部路径轨迹的代价函数值；

选取最佳路径单元，用于选取所述代价函数值最小的所述局部路径轨迹，作为所述无人驾驶汽车当前的最佳局部运动路径。

9.一种无人驾驶汽车决策控制系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7所述方法的步骤。