CN111397624A - 一种基于JPS和Hybrid A*的全局路径规划方法 - Google Patents

Abstract

本发明公开了一种基于JPS和Hybrid A*的全局路径规划方法，包括如下步骤：步骤1：得到地图信息，确定车辆的起始点和目标点；步骤2：通过跳点法，找到对应的初始路径，将初始路径中的路径点作为新的目标，并生成对应的目标区域；步骤3：确定当前点，当前目标点及当前目标区域；步骤4：使用Hybrid A*算法，从当前点开始，生成到达对应目标区域的路径；步骤5：检查当前区域是否为最终目标区域，若不是，则更新目标区域及目标点；若是，则完成路径规划。本发明的基于JPS和Hybrid A*的全局路径规划方法，通过步骤1至步骤5的设置，便可有效的实现基于JPS和Hybrid A*进行全局路径规划了。

Description

一种基于JPS和Hybrid A*的全局路径规划方法

技术领域

本发明涉及智能网联汽车技术领域，具体涉及一种基于JPS和Hybrid A* 的全局路径规划方法。

背景技术

随着传感技术和人工智能的不断发展，自动驾驶系统的发展日益成熟。自动驾驶系统能减少驾驶员的操作负担，并减少交通事故发生的概率，将在生活中扮演愈发重要的角色。路径规划是自动驾驶系统中的关键一环，主要是在先验地图中，结合当前环境信息，规划出一条从起始点到目标点的可行路径。

目前，解决路径规划问题主要是用图搜索算法，如A*算法，JPS算法和Hybrid A*算法。A*算法在搜索过程中，根据与目标点相关的启发式信息，朝着有利的方向展开搜索，可以避免许多无意义的搜索路径，大大减少搜索范围、降低问题的复杂度；JPS算法改进了A*算法，省略了大量关于无用节点的计算，可更快速地生成路径。但是，JPS算法生成的路径无法供车辆行驶，因为未考虑车辆的运动学约束；Hybrid A*算在生成新路径时，考虑了车辆的运动学约束，使生成的路径更具实际意义，但Hybrid A*算法会在无效方向进行探索，如死角区域。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于JPS和Hybrid A*的全局路径规划方法。该方法先用JPS算法寻找一条初始路径，并将路径中的各个路径点当作参考点，生成对应的目标区域。再用Hybrid A*算法，依次生成到达各个目标区域的路径，完成路径规划。

为实现上述目的，本发明提供了如下技术方案：一种基于JPS和Hybrid A*的全局路径规划方法，其特征在于：包括如下步骤：

步骤1：得到地图信息，确定车辆的起始点和目标点；

步骤2：通过跳点法，找到对应的初始路径，将初始路径中的路径点作为新的目标，并生成对应的目标区域；

步骤3：确定当前点，当前目标点及当前目标区域；

步骤4：使用Hybrid A*算法，从当前点开始，生成到达对应目标区域的路径；

步骤5：检查当前区域是否为最终目标区域，若不是，则更新目标区域及目标点；若是，则完成路径规划。

作为本发明的进一步改进，步骤2中，根据新目标点生成目标区域具体过程如下：

记JPS找到的路径点为{P₁，P₂...P_n}，以各个路径点为圆心，R_l为半径，生成对应的目标区域{Area₁，Area₂...Area_n}

R_l的计算公式如下：

其中，L_x为车辆的轴距，L_f为车辆的前悬长度，W_c为车辆的宽度。

作为本发明的进一步改进，步骤3中，确定当前点，当前目标点及当前目标区域的具体过程如下：

令起始点S_start(x_start，y_start，θ_start)为当前点N_current(x_current，y_current，θ_current)，目标点列表中的第一个点P₁为当前目标点Goal_eurrent

，目标区域中的第一个区域Area₁为当前目标区域Area_current。

作为本发明的进一步改进，步骤3中，确定当前点，当前目标点及当前目标区域的具体过程如下：

令起始点S_start(x_start，y_start，θ_start)为当前点N_current(x_current，y_current，θ_current)，目标点列表中的第一个点P₁为当前目标点Goal_current

，目标区域中的第一个区域Area₁为当前目标区域Area_current。

作为本发明的进一步改进，步骤4中，生成到达对应目标区域路径的过程如下：

I.扩展当前节点，并生成路径。当前点N_current(x_current，y_current，θ_current)生成新节点N_new(x_new，y_new，θ_new)及新路径的计算公式如下：

x_new＝x_current+R_new(sin(θ_new)-sin(θ_current))

y_new＝y_current+R_new(cos(θ_current)-cos(θ_new))

θ_new＝θ_current+β

其中，W_x是轴距，L_arc是预设的圆弧长度，α是车轮的转向角度；

II.计算新节点的启发函数值f_new：

f_new＝g_new+h_new+δ(d_new)

其中g_new为新节点N_new沿着已经生成的路径到起始点S_new的路径长度。δ(x)为障碍物惩罚函数，d_new为新节点N_new与障碍物之间的最短距离；

III.将新生成的节点都放入Open列表中，再从Open中挑选出f值最小的节点放入Closed列表中，并将该节点当作当前点；

IV.检查当前点是否在当前目标区域中。若在，则结束步骤4，进行步骤5。若不在，则返回I。

作为本发明的进一步改进，步骤5中，更新目标区域和目标点的具体过程如下：在目标区域列表{Area₁，Area₂...Area_n}中，当前目标区域Area_current对应的下一个目标区域，即为新的目标区域。

本发明的有益效果，本方法利用了JPS算法的快速性，以及HybridA*算法的车辆适用性，通过JPS算法的引导，避免了HybridA*算法在无效区域的探索。

1.提出了一种基于JPS和Hybrid A*的全局路径规划方法。该方法利用JPS算法寻找路径的快速性，以及Hybrid A*算法的车辆适用性规划路径。解决了传统图搜索算法在无效区域花费大量时间探索的问题。

2.提出一种追寻多目标的路径规划方法。该方法通过Hybrid A*算法依次生成到达各个目标区域的路径，并且为了避免旧节点的无效拓展，每次更新目标区域后都清空Open列表。该方法与JPS算法的结合，使得车辆能够更快速的生成有效路径。

附图说明

图1是算法的流程图；

图2是JPS算法寻找路径的过程示意图；

图3是新目标点的示意图；

图4是目标区域生成示意图；

图5是全部目标区域的示意图；

图6是生成新节点的示意图。

具体实施方式

下面将结合附图所给出的实施例对本发明做进一步的详述。

参照图1所示，本实施例的一种基于跳点法和Hybrid A*的路径规划方法，前期采用跳点法进行路径搜索，快速找到初始路径。再将路径中的点依次作为小目标，使用HybridA*算法生成对应的路径，直到到达最终目标点。

因此，方案实施过程如图1所示，主要包含如下过程：

步骤1：得到地图信息，确定车辆的起始点和目标点。

步骤2：通过跳点法，找到对应的初始路径，将初始路径中的路径点作为新的目标，并生成对应的目标区域。

步骤3：确定当前点，当前目标点及当前目标区域。

步骤4：使用Hybrid A*算法，从当前点开始，生成到达对应目标区域的路径。

步骤5：检查当前区域是否为最终目标区域，若不是，则更新目标区域及目标点；若是，则完成路径规划。

下面一一予以细述。

步骤1：得到地图信息，确定车辆的起始点和目标点。

路径规划系统获得地图信息，设定起始点S_start(x_start，y_start，θ_start)，和目标点P_goal(x_goal，y_goal，θ_goal)。

步骤2：通过跳点法，找到对应的初始路径，将初始路径中的路径点作为新的目标，并生成对应的目标区域。

JPS寻找过程及初始路径如图2所示，初始路径中的各个路径点如图3所示，其中P₁为起始点，P₇为目标点。

以各个路径点{P₁，P₂...P_n}为圆心，R_l为半径，生成对应的目标区域 {Area₁，Area₂...Area_n}，如图5所示，其中P₇为最终目标点P_goal，Area₇为最终目标区域Area_goal。

图4中R_l的计算公式如下：

其中，L_x为车辆的轴距，L_f为车辆的前悬长度，W_c为车辆的宽度。

步骤3：确定当前点，当前目标点及当前目标区域。

令起始点S_start(x_start，y_start，θ_start)为当前点N_current(x_current，y_current，θ_current)，目标点列表中的第一个点P₁为当前目标点Goal_eurrent

，目标区域中的第一个区域Area₁为当前目标区域Area_current。

步骤4：使用Hybrid A*算法，从当前点开始，生成到达对应目标区域的路径。

I.扩展当前节点，并生成路径。如图6所示，当前点 N_current(x_current，y_current，θ_current)生成新节点N_new(x_new，y_new，θ_new)及新路径的计算公式如下：

x_new＝x_current+R_new(sin(θ_new)-sin(θ_current))

y_new＝y_current+R_new(cos(θ_current)-cos(θ_new))

θ_new＝θ_current+β

其中，W_x是轴距，L_arc是预设的圆弧长度，α是车轮的转向角度。

II.计算新节点的启发函数值f_new：

f_new＝g_new+h_new+δ(d_new)

其中g_new为新节点N_new沿着已经生成的路径到起始点S_new的路径长度。δ(x)为障碍物惩罚函数，d_new为新节点N_new与障碍物之间的最短距离。

III.将新生成的节点都放入Open列表中，再从Open中挑选出f值最小的节点放入Closed列表中，并将该节点当作当前点。

IV.检查当前点是否在当前目标区域中。若在，则结束步骤4，进行步骤5。若不在，则返回I。

步骤5：检查当前区域是否为最终目标区域，若不是，则更新目标区域及目标点；若是，则完成路径规划。在目标区域列表{Area₁，Area₂...Area_n}中，当前目标区域Area_current对应的下一个目标区域，即为新的目标区域。如当前目标区域为 Area₁，则新的目标区域应为Area₂。目标点的更新同理。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于JPS和Hybrid A*的全局路径规划方法，其特征在于：包括如下步骤：

步骤1：得到地图信息，确定车辆的起始点和目标点；

步骤2：通过跳点法，找到对应的初始路径，将初始路径中的路径点作为新的目标，并生成对应的目标区域；

步骤3：确定当前点，当前目标点及当前目标区域；

步骤4：使用Hybrid A*算法，从当前点开始，生成到达对应目标区域的路径；

步骤5：检查当前区域是否为最终目标区域，若不是，则更新目标区域及目标点；若是，则完成路径规划。

2.根据权利要求1所述的基于JPS和Hybrid A*的全局路径规划方法，其特征在于：步骤2中，根据新目标点生成目标区域具体过程如下：

记JPS找到的路径点为{P₁,P₂…P_n}，以各个路径点为圆心，R_l为半径，生成对应的目标区域{Area₁,Area₂…Area_n}

R_l的计算公式如下：

其中，L_x为车辆的轴距，L_f为车辆的前悬长度，W_c为车辆的宽度。

3.根据权利要求1或2所述的基于JPS和Hybrid A*的全局路径规划方法，其特征在于：步骤3中，确定当前点，当前目标点及当前目标区域的具体过程如下：

令起始点S_start(x_start,y_start,θ_start)为当前点N_current(x_current,y_current,θ_current)，目标点列表中的第一个点P₁为当前目标点

目标区域中的第一个区域Area₁为当前目标区域Area_current。

4.根据权利要求1或2所述的基于JPS和Hybrid A*的全局路径规划方法，其特征在于：步骤4中，生成到达对应目标区域路径的过程如下：

I.扩展当前节点，并生成路径。当前点N_current(x_current，y_current，θ_current)生成新节点N_new(x_new，y_new，θ_new)及新路径的计算公式如下：

x_new＝x_current+R_new(sin(θ_new)-sin(θ_current))

y_new＝y_current+R_new(cos(θ_current)-cos(θ_new))

θ_new＝θ_current+β

其中，W_x是轴距，L_arc是预设的圆弧长度，α是车轮的转向角度；

II.计算新节点的启发函数值f_new：

f_new＝g_new+h_new+δ(d_new)

其中g_new为新节点N_new沿着已经生成的路径到起始点S_new的路径长度。δ(x)为障碍物惩罚函数，d_new为新节点N_new与障碍物之间的最短距离；

III.将新生成的节点都放入Open列表中，再从Open中挑选出f值最小的节点放入Closed列表中，并将该节点当作当前点；

IV.检查当前点是否在当前目标区域中，若在，则结束步骤4，进行步骤5，若不在，则返回I。

5.根据权利要求1或2所述的基于JPS和Hybrid A*的全局路径规划方法，其特征在于：步骤5中，更新目标区域和目标点的具体过程如下：

在目标区域列表{Area₁,Area₂…Area_n}中，当前目标区域Area_current对应的下一个目标区域，即为新的目标区域。

Images