CN112595337B - 避障路径规划方法、装置、电子装置、车辆及存储介质 - Google Patents

Abstract

本申请提供一种避障路径规划方法，包括确定预设地图中的学习路线；获取障碍物信息，并依据障碍物信息更新预设地图；确定初始碰撞点，其中所述初始碰撞点为与所述障碍物重合的离散路径点；确定候选目标点集，所述候选目标点集至少包括初始碰撞点与终点之间的路径点、以及终点；依据所述候选目标点集确定启发式算法的目标点；依据混合A星算法及启发式算法获取满足预设阈值的扩展点，此获取过程中的启发式算法的目标点维持不变；依据扩展点获取可避开障碍物的调整路径；依据所述调整路径更新学习路线。本申请还提供一种避障路径规划装置、电子装置、车辆及存储介质。本申请依据固定设置的目标点获取调整路径以更新学习路线，实现路径规划。

Description

避障路径规划方法、装置、电子装置、车辆及存储介质

技术领域

本申请涉及车辆路径规划技术领域，具体涉及一种避障路径规划方法、避障路径规划装置、电子装置、车辆及存储介质。

背景技术

近年来，随着自动驾驶技术的不断发展和应用，自动驾驶的舒适性和合理性变得越来越重要。作为自动驾驶中一个关键技术：车辆路径规划，吸引越来越多人的关注。

在用于自动驾驶技术的路径规划算法中，混合A星算法是一个经典的路径规划算法，车辆行驶过程中检测到前方有障碍物并预测到按照原始路径行驶会撞到该障碍物时，调用混合A星算法从当前位置开始规划出一条能避开障碍物的调整路径。然而，在实现本发明过程中，发明人发现现有技术中至少存在如下问题：从原始路径上会发生碰撞的路径点开始往后寻找候选目标点集并遍历所有候选目标点，直到选取到一个能使得混合A星规划成功的目标点，每次固定了目标点后调用混合A星算法都需要重新从起始点开始扩展节点，算法耗时较长，不适用于实时路径规划。

发明内容

鉴于以上问题，本申请提出一种避障路径规划方法、避障路径规划装置、电子装置、车辆及存储介质，以解决上述问题。

本申请的第一方面提供一种避障路径规划方法，应用于一车辆中，所述方法包括：

确定预设地图中的学习路线，所述学习路线包括起点、终点及设于所述起点和终点之间的多个离散路径点；

获取车辆周围障碍物信息，并依据车辆周围障碍物信息更新预设地图；

依据所述障碍物所在区域与所述碰撞区域重合以确定初始碰撞点；

确定候选目标点集，所述候选目标点集至少包括初始碰撞点与终点之间的离散路径点、及终点；

依据所述候选目标点集确定启发式算法的目标点；

依据所述候选目标点集、混合A星算法及启发式算法获取满足预定阈值的扩展点，此获取过程中的启发式算法的目标点维持不变；

依据所述扩展点获取可避开障碍物的调整路径；

依据所述调整路径更新所述学习路线。

如此，通过固定设置启发式算法的目标点，每次依据混合A星算法从同一位置向外扩展的节点的代价值变得相同，则同一位置仅需做一次扩展节点的过程，以节省车辆遇到障碍物后的路径规划的时间，提升路径规划的效率，并减少路径规划的计算成本。

在一些实施例中，依据所述候选目标点集确定启发式算法的目标点，具体包括：

确定所述终点为所述启发式算法的目标点。

如此，通过将学习路线的终点设置为启发式算法的目标点，则车辆在学习路线中路径规划过程，目标点保持不变，以节省目标点确定时间。

在一些实施例中，依据所述候选目标点集确定启发式算法的目标点，具体包括：

依据所述起点和所述终点确定阶段距离；

依据所述阶段距离将所述学习路线分割为多个子路线，其中每个所述子路线的长度为阶段距离；

获取所述车辆的当前位置；

依据所述当前位置获取对应的所述子路线，所述子路线的终点即为所述启发式算法的目标点。

如此，通过不同的子路线设定不同的启发式算法的目标点，以保证在确定子路线中混合A星算法同一位置仅需做一次扩展节点的过程，同时也可减少启发式算法的代价值的计算量。

在一些实施例中，所述依据所述障碍物所在区域与所述碰撞区域重合以确定初始碰撞点，具体包括：

获取所述离散路径点的的第一位置信息，所述第一位置信息包括车轮后轮轴中心点在所述预设地图中坐标及车辆的车头朝向角度；

获取所述车辆的参数信息，所述参数信息包括车长、车宽及轴距；

依据所述第一位置信息和所述参数信息确定碰撞区域；

获取所述障碍物的第二位置信息，所述第二位置信息为所述障碍物所在预设地图中的坐标区域；

判断所述第二位置信息与所述碰撞区域是否重合；

若为是，则确定所述路径点为初始碰撞点。

如此，通过障碍物的位置信息与碰撞区域以实现快速判定路径点是否为初始碰撞点。

本申请又提供一种避障路径规划装置，所述装置包括：

确定模块，用于确定预设地图中的学习路线，所述学习路线包括起点、终点及设于所述起点和终点之间的多个离散路径点，其中每个所述离散路径点具有碰撞区域；

获取模块，用于获取车辆周围障碍物信息；

更新模块，用于依据车辆周围障碍物信息更新预设地图；

所述确定模块还用于依据所述障碍物所在区域与所述碰撞区域重合以确定初始碰撞点；进一步地，所述确定模块还用于确定候选目标点集，所述候选目标点集至少包括初始碰撞点与终点之间的路径点、以及终点；并依据所述候选目标点集确定启发式算法的目标点；

所述获取模块还用于依据所述候选目标点集、混合A星算法及启发式算法获取满足预设阈值的扩展点，此获取过程中的启发式算法的目标点维持不变，并依据所述扩展点获取可避开障碍物的调整路径；

所述更新模块还用于依据所述调整路径更新所述学习路线。

如此，避障路径规划装置通过固定设置启发式算法的目标点，每次依据混合A星算法从同一位置向外扩展的节点的代价值变得相同，则同一位置仅需做一次扩展节点的过程，以节省车辆遇到障碍物后的路径规划的时间，提升路径规划的效率，并减少路径规划的计算成本。

在一些实施例中，所述确定模块包括：

子确定模块，用于依据所述起点和所述终点确定所述学习路线的阶段距离；

子分割模块，用于依据所述阶段距离将所述学习路线分割为多个子路线；

子获取模块，用于获取所述车辆的当前位置，还用于依据所述当前位置获取对应的所述子路线，所述子路线的终点即为所述启发式算法的目标点。

如此，确定模块通过不同的子路线设定不同的启发式算法的目标点，以保证在确定子路线中混合A星算法同一位置仅需做一次扩展节点的过程，同时也可减少启发式算法的代价值的计算量。

本申请还提供一种电子装置，所述电子装置包括：

存储器、处理器和通讯总线，所述存储器通过所述通讯总线与所述处理器通信连接；以及所述存储器中存储有多个程序模块，所述多个程序模块由所述处理器加载并执行如上所述的避障路径规划方法。

如此，电子装置通过固定设置启发式算法的目标点，每次依据混合A星算法从同一位置向外扩展的节点的代价值变得相同，则同一位置仅需做一次扩展节点的过程，以节省车辆遇到障碍物后的路径规划的时间，提升路径规划的效率，并减少路径规划的计算成本。

本申请再提供一种车辆，所述车辆包括：

车体；

如上述实施例所述的电子装置，所述电子装置设于车体上。

如此，车辆的电子装置通过固定设置启发式算法的目标点，每次依据混合A星算法从同一位置向外扩展的节点的代价值变得相同，则同一位置仅需做一次扩展节点的过程，以节省车辆遇到障碍物后的路径规划的时间，提升路径规划的效率，并减少路径规划的计算成本。

本申请进一步提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的避障路径规划方法。

本申请提供的避障路径规划方法、装置、电子装置、车辆及存储介质，本申请提供的避障路径规划方法，通过固定设置启发式算法的目标点，每次依据混合A星算法从同一位置向外扩展的节点的代价值变得相同，则同一位置仅需做一次扩展节点的过程，以节省车辆遇到障碍物后的路径规划的时间，提升路径规划的效率，并减少路径规划的计算成本，路径更新速度快，适用于智能驾驶等场景中。

附图说明

图1是本申请一实施例所提供的避障路径规划方法的流程示意图。

图2是本申请一实施例所提供的避障路径规划装置的功能模块图。

图3为本申请一实施例所提供的电子装置的架构示意图。

具体实施方式

为了能够更清楚地理解本申请的所述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

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申请的技术领域的技术人员通常理解的含义相同。本文中在本申请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，不是旨在于限制本申请。

请参阅图1，图1为本申请一个实施例提供的避障路径规划方法的流程示意图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本申请实施例相关的部分。

本申请实施例的避障路径规划方法应用在车辆中。对于需要进行路径规划的车辆，可以直接在所述车辆上集成本申请的方法所提供的车辆路径避障规划功能，或者安装用于实现本申请的避障路径避障规划方法的客户端。再如，本申请所提供的避障路径规划方法还可以以软件开发工具包(Software Development Kit，SDK)的形式运行在所述车辆上，以SDK的形式提供车辆路径避障规划功能的接口，处理器或其他设备通过提供的接口即可实现车辆路径避障规划功能。所述避障路径规划方法包括以下步骤。

步骤S1、确定预设地图中的学习路线。

在一实施方式中，预设地图可为一目标区域的地图，例如车辆训练场地的地图，预设地图可为栅格地图。

其中学习路线包括起点、终点及设于所述起点和终点之间的多个离散路径点，进一步地，离散路径点的数量及分布密度可依据目标区域的具体环境设置。可以理解地，离散路径点的数量也可以依据起始点和终点之间的距离确定，也可以依据学习路线的实际环境确定，例如，该路段的地形较为复杂，则需要增加离散路径点的设置密度，每个离散路径点具有第一位置信息，第一位置信息包括车辆后轮轴的中心在预设地图上的坐标及车头的朝向角度。

在一实施例中，学习路线可在预设地图上设置或者由车辆在实际场景中行驶通过车辆上的传感器采集得到，两个离散路径点之间的间隔距离根据传感器的采样频率决定。

步骤S2、获取车辆周围障碍物信息，并依据车辆周围障碍物信息更新预设地图。

在一实施例中，步骤S2具体包括：

接收所述车辆周围的环境图像；

识别所述环境图像中的目标物体；

依据所述目标物体更新所述预设地图。

具体地，通过接收设置于车辆上的摄像模组拍摄的环境图像，并通过识别环境图像中的目标物体，以获取目标物体的位置信息，其中位置信息为目标物体在实际场景中的位置坐标，通过将该位置坐标转换为预设地图中位置坐标，并依据更新后位置坐标更新预设地图。

步骤S3、依据所述障碍物所在区域与所述碰撞区域重合以确定初始碰撞点。

在一实施例中，步骤S3具体包括：

获取所述离散路径点的第一位置信息，所述第一位置信息包括车轮后轮轴中心点在所述预设地图中坐标及车辆的车头朝向角度；

获取所述车辆的参数信息，所述参数信息包括车长、车宽及轴距；

依据所述第一位置信息和所述参数信息确定碰撞区域；

获取所述障碍物的第二位置信息；

判断所述第二位置信息与所述碰撞区域是否重合；

若为是，则确定所述路径点为初始碰撞点。

若为否，则确定学习路线为畅通。

具体地，依据车辆尺寸及路径点确定学习路线中的碰撞区域，其中碰撞区域即为车辆在学习路线行驶时所占的区域，若障碍物所在的区域与碰撞区域重合，则判定位于该碰撞区域的路径点为初始碰撞点。

步骤S4、确定候选目标点集。

其中，候选目标点集至少包括初始碰撞点与终点之间的离散路径点、以及终点。

可以理解地，在其他实施例中，候选目标点集还包括其他点，例如不在学习路线上的点。

步骤S5、依据所述候选目标点集确定启发式算法的目标点。

其中启发式算法是相对于最优化算法提出的，混合A星算法搜索扩展点的过程，依据启发式算法确定各个候选扩展点的代价值，并确定最小代价值的扩展点为最终的扩展点。具体地，启发式算法是用来计算混合A星算法扩展节点时的估算代价值的，混合A星算法搜索扩展节点的过程中需要计算每一步扩展节点的代价值，代价值等于移动代价值加上估算代价值，估算代价值通常用当前扩展节点位置对应的栅格到启发式算法目标点的欧氏距离来计算，通过启发式算法预先生成启发式阵列，阵列的位置上存放地图对应栅格到启发式算法目标点的欧氏距离，扩展节点时依据启发式阵列查询估算代价值，并确定不同扩展方向的新节点中代价值最小的那个新节点做为下一次要扩展的起始节点。

具体地，在一实施例中，步骤S5具体包括：

确定所述终点为所述启发式算法的目标点；

计算预设地图上每个非障碍物栅格离散路径点到上述启发式算法目标点的欧氏距离，生成启发式阵列。

通过将学习路线的终点设置为启发式算法的目标点，则车辆在学习路线中路径规划过程，目标点保持不变，以节省目标点确定时间。

在另一实施例中，步骤S5具体包括：

依据所述起点和所述终点确定阶段距离；

依据所述阶段距离将所述学习路线分割为多个子路线，每个子路线的长度为阶段距离；

获取所述车辆的当前位置；

依据所述当前位置获取对应的所述子路线，所述子路线的终点即为所述启发式算法的目标点。

具体地，依据学习路线的长度确定阶段距离，并将学习路线分割为多个子路线，每个子路线的长度为阶段距离，依据车辆的位置确定车辆所在的子路线，其中子路线终点即为所述启发式算法的目标点。

如此，通过不同的子路线设定不同的启发式算法的目标点，以保证在确定子路线中混合A星算法同一位置仅需做一次扩展节点的过程，同时也可减少启发式算法的代价值的计算量。

可以理解地，在一实施例中，步骤S5之后还包括步骤：

设置启发式阵列的目标点。

步骤S6、依据混合A星算法及启发式算法获取满足预设阈值的扩展点。

具体地，所述扩展点可避开所述障碍物，依据混合A星算法搜索扩展点的过程中启发式算法的目标点维持不变。

具体地，启发式算法的目标点保持不变，如此，无论候选目标点选在何处，每次从同一位置向外扩展的节点的代价值变得相同，仅需做一次扩展节点的过程。在扩展节点的过程中，从开放阵列获取代价值最小的节点并判断在候选目标点中有无满足阈值条件的目标点，若存在满足阈值条件的目标点则搜索结束。

在一实施例中，候选目标点集可作为混合A星算法及启发式算法运算过程中的一个设置参数，即可通过依据候选目标点集、混合A星算法及启发式算法获取满足预设阈值的扩展点。

步骤S7、依据所述扩展点获取可避开障碍物的调整路径。

具体地，需满足两个条件：形成该调整路径的所有扩展节点不和地图中的障碍物发生碰撞，该调整路径上的最后一个扩展节点与候选目标点集中的某一候选目标点的位姿差在预定阈值范围之内，其中位姿包括目标点在预设地图中的坐标及车里在目标点时的车头角度朝向。

具体地，在扩展节点的过程中，从当前车辆位姿开始按照车前轮角度从-30°、-20°、-10°、0°、+10°、+20°到+30°，以1.8米为步长向外扩展车辆行驶轨迹，找到扩展后的车辆后轮轴中心在预设地图上对应的栅格节点并计算代价值。将这些扩展节点放入到一个开放队列中，从开放队列中获取代价值最小的节点放入关闭队列中并判断在候选目标点集中有无满足上述阈值条件的候选目标点，若存在满足阈值条件的一个候选目标点则搜索结束，若不存在满足阈值条件的一个候选目标点则从开放队列中代价值最小的节点开始继续扩展，直到开放队列变为空或者扩展节点的总个数达到上限为止。每次扩展节点时会进行障碍物碰撞检测，判断车辆新的位姿所在的栅格是否会和障碍物发生碰撞，如果会发生碰撞或者该扩展节点已在关闭队列中，则不进行扩展，如果该扩展节点已在开放队列中，并且新的代价值小于原来的代价值，则更新该扩展节点的代价值。仅需做一次扩展节点的过程就能找到一条可行的避障路径或者直到开放队列变为空或者扩展节点的总个数达到上限依然没有找到满足上述阈值条件的候选目标点，则搜索结束，未能找到可行的避障路径，路径规划失败。

本申请通过固定启发式算法的目标点，以获得固定的启发式阵列，从而保证混合A星算法从同一位置向外扩展节点的代价值变得相同，每次判断新扩展的节点在候选目标点集中是否存在满足阈值条件的候选目标点，仅需做一次扩展节点的过程，以减少启发式阵列的计算量。

步骤S8、依据所述调整路径更新所述学习路线。

如此，通过扩展点替换初始碰撞点，以获取可避开障碍物的调整路径，以利调整路径更新学习路线。

如此，通过固定设置启发式算法的目标点，每次依据混合A星算法从同一位置向外扩展的节点的代价值变得相同，则同一位置仅需做一次扩展节点的过程，以节省车辆遇到障碍物后的路径规划的时间，提升路径规划的效率，并减少路径规划的计算成本。

图1详细介绍了本申请的避障路径规划方法，通过所述方法，能够固定设置的启发式算法的目标点，快速完成车辆路径规划。下面结合图2和图3，对实现所述避障路径规划装置的功能模块以及硬件装置架构进行介绍。应上述内容可知，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

图2为本申请一实施方式提供的避障路径规划装置的功能模块图。

在一些实施方式中，所述避障路径规划装置100可以包括多个由程序代码段所组成的功能模块。所述避障路径规划装置100中的各个程序段的程序代码可以存储于电子装置10的存储器中，并由电子装置10中的至少一个处理器所执行，以避障路径规划的功能。

请参考图2，本实施方式中，避障路径规划装置100根据其所执行的功能，可以被划分为多个功能模块，所述各个功能模块用于执行图1对应实施方式中的各个步骤，以实现避障路径规划的功能。本实施方式中，所述避障路径规划装置100的功能模块包括：确定模块101、获取模块102及更新模块103。

所述确定模块101用于确定预设地图中的学习路线，所述学习路线包括起点、终点及设于所述起点和终点之间的多个离散路径点，其中每个所述离散路径点具有碰撞区域。

所述获取模块102用于获取车辆周围障碍物信息。

所述更新模块103用于依据车辆周围障碍物信息更新预设地图。

所述确定模块101还用于依据所述障碍物所在区域与所述碰撞区域重合以确定初始碰撞点。

进一步地，所述确定模块101确定候选目标点集，所述候选目标点集至少包括初始碰撞点与终点之间的离散路径点、以及终点，并依据所述候选目标点集确定启发式算法的目标点。

所述获取模块102还用于依据所述候选目标点集、混合A星算法及启发式算法获取满足预设阈值的扩展点，其中所述扩展点可避开所述障碍物，依据混合A星算法搜索扩展点的过程中启发式算法的目标点维持不变，并依据所述扩展点获取可避开障碍物的调整路径。

所述更新模块103还用于依据所述调整路径更新所述学习路线。

进一步地，确定模块101还用于确定所述终点为所述启发式算法的目标点。

进一步地，所述确定模块101包括：

子确定模块，用于依据所述起点和所述终点确定阶段距离；

子分割模块，用于依据所述阶段距离将所述学习路线分割为多个子路线，其中每个所述子路线的长度为阶段距离；

子获取模块，用于获取所述车辆的当前位置，还用于依据所述当前位置获取对应的所述子路线，所述子路线的终点即为所述启发式算法的目标点。

进一步地，子获取模块还用于获取所述离散路径点的第一位置信息，所述位置信息包括车轮后轮轴中心点在所述预设地图中坐标及车辆的车头朝向角度，获取所述车辆的参数信息，所述参数信息包括车长、车宽及轴距。

子确定模块还用于依据所述第一位置信息和所述参数信息确定碰撞区域。

子获取模块还用于获取所述障碍物的第二位置信息，所述第二位置信息为所述障碍物所在预设地图中的坐标区域。

所述确定模块101包括：

子判断模块，用于判断所述第二位置信息与所述碰撞区域是否重合；

若为是，则确定所述路径点为初始碰撞点。

若为否，则判定学习路线为畅通。

图3为本申请一实施例所提供的电子装置的架构示意图。所述电子装置10包括存储器11、处理器12和通讯总线13，所述存储器11通过所述通讯总线13与所述处理器12通信连接。

所述电子装置10还包括存储在所述存储器11中并可在所述处理器12上运行的计算机程序14，例如垂直自主泊车控制的程序。

所述处理器12执行所述计算机程序14时实现所述方法实施例中避障路径规划方法的步骤。或者，所述处理器12执行所述计算机程序14实现所述系统实施例中各模块/单元的功能。

示例性的，所述计算机程序14可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器11中，并由所述处理器12执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序14在所述电子装置10中的执行过程。例如，所述计算机程序14可以被分割成图3中的模块101-103。

可以理解地，所述示意图3仅仅是电子装置10的示例，并不构成对电子装置10的限定，电子装置10可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子装置10还可以包括输入设备等。

所称处理器12可以是中央处理单元(Central Processing Unit，CPU)，还可以包括其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器也可以是任何常规的处理器等，所述处理器12是所述电子装置10的控制中心，利用各种接口和线路连接整个电子装置10的各个部分。

所述存储器11可用于存储所述计算机程序14和/或模块/单元，所述处理器12通过运行或执行存储在所述存储器11内的计算机程序和/或模块/单元，以及调用存储在存储器11内的数据，实现所述电子装置10的各种功能。存储器11可以包括外部存储介质，也可以包括内存。此外，存储器11可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述电子装置10集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现所述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现所述各个方法实施例的步骤。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

进一步地，本申请还提供一种车辆(图未示)，包括如上述实施例所述的电子装置10和车体，电子装置10设于车体上。

车辆的电子装置通过固定设置启发式算法的目标点，每次依据混合A星算法从同一位置向外扩展的节点的代价值变得相同，则同一位置仅需做一次扩展节点的过程，以节省车辆遇到障碍物后的路径规划的时间，提升路径规划的效率，并减少路径规划的计算成本。

最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (6)

1.一种避障路径规划方法，其特征在于，所述方法包括：

确定预设地图中的学习路线，所述学习路线包括起点、终点及设于所述起点和终点之间的多个离散路径点，其中每个所述离散路径点具有碰撞区域；

获取车辆周围障碍物信息，并依据车辆周围障碍物信息更新预设地图；

依据所述障碍物所在区域与所述碰撞区域重合以确定初始碰撞点；

确定候选目标点集，所述候选目标点集至少包括初始碰撞点与终点之间的离散路径点、以及终点；

依据所述候选目标点集确定启发式算法的目标点；

依据所述候选目标点集、混合A星算法及启发式算法获取满足预定阈值的扩展点，此获取过程中的启发式算法的目标点维持不变；

依据所述扩展点获取可避开障碍物的调整路径；

依据所述调整路径更新所述学习路线；

依据所述候选目标点集确定启发式算法的目标点，具体包括：

依据所述起点和所述终点确定阶段距离；

依据所述阶段距离将所述学习路线分割为多个子路线；

获取所述车辆的当前位置；

依据所述当前位置获取对应的所述子路线，所述子路线的终点即为所述启发式算法的目标点。

2.如权利要求1所述的避障路径规划方法，其特征在于，所述依据所述障碍物所在区域与所述碰撞区域重合以确定初始碰撞点，具体包括：

获取所述离散路径点的第一位置信息，所述第一位置信息包括车轮后轮轴中心点在所述预设地图中坐标及车辆的车头朝向角度；

获取所述车辆的参数信息，所述参数信息包括车长、车宽及轴距；

依据所述第一位置信息和所述参数信息确定碰撞区域；

获取所述障碍物的第二位置信息，所述第二位置信息包括所述障碍物所在预设地图中的坐标区域；

判断所述第二位置信息与所述碰撞区域是否重合；

若为是，则确定所述路径点为初始碰撞点。

3.一种避障路径规划装置，其特征在于，所述装置包括：

确定模块，用于确定预设地图中的学习路线，所述学习路线包括起点、终点及设于所述起点和终点之间的多个离散路径点，其中每个所述离散路径点具有碰撞区域；

获取模块，用于获取车辆周围障碍物信息；

更新模块，用于依据车辆周围障碍物信息更新预设地图；

所述确定模块还用于依据所述障碍物所在区域与所述碰撞区域重合以确定初始碰撞点；进一步地，所述确定模块还用于确定候选目标点集，所述候选目标点集至少包括初始碰撞点与终点之间的路径点、以及终点；并依据所述候选目标点集确定启发式算法的目标点；

所述获取模块还用于依据所述候选目标点集、混合A星算法及启发式算法获取满足预定阈值的扩展点，此获取过程中的启发式算法的目标点维持不变，并依据所述扩展点获取可避开障碍物的调整路径；

所述更新模块还用于依据所述调整路径更新所述学习路线；

所述确定模块包括：

子确定模块，用于依据所述起点和所述终点确定阶段距离；

子分割模块，用于依据所述阶段距离将所述学习路线分割为多个子路线，其中每个所述子路线的长度为阶段距离；

子获取模块，用于获取所述车辆的当前位置，并依据所述当前位置获取对应的所述子路线，所述子路线的终点即为所述启发式算法的目标点。

4.一种电子装置，其特征在于，所述电子装置包括：

存储器、处理器和通讯总线，所述存储器通过所述通讯总线与所述处理器通信连接；以及

所述存储器中存储有多个程序模块，所述多个程序模块由所述处理器加载并执行如权利要求1至2中任意一项所述的避障路径规划方法。

5.一种车辆，其特征在于，所述车辆包括：

车体；

如权利要求4所述的电子装置，所述电子装置设于车体上。

6.一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，所述计算机程序被处理器执行时实现如权利要求1至2中任意一项所述的避障路径规划方法。