CN113985871A - 泊车路径规划方法、泊车路径规划装置、车辆及存储介质 - Google Patents

泊车路径规划方法、泊车路径规划装置、车辆及存储介质 Download PDF

Info

Publication number
CN113985871A
CN113985871A CN202111227568.3A CN202111227568A CN113985871A CN 113985871 A CN113985871 A CN 113985871A CN 202111227568 A CN202111227568 A CN 202111227568A CN 113985871 A CN113985871 A CN 113985871A
Authority
CN
China
Prior art keywords
node
path
vehicle
pose
planning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111227568.3A
Other languages
English (en)
Inventor
王路遥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Ofilm Intelligent Vehicle Co ltd
Original Assignee
Shanghai Ofilm Intelligent Vehicle Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Ofilm Intelligent Vehicle Co ltd filed Critical Shanghai Ofilm Intelligent Vehicle Co ltd
Priority to CN202111227568.3A priority Critical patent/CN113985871A/zh
Publication of CN113985871A publication Critical patent/CN113985871A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本申请提供了一种泊车路径规划方法、泊车路径规划装置、车辆及存储介质。所述方法应用于车辆，所述方法包括：获取车辆的初始位姿和给车辆预先规划的目标位姿；基于车辆的初始位姿、目标位姿，启用第一预设算法在规划地图上形成衔接车辆的初始位姿到目标位姿的目标车道导航线组合，将目标车道导航线组合确定为全局参考路径；基于全局参考路径，在规划地图上实时规划局部路径，并控制车辆沿着当前的局部路径行驶，使得车辆能够避开障碍物并且跟随全局参考路径行驶直至到达目标位姿。所述方法在进行局部路径规划时，局部路径不需要回到全局参考线上，可以提升局部路径规划的成功率、缩短局部路径规划时长，进而能够提升局部路径规划的实时性。

Description

泊车路径规划方法、泊车路径规划装置、车辆及存储介质
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种泊车路径规划方法、泊车路径规划装置、车辆及存储介质。
背景技术
随着人工智能技术、多传感器融合技术以及控制决策技术的发展，自动驾驶已经成为当前的热门研究方向。其中，路径规划属于自动驾驶技术当中的重点研究领域。
路径规划分为全局路径规划和局部路径规划，现有的路径规划方案为：全局路径规划模块生成一条到目标位姿且满足车辆运动学模型的全局路径，车辆沿着该全局路径行驶。局部路径模块在检测到车辆沿着当前全局路径行驶将会和障碍物发生碰撞时，才进行局部路径规划，使得车辆避开障碍物并再次回到全局路径上。然而，现有的路径规划方案存在如下缺点：1、全局路径规划非常耗时。2、特殊场景下难以规划出再次回到全局路径的局部路径，局部路径规划的成功率较低，且无法满足实时性要求。3、局部路径与剩余的全局路径拼接而成的路径不顺畅，不利于对车辆的控制。
发明内容
为了解决上述的至少一个技术问题，本申请提供了一种泊车路径规划方法、泊车路径规划装置、车辆及存储介质，所述泊车路径规划方法基于车道线网络形成所述全局参考路径，可以缩短路径规划时长，提升路径规划效率。
本申请的第一方面提供一种泊车路径规划方法，应用于车辆，所述方法包括：
获取所述车辆的初始位姿和给所述车辆预先规划的目标位姿；
基于所述车辆的初始位姿、目标位姿，启用第一预设算法在规划地图上形成衔接所述车辆的初始位姿到目标位姿的目标车道导航线组合，并将所述目标车道导航线组合确定为全局参考路径；其中，所述规划地图中包含车道线网络，所述车道线网络包括所述规划地图中所有车道的符合交通规则的车道导航线，所述全局参考路径由若干条车道导航线首尾连接而成；
基于所述全局参考路径，在所述规划地图上实时规划局部路径，并控制所述车辆沿着当前的局部路径行驶，使得所述车辆能够避开障碍物并且跟随所述全局参考路径行驶直至到达所述目标位姿。
所述泊车路径规划方法基于所述车道线网络形成所述全局参考路径，可以缩短路径规划时长，提升路径规划效率，并且在跟随所述全局参考路径行驶的过程中实时进行局部路径规划，使得局部路径不需要回到全局参考线上，不仅可以提升局部路径规划的成功率，还能够缩短局部路径规划时长，进而能够提升局部路径规划的实时性。
在一些实施例中，在获取所述车辆的初始位姿和给所述车辆预先规划的目标位姿之前，所述方法还包括：
获得预设地图上的环境信息，形成所述规划地图。
如此，可以为所述车辆规划路径提供参考地图。
在一些实施例中，所述启用第一预设算法在所述规划地图上形成衔接所述车辆的初始位姿到目标位姿的目标车道导航线组合，具体包括：
获取衔接所述车辆的初始位姿到目标位姿的所有车道导航线组合；
根据各组车道导航线组合的车道导航线的长度以及转向情况，计算各组车道导航线组合的代价值；
将代价值最小的车道导航线组合确定为所述目标车道导航线组合。
如此，选出代价值最小的车道导航线组合作为所述全局参考路径，可以节省行驶时间、减少能耗。
在一些实施例中，所述方法还包括：
在所述车辆的行驶过程中，根据周边的环境信息和所述车辆的定位信息实时更新所述规划地图，其中，所述周边的环境信息包括障碍物信息。
如此，可以及时获取行驶路径上的障碍物信息，确保自动驾驶的安全性。
在一些实施例中，所述基于所述全局参考路径，在所述规划地图上实时规划局部路径，具体包括：
实时获取所述车辆当前的位姿，并以所述当前的位姿作为起始节点，启用第二预设算法在所述规划地图上规划出能够避开障碍物并且逐渐趋近所述全局参考路径的局部路径。
如此，在所述车辆的行驶过程中不仅能够避障，还能在所述全局参考路径的指引下驶向所述目标位姿。
在一些实施例中，所述第二预设算法包括混合A星算法，所述混合A星算法包括：以所述起始节点为最初的父节点，重复执行路径搜索步骤，直至所述路径搜索步骤满足结束条件；
所述路径搜索步骤，包括：
以父节点为中心，在所述规划地图中，从所述父节点按照预设步长以及多个预设前轮偏向角向外扩展获得多个备选扩展节点，并依据预设的扩展约束条件，从所述多个备选扩展节点中确定出所述父节点的可扩展节点；其中，所述预设的扩展约束条件为：当所述车辆行驶至所述可扩展节点时不会碰撞障碍物，且所述可扩展节点位于可通行区域内；
判断是否存在可扩展节点；
若不存在可扩展节点，则结束搜索步骤，输出算法无解；
若存在可扩展节点，计算各个可扩展节点对应的代价值，并确定代价值最小的可扩展节点作为最新扩展节点；
判断所述最新扩展节点是否满足预设终止条件，若所述最新扩展节点满足预设终止条件，则结束搜索步骤，确定所述最新扩展结点为终止节点，并输出所述最新扩展节点及其一系列父节点作为局部路径点；
若所述最新扩展节点不满足预设终止条件，以所述最新扩展节点作为新的父节点继续执行路径搜索步骤。
对传统的混合A星算法进行改进，能够在不指定目标终止节点的情况下，在全局参考路径的指引下规划出所述局部路径，可以提升局部路径规划的成功率。
在一些实施例中，所述全局参考路径中包含多个路径点；所述计算各个可扩展节点对应的代价值，具体包括：
计算所述起始节点到所述目标位姿的距离，并判断所述距离是否大于第一预设距离值；
若所述距离小于或者等于所述第一预设距离阈值，根据可扩展节点相应的位姿与所述目标位姿的距离差和车头朝向角度差计算各个可扩展节点的代价值；
若所述距离大于所述第一预设距离阈值，从所述全局参考路径的多个路径点中确定所述起始节点的跟随路径点以及各个可扩展节点的跟随路径点；
根据所述起始节点的跟随路径点从所述全局参考路径的多个路径点中确定所述起始节点的启发目标节点以及待选节点集；
根据可扩展节点到所述全局参考路径的距离、可扩展节点到所述启发目标节点的RS曲线中最短曲线的长度以及可扩展节点的位姿与其跟随路径点的位姿之间的车头朝向角度差计算各个可扩展节点的代价值。
修改传统混合A星算法的代价值计算规则，基于所述起始节点到所述目标位姿的距离，采用不同的规则计算启发代价值，可以缩短局部路径规划时长。
在一些实施例中，所述判断所述最新扩展节点是否满足预设终止条件，具体包括：
若所述起始节点到所述目标位姿的距离小于或者等于所述第一预设距离阈值，判断所述最新扩展节点是否满足第一预设终止条件；其中，所述第一预设终止条件为：所述最新扩展节点的位姿与所述目标位姿的距离差小于第二预设距离阈值且车头朝向角度差小于预设角度阈值；
若所述起始节点到所述目标位姿的距离大于所述第一预设距离阈值，判断所述最新扩展节点及其一系列父节点的个数N是否小于第一预设阈值；
若N小于所述第一预设阈值，判断所述最新扩展节点是否满足第二预设终止条件；其中，所述第二预设终止条件为：在所述待选节点集中存在目标待选节点，所述目标待选节点位姿与所述最新扩展节点位姿的距离差和车头朝向角度差的乘积小于第二预设阈值；
若N大于或者等于所述第一预设阈值，判断所述最新扩展节点是否满足第三预设终止条件；其中，所述第三预设终止条件为：所述车辆行驶至所述最新扩展节点的位姿时车身轮廓超出所述车辆在所述起始节点时的感测边界。
修改传统混合A星算法的终止条件，基于所述起始节点到所述目标位姿的距离，设置不同的终止条件，可以提升局部路径规划的成功率。
在一些实施例中，所述从所述全局参考路径的多个路径点中确定所述起始节点的跟随路径点以及各个可扩展节点的跟随路径点，具体包括：
遍历所述全局参考路径上的路径点，计算从各个所述路径点指向同一节点的向量与所述路径点的位姿的车头朝向角度所在向量之间的向量角度差；
在沿所述全局参考路径的前进方向上，确定第一个所述向量角度差大于90度的路径点为所述节点的跟随路径点。
如此，各个可扩展节点的跟随路径点起到指引作用，可以确保规划的局部路径不偏离所述全局参考路径。
在一些实施例中，所述根据所述起始节点的跟随路径点从所述全局参考路径的多个路径点中确定所述起始节点的启发目标节点以及待选节点集，具体包括：
从所述起始节点的跟随路径点开始，计算在所述全局参考路径上的相邻路径点之间的距离并进行累加，得到各个路径点到所述起始节点的跟随路径点的路径距离，将所述路径距离小于或者等于第二预设距离阈值的路径点确定为待选目标点，从而得到所述待选节点集；其中，所述启发目标节点为所述路径距离最大的待选目标点。
如此，通过引入启发目标节点为局部路径指引方向，使得所述车辆沿着局部路径行驶能够逐渐趋近所述全局参考路径。
本申请的第二方面提供一种泊车路径规划装置，所述泊车路径规划装置包括存储器和处理器，所述存储器与所述处理器连接，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现上述第一方面所述的泊车路径规划方法。
本申请的第三方面提供一种车辆，所述车辆包括：
车体；以及
如上述第二方面所述的泊车路径规划装置，所述泊车路径规划装置设于车体上，所述泊车路径规划装置用于为所述车辆规划路径，并控制所述车辆沿规划路径行驶。
本申请的第四方面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上述第一方面所述的泊车路径规划方法。
本申请提供的泊车路径规划装置、车辆以及存储介质，同样可以实施上述第一方面所述的泊车路径规划方法，利用高精度地图提供的车道信息，可以很快地在规划地图上生成由若干条车道导航线首尾连接而成全局参考路径，可以大幅缩短规划全局路径的耗时，极大地提升路径规划的效率。此外，在跟随所述全局参考路径行驶的过程中实时进行局部路径规划，使得局部路径不需要回到全局参考线上，不仅可以提升局部路径规划的成功率，还能够缩短局部路径规划时长，进而能够提升局部路径规划的实时性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他的附图。
图1是本申请实施例提供的一种泊车路径规划方法的步骤流程图。
图2是本申请实施例提供的规划地图的示意图。
图3是本申请实施例提供的全局参考路径的规划方法示意图。
图4是图1中步骤63的细化流程图。
图5是本申请提供的一种混合A星算法的路径搜索步骤的细化流程图。
图6是图5中步骤643和步骤644的细化流程图。
图7是本申请实施例提供的车辆感测边界示意图。
图8是本申请实施例提供的一节点的跟随路径点的确定规则示意图。
图9是本申请提供的泊车路径规划装置的结构示意图。
图10是本申请提供的车辆的结构示意图。
主要元件符号说明：
步骤 61-64、631-633、641-647、6431-6435、6441-6444
车辆 10
车道 100
可通行区域 141
不可通行区域 142
感测边界 101
初始位姿 B
起始节点 B0
可扩展节点 B1
路径点 A1、A2、A3、A4、A50
目标位姿 Bm
最新扩展节点 Bn
车道线网络 110
车道导航线 120、L1、L12、L2、L23、L3
关键点 121
车道线 130
库位 145
全局参考路径 1201
车道导航线组合 1201、1202
泊车路径规划装置 20
存储器 21
处理器 22
计算机程序 210
定位模块 30
地图模块 40
感测模块 50
全局路径规划模块 60
局部路径规划模块 70
控制模块 80
车体 90
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获取的所有其他实施例，都属于本申请保护的范围。
在本申请的描述中，需要说明的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
请参阅图1，图1是本申请实施例提供的一种泊车路径规划方法的步骤流程图，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。
本申请实施例的泊车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规划功能，或者安装用于实现本申请的泊车路径规划方法的客户端。再如，本申请所提供的泊车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规划功能。
本申请实施例提供的泊车路径规划方法能够应用于自动泊车的场景中，其中，自动泊车可以是指不需要驾驶员或者需要驾驶员很少的干预，检测周围的环境信息(例如障碍物信息)并为车辆规划泊车路径，控制车辆根据泊车路径自动行驶至目标车库附近并泊入目标车库中。
在本申请实施例中，所述泊车路径规划方法至少包括以下步骤：
步骤61，获得预设地图上的环境信息，形成规划地图。
请同时参阅图2，图2是本申请实施例提供的停车场场景下的规划地图的示意图。
其中，所述规划地图中包含车道线网络110，所述车道线网络110包括所述规划地图中的所有车道的符合交通规则的车道导航线120。在本申请实施例中，所述车道线网络110还包括各个车道的车道线130(如图2中的道路中心线)。
在本申请实施例中，所述预设地图包括高精度地图(Map for Highly AutomatedDriving，简称HAD Map)和SLAM(Simultaneous Localization and Mapping，也称为CML，Concurrent Mapping and Localization，即时定位与地图构建)地图中的至少一种。其中，高精度地图可以提供大量的环境信息，例如，它可以提供道路上每个车道的地理坐标信息，可以提供丰富的道路标志信息比如人行横道、天桥、红绿灯等。在路口区域，高精度地图也会根据实际的道路场景，生成符合交通规则的车道级别的虚拟车道线，为汽车在路口行驶提供导航信息。
在本申请实施例中，所述高精度地图提供的环境信息包括通行区域信息、障碍物信息、车道信息中的至少一种。在本申请实施例中，所述通行区域信息包括可通行区域信息和不可通行区域信息，示例性地，所述规划地图为栅格地图，如图2所示，所述方法通过将栅格设置不同的像素值以区分可通行区域141和不可通行区域142。所述车道信息包括所有车道100的车道线、符合交通规则的车道导航线120及车道方向。具体地，所述规划地图中的若干条车道导航线120按照交通规则标定方向，从而构成由车道导航线120组成的有向图，所述有向图用于为所述车辆规划全局参考路径。示例性地，各个车道100的车道导航线120可以采用各个车道100的车道中线，即各个车道100的车道导航线120生成于其所在车道100的中心位置附近，如此，当所述车辆跟随所述车道导航线120行驶时不容易压到左右两侧的车道线130。可选地，在其他实施例中，所述车道信息还可以包括车道导航线的编号、车道的换道属性、车道宽度、及该车道导航线衔接下一段的车道导航线的编号。
示例性地，车道100的车道导航线120可以由车道中的关键点121(例如车道的起始点、终止点、车道变换点)之间的连接线构成。在需要拐弯的路口(例如十字型路口、T字形路口)，可以基于两个车道100在路口处的关键点121的地理坐标，生成贝塞尔曲线或圆弧曲线，从而构成连接两个车道100的虚拟车道导航线。具体地，在高精度地图中生成所述车道导航线120的方法与生成虚拟车道线的方法相类似，属于现有技术范畴，此处不作具体介绍。
步骤62，获取所述车辆的初始位姿和给所述车辆预先规划的目标位姿。
其中，所述车辆的初始位姿作为起点，可以是所述车辆接收到自动驾驶指令(例如自动泊车指令)时的位姿。可以理解的是，用户可以通过按下车辆中的自动驾驶的按钮，也可以通过语音指示下发自动驾驶指令。用户可以通过操作人机交互界面(HumBn MachineInterface，HMI)，例如触控屏，也可以通过语音指示方式指定所述目标位姿。示例性地，在一些实施例中，所述规划地图提供各个库位的编号信息及其对应的泊车初始位姿信息，用户只需要选定目标库位，所述方法就能为该目标库位自动查询其对应的泊车初始位姿，并将所述泊车初始位姿确定为目标位姿。示例性地，如图2所示，用户选定库位145作为目标库位后，所述方法会将库位145对应的泊车初始位姿为Bm确定为所述目标位姿。上述为举例说明，并不对本申请作任何限定。
需要说明的是，在本实施例中，术语“位姿”包括所述车辆在世界坐标系中的横坐标、纵坐标以及车头朝向角度。示例性地，所述车辆的初始位姿、目标位姿均包括所述车辆的后轴中心的坐标和车头朝向角度。
步骤63，基于所述车辆的初始位姿、目标位姿，启用第一预设算法在规划地图上形成衔接所述车辆的初始位姿到目标位姿的目标车道导航线组合，并将所述目标车道导航线组合确定为全局参考路径。
其中，所述规划地图中包含车道线网络110，所述车道线网络110包括所述规划地图中所有车道100的符合交通规则的车道导航线120，所述全局参考路径由若干条车道导航线120首尾连接而成。
为了更加具体地介绍本申请中所述全局参考路径的生成规则，本申请实施例还给出了如图3所示的示例，其中，B为所述车辆的初始位姿，库位145为目标库位，Bm为目标库位145对应的泊车初始位姿，即目标位姿。
请一同参阅图3和图4，图4是步骤63的细化流程图。所述启用第一预设算法在所述规划地图上形成衔接所述车辆的初始位姿到目标位姿的目标车道导航线组合，具体包括以下步骤：
步骤631，获取衔接所述车辆的初始位姿到目标位姿的所有车道导航线组合。
可以理解的是，在实际应用场景下，从初始位姿到目标位姿的车道导航线组合可能多于一组。如图3所示，从初始位姿B到目标位姿Bm的车道导航线组合至少包括车道导航线组合1201和车道导航线组合1202。
步骤632，根据各组车道导航线组合的车道线的长度以及转向情况，计算各组车道导航线组合的代价值。
具体地，各组车道导航线组合的代价值计算公式为：D(i)＝α1×D1(i)+α2×D2(i)。其中，D(i)为第i组车道导航线组合的代价值，D1(i)为第i组车道导航线组合的距离代价值，具体地，在本实施例中，D1(i)为第i组车道导航线组合的路线长度值。D2(i)为第i组车道导航线组合的转向代价值，具体地，在本实施例中，D2(i)为第i组车道导航线组合的转弯次数。α1、α2为权重系数。在本申请实施例中，α2>α1。
步骤633，将代价值最小的车道导航线组合确定为所述目标车道导航线组合。
可以理解的是，车道导航线组合的路线长度越短，车辆运行越经济，车道导航线组合中转弯次数越少，舒适性越好，车辆控制越简单。如图3所示，车道导航线组合1201相比于车道导航线组合1202，路线长度更短且转弯次数更少，因此，可以确定车道导航线组合1201为目标车道线组合，即全局参考路径。如图3所示，所述全局参考路径1201由车道导航线L1、L12、L2、L23以及L3首尾连接而成。
现有的路径规划方案中，由于需要在车辆行驶前规划一条满足车辆运动学模型的全局路径，因此，路径规划的时间与初始位姿和目标位姿之间的距离相关，规划路径较长时耗时久。本申请提供的泊车路径规划方法，利用高精度地图提供的车道信息，可以很快地在规划地图上生成由若干条车道导航线首尾连接而成全局参考路径。与现有的路径规划方案相比，可以大幅缩短规划全局路径的耗时，极大地提升路径规划的效率。
步骤64，基于所述全局参考路径，在所述规划地图上实时规划局部路径，并控制所述车辆沿着当前的局部路径行驶，使得所述车辆能够避开障碍物并且跟随所述全局参考路径行驶直至到达所述目标位姿。
在本申请实施例中，在所述车辆行驶的过程中，所述泊车路径规划方法会根据周边的环境信息(例如障碍物信息)和所述车辆的定位信息实时更新所述规划地图，例如，在检测到新的障碍物时，将新的障碍物信息融合到所述规划地图上。示例性地，所述规划地图可以基于SLAM技术实时地生成。在一些实施例中，所述车辆在行驶过程中，可以根据安装在所述车辆四个车轮上方的传感器读取到的脉冲信息，得到四个车轮的轮速以及方向盘转角信息，并通过累加的方式得到所述车辆在世界坐标系下的位姿，从而得到所述车辆的定位信息。其中，所述世界坐标系以所述车辆在初始位姿下的后轴中心为原点，车头朝向角度为正方向。
具体地，所述在所述规划地图上实时规划局部路径，包括：实时获取所述车辆当前的位姿，并以所述当前的位姿作为起始节点，启用第二预设算法在所述规划地图上规划出能够避开障碍物并且逐渐趋近所述全局参考路径的局部路径。与现有的局部路径规划方案不同的是，本申请提供的局部路径规划方法规划的局部路径不需要回到全局参考路径上，不需要与剩余的全局参考路径进行拼接，只需确保局部路径以全局参考路径为跟随目标并逐渐趋近全局参考路径即可，如此，可以提升局部路径规划的成功率。
进一步地，所述第二预设算法为混合A星算法，混合A星算法是一种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，常规的混合A星算法需要指定起始节点和目标终止节点，由于在进行局部路径规划时无法预先确定好目标终止节点，不适用于本申请的局部路径规划的要求。现有的路径规划方案是：在检测到车辆沿着当前全局路径行驶将会和障碍物发生碰撞时，才进行局部路径规划，并将局部避障路径与剩余的全局路径进行拼接。由于需要将局部路径规划到全局路径上，导致在某些场景下难以规划出满足要求的局部路径或者规划的时间过长，无法满足实时性要求，同时局部路径与剩余的全局路径做拼接会使拼接处的路径点不连续不顺畅，不利于对车辆的控制。因此，本申请实施例提供了一种以当前位姿作为起始节点以全局参考路径为跟随目标并逐渐趋近全局参考路径的混合A星算法。具体地，所述混合A星算法包括：以所述起始节点为最初的父节点，重复执行路径搜索步骤，直至所述路径搜索步骤满足结束条件。
进一步地，请参阅图5，所述路径搜索步骤，具体包括以下步骤：
步骤641，以父节点为中心，在所述规划地图中，从所述父节点按照预设步长以及多个预设前轮偏向角向外扩展获得多个备选扩展节点，并依据预设的扩展约束条件，从所述多个备选扩展节点中确定出所述父节点的可扩展节点。
示例性地，所述预设步长为2.4米，所述多个预设前轮偏向角包括：-30°、-25°、-20°、-15°、-10°、-5°、0°、5°、10°、15°、20°、25°以及30°，当然，在其他实施例中，也可以按照其他的步长以及其他前轮偏向角向外扩展获得多个所述备选扩展节点。
具体地，所述预设的扩展约束条件为：当所述车辆行驶至所述可扩展节点时不会碰撞障碍物，且所述可扩展节点位于可通行区域内。示例性地，每个扩展节点的位姿包括后轴中心的坐标和车头朝向角度，所述规划地图可以包括栅格图，当所述备选扩展节点的位姿所在的车辆四边形在所述规划地图上所占据的栅格不是障碍物侵占的栅格，且所述备选扩展节点的位姿所在的车辆四边形在所述规划地图上位于可通行区域，即可确定所述备选扩展节点为所述可扩展节点。
步骤642，判断是否存在可扩展节点。若不存在可扩展节点，则表示所述混合A星算法无解，执行步骤647，终止路径搜索步骤。若存在可扩展节点，则执行步骤643。示例性地，若不存在可扩展节点，则退出所述自动驾驶模式，并输出路径规划失败。
步骤643，计算各个可扩展节点对应的代价值，并确定代价值最小的可扩展节点作为最新扩展节点。
步骤644，判断所述最新扩展节点是否满足预设终止条件。若所述最新扩展节点满足所述预设终止条件，则执行步骤645。若所述最新扩展节点不满足所述预设终止条件，则执行步骤646。
步骤645，确定所述最新扩展结点为终止节点，并输出所述最新扩展节点及其一系列父节点作为局部路径点。
需要说明的是，所述最初的父节点(即所述车辆当前的位姿)到所述终止节点间的各个父节点就是局部路径点，所述局部路径点连成的路径即为所述局部路径。
步骤646，以所述最新扩展节点作为新的父节点。
步骤647，终止路径搜索步骤。
具体地，请参阅图6，图6中的步骤6031-6035、6041-6044分别为图5中的步骤603和步骤604的细化步骤，图6用于更加详细地介绍步骤643与步骤644。
如图6所示，步骤643和步骤644具体包括以下步骤：
步骤6431，计算起始节点到所述目标位姿的距离，并判断所述距离是否大于第一预设距离值。若所述距离大于第一预设距离值，则执行步骤6433。否则，执行步骤6432。
示例性地，第一预设距离可以是所述车辆基于当前位姿进行局部路径规划所能到达的最远距离。示例性地，请参阅图7，图7是所述车辆10的感测边界101示意图，所述最远距离可以是所述车辆的最大感测距离Lmax。可以理解的是，所述车辆10可以感测到其感测边界101以内的障碍物。
需要说明的是，在所述车辆行驶的过程中，当所述起始节点到所述目标位姿的距离大于所述第一预设距离时，所述车辆的不能以所述目标位姿作为目标终止节点成功规划出局部路径，换言之，所述车辆沿着局部路径行驶不能直接到达所述目标位姿。那么，此时，所述全局参考路径作为所述车辆进行局部路径规划的跟随目标，可以指引着所述车辆逐渐趋近所述目标位姿。当所述起始节点到所述目标位姿的距离小于或者等于所述第一预设距离时，所述车辆可以以所述目标位姿作为目标终止节点成功规划出局部路径，换言之，所述车辆沿着局部路径行驶可以直接到达所述目标位姿。
步骤6432，根据可扩展节点相应的位姿与所述目标位姿的距离差和车头朝向角度差计算各个可扩展节点的代价值，并将代价值最小的可扩展节点确定为最新扩展节点。执行完步骤6432后，执行步骤6441。
具体地，通过以下公式计算各个可扩展节点对应的代价值：
F(n)＝G(n)+H(n)，其中，G(n)表示从所述起始节点位姿到可扩展节点n的位姿已付出的实际代价值，H(n)为可扩展节点n的启发代价值。
进一步地，H(n)＝β4×H4(n)+β5×H5(n)，其中，H4(n)为可扩展节点n的位姿与所述目标位姿的距离差，H5(n)可扩展节点n的位姿与所述目标位姿的车头朝向角度差。
步骤6441，判断所述最新扩展节点是否满足第一预设终止条件。若所述最新扩展节点满足第一预设终止条件，执行步骤645。否则，执行步骤646。其中，所述第一预设终止条件为：所述最新扩展节点的位姿与所述目标位姿的距离差小于第二预设距离阈值且车头朝向角度差小于预设角度阈值。
可以理解的是，在所述起始节点到所述目标位姿的距离小于或者等于所述第一预设距离时，可以以所述目标位姿为目标终止节点进行局部路径规划，当所述最新扩展节点满足所述第一预设终止条件，即可确定局部路径规划成功。
步骤6433，从所述全局参考路径的多个路径点中确定所述起始节点的跟随路径点以及各个可扩展节点的跟随路径点。
在本申请实施例中，确定所述起始节点的跟随路径点以及各个可扩展节点的跟随路径点的规则相同，具体地，确定一节点的跟随路径点包括以下步骤：
步骤A，遍历所述全局参考路径上的路径点，计算从各个所述路径点指向同一节点的向量与所述路径点的位姿的车头朝向角度所在向量之间的向量角度差。
需要说明的是，在本申请实施例中，所述车道线网络还包含预先形成于所述车道导航线上的多个路径点，示例性地，相邻两个路径点之间的距离相等，例如，0.3m。那么，所述全局参考路径中相应的包含多个路径点。其中，所述路径点的位姿的车头朝向角度所在向量即为由所述路径点的位姿指向下一路径点的向量。示例性地，请参阅图8，所述全局参考路径1201中包括多个路径点，B0为所述起始节点，B1为B0的可扩展节点，路径点A1的位姿的车头朝向角度所在向量即为向量
Figure BDA0003314841650000141
路径点A3的位姿的车头朝向角度所在向量即为向量
Figure BDA0003314841650000142
路径点A1指向所述起始节点B0的向量即为向量
Figure BDA0003314841650000143
路径点A3指向可扩展节点B1的向量即为向量
Figure BDA0003314841650000144
步骤B，在沿所述全局参考路径的前进方向上，确定第一个所述向量角度差大于90度的路径点为所述节点的跟随路径点。
示例性地，如图8所示，向量
Figure BDA0003314841650000151
与向量
Figure BDA0003314841650000152
之间的角度差值
Figure BDA0003314841650000153
大于90度，且在路径点A1之前，各个路径点指向所述起始节点B0的向量与所述路径点的位姿的车头朝向角度所在向量之间的向量角度差均小于90度，那么，可以确定路径点A1为所述起始节点B0的跟随路径点。相应地，可以确定路径点A3为可扩展节点B1的跟随路径点。
步骤6434，根据所述起始节点的跟随路径点从所述全局参考路径的多个路径点中确定所述起始节点的启发目标节点以及待选节点集。
具体地，从所述起始节点的跟随路径点开始，计算在所述全局参考路径上的相邻路径点之间的距离并进行累加，得到各个路径点到所述起始节点的跟随路径点的路径距离，将所述路径距离小于或者等于第二预设距离阈值的路径点确定为待选目标点，从而得到所述待选节点集。其中，所述启发目标节点为所述路径距离最大的待选目标点。在一些实施例中，所述第二预设距离阈值为15m。
示例性地，如图8所示，假设路径点A50到所述起始节点B0的跟随路径点A1的路径距离等于所述第二预设距离阈值，那么，路径点A50为所述启发目标节点。路径点A1到路径点A50之间的路径点均为所述待选目标点，且共同构成所述待选节点集。
步骤6435，根据可扩展节点到所述全局参考路径的距离、可扩展节点到所述启发目标节点的RS曲线中最短曲线的长度以及可扩展节点的位姿与其跟随路径点的位姿之间的车头朝向角度差计算各个可扩展节点的代价值，并将代价值最小的可扩展节点确定为最新扩展节点。执行完步骤6435后，执行步骤6442。
具体地，通过以下公式计算各个可扩展节点对应的代价值：
F(n)＝G(n)+H(n)，其中，n表示当前扩展节点，G(n)表示从所述起始节点位姿到可扩展节点n的位姿已付出的实际代价值，H(n)为可扩展节点n的启发代价值。
进一步地，H(n)＝β1×H1(n)+β2×H2(n)+β3×H3(n)，其中，H1(n)为可扩展节点n到所述全局参考路径的距离，H2(n)为可扩展节点n到所述启发目标节点的RS曲线中最短曲线的长度，H3(n)为可扩展节点n的位姿与其跟随路径点的位姿之间的车头朝向角度差，β1、β2、β3为权重系数。
需要说明的是，可扩展节点n到所述全局参考路径的距离是指可扩展节点n到其跟随路径点的位姿所在向量的垂直距离，如图8所示，所述可扩展节点B1到所述全局参考路径1201的距离为B1到其跟随路径点A3的位姿所在向量
Figure BDA0003314841650000161
的垂直距离d1。相应地，所述起始节点B0到所述全局参考路径1201的距离为B0到其跟随路径点A1的位姿所在向量
Figure BDA0003314841650000162
的垂直距离d0。
在实时规划局部路径时，在所述全局参考路径上选取的启发目标节点会起到引导作用，将可扩展节点n到所述启发目标节点的RS曲线中最短曲线的长度设置为启发代价值H2(n)可以使得在进行路径搜索时不会向远离所述全局参考路径的方向扩展，而且逐渐趋近所述全局参考路径。其中，所述RS曲线，即Reeds-Shepp曲线的简称，假设车辆能以最小转弯半径转向，能够前进和后退，且行驶空间无约束，那么Reeds-Shepp曲线就是车辆在上述条件下从起点到终点的最短路径。该曲线不仅能保证车辆能够到达终点，而且能保证车辆的角度能在终点到达预期角度。
示例性地，在一些实施例中，在计算H2(n)时，仅计算从可扩展节点n的位姿到所述启发目标节点的位姿的三种RS曲线的长度值，所述三种RS曲线包括CCC曲线、CSC曲线以及CCCC曲线，如此，可以减少算法的计算量，缩短算法的计算时长，提升所述局部路径规划的实时性。其中，RS曲线中“C”代表圆弧线，“S”代表直线，CCC曲线是由三段圆弧线首尾连接而成的曲线，且相邻的两段圆弧线相切。CSC曲线是由一段圆弧线、一段直线以及另一段圆弧线首尾连接而成的曲线，且直线与相邻两段圆弧线分别相切。CCCC曲线是由四段圆弧线首尾连接而成的曲线，且相邻的两段圆弧线相切。
步骤6442，判断所述最新扩展节点及其一系列父节点的个数N是否小于第一预设阈值。若所述最新扩展节点及其一系列父节点的个数N小于所述第一预设阈值，执行步骤6443。否则，执行步骤6444。示例性地，在一些实施例中，N可以根据所述车辆的感测边界来确定。
步骤6443，判断所述最新扩展节点是否满足第二预设终止条件。若所述最新扩展节点满足第二预设终止条件，执行步骤645。否则，执行步骤646。
其中，所述第二预设终止条件为：在所述待选节点集中存在目标待选节点，所述目标待选节点位姿与所述最新扩展节点位姿的距离差和车头朝向角度差的乘积小于第二预设阈值。
需要说明的是，由于采用常规的混合A星算法进行局部路径规划时要求局部路径回到全局参考路径上，因此，其终止条件较为严格，需要最新扩展节点位姿与目标终止节点位姿的距离差和车头朝向角度差都满足各自的误差精度要求。显然，采用常规的混合A星算法的终止条件容易出现局部路径规划失败的情况。而本申请实施例中的第二预设终止条件修改为所述目标待选节点位姿与所述最新扩展节点位姿的距离差和车头朝向角度差的乘积小于第二预设阈值，相当于放宽了终止条件：当距离差不满足要求时，可以仅满足较小的角度差。当角度差不满足要求时，可以仅满足较小的距离差。如此，可以提升局部路径规划的成功率。
由于在所述起始节点到所述目标位姿的距离大于所述第一预设距离时，无法预先确定目标终止节点，当搜索到所述待选节点集中存在目标待选节点时，即可确定所述目标待选节点为目标终止节点。如此，当所述最新扩展节点满足第二预设终止条件时，即可确定局部路径规划成功。
在一些实施例中，所述第二预设终止条件还包括：从所述目标待选节点沿所述全局参考路径延伸至所述车辆在所述起始节点时的感测边界的路径中不存在障碍物。如此，可以确保在规划局部路径时留出足够的预判距离供所述车辆避开障碍物，避免出现因距离障碍物太近而导致规划所述局部路径失败的情况，从而能够提升局部路径规划的成功率。
步骤6444，判断所述最新扩展节点是否满足第三预设终止条件。若所述最新扩展节点满足第三预设终止条件，执行步骤645。否则，执行步骤646。其中，所述第三预设终止条件为：所述车辆行驶至所述最新扩展节点的位姿时车身轮廓超出所述车辆在所述起始节点时的感测边界。
示例性地，请再次参阅图7，所述车辆在所述最新扩展节点Bn的位姿时其车身轮廓超出所述车辆在起始节点时的感测边界101，则表示所述车辆从起始节点开始沿Bn的一系列父节点行驶至Bn的路径中，不会与所述车辆在所述起始节点时的感测边界101内的障碍物碰撞，此时，可确定局部路径规划成功。
可以理解的是，局部路径规划对于实时性的要求较高，因此，规划时间越短越好。因此，将路径搜索的范围限制在所述车辆在所述起始节点时的感测边界101内，一方面可以确保所述车辆不会与障碍物碰撞，另一方面可以控制局部路径规划的时间，确保实时性满足要求。
需要说明的是，一方面，由于高精度地图中生成的车道导航线120不一定满足车辆运动学模型的要求，例如，右转车道导航线120的转弯半径会小于车辆的最小转弯半径，另一方面，由于所述车辆在行驶过程中可能会遇到障碍物，如此使得所述车辆不能够始终沿着所述全局参考路径行驶。因此，本申请提出一种新的局部路径规划方案，即基于所述全局参考路径行驶的过程中，实时规划局部路径，并且规划的局部路径不需要回到所述全局参考路径上，不仅可以缩短局部路径规划的时长，还能提升局部路径规划的成功率。
本申请提出的泊车路径规划方法，利用高精度地图提供的车道信息，可以很快地在规划地图上生成由若干条车道导航线首尾连接而成全局参考路径，可以大幅缩短规划全局路径的耗时，极大地提升路径规划的效率。此外，在跟随所述全局参考路径行驶的过程中实时进行局部路径规划，使得局部路径不需要回到全局参考线上，不仅可以提升局部路径规划的成功率，还能够缩短局部路径规划时长，进而能够提升局部路径规划的实时性。
请参阅图9，本申请实施例还提供一种泊车路径规划装置20，所述泊车路径规划装置包括存储器21和处理器22，所述存储器21与所述处理器22连接，所述存储器21中存储有计算机程序210。所述处理器22执行所述计算机程序210时实现上述方法实施例中所述泊车路径规划方法的步骤。
可以理解的是，所述示意图9仅仅是泊车路径规划装置20的示例，并不构成对所述泊车路径规划装置20的限定，所述泊车路径规划装置20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，所述泊车路径规划装置20还可以包括输入输出设备等。
所称处理器22可以是中央处理单元(CentralProcessingUnit，CPU)，还可以包括其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(FieldProgrammableGateArray，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22是所述泊车路径规划装置20的控制中心，利用各种接口和线路连接整个泊车路径规划装置20的各个部分。
所述存储器21可用于存储所述计算机程序210，所述处理器22通过运行或执行存储在所述存储器21内的计算机程序210，以及调用存储在存储器21内的数据，实现所述泊车路径规划装置20的各种功能。存储器21可以包括外部存储介质，也可以包括内存。此外，存储器21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(Secure Digital,SD)卡，闪存卡(FlashCard)、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。
本申请提供的泊车路径规划装置通过采用上述泊车路径规划方法，利用高精度地图提供的车道信息，可以很快地在规划地图上生成由若干条车道导航线首尾连接而成全局参考路径，可以大幅缩短规划全局路径的耗时，极大地提升路径规划的效率。此外，在跟随所述全局参考路径行驶的过程中实时进行局部路径规划，使得局部路径不需要回到全局参考线上，不仅可以提升局部路径规划的成功率，还能够缩短局部路径规划时长，进而能够提升局部路径规划的实时性。
请参阅图10，本申请还提供一种车辆10，包括如上述实施例所述的泊车路径规划装置20和车体90，所述泊车路径规划装置20设于所述车体90上，所述泊车路径规划装置20用于控制所述车辆10进行路径规划。
示例性地，所述车辆10还可以包括定位模块30、地图模块40、感测模块50、全局路径规划模块60、局部路径规划模块70以及控制模块80。在一些实施例中，定位模块30、地图模块40、感测模块50、全局路径规划模块60、局部路径规划模块70以及控制模块80均集成于所述泊车路径规划装置20中。所述定位模块30可以用于根据安装在所述车辆10四个车轮上方的传感器读取到的脉冲信息，得到四个车轮的轮速以及方向盘转角信息，并通过累加的方式得到所述车辆10在世界坐标系下的位姿，从而得到所述车辆10的定位信息。所述地图模块40可以用于根据预设地图提供的信息，形成规划地图。所述感测模块50可以用于检测车辆周围的障碍物信息，并将检测的障碍物信息更新所述规划地图上。所述全局路径规划模块60可以用于在规划地图上生成全局参考路经。所述局部路径规划模块70可以用于在所述车辆10的行驶过程中实时规划局部路径。所述控制模块80可以用于控制车辆的方向盘转角以及车速，使车辆按照规划路径行驶。
本申请提供的车辆中的泊车路径规划装置通过采用上述泊车路径规划方法，利用高精度地图提供的车道信息，可以很快地在规划地图上生成由若干条车道导航线首尾连接而成全局参考路径，可以大幅缩短规划全局路径的耗时，极大地提升路径规划的效率。此外，在跟随所述全局参考路径行驶的过程中实时进行局部路径规划，使得局部路径不需要回到全局参考线上，不仅可以提升局部路径规划的成功率，还能够缩短局部路径规划时长，进而能够提升局部路径规划的实时性。
本申请还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上述方法实施例中所述泊车路径规划方法的步骤。
本申请的所述泊车路径规划装置20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，本申请实现上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，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。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。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由同一个单元或装置通过软件或者硬件来实现。
最后应说明的是，以上实施方式仅用以说明本申请的技术方案而非限制，尽管参照以上较佳实施方式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都不应脱离本申请技术方案的精神和范围。

Claims (13)

1.一种泊车路径规划方法，应用于车辆，其特征在于，所述方法包括：
获取所述车辆的初始位姿和给所述车辆预先规划的目标位姿；
基于所述车辆的初始位姿、目标位姿，启用第一预设算法在规划地图上形成衔接所述车辆的初始位姿到目标位姿的目标车道导航线组合，并将所述目标车道导航线组合确定为全局参考路径；其中，所述规划地图中包含车道线网络，所述车道线网络包括所述规划地图中所有车道的符合交通规则的车道导航线，所述全局参考路径由若干条车道导航线首尾连接而成；
基于所述全局参考路径，在所述规划地图上实时规划局部路径，并控制所述车辆沿着当前的局部路径行驶，使得所述车辆能够避开障碍物并且跟随所述全局参考路径行驶直至到达所述目标位姿。
2.如权利要求1所述的泊车路径规划方法，其特征在于，在获取所述车辆的初始位姿和给所述车辆预先规划的目标位姿之前，所述方法还包括：
获得预设地图上的环境信息，形成所述规划地图。
3.如权利要求2所述的泊车路径规划方法，其特征在于，所述启用第一预设算法在规划地图上形成衔接所述车辆的初始位姿到目标位姿的目标车道导航线组合，具体包括：
获取衔接所述车辆的初始位姿到目标位姿的所有车道导航线组合；
根据各组车道导航线组合的车道导航线的长度以及转向情况，计算各组车道导航线组合的代价值；
将代价值最小的车道导航线组合确定为所述目标车道导航线组合。
4.如权利要求1所述的泊车路径规划方法，其特征在于，所述方法还包括：
在所述车辆的行驶过程中，根据周边的环境信息和所述车辆的定位信息实时更新所述规划地图，其中，所述周边的环境信息包括障碍物信息。
5.如权利要求4所述的泊车路径规划方法，其特征在于，所述基于所述全局参考路径，在所述规划地图上实时规划局部路径，具体包括：
实时获取所述车辆当前的位姿，并以所述当前的位姿作为起始节点，启用第二预设算法在所述规划地图上规划出能够避开障碍物并且逐渐趋近所述全局参考路径的局部路径。
6.如权利要求5所述的泊车路径规划方法，其特征在于，所述第二预设算法为混合A星算法，所述混合A星算法包括：以所述起始节点为最初的父节点，重复执行路径搜索步骤，直至所述路径搜索步骤满足结束条件；
所述路径搜索步骤，包括：
以父节点为中心，在所述规划地图中，从所述父节点按照预设步长以及多个预设前轮偏向角向外扩展获得多个备选扩展节点，并依据预设的扩展约束条件，从所述多个备选扩展节点中确定出所述父节点的可扩展节点；其中，所述预设的扩展约束条件为：当所述车辆行驶至所述可扩展节点时不会碰撞障碍物，且所述可扩展节点位于可通行区域内；
判断是否存在可扩展节点；
若不存在可扩展节点，则结束搜索步骤，输出算法无解；
若存在可扩展节点，计算各个可扩展节点对应的代价值，并确定代价值最小的可扩展节点作为最新扩展节点；
判断所述最新扩展节点是否满足预设终止条件，若所述最新扩展节点满足预设终止条件，则结束搜索步骤，确定所述最新扩展结点为终止节点，并输出所述最新扩展节点及其一系列父节点作为局部路径点；
若所述最新扩展节点不满足预设终止条件，以所述最新扩展节点作为新的父节点继续执行路径搜索步骤。
7.如权利要求6所述的泊车路径规划方法，其特征在于，所述全局参考路径中包含多个路径点；所述计算各个可扩展节点对应的代价值，具体包括：
计算所述起始节点到所述目标位姿的距离，并判断所述距离是否大于第一预设距离值；
若所述距离小于或者等于所述第一预设距离阈值，根据可扩展节点相应的位姿与所述目标位姿的距离差和车头朝向角度差计算各个可扩展节点的代价值；
若所述距离大于所述第一预设距离阈值，从所述全局参考路径的多个路径点中确定所述起始节点的跟随路径点以及各个可扩展节点的跟随路径点；
根据所述起始节点的跟随路径点从所述全局参考路径的多个路径点中确定所述起始节点的启发目标节点以及待选节点集；
根据可扩展节点到所述全局参考路径的距离、可扩展节点到所述启发目标节点的RS曲线中最短曲线的长度以及可扩展节点的位姿与其跟随路径点的位姿之间的车头朝向角度差计算各个可扩展节点的代价值。
8.如权利要求7所述的泊车路径规划方法，其特征在于，所述判断所述最新扩展节点是否满足预设终止条件，具体包括：
若所述起始节点到所述目标位姿的距离小于或者等于所述第一预设距离阈值，判断所述最新扩展节点是否满足第一预设终止条件；其中，所述第一预设终止条件为：所述最新扩展节点的位姿与所述目标位姿的距离差小于第二预设距离阈值且车头朝向角度差小于预设角度阈值；
若所述起始节点到所述目标位姿的距离大于所述第一预设距离阈值，判断所述最新扩展节点及其一系列父节点的个数N是否小于第一预设阈值；
若N小于所述第一预设阈值，判断所述最新扩展节点是否满足第二预设终止条件；其中，所述第二预设终止条件为：在所述待选节点集中存在目标待选节点，所述目标待选节点位姿与所述最新扩展节点位姿的距离差和车头朝向角度差的乘积小于第二预设阈值；
若N大于或者等于所述第一预设阈值，判断所述最新扩展节点是否满足第三预设终止条件；其中，所述第三预设终止条件为：所述车辆行驶至所述最新扩展节点的位姿时车身轮廓超出所述车辆在所述起始节点时的感测边界。
9.如权利要求7所述的泊车路径规划方法，其特征在于，所述从所述全局参考路径的多个路径点中确定所述起始节点的跟随路径点以及各个可扩展节点的跟随路径点，具体包括：
遍历所述全局参考路径上的路径点，计算从各个所述路径点指向同一节点的向量与所述路径点的位姿的车头朝向角度所在向量之间的向量角度差；
在沿所述全局参考路径的前进方向上，确定第一个所述向量角度差大于90度的路径点为所述节点的跟随路径点。
10.如权利要求9所述的泊车路径规划方法，其特征在于，所述根据所述起始节点的跟随路径点从所述全局参考路径的多个路径点中确定所述起始节点的启发目标节点以及待选节点集，具体包括：
从所述起始节点的跟随路径点开始，计算在所述全局参考路径上的相邻路径点之间的距离并进行累加，得到各个路径点到所述起始节点的跟随路径点的路径距离，将所述路径距离小于或者等于第二预设距离阈值的路径点确定为待选目标点，从而得到所述待选节点集；其中，所述启发目标节点为所述路径距离最大的待选目标点。
11.一种泊车路径规划装置，其特征在于，所述泊车路径规划装置包括存储器和处理器，所述存储器与所述处理器连接，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至10中任意一项所述的泊车路径规划方法。
12.一种车辆，其特征在于，所述车辆包括：
车体；以及
如权利要求11所述的泊车路径规划装置，所述泊车路径规划装置设于车体上，所述泊车路径规划装置用于为所述车辆规划路径，并控制所述车辆沿规划路径行驶。
13.一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10中任意一项所述的泊车路径规划方法。
CN202111227568.3A 2021-10-21 2021-10-21 泊车路径规划方法、泊车路径规划装置、车辆及存储介质 Pending CN113985871A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111227568.3A CN113985871A (zh) 2021-10-21 2021-10-21 泊车路径规划方法、泊车路径规划装置、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111227568.3A CN113985871A (zh) 2021-10-21 2021-10-21 泊车路径规划方法、泊车路径规划装置、车辆及存储介质

Publications (1)

Publication Number Publication Date
CN113985871A true CN113985871A (zh) 2022-01-28

Family

ID=79739991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111227568.3A Pending CN113985871A (zh) 2021-10-21 2021-10-21 泊车路径规划方法、泊车路径规划装置、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN113985871A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114995398A (zh) * 2022-05-16 2022-09-02 中国第一汽车股份有限公司 路径生成方法、装置、存储介质、处理器及电子装置
CN115326057A (zh) * 2022-08-31 2022-11-11 深圳鹏行智能研究有限公司 路径规划方法、装置、机器人以及可读存储介质
CN115451988A (zh) * 2022-09-29 2022-12-09 国能宝日希勒能源有限公司 路径规划方法、其装置及导航仪
CN116048087A (zh) * 2023-02-10 2023-05-02 吉咖智能机器人有限公司 局部路径的规划方法、装置、电子设备及可读存储介质
CN116803787A (zh) * 2023-07-03 2023-09-26 上海洛轲智能科技有限公司 自动行车及泊车的方法、装置、电子设备和存储介质
WO2023179534A1 (zh) * 2022-03-25 2023-09-28 华为技术有限公司 泊车路径规划方法、显示方法及电子设备
WO2023221537A1 (zh) * 2022-05-16 2023-11-23 北京京东乾石科技有限公司 路径规划方法及装置、无人车

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108088456A (zh) * 2017-12-21 2018-05-29 北京工业大学 一种具有时间一致性的无人驾驶车辆局部路径规划方法
US20180284769A1 (en) * 2017-03-29 2018-10-04 Mitsubishi Electric Research Laboratories, Inc. Vehicle Motion Control System and Method
CN109131317A (zh) * 2018-07-23 2019-01-04 同济大学 基于多段式规划与机器学习的自动垂直泊车系统及方法
US20190041858A1 (en) * 2017-08-03 2019-02-07 Mitsubishi Electric Research Laboratories, Inc. Motion Controller for Real-Time Continuous Curvature Path Planning
CN110806218A (zh) * 2019-11-29 2020-02-18 北京京东乾石科技有限公司 泊车路径规划方法、装置和系统
CN112714729A (zh) * 2019-11-29 2021-04-27 华为技术有限公司 车辆的路径规划方法以及车辆的路径规划装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180284769A1 (en) * 2017-03-29 2018-10-04 Mitsubishi Electric Research Laboratories, Inc. Vehicle Motion Control System and Method
US20190041858A1 (en) * 2017-08-03 2019-02-07 Mitsubishi Electric Research Laboratories, Inc. Motion Controller for Real-Time Continuous Curvature Path Planning
CN108088456A (zh) * 2017-12-21 2018-05-29 北京工业大学 一种具有时间一致性的无人驾驶车辆局部路径规划方法
CN109131317A (zh) * 2018-07-23 2019-01-04 同济大学 基于多段式规划与机器学习的自动垂直泊车系统及方法
CN110806218A (zh) * 2019-11-29 2020-02-18 北京京东乾石科技有限公司 泊车路径规划方法、装置和系统
CN112714729A (zh) * 2019-11-29 2021-04-27 华为技术有限公司 车辆的路径规划方法以及车辆的路径规划装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023179534A1 (zh) * 2022-03-25 2023-09-28 华为技术有限公司 泊车路径规划方法、显示方法及电子设备
CN114995398A (zh) * 2022-05-16 2022-09-02 中国第一汽车股份有限公司 路径生成方法、装置、存储介质、处理器及电子装置
WO2023221537A1 (zh) * 2022-05-16 2023-11-23 北京京东乾石科技有限公司 路径规划方法及装置、无人车
CN115326057A (zh) * 2022-08-31 2022-11-11 深圳鹏行智能研究有限公司 路径规划方法、装置、机器人以及可读存储介质
CN115451988A (zh) * 2022-09-29 2022-12-09 国能宝日希勒能源有限公司 路径规划方法、其装置及导航仪
CN115451988B (zh) * 2022-09-29 2024-05-17 国能宝日希勒能源有限公司 路径规划方法、其装置及导航仪
CN116048087A (zh) * 2023-02-10 2023-05-02 吉咖智能机器人有限公司 局部路径的规划方法、装置、电子设备及可读存储介质
CN116048087B (zh) * 2023-02-10 2024-04-09 吉咖智能机器人有限公司 局部路径的规划方法、装置、电子设备及可读存储介质
CN116803787A (zh) * 2023-07-03 2023-09-26 上海洛轲智能科技有限公司 自动行车及泊车的方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN113985871A (zh) 泊车路径规划方法、泊车路径规划装置、车辆及存储介质
JP6614025B2 (ja) 自動運転支援装置及びコンピュータプログラム
JP6451848B2 (ja) 運転計画装置、走行支援装置、運転計画方法
JP6443550B2 (ja) シーン評価装置、走行支援装置、シーン評価方法
US20200073396A1 (en) Travel assistance method and travel assistance apparatus
CN113932823A (zh) 基于语义道路地图的无人驾驶多目标点轨迹并行规划方法
JP6443552B2 (ja) シーン評価装置、走行支援装置、シーン評価方法
WO2019042295A1 (zh) 一种无人驾驶路径规划方法、系统和装置
CN110728014A (zh) 使用具有加权几何成本的分段螺旋曲线的参考线平滑方法
US11586209B2 (en) Differential dynamic programming (DDP) based planning architecture for autonomous driving vehicles
JP2017206182A (ja) 自動運転支援装置及びコンピュータプログラム
JP7192610B2 (ja) 走行支援方法および走行支援装置
US10732632B2 (en) Method for generating a reference line by stitching multiple reference lines together using multiple threads
JP6297482B2 (ja) 情報処理装置
CN113532448A (zh) 一种自动驾驶车辆的导航方法及其系统、驾驶控制设备
CN115079702A (zh) 一种混合道路场景下的智能车辆规划方法和系统
KR20200063039A (ko) 자율주행을 위한 이중 경로 계획 및 도로 판단 영역 결정 장치 및 그 방법
CN113548039B (zh) 自动泊车方法、自动泊车装置、车辆及存储介质
JP2019105578A (ja) 車線変更可否判定システムおよび車線変更可否判定プログラム
JP6443551B2 (ja) シーン評価装置、走行支援装置、シーン評価方法
CN116295478A (zh) 车辆的导航方法及装置
CN113997951B (zh) 车辆的行驶轨迹的确定方法、装置及自动驾驶车辆
WO2019003992A1 (ja) 情報管理装置
JP7226545B2 (ja) 走行支援方法および走行支援装置
WO2024162349A1 (ja) 運転支援装置及びコンピュータプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination