CN114608595A - 一种无人车路径规划的方法和装置 - Google Patents

Abstract

本发明公开了一种无人车路径规划的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：接收场景层选取的目标区域和目标角度区间；以目标区域的中心作为原点构建坐标系；基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件；若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推目标顶点的父节点的方式得到中间节点；将起始点、中间节点和目标顶点构成的路径作为规划路径。该实施方式可以避免场景层对目标点的选择不合适导致的路线诡异的问题，从根源上更接近人类驾驶员的思维方式，同时解决因步长很大，而导致的路径规划需要反复调整的问题。

Description

一种无人车路径规划的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种无人车路径规划的方法和装置。

背景技术

无人配送车在配送中会遇到起步、停车、脱困等场景。这些场景往往没有结构化道路，而是在自由空间中进行。当前的自由空间算法起源于定点停车算法，给定一个顶点和朝向，该算法找到一条路径使得无人配送车可以停在给定的顶点和朝向上。

当前的自由空间算法是基于点的自由空间算法，多是用于定点停车的算法，必须要一个目标点作为输入，即使有stop area的设计(即停靠在stop area内且角度合理即认为已停靠)，但仍然需要场景来指定goal(目标点)的位置。

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：

基于点的自由空间算法和人骑/驾车时的策略不符，人在骑/驾车时不会指定一个目标点，一定要驶向该点，而是心中有一个大致的方向或区域，故而基于点的自由空间算法会存在对目标点的选择不合适导致的路线诡异的问题。同时，受限于算法执行的耗时，当基于点的自由空间算法的搜索步长较长时，该算法对指定的目标点需要反复调整才能找到规划路径，路径规划效率低。

发明内容

有鉴于此，本发明实施例提供一种无人车路径规划的方法和装置，能够基于区域的自由空间算法来进行路径规划，可以避免场景层对目标点的选择不合适导致的路线诡异的问题，从根源上更接近人类驾驶员的思维方式，同时解决因步长很大，而导致的路径规划需要反复调整的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种无人车路径规划的方法。

一种无人车路径规划的方法，包括：

接收场景层选取的目标区域和目标角度区间；

以所述目标区域的中心作为原点构建坐标系；

基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件，其中，所述候选顶点集合中每个顶点对应的搜索损耗是基于所述坐标系计算的；

若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推所述目标顶点的父节点的方式得到中间节点，所述目标顶点的父节点为由起始点到所述目标顶点的路径中所述目标顶点的前一个顶点，所述起始点为无人车在所述坐标系中的位置；

将所述起始点、所述中间节点和所述目标顶点构成的路径作为规划路径。

可选地，每次从候选点集合中选取搜索损耗最小的顶点进行处理之前，还包括：

判断所述目标区域是否可到达。

可选地，判断所述目标区域是否可到达包括：

将初始点与原点的距离作为第一距离，目标区域中的点距离原点的最大距离作为第二距离；

根据所述第一距离、所述第二距离和设定的倒车空间计算半径；

以所述原点为圆心，所述半径为半径画圆以得到搜索边界；

基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达。

可选地，根据所述第一距离、所述第二距离和设定的倒车空间计算半径包括：

将所述第一距离与所述设定的倒车空间之和，与所述第二距离两者中的最大值作为半径。

可选地，基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达之前，还包括：

基于地图中的静态障碍物和不可跨越的边界对所述搜索边界进行修正以得到修正搜索边界；

并且，基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达包括：

基于第一路径搜索算法和所述修正搜索边界判断所述目标区域是否可到达。

可选地，顶点对应的搜索损耗包括：

第一搜索损耗和第二搜索损耗，所述第一搜索损耗是基于设定的步长，每进行一次搜索所需要付出的代价，所述第二搜索损耗是顶点对应的距离和角度惩罚。

可选地，所述第一搜索损耗包括单步惩罚、障碍物惩罚、非自由空间惩罚和左跨边界惩罚，其中，所述单步惩罚根据无人车转向、倒车、反向情况计算，所述障碍物惩罚根据无人车与障碍物的最近距离计算，所述非自由空间惩罚根据顶点与自由空间的距离计算，所述左跨边界惩罚根据顶点与所述顶点的父节点组成的线段是否左跨车道边界来计算；

所述第二搜索损耗包括距离惩罚和角度惩罚，其中，所述距离惩罚根据顶点距目标区域的最近距离进行计算，所述角度惩罚根据顶点的角度与目标角度之差与距离相除进行计算，所述目标角度为所述目标角度区间的中间值。

可选地，所述路径搜索算法为混合A星算法，所述搜索结束条件包括：

顶点在所述目标区域内，且当无人车达到所述顶点时的朝向在所述目标角度区间内。

根据本发明实施例的另一方面，提供了一种无人车路径规划的装置。

一种无人车路径规划的装置，包括：

目标参数接收模块，用于接收场景层选取的目标区域和目标角度区间；

坐标系构建模块，用于以所述目标区域的中心作为原点构建坐标系；

路径搜索模块，用于基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件，其中，所述候选顶点集合中每个顶点对应的搜索损耗是基于所述坐标系计算的；

路径节点确定模块，用于若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推所述目标顶点的父节点的方式得到中间节点，所述目标顶点的父节点为由起始点到所述目标顶点的路径中所述目标顶点的前一个顶点，所述起始点为无人车在所述坐标系中的位置；

路径生成模块，用于将所述起始点、所述中间节点和所述目标顶点构成的路径作为规划路径。

根据本发明实施例的又一方面，提供了一种无人车路径规划的电子设备。

一种无人车路径规划的电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所提供的无人车路径规划的方法。

根据本发明实施例的再一方面，提供了一种计算机可读介质。

一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所提供的无人车路径规划的方法。

上述发明中的一个实施例具有如下优点或有益效果：通过接收场景层选取的目标区域和目标角度区间；以目标区域的中心作为原点构建坐标系；基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件；若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推目标顶点的父节点的方式得到中间节点，目标顶点的父节点为由起始点到目标顶点的路径中目标顶点的前一个顶点，起始点为无人车在所述坐标系中的位置；将起始点、中间节点和目标顶点构成的路径作为规划路径的技术方案，通过基于区域的自由空间算法来进行路径规划，可以避免场景层对目标点的选择不合适导致的路线诡异的问题，从根源上更接近人类驾驶员的思维方式，同时解决因步长很大，而导致的路径规划需要反复调整的问题。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是现有技术采用基于点的自由空间算法进行路径规划的实现效果示意图；

图2是根据本发明实施例的无人车路径规划的方法的主要步骤示意图；

图3是本发明实施例的目标参数设置示意图；

图4是根据本发明实施例的无人车路径规划的装置的主要模块示意图；

图5是本发明实施例可以应用于其中的示例性系统架构图；

图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

目前无人车在进行路径规划时，多是采用基于点的自由空间算法，然而这和人骑/驾车时的策略不符，人在骑/驾车时不会指定一个目标点，一定要驶向该点，而是心中有一个大致的方向(起步、脱困)或区域(停靠、非机动车看灯)。

图1是现有技术采用基于点的自由空间算法进行路径规划的实现效果示意图。如图1所示，在起步场景下，需要指定一个目标点，而在指定目标点goal时无法考虑到下游的自由空间算法计算时的容易程度，转向次数等。若场景层给定一个不够好的目标点goal(包括点的位置以及预期行进方向)，如图1中虚线所示的车道上的圆点以及与该圆点相连的箭头(行进方向)，那么，下游的自由空间算法就不得不给出一条人看起来奇怪的路径(如图1中的规划路径)，而不是人类驾驶员可能选择的常规路径。

为了解决现有技术中存在的上述技术问题，本发明提出了一种无人车路径规划的方法和装置，通过基于区域的自由空间算法来进行路径规划，可以避免场景层对目标点goal的选择不合适导致的路线诡异的问题，从根源上更接近人类驾驶员的思维方式，同时解决因步长很大，而导致的路径规划需要反复调整的问题。

本发明作为路径规划模块的一种自由空间算法，当无人车遇到停车、起步、脱困、非机动车看灯等需要自由空间调整的场景时，由场景层选取合适的目标区域和角度区间，传递给基于区域的自由空间算法。然后，通过本发明设计的基于区域的混合A*算法得到初始路径，再经过平滑处理得到最终的路径输出。

图2是根据本发明实施例的无人车路径规划的方法的主要步骤示意图。如图2所示，本发明实施例的无人车路径规划的方法主要包括如下的步骤S201至步骤S205。

步骤S201：接收场景层选取的目标区域和目标角度区间。在本发明的实施例中，不是基于一个固定的目标点来进行路径规划，而是要基于一个目标区域来进行路径规划，从而使得基于自由空间的路径规划算法的实现更自由，且避免了反复调整，规划效率高。

图3是本发明实施例的目标参数设置示意图，在本发明的实施例中，目标参数包括目标区域和目标角度区间。场景层确定好目标区域和目标角度区间后，将目标参数发送给下游的路径规划系统以进行无人车路径规划。如图3所示，目标区域polygon是一个多边形。目标角度区间由目标角度θ和目标角度偏差Δθ来具体限定，目标角度区间即为：[θ-Δθ,θ+Δθ]。即：当无人车驶入目标区域内，且朝向在区间[θ-Δθ,θ+Δθ]内时，即可认为到达。

步骤S202：以所述目标区域的中心作为原点构建坐标系。目标区域polygon的中心坐标即为((min_x+max_x)/2,(min_y+max_y)/2)，其中，min_x为目标区域包括的所有点中横坐标的最小值，max_x为目标区域包括的所有点中横坐标的最大值，min_y为目标区域包括的所有点中纵坐标的最小值，max_y为目标区域包括的所有点中纵坐标的最大值。以目标区域的中心作为原点，仍以原坐标系的横坐标轴方向和纵坐标轴方向作为横坐标轴方向和纵坐标轴方向，来构建坐标系。

步骤S203：基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件，其中，所述候选顶点集合中每个顶点对应的搜索损耗是基于所述坐标系计算的。在建立坐标系后，即可计算地图中每个点(即：候选顶点集合中的每个顶点)所对应的搜索损耗。

在本发明的一个实施例中，顶点对应的搜索损耗包括：第一搜索损耗和第二搜索损耗，所述第一搜索损耗是基于设定的步长，每进行一次搜索所需要付出的代价，所述第二搜索损耗是顶点对应的距离和角度惩罚。所述第一搜索损耗包括单步惩罚、障碍物惩罚、非自由空间惩罚和左跨边界惩罚，其中，所述单步惩罚根据无人车转向、倒车、反向情况计算，所述障碍物惩罚根据无人车与障碍物的最近距离计算，所述非自由空间惩罚根据顶点与自由空间的距离计算，所述左跨边界惩罚根据顶点与所述顶点的父节点组成的线段是否左跨车道边界来计算；所述第二搜索损耗包括距离惩罚和角度惩罚，其中，所述距离惩罚根据顶点距目标区域的最近距离进行计算，所述角度惩罚根据顶点的角度与目标角度之差与距离相除进行计算，所述目标角度为所述目标角度区间的中间值。

根据本发明的实施例，第一搜索损耗G cost包括单步惩罚、障碍物惩罚、非自由空间惩罚和左跨边界惩罚。对于单步惩罚，在进行路径规划时，基于设定的单步步长，无人车基于单步步长行走，当无人车从左转改为这个点要右转时，就会有转向惩罚，即单步步长乘以转向倍率。同样地，若在该单步内，无人车会有倒车和反向的情况时，也会进行相应的倒车惩罚和反向惩罚，这两者也有对应的倍率。

对于障碍物惩罚，根据无人车与障碍物的最近距离计算障碍物惩罚，根据无人车到最近的障碍物的距离+epsilon(0.01)的倒数来计算障碍物惩罚。无人车离障碍物越近，惩罚越大。

对于非自由空间惩罚，根据当前探索的点node与自由空间的距离计算非自由空间惩罚，自由空间是指类似小区门口的区域，一般是没有车道线的，在地图中会标注出某区域是否是自由空间。

对于左跨边界惩罚，根据当前探索的点node与其父节点parent(前一个点)组成的线段是否左跨lane boundary(车道边界)来施加惩罚。其中，node是指当前探索的点，parent是它的父节点，也就是它的前一个点，两个点的距离就是单步的步长。parent是存在每一个node的属性里的。车道边界是指的地图中的车道边界。左跨边界惩罚，首先找到当前行驶车道的左车道边界，找到该边界上距离node最近的线段；然后，判断线段终点到起点构成的向量与线段起点到node构成的向量的叉乘，与线段终点到起点构成的向量与线段起点到parent构成的向量的叉乘的正负关系；如果异号，说明跨了左边界。

根据本发明的实施例，第二搜索损耗H cost包括距离惩罚和角度惩罚。对于距离惩罚，根据当前探索的点node距目标区域的最近距离distance(若点在目标区域内部，则distance为0)进行惩罚。其中，node距目标区域的最近距离是：若node在目标区域里，则距离为0；若不在目标区域里，则距离为node到最近的边的距离。惩罚量就是距离的值，距离惩罚越大，越不会被选择。

对于角度惩罚，记当前探索的点node的角度与目标角度的差值为dTheta，根据dTheta/(distance+kMinDistance)计算角度惩罚，当前探索的点node距目标区域的距离越近，单位角度差值惩罚越大。dTheta在Δθ内时角度惩罚为0。上述计算角度惩罚的公式的目的就是指引路线的角度接近目标角度。dTheta越小越好，但当当前距离远时，这项的惩罚应较小，应以距离优先，因此分母中是distance，但为了避免distance为0，因此加一项kMinDistance(不为0)。

步骤S204：若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推所述目标顶点的父节点的方式得到中间节点，所述目标顶点的父节点为由起始点到所述目标顶点的路径中所述目标顶点的前一个顶点，所述起始点为无人车在所述坐标系中的位置。

步骤S205：将所述起始点、所述中间节点和所述目标顶点构成的路径作为规划路径。

根据本发明的实施例，所述路径搜索算法为混合A星算法，所述搜索结束条件包括：顶点在所述目标区域内，且当无人车达到所述顶点时的朝向在所述目标角度区间内。基于混合A星算法进行路径搜索的过程大致如下：

1、维护候选顶点集合open_list和关闭列表close_list；

2、把起始点加入open list；

3、重复如下过程：

(1)遍历open list，查找搜索损耗F值最小的顶点，把它作为当前要处理的节点A，并判断节点A是否满足搜索结束条件，若满足，则结束搜索，并将满足搜索条件的节点作为目标顶点；否则，执行下述步骤(2)和(3)；

(2)把这个节点A移到close list；

(3)按照一定步长，根据节点A分别向前后生成满足转弯半径的一定数量的后继顶点，对每个后继节点进行如下操作：若该后继节点在close list中，则无操作；否则，判断该后继节点是否在open list中，若在，则比较该后继节点与open list中其他顶点的搜索损耗,若该后继节点的搜索损耗更小，则更新该后继节点的父节点为节点A，并更新该后继节点的搜索损耗；若不在，则将该后继结点放入open list中，并记录该后继节点的父节点为节点A，更新该后继节点的搜索损耗；

4、搜索结束后，从目标顶点开始，反推父节点，直至起始点，得到规划路径。

根据本发明的其中一个实施例，在步骤S203每次从候选点集合中选取搜索损耗最小的顶点进行处理之前，还包括：判断所述目标区域是否可到达。若目标区域无法到达，则说明目标区域的选取有误，需要重新选取，从而避免浪费搜索时间。

根据本发明的一个实施例，在判断所述目标区域是否可到达时，具体可以通过以下方式进行：

将初始点与原点的距离作为第一距离，目标区域中的点距离原点的最大距离作为第二距离；

根据所述第一距离、所述第二距离和设定的倒车空间计算半径；

以所述原点为圆心，所述半径为半径画圆以得到搜索边界；

基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达。

其中，在根据所述第一距离、所述第二距离和设定的倒车空间计算半径时，可以是将所述第一距离与所述设定的倒车空间之和，与所述第二距离两者中的最大值作为半径。在本发明的一个实施例中，设定的倒车空间例如是5米。

根据本发明的另一个实施例，在基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达之前，还可以基于地图中的静态障碍物和不可跨越的边界对所述搜索边界进行修正以得到修正搜索边界；并且，在基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达时，是基于第一路径搜索算法和所述修正搜索边界判断所述目标区域是否可到达。第一路径搜索算法例如是BFS算法(Breadth-First-Search，广度优先算法)或DFS算法(Depth-First-Search，深度优先算法)等简单的路径搜索算法。若通过第一路径搜索算法可以搜索到目标区域，则说明目标区域是可到达的，否则即为不可到达。

图4是根据本发明实施例的无人车路径规划的装置的主要模块示意图。如图4所示，本发明实施例的无人车路径规划的装置400主要包括目标参数接收模块401、坐标系构建模块402、路径搜索模块403、路径节点确定模块404和路径生成模块405。

目标参数接收模块401，用于接收场景层选取的目标区域和目标角度区间；

坐标系构建模块402，用于以所述目标区域的中心作为原点构建坐标系；

路径搜索模块403，用于基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件，其中，所述候选顶点集合中每个顶点对应的搜索损耗是基于所述坐标系计算的；

路径节点确定模块404，用于若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推所述目标顶点的父节点的方式得到中间节点，所述目标顶点的父节点为由起始点到所述目标顶点的路径中所述目标顶点的前一个顶点，所述起始点为无人车在所述坐标系中的位置；

路径生成模块405，用于将所述起始点、所述中间节点和所述目标顶点构成的路径作为规划路径。

根据本发明的一个实施例，无人车路径规划的装置400还可以包括目标区域校验模块(图中未示出)，用于：在每次从候选点集合中选取搜索损耗最小的顶点进行处理之前，判断所述目标区域是否可到达。

根据本发明的另一个实施例，目标区域校验模块(图中未示出)还可以用于：

将初始点与原点的距离作为第一距离，目标区域中的点距离原点的最大距离作为第二距离；

根据所述第一距离、所述第二距离和设定的倒车空间计算半径；

以所述原点为圆心，所述半径为半径画圆以得到搜索边界；

基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达。

根据本发明的又一个实施例，目标区域校验模块(图中未示出)在根据所述第一距离、所述第二距离和设定的倒车空间计算半径时，还可以用于：

将所述第一距离与所述设定的倒车空间之和，与所述第二距离两者中的最大值作为半径。

根据本发明的又一个实施例，目标区域校验模块(图中未示出)在基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达之前，还可以用于：

基于地图中的静态障碍物和不可跨越的边界对所述搜索边界进行修正以得到修正搜索边界；

并且，目标区域校验模块(图中未示出)在基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达时，还可以用于：

基于第一路径搜索算法和所述修正搜索边界判断所述目标区域是否可到达。

根据本发明的又一个实施例，顶点对应的搜索损耗包括：

第一搜索损耗和第二搜索损耗，所述第一搜索损耗是基于设定的步长，每进行一次搜索所需要付出的代价，所述第二搜索损耗是顶点对应的距离和角度惩罚。

根据本发明的又一个实施例，所述第一搜索损耗包括单步惩罚、障碍物惩罚、非自由空间惩罚和左跨边界惩罚，其中，所述单步惩罚根据无人车转向、倒车、反向情况计算，所述障碍物惩罚根据无人车与障碍物的最近距离计算，所述非自由空间惩罚根据顶点与自由空间的距离计算，所述左跨边界惩罚根据顶点与所述顶点的父节点组成的线段是否左跨车道边界来计算；

所述第二搜索损耗包括距离惩罚和角度惩罚，其中，所述距离惩罚根据顶点距目标区域的最近距离进行计算，所述角度惩罚根据顶点的角度与目标角度之差与距离相除进行计算，所述目标角度为所述目标角度区间的中间值。

根据本发明的再一个实施例，所述路径搜索算法为混合A星算法，所述搜索结束条件包括：顶点在所述目标区域内，且当无人车达到所述顶点时的朝向在所述目标角度区间内。

根据本发明实施例的技术方案，通过接收场景层选取的目标区域和目标角度区间；以目标区域的中心作为原点构建坐标系；基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件；若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推目标顶点的父节点的方式得到中间节点，目标顶点的父节点为由起始点到目标顶点的路径中目标顶点的前一个顶点，起始点为无人车在所述坐标系中的位置；将起始点、中间节点和目标顶点构成的路径作为规划路径的技术方案，通过基于区域的自由空间算法来进行路径规划，可以避免场景层对目标点的选择不合适导致的路线诡异的问题，从根源上更接近人类驾驶员的思维方式，同时解决因步长很大，而导致的路径规划需要反复调整的问题。

图5示出了可以应用本发明实施例的无人车路径规划的方法或无人车路径规划的装置的示例性系统架构500。

如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种客户端应用，例如地图应用、导航应用、路径规划类应用、路径搜索类应用等(仅为示例)。

终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所发来的路径规划请求提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的场景层选取的目标区域和目标角度区间等数据进行以所述目标区域的中心作为原点构建坐标系；基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件，其中，所述候选顶点集合中每个顶点对应的搜索损耗是基于所述坐标系计算的；若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推所述目标顶点的父节点的方式得到中间节点，所述目标顶点的父节点为由起始点到所述目标顶点的路径中所述目标顶点的前一个顶点，所述起始点为无人车在所述坐标系中的位置；将所述起始点、所述中间节点和所述目标顶点构成的路径作为规划路径等处理，并将处理结果(例如规划路径--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的无人车路径规划的方法一般由服务器505执行，相应地，无人车路径规划的装置一般设置于服务器505中。

应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图6，其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统600的结构示意图。图6示出的终端设备或服务器仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括目标参数接收模块、坐标系构建模块、路径搜索模块、路径节点确定模块和路径生成模块。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，目标参数接收模块还可以被描述为“用于接收场景层选取的目标区域和目标角度区间的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：接收场景层选取的目标区域和目标角度区间；以所述目标区域的中心作为原点构建坐标系；基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件，其中，所述候选顶点集合中每个顶点对应的搜索损耗是基于所述坐标系计算的；若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推所述目标顶点的父节点的方式得到中间节点，所述目标顶点的父节点为由起始点到所述目标顶点的路径中所述目标顶点的前一个顶点，所述起始点为无人车在所述坐标系中的位置；将所述起始点、所述中间节点和所述目标顶点构成的路径作为规划路径。

根据本发明实施例的技术方案，通过接收场景层选取的目标区域和目标角度区间；以目标区域的中心作为原点构建坐标系；基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件；若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推目标顶点的父节点的方式得到中间节点，目标顶点的父节点为由起始点到目标顶点的路径中目标顶点的前一个顶点，起始点为无人车在所述坐标系中的位置；将起始点、中间节点和目标顶点构成的路径作为规划路径的技术方案，通过基于区域的自由空间算法来进行路径规划，可以避免场景层对目标点的选择不合适导致的路线诡异的问题，从根源上更接近人类驾驶员的思维方式，同时解决因步长很大，而导致的路径规划需要反复调整的问题。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (11)

1.一种无人车路径规划的方法，其特征在于，包括：

接收场景层选取的目标区域和目标角度区间；

以所述目标区域的中心作为原点构建坐标系；

基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件，其中，所述候选顶点集合中每个顶点对应的搜索损耗是基于所述坐标系计算的；

若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推所述目标顶点的父节点的方式得到中间节点，所述目标顶点的父节点为由起始点到所述目标顶点的路径中所述目标顶点的前一个顶点，所述起始点为无人车在所述坐标系中的位置；

将所述起始点、所述中间节点和所述目标顶点构成的路径作为规划路径。

2.根据权利要求1所述的方法，其特征在于，每次从候选点集合中选取搜索损耗最小的顶点进行处理之前，还包括：

判断所述目标区域是否可到达。

3.根据权利要求2所述的方法，其特征在于，判断所述目标区域是否可到达包括：

将初始点与原点的距离作为第一距离，目标区域中的点距离原点的最大距离作为第二距离；

根据所述第一距离、所述第二距离和设定的倒车空间计算半径；

以所述原点为圆心，所述半径为半径画圆以得到搜索边界；

基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达。

4.根据权利要求3所述的方法，其特征在于，根据所述第一距离、所述第二距离和设定的倒车空间计算半径包括：

将所述第一距离与所述设定的倒车空间之和，与所述第二距离两者中的最大值作为半径。

5.根据权利要求3所述的方法，其特征在于，基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达之前，还包括：

基于地图中的静态障碍物和不可跨越的边界对所述搜索边界进行修正以得到修正搜索边界；

并且，基于第一路径搜索算法和所述搜索边界判断所述目标区域是否可到达包括：

基于第一路径搜索算法和所述修正搜索边界判断所述目标区域是否可到达。

6.根据权利要求1所述的方法，其特征在于，顶点对应的搜索损耗包括：

第一搜索损耗和第二搜索损耗，所述第一搜索损耗是基于设定的步长，每进行一次搜索所需要付出的代价，所述第二搜索损耗是顶点对应的距离和角度惩罚。

7.根据权利要求6所述的方法，其特征在于，

所述第一搜索损耗包括单步惩罚、障碍物惩罚、非自由空间惩罚和左跨边界惩罚，其中，所述单步惩罚根据无人车转向、倒车、反向情况计算，所述障碍物惩罚根据无人车与障碍物的最近距离计算，所述非自由空间惩罚根据顶点与自由空间的距离计算，所述左跨边界惩罚根据顶点与所述顶点的父节点组成的线段是否左跨车道边界来计算；

所述第二搜索损耗包括距离惩罚和角度惩罚，其中，所述距离惩罚根据顶点距目标区域的最近距离进行计算，所述角度惩罚根据顶点的角度与目标角度之差与距离相除进行计算，所述目标角度为所述目标角度区间的中间值。

8.根据权利要求1所述的方法，其特征在于，所述路径搜索算法为混合A星算法，所述搜索结束条件包括：

顶点在所述目标区域内，且当无人车达到所述顶点时的朝向在所述目标角度区间内。

9.一种无人车路径规划的装置，其特征在于，包括：

目标参数接收模块，用于接收场景层选取的目标区域和目标角度区间；

坐标系构建模块，用于以所述目标区域的中心作为原点构建坐标系；

路径搜索模块，用于基于路径搜索算法，每次从候选顶点集合中选取搜索损耗最小的顶点进行处理，判断是否满足搜索结束条件，其中，所述候选顶点集合中每个顶点对应的搜索损耗是基于所述坐标系计算的；

路径节点确定模块，用于若满足搜索结束条件，则结束搜索，并基于该满足搜索结束条件的目标顶点，通过反推所述目标顶点的父节点的方式得到中间节点，所述目标顶点的父节点为由起始点到所述目标顶点的路径中所述目标顶点的前一个顶点，所述起始点为无人车在所述坐标系中的位置；

路径生成模块，用于将所述起始点、所述中间节点和所述目标顶点构成的路径作为规划路径。

10.一种无人车路径规划的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

11.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。

Images