CN115357034A - 基于智慧交通的无人驾驶矿车转向控制方法 - Google Patents

Abstract

本发明涉及道路车辆驾驶控制系统领域，具体涉及一种基于智慧交通的无人驾驶矿车转向控制方法，包括：获取无人驾驶矿车的设计路径；利用无人驾驶矿车的点云数据判断该无人驾驶矿车是否处于避障状态；当无人驾驶矿车处于避障状态时，获取无人驾驶矿车的避障路径起始点和避障路径目标点；利用无人驾驶矿车的避障路径起始点和避障路径目标点，得到避障路径目标点的优选度；获取最优避障路径目标点，利用纯跟踪算法、避障路径起始点、最优避障路径目标点得到无人驾驶矿车的避障路径；根据避障路径控制无人驾驶矿车的转向，通过具有障碍物的路径。上述方法用于控制无人驾驶矿车的转向，可提高转向实时性和稳定性。

Description

基于智慧交通的无人驾驶矿车转向控制方法

技术领域

本发明涉及道路车辆驾驶控制系统领域，具体涉及一种基于智慧交通的无人驾驶矿车转向控制方法。

背景技术

随着自动驾驶的快速发展，无人驾驶项目被应用在各行各业中。其中，露天矿场生产中繁重、重复、高危的煤矿石运输任务为无人驾驶项目提供了近乎完美的应用场景。在露天矿场中，由于煤矿石的产量与发电量挂钩，其生产是持续不停的，这就导致传统的通过人工驾驶大型运输矿车来完成煤矿运输任务时，经常会因为驾驶员疲劳以及精神状态不佳出现运输事故，造成大量的经济损失，而煤矿运输任务的高危性也导致人力资源稀缺，越来越多的司机不愿意进行这种高危险、高重复性的运输任务，因此实现矿车的无人驾驶是保证露天煤矿的煤矿运输任务按时完成的有效解决办法。但无人驾驶应用在露天矿场场景中时，由于矿场环境复杂，在检测到障碍物时可能出现控制指令发出不及时，进而导致无人驾驶矿车发生较大幅度转向而导致运输事故，因此解决矿场场景中无人驾驶矿车转向控制实时性以及稳定性的问题是安全地实现矿车无人驾驶的重要步骤。

为了解决上述问题，现有矿场无人驾驶技术利用构建云计算平台的方法进行矿场运输路径的设置：采集矿场环境信息和道路信息，利用深度学习模型对采集的信息进行处理，计算得到无人驾驶矿车的最佳行驶路径，无人驾驶矿车按照设置好的最佳行驶路径进行行驶。

然而，现有的矿场无人驾驶技术是对每个无人驾驶矿车的最佳行驶路径提前设置好，当遇到突发状况时，无人驾驶矿车未能提前规划避障路径，容易导致无人驾驶矿车转向角度太大，进而使得无人驾驶矿车的转向稳定性下降，容易造成运输事故。同时，利用云计算平台进行矿车的整体控制依赖较高速度的数据传输网络，而矿场往往无法搭建高速网络，从而导致无人驾驶矿车转向控制实时性无法得到保证。

发明内容

本发明提供一种基于智慧交通的无人驾驶矿车转向控制方法，以解决现有的无人驾驶矿车转向控制方法实时性和稳定性差的问题。

为达到上述目的，本发明采用如下技术方案，一种基于智慧交通的无人驾驶矿车转向控制方法：

获取每辆无人驾驶矿车在运输道路上的每一时刻的点云数据，利用每辆无人驾驶矿车在运输道路上的每一时刻的点云数据判断该无人驾驶矿车在每一时刻是否处于避障状态；

当无人驾驶矿车在某一时刻处于避障状态时，则将无人驾驶矿车在此刻所处点作为避障路径起始点；

过障碍物覆盖的设计路径点作设计路径的切线的法线，将法线上未被障碍物覆盖的每个点作为避障路径目标点；

利用每个避障路径目标点沿着法线方向与运输道路边缘的最短距离和障碍物边缘的最短距离及每个避障路径目标点和避障路径起始点的连线与无人驾驶矿车的车头朝向的归一化夹角，得到每个避障路径目标点的优选度；

将最大优选度对应的避障路径目标点作为最优避障路径目标点，根据避障路径起始点和最优避障路径目标点得到无人驾驶矿车的避障路径；

根据得到的避障路径对无人驾驶矿车在经过障碍物时的转向进行控制。

所述一种基于智慧交通的无人驾驶矿车转向控制方法，还包括：

当第一辆无人驾驶矿车遇到障碍物时，将其得到的避障路径中的避障路径起始点发送给后面的其他无人驾驶矿车，后面的其他无人驾驶矿车判断是否需要对当其到达与第一辆无人驾驶矿车同一障碍物时的避障路径中的避障路径起始点进行更新；

当后面的其他无人驾驶矿车不需要对避障路径起始点进行更新时，将第一辆无人驾驶矿车的避障路径作为该无人驾驶矿车的避障路径；

当后面的其他无人驾驶矿车需要对避障路径起始点进行更新时，获得该无人驾驶矿车更新后的避障路径起始点；

根据避障路径起始点和最优避障路径目标点得到无人驾驶矿车的避障路径，根据得到的避障路径对无人驾驶矿车在经过障碍物时的转向进行控制。

所述一种基于智慧交通的无人驾驶矿车转向控制方法，所述获得该无人驾驶矿车更新后的避障路径起始点的方法为：

当后面的其他无人驾驶矿车需要对避障路径起始点进行更新时，则将第一辆无人驾驶矿车的避障路径起始点作为后面的其他无人驾驶矿车的避障路径目标点，将后面的其他无人驾驶矿车在此刻所处的设计路径点作为后面的其他无人驾驶矿车更新后的避障路径起始点。

所述一种基于智慧交通的无人驾驶矿车转向控制方法，所述后面的其他无人驾驶矿车是否需要对当其到达与第一辆无人驾驶矿车同一障碍物时的避障路径中的避障路径起始点进行更新的判断方法为：

对后面的其他无人驾驶矿车每一时刻的点云数据中能否识别到第一辆无人驾驶矿车的避障路径起始点进行判断：

当后面的其他无人驾驶矿车每一时刻的点云数据中识别到第一辆无人驾驶矿车的避障路径起始点时，则对第一辆无人驾驶矿车的障碍识别范围和后面的其他无人驾驶矿车的障碍识别范围进行比较：

当后面的其他无人驾驶矿车的障碍识别范围小于等于第一辆无人驾驶矿车的障碍识别范围时，则判断后面的其他无人驾驶矿车需要对当其到达与第一辆无人驾驶矿车同一障碍物时的避障路径中的避障路径起始点进行更新。

所述一种基于智慧交通的无人驾驶矿车转向控制方法，所述设计路径是按照如下方式获取：

利用智慧交通系统获取矿场上的运输道路信息；

利用运输道路信息提取运输道路的中轴线；

设置距离阈值，从中轴线中选取间隔为距离阈值的点作为设计路径点；

将设计路径点构成的路径作为每辆无人驾驶矿车的设计路径。

所述一种基于智慧交通的无人驾驶矿车转向控制方法，所述判断该无人驾驶矿车在每一时刻是否处于避障状态的方法为：

将每辆无人驾驶矿车每一时刻的点云数据中的地面数据进行去除，得到每一时刻剩余的点云数据；

利用凸包算法获取每一时刻剩余的点云数据的外包围框；

对每一时刻剩余的点云数据的外包围框进行判断：

当剩余点云数据的外包围框的高度小于等于无人驾驶矿车的高度时，则判断该无人驾驶矿车在此刻处于正常状态；

当剩余的点云数据的外包围框的高度大于无人驾驶矿车的高度时，则判断该无人驾驶矿车在此刻进入避障状态。

所述一种基于智慧交通的无人驾驶矿车转向控制方法，所述避障路径目标点是按照如下方式得到：

获取障碍物覆盖的所有设计路径点，将障碍物覆盖的所有设计路径点中距离避障路径起始点最近的设计路径点作为第一设计路径点；

过第一设计路径点作设计路径的切线的法线，将该法线作为第一法线；

将第一法线上未被障碍物覆盖的每个点作为避障路径目标点，将任意避障路径目标点作为第一避障路径目标点。

所述一种基于智慧交通的无人驾驶矿车转向控制方法，所述每个避障路径目标点的优选度是按照如下方式得到：

计算第一避障路径目标点沿着第一法线方向与运输道路边缘的最短距离；

计算第一避障路径目标点沿着第一法线方向与障碍物边缘的最短距离；

获取第一避障路径目标点与避障路径起始点的连线与无人驾驶矿车的车头朝向的夹角；

对第一避障路径目标点与避障路径起始点的连线与无人驾驶矿车的车头朝向的夹角进行归一化，得到第一避障路径目标点与避障路径起始点的连线与无人驾驶矿车的车头朝向的归一化夹角；

利用第一避障路径目标点沿着第一法线方向与运输道路边缘的最短距离、第一避障路径目标点沿着第一法线方向与障碍物边缘的最短距离、第一避障路径目标点与避障路径起始点的连线与无人驾驶矿车的车头朝向的归一化夹角，计算得到第一避障路径目标点的优选度；

按照得到第一避障路径目标点的优选度的方法得到每个避障路径目标点的优选度。

本发明的有益效果是：本发明首先判断行进中的无人驾驶矿车的状态，利用避障状态下无人驾驶矿车的理想运输路径点和避障路径目标点之间的位置关系，对避障状态下无人驾驶矿车的理想路径进行更新，可实现自适应构建避障路径，从而有效提高无人驾驶矿车转向控制的实时性。本发明无需进行云平台的设定，只需要根据前车的历史行进数据对后车的行进路径进行更新，使得后车在避障之前及时调整转向状态，可提高无人驾驶矿车转向控制的安全性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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得其他的附图。

图1为本发明实施例提供的一种基于智慧交通的无人驾驶矿车转向控制方法流程示意图；

图2为本发明实施例提供的一种避障状态示意图；

图3为本发明实施例提供的一种避障路径目标点示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种基于智慧交通的无人驾驶矿车转向控制方法的实施例，如图1所示，包括：

S1：获取每辆无人驾驶矿车的理想运输路径。

利用智慧交通系统获取矿场上的运输道路信息，并通过运输道路信息提取出运输道路各位置的中轴线，将运输道路中轴线作为理想运输路径，这是因为在理想状态下，运输道路若不存在障碍的情况下，沿着运输道路的中轴线进行行驶是最安全的。因此以运输道路中轴线上的点构成的路径作为理想运输路径，选取路径点的间隔可根据具体实施情况进行自主调节，本实施例推荐为间隔一米进行理想运输路径点的选取，以这些从运输道路各处中轴线选取的路径点构成理想运输路径。

S2：获取每辆无人驾驶矿车在运输道路上的每一时刻的点云数据。

对于在矿场中执行运输任务的无人驾驶矿车，由于矿场是24小时不间断生产的，且无论什么时候均存在着一个运输队列，也即在无人驾驶矿车系统初次在矿场上进行落地时，初始路径是获取的理想运输路径，而在无人驾驶矿车运输队列行进在运输路径上时，将第n个行驶在路径上的矿车编号记为n。此处序号表示的含义是行进顺序，也即编号为1的无人驾驶矿车是第一个行进在运输路径上的矿车。

获取每个行进在运输道路上的无人驾驶矿车上的毫米波雷达采集的点云数据，并利用这个点云数据进行障碍物的识别。

S3：利用每辆无人驾驶矿车在运输道路上的每一时刻的点云数据判断该无人驾驶矿车在每一时刻是否处于避障状态。

利用ransac算法将各无人驾驶矿车获取的点云数据中的地面数据去除，利用凸包算法获取剩下的点云数据的外包围框，若在三维空间中获得的是外包围的三维长方体。根据矿车型号判断所有获取的三维长方体包围框是否为障碍物，也即高于车轮且处在道路中的长方体判断其为障碍物。

则对于障碍物而言，当一个无人驾驶矿车识别出障碍物存在时，此时刻无人驾驶矿车所处的路径点与障碍物之间的路径点个数作为此时刻该矿车的障碍识别范围。而当矿车识别到障碍物时即判定此时刻矿车进入避障状态。

S4：得到每辆无人驾驶矿车的实际运输路径。

现有的无人驾驶矿车的转向控制依赖路径的规划，本实施例采用纯跟踪算法来实现无人驾驶矿车的转向控制，而纯跟踪算法依赖良好的目标路径点的更新，也即良好的路径规划，因此以理想运输路径为初始路径，根据每辆无人驾驶矿车在路径上实际的行进过程对运输路径进行更新。

对于一个运输路径来说，当没有无人驾驶矿车在其上行驶时，其不会被更新，而当编号为1的矿车行驶在其上时，根据编号为1的矿车行驶时识别的障碍物以及避障路径可以对理想的运输路径进行更新，而在编号为1的矿车行驶在运输路径上时，编号为2的无人驾驶矿车会在编号为1的矿车之后继续更新运输路径，也即每个无人驾驶矿车行进在运输道路上时均在对理想路径进行更新，则基于上述逻辑，根据各编号矿车的障碍识别范围进行避障路径的更新，方式如下：

对于编号为n的无人驾驶矿车，其更新避障路径的过程如下：

当无人驾驶矿车在某一时刻处于正常状态时，则无人驾驶矿车按照该无人驾驶矿车的理想运输路径继续行进。当无人驾驶矿车在某一时刻处于避障状态时，则将无人驾驶矿车在此刻所处的理想运输路径点作为避障路径起始点。

当编号为n的无人驾驶矿车进入避障状态时，根据此时刻获取的点云数据，可获取障碍物的范围，障碍物会将理想路径上的目标路径点覆盖，而此时就需要寻找新的目标路径点，这个新的目标路径点应处在原来理想路径上的目标路径点的路径切线的法线上，如图2所示：图中最细的虚线为各理想运输路径点的路径切线的法线，较粗的虚线为运输道路的理想路径，而最粗的虚线为被障碍物遮挡的路径切线的法线，这个最粗的虚线被分成了两个部分，这两个部分就是新的避障路径点的选择范围，在编号为n的无人驾驶矿车识别到障碍物存在时，将其所处的原始的理想路径的路径点重新标记为避障路径起始点，并同时标记此时刻无人驾驶矿车的障碍识别范围，这个范围既是避障路径起始点与障碍物之间所有理想运输路径点的个数。

所述避障路径就是当无人驾驶矿车处于避障状态时，矿车从所处的避障路径起始点出发并从避障路径点选择范围中选取一个最优避障路径目标点。而避障路径目标点的优选度Y计算方式如下：

其中，

为避障路径目标点和避障路径起始点的连线与无人驾驶矿车车头朝向的归一化夹角。其中无人驾驶矿车车头朝向指的是前后轮轴中心点连线方向，归一化夹角的范围为0-π，所以根据归一化夹角的取值范围对其进行归一化。

、

分别表示避障路径目标点距离沿着其所处法线到道路边缘以及障碍物边缘的距离。

表示待选的避障路径目标点的距离障碍物的安全性，越大越安全，

表示其进行转向的安全性，也即

越小，转向安全性越高，而上述二者进行综合评价时，需要进行权重的设定，也即

越大，越应该关注转向安全性，反之

越小，越应该关注距离障碍物的安全性，因此，优选度计算完毕，优选度为一个0-1之间的数，其越大说明这个待选避障路径目标点越应该进行优先选择。

根据避障路径目标点优选度的计算，计算避障路径点选择范围内所有的避障路径点的优选度，选择其中最大的一个避障路径目标点作为无人驾驶矿车行进时的目标点，利用纯跟踪算法调节矿车的转向，使无人驾驶矿车行进到最优避障路径目标点。

当矿车行进到这个避障路径目标点时，以同样的方式，再判断一次矿车是否处在避障状态，也即前方仍为避障路径点选择范围，如图3所示：每次选择中均会存在最优的避障路径目标点，直到矿车不再处于避障状态时，记录此时刻的路径点为避障结束点，则一个矿车从开始避障到结束避障，分别对应着起始点以及结束点。其中，起始点以及结束点均为理想运输路径上的点，但是二者中间的理想运输路径被避障路径替换了。因此当一个无人驾驶矿车从进入避障状态到结束避障状态后，可对理想运输路径进行一次更新。

根据更新后的避障路径重新判断后续经过该段避障路径的无人驾驶矿车是否进入避障状态。

一个无人驾驶矿车在进行避障后，可对理想路径进行更新，而实际上，编号为n的矿车在理想路径上行进时，其遇到的所有障碍都需要其进行避障路径的获取，编号为2的矿车实际上在行进的过程中，遇到的所有障碍均会存在一个编号1矿车已经选取过的避障路径。则编号为2的矿车更新的理想路径实际上是经过编号1矿车更新过的理想路径，则编号2对编号1矿车更新过的理想路径进行再次更新的方式如下：

需要说明的是，当编号为1的矿车在确定了避障路径起始点后，会将避障路径起始点在理想运输路径上的位置信息传输给编号为2的矿车。

编号为1的矿车更新后的理想路径存在着两种路径点，一种为原始的理想运输路径点，一种为避障路径点。则对于编号为2的矿车来说，当其障碍识别范围内出现编号为1的矿车的避障路径起始点时，进行其是否进入避障状态的判断，方式如下：

当编号为2的无人驾驶矿车在运输道路上的每一时刻的点云数据中未识别到编号为1的无人驾驶矿车的避障路径起始点时，则编号为2的无人驾驶矿车按照该无人驾驶矿车的理想运输路径继续行进。

当编号为2的无人驾驶矿车在运输道路上的每一时刻的点云数据中识别到编号为1的无人驾驶矿车的避障路径起始点时，则进行如下操作：

将此避障路径起始点视为障碍物，先对此时刻编号为2的矿车的障碍识别范围与编号为1的矿车在此避障路径起始点时的障碍识别范围进行比较：

若编号为2的矿车的障碍识别范围大于编号为1的矿车的障碍识别范围，则说明此时刻编号为2的矿车具有更加良好的障碍识别范围，因此令编号为2的矿车继续按照此时刻的理想路径行进，直到其识别到实际的障碍物，按照得到编号为1的无人驾驶矿车的避障路径的方法得到编号为2的无人驾驶矿车的避障路径。

若编号为2的矿车的障碍识别范围小于等于编号为1的矿车的障碍识别范围，则说明此时刻编号为2的矿车的障碍识别范围不如编号为1的矿车，因此就需要编号为2的矿车利用编号为1的矿车的避障经验，也即此时刻令编号为2的矿车将编号为1的矿车的避障起始点直接视为目标点，将此时刻编号为2的矿车所在位置设为新的避障起始点，即编号为1的矿车的避障起始点直接视为目标点后将其并入到新的避障起始点所包含的避障路径中，而将二者之间的所有原始路径点剔除，这样就使得更新后的运输路径上的路径点变少了，路径点之间的距离变长了，使纯跟踪算法进行路径跟踪的稳定性大大提高，目标点选择越远，转向稳定性越高。

根据更新完毕的运输路径进行无人驾驶矿车的转向控制。

经上述方式，得到后续编号为n的矿车的避障路径，至此，对于一个后续执行运输任务的无人驾驶矿车，利用更新完毕的运输路径作为目标路径，进行纯跟踪算法的路径跟踪，实现无人驾驶矿车的转向控制。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于智慧交通的无人驾驶矿车转向控制方法，其特征在于，包括：

获取每辆无人驾驶矿车在运输道路上的每一时刻的点云数据，利用每辆无人驾驶矿车在运输道路上的每一时刻的点云数据判断该无人驾驶矿车在每一时刻是否处于避障状态；

当无人驾驶矿车在某一时刻处于避障状态时，则将无人驾驶矿车在此刻所处点作为避障路径起始点；

过障碍物覆盖的设计路径点作设计路径的切线的法线，将法线上未被障碍物覆盖的每个点作为避障路径目标点；

利用每个避障路径目标点沿着法线方向与运输道路边缘的最短距离和障碍物边缘的最短距离及每个避障路径目标点和避障路径起始点的连线与无人驾驶矿车的车头朝向的归一化夹角，得到每个避障路径目标点的优选度；

将最大优选度对应的避障路径目标点作为最优避障路径目标点，根据避障路径起始点和最优避障路径目标点得到无人驾驶矿车的避障路径；

根据得到的避障路径对无人驾驶矿车在经过障碍物时的转向进行控制。

2.根据权利要求1所述的一种基于智慧交通的无人驾驶矿车转向控制方法，其特征在于，还包括：

当第一辆无人驾驶矿车遇到障碍物时，将其得到的避障路径中的避障路径起始点发送给后面的其他无人驾驶矿车，后面的其他无人驾驶矿车判断是否需要对当其到达与第一辆无人驾驶矿车同一障碍物时的避障路径中的避障路径起始点进行更新；

当后面的其他无人驾驶矿车不需要对避障路径起始点进行更新时，将第一辆无人驾驶矿车的避障路径作为该无人驾驶矿车的避障路径；

当后面的其他无人驾驶矿车需要对避障路径起始点进行更新时，获得该无人驾驶矿车更新后的避障路径起始点；

根据避障路径起始点和最优避障路径目标点得到无人驾驶矿车的避障路径，根据得到的避障路径对无人驾驶矿车在经过障碍物时的转向进行控制。

3.根据权利要求2所述的一种基于智慧交通的无人驾驶矿车转向控制方法，其特征在于，所述获得该无人驾驶矿车更新后的避障路径起始点的方法为：

当后面的其他无人驾驶矿车需要对避障路径起始点进行更新时，则将第一辆无人驾驶矿车的避障路径起始点作为后面的其他无人驾驶矿车的避障路径目标点，将后面的其他无人驾驶矿车在此刻所处的设计路径点作为后面的其他无人驾驶矿车更新后的避障路径起始点。

4.根据权利要求2所述的一种基于智慧交通的无人驾驶矿车转向控制方法，其特征在于，所述后面的其他无人驾驶矿车判断是否需要对当其到达与第一辆无人驾驶矿车同一障碍物时的避障路径中的避障路径起始点进行更新的判断方法为：

对后面的其他无人驾驶矿车每一时刻的点云数据中能否识别到第一辆无人驾驶矿车的避障路径起始点进行判断：

当后面的其他无人驾驶矿车每一时刻的点云数据中识别到第一辆无人驾驶矿车的避障路径起始点时，则对第一辆无人驾驶矿车的障碍识别范围和后面的其他无人驾驶矿车的障碍识别范围进行比较：

当后面的其他无人驾驶矿车的障碍识别范围小于等于第一辆无人驾驶矿车的障碍识别范围时，则判断后面的其他无人驾驶矿车需要对当其到达与第一辆无人驾驶矿车同一障碍物时的避障路径中的避障路径起始点进行更新。

5.根据权利要求1所述的一种基于智慧交通的无人驾驶矿车转向控制方法，其特征在于，所述设计路径是按照如下方式获取：

利用智慧交通系统获取矿场上的运输道路信息；

利用运输道路信息提取运输道路的中轴线；

设置距离阈值，从中轴线中选取间隔为距离阈值的点作为设计路径点；

将设计路径点构成的路径作为每辆无人驾驶矿车的设计路径。

6.根据权利要求1所述的一种基于智慧交通的无人驾驶矿车转向控制方法，其特征在于，所述判断该无人驾驶矿车在每一时刻是否处于避障状态的方法为：

将每辆无人驾驶矿车每一时刻的点云数据中的地面数据进行去除，得到每一时刻剩余的点云数据；

利用凸包算法获取每一时刻剩余的点云数据的外包围框；

对每一时刻剩余的点云数据的外包围框进行判断：

当剩余点云数据的外包围框的高度小于等于无人驾驶矿车的高度时，则判断该无人驾驶矿车在此刻处于正常状态；

当剩余的点云数据的外包围框的高度大于无人驾驶矿车的高度时，则判断该无人驾驶矿车在此刻进入避障状态。

7.根据权利要求1所述的一种基于智慧交通的无人驾驶矿车转向控制方法，其特征在于，所述避障路径目标点是按照如下方式得到：

获取障碍物覆盖的所有设计路径点，将障碍物覆盖的所有设计路径点中距离避障路径起始点最近的设计路径点作为第一设计路径点；

过第一设计路径点作设计路径的切线的法线，将该法线作为第一法线；

将第一法线上未被障碍物覆盖的每个点作为避障路径目标点，将任意避障路径目标点作为第一避障路径目标点。

8.根据权利要求7所述的一种基于智慧交通的无人驾驶矿车转向控制方法，其特征在于，所述每个避障路径目标点的优选度是按照如下方式得到：

计算第一避障路径目标点沿着第一法线方向与运输道路边缘的最短距离；

计算第一避障路径目标点沿着第一法线方向与障碍物边缘的最短距离；

获取第一避障路径目标点与避障路径起始点的连线与无人驾驶矿车的车头朝向的夹角；

对第一避障路径目标点与避障路径起始点的连线与无人驾驶矿车的车头朝向的夹角进行归一化，得到第一避障路径目标点与避障路径起始点的连线与无人驾驶矿车的车头朝向的归一化夹角；

利用第一避障路径目标点沿着第一法线方向与运输道路边缘的最短距离、第一避障路径目标点沿着第一法线方向与障碍物边缘的最短距离、第一避障路径目标点与避障路径起始点的连线与无人驾驶矿车的车头朝向的归一化夹角，计算得到第一避障路径目标点的优选度；

按照得到第一避障路径目标点的优选度的方法得到每个避障路径目标点的优选度。

Images