CN116858258A - 路径规划方法及装置、计算机可读存储介质、终端、车辆 - Google Patents

Abstract

一种路径规划方法及装置、计算机可读存储介质、终端、车辆，所述方法包括：获取地图信息，所述地图信息包括起点信息和终点信息；根据所述地图信息，生成起点和终点之间的全局规划路径，其中，所述全局规划路径包括扩展边，所述扩展边的边起点和边终点在所述地图信息中不连通；在车辆按照所述全局规划路径行驶的过程中，若检测到车辆行驶至所述扩展边的边起点，则根据当前环境信息生成所述边起点和边终点之间的实时路径。本申请提供的方案有利于提高半结构化场景中路径规划的效率。

Description

路径规划方法及装置、计算机可读存储介质、终端、车辆

技术领域

本申请涉及数据处理技术领域，尤其涉及一种路径规划方法及装置、计算机可读存储介质、终端、车辆。

背景技术

在无人车路径规划模块，可以根据地图信息、定位信息、预测信息以及根据车辆当前的状态，在一定区域内搜索到一条由当前位置到目标终点的无碰撞的、安全可行的路径。

然而，现有的路径规划方法在半结构化道路的场景中仍然存在路径规划效率较低的问题。

发明内容

本申请解决的技术问题是如何提高半结构化场景中路径规划的效率。

有鉴于此，本申请实施例提供一种路径规划方法，所述方法包括：获取地图信息，所述地图信息包括起点信息和终点信息；根据所述地图信息，生成起点和终点之间的全局规划路径，其中，所述全局规划路径包括扩展边，所述扩展边的边起点和边终点在所述地图信息中不连通；在车辆按照所述全局规划路径行驶的过程中，若检测到车辆行驶至所述扩展边的边起点，则根据当前环境信息生成所述边起点和边终点之间的实时路径。

可选的，所述扩展边的边起点和所述边终点之间的距离小于或等于搜索半径。

可选的，所述边起点和所述边终点为所述地图信息中预先标注的车道节点，生成起点和终点之间的全局规划路径包括：确定所述边起点对应的第一位姿集合，所述第一位姿集合包括所述边起点的范围内多个采样点处的位姿；确定所述边终点对应的第二位姿集合，所述第二位姿集合包括所述边终点的范围内多个采样点处的位姿；遍历所述第一位姿集合和所述第二位姿集合，计算所述边起点和所述边终点之间的各条候选边以及各条所述候选边的边代价；选取所述边代价最小的候选边作为所述扩展边。

可选的，所述边代价根据所述候选边的长度、车辆在所述候选边上发生前进后退交替的次数以及车辆在所述边起点的姿态角和在所述边终点的姿态角之间的差异确定。

可选的，根据当前环境信息生成所述边起点和边终点之间的实时路径包括：采用混合A*算法，根据所述当前环境信息、所述边起点处的位姿和所述边终点处的位姿，生成所述实时路径。

可选的，所述方法还包括：若所述实时路径生成失败，则重规划所述边起点和所述终点之间的路径。

可选的，重规划所述边起点和所述终点之间的路径包括：在重规划过程中，判断搜索到的节点是否属于所述全局规划路径中的节点，以及搜索到的节点在所述全局规划路径中位于所述边起点之后；若判断结果为是，则复用所述全局规划路径中所述搜索到的节点与所述终点之间的路径。

可选的，生成起点和终点之间的全局规划路径包括：步骤一：分别在起点和终点各自所在的搜索范围内进行路径搜索，得到N个第一边和M个第二边，所述第一边的边起点为所述起点，所述第一边的边终点记为第一节点，所述第二边的边终点为所述终点，所述第二边的边起点记为第二节点；步骤二：将N个所述第一节点加入至正向开放列表，以及将M个所述第二节点加入至反向开放列表；步骤三：分别在所述正向开放列表和所述反向开放列表中进行遍历，确定当前正向节点以及当前反向节点；步骤四：分别针对所述当前正向节点和所述当前反向节点进行车道搜索，得到前向节点和后向节点，所述前向节点包括第一前向节点，所述后向节点包括第一后向节点，其中，所述第一前向节点和所述当前正向节点之间不连通，所述第一后向节点和所述当前反向节点之间不连通；步骤五：根据所述前向节点更新所述正向开放列表，以及根据所述后向节点更新所述反向开放列表；步骤六：判断所述正向开放列表和所述反向开放列表是否包含同一个节点，如果是，则生成所述全局规划路径，如果否，则返回至步骤三。

可选的，分别在起点和终点各自所在的搜索范围内进行路径搜索包括：在所述起点所在的搜索范围内进行车道搜索，得到所述N个第一节点；

确定所述第一节点对应的第三位姿集合，所述第三位姿集合包括所述第一节点的范围内多个采样点处的位姿；遍历所述第三位姿集合，确定所述起点和所述第一节点之间的第一边，所述第一边为所述起点和所述第三位姿集合中的各个采样点之间代价最小的边；和/或，在所述终点所在的搜索范围内进行车道搜索，得到所述M个第二节点；确定所述第二节点对应的第四位姿集合，所述第四位姿集合包括所述第二节点的范围内多个采样点处的位姿；遍历所述第四位姿集合，确定所述终点和所述第二节点之间的第二边，所述第二边为所述第四位姿集合中的各个采样点和所述终点之间代价最小的边。

可选的，所述前向节点还包括第二前向节点，所述第二前向节点和所述当前正向节点连通，所述后向节点还包括第二后向节点，所述第二后向节点和所述当前反向节点连通。

本申请实施例还提供一种路径规划装置，所述装置包括：获取模块，用于获取地图信息，所述地图信息包括起点信息和终点信息；全局规划模块，用于根据所述地图信息，生成起点和终点之间的全局规划路径，其中，所述全局规划路径包括扩展边，所述扩展边的边起点和边终点在所述地图信息中不连通；实时规划模块，用于在车辆按照所述全局规划路径行驶的过程中，若检测到车辆行驶至所述扩展边的边起点，则根据当前环境信息生成所述边起点和边终点之间的实时路径。

本申请实施例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运行时，执行上述的路径规划方法的步骤。

本申请实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述的路径规划方法的步骤。

本申请实施例还提供一种车辆，所述车辆包括上述的终端。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

在本申请实施例的方案中，根据地图信息生成起点和终点之间的全局规划路径，其中，全局规划路径包括扩展边，扩展边的边起点和边终点在地图信息中不连通。车辆按照全局规划路径行驶的过程中，若达到扩展边的边起点，则根据当前环境信息生成边起点和边终点之间的实时路径。由此，本申请实施例的方案中，一方面在生成全局规划路径中在不连通的两个节点之间创建扩展边，以对地图信息中的结构化道路信息进行补充，有利于快速地获得半结构化场景中的全局规划路径。另一方面，在实际行驶过程中，重新根据周围环境、障碍物等信息规划边起点和边终点之间的实时路径进行避障，从而能够得到安全可靠的路径。

进一步，本申请实施例中扩展边的边起点和所述边终点之间的距离小于或等于搜索半径，也即，仅在距离较近的不连通的节点之间创建扩展边。采用这样的方案，有利于扩展边的合理性，从而保证全局规划路径的合理性。

进一步，本申请实施例中，边代价根据候选边的长度、车辆在候选边上发生前进后退交替的次数以及车辆在边起点的姿态角和在边终点的姿态角之间的差异确定。采用这样的方案，能够准确地确定扩展边的边代价，从而保证全局规划路径的合理性。

进一步，本申请实施例的方案中，在重规划过程中，若搜索到的节点属于全局规划路径中的节点，且在全局规划路径中位于边起点之后，则复用全局规划路径中该搜索到的节点与终点之间的路径。采用这样的方案，有利于提高重规划路径的效率。

附图说明

图1是本申请实施例中一种路径规划方法的流程示意图；

图2是图1中步骤S12的一种具体实施方式的流程示意图；

图3是本申请实施例中一种路径规划装置的结构示意图。

具体实施方式

目前，在进行无人车路径规划的过程中，一般会根据道路环境信息的不同将路径规划的任务分为结构化道路上的路径规划和半结构化道路上的路径规划。结构化道路具有清晰的道路标志线，包括高速公路、城市主干道等；而半结构化道路的道路标志线不完整或者不清晰，往往指乡村街道、开放环境以及园区中的道路等。在半结构化道路上的无人驾驶汽车的行驶速度一般不高，但与高速结构化道路相比，半结构化道路的场景较为复杂，除了地图中车道信息不足，还常常会出现障碍物密集以及车辆可行驶范围狭窄等情况。在半结构化道路场景中，路径规划方法除了要考虑路径的可行性、安全性等因素，还需要考虑时间因素，需要在有限时间内快速地规划出一条合适的路径，以供下游控制模块进行后续任务的执行。

目前，基于拓扑结构的A*算法是全局路由信息搜索的主要方法之一，基于采样的混合A*算法是目前无人车半结构化规划的主要方法之一。但A*算法的搜索依赖于完整的车道数据，在园区等半结构化场景下，许多区域虽然没有车道线，但区域十分广阔可供车辆行驶，如果人工划定车道线不仅会花费大量人力，而且会增加车辆在这些非结构化场景中的行驶限制。

混合A*(Hybrid A*)算法改进了A*算法，搜索过程考虑了车辆的姿态角，搜索到的路径满足车辆动力学的约束。但混合A*算法的效果受制于分辨率，对于园区等半结构化场景，分辨率较大可能搜索不出结果，分辨率较小则会花费大量的时间搜索，同时也会占用巨大的计算资源，难以满足实时规划的需求。

有鉴于此，本申请实施例提供一种路径规划方法，在本申请实施例的方案中，根据地图信息生成起点和终点之间的全局规划路径，其中，全局规划路径包括扩展边，扩展边的边起点和边终点在地图信息中不连通。车辆按照全局规划路径行驶的过程中，若达到扩展边的边起点，则根据当前环境信息生成边起点和边终点之间的实时路径。由此，本申请实施例的方案中，一方面在生成全局规划路径中在不连通的两个节点之间创建扩展边，以对地图信息中的结构化道路信息进行补充，有利于快速地获得半结构化场景中的全局规划路径。另一方面，在实际行驶过程中，重新根据周围环境、障碍物等信息规划边起点和边终点之间的实时路径进行避障，从而能够得到安全可靠的路径。因此，本申请实施例提供的方案能够在复杂场景下的半结构化道路上快速规划出可靠的路径。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

参照图1，图1是本申请实施例中一种路径规划方法的流程示意图。图1示出的方法可以由应用于终端，所述终端可以是车载终端。具体的，可以由终端来执行，也可以由终端中具有数据处理功能的芯片执行，也可以由终端中包含有数据处理功能的芯片的芯片模组来执行。或者，在其他实施例中，图1示出的方法的至少一部分也可以由车载终端连接的云端服务器执行，例如，云端服务器可以执行图1中的步骤S11至步骤S12，车载终端可以从云端服务器获取全局规划路径，并执行步骤S13。下文主要以终端为执行主体为例进行描述。

图1示出的方法可以包括步骤S11至步骤S13。

步骤S11：获取地图信息，所述地图信息包括起点信息和终点信息；

步骤S12：根据所述地图信息，生成起点和终点之间的全局规划路径，其中，所述全局规划路径包括扩展边，所述扩展边的边起点和边终点在所述地图信息中不连通；

步骤S13：在车辆按照所述全局规划路径行驶的过程中，若检测到车辆行驶至所述扩展边的边起点，则根据当前环境信息生成所述边起点和边终点之间的实时路径。

在步骤S11中，可以获取目标区域的地图信息。本申请实施例的方案中，目标区域既包括结构化道路，也包括半结构化道路。示例性的，目标区域可以是园区、街道等，但并不限于此。

在具体实施中，地图信息可以包括起点信息和终点信息，其中，起点信息可以包括起点的位置以及车辆在起点处的位姿(记为起点位姿)，终点信息可以包括终点的位置以及车辆在终点处的位姿(记为终点位姿)。

需要说明的是，起点位姿可以是根据起点处的车道方向确定的，终点位姿可以是根据终点处的车道方向确定的。

进一步地，地图信息还可以包括目标区域内的结构化道路的信息。其中，本申请实施例中“结构化道路”也可以称为“车道”。

在本申请实施例的方案中，还可以预先将地图信息中的车道离散为节点，每个节点对应的一段车道(lane)。例如，每个节点所对应的车道长度可以是2m。

进一步地，地图信息还可以包括节点和节点之间的连通信息，连通信息可以用于描述两个节点之间是否连通。

其中，本申请实施例中的“连通”可以是指车辆能够直接到达，并不经过其他节点。例如，车辆能够通过直行、变道等操作直接到达。在其他实施例中，“连通”也可以描述为“直接可达”或者“相邻”等。

以节点A、节点B和节点C为例，假设节点A和节点B连通，节点B和节点C连通，节点A和节点C不连通，则说明车辆能够直行、变道等操作从节点A到达节点B，以及从节点B到达节点C，而车辆从节点A到节点C则需要经过节点B，节点A和节点C不连通。

在步骤S12中，可以根据地图信息进行全局路径规划，生成起点和终点之间的全局规划路径。其中，全局规划路径可以是包括多条边的路由，各条边的边起点和边终点均为节点。

本申请实施例的方案中，生成全局规划路径的过程中，不仅搜索与当前节点连通的节点，还搜索与当前节点不连通的节点，并在当前节点和不连通节点之间创建扩展边。由此，生成的全局规划路径不仅包括车道边，还包括扩展边。其中，车道边的边起点和边终点在地图信息中连通，也即，车道边对应目标区域中的结构化道路，扩展边的边起点和边终点在地图信息中不连通，扩展边对应目标区域中的半结构化道路。

此外，扩展边的边起点和边终点之间的距离小于或等于搜索半径。其中，搜索半径可以是预先设定的阈值。例如，搜索半径可以是20米。换言之，不连通且距离小于或等于搜索半径的两个节点之间有机会创建扩展边。采用这样的方案，通过限制扩展边的边起点和边终点之间的距离不超过搜索半径，有利于保证扩展边的合理性，从而保证全局规划路径的合理性。

下面对创建扩展边的具体步骤描述，创建扩展边的过程可以包括步骤A、步骤B和步骤C。

步骤A：可以确定边起点对应的第一位姿集合，以及确定边终点对应的第二位姿集合。其中，第一位姿集合可以包括边起点的范围内多个采样点处的位置，第二位姿集合可以包括边终点的范围内多个采样点处的位姿。

具体而言，如上文所述，节点对应一段车道，可以沿着边起点所对应的车道的中心线进行采样，得到边起点范围内的多个采样点，以及可以进一步确定各个采样点处的位姿。

类似的，可以沿着边终点所对应的车道的中心线进行采样，得到边终点范围内的多个采样点，以及可以进一步确定各个采样点处的位姿。

需要说明的是，本申请实施例中的位姿可以是指位置和姿态角，其中，姿态角可以根据车道线方向确定，位姿的确定可以是基于现有的方法确定的，本实施例对此并不进行限制。

步骤B：遍历第一位姿集合和第二位姿集合，计算边起点和边终点之间的各条候选边以及各条候选边的边代价。

在具体实施中，可以基于reeds-shepp曲线，根据第一位姿集合中的各个位姿和第二位姿集合中的各个位姿，计算边起点和边终点之间的多条候选边。

在其他实施例中，可以基于Dubins曲线、贝塞尔曲线等方式确定多条候选边。

需要说明的是，基于第一位姿集合和第二位姿集合确定多条候选边的方法可以是现有的方法，本实施例对此并不限制。

进一步地，可以计算各条候选边的边代价。其中，边代价可以根据候选边的长度、车辆在候选边上发生前进后退交替的次数以及车辆在边起点的姿态角与在边终点的姿态角之间的差异确定。

示例性的，边代价可以采用下式表示：

cost＝α₁×x+α₂×y+α₃×|θ-θ'|

其中，cost表示候选边的边代价，x表示候选边的长度，y表示车辆在候选边上发生前进后退交替的次数，θ表示车辆在候选边的边起点的姿态角，θ'表示车辆的候选边的边终点的姿态角，α₁、α₂、α₃分别为权重值。非限制性的，α₁>α₂，且，α₁>α₃。其中，车辆在候选边上发生前进后退交替的次数可以是基于候选边上的轨迹点的朝向变化来判定的，各个权重值可以是预先通过实验确定的，本申请实施例对于权重值的具体取值并不进行限制。

步骤C：选取边代价最小的候选边作为扩展边。

由此，本申请实施例中能够在全局规划路径生成的过程中创建扩展边，以对目标区域内的结构化道路进行补充，为车辆行驶路径提供更多可能，也有利于尽快搜索生成全局规划路径。

需要说明的是，上文仅就全局路径规划过程中扩展边的生成步骤进行具体描述，关于全局规划路径的生成的更多内容可以参见现有的路径规划算法，本实施例并不限制。

下面以双向A*算法为例对步骤S12进行非限制性的描述。

参照图2，图2是图1中步骤S12的一种具体实施方式的流程示意图。下面结合图2对步骤S12进行具体描述。

步骤S121：分别在起点和终点各自所在的搜索范围内进行路径搜索，得到N个第一边和M个第二边。

其中，第一边的边起点为所述起点，第二边的边终点为终点，为便于描述，下文将第一边的边终点记为第一节点，以及将第二边的边起点记为第二节点。

具体的，起点所在的搜索范围可以是以起点为圆心，设定距离为半径的圆。例如，设定距离可以是20米，但并不限于此。类似的，终点所在的搜索范围可以是以终点为圆心，设定距离为半径的圆。

进一步地，可以将起点所在的搜索范围内进行车道搜索，得到N个第一节点，以及在终点所在的搜索范围内进行车道搜索，得到M个第二节点，其中，N和M均为正整数。

进一步地，针对每个第一节点，确定该第一节点对应的第三位姿集合。其中，第三位姿集合可以包括该第一节点的范围内多个采样点处的位姿。遍历第三位姿集合，根据起点位姿确定起点和该第一节点之间的第一边，第一边为起点和第三位姿集合中的各个采样点之间代价最小的边。

具体的，可以采用混合A*算法在第三位姿集合中搜索出起点和各个第一节点范围内的各个采样点之间的边以及边代价，并选择代价最小的边作为起点和第一节点之间的第一边。由此，可以得到N条第一边。其中，每条第一边的边终点(也即，第一节点)的位姿可以选自第三位姿集合，可以记录第一节点处的位姿，以及第一节点对应的第一边的代价。

类似的，针对每个第二节点，确定该第二节点对应的第四位姿集合。其中，第四位姿集合可以包括该第二节点的范围内的多个采样点处的位姿。遍历第四位姿集合，根据终点位姿确定终点和该第二节点之间的第二边，第二边为终点和第四位姿集合中的各个采样点之间代价最小的边。

具体的，可以采用混合A*算法在第四位姿集合中搜索出终点和各个第二节点范围内的各个采样点之间的边以及边代价，并选择边代价最小的边作为终点和第二节点之间的第二边。由此，可以得到M条第二边。其中，每条第二边的边起点(也即，第二节点)的位姿可以选自第四位姿集合，可以记录第二节点处的位姿，以及第二节点对应的第二边的代价。

步骤S122：将N个第一节点加入至正向开放列表(open list)，以及将M个第二节点加入至反向开放列表。

在步骤S122中，还可以根据每个第一节点所在的第一边的代价，确定该第一节点的总代价。以及根据每个第二节点所在第二边的代价确定该第二边的总代价。具体的，第一节点的总代价可以是第一边的代价与第一节点到终点之间的预计代价之和，类似的，第二节点的总代价可以是第二边的代价与第二节点到起点之间的预计代价之和。

步骤S123：分别在正向开放列表和反向开放列表中进行遍历，确定当前正向节点以及当前反向节点。

一方面，可以在正向开放列表中进行遍历，确定当前正向节点；另一方面，在正向开放列表中进行遍历，确定当前反向节点。其中，当前正向节点为正向开放列表中总代价最小的节点，当前反向节点为反向开放列表中总代价最小的节点。

需要说明的是，不论是正向还是反向，在开放列表中进行遍历，确定当前节点的方法可以是相同的。

步骤S124：分别针对当前正向节点和当前反向节点进行车道搜索，得到前向节点和后向节点。

具体的，一方面，针对当前正向节点进行车道搜索，得到前向节点。其中，前向节点可以包括第二前向节点，第二前向节点和当前正向节点在地图信息中连通。此外，前向节点还可以包括第一前向节点，其中，第一前向节点和当前正向节点不连通，且第一前向节点和当前正向节点之间的距离小于或等于搜索半径。

换言之，在步骤S204中，在地图信息中查找与当前正向节点连通的节点，记为第二前向节点，以及查找与当前正向节点不连通但距离小于或等于搜索半径的节点，记为第一前向节点。

另一方面，采用相同的方法针对当前反向节点进行车道搜索，得到后向节点。其中，后向节点可以包括第二后向节点，第二后向节点和当前反向节点在地图信息中连通。此外，后向节点还可以包括第一后向节点，其中，第一后向节点和当前反向节点不连通，且第一后向节点和当前反向节点之间的距离小于或等于搜索半径。

换言之，在步骤S204中，在地图信息中查找与当前反向节点连通的节点，记为第二后向节点，以及查找与当前反向节点不连通但距离小于或等于搜索半径的节点，记为第一反向节点。

步骤S125：根据前向节点更新正向开放列表，以及根据后向节点更新反向开放列表。

具体的，针对每个前向节点，若该前向节点已经尚未处于正向开放列表中，则可以将该前向节点添加至正向开放列表中。

其中，在正向开放列表中添加前向节点时，还一并确定该前向节点的总代价。

具体的，可以采用下式计算第二前向节点的总代价：F2＝G2+H2，其中，F2表示第二前向节点的总代价，G2表示从起点移动至第二前向节点的移动代价，H2表示从第二前向节点移动至终点的预计代价。

在将第一前向节点添加至正向开放列表之前，可以先创建第一前向节点和当前正向节点之间的扩展边，并确定扩展边的边代价。关于创建扩展边以及扩展边的边代价的计算的具体内容可以参照上文的相关描述，在此不再赘述。

进一步地，可以根据扩展边的边代价，计算第一前向节点的总代价。具体的，可以采用下式计算第一前向节点的总代价：F1＝G1+H1+K，其中，F1表示第一前向节点的总代价，G1表示从起点移动至第一前向节点的移动代价，H1表示从第一前向节点移动至终点的预计代价，K表示第一前向节点和当前正向节点之间的扩展边的边代价。

进一步地，可以将第一前向节点添加至正向开放列表，并根据边代价确定第一前向节点的总代价。

类似的，可以采用相同的方法更新反向开放列表。

具体而言，针对每个后向节点，若该后向节点已经尚未处于正向开放列表中，则可以将该后向节点添加至正向开放列表中。

其中，在反向开放列表中添加后向节点时，还一并确定该后向节点的总代价。

具体的，可以采用下式计算第二后向节点的总代价：F2’＝G2’+H2’，其中，F2’表示第二后向节点的总代价，G2’表示从终点移动至第二后向节点的移动代价，H2’表示从第二后向节点移动至起点的预计代价。

在将第一后向节点添加至反向开放列表之前，可以先创建第一后向节点和当前反向节点之间的扩展边，并确定扩展边的边代价。关于创建扩展边以及扩展边的边代价的计算的具体内容可以参照上文的相关描述，在此不再赘述。

进一步地，可以根据扩展边的边代价，计算第一后向节点的总代价。具体的，可以采用下式计算第一后向节点的总代价：F1’＝G1’+H1’+K’，其中，F1’表示第一后向节点的总代价，G1’表示从终点移动至第一后向节点的移动代价，H1’表示从第一后向节点移动至起点的预计代价，K’表示第一后向节点和当前反向节点之间的扩展边的边代价。

进一步地，可以将第一后向节点添加至正向开放列表，并根据边代价确定第一后向节点的总代价。

此外，步骤S125中，还可以将当前正向节点移出正向开放列表，以及将当前反向节点移出反向开放列表。

步骤S126：判断正向开放列表和反向开放列表是否包含同一个节点。

如果步骤S126的判断结果为是，则可以执行步骤S127。如果步骤S126的判断结果为否，则可以返回至步骤S123。

步骤S127：生成全局规划路径。

由上，图2示出的方法可以基于双向A*算法生成全局规划路径，有利于提高全局规划路径内的生成效率。上文仅就本实施例中的步骤S12和现有的双向A*算法的不同之处，关于步骤S12的更多内容可以参照现有的双向A*算法，本实施例对此并不限制。

需要说明的是，在其他实施例中，也可以通过其他算法生成全局规划路径。

继续参照图1，在全局规划路径生成之后，车辆可以按照全局规划路径行驶。如上文所述，全局规划路径可以包括车道边和扩展边。

在步骤S13中，若检测到车辆行驶到车道边，则可以控制车辆沿全局规划路径中的车道边行驶。若检测到车辆行驶到扩展边，也即，车辆即将达到扩展边的边起点，则可以根据当前环境信息，生成边起点和边终点之间的实时路径。

也即，步骤S13中，当车辆沿着全局规划路径行驶过程中，每当检测到车辆的下一个节点为车道边的边起点，则可以按照全局规划路径中的车道边行驶。每当检测到车辆的下一个节点为某条扩展边的边起点，则可以根据当前环境信息生成该条扩展边的边起点和边终点之间的实时路径，并在该条扩展边的边起点和边终点之间按照实时路径行驶。

在具体实施中，采用混合A*算法，根据当前环境信息、扩展边的边起点处的位姿和当前扩展边的边终点处的位姿，生成边起点和边终点之间的实时路径。其中，当前环境信息可以用于描述当前车辆周围的环境，例如，当前环境信息可以包括障碍物信息等。

需要说明的是，采用混合A*算法，根据当前环境信息生成路径的具体过程可以参照现有的混合A*算法的内容，本实施例并不限制。

采用混合A*算法生成扩展边的边起点和边终点之间的实时路径，能够在半结构化场景下同时考虑车辆约束和障碍物的特点，有利于保证车辆行驶路径内的安全、可靠。

在具体实施中，若实时路径生成，则车辆可以按照实时路径，从扩展边的边起点行驶至边终点，在到达扩展边的边终点之后，可以重复执行步骤S13。

若实时路径生成失败，则可以触发路径重规划。具体的，若无法根据当前环境信息求解出扩展边的边起点和边终点之间的实时路径，则可以进行路径重规划。其中，重规划的路径是实时路径对应的扩展边的边起点和全局规划路径的终点之间的路径。

具体的，重规划路径仅根据结构化道路信息得到，也即，在重规划时不再创建扩展边。采用这样的方案，有利于保证重规划路径的成功率。

作为一种可能的实现方式，在重规划过程中，每当进行节点搜索之后，可以判断搜索到的任意一个节点是否属于全局规划路径中的节点，以及该节点在全局规划路径中位于实时路径对应的扩展边的边起点之后；若判断结果为是，则可以复用全局规划路径中该节点与全局规划路径的终点之间的路径。

具体而言，假设步骤S13中扩展边L的边起点和边终点之间的实时路径规划失败，则重规划扩展边L的边起点(记为节点X)和全局规划路径的终点(记为节点D)之间的路径。

在重规划过程中，若搜索到的节点(记为节点Y)为全局规划路径上的节点，且在全局规划路径中节点Y位于节点X之后，则可以复用全局规划路径中节点Y和节点D之间的路径。

由此，重规划生成的路径可以包括节点X～节点Y之间的路径以及节点Y～节点D之间的路径，其中，节点X～节点Y之间的路径是重规划生成的，而节点Y～节点D之间的路径是原全局规划路径中的。

采用这样的方案，有利于提高重规划的效率。

需要说明的是，在其他实施例中，也可以采用现有的路径规划算法(如混合A*算法等)进行重规划，本实施例对此并不限制。

由上，本申请实施例的方案中，充分利用了半结构化场景的特点，对于范围较大、情况复杂的半结构场景，通过建立扩展边补充不完整的车道信息，并在车辆行驶到半结构化道路时结合当前环境信息生成实时路径，在提升了路径规划效率的同时，也保证了路径的合理性。

可以理解的是，在具体实施中，上述方法可以采用软件程序的方式实现，该软件程序运行于芯片或芯片模组内部集成的处理器中；或者，该方法可以采用硬件或者软硬结合的方式来实现，例如用专用的芯片或芯片模组来实现，或者，用专用的芯片或芯片模组结合软件程序来实现。

参照图3，图3是本申请实施例中一种路径规划装置的结构示意图。如图3所示，图3示出的装置可以包括：

获取模块31，用于获取地图信息，所述地图信息包括起点信息和终点信息；

全局规划模块32，用于根据所述地图信息，生成起点和终点之间的全局规划路径，其中，所述全局规划路径包括扩展边，所述扩展边的边起点和边终点在所述地图信息中不连通；

实时规划模块33，用于在车辆按照所述全局规划路径行驶的过程中，若检测到车辆行驶至所述扩展边的边起点，则根据当前环境信息生成所述边起点和边终点之间的实时路径。

关于本申请实施例中的路径规划装置的工作原理、工作方法和有益效果等更多内容，可以参照上文关于路径规划方法的相关描述，在此不再赘述。

本申请实施例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运行时，执行上述的路径规划方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。

本申请实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述的路径规划方法的步骤。所述终端包括但不限于手机、计算机、平板电脑等终端设备。

本申请实施例还提供一种车辆，所述车辆可以包括上述的终端。

应理解，本申请实施例中，所述处理器可以为中央处理单元(central processingunit，简称CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor，简称DSP)、专用集成电路(application specific integrated circuit，简称ASIC)、现成可编程门阵列(field programmable gate array，简称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该处理器也可以是任何常规的处理器等。

还应理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，简称ROM)、可编程只读存储器(programmable ROM，简称PROM)、可擦除可编程只读存储器(erasable PROM，简称EPROM)、电可擦除可编程只读存储器(electricallyEPROM，简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(random accessmemory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random access memory，简称RAM)可用，例如静态随机存取存储器(staticRAM，简称SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronousDRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，简称DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，简称ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，简称DR RAM)

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机程序可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机程序可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和系统，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的；例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。例如，对于应用于或集成于芯片的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于芯片模组的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片模组内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于终端的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于终端内同一组件(例如，芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于终端内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，表示前后关联对象是一种“或”的关系。

本申请实施例中出现的“多个”是指两个或两个以上。本申请实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本申请实施例的任何限制。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (14)

1.一种路径规划方法，其特征在于，所述方法包括：

获取地图信息，所述地图信息包括起点信息和终点信息；

根据所述地图信息，生成起点和终点之间的全局规划路径，其中，所述全局规划路径包括扩展边，所述扩展边的边起点和边终点在所述地图信息中不连通；

在车辆按照所述全局规划路径行驶的过程中，若检测到车辆行驶至所述扩展边的边起点，则根据当前环境信息生成所述边起点和边终点之间的实时路径。

2.根据权利要求1所述的路径规划方法，其特征在于，所述扩展边的边起点和所述边终点之间的距离小于或等于搜索半径。

3.根据权利要求1所述的路径规划方法，其特征在于，所述边起点和所述边终点为所述地图信息中预先标注的车道节点，生成起点和终点之间的全局规划路径包括：

确定所述边起点对应的第一位姿集合，所述第一位姿集合包括所述边起点的范围内多个采样点处的位姿；

确定所述边终点对应的第二位姿集合，所述第二位姿集合包括所述边终点的范围内多个采样点处的位姿；

遍历所述第一位姿集合和所述第二位姿集合，计算所述边起点和所述边终点之间的各条候选边以及各条所述候选边的边代价；

选取所述边代价最小的候选边作为所述扩展边。

4.根据权利要求3所述的路径规划方法，其特征在于，所述边代价根据所述候选边的长度、车辆在所述候选边上发生前进后退交替的次数以及车辆在所述边起点的姿态角和在所述边终点的姿态角之间的差异确定。

5.根据权利要求1所述的路径规划方法，其特征在于，根据当前环境信息生成所述边起点和边终点之间的实时路径包括：

采用混合A*算法，根据所述当前环境信息、所述边起点处的位姿和所述边终点处的位姿，生成所述实时路径。

6.根据权利要求5所述的路径规划方法，其特征在于，所述方法还包括：

若所述实时路径生成失败，则重规划所述边起点和所述终点之间的路径。

7.根据权利要求6所述的路径规划方法，其特征在于，重规划所述边起点和所述终点之间的路径包括：

在重规划过程中，判断搜索到的节点是否属于所述全局规划路径中的节点，以及搜索到的节点在所述全局规划路径中位于所述边起点之后；

若判断结果为是，则复用所述全局规划路径中所述搜索到的节点与所述终点之间的路径。

8.根据权利要求1所述的路径规划方法，其特征在于，生成起点和终点之间的全局规划路径包括：

步骤一：分别在起点和终点各自所在的搜索范围内进行路径搜索，得到N个第一边和M个第二边，所述第一边的边起点为所述起点，所述第一边的边终点记为第一节点，所述第二边的边终点为所述终点，所述第二边的边起点记为第二节点；

步骤二：将N个所述第一节点加入至正向开放列表，以及将M个所述第二节点加入至反向开放列表；

步骤三：分别在所述正向开放列表和所述反向开放列表中进行遍历，确定当前正向节点以及当前反向节点；

步骤四：分别针对所述当前正向节点和所述当前反向节点进行车道搜索，得到前向节点和后向节点，所述前向节点包括第一前向节点，所述后向节点包括第一后向节点，其中，所述第一前向节点和所述当前正向节点之间不连通，所述第一后向节点和所述当前反向节点之间不连通；

步骤五：根据所述前向节点更新所述正向开放列表，以及根据所述后向节点更新所述反向开放列表；

步骤六：判断所述正向开放列表和所述反向开放列表是否包含同一个节点，如果是，则生成所述全局规划路径，如果否，则返回至步骤三。

9.根据权利要求8所述的路径规划方法，其特征在于，分别在起点和终点各自所在的搜索范围内进行路径搜索包括：

在所述起点所在的搜索范围内进行车道搜索，得到所述N个第一节点；

确定所述第一节点对应的第三位姿集合，所述第三位姿集合包括所述第一节点的范围内多个采样点处的位姿；

遍历所述第三位姿集合，确定所述起点和所述第一节点之间的第一边，所述第一边为所述起点和所述第三位姿集合中的各个采样点之间代价最小的边；

和/或，

在所述终点所在的搜索范围内进行车道搜索，得到所述M个第二节点；

确定所述第二节点对应的第四位姿集合，所述第四位姿集合包括所述第二节点的范围内多个采样点处的位姿；

遍历所述第四位姿集合，确定所述终点和所述第二节点之间的第二边，所述第二边为所述第四位姿集合中的各个采样点和所述终点之间代价最小的边。

10.根据权利要求8所述的路径规划方法，其特征在于，所述前向节点还包括第二前向节点，所述第二前向节点和所述当前正向节点连通，所述后向节点还包括第二后向节点，所述第二后向节点和所述当前反向节点连通。

11.一种路径规划装置，其特征在于，所述装置包括：

获取模块，用于获取地图信息，所述地图信息包括起点信息和终点信息；全局规划模块，用于根据所述地图信息，生成起点和终点之间的全局规划路径，其中，所述全局规划路径包括扩展边，所述扩展边的边起点和边终点在所述地图信息中不连通；

实时规划模块，用于在车辆按照所述全局规划路径行驶的过程中，若检测到车辆行驶至所述扩展边的边起点，则根据当前环境信息生成所述边起点和边终点之间的实时路径。

12.一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运行时，执行权利要求1至10中任一项所述的路径规划方法的步骤。

13.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至10中任一项所述的路径规划方法的步骤。

14.一种车辆，其特征在于，所述车辆包括权利要求13所述的终端。