CN116859943A - 一种无人驾驶环卫车的实时路径规划方法及装置 - Google Patents

Abstract

本申请公开了一种无人驾驶环卫车的实时路径规划方法及装置，方法包括：依据历史数据确定用于贴边清扫的贴边全局路径；无人驾驶环卫车处于贴边清扫模式时，实时检测无人驾驶环卫车右侧道路的路沿，并判断是否检测到了路沿；若是，则实时规划贴边局部路径并控制无人驾驶环卫车按照贴边局部路径行驶；否则，控制无人驾驶环卫车按照贴边全局路径行驶。本申请设置了一条由历史数据确定的贴边路径，因此贴边路径的可靠性强，当车辆的感知模块无法检测到路沿时，可以沿贴边路径作业，起到了相对贴边的效果；当感知模块检测到路沿时，依据实际情况贴边作业，确保了环卫车的作业质量。

Description

一种无人驾驶环卫车的实时路径规划方法及装置

技术领域

本申请涉及无人驾驶技术领域，更具体地，涉及一种无人驾驶环卫车的实时路径规划方法及装置。

背景技术

无人驾驶环卫车是一个包含环境感知、高精定位、路径规划、智能决策和运动控制等功能的智能驾驶系统，其有固定的作业区域和作业路线，作业时车速低，行为相对可控，在无人驾驶领域属于可率先实现的方向。

但相对于公开道路上的无人驾驶汽车，园区内的无人驾驶环卫车存在着不同的场景需求：

其一，环卫车需要执行清扫任务，能否沿着道路边沿作业关系到环卫车的作业质量。

其二，园区内障碍物多，尤其贴边作业时需要估计道路边沿的静态障碍物，使无人驾驶环卫车在作业时产生停顿，降低了避障作业的流畅性。

发明内容

本申请提供一种无人驾驶环卫车的实时路径规划方法及装置，设置了一条由历史数据确定的贴边路径，因此贴边路径的可靠性强，当车辆的感知模块无法检测到路沿时，可以沿贴边路径作业，起到了相对贴边的效果；当感知模块检测到路沿时，依据实际情况贴边作业，确保了环卫车的作业质量。

本申请提供了一种无人驾驶环卫车的实时路径规划方法，包括：

依据历史数据确定用于贴边清扫的贴边全局路径；

无人驾驶环卫车处于贴边清扫模式时，实时检测无人驾驶环卫车右侧道路的路沿，并判断是否检测到了路沿；

若是，则实时规划贴边局部路径并控制无人驾驶环卫车按照贴边局部路径行驶；否则，控制无人驾驶环卫车按照贴边全局路径行驶。

优选地，无人驾驶环卫车的实时路径规划方法还包括：

依据历史数据确定用于正常行驶的巡航全局路径；

无人驾驶环卫车处于贴边清扫模式时，实时检测覆盖贴边全局路径的静态障碍物场区域内是否存在无法通过的静态障碍物；

若是，则实时规划贴边避障路径并控制无人驾驶环卫车按照贴边避障路径行驶；

其中，贴边避障路径至少包括贴边全局路径与巡航全局路径之间的路径。

优选地，若静态障碍物不在巡航全局路径上，则依据无人驾驶环卫车的当前定位点、当前车速以及无人驾驶环卫车与静态障碍物之间的距离确定巡航全局路径上的第一目标点；

依据无人驾驶环卫车的当前定位点、当前车速以及第一目标点实时规划第一换道路径；

控制无人驾驶环卫车按照第一换道路径切换至巡航全局路径上，并在巡航全局路径上避开静态障碍物后返回贴边全局路径。

优选地，若静态障碍物在巡航全局路径上，则依据无人驾驶环卫车的当前定位点、当前车速、无人驾驶环卫车与静态障碍物之间的距离以及静态障碍物的左侧边界确定巡航全局路径上的第二目标点和静态障碍物左侧边界外的第三目标点；

规划第二换道路径，第二换道路径以当前定位点为起点，以第三目标点为终点，以第二目标点为经过点；

若第二换道路径可行，则控制无人驾驶环卫车按照第二换道路径行驶，并在避开静态障碍物后经巡航全局路径返回贴边全局路径。

优选地，若第二换道路径不可行，则控制无人驾驶环卫车减速，并依据无人驾驶环卫车的当前定位点、减速后的当前车速、无人驾驶环卫车与静态障碍物之间的距离以及静态障碍物的左侧边界重新规划路径，获得新的第二换道路径。

本申请还提供一种无人驾驶环卫车的实时路径规划装置，包括第一路径确定模块、第一判断模块、第一路径规划模块以及控制模块；

第一路径确定模块用于依据历史数据确定用于贴边清扫的贴边全局路径；

第一判断模块用于在无人驾驶环卫车处于贴边清扫模式时，实时检测无人驾驶环卫车右侧道路的路沿，并判断是否检测到了路沿；

第一路径规划模块用于在检测到路沿时实时规划贴边局部路径；

控制模块用于在检测到路沿时控制无人驾驶环卫车按照贴边局部路径行驶；或在未检测到路沿时控制无人驾驶环卫车按照贴边全局路径行驶。

优选地，无人驾驶环卫车的实时路径规划装置还包括第二路径确定模块、第二判断模块以及第二路径规划模块；

第二路径确定模块用于依据历史数据确定用于正常行驶的巡航全局路径；

第二判断模块用于在无人驾驶环卫车处于贴边清扫模式时，实时检测覆盖贴边全局路径的静态障碍物场区域内是否存在无法通过的静态障碍物；

第二路径规划模块用于在静态障碍物场区域内存在无法通过的静态障碍物时，实时规划贴边避障路径；

控制模块用于在静态障碍物场区域内存在无法通过的静态障碍物时，控制无人驾驶环卫车按照贴边避障路径行驶；

其中，贴边避障路径至少包括贴边全局路径与巡航全局路径之间的路径。

优选地，第二路径规划模块包括第一目标点确定模块和第一换道路径规划模块；

第一目标点确定模块用于在静态障碍物不在巡航全局路径上时，依据无人驾驶环卫车的当前定位点、当前车速以及无人驾驶环卫车与静态障碍物之间的距离确定巡航全局路径上的第一目标点；

第一换道路径规划模块用于依据无人驾驶环卫车的当前定位点、当前车速以及第一目标点实时规划第一换道路径；

并且，控制模块用于控制无人驾驶环卫车按照第一换道路径切换至巡航全局路径上，并在巡航全局路径上避开静态障碍物后返回贴边全局路径。

优选地，第二路径规划模块包括第二目标点确定模块和第二换道路径规划模块；

第二目标点确定模块用于在静态障碍物在巡航全局路径上，依据无人驾驶环卫车的当前定位点、当前车速、无人驾驶环卫车与静态障碍物之间的距离以及静态障碍物的左侧边界确定巡航全局路径上的第二目标点和静态障碍物左侧边界外的第三目标点；

第二换道路径规划模块用于规划第二换道路径，第二换道路径以当前定位点为起点，以第三目标点为终点，以第二目标点为经过点；

控制模块用于在第二换道路径可行时，控制无人驾驶环卫车按照第二换道路径行驶，并在避开静态障碍物后返回贴边全局路径。

优选地，控制模块还用于在第二换道路径不可行时，控制无人驾驶环卫车减速。

通过以下参照附图对本申请的示例性实施例的详细描述，本申请的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且连同其说明一起用于解释本申请的原理。

图1为本申请提供的无人驾驶环卫车的实时路径规划方法的流程图；

图2为本申请提供的路沿轮廓和贴边全局路径均为直线时的自车坐标系的示意图；

图3为本申请提供的路沿轮廓和贴边全局路径均为曲线时的自车坐标系的示意图；

图4为本申请提供的贴边全局路径为直线时的静态障碍物场区域和动态障碍物场区域的示意图；

图5为本申请提供的贴边全局路径为曲线时的静态障碍物场区域和动态障碍物场区域的示意图；

图6为本申请提供的在不同时间点实时获得的两条第一换道路径的示意图；

图7为本申请提供的第二换道路径的示意图；

图8为本申请提供的无人驾驶环卫车的实时路径规划装置的结构图。

具体实施方式

现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

本申请提供一种无人驾驶环卫车的实时路径规划方法及装置，设置了一条由历史数据确定的贴边全局路径，因此贴边路径的可靠性强，当车辆的感知模块无法检测到路沿时，可以沿贴边路径作业，起到了相对贴边的效果；当感知模块检测到路沿时，依据实际情况贴边作业，确保了环卫车的作业质量。另外，本申请依据贴边全局路径和巡航全局路径给出了贴边全局路径上的静态障碍物的避障路径规划策略，以便在贴边清扫时能够主动避开静态障碍物，避免出现过多的停顿，提高车辆的通过效率。

需要说明的是，本申请中，无人驾驶环卫车包括用于感知的激光雷达组，包括居于车辆前部正中的主激光雷达和居于车辆前部左右两侧的辅助激光雷达，主激光雷达能够感知车辆前方300m范围内的具体障碍物，辅助激光雷达提供了盲区检测和道路边沿检测的能力。主激光雷达和辅助激光雷达的检测数据相互融合，用于本申请的路径规划。同时，无人驾驶环卫车包括稳定的高精定位设备，或无人驾驶环卫车能够利用激光雷达和高精度地图实现高精度定位。另外，无人驾驶环卫车还包括用于整车控制的中央计算平台或专用于无人驾驶的域控制器，其能够进行实时的路径规划和车辆控制。

如图1所示，本申请提供的无人驾驶环卫车的实时路径规划方法包括：

S110：依据历史数据确定用于贴边清扫的贴边全局路径和用于正常行驶的巡航全局路径。

其中，巡航全局路径是在无人驾驶环卫车的非作业状态下的行驶路径，贴边全局路径是无人驾驶环卫车在贴边作业状态下的行驶路径，因此，相对于巡航全局路径，贴边全局路径更靠近路沿，请参考图2和3。这两条全局路径是依据无人驾驶环卫车一段时间内的行驶数据获得的，短期内不会发生变化。这两条全局路径预设在无人驾驶环卫车的高精度地图上。

当无人驾驶环卫车的作业状态从巡航模式切换到贴边清扫模式时，环卫车主动从巡航全局路径变道到贴边全局路径进行贴边清扫作业，清扫作业时始终保持低速。

S120：判断无人驾驶环卫车是否处于贴边清扫模式。若是，则执行S130；否则，执行S180。

S130：实时检测无人驾驶环卫车右侧道路的路沿，并判断是否检测到了路沿。若是，则执行S140；否则，执行S150。

具体地，无人驾驶环卫车利用激光雷达组对路沿进行检测，获得激光雷达点云，然后对激光雷达点云进行聚类，获得无人驾驶环卫车右侧道路的路沿候选点。

S140：实时规划贴边局部路径并控制无人驾驶环卫车按照贴边局部路径行驶。

作为一个实施例，规划贴边局部路径包括如下步骤：

S1401：依据所有路沿候选点获得道路边沿轮廓。

作为一个实施例，通过结合一阶线性拟合和高阶多项式拟合的方式获得贴边局部路径。具体包括如下步骤：

P1：利用所有路沿候选点进行一阶线性拟合，获得第一拟合曲线。其中，一阶线性拟合的点描述方程为：

其中，b、m为一阶线性拟合的拟合系数。

P2：判断所有路沿候选点与第一拟合曲线的距离的标准差是否超过第一阈值，并且贴边全局路径上无人驾驶环卫车的当前定位点的下游路径为弯道。若是，则执行P3；否则，执行P4。

P3：采用高阶多项式拟合方法(不超过五阶)对所有路沿候选点进行曲线拟合，获得第二拟合曲线，并将第二拟合曲线作为道路边沿轮廓。其中，高阶多项式拟合的描述方程为：

其中，a₀、a₁、a₂...a_n为高阶多项式拟合的拟合系数。

P4：将第一拟合曲线作为道路边沿轮廓。

作为另一个实施例，可以将所有路沿候选点和车辆上的摄像头通过深度学习检测到的道路边沿信息进行融合，获得道路边沿轮廓。

S1402：依据道路边沿轮廓实时确定无人驾驶环卫车与路沿的最短距离d以及路沿法向与无人驾驶环卫车的自车朝向之间的夹角的余弦值cosα。其中，若α<90°，cosα为正。若α>90°，cosα为负。

作为一个实施例，如图2和3，基于无人驾驶环卫车的自车坐标系，将自车后轴中心点的作为原点，自车的朝向作为y轴的正方向，x轴与y轴垂直，并且x轴的正方向朝向车辆的右侧。

对于第一拟合曲线，通过如下公式求解(d,cosα)：

对于第二拟合曲线，由于求解计算量大，因此使用迭代法求解最短距离d的近似解，再由最短距离所对应的曲线上的点的坐标位置(x₀,y₀)，求取cosα的值，

图2示出了路沿轮廓和贴边全局路径均为直线时的自车坐标系，图3示出了路沿轮廓和贴边全局路径均为曲线时的自车坐标系。一般情况下，贴边全局路径与路沿轮廓平行，无论贴边全局路径和路沿轮廓是直线还是曲线，最短距离d均与无人驾驶环卫车在贴边全局路径上的当前位置的法线重合，因此夹角α为该最短距离所在直线与y轴的夹角。

S1403：依据最短距离d和余弦值实时确定无人驾驶环卫车的方向盘运动方式，从而利用(d,cosα)来约束无人驾驶环卫车的横向行为。

在横向行为约束中，Angle表示方向盘转角的执行期望值，用于指示方向盘的运动方式，其中左转为正，右转为负。利用如下公式计算Angle：

其中，s′表示方向盘的当前实际转角；k、l、z分别为d、cosα和s′的权重，该权重值根据车辆偏离贴边路径的距离和车速进行有级调节；d₀为车到路沿距离的约束值。z·s′作为负反馈参数输入系统进行负反馈调节，避免转向过猛。

基于上述横向行为约束，当车辆与路沿的最短距离d缩短，低于约束值d₀时，控制车辆左偏，远离路沿；当车辆与路沿的最短距离d拉长，高于约束值d₀时，车辆右偏，靠近路沿。当自车朝向与路沿法向的夹角α小于90°，车辆左偏，避免靠近路沿；当自车朝向与路沿法向的夹角α大于90°，车辆右偏，避免偏离路沿。

S150：控制无人驾驶环卫车按照贴边全局路径行驶。

若未检测到路沿信息，则无人驾驶环卫车按照贴边全局路径行驶，确保贴边作业的连续性。

S180：控制无人驾驶环卫车按照巡航全局路径行驶。

主激光雷达的主要作用是识别前方障碍物，识别到的障碍物区分为静态障碍物和动态障碍物。静态障碍物相对地面坐标系静止，如放置在路边的垃圾桶、停放在路边的车辆等。动态障碍物相对地面坐标系运动，如行人、骑行者、车辆等。无人环卫车需针对这两种障碍物进行避障决策。

基于上述考虑，优选地，在无人驾驶环卫车处于贴边清扫模式时，还执行如下步骤：

S160：实时检测覆盖贴边全局路径的静态障碍物场区域内是否存在无法通过的静态障碍物。若是，则执行S170；否则，执行S130。

具体地，以自车为基点，将针对静态障碍物的决策区域称之为静态障碍物场区域，针对动态障碍物的决策区域称之为动态障碍物场区域。图4和5分别示出了贴边全局路径为直线和曲线时的静态障碍物场区域和动态障碍物场区域。如图4和5所示，静态障碍物场区域是基于无人驾驶环卫车未来一段距离的作业范围，并略宽于这段作业范围。当出现弯道时，静态障碍物场区域会考虑弯道范围内的区域，请见图中的阴影部分范围。动态障碍物场区域包含静态障碍物场区域，并受限于激光雷达的探测范围，为图中的扇形虚线范围。

动态障碍物场区域内的动态障碍物，如果其运动轨迹或预测轨迹可能与车辆行为轨迹重合，车辆会停止等待或进行避让，这里不做赘述。本申请主要针对静态障碍物场区域内的静态障碍物做主动避障的路径规划，使得无人驾驶环卫车持续作业，尽可能减少停顿。

S170：实时规划贴边避障路径并控制无人驾驶环卫车按照贴边避障路径行驶。其中，贴边避障路径至少包括贴边全局路径与巡航全局路径之间的路径。

具体地，若静态障碍物场区域内存在无法通过的静态障碍物时，首先判断静态障碍物是否在巡航全局路径上。若是，则执行下述步骤R1-R5，实现贴边避障路径的规划和相应的控制；否则，执行下述Q1-Q3，实现贴边避障路径的规划和相应的控制。

当静态障碍物不在巡航全局路径上时，执行如下步骤：

Q1：依据无人驾驶环卫车的当前定位点P、当前车速以及无人驾驶环卫车与静态障碍物之间的距离确定巡航全局路径上的第一目标点Q，如图6所示。

Q2：依据无人驾驶环卫车的当前定位点P、当前车速以及第一目标点Q实时规划第一换道路径，将第一换道路经作为贴边避障路径。

作为一个实施例，第一换道路径为三阶Beizer曲线。具体地，首先依据无人驾驶环卫车的当前定位点P、当前车速以及第一目标点Q计算出三阶Beizer曲线的两个控制点P₁，P₂，然后依据四个点的坐标获得三阶Beizer曲线。其中，三阶Beizer曲线中各个点的坐标B(x_t,y_t)由下面公式获得：

B(x_t,y_t)＝(1-t)³·P(x,y)+3t·P₁(x,y)+3t²·(1-t)P₂(x,y)+t³·Q(x,y) (5)

Q3：控制无人驾驶环卫车按照第一换道路径切换至巡航全局路径上，并在巡航全局路径上避开静态障碍物后返回贴边全局路径。

当车辆沿第一换道路径到达适合避障的距离时，主动换道到巡航全局路径进行避障。在未到达适合避障的距离之前，车辆会一直更新第一换道轨迹。图6示出了在不同时间点实时获得的两条第一换道路径P-P₁-P₂-Q以及P-P′₁-P′₂-Q。

换道成功后，车辆会沿着巡航全局路径作业一段距离，直到完全避开静态障碍物，车辆伺机换道到贴边全局路径继续贴边作业。巡航全局路径作业时间，静态障碍物场区域会覆盖到贴边全局路径的作业范围。

当静态障碍物在巡航全局路径上时，执行如下步骤：

R1：依据无人驾驶环卫车的当前定位点P、当前车速、无人驾驶环卫车与静态障碍物之间的距离以及静态障碍物的左侧边界确定巡航全局路径上的第二目标点Q和静态障碍物左侧边界外的第三目标点R，如图7所示。

R2：规划第二换道路径，将第二换道路经作为贴边避障路径。其中，第二换道路径以当前定位点P为起点，以第三目标点R为终点，以第二目标点Q为经过点，如图7所示。

作为一个实施例，第二换道路径为三阶Beizer曲线，获得方法请参见上述步骤Q2。其中，在选取控制点时，从P点到Q点的轨迹末端的朝向(即切线方向)与从Q点到R点的轨迹起点的朝向(即切线方向)一致，且与巡航全局路径的夹角小于90°。

R3：判断第二换道路径是否可行。若是，则规划成果，执行R4；否则，规划失败，执行R5。

具体地，采用现有技术来判断第二换道路径是否可行，在此不做具体说明。

R4：控制无人驾驶环卫车按照第二换道路径行驶，并在避开静态障碍物后经巡航全局路径返回贴边全局路径。也就是说，避障成功后，环卫车自主巡航一段距离，伺机换道到巡航全局路径，再换道到贴边全局路径继续作业。

R5：控制无人驾驶环卫车减速，低速可以给控制点的选取获得更大的裕量。随后返回R1，依据无人驾驶环卫车的当前定位点、减速后的当前车速、无人驾驶环卫车与静态障碍物之间的距离以及静态障碍物的左侧边界重新规划路径，获得新的第二换道路径。

若重新规划第二换道路径的次数超过第二阈值，表示当前车辆与静态障碍物的距离以及障碍物的位置关系已经无法实现主动避障，车辆无法自主处理，则停车，等待车辆外的控制指令。

基于上述无人驾驶环卫车的实时路径规划方法，本申请还提供一种无人驾驶环卫车的实时路径规划装置。如图8所示，无人驾驶环卫车的实时路径规划装置包括第一路径确定模块810、第一判断模块820、第一路径规划模块830以及控制模块840。

第一路径确定模块810用于依据历史数据确定用于贴边清扫的贴边全局路径。

第一判断模块820用于在无人驾驶环卫车处于贴边清扫模式时，实时检测无人驾驶环卫车右侧道路的路沿，并判断是否检测到了路沿。

第一路径规划模块830用于在检测到路沿时实时规划贴边局部路径；

控制模块840用于在检测到路沿时控制无人驾驶环卫车按照贴边局部路径行驶；或在未检测到路沿时控制无人驾驶环卫车按照贴边全局路径行驶。

优选地，无人驾驶环卫车的实时路径规划装置还包括第二路径确定模块850、第二判断模块860以及第二路径规划模块870。

第二路径确定模块850用于依据历史数据确定用于正常行驶的巡航全局路径。

第二判断模块860用于在无人驾驶环卫车处于贴边清扫模式时，实时检测覆盖贴边全局路径的静态障碍物场区域内是否存在无法通过的静态障碍物。

第二路径规划模块870用于在静态障碍物场区域内存在无法通过的静态障碍物时，实时规划贴边避障路径。

控制模块840用于在静态障碍物场区域内存在无法通过的静态障碍物时，控制无人驾驶环卫车按照贴边避障路径行驶。

其中，贴边避障路径至少包括贴边全局路径与巡航全局路径之间的路径。

优选地，第二路径规划模块870包括第一目标点确定模块8701和第一换道路径规划模块8702。

第一目标点确定模块8701用于在静态障碍物不在巡航全局路径上时，依据无人驾驶环卫车的当前定位点、当前车速以及无人驾驶环卫车与静态障碍物之间的距离确定巡航全局路径上的第一目标点。

第一换道路径规划模块8702用于依据无人驾驶环卫车的当前定位点、当前车速以及第一目标点实时规划第一换道路径。

并且，控制模块840用于控制无人驾驶环卫车按照第一换道路径切换至巡航全局路径上，并在巡航全局路径上避开静态障碍物后返回贴边全局路径。

优选地，第二路径规划模块870包括第二目标点确定模块8703和第二换道路径规划模块8704。

第二目标点确定模块8703用于在静态障碍物在巡航全局路径上，依据无人驾驶环卫车的当前定位点、当前车速、无人驾驶环卫车与静态障碍物之间的距离以及静态障碍物的左侧边界确定巡航全局路径上的第二目标点和静态障碍物左侧边界外的第三目标点。

第二换道路径规划模块8704用于规划第二换道路径，第二换道路径以当前定位点为起点，以第三目标点为终点，以第二目标点为经过点。

控制模块840用于在第二换道路径可行时，控制无人驾驶环卫车按照第二换道路径行驶，并在避开静态障碍物后返回贴边全局路径。

优选地，控制模块840还用于在第二换道路径不可行时，控制无人驾驶环卫车减速。

虽然已经通过例子对本申请的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本申请的范围。本领域的技术人员应该理解，可在不脱离本申请的范围和精神的情况下，对以上实施例进行修改。本申请的范围由所附权利要求来限定。

Claims (10)

1.一种无人驾驶环卫车的实时路径规划方法，其特征在于，包括：

依据历史数据确定用于贴边清扫的贴边全局路径；

无人驾驶环卫车处于贴边清扫模式时，实时检测无人驾驶环卫车右侧道路的路沿，并判断是否检测到了路沿；

若是，则实时规划贴边局部路径并控制无人驾驶环卫车按照所述贴边局部路径行驶；否则，控制无人驾驶环卫车按照所述贴边全局路径行驶。

2.根据权利要求1所述的无人驾驶环卫车的实时路径规划方法，其特征在于，还包括：

依据历史数据确定用于正常行驶的巡航全局路径；

无人驾驶环卫车处于贴边清扫模式时，实时检测覆盖所述贴边全局路径的静态障碍物场区域内是否存在无法通过的静态障碍物；

若是，则实时规划贴边避障路径并控制无人驾驶环卫车按照所述贴边避障路径行驶；

其中，所述贴边避障路径至少包括所述贴边全局路径与所述巡航全局路径之间的路径。

3.根据权利要求2所述的无人驾驶环卫车的实时路径规划方法，其特征在于，若所述静态障碍物不在所述巡航全局路径上，则依据无人驾驶环卫车的当前定位点、当前车速以及无人驾驶环卫车与所述静态障碍物之间的距离确定所述巡航全局路径上的第一目标点；

依据无人驾驶环卫车的当前定位点、当前车速以及所述第一目标点实时规划第一换道路径；

控制无人驾驶环卫车按照所述第一换道路径切换至所述巡航全局路径上，并在所述巡航全局路径上避开所述静态障碍物后返回所述贴边全局路径。

4.根据权利要求2所述的无人驾驶环卫车的实时路径规划方法，其特征在于，若所述静态障碍物在所述巡航全局路径上，则依据无人驾驶环卫车的当前定位点、当前车速、无人驾驶环卫车与所述静态障碍物之间的距离以及所述静态障碍物的左侧边界确定所述巡航全局路径上的第二目标点和所述静态障碍物左侧边界外的第三目标点；

规划第二换道路径，所述第二换道路径以所述当前定位点为起点，以所述第三目标点为终点，以所述第二目标点为经过点；

若所述第二换道路径可行，则控制无人驾驶环卫车按照所述第二换道路径行驶，并在避开所述静态障碍物后经巡航全局路径返回所述贴边全局路径。

5.根据权利要求4所述的无人驾驶环卫车的实时路径规划方法，其特征在于，若所述第二换道路径不可行，则控制无人驾驶环卫车减速，并依据无人驾驶环卫车的当前定位点、减速后的当前车速、无人驾驶环卫车与所述静态障碍物之间的距离以及所述静态障碍物的左侧边界重新规划路径，获得新的第二换道路径。

6.一种无人驾驶环卫车的实时路径规划装置，其特征在于，包括第一路径确定模块、第一判断模块、第一路径规划模块以及控制模块；

所述第一路径确定模块用于依据历史数据确定用于贴边清扫的贴边全局路径；

所述第一判断模块用于在无人驾驶环卫车处于贴边清扫模式时，实时检测无人驾驶环卫车右侧道路的路沿，并判断是否检测到了路沿；

所述第一路径规划模块用于在检测到路沿时实时规划贴边局部路径；

所述控制模块用于在检测到路沿时控制无人驾驶环卫车按照所述贴边局部路径行驶；或在未检测到路沿时控制无人驾驶环卫车按照所述贴边全局路径行驶。

7.根据权利要求6所述的无人驾驶环卫车的实时路径规划装置，其特征在于，还包括第二路径确定模块、第二判断模块以及第二路径规划模块；

所述第二路径确定模块用于依据历史数据确定用于正常行驶的巡航全局路径；

所述第二判断模块用于在无人驾驶环卫车处于贴边清扫模式时，实时检测覆盖所述贴边全局路径的静态障碍物场区域内是否存在无法通过的静态障碍物；

所述第二路径规划模块用于在所述静态障碍物场区域内存在无法通过的静态障碍物时，实时规划贴边避障路径；

所述控制模块用于在所述静态障碍物场区域内存在无法通过的静态障碍物时，控制无人驾驶环卫车按照所述贴边避障路径行驶；

其中，所述贴边避障路径至少包括所述贴边全局路径与所述巡航全局路径之间的路径。

8.根据权利要求7所述的无人驾驶环卫车的实时路径规划装置，其特征在于，所述第二路径规划模块包括第一目标点确定模块和第一换道路径规划模块；

所述第一目标点确定模块用于在所述静态障碍物不在所述巡航全局路径上时，依据无人驾驶环卫车的当前定位点、当前车速以及无人驾驶环卫车与所述静态障碍物之间的距离确定所述巡航全局路径上的第一目标点；

所述第一换道路径规划模块用于依据无人驾驶环卫车的当前定位点、当前车速以及所述第一目标点实时规划第一换道路径；

并且，所述控制模块用于控制无人驾驶环卫车按照所述第一换道路径切换至所述巡航全局路径上，并在所述巡航全局路径上避开所述静态障碍物后返回所述贴边全局路径。

9.根据权利要求7所述的无人驾驶环卫车的实时路径规划装置，其特征在于，所述第二路径规划模块包括第二目标点确定模块和第二换道路径规划模块；

所述第二目标点确定模块用于在所述静态障碍物在所述巡航全局路径上，依据无人驾驶环卫车的当前定位点、当前车速、无人驾驶环卫车与所述静态障碍物之间的距离以及所述静态障碍物的左侧边界确定所述巡航全局路径上的第二目标点和所述静态障碍物左侧边界外的第三目标点；

所述第二换道路径规划模块用于规划第二换道路径，所述第二换道路径以所述当前定位点为起点，以所述第三目标点为终点，以所述第二目标点为经过点；

所述控制模块用于在所述第二换道路径可行时，控制无人驾驶环卫车按照所述第二换道路径行驶，并在避开所述静态障碍物后返回所述贴边全局路径。

10.根据权利要求9所述的无人驾驶环卫车的实时路径规划装置，其特征在于，所述控制模块还用于在所述第二换道路径不可行时，控制无人驾驶环卫车减速。