【技术实现步骤摘要】
一种用于车辆模型的路径规划系统及方法
本专利技术涉及车辆安全行驶
，具体地，涉及一种用于车辆模型的路径规划系统及方法。
技术介绍
随着人工智能的逐渐发展，无人驾驶智能设备例如无人驾驶汽车越来越受各行业和研究机构的关注，而国外已经有特定场景下的无人驾驶汽车投入试运营。而路径规划则是无人驾驶汽车的关键技术之一，是无人驾驶汽车安全行驶在道路上的前提，而行驶安全问题一直是无人驾驶最注重的问题。现有的基于栅格地图的路径规划方法(全局搜索算法诸如a_star，d_star算法)，都是在给定起始点和目标点之间搜索一条全局最优路径，但是该路径不能满足车辆的非完整约束，导致规划出来的路径不适合车辆行驶，这会导致严重的安全问题。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种用于车辆模型的路径规划系统及方法，其可以有效提高车辆模型的安全性和稳定性。一种用于车辆模型的路径规划系统，包括：地图生成单元，用于生成可供路径规划的栅格地图；感知单元，用于感知并检测车辆模型周围障碍物信息；融合定位单元，用于对车辆模型进行定位；全局路径生成单元，用于生成初始点至目标点的全局路径；...
【技术保护点】
1.一种用于车辆模型的路径规划系统，其特征在于，包括：地图生成单元，用于生成可供路径规划的栅格地图；感知单元，用于感知并检测车辆模型周围障碍物信息；融合定位单元，用于对车辆模型进行定位；全局路径生成单元，用于生成初始点至目标点的全局路径；所述全局路径由一系列路径点组成，将路径点集成在一起就是一条路径；局部路径跟随单元，用于跟踪上述全局路径并进行车辆模型的速度参数修正值输出；所述速度参数至少包括：车辆模型的前轮偏角、行驶线速度、加速度；车辆模型运动控制单元，用于将上述输出的速度参数修正值作为输入对车辆模型进行运动控制；其中，融合定位单元将定位信息输入给全局路径生成单元；感知单...
【技术特征摘要】
1.一种用于车辆模型的路径规划系统，其特征在于，包括：地图生成单元，用于生成可供路径规划的栅格地图；感知单元，用于感知并检测车辆模型周围障碍物信息；融合定位单元，用于对车辆模型进行定位；全局路径生成单元，用于生成初始点至目标点的全局路径；所述全局路径由一系列路径点组成，将路径点集成在一起就是一条路径；局部路径跟随单元，用于跟踪上述全局路径并进行车辆模型的速度参数修正值输出；所述速度参数至少包括：车辆模型的前轮偏角、行驶线速度、加速度；车辆模型运动控制单元，用于将上述输出的速度参数修正值作为输入对车辆模型进行运动控制；其中，融合定位单元将定位信息输入给全局路径生成单元；感知单元将障碍物信息输入给全局路径生成单元；地图生成单元将地图信息输入给全局路径生成单元；全局路径单元接受信息后输出全局路径，并将该全局路径输入给局部路径跟随单元；局部路径跟随单元接受全局路径之后生成速度参数修正值；局部路径跟随单元输入所述速度参数修正值给车辆模型；运动控制单元以控制车辆模型的运动；所述感知单元将所述障碍物信息输入给所述融合定位单元，以配合融合定位单元将车辆模型进行定位；所述感知单元将所述障碍物信息输入给所述地图生成单元，辅助所述地图生成单元进行实时更新。2.根据权利要求1所述的系统，其特征在于，所述感知单元至少包括摄像头、激光雷达；所述摄像头检测的信息以及激光雷达扫描到的信息形成点云数据被上传到上位机；所述上位机将该述信息分别输入给所述融合定位单元、所述地图生成单元、全局路径生成单元。3.根据权利要求2所述的系统，其特征在于，所述地图生成单元可实时更新上述栅格地图；所述地图生成单元设置有初始的静态地图，后通过输入map_server算法包生成的栅格地图，对地图进行二值化，通过点云数据投影到当前的栅格地图上生成新的占据栅格地图，然后与之前的静态地图叠加。4.根据权利要求3所述的系统，其特征在于，所述“对地图进行二值化”，即为：map_server算法包生成的栅格地图具有一系列灰度值，通过设置阈值来划分当前栅格是否为可行驶栅格；大于阈值设为1，表示被占据，小于阈值设为0，表示未占据。5.根据权利要求2所述的系统，其特征在于，所述融合定位单元依据全局卡尔曼滤波算法融合了全局定位信息，输出当前栅格地图的起始点到车辆模型里程计的坐标转换；所述融合定位单元依据局部卡尔曼滤波算法融合了局部定位信息，输出车辆模型里程计到车辆模型本身的坐标转换。6.根据权利要求5所述的系统，其特征在于，所述全局定位信息由所述点云数据加上GPS数据产生；所述全局定位为车辆模型当前位置基于当前栅格地图起始点的一个位置；所述全局定位信息为离散的；所述局部定位信息由里程计和惯性导航模块imu产生，所述局部定位为根据车辆模型已经走过的距离计算出当前位置基于起始点的哪个位置；所述局部定位信息为连续的。7.根据权利要求5所述的系统，其特征在于，所述融合定位单元融合全局定位信息和局部定位信息，该述“融合”，即为将全局定位信息和局部定位信息的每个数据设置协方差来设置权重，然后将各个数据进行滤波，消除跳变点从而得到稳定，连续的数据。8.根据权利要求1所述的系统，其特征在于，所述全局路径生成单元采用hybrid_astar算法生成初始点至目标点的全局路径；首先初始化openlist列表，获取起始点和目标点的车辆模型运动模型(x，y，θ，k，δ)，(x，y)为车辆模型位置坐标，θ为车辆模型的朝向，k为转向曲率；其中，所述Openlist列表用来存放车辆模型当前位置周围可以被考虑的全局路径的路径点的数据集合；从openlist列表中找到代价值cost价值最小的节点作为父节点，并计算G和H的值；其中，G代表从初始结点到当前点的实际代价值；H代表从当前点到目标点的预期花费估计代价值；然后判断是否到达目标点，如若到达则对路径进行平滑处理，然后输出路径点，没有到达则继续搜索。9.根据权利要求8所述的系统，其特征在于，H值的计算方法如下：Reeds-Shepp曲线、Dubins曲线、曼哈顿距离三种cost解算出来的最大值来作为上述hybrid_astar的预期花费估计代价值；其中Reeds-Shepp曲线由几段半径固定的圆弧和一段直线段拼接组成，而且圆弧的半径就是车辆模型的最小转向半径，它是车辆模型行驶的最短路径；Dubins曲线和Reeds-Shepp曲线相比，多了一个约束条件：车辆模型只能朝前开，不能后退。10.根据权利要求1所述的系统，其特征在于，局部路径跟随单元基于pure_pursuit算法跟踪上述全局路径并进行车辆模型的速度参数修正值输出；根据车辆模型当前路径和全局路径之间的位置关系，确定预瞄点的距离，从而确定预瞄点的位置，生成前轮偏角控制量表达式控制前轮偏角来追踪全局路径；控制前轮偏转角，再输出各个速度参数的修正值，通过追踪一个个预瞄点来追踪全局路径并控制车辆模型运动；所述预瞄点即为pure_pursuit算法当前所要追踪的全局路径点。11.根据权利要求10所述的系统，其特征在于，所述前轮偏角控制量表达式为：L为车辆模型轴距，l为预瞄距离，α为车辆模型与预瞄点的夹角。12.根据权利要求10所述的系统，其特征在于，预先设定所述各个速度参数的期望最大值和最小值；所述期望最大值为正数，所述期望最小值为零或负数；按上述公式计算得到当前的车辆模型前轮偏角、使用车辆模型的里程计测量当前的车辆模型的行驶线速度、加速度；上述参数的计算值和测量值分别通过PID算法与其对应的期望最大值和最小值进行比较；若车辆模型要向前运动，则修正上述计算值或测量值使其以最快时间达到其对应的期望最大值；若车辆模型要向后或停止运动，则修正上述计算值或测量值使其以最快时间达到其对应的期望最小值；将上述各个参数的修正值输入给上位机；所述上位机将上述各个修正值输入给所述车辆模型运动控制单元。13.根据权利要求12所述的系统，其特征在于，所述车辆模型运动控制单元至少包括车辆模...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。