【技术实现步骤摘要】
基于语义道路地图的无人驾驶多目标点轨迹并行规划方法
[0001]本专利技术是一种应用于无人驾驶使用非高精度语义道路地图情况下的实时轨迹规划方法。
技术背景
[0002]车道级高精度地图和厘米级高精度定位常常被认为是无人驾驶实现的基础，当前绝大多数无人驾驶车辆的路径规划都依赖于车道级高精度地图和厘米级高精度定位。给定无人驾驶车辆当前行驶道路的车道级高精度地图和厘米级高精度定位，无人驾驶车辆能精确地知道车辆周围的道路结构和车辆所处的位置，由此无人驾驶车辆可以决策换道或保持当前车道行驶，作出相应决策后就可依据车道级高精度地图中的车道中心线生成换道路径或当前车道保持路径。然而高精度地图的构建和更新代价高昂，高精度定位在复杂动态城市场景中经常受到干扰，容易出现鲁棒性的缺陷，若是高精度地图长期不更新，车辆所获取的车道结构信息便会与实际道路信息不符，若是高精度定位未达到厘米级，无人驾驶车辆便会在地图上出现位置偏移，这将导致车辆无法正常地行驶在车道中心上。然而，人类驾驶员在驾驶过程中不依赖车道级的高精度地图和厘米级的高精度全局定位，而是依靠语义道路地图和较为粗略的全局定位结合高精度的局部定位即可安全正确地行驶。
技术实现思路
[0003]本专利技术提出了一种使用语义道路地图的无人驾驶多目标点轨迹并行规划方法。其中，语义道路地图为仅包含单向道路几何表达的拓扑语义地图，其中通过单向道路构成的拓扑网络可进行全局路径规划，其结果为一条由单向道路组成的路径。路径中的每一段单向道路均记录了所包含的车道数量信息。通过米级的全局定位...
【技术保护点】
【技术特征摘要】
1.基于语义道路地图的无人驾驶多目标点轨迹并行规划方法，其特征在于，包括如下步骤：步骤1、基于米级定位和语义道路地图进行全局路径规划；步骤2、基于语义参考路径和实时感知信息生成局部规划地图；步骤3、考虑车辆动力学约束的多目标点实时并行轨迹规划；步骤4、最优轨迹的选择与局部路径保持。2.如权利要求1所述的基于语义道路地图的无人驾驶多目标点轨迹并行规划方法，其特征在于，所述步骤1：使用GPS定位系统获取车辆当前位置经纬度坐标，同时人为指定目的地经纬度坐标，在语义道路地图中使用最邻近单向道路搜索方法，得到车辆和目的地分别在语义道路地图中的对应最近位置，分别作为全局路径规划的起点和终点，再利用已有A
*
搜索算法在语义道路地图中进行快速搜索，得到从起点到达终点的单向道路序列，所述单向道路序列同时记录有车道数量信息，作为全局语义参考路径提供给步骤2。3.如权利要求1所述的基于语义道路地图的无人驾驶多目标点轨迹并行规划方法，其特征在于，所述步骤2：由步骤1给出的全局语义参考路径仅包含不精确的道路信息，无人车从该全局语义参考路径中截取出当前车辆周围局部区域内的一段路径作为局部参考路径，将局部参考路径信息与实时检测结果进行融合，通过两者之间的互补得到稳定精确的局部规划地图；步骤2具体包括如下步骤：步骤2.1局部参考路径车道线信息和实时检测车道线的匹配步骤2.1.1通过局部参考路径中的车道数量信息和车道宽度信息生成虚拟道路结构；步骤2.1.2通过摄像头检测获取车道线实时检测的结果；步骤2.1.3使实时检测的最右侧车道线与虚拟道路结构中最右侧车道线进行匹配，剩下的车道线依次从右往左进行匹配，若数量不同，则多余的不进行匹配，计算此次互相匹配的车道线的平均位置偏差；依次将实时检测的最右侧车道线与虚拟道路结构中的剩下的车道线从右往左进行匹配，计算互相匹配车道线的平均位置偏差；步骤2.1.4选取步骤2.1.3中平均位置偏差最小的匹配方式作为车道线匹配的最终结果；步骤2.1.5以局部参考路径中记录的车道线数量为准，若实时检测出的车道线数量多于地图记录的车道线数量，则匹配后的结果中将多余的车道线删去，若实时检测出的车道线数量少于地图记录的车道线数量，则使用检测出的所有车道宽度的平均值作为剩下需要添加车道线的平移距离，最终得到与语义道路地图记录的车道结构相匹配的局部规划地图；步骤2.2车道实线边界生成虚拟墙在局部规划地图中将车道线中的实线标识为虚拟墙，虚拟墙作为一种障碍物既能避免规划结果跨越实线违反交通法规，又能减少路径规划的搜索范围；步骤2.3封闭路口处不正确导向车道在路口处，无人驾驶车辆按需行进方向行驶进入正确的导向车道，根据决策意图，将不应进入的车道进行封闭；步骤2.3.1当无法检测出路口每条车道的导向类型时，对路口处的车道设默认导向规
则：当路口处为单行道时，则认为该车道左转、直行、右转；若路口处为两车道，则认为左边车道为左转直行道，右边车道为右转直行道；若路口处车道数大于两车道，则认为最左侧为左转道，最右侧为右转道，其他所有车道为直行道；当检测出路口的导向类型时，以实时检测结果为准；步骤2.3.2从路口实线处开始，对导向方向不符合车辆决策意图的车道生成虚拟墙；步骤2.4路口停止线的处理对于路口处的停止线，若此时为红灯禁止通行，则将在停止线处生成一个速度为0的动态障碍物，迫使车辆规划减速以在停止线前停止，若为绿灯放行，则不生成虚拟障碍物或去除虚拟障碍物的影响；步骤2.5动态障碍物的处理对于所有感知到的动态障碍物和步骤2.4通过停止线生成的动态障碍物，都将其从局部规划地图上去除，放入步骤3中进行处理；通过以上步骤得到一张受车道规则约束的适用于动态场景的路径规划地图，提供给步骤3。4.如权利要求1所述的基于语义道路地图的无人驾驶多目标点轨迹并行规划方法，其特征在于，所述步骤3考虑车辆动力学约束的多目标点实时并行轨迹规划，包括如下步骤：步骤3.1在局部规划地图中采样规划目标点；步骤3.2对所选目标点集的实时并行规划；步骤3.3基于二次规划的速度规划。5.如权利要求4所述的基于语义道路地图的无人驾驶多目标点轨迹并行规划方法，其特征在于，所述步骤3.1在局部规划地图中采样规划目标点：步骤3.1.1设参考路上各点到车辆的沿该点法向的距离为s，车辆当前速度为v，垂直参考路的偏移点的偏移距离为l，则可规划的目标点将在符合车辆当前速度的可到达偏移点中产生，假设车辆当前的位置为(s0,l0)；进入步骤3.1.2；步骤3.1.2在可选择范围内根据当前车辆状态，选取相应的目标点集：在结构化道路时，若车辆为正常行驶状态，则选取当前所有同向车道中心线在局部规划地图中的最远处为目标点集，若车辆为U字掉头状态，则选取能掉头的对向车道中心线在局部地图中最远处为目标点集；在非结构化道路时，若车辆为正常行驶状态，则通过在语义参考路径最远处横向离散多个目标点作为目标点集，若车辆为泊车状态，则选取所有车辆周围能检测到的停车库位中心点为目标点集。6.如权利要求4所述的基于语义道路地图的无人驾驶多目标点轨迹并行规划方法，其特征在于，所述步骤3.2对所选目标点集的实时并行规划：步骤3.2.1构建Reeds
‑
Shepp曲线和Dubins曲线查找表，提供给步骤3.2.5和步骤3.2.7使用；步骤3.2.2构建不同车速下的扩展基元表，提供给步骤3.2.6；车辆动力学约束，路径最小曲率κ与车辆速度v需要满足关系其中μ为摩擦力系数，与路面粗糙程度有关，g是地球重力加速度；
将速度空间[0,V]以为单位速度离散化为离散的速度空间{v
i
∣i∈[0,V
idx
]}，通过人工实验的方法测量车辆在每个离散速度值v
i
,i∈[0,V
idx
]行驶时正常人类乘客能够接受的最大曲率κ
i
作为速度区间[v
i
,v
i+1
)的最大扩展曲率；对于每个离散速度值上的曲率约束κ
i
，使用弧长l
i
作圆弧C
i
：α
i
(t)＝l
i
·
t
·
κ
ii
其中t为弧长采样比例点，介于0到1之间，α
i
为在采样比例点处的角度，x
i
为在采样比例点处对应的横坐标值，y
i
为在采样比例点处对应的纵坐标值；其中弧长l
i
人为指定，随车速递增，以减小规划结果在高速度时的曲率变化率；每次路径规划前，将当前车速v转换为离散后速度空间的索引并访问查找表直接得到适用于当前速度的扩展基元集合{C
i
∣i∈[v
idx
,V
idx
]}；将基元C
i
中各位姿的x分量数值取反得到对应曲率和弧长的倒车扩展基元，将基元C
i
中各位姿的y分量数值取反得到对应曲率和弧长向另一方向转向的扩展基元；步骤3.2.3基于路径规划地图与目标位姿进行无车辆动力学约束最短距离计算，计算结果提供给步骤3.2.7；使用广度优先搜索算法计算出局部规划地图中每个离散格点到达每个目标位姿的最短距离d用于步骤3.2.7中路径搜索过程中启发值的计算；对于搜索产生的某状态(x,y,θ,d)，x、y表示局部规划地图中的位置；θ为航向角，以规划起点处车的航向为0；d∈{1,0}是离散值，表示当前行驶状态车辆的行驶方向(正向、负向)；对于步骤3.2中采样得到的目标点集中的每个目标点使用单独的线程进行并行启发式搜索，所有搜索线程退出后收集搜索结果；步骤3.2.4确定当前状态为规划起点车辆的位姿，设置其代价为0；进入步骤3.2.5；步骤3.2.5每N(s)次普通曲线扩展进行一次动态拓展：即使用步骤3.2.1中计算的Reeds
‑
Shepp曲线和Dubins曲线查找表在当前状态代表的位姿与目标位姿生成一条曲线，并使用两级圆环碰撞检测对该曲线上各个位姿进行碰撞检测；若沿该曲线行驶不会导致车辆发生碰撞，则直接将该曲线设为当前状态后的规划路径，搜索成功，此次路径搜索结束；若发生了碰撞，则放弃动态扩展，进行步骤3.2.6；其中N(s)与当前状态的估值有关，随着当前位姿靠近目标点，动态拓展将拥有更高的频率：对于规划的两种模式，在前向规划中使用Dubins曲线进行拓展，在前后向规划中使用Reeds
‑
Shepp曲线进行拓展；步骤3.2.6在步骤3.2.2中预先计算的扩展基元表中根据当前速度选取满足当前车速
下的最大曲率限制的扩展基元集合并将其中全部基元作旋转和平移变换使得变换后每个基元的起点状态为当前状态，终止状态表示了车辆下一可能的状态。对扩展基元中每个基元进行扩展，并使用两级圆环碰撞检测对该状态以及变换后的基元上的全部状态进行碰撞检测，若使用该基元进行扩展不会使车辆产生碰撞，才确定相应终止状态作为搜索算法当前扩展状态u的邻接状态v，并进行步骤3.2.7；若产生了碰撞，则重新选择新的扩展基元进行扩展；步骤3.2.7计算邻接状态v的估值，提供给步骤3.2.8；A*路径搜索算法性能的关键在于良好的估值函数的选择，即：F＝G
s
+H
g
上式中F为格子的估值，G
s
为该格子与起点的代价，H
g
为该格子与终点的估计代价，H
g
...
【专利技术属性】
技术研发人员：周宏图，叶晨，秦政睿，彭健聪，李建峰，宋双甫，
申请(专利权)人：同济大学，
类型：发明
国别省市：
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。