一种车辆路径规划方法技术

本发明专利技术公开了一种车辆路径规划方法，涉及自动驾驶技术领域。本发明专利技术提供的一种车辆路径规划方法，通过将图像视觉技术与毫米波雷达技术融合共同确认目标车辆所对应路面信息和障碍物信息，可实现对目标车辆驾驶过程中障碍物的高效精确检测，可改善现有车辆路径规划方法在复杂路面场景下精度较低的问题，提升车辆路径规划方法在复杂路面场景下的检测精度和路径规划效率。径规划效率。径规划效率。

【技术实现步骤摘要】
一种车辆路径规划方法


[0001]本专利技术涉及自动驾驶
，特别涉及一种车辆路径规划方法。

技术介绍

[0002]随着车辆的普及，自动驾驶技术在车辆控制系统的应用也越来越广泛。通过自动驾驶技术，车辆用户可以在驾驶过程中实现突发事件的智能化应对，比如，车辆用户在驾驶过程中突发疾病，或视线受阻等紧急场景时，自动驾驶技术能够在保障车辆用户驾驶安全的前提下，继续维持高效的驾驶行为。
[0003]相关技术提供的自动驾驶技术往往提供针对公路环境的理想化应对措施，而在复杂恶劣环境下，很容易受车辆状态自身、识别系统精度和周遭环境等因素共同影响，导致自动驾驶对车辆的路径规划存在较大误差，存在路径规划不合理，对车辆用户的生命健康造成威胁的问题。

技术实现思路

[0004]针对现有技术存在的上述问题，本专利技术提供了一种车辆路径规划方法，用以改善现有车辆路径规划方法在复杂路面场景下精度较低的现象，以提升车辆路径规划方法在复杂路面场景下的精度和规划效率。
[0005]根据本专利技术实施例的一个方面，提供一种车辆路径规划方法，其特征在于，所述车辆路径规划方法包括一种车辆路径规划方法，其特征在于，所述方法包括：响应于路径规划指令，实时获取目标车辆的运动数据，及当前路面的场景图像数据和毫米波雷达数据；根据所述场景图像数据获取第一分类信息，根据所述毫米波雷达数据获取第二分类信息，对所述第一分类信息和所述第二分类信息进行聚类算法处理，确认得到当前路面的综合分类信息，所述第一分类信息包括第一地面信息和至少一个第一物体信息，所述第二分类信息包括第二地面信息和至少一个第二物体信息，所述综合分类信息包括第三地面信息和至少一个第三物体信息；基于所述综合分类信息与所述目标车辆的运动数据，从所述至少一个第三物体信息中识别出所述目标车辆对应的障碍物，并计算各个障碍物与所述目标车辆的相对运动轨迹数据；根据各个相对运动轨迹数据与所述目标车辆的自身车况信息，实时规划并更新所述目标车辆对应的驾驶路径。
[0006]在一个优选的实施例中，在基于所述综合分类信息与所述目标车辆的运动数据，从所述至少一个第三物体信息中识别出所述目标车辆对应的障碍物之前，所述方法还包括：根据所述场景图像数据建立路面三维场景模型并进行展示；在所述路面三维场景模型中对所述第三地面信息和各个第三物体信息进行标识。
[0007]在一个优选的实施例中，所述基于所述综合分类信息与所述目标车辆的运动数据，从所述第三物体信息中识别出所述目标车辆对应的障碍物，包括：在所述路面三维场景模型中，以所述目标车辆左右边界为界限，确定所述第三地面信息中所述目标车辆所处的第一车道区域，以及允许所述目标车辆行驶的至少一个第二车道区域；对于每个车道区域，计算所述车道区域所对应图像的图像熵，将图像熵高于预设熵值的车道区域确定为存在障碍物的待定车道区域，将图像熵不高于预设熵值的车道区域确定为不存在障碍物的可选车道区域；对于每个待定车道区域，获取所述待定车道区域最新相邻单位时间的两个点云帧，根据所述两个点云帧确定所述待定车道区域的动态障碍物和静态障碍物。
[0008]在一个优选的实施例中，所述第三物体信息包括物体定位数据、速度大小和速度方向；所述运动数据包括车辆定位数据、航向角、纵向速度和横向速度；此时，所述计算各个障碍物与所述目标车辆的相对运动轨迹数据，包括：建立全局笛卡尔坐标系，并在全局笛卡尔坐标系中示出所述目标车辆的车辆定位和航向角；在所述全局笛卡尔坐标系中，以所述目标车辆的车辆重心为中心建立移动参考系统，并在所述移动参考系统示出所述目标车辆的纵向速度和横向速度；根据所述综合分类信息，在所述全局笛卡尔坐标系中确定当前路面对应的道路中心线位置，并根据所述全局笛卡尔坐标系中所述目标车辆与所述道路中心线的相对位置关系，将所述目标车辆在所述全局笛卡尔坐标系的运动数据，计算为所述目标车辆在所述路面三维场景模型中曲线坐标系对应的运动数据；根据各个第三物体信息与所述目标车辆在所述路面三维场景模型中曲线坐标系对应的运动数据，计算得到各个障碍物与所述目标车辆的相对运动轨迹数据。
[0009]在一个优选的实施例中，所述目标车辆的自身车况信息包括轮胎侧偏刚度信息、悬架几何结构信息、轮胎接触面摩擦饱和和载荷传递信息中的至少一种。
[0010]在一个优选的实施例中，所述方法还包括：根据所述场景图像数据确定所述目标车辆所处路面的车道图像数据，所述车道图像数据包括所述目标车辆对所处的第一车道图像数据和至少一条第二车道图像数据；此时，所述根据各个相对运动轨迹数据与所述目标车辆的自身车况信息，实时规划并更新所述目标车辆对应的驾驶路径，还包括：根据各个相对运动轨迹数据与所述目标车辆的自身车况信息，结合所述车道图像数据，共同规划并更新所述目标车辆对应的驾驶路径。
[0011]在一个优选的实施例中，所述方法还包括：将各个障碍物信息及对应驾驶路径数据确定为一组驾驶经验数据发送至云服务器，由所述云服务器存储；在下一次车辆路径规划方法执行过程中，响应于辅助路径规划指令，从所述云服务器获取驾驶经验数据用以辅助驾驶路径的规划。
[0012]在一个优选的实施例中，所述目标车辆的运动数据由GPS接收机、惯性单位和里程表测得。
[0013]在一个优选的实施例中，所述当前路面的场景图像数据包括深度数据和图像数据。
[0014]与现有技术相比，本专利技术提供的一种车辆路径规划方法具有以下优点：本专利技术提供的一种车辆路径规划方法，通过将图像视觉技术与毫米波雷达技术融合共同确认目标车辆所对应路面信息和障碍物信息，可实现对目标车辆驾驶过程中障碍物的高效精确检测，可改善现有车辆路径规划方法在复杂路面场景下精度较低的问题，提升车辆路径规划方法在复杂路面场景下的检测精度和路径规划效率。
[0015]同时，本专利技术通过将各个障碍物信息及对应驾驶路径数据确定为一组驾驶经验数据发送至云服务器，由云服务器存储，并在下一次车辆路径规划方法执行过程中，响应于辅助路径规划指令，从云服务器获取驾驶经验数据用以辅助驾驶路径的规划，可进一步辅助提升车辆行驶过程中的路径规划效率。
附图说明
[0016]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并于说明书一起用于解释本专利技术的原理。
[0017]图1是一种本专利技术一示例性实施例示出的车辆路径规划方法的流程示意图。
[0018]图2是根据本专利技术一示例性实施例示出的目标车辆在绝对参考系统中测量模型的示意图。
[0019]图3是根据本专利技术一示例性实施例示出的车辆路径规划方法的原理示意图。
具体实施方式
[0020]以下结合具体实施例（但不限于所举实施例)与附图详细描述本专利技术，本实施例的具体方法仅供说明本专利技术，本专利技术的范围不受实施例的限制，本专利技术在应用中可以作各种形态与结构的修改与变动，这些基于本专利技术基础上的等价形式同样处于本专利技术申请权利要求保护范围。
[0021]本专利技术提供了一种车辆路径规划方法的流程示意图，如图1所示，该车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆路径规划方法，其特征在于，所述方法包括：响应于路径规划指令，实时获取目标车辆的运动数据，及当前路面的场景图像数据和毫米波雷达数据；根据所述场景图像数据获取第一分类信息，根据所述毫米波雷达数据获取第二分类信息，对所述第一分类信息和所述第二分类信息进行聚类算法处理，确认得到当前路面的综合分类信息，所述第一分类信息包括第一地面信息和至少一个第一物体信息，所述第二分类信息包括第二地面信息和至少一个第二物体信息，所述综合分类信息包括第三地面信息和至少一个第三物体信息；基于所述综合分类信息与所述目标车辆的运动数据，从所述至少一个第三物体信息中识别出所述目标车辆对应的障碍物，并计算各个障碍物与所述目标车辆的相对运动轨迹数据；根据各个相对运动轨迹数据与所述目标车辆的自身车况信息，实时规划并更新所述目标车辆对应的驾驶路径。2.根据权利要求1所述的车辆路径规划方法，其特征在于，在基于所述综合分类信息与所述目标车辆的运动数据，从所述至少一个第三物体信息中识别出所述目标车辆对应的障碍物之前，所述方法还包括：根据所述场景图像数据建立路面三维场景模型并进行展示；在所述路面三维场景模型中对所述第三地面信息和各个第三物体信息进行标识。3.根据权利要求2所述的车辆路径规划方法，其特征在于，所述基于所述综合分类信息与所述目标车辆的运动数据，从所述第三物体信息中识别出所述目标车辆对应的障碍物，包括：在所述路面三维场景模型中，以所述目标车辆左右边界为界限，确定所述第三地面信息中所述目标车辆所处的第一车道区域，以及允许所述目标车辆行驶的至少一个第二车道区域；对于每个车道区域，计算所述车道区域所对应图像的图像熵，将图像熵高于预设熵值的车道区域确定为存在障碍物的待定车道区域，将图像熵不高于预设熵值的车道区域确定为不存在障碍物的可选车道区域；对于每个待定车道区域，获取所述待定车道区域最新相邻单位时间的两个点云帧，根据所述两个点云帧确定所述待定车道区域的动态障碍物和静态障碍物。4.根据权利要求2所述的车辆路径规划方法，其特征在于，所述第三物体信息包括物体定位数据、速度大小和速度方向；所述运动数据包括车辆定位数据、航向角、纵向速度和...

【专利技术属性】
技术研发人员：陈刚，徐俊杰，
申请(专利权)人：嘉兴索亚智能科技有限公司，
类型：发明
国别省市：