一种面向越野环境的无人驾驶车辆局部路径规划方法技术

本发明专利技术涉及一种面向越野环境的无人驾驶车辆局部路径规划方法，属于路径规划技术领域，解决了现有局部路径的规划忽略了地形特性而导致路径可行性不高的问题。包括基于分层地图，根据曲率和单位攀升高度，获取全局参考路径的纵向采样点，得到多个纵向采样阶段；根据纵向采样阶段的长度和预置的横偏量，对阶段终点的纵向采样点生成多个横向采样点；依次在每个纵向采样阶段生成由阶段起点到阶段终点的每个横向采样点的候选路径；将总代价值最小且满足平面无碰撞和静态稳定性的约束条件的候选路径作为最优路径，其对应的横向采样点作为下一个纵向采样阶段的阶段起点；连接每个纵向采样阶段的最优路径，得到完整的局部路径。实现了路径的安全和平稳。现了路径的安全和平稳。现了路径的安全和平稳。

【技术实现步骤摘要】
一种面向越野环境的无人驾驶车辆局部路径规划方法


[0001]本专利技术涉及路径规划
，尤其涉及一种面向越野环境的无人驾驶车辆局部路径规划方法。

技术介绍

[0002]路径规划作为地面无人平台的核心模块，同感知、定位、建图共同组成了地面无人平台的导航模块。为了保证无人车在越野环境下的工作性能，综合考虑环境约束和车辆特性，生成从当前车辆位置到指定目标位置的无碰撞、车辆控制算法可跟踪、安全平稳的路径是非常重要的。
[0003]现有大部分基于搜索、采样和优化的路径规划方法多集中于结构化道路或路面条件良好的城市环境，不适用于越野环境。由于越野环境下特殊的地形特性，保证路径的可行性和车辆的稳定驾驶更为重要。
[0004]而目前无人车常见的路径规划方法，基于平面二值栅格地图，仅考虑障碍物约束，避障的同时追求路径长度或时间最短，忽视了车辆特性、环境中地形高度和路面语义信息对路径规划的影响，难以保证规划路径的可行性。

技术实现思路

[0005]鉴于上述的分析，本专利技术实施例旨在提供一种面向越野环境的无人驾驶车辆局部路径规划方法，用以解决现有局部路径的规划忽略了地形特性而导致路径可行性不高的问题。
[0006]本专利技术实施例提供了一种面向越野环境的无人驾驶车辆局部路径规划方法，包括以下步骤：基于分层地图，根据曲率和单位攀升高度，获取全局参考路径的纵向采样点，得到多个连续的纵向采样阶段；根据每个纵向采样阶段的长度和预置的横偏量，对每个阶段终点的纵向采样点生成多个横向采样点；依次在每个纵向采样阶段中生成由阶段起点到阶段终点的纵向采样点对应的每个横向采样点的候选路径；计算候选路径的总代价值，将总代价值最小且满足平面无碰撞和静态稳定性的约束条件的候选路径作为最优路径，其对应的横向采样点作为下一个纵向采样阶段的阶段起点；连接每个纵向采样阶段的最优路径，得到完整的局部路径。
[0007]基于上述方法的进一步改进，分层地图是根据越野环境的图像数据和雷达点云数据，采用分层规划地图模型建模得到，包括障碍物层、高度层和路面语义层。
[0008]基于上述方法的进一步改进，基于分层地图，根据曲率和单位攀升高度，获取全局参考路径的纵向采样点，包括：在障碍物层，计算全局参考路径上各路径节点的曲率，根据曲率变化范围对应的采样步长，获取多个第一采样点；将多个第一采样点投影到高度层，计算得到的每相邻两个三维的第一采样点间的
单位攀升高度，在单位攀升高度大于高度阈值的两个三维的第一采样点间插入第二采样点；合并第一采样点和第二采样点，得到全局参考路径的纵向采样点。
[0009]基于上述方法的进一步改进，横向采样点的数量是通过以下公式，根据每个纵向采样阶段的长度和预置的采样长度范围动态确定：，其中，表示第j个纵向采样点对应的横向采样点的数量，表示预置的采样长度范围，A和B表示预置的固定值，表示阶段终点是第j个纵向采样点的纵向采样阶段的长度。
[0010]基于上述方法的进一步改进，在每个纵向采样阶段中生成由阶段起点到该纵向采样阶段的每个横向采样点的候选路径，是利用基于三次螺旋线的非线性参数优化方法，求解出曲率；再基于履带车辆运动学模型，代入曲率，生成笛卡尔坐标系下的候选路径。
[0011]基于上述方法的进一步改进，候选路径的总代价值，是根据候选路径在障碍物层的横向偏差代价，高度层的静态稳定性代价和路面语义层的路面语义代价分别与对应的权重相乘后求和得到。
[0012]基于上述方法的进一步改进，障碍物层的横向偏差代价，是候选路径对应的横向采样点距离同一纵向采样阶段中纵向采样点的距离。
[0013]基于上述方法的进一步改进，高度层的静态稳定性代价是通过将候选路径离散化成多个路径节点，通过以下公式计算出每个路径节点的静态稳定性代价后累加求和而得到：，其中，表示离散化的第i个路径节点，表示第i个路径节点与第i
‑
1个路径节点间俯仰角差值绝对值，表示第i个路径节点与第i
‑
1个路径节点间的侧倾角差值绝对值，表示第i个路径节点与第i
‑
1个路径节点间的单位攀升高度。
[0014]基于上述方法的进一步改进，路面语义层的路面语义代价是通过将候选路径离散化成多个路径节点，通过以下公式计算出每个路径节点的路面语义代价后累加求和而得到：
[0015]其中，、和分别表示在离散化的第i个路径节点处土路、草地和灌木三种路面类型所占比例，、和分别表示土路、草地和灌木三种路面类型对应的权重。
[0016]基于上述方法的进一步改进，平面无碰撞的约束条件是候选路径的路径节点离障碍物的最近距离大于无人驾驶车辆半径；静态稳定性的约束条件是无人驾驶车辆在候选路
径的路径节点处的俯仰角和侧倾角均小于对应的角度阈值。
[0017]与现有技术相比，本专利技术至少可实现如下有益效果之一：1、对全局参考路径，引入自适应纵向采样策略，基于曲率和基于高度的纵向采样策略，分割更合理，更加适合越野环境下的道路特点；引入自适应横向采样策略，基于路径长度确定横向采样点的数量，避免了生成弯曲能量过大的候选路径，减少计算量；2、规划的局部路径可以同时满足无碰撞约束、静态稳定性约束和车辆运动学约束。
[0018]本专利技术中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
[0019]附图仅用于示出具体实施例的目的，而并不认为是对本专利技术的限制，在整个附图中，相同的参考符号表示相同的部件；图1为本专利技术实施例中一种面向越野环境的无人驾驶车辆局部路径规划方法流程图；图2为本专利技术实施例中纵向采样示意图；图3为本专利技术实施例中在纵向采样阶段中生成候选路径示意图。
具体实施方式
[0020]下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。
[0021]本专利技术的一个具体实施例，公开了一种面向越野环境的无人驾驶车辆局部路径规划方法，如图1所示，包括以下步骤：S11、基于分层地图，根据曲率和单位攀升高度，获取全局参考路径的纵向采样点，得到多个连续的纵向采样阶段；根据每个纵向采样阶段的长度和预置的横偏量，对每个阶段终点的纵向采样点生成多个横向采样点；S12、依次在每个纵向采样阶段中生成由阶段起点到阶段终点的纵向采样点对应的每个横向采样点的候选路径；计算候选路径的总代价值，将总代价值最小且满足平面无碰撞和静态稳定性的约束条件的候选路径作为最优路径，其对应的横向采样点作为下一个纵向采样阶段的阶段起点；连接每个纵向采样阶段的最优路径，得到完整的局部路径。
[0022]实施时，采用自适应纵向采样策略，将全局参考路径分割成几个连续的阶段。在每个纵向采样阶段，使用自适应横向采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向越野环境的无人驾驶车辆局部路径规划方法，其特征在于，包括以下步骤：基于分层地图，根据曲率和单位攀升高度，获取全局参考路径的纵向采样点，得到多个连续的纵向采样阶段；根据每个纵向采样阶段的长度和预置的横偏量，对每个阶段终点的纵向采样点生成多个横向采样点；依次在每个纵向采样阶段中生成由阶段起点到阶段终点的纵向采样点对应的每个横向采样点的候选路径；计算候选路径的总代价值，将总代价值最小且满足平面无碰撞和静态稳定性的约束条件的候选路径作为最优路径，其对应的横向采样点作为下一个纵向采样阶段的阶段起点；连接每个纵向采样阶段的最优路径，得到完整的局部路径。2.根据权利要求1所述的面向越野环境的无人驾驶车辆局部路径规划方法，其特征在于，所述分层地图是根据越野环境的图像数据和雷达点云数据，采用分层规划地图模型建模得到，包括障碍物层、高度层和路面语义层。3.根据权利要求2所述的面向越野环境的无人驾驶车辆局部路径规划方法，其特征在于，所述基于分层地图，根据曲率和单位攀升高度，获取全局参考路径的纵向采样点，包括：在障碍物层，计算全局参考路径上各路径节点的曲率，根据曲率变化范围对应的采样步长，获取多个第一采样点；将多个第一采样点投影到高度层，计算得到的每相邻两个三维的第一采样点间的单位攀升高度，在单位攀升高度大于高度阈值的两个三维的第一采样点间插入第二采样点；合并第一采样点和第二采样点，得到全局参考路径的纵向采样点。4.根据权利要求1所述的面向越野环境的无人驾驶车辆局部路径规划方法，其特征在于，所述横向采样点的数量是通过以下公式，根据每个纵向采样阶段的长度和预置的采样长度范围动态确定：，其中，表示第j个纵向采样点对应的横向采样点的数量，表示预置的采样长度范围，A和B表示预置的固定值，表示阶段终点是第j个纵向采样点的纵向采样阶段的长度。5.根据权利要求1所述的面向越野环境的无人驾驶车辆局部路径规划方法，其特征在于，所述在每个纵向采样阶段中生成由阶段起点到该纵向采样阶段的...

【专利技术属性】
技术研发人员：刘海鸥，陶俊峰，关海杰，陈慧岩，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：