一种基于栅格地图的轨迹规划方法技术

本发明专利技术涉及一种基于栅格地图的轨迹规划方法，该方法包括：步骤S1、获取带有环境信息的二维栅格地图；步骤S2、将不同朝向的车辆模型作为卷积核，与二维栅格地图卷积后获得附带朝向角信息的三维增广障碍物栅格图，并以朝向角为剖面展开，得到重构的环境栅格图；步骤S3、基于混合A*算法，输入起止车辆位姿，通过查表的方式获取车辆在当前位姿下的碰撞情况，获取最终的规划轨迹结果。与现有技术相比，本发明专利技术通过卷积将车辆模型蕴含至环境栅格地图当中，将边边的碰撞检测问题通过重新配置的障碍物空间等效转换为点点碰撞检测问题，大大减轻了碰撞检测函数的压力，提高了轨迹规划的效率。提高了轨迹规划的效率。提高了轨迹规划的效率。

【技术实现步骤摘要】
一种基于栅格地图的轨迹规划方法


[0001]本专利技术涉及轨迹规划
，尤其是涉及一种基于栅格地图的轨迹规划方法。

技术介绍

[0002]无人驾驶轨迹规划模块对车辆行驶的可行性、舒适性和效率起着关键作用，其需要完成的任务是根据车辆的当前位姿、周围环境和行为决策信息，在时空上避开障碍物并到达目的地。其中，为安全避开障碍物，需要感知模块对环境进行精确描述，还需要规划模块考虑车辆模型进行候选轨迹点的碰撞检测，而碰撞检测算法一直以来都是规划模块中效率最低的其中一部分。
[0003]碰撞检测算法在计算机图像处理和机器人领域应用广泛，Lozano首次提出配置空间法的概念，将环境障碍物进行一定程度的膨胀，以将边边碰撞检测问题简化为点边碰撞检测问题。Kurzer等人对其进行了拓展，将配置空间法应用于栅格环境中，并讨论了栅格空间覆盖枚举问题。Hubbard等人针对交互式图形应用中碰撞检测算法效率低的问题，提出了一种针对刚性物体的新算法，使用简单的四维几何来逼近运动，并使用球体的层次结构来逼近多个分辨率的三维表面。Thrun使用动态窗口法将车辆作为滑动窗口以避障，这与Hubbard提出的碰撞检测算法一致。Klosowski对BV
‑
trees碰撞检测方法进行了改善。Terdiman通过丢弃原始BV
‑
trees中的叶节点直接进行精确求交检测，并使用量化包围盒，使得算法整体对内存需求为原来的四分之一。
[0004]在无人驾驶领域，也有不少高校和企业针对此问题开展研究，Zhang,Ziegler等人在Hubbard的研究基础上，将三维的碰撞检测问题降到二维，并将无人车划分为多个圆，通过先粗后细的搜索方法很好的提升了运算效率，此外，作者还在文中分析比较了四圆法和六圆法的优劣势。Fu提出了导航圆的概念，以自车为中心生成同心圆，在判断无碰撞圆弧与目标点的吻合度后，生成无碰撞路径，但碰撞检测的本质仍是车辆矩形与障碍物边判断相交的过程。Mercy等人使用分离超平面定理并通过优化的方法以保证车辆与障碍物之间保有一定的阈值，以避免控制偏差所带来的碰撞。Wang等人基于凸二次规划和模型预测控制实现自主车辆在动静态环境中的无碰撞规划，其中，车辆形状被视为一个凸多边形。由于无人驾驶所面临的环境具有极大的不确定性，诸多碰撞检测方法都考虑到了环境的不确定性，Althoff等人基于预测，考虑了交通参与者的相互作用，得到的结果从传统的碰撞与否变为了碰撞概率。Lee等人提出了一个风险评估模块，使用预测栅格图方法计算环境潜在风险。Morsali使用支持向量机将搜索空间分为有障碍物和无障碍物，并在四个维度的状态空间网格中使用A*算法同时进行路径规划和速度规划。
[0005]现有的大部分方法都是从车辆入手，通过简化车辆模型以降低计算的复杂度，但即使是目前用的极多的三圆法简化方法，仍需要在每步轨迹时计算与各个圆之间的距离以判定自身是否会与环境发生碰撞。

技术实现思路

[0006]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供了一种效率高的基于栅格地图的轨迹规划方法。
[0007]本专利技术的目的可以通过以下技术方案来实现：
[0008]本专利技术给出了一种基于栅格地图的轨迹规划方法，该方法包括：
[0009]步骤S1、获取带有环境信息的二维栅格地图；
[0010]步骤S2、将不同朝向的车辆模型作为卷积核，与二维栅格地图卷积后获得附带朝向角信息的三维增广障碍物栅格图，并以朝向角为剖面展开，得到重构的环境栅格图；
[0011]步骤S3、基于混合A*算法，输入起止车辆位姿，通过查表的方式获取车辆在当前位姿下的碰撞情况，获取最终的规划轨迹结果。
[0012]优选地，所述步骤S1中的带有环境信息的二维栅格地图，具体为：二维栅格地图中被障碍物所占据的栅格标记为1，无障碍物栅格标记为0。
[0013]优选地，所述步骤S2中将不同朝向的车辆模型作为卷积核，与二维栅格地图卷积后获得附带朝向角信息的三维增广障碍物栅格图，并以朝向角为剖面展开，具体为：
[0014]选取朝向分辨率为360/K
°
的共计K种朝向的车辆位姿，将其投影至自定义的卷积核中，生成共K种卷积核，与二维栅格地图卷积后，获得K张以车辆朝向角为剖面的环境栅格图。
[0015]优选地，所述附带朝向角信息的三维增广障碍物栅格图中，当某点卷积结果大于0时，表示车辆以此朝向在该点时，会与障碍物发生碰撞，反之，则车辆后座中心点在该点时，车辆与环境无碰撞。
[0016]优选地，所述步骤S3具体为：
[0017]使用基于混合车辆运动学约束和Reeds
‑
Shepp曲线的混合A*算法进行路径规划，在每步求解时通过三维增广障碍物栅格图进行碰撞检测，并判定局部最优节点及该节点是否能够使用Reeds
‑
Shepp曲线与终点无碰撞相连，如果可以，则退出混合A*算法搜索，得到最终的规划轨迹。
[0018]优选地，所述步骤S3具体包括以下子步骤：
[0019]步骤S31、基于车辆运动学约束，采用节点搜索方法获取候选节点序列；
[0020]步骤S32、对候选节点序列中的所有节点，基于查表的方法判定每个节点的位姿是否在三维栅格图中被标记为碰撞，将所有不满足硬约束的节点标记为无效节点；
[0021]步骤S33、经过步骤S32后获得多个有效节点，比较到达当前节点的代价与节点至终点的启发式代价之和，判定局部最优节点；
[0022]步骤S34、将局部最优节点与目标点通过Reeds
‑
Shepp曲线试探性相连，并每个设定距离采样一个节点，采用查表方法在三维栅格地图中判定该点是否与环境发生碰撞，若发生碰撞，使用混合A*算法继续搜索下一节点，如未发生碰撞，则退出混合A*算法，得到最终的轨迹规划结果。
[0023]优选地，所述步骤S31中的车辆运动学约束采用自行车模型，则下一节点位姿表达式为：
[0024][0025]式中，ψ为航向角，β为侧偏角，l
f
为前悬长度，l
r
为后悬长度；δ
f
为前轮转向角，在设定范围内，按照设定分别率均匀分布。
[0026]优选地，所述步骤S34中最终的轨迹规划结果包含A*搜索的节点相连轨迹，以及A*搜索末节点与目标点的Reeds
‑
Shepp曲线相连轨迹。
[0027]优选地，节点评价指标为到达当前节点的距离损失与从当前节点到目标点的启发式距离损失之和。
[0028]优选地，所述启发式距离为曼哈顿距离。
[0029]与现有技术相比，本专利技术具有以下优点：
[0030]1)将车辆模型通过卷积的方式巧妙融合入环境栅格地图当中，生成了以车辆航向角为剖面的三维障碍物栅格地图，为在无人驾驶中障碍物的表述方式提供新的思路；
[0031]2)将传统的边点或边边的碰撞检测方式降维至点点判别，大大降本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于栅格地图的轨迹规划方法，其特征在于，该方法包括：步骤S1、获取带有环境信息的二维栅格地图；步骤S2、将不同朝向的车辆模型作为卷积核，与二维栅格地图卷积后获得附带朝向角信息的三维增广障碍物栅格图，并以朝向角为剖面展开，得到重构的环境栅格图；步骤S3、基于混合A*算法，输入起止车辆位姿，通过查表的方式获取车辆在当前位姿下的碰撞情况，获取最终的规划轨迹结果。2.根据权利要求1所述的一种基于栅格地图的轨迹规划方法，其特征在于，所述步骤S1中的带有环境信息的二维栅格地图，具体为：二维栅格地图中被障碍物所占据的栅格标记为1，无障碍物栅格标记为0。3.根据权利要求2所述的一种基于栅格地图的轨迹规划方法，其特征在于，所述步骤S2中将不同朝向的车辆模型作为卷积核，与二维栅格地图卷积后获得附带朝向角信息的三维增广障碍物栅格图，并以朝向角为剖面展开，具体为：选取朝向分辨率为360/K
°
的共计K种朝向的车辆位姿，将其投影至自定义的卷积核中，生成共K种卷积核，与二维栅格地图卷积后，重构得到K张以车辆朝向角为剖面的环境栅格图。4.根据权利要求3所述的一种基于栅格地图的轨迹规划方法，其特征在于，所述附带朝向角信息的三维增广障碍物栅格图中，当某点卷积结果大于0时，表示车辆以此朝向在该点时，会与障碍物发生碰撞，反之，则车辆后座中心点在该点时，车辆与环境无碰撞。5.根据权利要求3所述的一种基于栅格地图的轨迹规划方法，其特征在于，所述步骤S3具体为：使用基于混合车辆运动学约束和Reeds
‑
Shepp曲线的混合A*算法进行路径规划，在每步求解时通过三维增广障碍物栅格图进行碰撞检测，并判定局部最优节点及该节点是否能够使用Reeds
‑
Shepp曲线与终点无碰撞相连，如果可以，则退出混合A*算法搜索，得到最终的规划轨迹。6.根据权利要求5所述的一种基于栅格地图的...

【专利技术属性】
技术研发人员：王峻，张超杰，宋梦譞，
申请(专利权)人：同济大学，
类型：发明
国别省市：