基于港口高精度地图的车道级全局路径规划方法及装置制造方法及图纸

本发明专利技术公开了一种基于港口高精度地图的车道级全局路径规划方法及装置，主要技术方案为：加载静态高精度地图。基于港口环境，通过地图模块获取道路环境静态特征，输出静态高精度地图；添加上下岸桥模板。在静态高精度地图基础上，根据船舶停靠的位置，分别在船头和船尾处添加上下岸桥的模板；生成作业相关高精度地图。将静态高精度地图与上下岸桥模板矢量叠加并重建车道拓扑关系，生成无人驾驶车辆作业相关高精度地图，为后续路径规划提供环境定位信息。构建路径规划图。基于无人驾驶车辆作业相关高精度地图，搜索任务起点和任务终点之间的车道信息。全局路径动态搜索。车道信息。全局路径动态搜索。车道信息。全局路径动态搜索。

【技术实现步骤摘要】
基于港口高精度地图的车道级全局路径规划方法及装置


[0001]本专利技术涉及无人驾驶
，尤其涉及一种基于港口高精度地图的车道级全局路径规划方法及装置。

技术介绍

[0002]近年来，全无人全自动作业港口的建设发展迅速。封闭或半开放场景的港口环境中，无人驾驶集装箱卡车或无人驾驶集装箱平板车(统称无人驾驶车辆)正在逐步替代港口的人工驾驶作业车辆。全局路径规划是整个无人驾驶系统中至关重要的一环，安全高效的路径规划能更好保障顺利完成港口作业。为了确保全局路径规划的精度和可靠性，需要车辆对环境信息实时精确的定位，需要获取作业环境的高精度地图，但限于港口无人驾驶场景的特殊性，在对大范围、双向车道行驶环境下的全局路径规划还存在一定的局限性。
[0003]港口无人驾驶场景与城市场景或高速场景存在一定区别，主要体现在：(1)港口岸桥下的道路(岸桥路)的双向结构，即在港口道路环境中可以根据船头停靠方向随时切换车道方向；(2)上下岸桥的路径具有任意性。即岸桥路与纬路之间通常不存在车道线。与岸桥路平行的港口内部道路，一般称为纬路。定义从纬路到岸桥路的过程为上岸桥，从岸桥路到纬路的过程为下岸桥。原则上，可以在岸桥路任意地点上下岸桥。但实际上，一般在船尾附近上岸桥，在船头附近下岸桥；(3)通过装卸集装箱锁的锁区具有不确定性。需要根据港口作业需求决定是否通过装卸集装箱锁的锁区。因此，尽管对无人驾驶车辆和其他机器人在城市道路或高速道路环境中的全局路径规划和跟踪展开了大量研究，但将这些方法直接应用于港口作业环境中的无人驾驶车辆并不容易。
[0004]目前，现有无人驾驶车辆全局路径规划技术中，常用方法有遗传算法、可视图法、人工势场法以及A*等，这些方法均可实现路径的规划。然而，无人驾驶全局规划是一个复杂的问题，车辆不仅要遵守各种交通规则，同时还要应对动态的交通环境，避免碰撞追求行驶效率和质量。A*规划方法已广泛应用于非结构化道路机器人或无人驾驶车辆的路径规划，其灵活性与实时性的特点契合了无人驾驶避障的需求。同时，在港口作业环境中，需要提供丰富的道路环境特征，因此，有必要提供一种基于港口高精度地图的车道级全局路径规划方法及装置，实现安全高效的路径规划。

技术实现思路

[0005]有鉴于此，本专利技术提供一种基于港口高精度地图的车道级全局路径规划方法及装置，主要目的在于提供了安全高效港口环境中车道级全局路径规划方法，重点解决岸桥双向车道，上下岸桥困难，以及动态决定是否过集装箱装卸锁区等问题。
[0006]为了达到上述目的，本专利技术主要提供如下技术方案：
[0007]一方面，本专利技术提供了一种基于港口高精度地图的车道级全局路径规划方法，该方法包括：
[0008]S1，加载静态高精度地图。基于港口环境，通过地图模块获取道路环境静态特征
(包括车道线、路标等)，输出港口环境的静态高精度地图；
[0009]S2，添加上下岸桥模板。在静态高精度港口环境地图基础上，根据船舶停靠的位置，分别在船头和船尾处添加上下岸桥的模板；
[0010]S3，生成作业相关高精度地图。将静态高精度地图与上下岸桥模板矢量叠加并重建车道拓扑关系，生成无人驾驶车辆作业相关高精度地图，为后续路径规划提供环境定位信息。
[0011]S4，构建路径规划图。利用无人驾驶车辆作业相关高精度地图构建routing_graph中的车道结点lane_nodes和车道间拓扑关系边topological_edges。其中，相互关系为：
[0012]routing_graph＝lane_nodes+topological_edges
[0013]S5，查找起终点所在车道。基于无人驾驶车辆作业相关高精度地图，搜索任务起点和任务终点之间的车道信息。
[0014]S6，全局路径动态搜索。基于无人驾驶车辆经典A*算法，针对港口场景做了改进，能够处理双向车道规划问题以及规划时决定是否禁止某个lane_node换道或是否通过集装箱装卸锁区。具体地，改进后A*算法为：
[0015]f(n)＝g(n)+h(n)
[0016]其中，g(n)是起点lane_node到当前结点n的最小实际代价。
[0017][0018]其中，P是从起点lane_node到当前结点n的所有可能的路径；p是P中一种路径；e是p经过的车道结点lane_node。h(n)是当前结点n的估计代价。
[0019]为确保改进后的A*算法能找到最优全局路径，h(n)不能超出结点n到终点t的实际代价。因此选择n到终点t的欧氏距离，即：
[0020][0021]可选的，所述构建路径规划图，利用无人驾驶车辆作业相关高精度地图构建routing_graph中的车道结点lane_nodes和车道间拓扑关系边topological_edges，包括：
[0022]S41，车道结点(lane_nodes)的定义和选取。具体地，
[0023]每个车道结点关联前驱车道间拓扑关系边topological_edges，定义为predecessor_edges,后继车道间拓扑关系边topological_edges，定义为successor_edges，左相邻车道间拓扑关系边topological_edges，定义为left_edges，右相邻车道间拓扑关系边topological_edges，定义为right_edges。
[0024]其中，predecessor_edge：指向路径行进方向上一个车道结点，可能会有多个。successor_edge：指向路径行进方向下一个车道结点，可能会有多个。
[0025]left_edge：指向左相邻车道结点。
[0026]right_edge：指向右相邻车道结点。
[0027]S42，车道结点(lane_nodes)的可能性判断。具体地，
[0028]一个车道结点没有左相邻车道间拓扑关系边left_edges有两种可能：(1)最左侧车道；(2)禁止向左换道。
[0029]同样，一个车道结点没有右相邻车道间拓扑关系边right_edges也会有两种可能：(1)最右侧车道；(2)禁止向右环道。
[0030]后继车道间拓扑关系边successor_edge指向的车道结点lane_node称为successor，左相邻车道间拓扑关系边left_edge指向的车道结点lane_node称为left_neighbor,右相邻车道间拓扑关系边right_edge指向的rihgt_neighbor，三者统称为neighbors。
[0031]双向车道有正向neighbors(positive_neighbors)和反向neighbors(negative neighbors)，单向车道lane_node只有正向neighbors。
[0032]S43，拓扑关系边topological_edges的定义与代价计算。具体地，
[0033]每条拓扑关系边topolo本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于港口高精度地图的车道级全局路径规划方法，其特征在于，所述方法包括：加载静态高精度地图；基于港口环境，通过地图模块获取道路环境静态特征(包括车道线、路标等)，输出港口环境的静态高精度地图；添加上下岸桥模板；在静态高精度港口环境地图基础上，根据船舶停靠的位置，分别在船头和船尾处添加上下岸桥的模板；生成作业相关高精度地图；将静态高精度地图与上下岸桥模板矢量叠加并重建车道拓扑关系，生成无人驾驶车辆作业相关高精度地图，为后续路径规划提供环境定位信息；构建路径规划图；利用无人驾驶车辆作业相关高精度地图构建routing_graph中的车道结点lane_nodes和车道间拓扑关系边topological_edges；其中，相互关系为：routing_graph＝lane_nodes+topological_edges查找起终点所在车道；基于无人驾驶车辆作业相关高精度地图，搜索任务起点和任务终点之间的车道信息；全局路径动态搜索；基于无人驾驶车辆经典A*算法，针对港口场景做了改进，能够处理双向车道规划问题以及规划时决定是否禁止某个lane_node换道或是否通过集装箱装卸锁区；具体地，改进后A*算法为：f(n)＝g(n)+h(n)其中，g(n)是起点lane_node到当前结点n的最小实际代价；其中，P是从起点lane_node到当前结点n的所有可能的路径；p是P中一种路径；e是p经过的车道结点lane_node；h(n)是当前结点n的估计代价；为确保改进后的A*算法能找到最优全局路径，h(n)不能超出结点n到终点t的实际代价；因此选择n到终点t的欧氏距离，即：2.根据权利要求1所述的方法，其特征在于，所述构建路径规划图，利用无人驾驶车辆作业相关高精度地图构建routing_graph中的车道结点lane_nodes和车道间拓扑关系边topological_edges，包括：车道结点(lane_nodes)的定义和选取，具体地，每个车道结点关联前驱车道间拓扑关系边topological_edges，定义为predecessor_edges,后继车道间拓扑关系边topological_edges，定义为successor_edges，左相邻车道间拓扑关系边topological_edges，定义为left_edges，右相邻车道间拓扑关系边topological_edges，定义为right_edges；其中，predecessor_edge：指向路径行进方向上一个车道结点，可能会有多个；successor_edge：指向路径行进方向下一个车道结点，可能会有多个；left_edge：指向左相邻车道结点；right_edge：指向右相邻车道结点。3.根据权利要求1所述的方法，其特征在于，所述构建路径规划图，利用无人驾驶车辆
作业相关高精度地图构建routing_graph中的车道结点lane_nodes和车道间拓扑关系边topological_edges，包括：车道结点(lane_nodes)的可能性判断；具体地，一个车道结点没有左相邻车道间拓扑关系边left_edges有两种可能：(1)最左侧车道；(2)禁止向左换道；同样，一个车道结点没有右相邻车道间拓扑关系边right_edges也会有两种可能：(1)最右侧车道；(2)禁止向右环道；后继车道间拓扑关系边successor_edge指向的车道结点lane_node称为successor，左相邻车道间拓扑关系边left_edge指向的车道结点lane_node称为left_neighbor，右相邻车道间拓扑关系边right_edge指向的rihgt_neighbor，三者统称为neighbors；双向车道有正向neighbors(positive_neighbors)和反向neighbors(negative neighbors)，单向车道lane_node只有正向neighbors。4.根据权利要求1所述的方法，其特征在于，所述构建路径规划图，利用无人驾驶车辆作业相关高精度地图构建routing_graph中的车道结点lane_nodes和车道间拓扑关系边topological_edges...

【专利技术属性】
技术研发人员：朱园媛，张天雷，王晓东，
申请(专利权)人：北京主线科技有限公司，
类型：发明
国别省市：