基于A-star算法的自动驾驶路径规划方法、系统、设备及介质技术方案

本发明专利技术提供了一种基于A

【技术实现步骤摘要】
基于A
‑
star算法的自动驾驶路径规划方法、系统、设备及介质


[0001]本专利技术涉及自动驾驶
，具体为一种基于A
‑
star算法的自动驾驶路径规划方法、系统、设备及介质。

技术介绍

[0002]自动驾驶技术是一个越来越热门的产业，因此如何在这么大的竞争环境中脱颖而出成为关键。无人驾驶技术涉及的方面特别广泛，需要研究的问题也很多。目前我们所熟知的研究公司也有很多，例如谷歌无人车采用激光测距、车道保持、立体视觉、GPS/惯性导航系统等技术。百度无人车采用语音识别、图像识别、云端深度学习技术。2016年日本的无人驾驶出租车在神奈川县藤泽市内的居民区和超市之间实验行驶，表现良好，总路程为2.4公里。尽管不少企业已经取得了很多成果，但是无人驾驶技术还不能够广泛应用，因为就目前而言，耗费成本太高，根本不足以支撑大范围使用。因此，本专利技术提出一种基于A
‑
star算法的自动驾驶路径规划方法，通过仿真软件去验证A
‑
star算法的路径规划的安全性，在得到好的结果之后，将算法放入实车进行验证，得到最终结果。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述存在的问题，提出了本专利技术。/>[0005]因此，本专利技术解决的技术问题是：自动驾驶技术还不能够广泛应用，耗费成本太高。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：基于Matlab/PreScan系统搭建车辆、环境、传感器以及路；构建和定义车辆及车路系统；基于车辆和车路系统进行动画连接设置以及建立控制系统；基于仿真系统进行编程，构建搜索拓展可行动作空间的程序的A
‑
star算法，使用A
‑
star算法进行路径规划。
[0007]作为本专利技术所述基于A
‑
star算法的自动驾驶路径规划方法的优选方案，其中：所述基于Matlab/PreScan系统搭建车辆、环境、传感器以及路包括，在PreScan中建立车辆模型、车辆传感器模型、城市路网、道路障碍模型、行人模型和城市天气。
[0008]作为本专利技术所述基于A
‑
star算法的自动驾驶路径规划方法的优选方案，其中：所述构建和定义车辆及车路系统包括，使用CarSim为仿真提供更精细的车辆动力学模型，并在PreSan中确立实时车路系统，所述车辆动力学模型包括，车辆外观模型和车辆的动力配置，所述实时车路系统包括，道路的宽度，道路上的车流量和路面通过性。
[0009]作为本专利技术所述基于A
‑
star算法的自动驾驶路径规划方法的优选方案，其中：所述基于车辆和车路系统进行动画连接设置以及建立控制系统包括，将车辆决策控制系统架构部署在Matlab/Simulink中，通过simulink访问、可视化和标注数据，进一步调整在
PreScan中生成的车辆、道路以及行人模型，构建完整的自动驾驶系统，并将系统仿真效果实时同步可视化到Prescan的3D VisViewer进行检验。
[0010]作为本专利技术所述基于A
‑
star算法的自动驾驶路径规划方法的优选方案，其中：所述构建搜索拓展可行动作空间的程序的A
‑
star算法包括，输入自动驾驶的起点与终点，基于A
‑
star算法寻找自动驾驶中车辆行驶的路径，判断车辆能否在寻找的路径上通行，采用Stanley轨迹跟踪算法计算控制信号输出给车辆，车辆进行自动驾驶操作并完成车辆自动驾驶行程。
[0011]作为本专利技术所述基于A
‑
star算法的自动驾驶路径规划方法的优选方案，其中：所述基于仿真系统进行编程，使用A
‑
star算法进行路径规划包括，在Simulink集成测试模块中使用A
‑
star算法完成自动驾驶系统中的路径规划，构建完整的仿真闭环并进行实验；A
‑
star算法的公式如下所示：
[0012]f(n)＝g(n)+h(n)
[0013]其中，f(n)是从起始点到目标点的估价函数，是初始位置开始必须经过当前位置n到目标位置的代价估计；g(n)是起始点到当前已经到达了点的代价函数，是初始位置到当前位置n的实际代价；h(n)是从当前已经到达了的点到目标点的估价函数，是当前位置n到目标位置的最优路径的估计代价；
[0014]其中，二维平面地图中存在两点，为路径规划中的起点和终点，将起点和终点的位置坐标设为(Ax,Ay)和(Bx,By)，AB之间的估价函数欧氏距离h(n)的表达式为：
[0015][0016]作为本专利技术所述基于A
‑
star算法的自动驾驶路径规划方法的优选方案，其中：所述使用A
‑
star算法进行路径规划还包括，将基于A
‑
star算法的路径规划方法放入实车进行测试，验证实车路径规划的效果，在实车上，可以验证基于A
‑
star算法路径规划的安全性。
[0017]本专利技术的另一个目的是提供一种基于A
‑
star算法的自动驾驶路径规划方法的系统，其能通过构建基于A
‑
star算法的自动驾驶路径规划方法的系统，完成基于A
‑
star算法的自动驾驶路径规划，解决现有自动驾驶技术应用不够广泛且耗费成本过高的问题。
[0018]一种基于A
‑
star算法的自动驾驶路径规划方法的系统，其特征在于：所述系统包括，信息搭建模块，连接和控制模块，A
‑
star算法模块，路径规划模块；
[0019]所述信息搭建模块，用于搭建基于Matlab/PreScan系统的车辆、环境、传感器以及路的数据信息；
[0020]所述连接和控制模块，用于对车辆和车路系统进行动画连接设置以及进行控制；
[0021]所述A
‑
star算法模块，存储A
‑
star算法逻辑，为路径规划模块提供算法逻辑支撑；
[0022]所述路径规划模块，基于A
‑
star算法模块，规划和生成自动驾驶车辆所需的实际路径信息。
[0023]本专利技术还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现基于A
‑
star算法的自动驾驶路径规划方法的步骤。
[0024]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现基于A
‑
star算法的自动驾驶路径规划方法的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于A
‑
star算法的自动驾驶路径规划方法，其特征在于：包括，基于Matlab/PreScan系统搭建车辆、环境、传感器以及路；构建和定义车辆及车路系统；基于车辆和车路系统进行动画连接设置以及建立控制系统；基于仿真系统进行编程，构建搜索拓展可行动作空间的程序的A
‑
star算法，使用A
‑
star算法进行路径规划。2.如权利要求1所述的基于A
‑
star算法的自动驾驶路径规划方法，其特征在于：所述基于Matlab/PreScan系统搭建车辆、环境、传感器以及路包括，在PreScan中建立车辆模型、车辆传感器模型、城市路网、道路障碍模型、行人模型和城市天气。3.如权利要求1或2所述的基于A
‑
star算法的自动驾驶路径规划方法，其特征在于：所述构建和定义车辆及车路系统包括，使用CarSim为仿真提供更精细的车辆动力学模型，并在PreSan中确立实时车路系统，所述车辆动力学模型包括，车辆外观模型和车辆的动力配置，所述实时车路系统包括，道路的宽度、道路上的车流量和路面通过性。4.如权利要求3所述的基于A
‑
star算法的自动驾驶路径规划方法，其特征在于：所述基于车辆和车路系统进行动画连接设置以及建立控制系统包括，将车辆决策控制系统架构部署在Matlab/Simulink中，通过simulink访问、可视化和标注数据，进一步调整在PreScan中生成的车辆、道路以及行人模型，构建完整的自动驾驶系统，并将系统仿真效果实时同步可视化到Prescan的3D VisViewer进行检验。5.如权利要求4所述的基于A
‑
star算法的自动驾驶路径规划方法，其特征在于：所述构建搜索拓展可行动作空间的程序的A
‑
star算法包括，输入自动驾驶的起点与终点，基于A
‑
star算法寻找自动驾驶中车辆行驶的路径，判断车辆能否在寻找的路径上通行，采用Stanley轨迹跟踪算法计算控制信号输出给车辆，车辆进行自动驾驶操作并完成车辆自动驾驶行程。6.如权利要求5所述的基于A
‑
star算法的自动驾驶路径规划方法，其特征在于：所述基于仿真系统进行编程，使用A
‑
star算法进行路径规划包括，在Simulink集成测...

【专利技术属性】
技术研发人员：原鑫鑫，王艺霖，刘云翔，刘芳青，吕建华，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：