【技术实现步骤摘要】
基于人工智能的自动驾驶路径规划方法及系统
[0001]本专利技术属于路径规划
，具体是指基于人工智能的自动驾驶路径规划方法及系统
。
技术介绍
[0002]自动驾驶路径规划是自动驾驶的一项重要技术，它旨在选择最佳行驶路线
、
优化车速和减少路程中的不必要停顿，从而提高驾驶效率
、
减少交通拥堵
、
降低事故风险和增强行驶舒适性
。
[0003]但在现有的自动驾驶路径规划过程中，存在由于车辆
、
行人
、
电动车等因素变化，导致交通环境复杂，缺少一种高效感知交通环境的方法的技术问题；存在由于交通参与者较多，路况条件复杂，导致驾驶安全风险高的技术问题；存在道路状况和交通流量动态变化，缺乏一种高效规划路径的方法的技术问题
。
技术实现思路
[0004]针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于人工智能的自动驾驶路径规划方法及系统，针对在自动驾驶路径规划过程中，存在由于车辆
、
行人
、
电动车等因素变化，导致交通环境复杂，缺少一种高效感知交通环境的方法的技术问题，本方案采用基于欧几里得聚类的道路提取方法，有效地从复杂交通环境中提取道路信息，为路径规划提供了准确的道路数据；针对在自动驾驶路径规划过程中，存在由于交通参与者较多，路况条件复杂，导致驾驶安全风险高的技术问题，本方案采用基于路面点云的人工势场生成方法，灵活应对多种交通参与者和复杂路况，通过
【技术保护点】
【技术特征摘要】
1.
基于人工智能的自动驾驶路径规划方法，其特征在于：该方法包括以下步骤：步骤
S1
：数据采集，具体为通过数据采集设备，获取车辆环境数据；步骤
S2
：道路提取，具体为从车辆环境数据中获取点云数据，对点云数据进行数据校正，计算得到点云校正数据
Pic1，通过欧几里得聚类算法，进行道路提取，计算得到路面点云数据
Pic2和障碍物点云数据
Oli
；步骤
S3
：人工势场生成，具体为依据路面点云数据
Pic2，计算目标点云数据点
lic
引力势能，依据障碍物点云数据点
bli
，计算障碍物点云数据点
bli
斥力势能，通过势能叠加，计算得到目标点合力势能；步骤
S4
：路径规划，具体为依据目标点合力势能，优化启发式函数，计算得到启发式优化函数，依据启发式优化函数，优化总代价函数，计算得到总代价优化函数，采用启发式搜索算法，通过总代价优化函数进行路径规划，计算得到最优路径；步骤
S5
：车辆驾驶方案生成
。2.
根据权利要求1所述的基于人工智能的自动驾驶路径规划方法，其特征在于：在步骤
S2
中，所述道路提取，具体指基于欧几里得聚类的道路提取，包括以下步骤：步骤
S21
：通过数据采集设备时间戳，将雷达数据和车辆定位数据进行匹配，计算得到融合数据
Fda
，从融合数据
Fda
中获取驾驶车辆位置，初始化驾驶车辆坐标
cs
；步骤
S22
：对点云数据进行数据校正；步骤
S23
：依据点云校正数据
Pic1，进行道路提取；步骤
S24
：从地图数据中获取目标点位置，初始化目标点坐标，通过坐标匹配，从点云校正数据
Pic1中获取目标点云数据点
lic。3.
根据权利要求2所述的基于人工智能的自动驾驶路径规划方法，其特征在于：在步骤
S22
中，所述对点云数据进行数据校正，包括以下步骤：步骤
S221
：获取雷达在采集数据期间的姿态信息，所述姿态信息包括偏航角
a
，俯仰角
b
，横滚角
c
；步骤
S222
：依据姿态信息，构建三维旋转矩阵
Ot
，计算公式为：；式中，
Ot
是三维旋转矩阵，
Ot
z
（
a
）是绕
Z
轴旋转偏航角
a
的旋转矩阵，
Ot
y
（
b
）是绕
y
轴旋转俯仰角
b
的旋转矩阵，
Ot
x
（
c
）是绕
x
轴旋转横滚角
c
的旋转矩阵；步骤
S223
：获取点云数据点，计算公式为：；式中，
Pic
是点云数据，
pic1是第1个点云数据点，
u
是点云数据点数量；步骤
S224
：构建平移向量
Mt
，依据三维旋转矩阵
Ot
和平移向量
Mt
，定义数据校正函数，计算公式为：；式中，
f
（
pic
i
）是数据校正函数，
i
是点云数据点索引，
pic
i
是第
i
个点云数据点，
Mt
是平移向量；步骤
S225
：通过数据校正函数，对每个点云数据点进行数据校正，计算得到点云校正数据
Pic1。
4.
根据权利要求3所述的基于人工智能的自动驾驶路径规划方法，其特征在于：在步骤
S23
中，所述依据点云校正数据
Pic1，进行道路提取，包括以下步骤：步骤
S231
：采用欧几里得聚类算法，对点云校正数据
Pic1进行特征提取，计算得到路面点云数据
Pic2，所述路面点云数据
Pic2由
n
个路面点云数据点
lic
n
构成；步骤
S232
：依据路面点云数据
Pic2，计算每个左右相邻的路面点云数据点
lic
n
之间的距离比值；步骤
S233
：通过检测距离比值的突变点，计算得到潜在边界点
Pbi1；步骤
S234
：对潜在边界点
Pbi1进行平滑处理，计算得到
m
个平滑边界点
Pbi2；步骤
S235
：通过最小二乘法算法，对平滑边界点
Pbi2进行拟合，计算得到道路边界线
Bli
；步骤
S236
：依据路面点云数据
Pic2和道路边界线
Bli
，通过空间关联特征提取，将道路边界线以内的非路面点云数据进行聚类，计算得到障碍对象点云数据
Pic3，所述障碍对象点云数据
Pic3由
N
个障碍对象点云数据点
Aic
构成；步骤
S237
：将障碍对象点云数据点
Aic
和平滑边界点
Pbi2进行拼接，得到障碍物点云数据
Oli
，所述障碍物点云数据
Oli
由
N+m
个障碍物点云数据点
bli
构成
。5.
根据权利要求4所述的基于人工智能的自动驾驶路径规划方法，其特征在于：在步骤
S3
中，所述人工势场生成，具体指基于路面点云的人工势场生成，包括以下步骤：步骤
S31
：依据路面点云数据
Pic2，计算目标点云数据点
lic
引力势能，计算公式为：；式中，
Gr
att
（
cs
）是目标点云数据点
lic
引力势能，
cs
是驾驶车辆坐标，
cs
lic
是目标点云数据点
lic
坐标，
q
att
是引力场强度因子，
k
是引力场影响范围因子，
d
k
（
cs
，
cs
lic
）是驾驶车辆坐标
cs
与目标点云数据点
lic
坐标
cs
lic
两者之间距离的
k
次方；步骤
S32
：依据障碍物点云数据
Oli
，计算障碍物点云数据点
bli
斥力势能，计算公式为：；式中，
Gr
rep
（
cs
）是障碍物点云数据点
bli
斥力势能，
cs
bli
是障碍物点云数据点
bli
...
【专利技术属性】
技术研发人员：陶伟，潘嗣南，翁雷，磨键琨，
申请(专利权)人：博创联动科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。