【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。