一种非结构化环境的特种车辆自动驾驶路径规划方法技术

一种非结构化环境的特种车辆自动驾驶路径规划方法，通过SLAM地面分割算法，将三维高度信息存储于相应栅格，获得非结构环境占用栅格图，再将所述栅格图地形数据划分为训练集和测试集；结合感知模块输入信息及特种车辆动力学建模，从栅格图地形数据中提取可通行区域，实现风险图构建；根据风险图构造自适应性的奖励函数，搭建强化学习模型以及Agent的神经网络；基于构建非结构化环境测试机进行训练，在每个训练周期初始化阶段构建随机函数，随机化起点和终点位置，使系统具泛化性；通过强化学习训练获得策略网络，在测试集中执行路径规划，实现非结构化环境下高效的处理环境信息，提高特种车辆面对不同地形的适应性及有效的自动驾驶。

【技术实现步骤摘要】

本专利技术涉及一种非结构化环境的特种车辆自动驾驶路径规划方法，属于运动规划。

技术介绍

1、自动驾驶技术有助于提高交通安全，改善通行效率并推动汽车产业跨越式发展。路径规划系统是自动驾驶系统中的核心部分，其主要是根据环境信息进行决策判断，规划出兼顾安全性、舒适性和行车效率的连接起点和终点的轨迹。

2、目前无人驾驶相关技术的应用场景主要集中于对城市道路、停车场、乡村道路等结构化或半结构化场景，对诸如越野地貌、露天矿场等非结构化环境下的应用较少。尤其是对于无人矿卡、野外救援车辆等特种车辆，其行驶作业环境主要为典型的非结构化环境，区别于具有大量行车先验信息的结构化环境，非结构化环境的可通行区域没有严格形状规定，路径规划阶段具有更高的路径信息复杂度和更可行性搜索度，并且会受到地貌地势变化造成的多种通行阻力。因此，开发一种能够在非结构化环境下高效的处理环境信息，并且适应地形环境的路径规划系统，对特种车辆实现有效的自动驾驶具有重大意义。

技术实现思路

1、本专利技术提供一种非结构化环境的特种车辆自动驾驶路径规划本文档来自技高网...

【技术保护点】

1.一种非结构化环境的特种车辆自动驾驶路径规划方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的非结构化环境的特种车辆自动驾驶路径规划方法，其特征在于，所述步骤一中，Simultaneous Localization and Mapping地面分割算法的工作过程为：在环境中选择一个基准坐标系来描述摄像机的位置，并用它描述环境中任何物体的位置，该基准坐标系称为世界坐标系；采用视觉SLAM算法框架，以相机作为传感器获取非结构化环境的信息，再经过视觉里程计算法来估计相邻两帧图像间相机的运动，进而估计相机位姿；经回环检测判断当前位置机器人曾经是否达到过；最后经后端优化对相机位...

【技术特征摘要】

1.一种非结构化环境的特种车辆自动驾驶路径规划方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的非结构化环境的特种车辆自动驾驶路径规划方法，其特征在于，所述步骤一中，simultaneous localization and mapping地面分割算法的工作过程为：在环境中选择一个基准坐标系来描述摄像机的位置，并用它描述环境中任何物体的位置，该基准坐标系称为世界坐标系；采用视觉slam算法框架，以相机作为传感器获取非结构化环境的信息，再经过视觉里程计算法来估计相邻两帧图像间相机的运动，进而估计相机位姿；经回环检测判断当前位置机器人曾经是否达到过；最后经后端优化对相机位姿与地图点坐标进行优化处理，构建出具有高精度、全局一致的地图。

3.根据权利要求1所述的非结构化环境的特种车辆自动驾驶路径规划方法，其特征在于，所述步骤二中的风险图构建通过评估可通行区域和障碍物，为规划模块提供可靠的先验知识，风险图由地形风险、静态障碍风险和动态障碍风险构成，风险图中每个栅格均有对应的风险成本，其计算公式为：

4.根据权利要求1所述的非结构化环境的特种车辆自动驾驶路径规划方法，其特征在于，所述步骤三中，所述的自适应性的奖励函数为为了提高系统对地形的适应性，所设计的函数，具体公式如下：

5.根据权利要求1所述的非结构化环境的特种车辆自动驾驶路径规划方法，其特征在于，所述步骤三中，所述的强化学习模型以及agent的神经网络为通过强化学习的方法智能决策特种车辆的下一目标位置，以当前状态...

【专利技术属性】
技术研发人员：程德强，王衍辰，徐飞翔，寇旗旗，吕晨，张皓翔，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：