一种基于融合算法的智能汽车局部路径规划方法与流程

1.本发明属于智能汽车的局部路径规划方法技术领域，具体涉及一种基于融合算法的智能汽车局部路径规划方法。


背景技术：

2.汽车的智能化是当今汽车行业转型的重点，汽车的自动驾驶技术是汽车智能化的重要技术之一，自动驾驶技术的安全性是该技术最重要的考量标准。如何更加有效地、稳定地保证智能汽车的安全性，是行业专家、各国政府的研究、关心重点，自动驾驶技术被公认为可有效地、直接地减少交通安全事故的发生率，进而成为全世界研究汽车、智能交通领域的热点与重点。
3.汽车的自动驾驶技术依赖于环境感知、规划控制、预测决策等技术，其中规划控制是智能汽车将外部环境感知与车辆预测决策连接的桥梁。智能汽车的规划控制技术可以实现车辆的主动避让、自动导航等功能，是汽车智能化的重要技术之一。
4.目前智能汽车的路径规划方法主要分为三类，分别是基于搜索的规划算法，基于采样的规划算法和基于强化学习的算法。其中应用最为广泛的是基于搜索的路径规划算法。目前主要的图搜索方法包括：dijkstra算法、floyd算法、a*、d*等。传统的a*算法步骤如下：a) 设置输入起始点a，目标点s以及障碍物图costmap；b) 建立open表以及close表；c) 建立评估函数f(i)=g(i) h(i)。其中，i为costmap中的第i个节点，映射关系g表示函数自变量与起始点的代价关系，并设置步长为1，同理映射关系h表示自变量节点与终点的代价关系，可取为二者的距离值，即h(i)=distance(i,t)；d) 在open表中放入初始点；e) 计算open表中评估函数的值，并按从小到大的顺序进行排列；f) 若open表不空，则取表中最小函数值对应的自变量k=i
min
，否则算法无解；g) 对节点k进行判断：是否为目标点，若是则算法结束，若不是则继续步骤h；h) 拓展k节点的四邻域或八邻域节点，得到新的四或八个节点；i) 判断新得到的四个或八个节点是否已在close表中，若是则舍弃该点，若否则继续步骤j；j) 根据评估函数f(i)计算上述步骤点的评估值，并放入open表中。
5.k) 将k点及其相关函数值放入close表中。
6.l) 返回步骤e；上述的a星算法步骤是一个寻优过程，具备最优性和完备性的特点，但存在的问题如下：缺乏动态性，且由于规划路径均是由节点之间连接起来的，所以造成了规划路径不够平滑，不满足车辆非完整性约束。


技术实现要素：

7.针对现有技术的上述不足，本发明要解决的技术问题是提供一种基于融合算法的智能汽车局部路径规划方法，避免经典a星算法中存在的无必要遍历点和夹点的问题，取得选择出平滑且无障碍的最优局部路径的效果。
8.为解决上述技术问题，本发明采用如下技术方案：一种基于融合算法的智能汽车局部路径规划方法，包括以下步骤：s1：通过车载传感器获取地理信息，并作为改进的a星算法模块的输入值；s2：在全局路径生成单元中通过改进的a星算法对所述地理信息进行运算，输出值为全局路径规划信息，执行s3；s3：在局部路径生成单元中通过lattice算法对所述全局路径规划信息进行运算，输出值为局部路径规划信息；s4：在所述局部路径规划信息中选择最优路线并反馈至控制模块；s5：结束。
9.进一步完善上述技术方案，所述步骤s2还包括：s2.1：根据所述地理信息，确定并设置车辆运行的起始点、目标点、障碍物信息和车辆运动控制模型；s2.2：建立open表以及close表；s2.3：建立评估函数f(i)=g(i) h(i)；其中，i表示第i个节点，g(i)表示从起始点到第i个节点的代价值，hi)表示第i个节点到目标点的代价值；s2.4：在open表中放入起始点；s2.5：从open表中剔除无必要遍历点，选取g值最小的节点，作为父节点；s2.6：计算父节点到起始点的代价值g；s2.7：比较reed-shepp曲线、dubins曲线以及曼哈顿距离的三者的代价值，取三者最大值为h并做好记录；s2.8：计算评估函数的最小值为f并做好记录；s2.9：剔除夹点；s2.10：判断评估函数最小值f对应的节点是否为目标点，如果是，则输出该节点并放入close表中，结束；如果不是，返回步骤s2.5。
10.进一步地，所述步骤s3还包括：s3.1：将所述步骤s2改进后a星算法输出的全局路径规划信息作为lattice算法的s坐标轴；s3.2：将车辆在frenet坐标系中进行状态分解，分别获取车辆在横向和纵向上的信息；其中，在 frenet 坐标系中， s 代表沿道路的距离称为纵坐标，d表示与纵向线的位移称为横坐标；s3.3：根据所述步骤s3.2获取的所述信息分别在横向和纵向上对车辆进行运动规划；s3.4：将所述步骤s3.3所得的横向规划轨迹和纵向规划轨迹合成为二维运动规划
轨迹；s3.5：根据所设定的约束条件对步骤s3.4合成的二维运动规划轨迹进行筛选，选取最优轨迹作为输出结果。
11.相比现有技术，本发明具有如下有益效果：本发明的一种基于融合算法的智能汽车局部路径规划方法，在算法部分分为两部分，第一部分是改进的a星算法，第二部分是lattice算法运算部分；其中，一是改进的a星算法相较于传统的a星算法，在open表中删除了无必要点，提高了预算效率，二是考虑物体的方向属性和实际运动约束，优化星算法的启发式函数；再将由改进的a星算法生成的全局路径规划信息作为lattice算法frenet坐标系的参考线，采样生成多条候选路径，结合障碍等其他信息计算不同路径的代价函数，选择出平滑且无障碍的最优局部路径。
附图说明
12.图1为实施例的一种基于融合算法的智能汽车局部路径规划方法的融合算法的系统结构图；图2为本发明中lattice算法的流程图；图3为本发明中改进的a星算法的流程图；图4为经典a星算法规划的轨迹效果图；图5为本发明中改进后的融合算法规划轨迹效果图。
具体实施方式
13.下面结合附图对本发明的具体实施方式作进一步的详细说明。
14.请参见图1-图3，具体实施例的一种基于融合算法的智能汽车局部路径规划方法，包括以下步骤：s1：通过车载传感器获取地理信息，并作为改进的a星算法模块的输入值；s2：在全局路径生成单元中通过改进的a星算法对所述地理信息进行运算，输出值为全局路径规划信息，执行s3；s3：在局部路径生成单元中通过lattice算法对所述全局路径规划信息进行运算，输出值为局部路径规划信息；s4：在所述局部路径规划信息中选择最优路线并反馈至控制模块；s5：结束。
15.实施例的一种基于融合算法的智能汽车局部路径规划方法，在算法部分分为两部分，第一部分是改进的a星算法，第二部分是lattice算法运算部分；其中，一是改进的a星算法相较于传统的a星算法，在open表中删除了无必要点，提高了预算效率，二是考虑物体的方向属性和实际运动约束，优化星算法的启发式函数；再将由改进的a星算法生成的全局路径规划信息作为lattice算法frenet坐标系的参考线，采样生成多条候选路径，结合障碍等其他信息计算不同路径的代价函数，选择出平滑且无障碍的最优局部路径。
16.可以参见图4，为根据经典a星算法规划的轨迹效果图，图5为本发明的融合算法规划轨迹效果图。通过对比可见融合算法规划出的轨迹更平顺，在遇到障碍物时的路径规划更符合车辆非完整性的约束。
17.请继续参见图1-图3，其中，所述步骤s2还包括：s2.1：根据所述地理信息，确定并设置车辆运行的起始点、目标点、障碍物信息和车辆运动控制模型；s2.2：建立open表以及close表；s2.3：建立评估函数f(i)=g(i) h(i)；其中，i表示第i个节点，g(i)表示从起始点到第i个节点的代价值，hi)表示第i个节点到目标点的代价值；s2.4：在open表中放入起始点；s2.5：从open表中剔除无必要遍历点，选取g值最小的节点，作为父节点；s2.6：计算父节点到起始点的代价值g；s2.7：比较reed-shepp曲线、dubins曲线以及曼哈顿距离的三者的代价值，取三者最大值为h并做好记录；s2.8：计算评估函数的最小值为f并做好记录；s2.9：剔除夹点；s2.10：判断评估函数最小值f对应的节点是否为目标点，如果是，则输出该节点并放入close表中，结束；如果不是，返回步骤s2.5。
18.实施时，将无必要点分为无必要遍历点和夹点，其中无必要遍历点即为在若干条路径中较其中某条更优路径明显多于的路径中的节点，夹点即为某条直线路径中在本直线上的节点；剔除无必要点可节省计算量，提高计算效率。
19.其中，所述步骤s3还包括：s3.1：将所述步骤s2改进后a星算法输出的全局路径规划信息作为lattice算法的s坐标轴；s3.2：将车辆在frenet坐标系中进行状态分解，分别获取车辆在横向和纵向上的信息；其中，在 frenet 坐标系中，s代表沿道路的距离称为纵坐标，d表示与纵向线的位移称为横坐标；s3.3：根据所述步骤s3.2获取的所述信息分别在横向和纵向上对车辆进行运动规划；s3.4：将所述步骤s3.3所得的横向规划轨迹和纵向规划轨迹合成为二维运动规划轨迹；s3.5：根据所设定的约束条件对步骤s3.4合成的二维运动规划轨迹进行筛选，选取最优轨迹作为输出结果。
20.由于传统a星算法中多使用曼哈顿距离和欧式距离定义启发式函数，考虑到物体的方向属性和实际运动约束，对启发式函数进行优化，本发明采取reeds-shepp曲线、dubins曲线以及曼哈顿距离的三者代价最大值作为a星的与其花费估计代价值；其中，reeds-shepp曲线由极端半径固定的圆弧和一段直线拼接而成，且圆弧部分的半径即为车辆的最小转向半径；dubins曲线比reeds-shepp多了一个约束条件，即车辆仅可向前开不能向后退。
21.最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较
佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。