CN112797991A - 无人驾驶车辆的行驶路径生成方法及*** - Google Patents

Abstract

本发明涉及一种无人驾驶车辆的行驶路径生成方法及***，该方法包括：根据规划图纸的第一信息和实地采集的第二信息构建地图模型；结合地图模型和行驶规则确定路权信息，路权信息包括地图模型中道路的功能权限；接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，用车任务包括任务位置信息，用车任务与路径的功能权限相关联；根据任务位置信息、车辆位置信息和功能权限，在地图模型中规划全局路径，全局路径包括无人驾驶车辆在每段道路上的行驶路径。通过上述方法，构建的地图模型更加准确，确定的行驶路径更加合理。

Description

无人驾驶车辆的行驶路径生成方法及***

技术领域

本发明涉及智能网联汽车技术领域，具体地，涉及一种无人驾驶车辆的行驶路径生成方法及***。

背景技术

伴随着科技的日新月异，无人驾驶技术逐步走进大众的视野。无人驾驶技术完成场景任务的关键点在于，在其任务过程中的路径的生成，这种生成主要依靠建图以及对车辆的定位，建图就是将环境的多个不完整观测点集成到单一且一致的模型中，定位就是精确地确定车辆在环境中的位置。最初，建图和定位是单独进行研究的，后来人们意识到他们是相互关联，相互依赖的，为了得到环境中精确的定位需要正确无误的地图，目前业内主要使用的是依靠对作业现场的实地采集或利用公共资源已有的场地素材扫描复核进行路径生成。

依靠对作业现场的实地采集的方式，适合于已有的场景，比如城市、街道等已建设好的场景，但其局限性较大，在建或规划中的场景中无法布置无人驾驶***；利用公共资源已有的场地素材扫描复核的方式，同样受到已成型公共资源的约束，无实物便无法进行无人驾驶测试及试验。

发明内容

本发明的目的在于解决依靠对作业现场的实地采集或利用公共资源已有的场地素材扫描复核进行路径生成导致的路径生成不准确的问题。

为解决上述问题，本发明实施例提供了一种无人驾驶车辆的行驶路径生成方法，包括：

根据规划图纸的第一信息和实地采集的第二信息构建地图模型；

结合所述地图模型和行驶规则确定路权信息，所述路权信息包括所述地图模型中道路的功能权限；

接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，所述用车任务包括任务位置信息，所述用车任务与所述路径的功能权限相关联；

根据所述任务位置信息、车辆位置信息和功能权限，在所述地图模型中规划全局路径，所述全局路径包括所述无人驾驶车辆在每段道路上的行驶路径。

可选的，所述根据规划图纸的第一信息和实地采集的第二信息构建地图模型，包括：

从规划图纸中获取电子介质设计文件作为第一信息；

根据所述第一信息生成包括建筑物和道路的数字模型；

对规划图纸中区域包括的建筑物和道路进行实地采集、以获得第二信息；

使用所述第二信息对所述数字模型进行修正，以获得地图模型。

可选的，所述结合所述地图模型和行驶规则确定路权信息，包括：

从地图模型中确定道路，所述道路以一个路口为起点、另一个路口为终点，所述道路包括一条及其以上的车道；

获取行驶规则；

根据所述行驶规则确定每条车道的功能权限和行驶方向；

结合每条车道的功能权限和行驶方向确定每条车道的路权信息。

可选的，所述接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，包括：

接收无人驾驶车辆上传的用车任务；

分解所述用车任务，以获得所述用车任务对应的任务位置信息和所述用车任务的优先级，所述优先级与所述车道的功能权限有对应关系；

接收无人驾驶车辆上传的车辆位置信息。

可选的，还包括：

接收北斗卫星采集的所述无人驾驶车辆的GPS位置信息；

使用所述GPS位置信息修正所述车辆位置信息。

可选的，还包括：

对所述地图模型进行栅格处理得到局部路径，所述局部路径为属于某一栅格的全局路径的一部分；

接收所述执行用车任务的无人驾驶车辆实时上传的第三信息，所述第三信息为所述无人驾驶车辆在局部路径中的障碍物信息；

使用所述第三信息修正所述无人驾驶车辆在局部路径中的行驶动作。

可选的，所述第三信息通过所述无人驾驶车辆的感知单元采集上传，所述感知单元至少包括摄像头、激光雷达和车载设备。

可选的，还包括：

使用局部路径跟踪上述全局路径、并进行无人驾驶车辆的速度参数修正值输出；

根据无人驾驶车辆当前所在的局部路径和全局路径之间的位置关系，确定预瞄点的位置，生成前轮偏角控制量表达式控制所述无人驾驶车辆的前轮偏角来追踪全局路径；

控制所述无人驾驶车辆的前轮偏转角，再输出各个速度参数的修正值，通过追踪所有预瞄点来追踪全局路径并控制所述无人驾驶车辆运动；所述预瞄点是所述无人驾驶车辆下一栅格所在的局部路径上的点。

可选的，还包括：

接收路侧设备上传的第四信息，所述第四信息为所述路侧设备采集的所述无人驾驶车辆在局部路径中的车辆状态信息；

本发明实施例根据规划图纸的信息和实地采集的信息构建地图模型；结合地图模型和行驶规则确定路权信息；再接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，和用车任务包括的任务位置信息；根据任务位置信息、车辆位置信息和用车任务中与道路对应的功能权限，在地图模型中规划全局路径，全局路径包括无人驾驶车辆在每段道路上的行驶路径。通过上述方法，构建的地图模型更加准确，确定的行驶路径更加合理。

附图说明

图1为本发明实施例1提供的一种无人驾驶车辆的行驶路径生成方法的流程图；

图2为本发明实施例1提供的构建地图模型的方法的流程图；

图3为本发明实施例1提供的确定路权信息的方法的流程图；

图4为本发明实施例1提供的接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息的方法的流程图；

图5为本发明实施例1提供的在所述地图模型中规划全局路径的方法的示意图；

图6为本发明实施例1提供的在局部路径中修正行驶动作的方法的流程图；

图7为本发明实施例1提供的处理第四信息的方法的流程图；

图8为本发明实施例2提供的一种无人驾驶车辆的行驶路径生成***的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例1

图1为本发明实施例1提供的一种无人驾驶车辆的行驶路径生成方法的流程图。参考图1，该方法包括：

S10、根据规划图纸的第一信息和实地采集的第二信息构建地图模型。

规划图纸一般是指需要被构建地图模型的区域的设计图纸，可以包括CAD图纸。第一信息是通过对规划图纸进行提取获得的代表障碍物和道路的信息。实地采集的第二信息是指为了对第一信息进行补充而实地采集获得的代表障碍物和道路的信息。第二信息包括第一次构建地图模型时实地采集的信息，也可以包括后期实地采集的信息。

参考图2，步骤S10还可以包括如下的子步骤：

S11、从规划图纸中获取电子介质设计文件作为第一信息。

电子介质设计文件一般可以包括CAD文件，行车规范，道路设计规划等。从电子介质设计文件中提取构建数字模型所需的信息，也就是第一信息。

S12、根据所述第一信息生成包括建筑物和道路的数字模型。

根据第一信息生成数字模型，数字模型是一个比较基础的模型，包括了大致的建筑物和道路。

S13、对规划图纸中区域包括的建筑物和道路进行实地采集、以获得第二信息。

对规划图纸覆盖的区域进行实际采集，比如采集建筑物的实际形状和道路的实际宽度等。将这些信息作为修正数字模型的第二信息。

当然，第二信息也可以是在任意时间正在行驶的车辆采集获得的信息。

S14、使用所述第二信息对所述数字模型进行修正，以获得地图模型。

使用第二信息对比较简单的数字模型进行修正，或者对比较精细的地图模型进行修正。

S20、结合所述地图模型和行驶规则确定路权信息，所述路权信息包括所述地图模型中道路的功能权限。

路权信息根据实际的道路信息、路径方向、业务逻辑等综合分析得出。

参考图3，步骤S20还可以包括如下的子步骤：

S21、从地图模型中确定道路。

所述道路以一个路口为起点、另一个路口为终点，所述道路包括一条及其以上的车道。

以T字形为例，可以包括三条道路。如果是单行道的话，可以包括至少三条车道，如果是双行道的话，可以包括至少六条车道。

S22、获取行驶规则。

在构建地图模型时，可以接收与行驶规则相关的文件或者图片。直接从与行驶规则相关的文件中提取每条车道的行驶规则。或者对图片进行图像识别，根据图片中的行驶路标等确定每条车道的行驶规则。

S23、根据所述行驶规则确定每条车道的功能权限和行驶方向。

S24、结合每条车道的功能权限和行驶方向确定每条车道的路权信息。

S30、接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，所述用车任务包括任务位置信息。

所述用车任务与所述路径的功能权限相关联。

步骤S20中提到的每一条车道均可以认为是路径。因此可以通过对道路的功能权限的细化获得路径的功能权限。

参考图4，步骤S30还可以包括如下的子步骤：

S31、接收无人驾驶车辆上传的用车任务。

S32、分解所述用车任务，以获得所述用车任务对应的任务位置信息和所述用车任务的优先级。

所述优先级与所述车道的功能权限有对应关系。

在此基础上，还包括：

接收北斗卫星采集的所述无人驾驶车辆的GPS位置信息；

使用所述GPS位置信息修正所述车辆位置信息。

S40、根据所述任务位置信息、车辆位置信息和功能权限，在所述地图模型中规划全局路径，所述全局路径包括所述无人驾驶车辆在每段道路上的行驶路径。

参考图5，对上述方法进行具体的描述：

根据多个CAD图纸信息，构建CAD图纸层。在CAD图纸层的基础上，配合实地采集获得的信息，构建路径范围层，路径范围层包括了在CAD图纸层中的各条路径。结合行驶规则确定路权信息，行驶规则包括路径的行驶规则和车辆的行驶规则。根据路权信息确定路权层。在此基础上，根据临时的限制条件生成限制条件及交通规则层。采集用户(车辆)的起始位置和目标位置，生成用户起始位置层，最终在最优路径生成层生成从起始位置到目标位置的最优路径。

本发明实施例，根据规划图纸的信息和实地采集的信息构建地图模型；结合地图模型和行驶规则确定路权信息；再接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，和用车任务包括的任务位置信息；根据任务位置信息、车辆位置信息和用车任务中与道路对应的功能权限，在地图模型中规划全局路径，全局路径包括无人驾驶车辆在每段道路上的行驶路径。通过上述方法，构建的地图模型更加准确，确定的行驶路径更加合理。

参考图6，在上述实施例的基础上，还可以包括如下的步骤：

S50、对所述地图模型进行栅格处理。

对所述地图模型进行栅格处理得到局部路径，所述局部路径为属于某一栅格的全局路径的一部分。

S60、接收所述执行任务的无人驾驶车辆实时上传的第三信息。

所述第三信息为所述无人驾驶车辆在局部路径中的障碍物信息。

具体的，所述第三信息通过所述无人驾驶车辆的感知单元采集上传，所述感知单元至少包括摄像头、激光雷达和车载设备。

S70、使用所述第三信息修正所述无人驾驶车辆在局部路径中的行驶动作。

具体的，使用局部路径跟踪上述全局路径、并进行无人驾驶车辆的速度参数修正值输出；根据无人驾驶车辆当前所在的局部路径和全局路径之间的位置关系，确定预瞄点的位置，生成前轮偏角控制量表达式控制所述无人驾驶车辆的前轮偏角来追踪全局路径；控制所述无人驾驶车辆的前轮偏转角，再输出各个速度参数的修正值，通过追踪所有预瞄点来追踪全局路径并控制所述无人驾驶车辆运动；所述预瞄点是所述无人驾驶车辆下一栅格所在的局部路径上的点。

具体的，局部路径跟随单元基于pure pursuit算法跟踪上述全局路径并进行车辆的速度参数修正值输出，具体包括以下步骤：根据车辆当前路径和全局路径之间的位置关系，确定预瞄点的距离，从而确定预瞄点的位置，生成前轮偏角控制量表达式控制前轮偏角来追踪全局路径；控制前轮偏转角，再输出各个速度参数的修正值，通过追踪一个个预瞄点来追踪全局路径所述预瞄点即为pure pursuit算法当前所要追踪的全局路径点。

所述前轮偏角控制量表达式为：

其中，L为车辆轴距，I为预瞄距离，α为车辆与预瞄点的夹角。输出各个速度参数的修正值的方法如下：预先设定所述各个速度参数的期望最大值和最小值；所述期望最大值为正数，所述期望最小值为零或负数；按上述公式计算得到当前的车辆前轮偏角、使用车辆的里程计测量当前的车辆的行驶线速度、加速度；上述参数的计算值和测量值分别通过PID算法与其对应的期望最大值和最小值进行比较，若车辆要向前运动，则修正上述计算值或测量值，使其以最快时间达到其对应的期望最大值，若车辆要向后或停止运动，则修正上述计算值或测量值，使其以最快时间达到其对应的期望最小值；将上述各个参数的修正值输入给上位机，所述上位机将上述各个修正值输入给所述车辆运动控制单元。

参考图7，在上述实施例的基础上，还可以包括如下的步骤：

S80、接收路侧设备上传的第四信息。

所述第四信息为所述路侧设备采集的所述无人驾驶车辆在局部路径中的车辆状态信息。

S90、当所述第四信息异常时，停止所述无人驾驶车辆执行的用车任务。

实施例2

图8为本发明实施例2提供的一种无人驾驶车辆的行驶路径生成***的结构图。参考图8，该***包括：

地图模型构建模块10，用于根据规划图纸的第一信息和实地采集的第二信息构建地图模型；

路权信息确定模块20，用于结合所述地图模型和行驶规则确定路权信息，所述路权信息包括所述地图模型中道路的功能权限；

车辆位置信息接收模块30，用于接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，所述用车任务包括任务位置信息，所述用车任务与所述路径的功能权限相关联；

行驶路径确定模块40，用于根据所述任务位置信息、车辆位置信息和功能权限，在所述地图模型中规划全局路径，所述全局路径包括所述无人驾驶车辆在每段道路上的行驶路径。

本发明实施例根据规划图纸的信息和实地采集的信息构建地图模型；结合地图模型和行驶规则确定路权信息；再接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，和用车任务包括的任务位置信息；根据任务位置信息、车辆位置信息和用车任务中与道路对应的功能权限，在地图模型中规划全局路径，全局路径包括无人驾驶车辆在每段道路上的行驶路径。通过上述方法，构建的地图模型更加准确，确定的行驶路径更加合理。

在此基础上，地图模型构建模块10包括：

第一信息获取子模块，用于从规划图纸中获取电子介质设计文件作为第一信息；

数字模型生成子模块，用于根据所述第一信息生成包括建筑物和道路的数字模型；

第二信息获取子模块，用于对规划图纸中区域包括的建筑物和道路进行实地采集、以获得第二信息；

地图模型获取子模块，用于使用所述第二信息对所述数字模型进行修正，以获得地图模型。

在此基础上，路权信息确定模块20包括：

道路确定子模块，用于从地图模型中确定道路，所述道路以一个路口为起点、另一个路口为终点，所述道路包括一条及其以上的车道；

行驶规则获取子模块，用于获取行驶规则；

车道规则确定子模块，用于根据所述行驶规则确定每条车道的功能权限和行驶方向；

路权信息确定子模块，用于结合每条车道的功能权限和行驶方向确定每条车道的路权信息。

在此基础上，车辆位置信息接收模块30包括：

用车任务接收子模块，用于接收无人驾驶车辆上传的用车任务；

用车任务分解子模块，用于分解所述用车任务，以获得所述用车任务对应的任务位置信息和所述用车任务的优先级，所述优先级与所述车道的功能权限有对应关系；

车辆位置信息接收子模块，用于接收无人驾驶车辆上传的车辆位置信息。

在此基础上，还包括：

GPS位置信息采集子模块，用于接收北斗卫星采集的所述无人驾驶车辆的GPS位置信息；

位置信息修正子模块，用于使用所述GPS位置信息修正所述车辆位置信息。

在此基础上，还包括：

栅格化处理模块，用于对所述地图模型进行栅格处理得到局部路径，所述局部路径为属于某一栅格的全局路径的一部分；

第三信息接收模块，用于接收所述执行用车任务的无人驾驶车辆实时上传的第三信息，所述第三信息为所述无人驾驶车辆在局部路径中的障碍物信息；

行驶动作修正模块，用于使用所述第三信息修正所述无人驾驶车辆在局部路径中的行驶动作。

在此基础上，所述第三信息通过所述无人驾驶车辆的感知单元采集上传，所述感知单元至少包括摄像头、激光雷达和车载设备。

在此基础上，还包括：

修正值输出模块，用于使用局部路径跟踪上述全局路径、并进行无人驾驶车辆的速度参数修正值输出；

偏角控制量表达式生成模块，用于根据无人驾驶车辆当前所在的局部路径和全局路径之间的位置关系，确定预瞄点的位置，生成前轮偏角控制量表达式控制所述无人驾驶车辆的前轮偏角来追踪全局路径；

控制所述无人驾驶车辆的前轮偏转角，再输出各个速度参数的修正值，通过追踪所有预瞄点来追踪全局路径并控制所述无人驾驶车辆运动；所述预瞄点是所述无人驾驶车辆下一栅格所在的局部路径上的点。

在此基础上，还包括：

第四信息接收模块，用于接收路侧设备上传的第四信息，所述第四信息为所述路侧设备采集的所述无人驾驶车辆在局部路径中的车辆状态信息；

用车任务停止模块，用于当所述第四信息异常时，停止所述无人驾驶车辆执行的用车任务。

虽然，上文中已经用一般性说明、具体实施方式，对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种无人驾驶车辆的行驶路径生成方法，其特征在于，包括：

根据规划图纸的第一信息和实地采集的第二信息构建地图模型；

结合所述地图模型和行驶规则确定路权信息，所述路权信息包括所述地图模型中道路的功能权限；

接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，所述用车任务包括任务位置信息，所述用车任务与所述路径的功能权限相关联；

根据所述任务位置信息、车辆位置信息和功能权限，在所述地图模型中规划全局路径，所述全局路径包括所述无人驾驶车辆在每段道路上的行驶路径。

2.根据权利要求1所述的方法，其特征在于，所述根据规划图纸的第一信息和实地采集的第二信息构建地图模型，包括：

从规划图纸中获取电子介质设计文件作为第一信息；

根据所述第一信息生成包括建筑物和道路的数字模型；

对规划图纸中区域包括的建筑物和道路进行实地采集、以获得第二信息；

使用所述第二信息对所述数字模型进行修正，以获得地图模型。

3.根据权利要求1所述的方法，其特征在于，所述结合所述地图模型和行驶规则确定路权信息，包括：

从地图模型中确定道路，所述道路以一个路口为起点、另一个路口为终点，所述道路包括一条及其以上的车道；

获取行驶规则；

根据所述行驶规则确定每条车道的功能权限和行驶方向；

结合每条车道的功能权限和行驶方向确定每条车道的路权信息。

4.根据权利要求1所述的方法，其特征在于，所述接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，包括：

接收无人驾驶车辆上传的用车任务；

分解所述用车任务，以获得所述用车任务对应的任务位置信息和所述用车任务的优先级，所述优先级与所述车道的功能权限有对应关系；

接收无人驾驶车辆上传的车辆位置信息。

5.根据权利要求4所述的方法，其特征在于，还包括：

接收北斗卫星采集的所述无人驾驶车辆的GPS位置信息；

使用所述GPS位置信息修正所述车辆位置信息。

6.根据权利要求1所述的方法，其特征在于，还包括：

对所述地图模型进行栅格处理得到局部路径，所述局部路径为属于某一栅格的全局路径的一部分；

接收所述执行用车任务的无人驾驶车辆实时上传的第三信息，所述第三信息为所述无人驾驶车辆在局部路径中的障碍物信息；

使用所述第三信息修正所述无人驾驶车辆在局部路径中的行驶动作。

7.根据权利要求6所述的方法，其特征在于，所述第三信息通过所述无人驾驶车辆的感知单元采集上传，所述感知单元至少包括摄像头、激光雷达和车载设备。

8.根据权利要求6所述的方法，其特征在于，还包括：

使用局部路径跟踪上述全局路径、并进行无人驾驶车辆的速度参数修正值输出；

根据无人驾驶车辆当前所在的局部路径和全局路径之间的位置关系，确定预瞄点的位置，生成前轮偏角控制量表达式控制所述无人驾驶车辆的前轮偏角来追踪全局路径；

控制所述无人驾驶车辆的前轮偏转角，再输出各个速度参数的修正值，通过追踪所有预瞄点来追踪全局路径并控制所述无人驾驶车辆运动；所述预瞄点是所述无人驾驶车辆下一栅格所在的局部路径上的点。

9.根据权利要求6所述的方法，其特征在于，还包括：

接收路侧设备上传的第四信息，所述第四信息为所述路侧设备采集的所述无人驾驶车辆在局部路径中的车辆状态信息；

当所述第四信息异常时，停止所述无人驾驶车辆执行的用车任务。

10.一种无人驾驶车辆的行驶路径生成***，其特征在于，包括

地图模型构建模块，用于根据规划图纸的第一信息和实地采集的第二信息构建地图模型；

路权信息确定模块，用于结合所述地图模型和行驶规则确定路权信息，所述路权信息包括所述地图模型中道路的功能权限；

车辆位置信息接收模块，用于接收执行用车任务的无人驾驶车辆实时上传的车辆位置信息，所述用车任务包括任务位置信息，所述用车任务与所述路径的功能权限相关联；

行驶路径确定模块，用于根据所述任务位置信息、车辆位置信息和功能权限，在所述地图模型中规划全局路径，所述全局路径包括所述无人驾驶车辆在每段道路上的行驶路径。

Images