CN115657675A - 一种车辆运动路径生成方法、***及存储介质 - Google Patents

Abstract

本申请公开一种车辆运动路径生成方法、***及存储介质。方法包括：获取车辆的起点的起点位姿及终点的终点位姿，所述起点位姿包括起点坐标及起点朝向，所述终点位姿包括终点坐标及终点朝向；获取车辆附近的地图，所述地图的范围覆盖所述起点及所述终点；基于代价函数，搜索确定所述起点附近的第一子节点；至少基于所述第一子节点，确定所述车辆在所述地图中的车辆运动路径；其中，所述代价函数基于所述起点坐标、所述起点朝向、所述终点坐标、所述终点朝向及邻域点的方向变化次数确定。该方法在代价函数中考虑起终点的朝向以及路径的方向变化代价计算，能够避免泊车中车辆过多的转向，提供更为理想且合理的车辆运动路径，同时还可以减少搜索时间。

Description

一种车辆运动路径生成方法、***及存储介质

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种车辆运动路径生成方法、***及存储介质。

背景技术

自动驾驶产品中规划是极其重要的环节，而路径规划是智能驾驶的关键模块之一。路径规划负责生成可供车辆平稳行驶的路径，而路径生成的质量对自动驾驶功能、性能和安全性有很大影响，出彩的路径规划甚至可以成为车辆的差异化卖点，如可以实现更好地自动泊车效果。

现有技术中，车辆的路径规划，例如泊车路径规划等，主流的方案是采用混合A*(Astar)算法，根据起始点位置、终止点位置以及代价函数完成路径规划。然而，现有技术中基于混合A*算法进行路径规划的方法存在下列的问题：第一、在泊车场景中，所规划的路径要求车头偏航角的变化尽可能小；但混合A*算法在搜索过程中没有考虑车头偏航角度变化对搜索的影响。车头角度变化过快将影响下游控制器跟随规划路径的效果，导致车辆跑出车道或者其他严重情况。第二、基于混合A*算法进行路径规划的方法没有考虑规划路径中当前子节点的偏航角度与车辆运动路径的终点偏航角度的差异，导致搜索时间过长，影响了路径规划的时效性。

发明内容

有鉴于此，针对目前规划方法的不足，本申请提供一种车辆运动路径生成的方法、***及存储介质，在代价函数中考虑起终点的朝向以及路径的方向变化代价计算，能够避免泊车中车辆过多的转向，提供更为理想且合理的车辆运动路径，同时还可以减少搜索时间。

为了解决上述技术问题，本申请第一方面提供一种车辆运动路径生成方法，包括：获取车辆的起点的起点位姿及终点的终点位姿，所述起点位姿包括起点坐标及起点朝向，所述终点位姿包括终点坐标及终点朝向；获取车辆附近的地图，所述地图的范围覆盖所述起点及所述终点；基于代价函数，搜索确定所述起点附近的第一子节点；至少基于所述第一子节点，确定所述车辆在所述地图中的车辆运动路径；其中，所述代价函数基于所述起点坐标、所述起点朝向、所述终点坐标、所述终点朝向及邻域点的方向变化次数确定，并且所述起点的邻域点包括所述第一子节点。。

根据本申请的一种优选实施方式，所述搜索确定所述起点附近的第一子节点，还包括：确定所述起点附近的多个所述邻域点；基于所述代价函数，计算每个所述邻域点的代价；确定其中代价最小的邻域点为所述第一子节点。

根据本申请的一种优选实施方式，所述至少基于所述第一子节点，确定所述车辆在所述地图中的车辆运动路径，还包括：确定所述第一子节点附近的多个所述邻域点；判断所述终点是否落入所述多个邻域点中；若是，则结束搜索，并基于所述起点、所述第一子节点以及所述终点，确定所述车辆运动路径；若否，则继续搜索，确定第二子节点。

根据本申请的一种优选实施方式，所述确定第二子节点包括：确定所述第一子节点附近的多个所述邻域点；基于所述代价函数，计算每个所述邻域点的代价；确定其中代价最小的邻域点为所述第二子节点；所述方法还包括：针对每个子节点的所述邻域点，均判断所述终点是否落入所述邻域点中，若落入，则基于所述起点、所述多个子节点及所述终点，确定所述车辆运动路径；若否，则重复所述搜索过程，直至找到所述终点。

根据本申请的一种优选实施方式，所述确定多个所述邻域点，包括：以九宫格的形式确定父节点周围的八个所述邻域点；其中，所述父节点为所述子节点的被搜索点。

根据本申请的一种优选实施方式，所述确定所述车辆运动路径，包括：基于预设的曲线模型，确定多段相邻点之间的曲线，所述相邻点为两个顺次相邻的路径点；基于所述多段曲线确定所述车辆运动路径。

根据本申请的一种优选实施方式，所述代价函数包括第一代价函数、第二代价函数及第三代价函数；其中，所述第一代价函数基于所述起点与所述邻域点确定；所述第二代价函数基于所述邻域点与所述终点确定；所述第三代价函数基于所述邻域点的方向变化次数确定。

根据本申请的一种优选实施方式，所述代价函数还包括判断约束项，所述判断约束项包括所述方向变化次数的阈值。

根据本申请的一种优选实施方式，所述方法还包括当所述子节点的方向变化次数超过所述阈值时，舍弃所述子节点。

根据本申请的一种优选实施方式，所述第一代价函数为：

cost₁＝k₁*d_s+k₂*δ_{yaw_s}

其中，d_s是所述邻域点与所述起点的距离，δ_{yaw_s}是所述邻域点与所述起点的方向的角度差值，k₁、k₂分别为d_s的权重和δ_{yaw_s}的权重。

根据本申请的一种优选实施方式，所述第二代价函数为：

cost₂＝k₃*d_e+k₄*δ_{yaw_e}

其中，d_e是所述邻域点与所述终点的距离，δ_{yaw_e}是所述邻域点与所述终点的方向的角度差值，k₃、k₄分别为d_e的权重和δ_{yaw_e}的权重。

根据本申请的一种优选实施方式，所述第三代价函数为：

cost₃＝k₅*N

其中，N是所述邻域点的方向变化次数，k₅为N的权重。

为了解决上述技术问题，本申请第二方面提供一种车辆运动路径生成的***，包括存储器，用于存储计算机程序；处理器，用于加载并执行所述计算机程序，以实现如本申请第一方面提供的车辆运动路径生成的方法。

为了解决上述技术问题，本申请第三方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现如本申请第一方面提供的车辆运动路径生成的方法。

本申请提供的车辆运动路径生成的方法、***及存储介质，所生成车辆运动路径中车辆的方向变化更少，有效避免因车辆变向过多或过快所造成的不利影响；并且本申请中在代价函数中引入了子节点运动方向改变的次数，确保路径规划明显朝着路径的终点方向，有效降低路径节点的搜索时间。

附图说明

为了使本申请中的实施例所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本申请实施例的具体实施例。但需声明的是，下面描述的附图仅仅是本申请实施例示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。

图1A和图1B是根据本申请的一种车辆泊车的示意图。

图2是根据本申请提供的一种车辆运动路径生成方法的步骤流程图。

图3是根据本申请提供的一种车辆运动路径生成方法的框架流程图。

图4A和图4B是根据本申请的搜索确定邻域点的示意图。

图5是根据本申请提供的一种车辆运动路径生成***的框架示意图。

具体实施方式

现在将参考附图更全面地描述本申请实施例的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本申请实施例仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本申请实施例更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。

在符合本申请实施例的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。

在对于具体实施例的描述中，本申请实施例描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本申请实施例的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本申请实施例实质的技术方案。

术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

路径规划是现阶段的自动驾驶车辆或辅助驾驶车辆所非常重要的一个功能，尤其体现于一些能够实现短距离的完全自动驾驶的场景，例如自动泊车等。自动泊车能够使得车辆完全自主地实现泊车进入停车位。本申请即提供一种车辆运动路径生成方法和***，能够减少路径生成的计算量，加快车辆运动路径生成的速度，从而为驾乘人员提供良好的乘坐体验。

本申请提供的车辆运动路径生成方法和***，可以应用于自动驾驶车辆中。其中，自动驾驶车辆包括实现完全自动驾驶功能、部分自动驾驶功能或者是辅助驾驶功能的车辆。例如，在SAE驾驶自动化分级的标准下，可以是L1～L5级别的车辆。自动驾驶车辆配备有计算设备，如域控制器等，用于接收或处理车辆自身的或感知得到的外界的各类型数据。本申请提供的车辆运动路径生成方法可以应用于该计算设备中，而本申请提供的车辆运动路径生成***可以为该计算设备，也可以为包含于该计算设备中的部分***。

图1A及图1B给出了一种根据本申请的自动驾驶车辆进行泊车的示意。如图1A所示车辆初始在P_s位置(起点)处，此时车辆具有相应的位姿，即起点位姿，包括起点坐标(x_s,y_s)和起点朝向j_s。而车辆需要泊车到P_e位置(终点)处，在终点的车辆有预期的位姿，即终点位姿，包括终点坐标(x_e,y_e)和起点朝向j_e。也即，车辆如果需要从P_s位置泊车至P_e位置，则需要一条从P_s位置至P_e位置的车辆运动路径。如图1B所示，车辆可以生成一条车辆运动路径，该车辆运动路径至少基于一个路径点P₁来生成。当然，基于实际情况还可以包括更多的路径点，如P₂，…，P_n等。这样，就获得了一条P_s-P₁-P₂-…-P_n-…-P_e的车辆运动路径，从而车辆可以根据该车辆运动路径，行驶至终点并满足终点的车辆位姿要求。例如当为自动泊车时，可以根据该运动路径行驶至停车位置P_e并满足车辆朝向与停车位朝向一致。

下面结合图2对本申请提供的车辆运动路径生成方法进行进一步地说明。该方法包括步骤S100-S400。为了便于理解，下面首先对各类型的点进行说明，后文具体的步骤中则不再赘述。

起点及终点：分别为车辆泊车的起始点及目标要达到的终末点。

父节点：每进行一步搜索时的被搜索点，包括起点。

子节点：每进行一步搜索时的搜索确定的点，包括终点，也包括第一子节点、第二子节点等。

邻域点：每进行一步搜索时的父节点周围的点，包括该步搜索所确定的子节点。

路径点：车辆运动路径上所有经历的点，包括起点、各个中间的子节点及终点。

各步骤具体实现如下所述。

步骤S100：获取车辆的起点的起点位姿及终点的终点位姿。

其中，起点位姿包括起点坐标及起点朝向，所述终点位姿包括终点坐标及终点朝向。如前所述，参见图1A，起点位姿可以包括(x_s,y_s)和j_s，而终点位姿可以包括(x_e,y_e)和j_e。

车辆的起点的坐标可以通过车辆上的定位传感器，如GPS等，进行获取。起点的朝向可以通过车辆上的惯性传感器，如IMU等，进行获取。车辆的终点的坐标和朝向则通过车辆的决策进行确定。例如，车辆通过判断周围可以停车的停车空间，来确定该停车空间的坐标及车辆停放在该空间内所需要的朝向。判断周围可以停车的停车空间可以通过车辆自身的感知***，也可以通过地图数据等进行。车辆停放的朝向则可以基于停车空间的形状等来确定。当然，还可以通过其他的感知或决策形式来得到终点的坐标和朝向，本申请对此不作限制。

步骤S200：获取车辆附近的地图，所述地图的范围覆盖所述起点及所述终点。

车辆附近的地图可以预先存储在车辆上，也可以是实时在线获取的地图。该地图需要覆盖泊车的起点及终点，也即，车辆至少要获取局域地图来作为车辆运动路径生成所在的范围。地图的形式可以是通常的二维地图，也可以是高精地图。在另一种实施方式中，车辆周围的地图还可以是基于车载感知***(如摄像头、激光雷达等)实现的即时三维重构地图，也即不需要额外的地图数据。当地图为即时三维重构地图时，起点位姿和终点位姿还可以相应地是基于车载感知***来获取的相对位姿。

获取的车辆附近的地图会作为起点、终点以及后续所要说明的子节点的位姿的参考，为车辆运动路径的生成提供必要的参考基准。

步骤S300：基于代价函数，搜索确定所述起点附近的第一子节点。

下面结合图4A和图4B对本申请的步骤S300进行具体地说明。本申请中，将会由起点开始，搜索一系列子节点直至找到终点，从而生成车辆运动路径。

参见图4A，示意了搜索确定子节点的一种实施例。针对父节点P_i，基于代价函数，来确定对应于该父节点P_i的子节点。具体地，首先确定父节点P_i周围的多个邻域点P_ij。进而根据代价函数，确定中各个邻域点P_ij的代价，并确定其中代价最小的邻域点为搜索确定的子节点。其中，父节点P_i为起点P_s时，该搜索确定到的子节点即是第一子节点。

父节点的邻域点的数量、分布及距离可以根据实际需要进行设置，也即，每个邻域点P_ij与父节点P_i存在着预先设定的方向变化及距离。在一种实施方式中，可以以九宫格的形式确定父节点周围的八个邻域点P_i1～P_i8，分别指代了该父节点的北、东北、东、东南、南、西南、西、西北的八个方向。当然，此处的八个邻域点还可以指代其他的不同方向，本申请对此不作限制。

一个实施例中，从父节点搜索确定子节点的代价函数可以包括第一代价函数、第二代价函数及第三代价函数。

第一代价函数基于所述起点与所述邻域点确定。此代价函数表征了邻域点相对于起点的变化的代价。一种方式中，第一代价函数为：

cost₁＝k₁*d_s+k₂*δ_{yaw_s}

其中，d_s是所述邻域点与所述起点的距离，δ_{yaw_s}是所述邻域点与所述起点的方向的角度差值，k₁、k₂分别为d_s的权重和δ_{yaw_s}的权重。

在计算第一代价时，每个邻域点的坐标及方向可以基于父节点的坐标朝向以及预先的设置来确定。邻域点与起点距离可以为欧式距离，即反映该邻域点相对起点的真实距离。权重k₁、k₂可以根据实际的工程需要来设定。

第二代价函数基于所述邻域点与所述终点确定。此代价函数表征了邻域点相对于终点的变化的代价。一种方式中，第二代价函数为：

cost₂＝k₃*d_e+k₄*δ_{yaw_e}

其中，d_e是所述邻域点与所述终点的距离，δ_{yaw_e}是所述邻域点与所述终点的方向的角度差值，k₃、k₄分别为d_e的权重和δ_{yaw_e}的权重。

计算第二代价可以类似于计算第一代价进行。权重k₃、k₄可以根据实际的工程需要来设定。

第三代价函数基于所述邻域点的方向变化次数确定。此代价函数表征了车辆在车辆运动路径中方向变化的程度。一种方式中，第二代价函数为：

cost₃＝k₅*N

其中，N是所述邻域点的方向变化次数，k₅为N的权重。

参见图4B，在针对父节点P_i的邻域点P_ij搜索确定得到了子节点P_i+1后，可以继续针对子节点P_i+1的邻域点P_(i+1)j进行搜索确定下一个子节点。此时，子节点P_i+1就成为了下一步搜索的父节点。进而，针对每一个子节点P_i+1，都存在着与其父节点P_i的相对方向，如图4B中的箭头所示。同样地，针对每一个父节点的邻域点，也具有此相对方向。因此，针对子节点P_i+1(下一步搜索的父节点)的邻域点P_(i+1)j，当其与子节点P_i+1的相对方向相较于该子节点P_i+1与上一级父节点P_i的相对方向出现变化时，则对该邻域点的方向变化次数加1。此处的相对方向出现变化，可以根据实际需要确定出现变化的标准。例如，可以当相对方向变化超过90°时才认为是出现“变化”进而使得计数加1，也可以是其他的方向变化标准。而基础的方向变化次数则是起点的方向变化次数为零。进而，针对每一步的搜索，所确定的子节点都会在其父节点的方向变化次数上加1或保持不变。

方向变化次数N的权重k₅与泊车的场景有关。例如，当泊车场景为狭小空间时，可能预期泊车的方向变化次数会比较多，进而可以相应地调整权重k₅。

这样，通过对父节点的每个邻域点都使用三个代价函数来计算第一代价、第二代价和第三代价，可以找到其中代价最小的那个邻域点，来作为这一步搜索确定的子节点。

本申请通过在设置多个代价函数，覆盖与起点、终点以及方向改变次数的参数，实现了更好地进行车辆运动路径中路径点的搜索确定，使得泊车中车辆角度变化尽可能少，从而便于下游的控制器来实现使得车辆能沿着车辆运动路径行驶。

在另一实施例中，代价函数在前述三个代价函数的基础上还可以包括判断约束项。该判断约束项为方向变化次数的阈值。也即，在代价函数中可以为方向变化次数设置一个上限，即最大的方向变化次数。如果一个父节点通过前述的三个代价函数所确定出来的子节点的方向变化次数超出该上限，则舍弃该子节点，并进行回退。该回退可以是回退到该父节点，或者是回退多步搜索。若为回退多步搜索，回退的步数可以根据实际需要确定。

这样，通过设置判断约束项，可以防止在车辆运动路径生成中，出现了过多的车辆方向变化，导致车辆运动路径并非理想路径。

步骤S400：至少基于所述第一子节点，确定所述车辆在所述地图中的车辆运动路径。

步骤S300中通过代价函数对起点进行一步搜索后，即确定得到了第一子节点。进而至少根据第一子节点，可以确定车辆在地图中的车辆运动路径。

参见图3，具体地，首先判断第一子节点的邻域点中是否包含终点。如果包含，则路径的搜索可以终止，进而基于第一子节点输出车辆运动路径。如果不包含，则需进行进一步的搜索，确定下一子节点，并进行同样的判断。如此循环，直至找寻到终点，则停止搜索，获得了一系列子节点，并基于这一系列子节点输出车辆运动路径。

在输出车辆运动路径中，可以先获取末尾的子节点，即终点前的一个子节点；然后根据该子节点反查其父节点，再反查更上一级的父节点，直至某一父节点无法再查询到更上一级的父节点也即起点则停止查询，进而把所有查询到的这些路径点添加到路径数组中，完成路径点的链接，输出路径数组。当然，输出车辆运动路径还可以在每一步进行搜索确定子节点的过程中，将确定得到的子节点添加到路径数组中，一级级地往下添加直至终点，从而输出路径数组。

在确定了路径数组中的全部路径点后，就可以根据这些路径点来确定车辆运动路径。具体地，可以根据预设的曲线模型，确定相邻点之间的曲线，其中相邻点为两个顺次相邻的路径点，如某个父节点及该父节点搜索确定的子节点；进而针对每两个相邻点都获得曲线后，就可以确定最终的全局的车辆运动路径。其中，曲线模型可以为Spiral曲线，Bezier曲线，Cubic曲线等，本申请对此不做限制。

本申请提供的车辆运动路径生成方法，在传统的混合A*算法，能进一步地考虑在车辆运动路径中车辆方向的变化，避免出现路径方向变化过大导致下游控制***难以控制车辆以实现该路径，同时还可以加快搜索的过程，提高路径生成效率。

参见图5，本申请还提供了一种车辆运动路径生成的***。该***10包括存储器11和处理器12，存储器11用于存储计算机程序，当计算机程序被所述处理器12执行时，处理器12可以执行如前文所述的本申请提供的车辆运动路径生成的方法。

本申请另一实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，其中，当所述一个或多个程序被处理器执行时，实现前文所述的本申请提供的车辆运动路径生成的方法。

本领域技术人员可以理解，实现上述实施例的全部或部分步骤被实现为由数据处理设备(包括计算机)执行的程序，即计算机程序。在该计算机程序被执行时，可以实现本申请提供的上述方法。而且，所述的计算机程序可以存储于计算机可读存储介质即计算可读存储介质中，该存储介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、磁盘、光盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合比如多个存储介质组成的存储阵列，例如磁盘或磁带存储阵列。当所述计算机程序被一个或多个数据处理设备执行时，使得该计算机可读存储介质能够实现本申请的上述方法。进一步，所述的存储介质不限于集中式存储，其也可以是分布式存储，例如基于云计算的云存储。应当理解，为了精简本申请并帮助本领域的技术人员理解本申请的各个方面，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时在单个实施例中进行描述，或者参照单个图进行描述。但是，不应将本申请解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。

进一步，本领域的技术人员易于理解，本申请描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本申请的上述方法。所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读存储介质，该可读存储介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

因而，本申请可以执行计算机程序的方法、***、电子装置或计算机可读存储介质来实现。可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现本申请的一些或者全部功能。

应当理解，可以对本申请的一个实施例的设备中包括的模块、单元、组件等进行自适应性地改变以把它们设置在与该实施例不同的设备中。可以把实施例的设备包括的不同模块、单元或组件组合成一个模块、单元或组件，也可以把它们分成多个子模块、子单元或子组件。本申请的实施例中的模块、单元或组件可以以硬件方式实现，也可以以一个或者多个处理器上运行的软件方式实现，或者以它们的组合实现。

以上所述的具体实施例，对本申请的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本申请的具体实施例而已，并不用于限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

综上所述，本申请可以执行计算机程序的方法、装置、***或计算机可读存储介质来实现。可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现本申请的一些或者全部功能。以上所述的具体实施例，对本申请实施例的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本申请实施例不与任何特定计算机、虚拟装置或者电子***固有相关，各种通用装置也可以实现本申请实施例。以上所述仅为本申请实施例的具体实施例而已，并不用于限制本申请实施例，凡在本申请实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请实施例的保护范围之内。

Claims (14)

1.一种车辆运动路径生成方法，其特征在于，包括：

获取车辆的起点的起点位姿及终点的终点位姿，所述起点位姿包括起点坐标及起点朝向，所述终点位姿包括终点坐标及终点朝向；

获取车辆附近的地图，所述地图的范围覆盖所述起点及所述终点；

基于代价函数，搜索确定所述起点附近的第一子节点；

至少基于所述第一子节点，确定所述车辆在所述地图中的车辆运动路径；

其中，所述代价函数基于所述起点坐标、所述起点朝向、所述终点坐标、所述终点朝向及邻域点的方向变化次数确定，并且所述起点的邻域点包括所述第一子节点。

2.如权利要求1所述的方法，其特征在于，所述搜索确定所述起点附近的第一子节点，还包括：

确定所述起点附近的多个所述邻域点；

基于所述代价函数，计算每个所述邻域点的代价；

确定其中代价最小的邻域点为所述第一子节点。

3.如权利要求1所述的方法，其特征在于，所述至少基于所述第一子节点，确定所述车辆在所述地图中的车辆运动路径，还包括：

确定所述第一子节点附近的多个所述邻域点；

判断所述终点是否落入所述多个邻域点中；

若是，则结束搜索，并基于所述起点、所述第一子节点以及所述终点，确定所述车辆运动路径；

若否，则继续搜索，确定第二子节点。

4.如权利要求3所述的方法，其特征在于，所述确定第二子节点包括：

确定所述第一子节点附近的多个所述邻域点；

基于所述代价函数，计算每个所述邻域点的代价；

确定其中代价最小的邻域点为所述第二子节点；

所述方法还包括：

针对每个子节点的所述邻域点，均判断所述终点是否落入所述邻域点中，若落入，则基于所述起点、所述多个子节点及所述终点，确定所述车辆运动路径；若否，则重复所述搜索过程，直至找到所述终点。

5.如权利要求2-4任一项所述的方法，其特征在于，所述确定多个所述邻域点，包括：

以九宫格的形式确定父节点周围的八个所述邻域点；

其中，所述父节点为所述子节点的被搜索点。

6.如权利要求1-4任一项所述的方法，其特征在于，所述确定所述车辆运动路径，包括：

基于预设的曲线模型，确定多段相邻点之间的曲线，所述相邻点为两个顺次相邻的路径点；

基于所述多段曲线确定所述车辆运动路径。

7.如权利要求2-4任一项所述的方法，其特征在于，所述代价函数包括第一代价函数、第二代价函数及第三代价函数；其中，

所述第一代价函数基于所述起点与所述邻域点确定；

所述第二代价函数基于所述邻域点与所述终点确定；

所述第三代价函数基于所述邻域点的方向变化次数确定。

8.如权利要求7所述的方法，其特征在于，所述代价函数还包括判断约束项，所述判断约束项包括所述方向变化次数的阈值。

9.如权利要求8所述的方法，其特征在于，还包括：

当所述子节点的方向变化次数超过所述阈值时，含弃所述子节点。

10.如权利要求7所述的方法，其特征在于，所述第一代价函数为：

cost₁＝k₁*d_s+k₂*δ_{yaw_s}

其中，d_s是所述邻域点与所述起点的距离，δ_{yaw_s}是所述邻域点与所述起点的方向的角度差值，k₁、k₂分别为d_s的权重和δ_{yaw_s}的权重。

11.如权利要求7所述的方法，其特征在于，所述第二代价函数为：

cost₂＝k₃*d_e+k₄*δ_{yaw_e}

其中，d_e是所述邻域点与所述终点的距离，δ_{yaw_e}是所述邻域点与所述终点的方向的角度差值，k₃、k₄分别为d_e的权重和δ_{yaw_e}的权重。

12.如权利要求7所述的方法，其特征在于，所述第三代价函数为：

cost₃＝k₅*N

其中，N是所述邻域点的方向变化次数，k₅为N的权重。

13.一种车辆运动路径生成***，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于加载并执行所述计算机程序，以实现如权利要求1-12任一项所述的车辆运动路径生成方法。

14.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个计算机程序，当所述一个或多个计算机程序被处理器执行时，实现如权利要求1-12任一项所述的车辆运动路径生成方法。

Images