CN116101271A - 自动泊车路径规划方法、装置、***及可读存储介质 - Google Patents

Abstract

本发明提供了一种自动泊车路径规划方法、装置、***及可读存储介质，其中，本发明提供的自动泊车路径规划方法中，在对车辆进行泊车路径规划时，将车辆初始节点位姿的参数产生的误差考虑在内，根据初始节点位姿的参数的误差区间得到初始节点位姿的参数区间，利用路径规划函数和初始节点位姿的参数区间求解出下一节点的参数区间，以在其参数区间内与障碍物无干涉且代价函数值最小的下一节点作为规划节点，使得规划节点在其参数区间内都不会与障碍物产生干涉，从而使得车辆根据规划节点进行泊车时，大幅降低车辆与障碍物发生干涉的概率，因此本发明实施例的自动泊车路径规划方法能够提高对泊车路径规划的成功率和增加泊车路径规划的可行性。

Description

自动泊车路径规划方法、装置、***及可读存储介质

本申请是申请号为202210513104.7、申请日为2022年5月11日、发明名称为“自动泊车路径规划方法、装置、***及可读存储介质”的发明专利申请的分案申请。

技术领域

本发明涉及路径规划领域，尤其涉及一种自动泊车路径规划方法、装置、***及可读存储介质。

背景技术

近年来，随着国内汽车总量的快速增长，城市内车位空间日趋紧张和狭小，由泊车引发的事故几率大大增加。自动泊车技术可以帮助人们安全可靠的完成泊车，其通过获取车辆位姿和车位位姿，然后规划一条可行路径，随后自动控制车辆跟随路径完成泊车。路径规划是自动泊车关键的环节，其基本要求是规划的路径可行并且安全无碰撞。

车辆自动泊车所采用的路径规划算法主要有：①车辆的运动轨迹通过函数表示的方法，比如圆弧直线、型曲线、多项式曲线等；②采样规划法，在起始点和终点之间进行随机采样规划，比如快速随机树法、概率路线图法等；③图搜索法，对搜索的空间进行建立栅格地图，再对栅格进行搜索选择，比如Dijktra算法、A*算法和D*算法等；④基于优化预测的算法，通过构建优化指标的目标函数，再添加约束条件，从而优化出最优轨迹。

在自动泊车中常采用Hybrid A*算法进行路径规划，A*是一种启发式搜索算法，可通过代价函数来评估每一步路径搜索的方向，在A*算法的基础上增加车辆运动学，使搜索路径由离散点变为具有一定连续的线。

目前进行自动泊车的路径规划大都基于确定性参数或者模型，但在实际自动泊车过程中，随着外部环境、车辆各模块(感知定位模块、运动学模型、控制模块等)性能的不同和变化，车辆的参数具有不确定性，比如车辆的开始位姿、车辆的轮转角、障碍物的位置坐标等等，最终往往导致泊车路径和实际路径存在一定的误差或者需要多次路径规划进行泊车，甚至可能导致自动泊车失败。

发明内容

本发明的目的是为解决上述技术问题的不足而提供一种自动泊车路径规划方法、装置、***及可读存储介质，能够提高车辆自动泊车的成功率。

为了实现上述目的，本发明提供了一种自动泊车路径规划方法，包括：

采集车辆的初始节点位姿的参数和目标车位的位置；

获取所述初始节点位姿的参数区间，所述初始节点位姿的参数区间根据所述初始节点位姿的参数的误差区间获得；

利用路径规划函数和所述初始节点位姿的参数区间求解下一节点位姿的参数区间；

根据所述下一节点位姿的参数区间进行障碍物干涉检测，并求解所述下一节点的代价函数值；

将通过障碍物干涉检测且所述代价函数值最小的所述下一节点作为规划节点；

所述初始节点位姿的参数区间为：

其中，

为采集的初始位姿参数，δ_a为采集的轮转角，采集到的所述初始节点位姿的参数包括所述初始节点位姿参数

和采集的所述轮转角δ_a；

为所述初始位姿参数

的误差区间，δ_e为采集的所述轮转角δ_a的误差区间；

所述利用路径规划函数和所述初始节点位姿的参数区间求解下一节点位姿的参数区间包括：

在所述初始节点位姿的每一参数的区间内各选取m个插值点，对每一参数的m个所述插值点进行排列组合得到所述初始节点位姿的多个输入样本点；

根据多个所述输入样本点和所述路径规划函数得到所述下一节点位姿的多个输出样本点；

根据所述输入样本点、所述输出样本点和所述多项式代理模型求解所述下一节点位姿的参数区间。

可选的，所述根据所述输入样本点、所述输出样本点和所述多项式代理模型求解所述下一节点位姿的参数区间包括：

将多个所述输入样本点作为所述多项式代理模型的自变量以及将多个所述输出样本点作为所述多项式代理模型的因变量，求解所述初始节点位姿的参数与所述下一节点位姿的参数的系数关系；

根据所述系数关系和所述初始节点位姿的参数区间得出所述下一节点位姿的参数区间。

可选的，所述多项式代理模型为Chebyshev代理模型：

其中，g为初始节点位姿的参数的个数；u为ChebysheV级数中i₁，i₂，...，i_g为零的个数。将输入样本点的位姿作为ChebysheV代理模型的自变量(x₁，x₂，…，x_g)，输出样本点作为Chebyshev代理模型的因变量；

所述初始节点位姿的参数与所述下一节点位姿的参数的系数关系为：

可选的，多个所述输入样本点根据所述初始节点位姿的每一参数的m个所述插值点的张量积获得。

可选的，所述路径规划函数包括HybridA*算法。

为了实现上述目的，本发明还提供了一种自动泊车路径规划装置，包括：

定位模块，用于采集车辆的初始节点位姿的参数和目标车位的位置；

获取模块，用于获取所述初始节点位姿的参数区间，所述初始节点位姿的参数区间根据所述初始节点位姿的参数的误差区间获得；

求解模块，用于利用路径规划函数和所述初始节点位姿的参数区间求解下一节点位姿的参数区间；

检测模块，用于根据所述下一节点位姿的参数区间进行障碍物干涉检测，并求解所述下一节点的代价函数值；

确定模块，用于将通过障碍物干涉检测且所述代价函数值最小的所述下一节点作为规划节点；

所述初始节点位姿的参数区间为：

其中，

为采集的初始位姿参数，δ_a为采集的轮转角，采集到的所述初始节点位姿的参数包括所述初始节点位姿参数

和采集的所述轮转角δ_a；

为所述初始位姿参数

的误差区间，δ_e为采集的所述轮转角δ_a的误差区间；

所述利用路径规划函数和所述初始节点位姿的参数区间求解下一节点位姿的参数区间包括：

在所述初始节点位姿的每一参数的区间内各选取m个插值点，对每一参数的m个所述插值点进行排列组合得到所述初始节点位姿的多个输入样本点；

根据多个所述输入样本点和所述路径规划函数得到所述下一节点位姿的多个输出样本点；

根据所述输入样本点、所述输出样本点和所述多项式代理模型求解所述下一节点位姿的参数区间。

为了实现上述目的，本发明还提供了一种自动泊车路径规划***，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器被配置为经由执行所述可执行指令来执行如前所述的自动泊车路径规划方法。

为了实现上述目的，本发明又提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述的自动泊车路径规划方法。

本发明还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行如前所述的自动泊车路径规划方法。

本发明提供的自动泊车路径规划方法中，在对车辆进行泊车路径规划时，将车辆初始节点位姿的参数产生的误差考虑在内，根据初始节点位姿的参数的误差区间得到初始节点位姿的参数区间，利用路径规划函数和初始节点位姿的参数区间求解出下一节点的参数区间，以在其参数区间内与障碍物无干涉且代价函数值最小的下一节点作为规划节点，使得规划节点在其参数区间内都不会与障碍物产生干涉，从而使得车辆根据规划节点进行泊车时，大幅降低车辆与障碍物发生干涉的概率，因此本发明实施例的自动泊车路径规划方法能够提高对泊车路径规划的成功率和增加泊车路径规划的可行性。

附图说明

图1是本发明实施例自动泊车路径规划方法的流程图。

图2是图1中步骤300的流程图。

图3是图2中步骤340的流程图。

图4是图1中步骤600的流程图。

图5是图1中步骤600之后的流程图。

图6是本发明实施例自动泊车路径规划装置的模块图。

图7是本发明实施例自动泊车路径规划***的模块图。

图8是本发明实施例利用路径规划函数和规划节点位姿的参数区间搜索下一节点位姿的搜索图。

具体实施方式

为了详细说明本发明的技术内容、构造特征、实现的效果，以下结合实施方式并配合附图详予说明。

请参阅图1，本发明实施例公开了一种自动泊车路径规划方法，其包括：

100、采集车辆的初始节点位姿的参数和目标车位的位置。

初始节点位姿和目标车位的位置可以用车辆的定位模块采集，车辆的定位模块可以从地图上采集其初始节点位姿和目标车位的位置，地图可以是包括初始节点和目标车位的局部地图，并包含了足够的空间以便于能够在其中进行路径规划，也可以是停车场的全域地图等等。

200、获取采集的初始节点位姿的参数区间，初始节点位姿的参数区间根据初始节点位姿的参数的误差区间获得。

由于车辆的感知模块、控制模块等会存在一定误差，导致采集的初始节点位姿存在一定误差，为了提高初始节点位姿的准确性，根据初始节点位姿的各个参数的误差区间得到初始节点位姿的参数区间。具体来说，初始节点位姿的参数区间为：

其中，

为采集的初始节点位姿，δa为采集的轮转角，采集到的车辆的初始节点位姿的参数包括车辆的初始节点位姿参数

和采集的轮转角δ_a；

为初始节点位姿参数

的误差区间，δ_e为采集的轮转角δ_a的误差区间。

本发明实施例中，初始节点位姿参数的误差区间

可以根据一定数据的实验测量统计获得，δ_a可以从车辆控制模块获取。

在一些具体的示例中，初始节点位姿的参数的误差区间可以表示为：

其中每一参数的误差区间可以表示为：

其中，a _m和

分别为参数的误差的下限和上限。比如说，初始位姿参数x₀的误差区间可以表示为

初始位姿参数y₀的误差区间可以表示为

初始位姿参数

的误差区间可以表示为

初始位姿参数δ的误差区间可以表示为

300、利用路径规划函数和初始节点位姿的参数区间求解下一节点位姿的参数区间。

路径规划函数是用于规划车辆的初始节点至所述目标车位的路径，可以根据本领域技术人员知悉的路径规划函数对下一节点位姿的参数区间进行求解，比如说路径规划函数可以是Hybrid A*算法、Dijkstra算法等等。

400、根据下一节点在位姿的参数区间进行障碍物干涉检测，并求解下一节点的代价函数值。

对节点进行障碍物干涉检测时，可以将车辆简化成多边形后进行膨胀，将膨胀后的车辆在节点进行障碍物干涉检测，当然，也可以应用本领域技术人员知悉的其他障碍物干涉检测的方式进行障碍物干涉检测，对节点的代价函数值的求解可以应用本领域技术人员知悉的任意现有的代价值算法进行。

可以理解的是，由于初始节点位姿的参数区间是根据参数的误差区间得出的，由于车辆的各个模块中各参数产生的误差并不会太大，因此，初始节点位姿的参数区间跨度不会很大，从而根据初始节点位姿的参数区间求解出的下一节点的参数区间跨度也不会很大，因此，当求解下一节点的代价函数值时，可以在其参数区间中取一值进行计算，从而降低计算量。

500、将通过障碍物干涉检测且代价函数值最小的所述下一节点作为规划节点。

通过障碍物干涉检测是指求解的下一节点位姿在其参数区间内与障碍物不会产生干涉。由于根据路径规划函数和初始节点位姿求解下一节点位姿的参数时，会产生多个搜索方向对应的多个节点，每一节点对应一参数区间，为了使规划的路径最优，以在参数区间内与障碍物不会产生干涉且代价函数值最小的搜索方向对应的下一节点作为规划节点。

本发明实施例提供的自动泊车路径规划方法中，在对车辆进行泊车路径规划时，将车辆初始节点位姿的参数产生的误差考虑在内，根据初始节点位姿的参数的误差区间得到初始节点位姿的参数区间，利用路径规划函数和初始节点位姿的参数区间求解出下一节点的参数区间，以在其参数区间内与障碍物无干涉且代价函数值最小的下一节点作为规划节点，使得规划节点在其参数区间内都不会与障碍物产生干涉，从而使得车辆根据规划节点进行泊车时，大幅降低车辆与障碍物发生干涉的概率，因此本发明实施例的自动泊车路径规划方法能够提高对泊车路径规划的成功率和增加泊车路径规划的可行性。

在具体的示例中，求解出规划节点后，自动泊车路径规划方法还包括，利用路径规划函数和规划节点位姿的区间参数求解规划节点对应的下一节点位姿的参数区间，根据规划节点对应的下一节点位姿的参数区间进行障碍物检测并求解下一节点的代价函数值，将通过障碍物干涉检测且代价函数值最小的下一节点作为新的规划节点，重复上述步骤，直到规划至目标车位，从而可以得出由初始节点、多个规划节点形成的泊车路径。当然，本发明实施例的自动泊车路径规划方法不限于此。

如图2所示，步骤300包括：

310、在初始节点位姿的每一参数的区间内各选取m个插值点，对每一参数的m个插值点进行排列组合得到当前规划节点位姿的多个输入样本点。

具体地，多个输入样本点根据每一参数的m个插值点的张量积获得。比如，在初始节点位姿的参数x₀的区间内选取的m个插值点为(x₀₁，x₀₂，x₀₃，…，x_0m)，在初始节点位姿的参数y₀的区间内选取的m个插值点为(y₀₁，y₀₂，y₀₃，…，y_0m)，在初始节点位姿的参数

的区间内选取的m个插值点为

在初始节点位姿的参数δ的区间内选取的m个插值点为(δ₀₁，δ₀₂，δ₀₃，…，δ_0m)，每一参数的m个插值点的排列组合可以根据每一参数的m个插值点的张量积：

也就是说，多个输入样本点可以根据初始节点位姿的每一参数的m个插值点的张量积获得，举例来说，部分输入样本点的位姿为

等等。

320、根据多个输入样本点和路径规划函数得到下一节点位姿的多个输出样本点。

路径规划函数是根据前一节点的位姿求解下一节点位姿，因此，将步骤310得出的初始节点的多个输入样本点的位姿作为路径规划函数的输入值代入路径规划函数中，可以求解出下一节点的多个输出样本点的位姿。

330、根据输入样本点、输出样本点和多项式代理模型求解车辆下一节点位姿的参数区间。

进一步地，如图3所示，步骤330包括：

331、将多个输入样本点作为多项式代理模型的自变量以及将多个输出样本点作为多项式代理模型的因变量，求解初始节点位姿与下一节点位姿的系数关系。

332、根据系数关系和初始节点位姿的参数区间得出下一节点位姿的参数区间。

具体来说，多项式代理模型可以是Chebyshev代理模型，Chebyshev代理模型的通式为：

其中，g为初始节点位姿的参数的个数；u为ChebysheV级数中i₁，i₂，...，i_g为零的个数。将输入样本点的位姿作为ChebysheV代理模型的自变量(x₁，x₂，…，x_g)，输出样本点作为Chebyshev代理模型的因变量。

根据Chebyshev代理模型的系数可以得出初始节点位姿的参数与下一节点位姿的参数的系数关系为：

其中，i₁，i₂，…，i_g＝0，1，2，3，…。为了求解ChebysheV代理模型的系数

将Chebyshev代理模型的通式的多重积分转化为数值积分，采用Gauss-Chebyshev数值积分，将复杂的多重积分转化为数值积分求解Chebyshev代理模型的系数，既能够保证其求解精度，还能使求解速度也得到明显提高，具体地，假设：

可得出：

其中，(x₁，x₂，…，x_h)为高斯积分的高斯点，各个维数上的高斯点数都为h，X是一维高斯点x₁，x₂，…，x_h的张量积，由于对初始节点位姿的各参数都进行了归一化处理，所以各参数的高斯点都为(x₁，x₂，…，x_h)，经过归一化处理后，同一参数对应的每个插值点均相同，因此X为：

从而能够求解出Chebyshev代理模型的系数，进而得出在Chebyshev代理模型中初始节点位姿与下一节点位姿的系数关系，由于初始节点位姿的参数区间为

根据初始节点位姿与下一节点位姿的系数关系能够得出其对应的下一节点位姿的参数区间

其中，

本发明实施例中，多项式代理模型采用Chebyshev代理模型能够提高计算精度和效率。当然，本发明实施例对多项式代理模型的具体形式不作限制，也可以是其他本领域技术人员知悉的代理模型，比如Kriging代理模型等等。

在一些具体的示例中，根据初始节点位姿的参数区间求解出第一个规划节点位姿的参数区间后，再根据第一个规划节点位姿的参数区间求解出第二个规划节点位姿的参数区间，再根据第二个规划节点位姿的参数区间求解出第三个规划节点位姿的参数区间，不断地进行迭代求解，每一个规划节点位姿的参数区间的求解过程都与前述根据初始节点位姿的参数区间求解规划节点位姿的参数区间的过程相同。比如说，第n个规划节点位姿的参数区间为

在第n个规划节点位姿的每一参数的区间选取的m个插值点分别为(x_n1，x_n2，x_n3，…，x_nm)、(y_n1，y_n2，y_n3，…，y_nm)、

(δ_n1，δ_n2，δ_n3，…，δ_nm)，获得的多个输入样本点为：

根据路径规划函数求解下一节点位姿的多个输出样本点，将输入样本点作为自变量、输出样本点作为因变量代入Chebyshev代理模型，求解第n个规划节点位姿和其对应的下一节点位姿的系数关系，根据系数关系和第n个规划节点位姿的参数区间为

求解出下一节点位姿的参数区间

其中，

如图8所示，根据规划节点位姿的参数区间和路径规划函数会求解出多个不同搜索方向的下一节点位姿的参数区间，因此通过障碍物干涉检测和代价函数值求解选取出最优的下一节点作为规划节点，

可以理解的是，本发明实施例中，根据规划节点位姿的参数区间求解规划节点对应的下一节点位姿的参数区间是从初始节点位姿的参数区间开始进行迭代求解，由于初始节点位姿的参数区间与参数的误差区间有关，因此迭代求解的每一节点位姿的参数区间均会与参数的误差区间有关。

此外，由于车辆的节点位姿的具体表现形式普遍为

因此，求解出的下一节点位姿的参数区间可以只表示为

但由于轮转角δ也会对车辆的节点位姿产生影响，因此当求解下一节点位姿的参数区间时也需要对其轮转角δ的区间进行求解，从而节点位姿的参数区间的表示形式不限于

也可以是

在一些具体的示例中，如图4所示，自动泊车路径规划方法还可以包括：

600、判断是否存在从规划节点到目标车位的路径。

当存在规划节点到目标车位的路径轨迹时，说明规划节点到目标车位之间存在Reed-Shepp曲线。可以理解的是，本示例中的规划节点不仅限于根据初始节点求解出的第一个规划节点，可以是迭代求解的任意一个规划节点。

610、当存在从规划节点到目标车位的路径时，在规划节点位姿的每一参数的区间内各选取n个插值点，根据规划节点位姿的每一参数的n个插值点获取规划节点位姿的多个输入样本点。

由于规划节点的位姿并非确定的，而是具有参数区间，因此规划节点到目标节点之间的Reed-Shepp曲线也不是确定的轨迹，而是存在一定范围的轨迹。为了求解规划节点到目标节点之间的Reed-Shepp曲线，需要在规划节点位姿的每一参数的区间内各选取n个插值点，多个输入样本点是根据每一参数的n个插值点的排列组合获得。

620、根据规划节点位姿的多个输入样本点和路径规划函数得到多条规划路径以及每一规划路径的每一节点位姿的参数区间。

根据每一输入样本点会对应存在一条规划路径，将输入样本点代入路径规划函数中求解其对应的规划路径，再根据初始节位姿的参数的误差区间求解出规划路径的每一节点位姿的参数区间。本领域技术人员可以应用知悉的求解Reed-Shepp曲线的路径规划函数对每一输入样本点对应的规划路径进行求解。

可以理解的是，为了更准确求解每一规划路径中每一节点位姿的参数区间，通过路径规划函数每规划一个节点时，可以根据规划路径的上一节点位姿的参数区间求解出当前节点位姿的参数区间，求解方式可以与前述对下一节点位姿的参数区间的求解方式相同：在上一节点位姿的每一参数的参数区间内各选取n个插值点，根据插值点求出上一节点位姿的多个输入样本点，将多个输入样本点代入路径规划函数中，得出当前节点位姿的多个输出样本点，将输入样本点和输出样本点代入多项式代理模型中，得出上一节点位姿和当前节点位姿的系数关系，根据上一节点位姿的参数区间和系数关系求解出当前节点位姿的参数区间。可以理解的是，对规划路径的每一节点位姿的参数区间的求解从规划节点的参数区间迭代求解至目标车位。

630、根据每一规划路径的每一节点位姿的参数区间进行障碍物干涉检测。

障碍物干涉检测既可以在规划出完整的规划路径后进行，也可以每求解出一节点位姿的参数区间就对该节点进行障碍物干涉检测。

640、将通过障碍物干涉检测的所述规划路径作为目标路径。

650、根据初始节点、规划节点和目标路径得到泊车路径。

在上述示例中，通过判断是否存在从规划节点到目标车位的路径，能够简化自动泊车路径规划的计算，提高计算速度。而且，由于规划节点和目标路径的每一节点位姿在其参数区间内均与障碍物无干涉，因此能够保证本发明实施例规划的泊车路径不会与障碍物产生碰撞，有效防止路径规划失败或泊车失败。

可以理解的是，对车辆进行泊车路径规划时，可以每求解出一个规划节点，均对该节点是否存在到目标车位的路径进行判断，当存在时即根据该规划节点求解其规划路径，当不存在时则根据规划节点、路径规划函数和多项式代理模型求解其对应的下一节点位姿的参数区间。

进一步地，如图5所示，为了满足车辆的实际运动需求，本发明实施例提供的自动泊车路径规划方法还包括：

700、对泊车路径进行平滑处理。

800、输出平滑处理后的泊车路径。

如图6所示，本发明实施例还提供了一种自动泊车路径规划装置，包括：

定位模块10，用于采集车辆的初始节点位姿的参数和目标车位的位置；

获取模块11，用于获取所述初始节点位姿的参数区间，所述初始节点位姿的参数区间根据所述初始节点位姿的参数的误差区间获得；

求解模块12，用于利用路径规划函数和所述初始节点位姿的参数区间求解下一节点位姿的参数区间；

检测模块13，用于根据所述下一节点位姿的参数区间进行障碍物干涉检测，并求解所述下一节点的代价函数值；

确定模块14，用于将通过障碍物干涉检测且所述代价函数值最小的所述下一节点作为规划节点

需要说明的是，自动泊车路径规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

如图7所示，本发明实施例还公开了一种自动泊车路径规划***，包括：

处理器20；以及

存储器30，用于存储处理器20的可执行指令；

其中，处理器20被配置为经由执行可执行指令来执行如前所述的自动泊车路径规划方法。

本发明实施例还公开了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如前所述的自动泊车路径规划方法。

本申请实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行如前所述的自动泊车路径规划方法。

应当理解，在本发明实施例中，所称处理器可以是中央处理模块(CentralProceing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digitalignal Proceor，DP)、专用集成电路(Application pecific IntegratedCircuit，AIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AcceMemory，RAM)等。

以上所揭露的仅为本发明的较佳实例而已，其作用是方便本领域的技术人员理解并据以实施，当然不能以此来限定本发明的之权利范围，因此依本发明的申请专利范围所作的等同变化，仍属于本发明的所涵盖的范围。

Claims (8)

1.一种自动泊车路径规划方法，其特征在于，包括：

采集车辆的初始节点位姿的参数和目标车位的位置；

获取所述初始节点位姿的参数区间，所述初始节点位姿的参数区间根据所述初始节点位姿的参数的误差区间获得；

利用路径规划函数和所述初始节点位姿的参数区间求解下一节点位姿的参数区间；

根据所述下一节点位姿的参数区间进行障碍物干涉检测，并求解所述下一节点的代价函数值；

将通过障碍物干涉检测且所述代价函数值最小的所述下一节点作为规划节点；

所述初始节点位姿的参数区间为：

其中，

为采集的初始位姿参数，δ_a为采集的轮转角，采集到的所述初始节点位姿的参数包括所述初始节点位姿参数

和采集的所述轮转角δ_a；

为所述初始位姿参数

的误差区间，δ_e为采集的所述轮转角δ_a的误差区间；

所述利用路径规划函数和所述初始节点位姿的参数区间求解下一节点位姿的参数区间包括：

在所述初始节点位姿的每一参数的区间内各选取m个插值点，对每一参数的m个所述插值点进行排列组合得到所述初始节点位姿的多个输入样本点；

根据多个所述输入样本点和所述路径规划函数得到所述下一节点位姿的多个输出样本点；

根据所述输入样本点、所述输出样本点和所述多项式代理模型求解所述下一节点位姿的参数区间。

2.根据权利要求1所述的自动泊车路径规划方法，其特征在于，所述根据所述输入样本点、所述输出样本点和所述多项式代理模型求解所述下一节点位姿的参数区间包括：

将多个所述输入样本点作为所述多项式代理模型的自变量以及将多个所述输出样本点作为所述多项式代理模型的因变量，求解所述初始节点位姿的参数与所述下一节点位姿的参数的系数关系；

根据所述系数关系和所述初始节点位姿的参数区间得出所述下一节点位姿的参数区间。

3.根据权利要求2所述的自动泊车路径规划方法，其特征在于，所述多项式代理模型为Chebyshev代理模型：

其中，g为初始节点位姿的参数的个数；u为Chebyshev级数中i₁,i₂,…,i_g为零的个数。将输入样本点的位姿作为Chebyshev代理模型的自变量(x₁,x₂,…,x_g)，输出样本点作为Chebyshev代理模型的因变量；

所述初始节点位姿的参数与所述下一节点位姿的参数的系数关系为：

4.根据权利要求1所述的自动泊车路径规划方法，其特征在于，多个所述输入样本点根据所述初始节点位姿的每一参数的m个所述插值点的张量积获得。

5.根据权利1所述的自动泊车路径规划方法，其特征在于，所述路径规划函数包括Hybrid A*算法。

6.一种自动泊车路径规划装置，其特征在于，包括：

定位模块，用于采集车辆的初始节点位姿的参数和目标车位的位置；

获取模块，用于获取所述初始节点位姿的参数区间，所述初始节点位姿的参数区间根据所述初始节点位姿的参数的误差区间获得；

求解模块，用于利用路径规划函数和所述初始节点位姿的参数区间求解下一节点位姿的参数区间；

检测模块，用于根据所述下一节点位姿的参数区间进行障碍物干涉检测，并求解所述下一节点的代价函数值；

确定模块，用于将通过障碍物干涉检测且所述代价函数值最小的所述下一节点作为规划节点；

所述初始节点位姿的参数区间为：

其中，

为采集的初始位姿参数，δ_a为采集的轮转角，采集到的所述初始节点位姿的参数包括所述初始节点位姿参数

和采集的所述轮转角δ_a；

为所述初始位姿参数

的误差区间，δ_e为采集的所述轮转角δ_a的误差区间；

所述利用路径规划函数和所述初始节点位姿的参数区间求解下一节点位姿的参数区间包括：

在所述初始节点位姿的每一参数的区间内各选取m个插值点，对每一参数的m个所述插值点进行排列组合得到所述初始节点位姿的多个输入样本点；

根据多个所述输入样本点和所述路径规划函数得到所述下一节点位姿的多个输出样本点；

根据所述输入样本点、所述输出样本点和所述多项式代理模型求解所述下一节点位姿的参数区间。

7.一种自动泊车路径规划***，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器被配置为经由执行所述可执行指令来执行权利要求1至5任一项所述的自动泊车路径规划方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述的自动泊车路径规划方法。

Images