一种自动泊车的路径规划方法、自动泊车方法及相关装置与流程

1.本技术涉及自动泊车技术领域，特别涉及一种自动泊车的路径规划方法、自动泊车方法及相关装置。


背景技术：

2.近年来，随着国内汽车行业的快速发展，自动泊车技术已经成为车辆不可或缺的功能，自动泊车技术是基于车辆位姿和车位位姿规划一条可行的泊车路径，然后自动控制车辆跟随泊车路径完成泊车。其中，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。
3.现有的泊车路径规划方法普遍采用几何曲线拼接的规划方法和采用图搜索(例如，混合a*搜索方法)的规划方法，其中，采用几何曲线拼接的规划方法对传感器与执行器的工作精度要求甚高，较难补偿系统运行的动态误差；采用图搜索的规划方法，在狭小、曲折的搜索空间内，搜索效率和路径的最优性难以保证。
4.因而现有技术还有待改进和提高。


技术实现要素：

5.本技术要解决的技术问题在于，针对现有技术的不足，提供一种自动泊车的路径规划方法、自动泊车方法及相关装置。
6.为了解决上述技术问题，本技术实施例第一方面提供了一种自动泊车的路径规划方法，所述方法包括：
7.获取目标车位的车位信息，并基于所述车位信息确定泊入段和调整段；
8.通过混合a*算法确定所述泊入段对应的第一规划路径；
9.采用直线驶入方式确定所述调整段对应的第二规划路径；
10.将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。
11.所述自动泊车的路径规划方法，其中，所述通过混合a*算法确定所述泊入段对应的第一规划路径具体包括：
12.将车辆的起始位置作为初始路径点；
13.获取所述初始路径点与所述目标车位的距离，并根据所述距离确定所述初始路径点对应的启发函数权重；
14.基于所述启发函数权重，通过混合a*算法在所述车辆对应的搜索区域内搜索初始路径点的下一路径节点；
15.将所述下一路径节点作为初始路径点，并继续执行获取所述初始路径点与所述目标车位的距离的步骤直至泊入段的终止点以形成第一规划路径。
16.所述自动泊车的路径规划方法，其中，所述搜索区域的确定过程具体包括：
17.基于所述车位信息确定目标车辆对应的初始障碍物区域以及初始车位区域，并对所述初始障碍物区域进行向外膨胀得到目标障碍物区域，对所述初始车位区域进行向内膨
胀得到目标车位区域；
18.基于所述目标障碍物区域以及所述目标车位区域，确定搜索区域。
19.所述自动泊车的路径规划方法，其中，所述根据所述距离确定所述初始路径点对应的启发函数权重具体包括：
20.将所述距离分别与第一距离阈值和第二距离阈值进行比较；
21.若所述距离大于第一距离阈值，则将第一预设权重设置为所述初始路径点对应的启发函数权重；
22.若所述距离小于或者等于第一距离阈值，且大于或者等于第二距离阈值，则将第二预设权重设置为所述初始路径点对应的启发函数权重；
23.若所述距离小于所述第二距离阈值，则将第三预设权重设置为所述初始路径点对应的启发函数权重，其中，所述第一预设权重大于所述第二预设权重，所述第二预设权重大于所述第三预设权重。
24.所述自动泊车的路径规划方法，其中，所述基于所述车位信息确定泊入段和调整段具体包括：
25.基于所述车位信息确定所述目标车位的泊入点，并在所述泊入点前选取一目标点作为划分点，其中，所述划分点与所述泊入点位于同一直线上，并且从所述泊入点到所述划分点的方向为车辆的车头朝向；
26.将车辆起始点与所述划分点间的路段作为泊入段，并将所述划分点与所述泊入点间的路段作为调整段。
27.本技术实施例第二方面提供了一种自动泊车方法，应用如上所述的自动泊车的路径规划方法确定的泊车路径；所述方法包括：
28.将泊车路径的初始路径点作为前一行驶时刻，并控制车辆行驶至所述前一行驶时刻的当前行驶时刻；
29.获取当前行驶时刻的候选障碍物位置以及相对于所述前一行驶时刻的新增障碍物位置；
30.预测各新增障碍物位置对应的延伸障碍物位置，并基于所述候选障碍物位置和延伸障碍物位置确定所述当前行驶时刻对应的障碍物位置；
31.基于所述障碍物位置调整所述泊车路径，并继续执行控制车辆行驶至所述前一行驶时刻的当前行驶时刻的步骤，直至所述车辆完成自动泊车。
32.所述自动泊车方法，其中，所述基于所述障碍物位置调整所述泊车路径具体包括：
33.基于所述障碍物位置检测所述泊车路径是否发生碰撞；
34.若所述泊车路径发生碰撞，则重新规划泊车路径以调整所述泊车路径；
35.若所述泊车路径不发生碰撞，则保持所述泊车路径不变。
36.所述自动泊车方法，其中，所述获取当前行驶时刻的候选障碍物位置具体包括：
37.通过车辆配置的传感器检测当前行驶时刻对应的可疑障碍物位置；
38.对于每个可疑障碍物位置，获取所述可疑障碍物位置对应的观察概率以及在车辆处于前一行驶时刻时所述可疑障碍物位置对应的先验概率；
39.基于所述观察概率及所述先验概率计算所述可疑障碍物位置对应的后验概率；
40.若所述后验概率大于预设概率阈值，则将所述可疑障碍物位置作为候选障碍物位
置。
41.所述自动泊车方法，其中，所述预测各新增障碍物位置对应的延伸障碍物位置具体包括：
42.获取前一行驶时刻对应的前序障碍物中心位置以及当前行驶时刻对应的当前障碍物中心位置，并将从所述前序障碍物中心位置到所述当前障碍物中心位置的方向作为延伸方向；
43.对于每个新增障碍物位置，沿所述延伸方向预测预设范围内的各延伸位置的延伸估计概率，并将延伸估计概率大于预设概率值的延伸位置作为延伸障碍物位置。
44.本技术实施例第三方面提供了一种自动泊车的路径规划装置，所述路径规划装置包括：
45.获取模块，用于获取目标车位的车位信息，并基于所述车位信息确定泊入段和调整段；
46.第一确定模块，用于通过混合a*算法确定所述泊入段对应的第一规划路径；
47.第二确定模块，用于采用直线驶入方式确定所述调整段对应的第二规划路径；
48.形成模块，用于将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。
49.本技术实施例第四方面提供了一种自动泊车装置，用如上所述的自动泊车的路径规划装置确定的泊车路径；所述装置包括：
50.控制模块，控制车辆按照所述泊车路径行驶，并获取当前行驶时刻的候选障碍物位置以及当前行驶时刻相对于前一行驶时刻的新增障碍物位置；
51.预测模块，用于预测各新增障碍物位置对应的延伸障碍物位置，并基于所述候选障碍物位置和延伸障碍物位置确定所述当前行驶时刻对应的障碍物位置；
52.调整模块，用于基于所述障碍物位置调整所述泊车路径，并继续执行控制车辆按照所述泊车路径行驶的步骤，直至所述车辆完成自动泊车。本技术实施例第五方面提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的自动泊车的路径规划方法中的步骤，和/或以实现如上所述的自动泊车方法中的步骤。
53.本技术实施例第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的自动泊车的路径规划方法、自动泊车方法中的步骤。
54.本技术实施例第六方面提供了一种终端设备，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
55.所述通信总线实现处理器和存储器之间的连接通信；
56.所述处理器执行所述计算机可读程序时实现如权利要求1-5任意一项所述的自动泊车的路径规划方法中的步骤，和/或实现如权利要求6-9任意一项所述的自动泊车方法中的步骤。
57.有益效果：与现有技术相比，本技术提供了一种自动泊车的路径规划方法、自动泊车方法及相关装置，所述路径规划方法包括获取目标车位的车位信息，并基于所述车位信息确定泊入段和调整段；通过混合a*算法确定所述泊入段对应的第一规划路径；采用直线
驶入方式确定所述调整段对应的第二规划路径；将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。本技术通过将泊车路径划分为泊入段和调整段，在泊入段采用混合a*算法进行路径规划，在调整段采用直线驶入方式进行路径规划，通过调整段对泊入段的所产生的车辆姿态误差进行调整，降低了对车辆泊入时的控制精度的要求，且可以很好的保证车辆的最终姿态。
附图说明
58.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员而言，在不符创造性劳动的前提下，还可以根据这些附图获得其他的附图。
59.图1为本技术提供的自动泊车的路径规划方法的流程图。
60.图2为车位示意图。
61.图3为侧向停车车位的泊入姿态变化曲线。
62.图4为后向停车车位的泊入姿态变化曲线。
63.图5为泊入段的示意图。
64.图6为泊入路径的示意图。
65.图7为初始障碍物区域的示意图。
66.图8为车位车道可行域的多边形示意图。
67.图9为目标障碍物区域的示意图。
68.图10为自动泊车的路径规划方法的流程示意图。
69.图11为本技术提供的自动泊车方法的流程图。
70.图12为本技术提供的自动泊车方法的流程示意图。
71.图13为超声传感器的参数示意图。
72.图14为前一行驶时刻的障碍物分布示意图。
73.图15为当前行驶时刻的候选障碍物分布示意图。
74.图16为当前行驶时刻的障碍物分布示意图。
75.图17为本技术提供的自动泊车的路径规划装置的结构原理图。
76.图18为本技术提供的自动泊车装置的结构原理图。
77.图19为本技术提供的终端设备的结构原理图。
具体实施方式
78.本技术提供一种自动泊车的路径规划方法、自动泊车方法及相关装置，为使本技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本技术进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
79.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元
件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
80.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
81.应理解，本实施例中各步骤的序号和大小并不意味着执行顺序的先后，各过程的执行顺序以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
82.经过研究发现，近年来，随着国内汽车行业的快速发展，自动泊车技术已经成为车辆不可或缺的功能，自动泊车技术是基于车辆位姿和车位位姿规划一条可行的泊车路径，然后自动控制车辆跟随泊车路径完成泊车。其中，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。
83.现有的泊车路径规划方法普遍采用几何曲线拼接的规划方法和采用图搜索(例如，混合a*搜索方法)的规划方法，其中，采用几何曲线拼接的规划方法是采用多段曲线拼接的方法求解规划路径，其在入库点的姿态不理想、车辆入库控制过程中存在误差、出现障碍物时，入库段路线求解可能会没有解析解和路线不是最优，难以保证最终泊入的车身姿态。采用混合a*搜索的方法为根据起点、终点和障碍物位置信息确定最优规划路径，然而，由于垂直车位左右限制，侧方车位前后限制，泊车终点处于三向封闭的狭小的搜索空间内，搜索效率和路径的最优性难以保证，出现障碍物时，搜索算法可能无法找到可行路径。并且由于搜索域和检测域相同，在动态障碍物场景，会频繁出现重新规划现象。
84.另外，在使用混合a*搜索的方法过程，部分路径规划方法将路线划分为正向行驶和倒车泊入两段，两段在混合a*搜索时使用不同的启发函数权重，但泊入段使用混合a*搜索对于车辆泊入时的控制精度要求较高，最终姿态难以保证。
85.为了解决上述问题，在本技术实施例中，获取目标车位的车位信息，并基于所述车位信息确定泊入段和调整段；通过混合a*算法确定所述泊入段对应的第一规划路径；采用直线驶入方式确定所述调整段对应的第二规划路径；将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。本技术通过将泊车路径划分为泊入段和调整段，在泊入段采用混合a*算法进行路径规划，在调整段采用直线驶入方式进行路径规划，通过调整段对泊入段的所产生的车辆姿态误差进行调整，降低了对车辆泊入时的控制精度的要求，且可以很好的保证车辆的最终姿态。
86.下面结合附图，通过对实施例的描述，对申请内容作进一步说明。
87.本实施例提供了一种自动泊车的路径规划方法，如图1所示，所述方法包括：
88.s10、获取目标车位的车位信息，并基于所述车位信息确定泊入段和调整段。
89.具体地，车位信息包括车辆信息，车位几何信息以及障碍物信息，其中，车辆信息可以包括车辆型号和车辆位置，车位几何信息可以包括车位长、车位宽、车位斜度、安全距离以及车道宽度，障碍物信息可以包括前后车位置信息、左右车位置信息、车位内部障碍物信息(例如，挡车器、护栏等)。其中，所述车辆信息可以根据车辆自身携带的定位装置确定，
车位几何信息可以通过超声传感器或者影像采集设备获取到，障碍物信息也可以通过超声传感器或者影像采集设备获取到。此外，当车位内部障碍物信息未被获取时，可以采用停车场设计规范标准信息。
90.泊入段和调整段为泊车路径的两个组成部分，泊入段和调整段相连接，其中，调整段用于对经过泊入段的车辆进行调整以保持车辆的最终姿态。可以理解的是，在泊车路径规划时，将泊车路径划分为一个泊入段和一个调整段，车辆在按照泊车路径进行自动泊车时，先经过泊入段再经过调整段以完成自动泊车。
91.在一个实现方式中，基于所述车位信息确定泊入段和调整段具体包括：
92.s11、基于所述车位信息确定所述目标车位的泊入点，并在所述泊入点前选取一目标点作为划分点；
93.s12、将车辆起始点与所述划分点间的路段作为泊入段，并将所述划分点与所述泊入点间的路段作为调整段。
94.具体地，如图2所示，所述划分点与所述泊入点位于同一直线上，并且从所述泊入点到所述划分点的方向为车辆的车头朝向。也就是说，在车头方向向前预设距离设置一个划分点，将车辆起始点到划分点间的路段作为泊入段，将划分点到泊入点间的路段作为调整段，即划分点为泊入段和调整段的分割点。
95.如图2所示，车位包括侧方车位、垂直车位和倾斜车位，其中，不同车位的车头朝向前方可以预留的位置空间不同。由此，在基于所述车位信息确定所述目标车位的泊入点时，可以基于车位信息确定车位类型，并选取所述车位类型对应的调整距离；基于调整距离确定划分点，以使得划分点与泊入点之间的距离等于调整距离，这样既可以确定调整段，又可以避免车辆通过泊入段行驶到划分点时发生碰撞或者无法规划泊入段对应的第一规划路径。其中，车位类型包括侧向停车车位和后向停车车位，侧向停车车位可以包括侧方车位，后向停车车位可以包括垂直车位和倾斜车位。
96.进一步，不同车位类型对应的调整距离可以不相同，其中，对于侧向停车车位，如图3所示，调整距离越大泊入姿态越好，然而随着调整距离增大会导致泊入空间越小，从而影响第一规划路径的规划甚至可能会导致无法求解到第一规划路径。因此，对于侧向停车车位，调整距离基于第一预设条件确定的，其中，第一预设条件为预先设置的，例如，第一预设条件为调整距离小于预设距离阈值，其中，预设距离阈值基于车位长度确定，如预设距离阈值等于车位长度的五分之一等。此外，在实际应用中，为了提高路径规划速度，可以调整距离可以为预设数值，例如，调整距离为0.4m等。
97.对于后向停车车位，如图4所示，调整距离越大泊入姿态越好，然而由于在泊车路径规划过程中，由车位域和车道域共同组成搜索域，随着调整距离的增大会增加对车道域的要求，并且当车道宽度不足时无法求解规划路径。由此，对于后向停车车位，调整距离可以基于第二预设条件确定的，其中，第二预设条件为预先设置的，例如，第二预设条件为调整距离小于第一距离阈值且大于第二距离阈值，其中，第一距离阈值大于第二距离阈值，且第一距离阈值和第二距离阈值均基于车位长度确定，如，第一距离等于车位长度，第二距离阈值车位长度的五分之一等。实际应用中，为了提高路径规划速度，可以调整距离可以为预设数值，例如，调整距离为4m等。
98.s20、通过混合a*算法确定所述泊入段对应的第一规划路径。
99.具体地，混合a*算法用于解决车位运动约束下的路径搜索问题，通过混合a*算法可以求解泊入段的第一规划路径，其中，如图5所示，第一规划路径为曲线型路径，车辆起始点为第一规划路径的起始点，划分点为第一规划路径的终止点。在混合a*算法搜索过程汇总，使用移动代价和启发函数之和作为搜索依据，并基于该搜索依据在搜索域进行搜索以形成第一规划路径。
100.由于混合a*算法中的启发函数普遍使用rs曲线来衡量当前点到目标点的距离，并且无论当前点与目标点的距离远近启发函数所起的作用均相同，这样会影响路径规划效率。基于此，在一个实现方式中，所述通过混合a*算法确定所述泊入段对应的第一规划路径具体包括：
101.s21、将车辆的起始位置作为初始路径点；
102.s22、获取所述初始路径点与所述目标车位的距离，并根据所述距离确定所述初始路径点对应的启发函数权重；
103.s23、基于所述启发函数权重，通过混合a*算法在所述车辆对应的搜索区域内搜索初始路径点的下一路径节点；
104.s24、将所述下一路径节点作为初始路径点，并继续执行获取所述初始路径点与所述目标车位的距离的步骤直至泊入段的终止点以形成第一规划路径。
105.具体地，初始路径点与所述目标车位的距离指的是初始路径点与目标车位的泊入点之间的距离，用于反映车辆与目标车位的相对距离，其中，距离越大，说明车辆距离目标车位越远，反之，距离越小，说明车辆距离目标车位越近。其中，当车辆与目标车位的距离大时，可以设置大的启发函数权重来增加启发函数的占比以提高搜索速度，当车辆与目标车位的距离小时，可以设置小的启发函数权重来减低发函数的占比以确定最优路径，这样虽然可以牺牲到前端路径的最优路线，但是泊车前端路径普遍是以快速通过为主，从而最优路径的影响可以忽略，而在后段通过减少启发函数的占比，可以获取到最优路径，通过后段按照最优路径行驶以及调整段的车辆姿态调整，可以使得车辆停入目标车位时可以保证良好的姿态，从而可以既可以提高自动泊车速度，又可以使得车辆保持良好的最终姿态。
106.在一个实现方式中，所述根据所述距离确定所述初始路径点对应的启发函数权重具体包括：
107.将所述距离分别与第一距离阈值和第二距离阈值进行比较；
108.若所述距离大于第一距离阈值，则将第一预设权重设置为所述初始路径点对应的启发函数权重；
109.若所述距离小于或者等于第一距离阈值，且大于或者等于第二距离阈值，则将第二预设权重设置为所述初始路径点对应的启发函数权重；
110.若所述距离小于所述第二距离阈值，则将第三预设权重设置为所述初始路径点对应的启发函数权重。
111.具体地，第一距离阈值和第二距离阈值均为预先设置的，为确定启发函数权重的依据，第一距离阈值小于第二距离阈值。第一预设权重、第二预设权重和第三预设权重均为预先设置的，所述第一预设权重大于所述第二预设权重，所述第二预设权重大于所述第三预设权重，使得当距离大于第一距离阈值时，使用最大的启发函数权重，以达到快速搜索的目的；当距离小于或者等于第一距离阈值，且大于第二距离阈值时，使用中间的启发函数权
重，在保证搜索速度的同时寻求最优路径；当距离小于或者等于第二距离阈值时，使用最小的启发函数权重，增加对移动代价的关注，保证泊入段的末端可以搜索到最后泊入路径，从而可以保证完成泊入段后的车辆姿态。
112.基于此，所述混合a*算法的搜索目标函数可以表示为：
[0113][0114]
其中，f(n)表示搜索目标函数，g(n)表示移动代价，h(n)表示启发函数，w1，w2，w3均表示启发函数权重，n表示搜索位置，m表示泊车位置，d1，d2，d3均表示距离阈值。
[0115]
进一步，所述搜索区域的确定过程具体包括：
[0116]
基于所述车位信息确定目标车辆对应的初始障碍物区域以及初始车位区域，并对所述初始障碍物区域进行向外膨胀得到目标障碍物区域，对所述初始车位区域进行向内膨胀得到目标车位区域；
[0117]
基于所述目标障碍物区域以及所述目标车位区域，确定搜索区域。
[0118]
具体地，所述初始障碍物区域为目标车位对应的障碍物所形成的区域，其可以在对车位信息进行采集时获取到的，例如，通过车辆装置的超声传感器或者图像采集装置采集得到的。目标障碍物区域为通过对初始障碍物区域进行向外膨胀得到的，目标障碍物区域包含初始障碍物区域。所述膨胀指的是将初始障碍物区域扩大，例如，如图6所述的初始障碍物区域通过膨胀后得到如图7所述的目标障碍物区域。其中，膨胀可以采用初始障碍物区域向外扩展预设距离的方式来实现，或者是，采用将初始障碍物区域的区域范围扩大预设倍数的方式来实现等。
[0119]
在获取到目标障碍物区域后，将车位信息所包括的车位几何信息转换为车位车道可行域的多边形区域，其中，多边形区域包括初始车位区域和车道区域，例如，如图8所述的车位车道可行域。在初始车位区域后，车位区域向内膨胀以缩小车位区域得到目标车位区域，然后将目标车位区域和车道区域构成的目标多变形区域与目标障碍物区域的重叠部分去除，以得到搜索区域。本实现方式通过对障碍物区域进行向外膨胀和车位区域向内膨胀的方式来为障碍物预留移动区域，这样可以避免因障碍物移动、探测盲区和障碍物位置误差而导致的频繁重新规划路径的问题，提高了自动泊车的泊车效率。
[0120]
s30、采用直线驶入方式确定所述调整段对应的第二规划路径。
[0121]
具体地，调整段的起始点位于调整段的终端点的正前方，如图9所示，可以直接采用直线驶入方式来规划第二规划路径，通过在调整段采用以速度梯度下降的方式向末端直线的逼近运动，可以消除姿态误差，降低了对泊入点的姿态精度要求。
[0122]
s40、将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。
[0123]
具体地，在获取到第一规划路径和第二规划路径后，将第一规划路径和第二规划路径进行连接，即将第一规划路径的终止点与第二规划路径的起始点合并，得到自动泊车路径。此外，如图10所示，在获取到泊车路径后，还可以检测泊车路径是否会与障碍物发送碰撞，若发生碰撞在重新规划路径，若不发送碰撞，则将泊车路径的速度梯度平滑并发布泊车路径。
[0124]
综上所述，本实施例一种自动泊车的路径规划方法，所述路径规划方法包括获取
目标车位的车位信息，并基于所述车位信息确定泊入段和调整段；通过混合a*算法确定所述泊入段对应的第一规划路径；采用直线驶入方式确定所述调整段对应的第二规划路径；将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。本技术通过将泊车路径划分为泊入段和调整段，在泊入段采用混合a*算法进行路径规划，在调整段采用直线驶入方式进行路径规划，通过调整段对泊入段的所产生的车辆姿态误差进行调整，降低了对车辆泊入时的控制精度的要求，且可以很好的保证车辆的最终姿态。
[0125]
基于上述自动泊车的路径规划方法，本实施例提供了一种自动泊车方法，其应用上述自动泊车的路径规划方法确定的泊车路径；如图11和12所示，所述方法包括：
[0126]
h10、控制车辆按照所述泊车路径行驶，并获取当前行驶时刻的候选障碍物位置以及当前行驶时刻相对于前一行驶时刻的新增障碍物位置。
[0127]
具体地，候选障碍物位置为车辆行驶至当前行驶时刻时检测到的，新增障碍物位置为车辆在当前行驶时刻检测到的候选障碍物位置相对于车辆在前一行驶时刻检测到的前序障碍物位置所新增的，即新增障碍物位置包含于候选障碍物位置内，但不包含于前序障碍物位置内。
[0128]
在一个实现方式中，所述获取当前行驶时刻的候选障碍物位置具体包括：
[0129]
h21、通过车辆配置的传感器检测当前行驶时刻对应的可疑障碍物位置；
[0130]
h22、对于每个可疑障碍物位置，获取所述可疑障碍物位置对应的观察概率以及在车辆处于前一行驶时刻时所述可疑障碍物位置对应的先验概率；
[0131]
h23、基于所述观察概率及所述先验概率计算所述可疑障碍物位置对应的后验概率；
[0132]
h24、若所述后验概率大于预设概率阈值，则将所述可疑障碍物位置作为候选障碍物位置。
[0133]
具体地，车辆配置有若干超声传感器，各超声传感器间相互独立，且均可以根据波束角和障碍物距离检测到可疑障碍物位置。也就是说，每个超声传感器的发射器发射超声波，并记录发射波的发射时间，从而超声波遇见障碍物则会反射，这样超声传感器的接收器接收到反射波，通过接收到反射波的时间、发射波的发射时间以及光波的传输速率作为超声距离数据，车辆终端可以根据超声距离数据、车辆的行驶速度等可以得到障碍物的相对于车辆的位置。
[0134]
车辆配置有若干超声传感器，每个超声传感器均会检测到若干可疑障碍物位置，从而当前行驶时刻对应的可疑障碍物位置包括车辆配置的各传感器采集到的可疑障碍物位置,例如，车辆包括超声传感器1、超声传感器2、...、超声传感器n，那么可疑障碍物位置包括超声传感器1、超声传感器2、...、超声传感器n采集到的可疑障碍物位置。
[0135]
进一步，在获取到当前行驶时刻对应的可疑障碍物位置后，可以将各可疑障碍物位置合并后转换至地图坐标系下，以形成障碍物概率地图，其中，障碍物概率地图包含当前行驶时刻在地图坐标系中的所有可疑障碍物位置以及概率。在将各可疑障碍物位置合并并转换至地图坐标系下后，在如图13所示的超声传感器检测参数下，观察概率的计算公式可以为：
[0136][0137]
其中，a表示该可疑障碍物位置与超声传感器的距离，b表示可疑障碍物位置与超声传感器中轴线的偏角，s表示超声传感器返回的距离测值,w表示超声传感器波束角，ds＝0.2
×
s表示超声传感器的模型可信半宽，当点k(x,y)不在模型可信半宽范围内时，出现障碍物的概率视为0。
[0138]
基于贝叶斯原理，可疑障碍物位置的后验概率可以基于可疑障碍物位置的观察概率和前一行驶时刻的先验概率确定的，即当一个可疑障碍物位置出现在超声波的障碍物可能区域时，不会立即被判定为障碍物，而是当连续一段时间，该可疑障碍物位置持续被判定为障碍物，才会被视作障碍物位置，这样使用概率来表示障碍物出现事件，可以提高对障碍物检测的准确性，避免传统超声传感器的测量误差，例如，避免因以波束角范围内的所有可能区域作为障碍物位置，导致车辆无路可走的问题，或者是，避免因使用相邻位置的两个超声波数据，判断障碍物的出现位置，判断逻辑是当两个超声传感器均探测到障碍物时，认为障碍物出现在两个超声传感器检测范围的重叠区域时，因存在两个较小的障碍物，障碍物1出现在左超声传感器的探测范围的左半侧，障碍物2出现在右超声传感器的探测范围的右半侧，而错误判断只有一个障碍物出现在左右超声传感器的重叠区域的问题。
[0139]
在一个实现方式中，可疑障碍物位置的后验概率的计算过程可以为：
[0140]
令k(x,y)为真实有障碍物的事件为a，k(x,y)在这一时刻被探测出有障碍物的事件为b，那么根据条件概率,p(b|a)＝p(a|b)p(b)/p(a)，由全概率公式可得基于此，超声传感器i测量下点k(x,y)在t时刻存在障碍物，且被正确检测到的后验概率ti(t,k)，其中，ti(t,k)的计算公式可以为：
[0141][0142]
p(o)＝p(t，k)
×
t(t-1，k)
[0143][0144]
其中，ti(t,k)表示后验概率，t(t-1,k)表示先验概率，p(t,k)表示观察概率。
[0145]
进一步，在获取到各超声传感器的后验概率ti(t,k)后，将各后验概率ti(t,k)种的最大值作为可疑障碍物位置的后验概率，其中，后验概率的计算公式可以为：
[0146][0147]
其中，n表示超声传感器的数量。
[0148]
h20、预测各新增障碍物位置对应的延伸障碍物位置，并基于所述候选障碍物位置和延伸障碍物位置确定所述当前行驶时刻对应的障碍物位置。
[0149]
具体地，延伸障碍物位置为新增障碍物位置按照预设方向延伸所确定的位置，其中，预设方向可以是预先设置的，也可以是按照前一行驶时刻对应的障碍物信息以及当前行驶时刻对应的障碍物信息确定的。本实施例通过获取各新增障碍物位置的延伸障碍物位置，可以解决出现大型障碍物，传感器在某一时刻无法看清全貌，随着车辆连续移动，障碍物会连续出现的现象。
[0150]
在一个实现方式中，所述预测各新增障碍物位置对应的延伸障碍物位置具体包括：
[0151]
获取前一行驶时刻对应的前序障碍物中心位置以及当前行驶时刻对应的当前障碍物中心位置，并将从所述前序障碍物中心位置到所述当前障碍物中心位置的方向作为延伸方向；
[0152]
对于每个新增障碍物位置，沿所述延伸方向预测预设范围内的各延伸位置的延伸估计概率，并将延伸估计概率大于预设概率值的延伸位置作为延伸障碍物位置。
[0153]
具体地，前一行驶时刻经过贝叶斯估计得到的障碍物分布图可以如图14所示，其中，颜色越深代表概率越高，十字箭头表示t-1时刻的障碍中心位置。当前行驶时刻经过贝叶斯估计得到的障碍物分布图可以如图15所示，其中，圆形十字表示的障碍中心位置障向右侧移动。由此，延伸方向为从前一行驶时刻的十字箭头至当前行驶时刻的圆形十字的连线方向。换句话说，延伸方向为从所述前序障碍物中心位置到所述当前障碍物中心位置的方向。
[0154]
在获取到延伸方向后，沿所述延伸方向预测预设范围内的各延伸位置的延伸估计概率，其中，延伸估计概率可以表示为：
[0155][0156]
其中，g表示预测点j的概率计算公式，新增障碍物位置k的后验概率t(t,k)，新增障碍物位置k与预测点j之间的距离d，ds表示预设距离阈值。
[0157]
在获取到候选障碍物位置和延伸障碍物位置后，将候选障碍物位置和延伸障碍物位置构成的障碍物区域作为当前行驶时刻对应的障碍物位置，如图16所示。
[0158]
h30、基于所述障碍物位置调整所述泊车路径，并继续执行控制车辆按照所述泊车路径行驶的步骤，直至所述车辆完成自动泊车。
[0159]
具体地，在获取到障碍物位置后，可以基于所述障碍物位置检测所述泊车路径是否发生碰撞，这样可以避免在自动泊车过程中发生碰撞。其中，在基于所述障碍物位置检测所述泊车路径是否发生碰撞时，若所述泊车路径发生碰撞，则重新规划泊车路径以调整所述泊车路径；若所述泊车路径不发生碰撞，则保持所述泊车路径不变。此外，在重新规划泊车路径时，可以采用上述实施例所述提供的自动泊车的路径规划方法进行重新路径规划，也可以采用其他现有方式进行路径规划，例如，直接采用混合a*算法进行路径规划等。
[0160]
本实施例在使用贝叶斯估计预测障碍物时，利用超声波原始数据以及前一时刻的先验经验对障碍物进行估计，这样可以提高障碍物估计的准确性。同时，在障碍物估计的时候，根据与上一时刻障碍物位置发生的变化作为预测依据，对障碍物的可能位置在其生长方向上进行预测。这样一方面在车辆在移动过程中逐渐逼近障碍物，真实的障碍物位置经过不断的估计迭代，最终被确信为障碍物，而非障碍物位置，在迭代过程中，满足不了估计阈值，尽管某些时刻被含在超声波的探测范围内，但不会被视为障碍物。提高了对于障碍物位置的估计精准度，进而让车辆在自主泊车中具有更大的行驶空间。另一方面用障碍物在相邻时刻的变化作为预测依据，相较于现有的以超声波全部探测区域预测障碍物的方法，在障碍物的生长方向上进行预测，且预测的依据是上一步贝叶斯计算得到的更加真实的障碍物分布概率，使得预测结果更加合理，能够减小障碍物尺寸超过探测范围而导致的估计
盲区。
[0161]
基于上述自动泊车的路径规划方法，本实施例通过了一种自动泊车的路径规划装置，如图17所示，所述路径规划装置包括：
[0162]
获取模块101，用于获取目标车位的车位信息，并基于所述车位信息确定泊入段和调整段；
[0163]
第一确定模块102，用于通过混合a*算法确定所述泊入段对应的第一规划路径；
[0164]
第二确定模块103，用于采用直线驶入方式确定所述调整段对应的第二规划路径；
[0165]
形成模块104，用于将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。
[0166]
基于上述自动泊车方法，本实施例提供了一种自动泊车装置，如图18所示，所述装置包括：
[0167]
控制模块201，控制车辆按照所述泊车路径行驶，并获取当前行驶时刻的候选障碍物位置以及当前行驶时刻相对于前一行驶时刻的新增障碍物位置；
[0168]
预测模块202，用于预测各新增障碍物位置对应的延伸障碍物位置，并基于所述候选障碍物位置和延伸障碍物位置确定所述当前行驶时刻对应的障碍物位置；
[0169]
调整模块203，用于基于所述障碍物位置调整所述泊车路径，并继续执行控制车辆按照所述泊车路径行驶的步骤，直至所述车辆完成自动泊车。
[0170]
本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上述实施例所述的自动泊车的路径规划方法和/或所述自动泊车方法中的步骤。
[0171]
本技术还提供了一种终端设备，如图19所示，其包括至少一个处理器(processor)20；显示屏21；以及存储器(memory)22，还可以包括通信接口(communications interface)23和总线24。其中，处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令，以执行上述实施例中的方法。
[0172]
此外，上述的存储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
[0173]
存储器22作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器20通过运行存储在存储器22中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
[0174]
存储器22可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
[0175]
此外，上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
[0176]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管
参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。

技术特征：
1.一种自动泊车的路径规划方法，其特征在于，所述方法包括：获取目标车位的车位信息，并基于所述车位信息确定泊入段和调整段；通过混合a*算法确定所述泊入段对应的第一规划路径；采用直线驶入方式确定所述调整段对应的第二规划路径；将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。2.根据权利要求1所述自动泊车的路径规划方法，其特征在于，所述通过混合a*算法确定所述泊入段对应的第一规划路径具体包括：将车辆的起始位置作为初始路径点；获取所述初始路径点与所述目标车位的距离，并根据所述距离确定所述初始路径点对应的启发函数权重；基于所述启发函数权重，通过混合a*算法在所述车辆对应的搜索区域内搜索初始路径点的下一路径节点；将所述下一路径节点作为初始路径点，并继续执行获取所述初始路径点与所述目标车位的距离的步骤直至泊入段的终止点以形成第一规划路径。3.根据权利要求2所述自动泊车的路径规划方法，其特征在于，所述搜索区域的确定过程具体包括：基于所述车位信息确定目标车辆对应的初始障碍物区域以及初始车位区域，并对所述初始障碍物区域进行向外膨胀得到目标障碍物区域，对所述初始车位区域进行向内膨胀得到目标车位区域；基于所述目标障碍物区域以及所述目标车位区域，确定搜索区域。4.根据权利要求2所述自动泊车的路径规划方法，其特征在于，所述根据所述距离确定所述初始路径点对应的启发函数权重具体包括：将所述距离分别与第一距离阈值和第二距离阈值进行比较；若所述距离大于第一距离阈值，则将第一预设权重设置为所述初始路径点对应的启发函数权重；若所述距离小于或者等于第一距离阈值，且大于或者等于第二距离阈值，则将第二预设权重设置为所述初始路径点对应的启发函数权重；若所述距离小于所述第二距离阈值，则将第三预设权重设置为所述初始路径点对应的启发函数权重，其中，所述第一预设权重大于所述第二预设权重，所述第二预设权重大于所述第三预设权重。5.根据权利要求1所述自动泊车的路径规划方法，其特征在于，所述基于所述车位信息确定泊入段和调整段具体包括：基于所述车位信息确定所述目标车位的泊入点，并在所述泊入点前选取一目标点作为划分点，其中，所述划分点与所述泊入点位于同一直线上，并且从所述泊入点到所述划分点的方向为车辆的车头朝向；将车辆起始点与所述划分点间的路段作为泊入段，并将所述划分点与所述泊入点间的路段作为调整段。6.一种自动泊车方法，其特征在于，应用如权利要求1-5任意一项所述的自动泊车的路径规划方法确定的泊车路径；所述方法包括：
控制车辆按照所述泊车路径行驶，并获取当前行驶时刻的候选障碍物位置以及当前行驶时刻相对于前一行驶时刻的新增障碍物位置；预测各新增障碍物位置对应的延伸障碍物位置，并基于所述候选障碍物位置和延伸障碍物位置确定所述当前行驶时刻对应的障碍物位置；基于所述障碍物位置调整所述泊车路径，并继续执行控制车辆按照所述泊车路径行驶的步骤，直至所述车辆完成自动泊车。7.根据权利要求6所述自动泊车方法，其特征在于，所述基于所述障碍物位置调整所述泊车路径具体包括：基于所述障碍物位置检测所述泊车路径是否发生碰撞；若所述泊车路径发生碰撞，则重新规划泊车路径以调整所述泊车路径；若所述泊车路径不发生碰撞，则保持所述泊车路径不变。8.根据权利要求6所述自动泊车方法，其特征在于，所述获取当前行驶时刻的候选障碍物位置具体包括：通过车辆配置的传感器检测当前行驶时刻对应的可疑障碍物位置；对于每个可疑障碍物位置，获取所述可疑障碍物位置对应的观察概率以及在车辆处于前一行驶时刻时所述可疑障碍物位置对应的先验概率；基于所述观察概率及所述先验概率计算所述可疑障碍物位置对应的后验概率；若所述后验概率大于预设概率阈值，则将所述可疑障碍物位置作为候选障碍物位置。9.根据权利要求6所述自动泊车方法，其特征在于，所述预测各新增障碍物位置对应的延伸障碍物位置具体包括：获取前一行驶时刻对应的前序障碍物中心位置以及当前行驶时刻对应的当前障碍物中心位置，并将从所述前序障碍物中心位置到所述当前障碍物中心位置的方向作为延伸方向；对于每个新增障碍物位置，沿所述延伸方向预测预设范围内的各延伸位置的延伸估计概率，并将延伸估计概率大于预设概率值的延伸位置作为延伸障碍物位置。10.一种自动泊车的路径规划装置，其特征在于，所述路径规划装置包括：获取模块，用于获取目标车位的车位信息，并基于所述车位信息确定泊入段和调整段；第一确定模块，用于通过混合a*算法确定所述泊入段对应的第一规划路径；第二确定模块，用于采用直线驶入方式确定所述调整段对应的第二规划路径；形成模块，用于将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。11.一种自动泊车装置，其特征在于，应用如权利要求10所述的自动泊车的路径规划装置确定的泊车路径；所述装置包括：控制模块，控制车辆按照所述泊车路径行驶，并获取当前行驶时刻的候选障碍物位置以及当前行驶时刻相对于前一行驶时刻的新增障碍物位置；预测模块，用于预测各新增障碍物位置对应的延伸障碍物位置，并基于所述候选障碍物位置和延伸障碍物位置确定所述当前行驶时刻对应的障碍物位置；调整模块，用于基于所述障碍物位置调整所述泊车路径，并继续执行控制车辆按照所述泊车路径行驶的步骤，直至所述车辆完成自动泊车。12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者
多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-5任意一项所述的自动泊车的路径规划方法中的步骤，和/或以实现如权利要求6-9任意一项所述的自动泊车方法中的步骤。13.一种终端设备，其特征在于，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；所述通信总线实现处理器和存储器之间的连接通信；所述处理器执行所述计算机可读程序时实现如权利要求1-5任意一项所述的自动泊车的路径规划方法中的步骤，和/或实现如权利要求6-9任意一项所述的自动泊车方法中的步骤。

技术总结
本申请公开了一种自动泊车的路径规划方法、自动泊车方法及相关装置，所述路径规划方法包括获取目标车位的车位信息，并基于所述车位信息确定泊入段和调整段；通过混合A*算法确定所述泊入段对应的第一规划路径；采用直线驶入方式确定所述调整段对应的第二规划路径；将所述第一规划路径和所第二规划路径连接，以形成自动泊车路径。本申请通过将泊车路径划分为泊入段和调整段，在泊入段采用混合A*算法进行路径规划，在调整段采用直线驶入方式进行路径规划，通过调整段对泊入段的所产生的车辆姿态误差进行调整，降低了对车辆泊入时的控制精度的要求，且可以很好的保证车辆的最终姿态。且可以很好的保证车辆的最终姿态。且可以很好的保证车辆的最终姿态。


技术研发人员：刘一鸣
受保护的技术使用者：深圳市欧冶半导体有限公司
技术研发日：2023.03.29
技术公布日：2023/7/6