基于边界扩展和融合规划的自动驾驶路径规划方法及装置与流程

1.本发明属于自动驾驶技术领域，具体涉及一种基于边界扩展和融合规划的自动驾驶路径规划方法及装置。


背景技术：

2.自动驾驶技术在近十年来取得了飞速的发展，规划是其中至关重要的一环。目前，业内常用的时空解耦的规划方案将规划分解成路径规划和速度规划，其中路径规划负责输出一条光滑且不会发生碰撞的路径。在城市结构化道路中，基于优化的路径规划依赖于高精度地图提供的车道信息，在frenet坐标系构造初始的路径边界来确保自动驾驶车辆行驶在车道内。除此之外，路径规划还需要感知和预测模块提供障碍物信息来构造碰撞约束来保证不会和其他交通参与者发生碰撞。
3.上述提到的路径规划技术方案有以下不足之处：
4.第一，高精度地图提供车道信息不是完全准确导致在分离或者合并车道路径规划不稳定，这些车道可能比自动驾驶车辆窄从而导致路径优化失败，或者这些折线车道导致优化出来的路径曲率变化大对控制跟踪不友好导致自车行驶到车道边界外。
5.第二，路径规划和速度规划解耦在复杂动态环境不够智能，因为路径规划对路径的安全性评估过于粗糙，很有可能会滤掉最优的那条路径，比如他车稍微占据自车车道且相邻车道有行驶的车辆，左前方两个排队等红灯车辆，右侧一直有行驶的车辆，最优路径会过滤掉从而选择其他路径传递给速度规划导致自车一直堵在当前位置。


技术实现要素：

6.为了解决上述技术问题，本发明公开了一种基于边界扩展和融合规划的自动驾驶路径规划方法及装置。
7.一方面，本发明公开一种基于边界扩展和融合规划的自动驾驶路径规划方法，包括如下步骤：
8.s1：基于当前参考线构造多条路径边界，当前参考线为自车所在车道的中心线；
9.s2：通过决策模块提供的障碍物车道信息和障碍物运动意图，为多条路径边界筛选障碍物；
10.s3：利用步骤s2中筛选后的障碍物压缩多条路径边界的相关边界；
11.s4：采用二次规划构造方法对路径进行优化求解；
12.s5：将路径评估结果传递给速度规划，以通过速度规划来避免与动态障碍物发生碰撞，并对路径进行光滑性评估；
13.s6：输出路径规划结果。
14.在上述技术方案的基础上，还可做如下改进：
15.作为优选的方案，决策模块提供的障碍物车道信息包括：在参考线车道且在自车前leading，在参考线车道且在自车后following，在参考线车道右侧车道rigth_paral，在
参考线车道左侧车道left_paral。
16.作为优选的方案，决策模块提供的障碍物运动意图包括：排队queue，停车parking，他车从其他车道进入自车车道cut_in，车道保持lane_keep。
17.作为优选的方案，在步骤s2中筛选的障碍物分类包括：
18.non：路径无关障碍物；
19.hard：路径边界相关障碍物，用来压缩路径边界；
20.soft：指引路径相关障碍物，用来改变指引路径。
21.作为优选的方案，步骤s2中的障碍物筛选方法包括以下中的至少一个：
22.纵向筛选：过滤掉车前路径长度外和车后一定距离的障碍物；
23.横向筛选：根据决策模块提供的障碍物车道信息只保留三个车道内的障碍物；
24.根据障碍物意图和速度信息筛选障碍物。
25.作为优选的方案，在步骤s5中，在路径进行光滑性评估时，如果路径不平滑，则采用平滑方法对路径进行平滑优化。
26.作为优选的方案，所构造的多条路径边界的每一个包括左边界和右边界，在s3中对多条路径边界进行边界压缩是对每个路径边界的左边界或者右边界进行压缩。
27.另一方面，本发明还公开一种基于边界扩展和融合规划的自动驾驶路径规划装置，包括如下模块：
28.路径边界构造模块，用于基于当前参考线构造多条路径边界，当前参考线为自车所在车道的中心线；
29.障碍物筛选模块，用于通过车辆的决策模块提供的障碍物车道信息和障碍物运动意图，为多条路径边界筛选障碍物；
30.路径边界压缩模块，用于利用通过障碍物筛选模块筛选后的障碍物，来压缩多条路径边界的相关边界；
31.路径优化求解模块，用于采用二次规划构造方法对路径进行优化求解；
32.速度规划和路径平滑模块，用于将路径评估结果传递给速度规划，以通过速度规划来避免与动态障碍物发生碰撞，并对路径进行光滑性评估；
33.路径输出模块，用于输出路径规划结果。
34.本发明公开一种基于边界扩展和融合规划的自动驾驶路径规划方法及装置，具有以下有益效果：
35.第一，本发明能够解决由高精度地图不准确的车道信息导致路径优化失败或者曲率变化大的问题，确保每一帧都有路径优化成功，提高路径规划稳定性。
36.第二，在轨迹存在全局最优解的前提下，在多个局部空间中分别找到路径最优解，然后基于多条路径做速度规划，增加找到全局最优轨迹或者全局近似最优轨迹的概率。
附图说明
37.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
38.图1是本发明的方法的整体流程图；
39.图2是本发明的多路径边界构造的示意图；
40.图3的(a)-(c)是本发明的利用筛选后的路径相关障碍物来压缩边界的示意图；
41.图4是本发明的方法的整体流程示意图；
42.图5是本发明障碍物筛选示意图。
具体实施方式
43.下面结合附图详细说明本发明的优选实施方式。
44.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
45.使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
46.另外，“包括”元件的表述是“开放式”表述，该“开放式”表述仅仅是指存在对应的部件或步骤，不应当解释为排除附加的部件或步骤。
47.为了达到本发明的目的，基于边界扩展和融合规划的自动驾驶路径规划方法及装置的其中一些实施例中，如图1和图4所示，自动驾驶路径规划方法包括如下步骤：
48.s1：基于当前参考线构造多条路径边界，当前参考线为自车所在车道的中心线；
49.所构造的多条路径边界的每一个包括左边界和右边界，如图2所示，构造三个路径边界，分别为：路径边界1、路径边界2和路径边界3，具体地：
50.路径边界1：左边界是车道2的左边界，右边界是车道2的右边界；
51.路径边界2：左边界是车道1的左边界，右边界是车道2的右边界；
52.路径边界3：左边界是车道2的左边界，右边界是车道3的右边界；
53.s2：通过决策模块提供的障碍物车道信息和障碍物运动意图，为多条路径边界筛选障碍物；
54.s3：利用步骤s2中筛选后的障碍物压缩多条路径边界的相关边界，其中，对多条路径边界进行边界压缩是对每个路径边界的左边界或者右边界进行压缩，图3(a)为路径边界1图，图3(b)为路径边界2图，图3(c)为路径边界3图；
55.s4：采用二次规划构造方法对路径进行优化求解；
56.s5：将路径评估结果传递给速度规划，以通过速度规划来避免与动态障碍物发生碰撞，并对路径进行光滑性评估；
57.s6：输出路径规划结果。
58.其中，决策模块可以但不限于为soc内部现有的模块。
59.进一步，在一些具体实施例中，s2中，决策模块提供的障碍物车道信息包括：在参考线车道且在自车前leading，在参考线车道且在自车后following，在参考线车道右侧车道rigth_paral，在参考线车道左侧车道left_paral。
60.进一步，决策模块提供的障碍物运动意图包括：排队queue，停车parking，他车从
其他车道进入自车车道cut_in，车道保持lane_keep。
61.进一步，在步骤s2中筛选的障碍物分类包括：
62.non：路径无关障碍物；
63.hard：路径边界相关障碍物，用来压缩路径边界；
64.soft：指引路径相关障碍物，用来改变指引路径。
65.进一步，步骤s2中的障碍物筛选方法包括以下中的至少一个，其中假设车道1左边界和车道3右边界是栅栏：
66.纵向筛选：过滤掉车前路径长度外和车后一定距离的障碍物；
67.横向筛选：根据决策模块提供的障碍物车道信息只保留三个车道内的障碍物；
68.根据障碍物意图和速度信息筛选障碍物，如图5所示，三个车道内障碍物均要考虑。
69.首先，判断其为静态障碍物还是动态障碍物；
70.若为静态障碍物，根据横向距离，如果占据相应路径边界，则为hard类型障碍物，否则为non类型障碍物；
71.若为动态障碍物，且不在路径边界内，则根据障碍物意图，lane_keep且距离路径边界较近的是soft类型障碍物，cut_in是non类型障碍物。
72.进一步，在步骤s4中，采用二次规划构造方法对路径进行优化求解，其中，二次规划构造方法可以但不限于文献“optimalvehicle pathplanningusingquadraticoptimizationforbaiduapolloopen platform”中提及的方法。
73.如图3所示，只有路径边界3可以优化出一条绕行相邻车道内正在排队的障碍物。
74.进一步，在步骤s5中，在路径进行光滑性评估时，如果路径不平滑，则采用平滑方法对路径进行平滑优化。
75.路径规划无法精准地判断是否会与动态障碍物碰撞，如何避免与动态障碍物碰撞是速度规划的输出结果，路径规划无法利用这个后验信息，粗略地评估碰撞安全可能会过滤掉最优的路径，因此不做碰撞安全评估。
76.光滑性评估，frenet坐标系下的路径优化无法保证路径曲率是光滑的，比如在绕行障碍物的时候。因此，需要对路径的曲率进行后校验，如果不平滑可以但不限于采用文献“sharpnesscontinuouspath optimizationandsparsificationforautomatedvehicles”中的平滑方法进行平滑优化。
77.此外，本发明还公开一种基于边界扩展和融合规划的自动驾驶路径规划装置，包括如下模块：
78.路径边界构造模块，用于基于当前参考线构造多条路径边界，当前参考线为自车所在车道的中心线；
79.障碍物筛选模块，用于通过车辆的决策模块提供的障碍物车道信息和障碍物运动意图，为多条路径边界筛选障碍物；
80.路径边界压缩模块，用于利用通过障碍物筛选模块筛选后的障碍物，来压缩多条路径边界的相关边界；
81.路径优化求解模块，用于采用二次规划构造方法对路径进行优化求解；
82.速度规划和路径平滑模块，用于将路径评估结果传递给速度规划，以通过速度规
划来避免与动态障碍物发生碰撞，并对路径进行光滑性评估；
83.路径输出模块，用于输出路径规划结果。
84.上述模块采用自动驾驶路径规划方法中的方法进行路径规划，在此不再赘述。
85.本发明公开一种基于边界扩展和融合规划的自动驾驶路径规划方法及装置，具有以下有益效果：
86.第一，本发明能够解决由高精度地图不准确的车道信息导致路径优化失败或者曲率变化大的问题，确保每一帧都有路径优化成功，提高路径规划稳定性。
87.第二，在轨迹存在全局最优解的前提下，在多个局部空间中分别找到路径最优解，然后基于多条路径做速度规划，增加找到全局最优轨迹或者全局近似最优轨迹的概率。
88.以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

技术特征：
1.基于边界扩展和融合规划的自动驾驶路径规划方法，其特征在于，包括如下步骤：s1：基于当前参考线构造多条路径边界，当前参考线为自车所在车道的中心线；s2：通过决策模块提供的障碍物车道信息和障碍物运动意图，为所述多条路径边界筛选障碍物；s3：利用步骤s2中筛选后的障碍物压缩所述多条路径边界的相关边界；s4：采用二次规划构造方法对路径进行优化求解；s5：将路径评估结果传递给速度规划，以通过速度规划来避免与动态障碍物发生碰撞，并对路径进行光滑性评估；s6：输出路径规划结果。2.根据权利要求1所述的自动驾驶路径规划方法，其特征在于，所述决策模块提供的障碍物车道信息包括：在参考线车道且在自车前leading，在参考线车道且在自车后following，在参考线车道右侧车道rigth_paral，在参考线车道左侧车道left_paral。3.根据权利要求2所述的自动驾驶路径规划方法，其特征在于，所述决策模块提供的障碍物运动意图包括：排队queue，停车parking，他车从其他车道进入自车车道cut_in，车道保持lane_keep。4.根据权利要求1所述的自动驾驶路径规划方法，其特征在于，在步骤s2中筛选的障碍物分类包括：non：路径无关障碍物；hard：路径边界相关障碍物，用来压缩路径边界；soft：指引路径相关障碍物，用来改变指引路径。5.根据权利要求1所述的自动驾驶路径规划方法，其特征在于，步骤s2中的障碍物筛选方法包括以下中的至少一个：纵向筛选：过滤掉车前路径长度外和车后一定距离的障碍物；横向筛选：根据决策模块提供的障碍物车道信息只保留三个车道内的障碍物；根据障碍物意图和速度信息筛选障碍物。6.根据权利要求1所述的自动驾驶路径规划方法，其特征在于，在步骤s5中，在路径进行光滑性评估时，如果路径不平滑，则采用平滑方法对路径进行平滑优化。7.根据权利要求1所述的自动驾驶路径规划方法，其特征在于，所构造的多条路径边界的每一个包括左边界和右边界，在s3中对所述多条路径边界进行边界压缩是对每个路径边界的左边界或者右边界进行压缩。8.基于边界扩展和融合规划的自动驾驶路径规划装置，其特征在于，包括如下模块：路径边界构造模块，用于基于当前参考线构造多条路径边界，当前参考线为自车所在车道的中心线；障碍物筛选模块，用于通过车辆的决策模块提供的障碍物车道信息和障碍物运动意图，为所述多条路径边界筛选障碍物；路径边界压缩模块，用于利用通过所述障碍物筛选模块筛选后的障碍物，来压缩所述多条路径边界的相关边界；路径优化求解模块，用于采用二次规划构造方法对路径进行优化求解；速度规划和路径平滑模块，用于将路径评估结果传递给速度规划，以通过速度规划来
避免与动态障碍物发生碰撞，并对路径进行光滑性评估；路径输出模块，用于输出路径规划结果。

技术总结
本发明提供一种基于边界扩展和融合规划的自动驾驶路径规划方法及装置，该方法包括：S1：基于当前参考线构造多条路径边界，当前参考线为自车所在车道的中心线；S2：通过决策模块提供的障碍物车道信息和障碍物运动意图，为多条路径边界筛选障碍物；S3：利用步骤S2中筛选后的障碍物压缩多条路径边界的相关边界；S4：采用二次规划构造方法对路径进行优化求解；S5：将路径评估结果传递给速度规划，以通过速度规划来避免与动态障碍物发生碰撞，并对路径进行光滑性评估；S6：输出路径规划结果。本发明能够确保每一帧都有路径优化成功，提高路径规划稳定性，且基于多条路径做速度规划，增加找到全局最优或近似最优轨迹的概率。找到全局最优或近似最优轨迹的概率。找到全局最优或近似最优轨迹的概率。


技术研发人员：廖文龙 朱恒 何弢 张润玺
受保护的技术使用者：上海酷移机器人有限公司
技术研发日：2023.03.15
技术公布日：2023/7/19