一种轨迹搜寻方法和系统的制作方法
【技术领域】
[0001] 本发明涉及轨迹搜寻技术领域，尤其涉及一种轨迹搜寻方法和系统，具体地可以 是一种汽车自动驾驶的轨迹搜寻方法和系统。
【背景技术】
[0002] 自动驾驶汽车（Autonomous vehicles 或者 Self-piloting automobile)又称无 人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能 汽车。自动驾驶汽车技术的研发，在20世纪也已经有数十年的历史，于21世纪初呈现出接 近实用化的趋势，比如，谷歌自动驾驶汽车于2012年5月获得了美国首个自动驾驶车辆许 可证，预计于2015年至2017年进入市场销售。
[0003] 汽车自动驾驶技术包括视频摄像头、雷达传感器以及激光测距器来了解周围的交 通状况，并通过一个详尽的地图（通过有人驾驶汽车采集的地图）对前方的道路进行导航。 这一切都通过服务器的数据中心来实现，服务器的数据中心能处理汽车收集的有关周围地 形的大量信息。就这点而言，自动驾驶汽车相当于服务器数据中心的遥控汽车或者智能汽 车。汽车自动驾驶技术物联网技术应用之一。
[0004] 自动驾驶过程中对汽车到目标点的运动轨迹的预测和搜寻至关重要，直接关系到 效率和能耗的问题，与轨迹搜寻相关的专利有如下：
[0005] 公开时间为：2011年5月18日，公开号为CN102060018A的中国发明专利，公开了 《车辆特别是载货车的方向控制方法以及方向控制系统》，其主要车辆根据测得的车道参数 预先给定轨迹，方向控制系统针对分别预先给定的车道求得和/或测得至少一个规定的车 辙参数作为车辙实际值，并将其与至少一个相应地预先给定的车辙给定值比较，从而在至 少一个车辙实际值与配设的车辙给定值有规定的偏差时，改变预定的轨迹，致使车辆的车 轮基本上在相应车道的车辙内行驶。
[0006] 这些专利都是将轨迹局限于汽车当前的状态的采集和判断，没有结合汽车目标点 的位置情况，搜寻的效果不理想。
【发明内容】
[0007] 为此，需要提供一种轨迹搜寻方案，解决现有汽车轨迹搜寻效果不佳的问题。
[0008] 为实现上述目的，发明人提供了一种轨迹搜寻方法，包括如下步骤：
[0009] 区分机动设备当前所属的驾驶环境为结构化区域还是非结构化区域；
[0010] 根据不同的驾驶环境生成不同的运动轨迹。
[0011] 进一步地，所述结构化区域包括具有车道的道路。
[0012] 进一步地，所述生成运动轨迹具体包括如下步骤：
[0013] 生成一条平滑的沿车道中线的运动轨迹；
[0014] 则本方法还包括如下步骤：
[0015] 调整不同的机动设备控制参数，根据不同的机动设备控制参数算出多条接近运动 轨迹的备选轨迹；
[0016] 选择最佳的备选轨迹；
[0017] 输出最佳的备选轨迹对应的机动设备控制参数实现对机动设备控制。
[0018] 进一步地，还包括成本计算步骤：在算出多条备选轨迹时并计算备选轨迹的成本， 所述最佳的备选轨迹为成本最低的备选轨迹。
[0019] 进一步地，所述成本计算时包括如下计算条件：
[0020] 备选轨迹与障碍物在一定的最小安全距离之外，成本和备选轨迹与障碍物距离呈 反比；
[0021] 或者备选轨迹与障碍物在一定的最小安全距离之内，成本和备选轨迹与障碍物距 离的倒数呈反比；
[0022] 或者备选轨迹与障碍物相交，则成本无穷大；
[0023] 或者成本与备选轨迹和车道中线的平均距离成正比；
[0024] 或者成本与备选轨迹平滑度成反比；
[0025] 或者成本与车辆完成轨迹所需要的总时间成正比。
[0026] 进一步地，所述根据不同的驾驶环境生成不同的运动轨迹还包括根据机动设备当 前位置、航向、目标点位置或机动设备性能生成运动轨迹。
[0027] 进一步地，还包括如下步骤：间隔固定时间段或距离后重新生成运动轨迹。
[0028] 进一步地，当驾驶环境是非结构化区域时，所述生成运动轨迹包括使用A星算法 对运动轨迹进行搜寻并生成运动轨迹。
[0029] 进一步地，还包括对运动轨迹进行成本计算步骤：使用点阵多维搜索算法对运动 轨迹的成本进行计算。
[0030] 进一步地，还包括如下步骤：对生成的运动轨迹进行平滑化操作。
[0031] 以及发明人还提供一种轨迹搜寻系统，包括如下模块：
[0032] 区域区分模块：用于区分机动设备当前所属的驾驶环境为结构化区域还是非结构 化区域；
[0033] 轨迹生成模块：根据不同的驾驶环境生成不同的运动轨迹。
[0034] 进一步地，所述结构化区域包括具有车道的道路。
[0035] 进一步地，所述轨迹生成模块具体包括如下模块：
[0036] 中线轨迹生成模块：用于生成一条平滑的沿车道中线的运动轨迹；
[0037] 则本系统还包括如下模块：
[0038] 备选轨迹计算模块：用于调整不同的机动设备控制参数，根据不同的机动设备控 制参数算出多条接近运动轨迹的备选轨迹；
[0039] 备选轨迹选择模块：用于选择最佳的备选轨迹；
[0040] 控制参数输出模块：用于输出最佳的备选轨迹对应的机动设备控制参数实现对机 动设备控制。
[0041] 进一步地，还包括成本计算模块：用于在算出多条备选轨迹时并计算备选轨迹的 成本，所述最佳的备选轨迹为成本最低的备选轨迹。
[0042] 进一步地，所述成本计算模块在成本计算时包括如下计算条件：
[0043] 备选轨迹与障碍物在一定的最小安全距离之外，成本和备选轨迹与障碍物距离呈 反比；
[0044] 或者备选轨迹与障碍物在一定的最小安全距离之内，成本和备选轨迹与障碍物距 离的倒数呈反比；
[0045] 或者备选轨迹与障碍物相交，则成本无穷大；
[0046] 或者成本与备选轨迹和车道中线的平均距离成正比；
[0047] 或者成本与备选轨迹平滑度成反比；
[0048] 或者成本与车辆完成轨迹所需要的总时间成正比。
[0049] 进一步地，所述根据不同的驾驶环境生成不同的运动轨迹还包括根据机动设备当 前位置、航向、目标点位置或机动设备性能生成运动轨迹。
[0050] 进一步地，还包括如下模块：轨迹重生成模块：用于间隔固定时间段或距离后重 新生成运动轨迹。
[0051] 进一步地，当驾驶环境是非结构化区域时，所述轨迹生成模块生成运动轨迹包括 使用A星算法对运动轨迹进行搜寻并生成运动轨迹。
[0052] 进一步地，成本计算模块还用于使用点阵多维搜索算法对运动轨迹的成本进行计 算。
[0053] 进一步地，还包括如下轨迹平滑化模块：用于对生成的运动轨迹进行平滑化操作。
[0054] 区别于现有技术，上述技术方案对轨迹搜寻的效果好，使得机动设备的控制能达 到较好的效果。
【附图说明】
[0055] 图1为行动目标指令的示意图；
[0056] 图2为一实施方式的场景示意图；
[0057] 图3为另一实施方式的场景示意图；
[0058] 图4为又一实施方式的场景示意图；
[0059] 图5为再一实施方式的场景示意图；。
【具体实施方式】
[0060] 为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实 施例并配合附图详予说明。
[0061] 请参阅图1到图5,本实施例提供一种轨迹搜寻方法，可用于机动设备自动驾驶过 程的轨迹搜寻，机动设备包括但不限于民用车辆、军事车辆甚至特种车辆（如火星月球探 测车）等，本方法可以运行于机动设备的动作控制模块上。
[0062] 机动设备上可以安装有多个用于感知机动设备状态的传感器，每当发生新的事件 (事件可以由感知模块、定时器或者其它模块产生的信号触发），机动设备需要马上分析处 理这些新的事件，然后搜寻新的运动轨迹。在机动设备自动驾驶过程中，为了实现对机动设 备的控制，每个运动轨迹包含有一个或者多个行动目标指令，这些行动目标的具体实现，可 以由机动设备的动作控制模块完成，动作控制模块用于控制机动设备动作。
[0063] 如图1所示，行动目标指令包括了行动目标和行动参数。根据当前驾驶环境的区 另IJ，分为结构化区域内的行动目标指令和非结构化区域内的行动目标指令。行动目标指令 精确地定义了动作控制模块和行为决策模块之间的界面，让这两个模块之间的分工非常明 确。在得到行为决策模块输出的行动目标指令后，如何具体地履行这些指令，是动作控制模 块的任务。为了完成这个任务，动作控制模块还须感知模块输出的虚拟世界模型，虚拟世界 模型即对当前环境进行虚拟化，使得机动设备可以获取环境状态。
[0064] 行动目标的内容包含了目标点坐标（称为点B)，同时蕴含了机动设备的当前坐标 点（称为点A)。这个目标简单而抽象，而机动设备从点A到点B的可行运动轨迹（以下简 称轨迹）却有无穷多种。所以动作控制模块必须设计出一条具体的轨迹，同时找到实现这 一条轨迹的控制参数，才能在现实中控制机动设备实现由点A到点B的运动。
[0065] 很显然，一条简单地连接AB的直线是行不通的。因为一、机动设备在点A或者点 B的车头指向很可能不是M;二、机动设备在点A的速度很可能不是零。如果要强行执行这 个直线轨迹的话，则机动设备在点A必须能够瞬间把速度降到零，原地调转车头指向Μ，然 后再加速前进。这样的机动要求对于绝大部分的机动设备而言明显是不现实的。即便有机 动设备能实现这样的机动，这条轨迹在时间和能耗方面的效率也存在很大的改进的空间。
[0066] 由此可见轨迹的生成需要受到各种因素的制约，这些因素包括：1.机动设备起始 点状态，起始点状态包括：位置坐标（X，y