一种无人车自动调头控制方法、装置及无人车与流程

1.本发明涉及无人车控制技术领域，尤其涉及一种无人车自动调头控制方法、装置及无人车。


背景技术：

2.无人车在自动行驶过程中是通过路径规划确定行驶路径，路径规划就是依据某种优化准则，寻找一条从起始位置到目标位置的无碰撞路径。相比于直行路径，无人车要完成调头要更为复杂。现有技术中，无人车调头通常是采用使用循迹的方法实现，即使得无人车的运动轨迹与事先设置的调头路段循迹点尽量贴合，从而达到调头的目的。如中国专利申请cn113104053公开一种自动掉头循迹方法及无人车，该方案即是通过在生成循迹点集合时，基于同一位置的循迹点生成方向相反的两个循迹点集合，无人车以其中第一方向循迹点集合作为初始循迹线路进行循迹，循迹过程中接收到掉头指令后确认预设范围内无障碍点则开始转向，直至预设范围内发现第二循迹点集合中的第四循迹点后，以该循迹点作为目标点，根据第二方向循迹点集合进行循迹，实现自动掉头和反向循迹，使得无人车能够适应更多行驶环境。该方案即是基于循迹的方法，使无人车的运动轨迹与事先设置的循迹点尽量贴合以完成调头。
3.但是上述基于循迹的方法完成无人车自动调头的方式，会存在以下问题：
4.1、必须依赖于循迹路径，只适用于循迹路径上无障碍的场景，不能适应复杂的环境，当循迹点上存在障碍时，无人车不能精确跟踪目标路径而导致调头失败。
5.2、由于需要高度依赖于循迹路径，因而对无人车底盘控制的精确性要求高，若无人车实际行走轨迹偏离了预期路径，则容易调头失败。


技术实现要素：

6.本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、调头成功率高、灵活性以及环境适应性强的无人车自动调头控制方法、装置及无人车。
7.为解决上述技术问题，本发明提出的技术方案为：
8.一种无人车自动调头控制方法，包括:
9.在无人车按照所需任务路径行驶的过程中，当识别到需要调头时控制跟踪所述任务路径直行至调头路段后进行循迹转弯；
10.在所述循迹转弯的过程中，当识别到障碍物时，根据所述任务路径搜索一条与调头终点方向相同的无障碍物路径作为目标路径，并在搜索出的目标路径中获取一组目标点；
11.根据获取的各所述目标点迭代搜索出可行路径，直至调头完成。
12.进一步的，当识别到需要调头时还包括将任务路径划分为第一直行路段、调头路段以及第二直行路段，所述第一直行路段为从识别到需要调头的行驶起始点到所述调头路
段的起始点之间的直线段，所述调头路段为调头路口处的转弯路段，所述第二直行路段为从所述调头路段的终点到无人车完成调头位置点之间的直线段。
13.进一步的，当识别到需要调头时，控制无人车按照所述第一直行路段直行至所述调头路段的起始点；
14.当识别到无人车行驶至所述调头路段的起始点时，控制无人车按照所述调头路段以最小转弯半径进行循迹转弯；
15.当在循迹转弯过程中识别到障碍物时，控制无人车进入路径搜索状态，以根据所述第二直行路段搜索所述目标路径。
16.进一步的，所述根据所述第二直行路段搜索所述目标路径包括：以所述第二直行路段作为参考线，在车道内向左右平移生成一组平行参考线，从各所述平行参考线中选取一条距离所述第二直行路段最近的无障碍路径作为最终选取的所述目标路径。
17.进一步的，根据获取的各所述目标点迭代搜索出可行路径包括：使用混合a*算法的搜索方法从远到近迭代搜索到达各所述目标点的可行路径，使用所述混合a*算法搜索过程中，当前节点的代价包括从起点到当前节点的累积距离值以及从起点到当前节点的累计障碍距离。
18.进一步的，所述当前节点的代价为将所述累积距离值、所述累计障碍距离加权得到。
19.进一步的，根据获取的各所述目标点迭代搜索出可行路径后还包括：按照路径的运动方向对搜索出的可行路径进行分段，并控制无人车进入循迹状态，在分段循迹过程中以分段路径为目标路径生成一条满足预设约束要求的平滑路径，跟踪每一段分段路径生成的所述平滑路径直到无人车方向与调头终点方向相同完成调头或者跟踪到最后一段路径的终点。
20.进一步的，在所述分段循迹过程中当识别到障碍物时，则控制将无人车切换为路径搜索状态，以搜索从当前位置到终点的可行路径。
21.一种无人车自动调头控制装置，包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，所述处理器用于执行所述计算机程序以执行如上述方法。
22.一种无人车，包括无人车本体，在所述无人车本体上还设置有如上述无人车自动调头控制装置。
23.与现有技术相比，本发明的优点在于：
24.1、本发明通过在无人车调头过程中，先跟踪任务路径直行到调头路段后进行循迹转弯，当识别到障碍物时，则根据任务路径搜索一条与调头终点方向相同的无障碍物路径作为目标路径，在目标路径上获取一组目标点进行可行路径迭代搜索，可以获得既可以避障、又能够更接近人开车习惯的路径结果，从而有效提高无人车调头的环境适应性、运动灵活性和调头成功率。
25.2、本发明进一步通过采用混合a*算法的搜索方法对确定的目标点迭代搜索可行路径，同时在传统混合a*算法的基础上，在当前节点代价中引入新的期望障碍距离代价，可以使得距离障碍近的节点代价更高，从而使规划结果偏向远离障碍，解决传统混合a*算法直接进行路径搜索时会存在与障碍物距离过近的问题。
26.3、本发明进一步通过以第二直行路段作为参考线，在车道内向左右平移生成一组平行参考线，从各平行参考线中选取一条距离第一直行路段最近的无障碍路径作为最终选取的目标路径，以在该目标路径上选取一组目标点，能够选取尽量远离障碍、且和任务路径的方向保持一致的目标点，可以提高调头成功率。
27.4、本发明进一步通过对搜索出的可行路径，根据运动方向对路径进行分段，每段子路径采用曲线平滑的方式生成从当前位置到目标路径的平滑曲线，可以降低对底盘控制的精度要求，而且有一定的容错空间，同时对传感器盲区内的障碍有一定的记忆能力，能改善因传感器盲区造成的碰撞。
附图说明
28.图1是本实施例无人车自动调头控制方法的实现流程示意图。
29.图2是本实施例中将调头任务路径分阶段的原理示意图。
30.图3是本发明具体应用实施例中为实现无人车自动调头控制的状态机控制流程示意图。
具体实施方式
31.以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。
32.如图1所示，本实施例无人车自动调头控制方法的步骤包括:
33.s01.在无人车按照所需任务路径行驶的过程中，当识别到需要调头时控制跟踪任务路径直行至调头路段后进行循迹转弯；
34.s02.在循迹转弯的过程中，当识别到障碍物时，根据任务路径搜索一条与调头终点方向相同的无障碍物路径作为目标路径，并在搜索出的目标路径中获取一组目标点；
35.s03.根据获取的各目标点迭代搜索出可行路径，直至调头完成。
36.人开车时调头的倒车方向通常是使车头方向与终点方向相同，这样可以减少倒车的次数，本实施例参考人开车的习惯，在无人车处于调头路口或因任务需要原地调头等场景时，先跟踪任务路径直行到调头路段后进行循迹转弯，当识别到障碍物时，模拟人开车的驾驶习惯根据任务路径搜索一条与调头终点方向相同的无障碍物路径作为目标路径，在目标路径上获取一组目标点进行可行路径迭代搜索，以使得可以获得既可以避障、又能够更接近人开车习惯的路径结果，从而有效提高无人车调头的环境适应性、运动灵活性和调头成功率。
37.本实施例预先在无人车上布置传感器以在无人车行驶过程中采集真实环境中的交通信息，根据采集的交通信息构建高精度地图，上述交通信息包括车道、路牙、路口等；将获取的交通信息传输给无人车的局部规划模块，以解析用于路径规划，可以有助于弥补感知盲区，也有助于提高局部规划模块对环境的认识程度。在获取任务和地图后，生成粗略的任务路径，然后执行步骤s01～s03以根据任务和环境执行调头任务。调头任务可以是行驶至调头路口需要调头，则在无人车行驶过程中会实时检测前方的路况，在检测到距离调头路口指定距离则判断需要执行调头任务，切换执行步骤s01～s03以完成调头；调头任务也可以是按照任务需要原地调头，则在接收到原地调头指令后，先规划出调头路径，然后切换
执行步骤s01～s03以完成调头。
38.本实施例中，当识别到需要调头时还包括将任务路径划分为第一直行路段、调头路段以及第二直行路段，第一直行路段为从识别到需要调头的行驶起始点到调头路段的起始点之间的直线段，调头路段为调头路口处的转弯路段，第二直行路段为从调头路段的终点到无人车完成调头位置点之间的直线段。后续再根据任务和环境对调头任务分阶段处理，以模拟人开车时的驾驶习惯获取行驶路径，使得调头控制更为合理。
39.本实施例中，步骤s01中当识别到需要调头时，控制无人车按照第一直行路段直行至调头路段的起始点；当识别到无人车行驶至调头路段的起始点时，控制无人车按照调头路段以最小转弯半径进行循迹转弯。如图2所示，先将需要调头的任务路径分为3段：路段a(第一直行路段)、路段b(调头路段)以及路段c(第二直行路段)，无人车识别到前方指定距离处存在调头路口时，在无人车即将进入调头路口前，先跟踪路段a直行，限制绕障范围不超过路段b以上，当车辆到达路段a和b的交界处附近，将路线以等间隔插值的方式从路段a渐近转变成路段b；在路段a到路段b的过程中，采用精准跟线的方式，当在循迹转弯过程中识别到障碍物(影响无人车行驶的实体障碍物或者地图中标注的虚拟墙等)则从跟线状态跳转到路径搜索状态，以根据第二直行路段搜索目标路径，直至无人车转至调头完成的姿态。
40.优选的，上述跟踪路段a直行过程中，参考人的驾驶习惯，限制左右绕行范围，尽量使得贴路边直行到调头路口调头路段的起始点。在路段b中跟线过长中，优选以循迹的方式使用最小转弯半径路径的弧线作为前进路径。
41.由于在进入调头路段以前无人车是按照第一直行路段直行，调头后终点方向为第二直行路段方向，因而选择尽量与第二直行路段方向相同、同时与第二直行路段最近的无障碍物路径即可以确保有效完成调头。本实施例中，根据第二直行路段搜索目标路径具体包括：以第二直行路段作为参考线，在车道内向左右平移生成一组平行参考线，从各平行参考线中选取一条距离第二直行路段最近的无障碍路径作为最终选取的目标路径。从搜索出的目标路径中再以一定距离间隔选择一组目标点，间隔距离的取值具体可以根据实际需求配置。
42.以如图2所示为例，无人车在b段转弯循迹过程中识别到障碍物，则以c路段作为参考线，在车道内向左右平移生成一组与c路段平行的平行参考线，从各平行参考线中筛选出满足以下条件的路径：1、与c路段距离最近；2、不存在障碍物、不会发生碰撞。由筛选出的路径作为目标路径，基于该目标路径选取的目标点可以确保选择的目标点尽量远离障碍、且和任务路径的方向保持一致，目标点的选取是决定调头成功的关键，可有效提高调头成功率。
43.上述从一组平行参考线中筛选无障碍路径，可以通过对每条平行路径进行障碍检测的方式来实现。
44.可以理解的是，上述对调头任务的任务路径分段方式以及各分段的控制方式也可以适应性的采用其他方式实现，关键在于参考人的驾驶习惯，先按照任务路径进行循迹转弯，当遇到障碍物时再根据障碍物的位置、终点方向的位置搜索一条与调头终点方向相同的无障碍路径。
45.本实施例步骤s03中根据获取的各目标点迭代搜索出可行路径具体包括：使用混
合a*算法的搜索方法从远到近迭代搜索到达各目标点的可行路径，使用混合a*算法搜索过程中，当前节点代价包括从起点到当前节点的累积距离值以及从起点到当前节点的累计障碍距离。基于搜索的规划算法对目标点的选取有较高要求，本实施例使用目标点预处理方式找到一个远离障碍物、方向与掉头后续的任务一致的目标点。
46.混合a*算法是一种点到点的规划算法，其与a*算法类似，都是在栅格地图基础上规划的，和a*算法不同的是，混合a*算法在探索周围节点时考虑了车辆的运动学约束，能够限制节点拓展时的方向。在混合a*算法中，节点的代价由当前节点路径代价和启发值组成，也就是f(x)＝g(x)+h(x)，x表示当前节点，g(x)为当前节点的代价，是由每次拓展累加的距离值得到，也就是起点到当前节点的累加距离，h(x)是当前节点到终点的启发值，通常是当前节点到终点的距离值。即传统混合a*算法是直接以路径长度作为节点的代价g(x)，这会导致进行路径搜索时障碍物的距离过近。
47.本实施例通过采用混合a*算法对步骤s02确定的一组目标点进行迭代搜索可行路径，在每个节点使用最小转弯半径两条弧和直线前进三个样条，倒退时相同，同时在传统混合a*算法的基础上，在当前节点代价中引入新的累计障碍距离作为期望障碍距离代价，可以使得距离障碍近的节点代价更高，从而使规划结果偏向远离障碍，解决传统混合a*算法直接进行路径搜索时会存在与障碍物距离过近的问题。
48.本实施例中，当前节点的代价g(x)为将累积距离值、累计障碍距离加权得到，当前节点的代价g(x)的具体计算公式为：
[0049][0050]
其中，为起点x0到xk的累加距离，是起点x0到xk的累加障碍距离，只累计小于期望障碍的值,ω0、ω1分别为累加距离、累加障碍距离对应的权重。
[0051]
本实施例在使用混合a*算法对一组目标点进行迭代搜索可行路径时，按照上式(1)计算当前节点的路径代价，根据终点方位对节点拓展方向代价，可以使规划路径远离障碍物，同时通过调整路径长度和期望障碍距离的代价权重，即调整上式(1)中系数ω0、ω1，还可以调整路径搜索效果，从而获得更加合理的路径结果。
[0052]
由于混合a*算法是一种点到点的规划算法，目标点的选取会直接影响调头成功率和效率。本实施例通过结合周围障碍信息和地图信息，以第二直行路段(路段c)作为参考线，在车道内向左右平移生成一组平行参考线，从第二直行路段(路段c)开始进行碰撞检测选取一条距离第二直行路段(路段c)最近的无碰撞路径，并对路径等距离间隔采样获得一组目标点，选择一组尽量远离障碍、和任务路径的方向保持一致的目标点，在拓展起点附近的倒车节点时，仅考虑与终点方向相同的倒车节点，这样可获得更接近人开车习惯的路径结果，然后结合混合a*的搜索方法，可以使得调头过程中尽量远离障碍物，高效的完成调头，同时提高调头成功率。
[0053]
本实施例根据获取的各目标点迭代搜索出可行路径后还包括：按照路径的运动方向对搜索出的可行路径进行分段，并控制无人车进入分段循迹状态，在分段循迹过程中以分段路径为目标路径生成一条满足预设约束要求(如车辆运动学约束)的平滑路径，跟踪每一段分段路径生成的平滑路径直到无人车方向与调头终点方向相同完成调头或者跟踪到最后一段路径的终点。在分段循迹过程中当识别到障碍物时，则控制将无人车切换为路径
搜索状态，以搜索从当前位置到终点的可行路径。
[0054]
本实施例当采用混合a*的搜索方法搜索出一条可行路径后，根据运动方向对路径进行分段，每段子路径采用曲线平滑的方式生成从当前位置到目标路径的平滑曲线，可以降低对底盘控制的精度要求，而且有一定的容错空间，同时对传感器盲区内的障碍有一定的记忆能力，改善因传感器盲区而造成的碰撞。
[0055]
可以理解的是，对目标点迭代搜索可行路径也可以采用除混合a*算法以外的其他搜索方法。
[0056]
在具体应用实施例中，可以通过设计状态机实现上述各状态的切换，使得无人车在循迹和区域内随机搜索中自动转换，可以尽量跟踪任务路径。状态机控制如图3所示，启动任务执行后，判断是否有调头路口(或原地调头任务)，如果是则控制进入循迹跟踪状态，循迹靠边直行至调头路段b的起始点，也即当前进入调头路段前路段a的终点；然后进入循迹转弯状态，以最小转弯半径进行循迹转弯；循迹转弯过程中判断是否有障碍物无法前进，如果是控制进入路径搜索状态，以路段c为参考线搜索一条无障碍路径作为目标路径，并在目标路径上获取一组目标点；使用混合a*的搜索方法对目标点迭代搜索出可行路径，搜索出一条可行路径时，控制进入分段循迹状态，将路径进行分段，以当前分段路径为目标生成满足车辆运动学约束的平滑路径，如果没有到达分段路径的终点，则继续执行下一分段，直至调头成功；在分段循迹过程中当识别到障碍物时，则控制将无人车切换为路径搜索状态，以搜索从当前位置到终点的可行路径。
[0057]
以下以在具体应用实施例中实现无人车自动调头为例，对本发明进行进一步说明。
[0058]
本实施例实现无人车自动调头控制的详细步骤为：
[0059]
首先，由高精度建图模块创建无人车运行环境的高精度地图，并在地图上描绘车道、路口、车道参考线等环境信息；高精度定位模块从gps、imu等传感器获得车身在地图中的位姿信息；感知融合模块从激光雷达、相机等传感器获得车身周围的环境、障碍信息；全局任务模块给出无人车需要行走的导航路径。
[0060]
当无人车在全局任务路径中解析到调头路段后，将任务路径按照如图2所示进行分段，分为：直行路段a、调头路段b、直行路段c，在无人车即将进入调头路口前，限制左右绕行范围，尽量贴路边直行到调头路口起点。
[0061]
在调头路段b，以循迹的方式用最小转弯半径路径弧为前进路径，直到遇到障碍无法行走或满足调头完成的姿态。若因障碍而停车，则状态从循迹转换为路径自由搜索状态。
[0062]
路径自由搜索状态中，利用高精度地图和任务信息，在车道范围内构建任务路径的一组平行路径，对每条平行路径进行障碍检测，选择距离任务路线(c路段)最近的无障碍路线，并以一定距离间隔选择一组目标点，使用混合a*的搜索方法从远到近迭代搜索到达这组目标点的路径，在使用混合a*的搜索方法时当前节点的代价考虑障碍信息以及高精度地图给出的交通信息，按照上式(1)计算得到，在可通行范围内搜索可行路径。
[0063]
搜索到可行路径后，按运动方向对路径进行分段，并再次进入循迹状态。以子路径为目标路径并从当前车体位置生成一条平滑的满足车辆运动学模型的路径，跟踪每一段路径直到无人车方向与调头终点方向相同完成调头或者跟踪到最后一段路径的终点，则进入任务状态。在分段循迹的过程中，若遇到障碍物无法绕行，则状态转换为自由搜索，继续寻
找到合适终点的可行路径。
[0064]
实施例2：
[0065]
本实施例无人车自动调头控制装置包括处理器以及存储器，存储器用于存储计算机程序，处理器用于执行计算机程序，处理器用于执行计算机程序以执行如无人车自动调头控制方法，由该无人车自动调头控制方法在无人车按照所需任务路径行驶的过程中，当识别到需要调头时控制跟踪任务路径直行至调头路段后进行循迹转弯；在循迹转弯的过程中，当识别到障碍物时，根据任务路径搜索一条与调头终点方向相同的无障碍物路径作为目标路径，并在搜索出的目标路径中获取一组目标点；根据获取的各目标点迭代搜索出可行路径，直至调头完成，以使得可以获得既可以避障、又能够更接近人开车习惯的路径结果，从而有效提高无人车调头的环境适应性、运动灵活性和调头成功率。上述无人车自动调头控制方法具体参照实施例1所示，在此不再一一赘述。
[0066]
本领域技术人员可以理解，上述装置的描述仅仅是示例，并不构成对装置的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、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，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
[0067]
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要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(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flashcard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。装置集成的模块/单元如果以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。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成。
[0068]
实施例3：
[0069]
本实施例无人车包括无人车本体，在无人车本体上还设置有如实施例2中的无人车自动调头控制装置，该无人车自动调头控制装置包括处理器以及存储器，存储器用于存储计算机程序，处理器用于执行计算机程序，处理器用于执行计算机程序以执行无人车自动调头控制方法，由该无人车自动调头控制方法在无人车按照所需任务路径行驶的过程中，当识别到需要调头时控制跟踪任务路径直行至调头路段后进行循迹转弯；在循迹转弯的过程中，当识别到障碍物时，根据任务路径搜索一条与调头终点方向相同的无障碍物路径作为目标路径，并在搜索出的目标路径中获取一组目标点；根据获取的各目标点迭代搜
索出可行路径，直至调头完成，以使得可以获得既可以避障、又能够更接近人开车习惯的路径结果，从而有效提高无人车调头的环境适应性、运动灵活性和调头成功率。上述无人车自动调头控制方法具体参照实施例1所示，在此不再一一赘述。
[0070]
上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。