高精地图引导的自动驾驶路径规划决策方法与流程

本技术涉及一种汽车辅助驾驶路径规划决策系统，特别涉及一种高精地图引导的自动驾驶路径规划决策方法，属于汽车ai智能驾驶。

背景技术：

1、近年来，自动驾驶技术的蓬勃发展，传统的自动驾驶系统来自于机器人架构的延伸,分为感知，规划决策与控制三部模块。感知是利用摄像头、雷达等各种传感器对周边环境进行检测识别，从而“看到”周围的环境，类比于人眼。规划决策是在融合了多个传感器信息的基础上，对自身与周围环境具备明确了解的前提下的工作。其模拟人工驾驶状态下,人脑对各个要素重要性的综合判断最终做出各种不同的决策，规划出不同的驾驶路径,因此自动驾驶系统的规划决策模块也是最为复杂的部分。控制则是将大脑的规划落实到实际的控制系统包括刹车、油门、制动去执行。

2、当前很大一部分交通事故是由于人工驾驶失误造成的，人工驾驶的不良习惯也造成拥堵的加剧，相比于人工驾驶，机器不需要像人一样休息，也不会感觉到累，它们时刻保持着对周围环境的探测，最大程度降低碰撞风险。因此，自动驾驶技术的应用将极大地提高城市的出行效率，从而降低相关行业的成本，提高人们的生活水平，另外，优秀的自动驾驶技术更是能较少交通事故的发生。因此，早日实现自动驾驶技术也具有重大的社会意义。

3、但实践证明了现有技术的自动驾驶并不可靠性。假如系统中有地图的辅助，那么系统可以在几公里之外即可检索到整个路口，而且通过地图来保存历史数据则很容易发现路口容易引发交通事故,那么车辆即可提前预警,减速，感知加强等等，避免事故发生。自动驾驶系统屡屡出错，血的教训也让大家意识到高精地图在自动驾驶系统中不可或缺,但当前对于高精地图自动驾驶应用尚处于起步阶段。

4、由于汽车对安全性的极端高要求,制约自动驾驶技术落地商用的最为关键的问题便是技术本身的可靠性。因此地图的加入，提升与自动驾驶系统安全紧密相关的感知、定位与规划决策各模块的性能，有助于大幅加快这项技术的普及和应用，提供更好的出行服务。

5、当前高精地图已经实现小批量生产,但高精地图数据制作成本是普通地图数据的十倍，而目前还没有可以足够的应用领域。自动驾驶领域是高精地图应用的重点,解决高精地图在自动驾驶技术中的应用问题是当务之急。但目前来看，高精地图与自动驾驶技术的结合尚处于早期。

6、目前应用于智能汽车的方法已经较多，但这些方法均是基于简易要素地图，由于缺失工程化的高精地图的支持，还不能适应复杂的真实路况，因此无法真正进一步工程化。如何利用高精地图的信息来改进现有的智能汽车路径规划决策方法是当前的研究核心。

7、现有的智能汽车行为决策方法由于单纯依赖感知系统的探测或者简易要素地图的支持，对于某些复杂的，不易被感知系统识别的或者无法识别的场景下，容易出现决策失误，从而造成碰撞风险。如何利用高精地图的详细数据避免决策失误降低风险也是当前研究重点。

8、路径规划决策模块是智能汽车的大脑，是智能汽车领域最为关键的技术之一。这个模块的性能指标也很大程度上决定了整个系统所能达到的高度。现有技术的智能汽车规划决策系统分4个层级，第一级为基于常规地图数据的长距离道路级规划，是实现当前位置至目的地的规划，也即任务规划；第二级为高精地图引导的车道轨线级路径规划，是基于道路级别规划的基础上，进一步获取车道轨线级规划的信息；第三级为高精地图引导的行为决策,这一步是将车辆行车经验及交通规划抽象化并总结,辅助最终路径的选择。第四级即为局部路径规划，即解决当前车辆前方一两百米之内的行驶路径,这一步将障碍物的位置及行为预测结果以及车辆的运动限制条件均考虑在内，最终选择出一条符合车辆动力学的可执行的，无碰的最佳局部行驶轨迹。虽然路径规划方法的研究内容很多,但由于之前高精度地图的概念并没有普及，因而当前智能汽车路径规划决策系统并没有很好地利用高精地图数据。

9、综合来看，现有技术仍然存在若干问题和缺陷，自动驾驶路径规划决策系统的关键技术难点有以下几点：

10、(1)现有技术自动驾驶系统屡屡出错，无法满足汽车对安全性极端高的要求,制约自动驾驶技术落地商用的最为关键的问题便是技术本身的可靠性，当前自动驾驶系统与安全紧密相关的感知、定位与规划决策模块都存在若干问题，不利于这项技术的普及和应用，当前高精地图数据制作成本高，高精地图与自动驾驶技术的结合尚不成熟。现有技术应用于智能汽车的方法均是基于简易要素地图，由于缺失工程化的高精地图的支持，还不能适应复杂的真实路况，因此无法真正进一步工程化，无法利用高精地图的信息来改进现有的智能汽车路径规划决策方法。现有的智能汽车行为决策方法由于单纯依赖感知系统的探测或者简易要素地图的支持，对于某些复杂的，不易被感知系统识别的或者无法识别的场景下，容易出现决策失误，从而造成碰撞风险，无法利用高精地图的详细数据避免决策失误降低风险。现有技术的自动驾驶无论是可靠性、安全性，还是智能型、经济性都无法满足要求。

11、(2)现有技术自动驾驶缺少高精地图引导的车道轨线级路径规划方法，车道轨线级路径规划方法是高精度地图数据精确到车道轨线级的背景下所需要进行的必要步骤，现有技术常规的车道轨线级规划方法由于对应的地图相对简单，只是单纯地进行了车道轨线级拓扑计算的问题，缺少高精细、要素齐全的高精度地图，无法进一步计算每一个车道轨线级规划路段的同类车道，缺少精准描述结构化道路的可行驶区域范围，从而无法为车辆的变道以及局部规划轨迹簇的生成提供有效支持，这对于自动驾驶系统是致命的，无法提供安全经济的路径规划决策，最终导致自动驾驶失去大规模推广应用价值。

12、(3)自动驾驶缺少高精地图引导的决策方法，现有技术的决策方法是依据感知的信息来进行决策，但由于某些信息(比如说车道线的颜色和类型及超视距信息)并不容易被感知识别到，但对于决策具有重大的意义(双黄线、白色实线不能变道，视距外的路口容易发生事故)，因此造成一定的决策失误概率，针对感知系统的不确定性可能带来的决策风险的问题,由于缺少高精度地图提供准确的地面静态信息,无法规避由于感知的不确定性带来的决策失误,造成巨大的安全性和可靠性潜在风险，造成自动驾驶决策不仅安全性差，而且也缺乏科学性和权威性。

13、(4)自动驾驶缺少高精地图引导的局部路径规划，现有技术的自动驾驶团队技术多源于智能汽车比赛，因而局部路径规划方法都是基于路网文件来实现的(国内外团队均基于darpa定义的rndf文件)，但路网文件信息稀疏且数据模型过于简单，不能适应较为复杂的道路场景，从而会给局部规划带来额外的困难。针对路网文件带来的局部道路表达困境和规划边界模糊的问题,现有技术缺少结合高精地图详细的道路表达模型及精确的车道几何与拓扑信息,无法解决局部路径规划方法的道路边界去模糊问题。同时,路径选择结果无法完全匹配结构化道路行驶规则，缺少结合高精地图的车道与车道线数据，缺少路径选择的代价计算,无法解决路径选择尽可能确保车辆行驶在结构化道路的中心，使得自动驾驶存在严重的安全隐患，也容易影响道路交通的整体秩序，这样的自动驾驶模型失去了实际利用价值。

技术实现思路

1、针对当前自动驾驶技术并不能达到足够的安全度，其仅依靠感知系统，而不采用地图的辅助稳定性不够，本技术将高精地图与高级自动驾驶系统的多层级结合后，高精地图的作用不仅可以辅助车辆的感知系统,定位系统也能辅助车辆的路径规划决策系统，在整体上使得自动驾驶稳定性升级了一大步。并具体通过高精地图引导的车道轨线级路径规划、高精地图引导的行为决策方法、高精地图引导的局部路径规划及选择，大幅提高了自动驾驶决策的安全性、科学性和权威性，测试证明，本技术自动驾驶作为人工驾驶的替代,不仅能大幅度降低交通事故的发生率，也能极大地提升城市公路交通的运行效率，市场价值以及社会价值巨大，有效解决了制约自动驾驶技术商用落地最直接的安全性问题。

2、为实现以上技术效果，本技术所采用的技术方案如下：

3、高精地图引导的自动驾驶路径规划决策方法，首先构建高精地图的要素及数据模型,并通过典型的地图数据模型实例解析高精地图的数据建模方法，然后，将高精地图引导的路径规划决策系统划分成三层：第一层为车道轨线级路径规划层，第二层为行为决策层，第三层为局部路径规划层，每一层方法都对高精地图数据进行自动驾驶应用方向路径规划决策解析；

4、1)高精地图引导的车道轨线级路径规划方法：首先改进迪杰斯特拉方法进行高精地图车道轨线级路径规划，然后利用地图中道路与车道的对应关系进行反向计算同类车道表达规划的可通行区域以满足车辆的避障、变道需求，再通过余弦函数构建虚拟车道从而对规划车道进行切向平滑以解决地图划分引起的车道轨线级规划车道跳变问题，满足路径规划平滑性的需求，最后基于短距离内地图拓扑关系计算消耗资源极少的优势,构建车道轨线级路径规划方法触发方式包含规划距离不足及变道行车两项；

5、2)高精地图引导的驾驶行为决策方法：首先解析结构化道路面条件下的动作决策项，通过有限状态机的状态切换机制进行表达，然后解析状态机各个状态项之间的切换条件，重要的状态机切换条件包括：利用地图进行障碍物的映射、通过地图对障碍物的行为进行预判，将左右变道划归于横向决策，其余决策项划归于纵向决策；针对横向决策，划分变道意图生成起始点判断和变道意图生成及变道条件判断三个步骤，其中通过期望车速与当前车速的绝对差大于一定临界值作为变道意图生成的起始点，通过累积行车效率损失大于一定临界值来生成变道意图，最后通过变道意图结合地图数据进行变道条件判断，最终生成决策；

6、3)高精地图引导的局部路径规划和选择方法：首先提出局部路径规划方法的步骤，然后抽取地图车道轨线级规划车道中心线作为规划基线，可行驶区域的边界作为轨迹簇最大边距，在规划曲线跨越宽度不一的可行驶区域的情况下，以最窄的可行驶区域边界作为轨迹簇最大边距，最后通过代价计算的方式整合影响驾驶曲线选择的决策代价、道路代价及舒适度代价三个不同指标，并通过加权求和取代价最小的方法对轨迹线进行选择，其中道路代价通过抽取车道线类型获得。

7、优选地，车道轨线级规划方法：

8、在最优车道规划的基础上，得出多个次优备选车道综合方案，方案包括三个部分，第一部分是在道路级规划基础上,基于道路级规划linkid序列以及道路linkid与车道laneid的一对多的包含关系进行车道轨线级拓扑计算，确保连通性；第二部分是在车道轨线级laneid序列完全得到，确保车道连通基础上，层层反溯，利用车道之间属性的差异进行同类车道的计算；第三部分是基于高精地图数据本身，对道路段的切分针对道路的切向，针对阶跃部分制作虚拟车道连接进行平滑；

9、对车道轨线级路径规划进行两点细化：

10、(1)同类车道的提出，车道轨线级规划得出的车道id序列之外，还提供其同类车道，保证局部路径规划及变道的需求，将真实道路的情况反映给车辆，供其参考；

11、(2)针对检索结果进行了切点检索并利用余弦函数进行切向平移，确保平滑衔接两条车道中心线。

12、优选地，高精地图车道轨线级拓扑计算：

13、通过高精度定位，匹配出当前的s_lane以及终点的e_lane，每次长距离的规划由道路级规划计算完毕，每次车道轨线级规划仅需要负责计算前方1至2km的数据即可；

14、基于车道轨线级拓扑信息,变道动作必须通过打通从属于同一个linkid下的多条laneid的连接来实现；

15、变道本身与车道长度一样，换算成距离代价，参与到路径计算中，车道的代价是直接的车道距离,变换车道的代价通过估算得到，生成一条虚拟的变道路线,并计算虚拟变道路线的距离并乘以一个权值：

16、cost＝dst*p式1

17、假设虚拟车道长度为行驶速度与变道时间的乘积,本技术采用的缺省值为120km/h下，6s变道时间，即216m，权值可调，本技术采用的缺省值为1.5。

18、优选地，变车道跳变处平滑：在车道中心线切向跳变处利用余弦函数生成虚拟车道的方案,通过在现有路段的切面处的点不断平移接驳两个切向平移的车道，从而减小跳变的力度；

19、车道轨线级路径规划触发机制包括：

20、(1)车道轨线级路径规划单次长度超过2km，是其基于静态信息的规划，第一个触发条件是车辆即将到达单次车道轨线级路径规划的结果数据的临界值，自动触发车道轨线级路径规划再往前进一步规划；

21、(2)当车辆通过变道方式离开当前车道轨线级路径规划的推荐车道时,自动触发车道轨线级路径规划。

22、优选地，基于结构化道路交规的行为决策项：

23、(1)车道直行―常规决策，保持当前车道行驶：不论当前车道是否有障碍，车辆保持车道行驶，直到新的决策导致状态切换；

24、(2)路口左转—常规决策,路口的情况下会遇到：在路口后车辆进入缓慢运行，适应更快的规划的频率和感知的频率所带来的更多的计算延迟，另外一些转弯过程中的属性也会逐渐添加上去应用起来；

25、(3)路口右转—常规决策，路口的情况下会遇到：路口车辆进入预定车道后不再判断红绿灯信息，直接进入变道状态；

26、(4)路口直行—常规决策，路口的情况下会遇到：车辆将进入路口内缓慢运行，适应更快的规划和感知频率带来的更多的计算延时；

27、(5)路口驻车—常规决策，即将到达路口的时候会遇到：车辆进入缓行，跟车的状态；

28、(6)左变道—常规决策，在保持车道的情况下遇到：左侧道路的权重加大；

29、(7)右变道―常规决策，在保持车道的情况下遇到：右侧道路的权重加大。

30、(8)掉头行驶—常规决策：区分掉头车道，并加重掉头车道的权重；

31、结合地图车道属性信息的障碍物行为预判方法：进一步利用其几何信息对障碍物侧向运动进行估计，尽可能及时发现突然变道的情况，对车辆侧向运动进行建模，针对车速做车道方向和车道切向的速度分解，并获得切向车速vx；同时，通过车辆中心点与车道中心点进行匹配，并获得匹配距离d1，得到车辆中心点与车道边界的切向距离为半车道宽度减去d1，获得侧向穿越车道时间计算式为：

32、

33、v表示车辆真实速度，vx表示车速v在道路切向上的分量，δ表示车速方向与车道方向的夹角，lanept.heading表示车道方向，vehicle.heading表示车辆行驶方向，lanept表示车辆中心在车道中心线上的匹配点，width表示车宽；预测穿越车道线的时间，对小型车取1.5至2秒之间，大型车为2.5秒，认定车辆发生侧向运动，在决策上做出约束。

34、优选地，变道车辆横向决策：变道决策包括：一是变道意图的生成，二是变道意图起算时机或放弃条件，三是变道决策的判断；

35、(1)生成变道意图：基于行车效率损失累计lcdt描述，首先，变道意图产生是当前车速小于期望速度；其次，这个低效需累积一段时间；利用当前速度小于期望速度的值对时间的积分与事先设定的临界值进行比较,判断是否达到变道意图的生成条件；

36、(2)变道意图起算时机或放弃条件：确定开始累计计算行车效率损失累计值的时间点，采用期望速度与当前速度之差大于设定的临界值之后，即开始启动行车效率损失累计计算，当期望速度与当前行车速度差小于设定的临界值时，及放弃已经计算的累计值，并将累计值归零，等待下一次启动；

37、(3)变道决策的判断：当行车效率损失累计值大于设定的临界值时，即启动变道可行性判断。

38、优选地，实时局部路径轨迹簇规划：

39、第一步，获取规划base基线：获得轨迹所跟随道路的一条中心线base线，起到基线作用，轨迹簇中所有的轨迹线都以轨迹中心线为规划基线，继而在基线附近根据方法生成一系列的轨迹线，基线既是轨迹簇的核心线也提供轨迹线末端的运动方向；

40、第二步，基线平滑：每一次轨迹的生成都保证尽可能的平滑且曲率变化线性，基线是一系列散列点所组成，对于轨迹生成还需要进一步进行函数表达；

41、第三步，获取切向边缘限制条件：给轨迹簇的切向发散限定有效，边界合理确保规划有效性并确保计算量可控；

42、第四步，轨迹簇的生成：通过侧偏函数，并与基线进行叠加，同时调节最大侧偏距离，同时生成一定侧向间距的一系列轨迹数据，这些轨迹簇的每一条轨迹都满足车辆运动学约束并与当前的车辆位置与姿态相关。

43、优选地，基于高精地图抽取边界限制条件：引入高精地图，通过利用高精地图引导的车道轨线级路径规划后，得到一条车道轨线级路径规划结果以及每一段车道中，可供变道避障采用的同类车道，同类车道的获得即为路径侧向规划的最大偏移；

44、具体方法如下：每次通过车道轨线级路径规划得到的laneid提取规划的车道中心线散列点串之后，进一步通过车道轨线级路径规划的结果获得每一段车道轨线级规划laneid的同类车道，这些同类车道都支持车辆变道行驶的车道，最大侧偏距离由同类车道数据决定，假设每条正常车道宽度一致的情况下，最大侧偏距离q的计算：

45、qleft/right＝numofbrotherlanesleft/right*width      式3

46、numofbrotherlanesleft/right表示同类车道数量，width表示车道宽度，最大侧偏距离q必须为单次规划距离内，以车道轨线级规划为中心的条件下，侧向距离的最小值。

47、优选地，生成轨迹簇：获得车道的中心线作为轨迹簇的base基线以及车辆的侧偏距离限制参数qleft和qright之后，即获得车辆的可行驶区域，在这片空间中生成一系列的可行驶轨迹，这些轨迹的生成保证车辆具有足够的机动能力，也使得驾驶行为更加安全舒适，轨迹簇的生成步骤包括：

48、步骤一，定位与base线进行匹配：通过匹配过程将车辆从笛卡尔坐标系映射到基线的曲线坐标系中，利用base基线的航向信息；

49、步骤二，确定单次局部路径规划长度：决定车辆在多长的距离内去修正当前车辆与基线之间存在的航向及偏移误差；

50、步骤三，构建侧偏变化函数并生成轨迹簇

51、单次路径规划的长度包含两个部分，第一部分是航向偏差与侧向距离偏差的调整阶段，采用三次样条曲线来模拟调整阶段的曲线，并通过下式解决：

52、

53、

54、

55、δs＝s-si       式7

56、其中，q(s)为调整阶段的三次样条函数，si表示车辆通过匹配得到的基线上的映射点，sf表示调整阶段的弧长，qf为轨迹簇中某条轨迹线的侧向偏移值，通过同类车道计算所得；qi表示当前点匹配计算得到的车辆与基线的侧向距离，a、b、c表示对应参数，s表示函数弧长变量。

57、优选地，舒适性代价路径选择：

58、采用代价计算方式，为轨迹簇中的所有备选轨迹分别计算一个代价，将影响轨迹选择的多个因素归一化，最终形成一个统一的标准，而将各个因素归一化是通过给予各个影响代价的因素一个定量的测度值并分别赋予权值,从而最终获得代价计算函数；

59、采用累计计算整条轨迹线上的曲率和作为轨迹线的舒适性代价，基于曲率的影响因素是指数级，将曲率值的平方作为积分条件：

60、

61、上式中，ki代表第i个点的曲率，s是沿着轨迹线的弧长；

62、最后，假设三类代价分别cost1，cost2，cost3，各类代价值对最终选择的影响因子不同，还要加入一个权值，得到最终代价计算式为：

63、cost＝q1*cost1+q2*cost2+q3*cost3    式9

64、得到最终代价示意图。

65、与现有技术相比，本技术的创新点和优势在于：

66、第一，本技术立足于真正的高精地图提供的大量、丰富、精准的道路静态信息基础上，基于导航应用模式,结合了基于感知系统与简易要素地图的路径规划决策方法,提出了基于高精度地图的适用于智能汽车的路径规划决策系统框架及模块和方法，并重点提出了三个方面的改进：一是高精地图引导的车道轨线级路径规划方法：改进迪杰斯特拉方法进行高精地图车道轨线级路径规划，利用地图中道路与车道的对应关系进行反向计算同类车道表达规划的可通行区域以满足车辆的避障、变道需求，通过余弦函数构建虚拟车道从而对规划车道进行切向平滑以解决地图划分引起的车道轨线级规划车道跳变问题，满足路径规划平滑性的需求，构建车道轨线级路径规划方法触发方式包含规划距离不足及变道行车两项；二是高精地图引导的驾驶行为决策方法：通过有限状态机的状态切换机制进行表达，然后解析状态机各个状态项之间的切换条件，将左右变道划归于横向决策，其余决策项划归于纵向决策；三是高精地图引导的局部路径规划和选择方法：抽取地图车道轨线级规划车道中心线作为规划基线，可行驶区域的边界作为轨迹簇最大边距，以最窄的可行驶区域边界作为轨迹簇最大边距，通过代价计算的方式整合影响驾驶曲线选择的决策代价、道路代价及舒适度代价三个不同指标，并通过加权求和取代价最小的方法对轨迹线进行选择。通过以上三点改进，大幅提高了自动驾驶的可靠性、安全性、智能型和经济性，具有巨大的实用价值。

67、第二，针对当前自动驾驶技术并不能达到足够的安全度，其仅依靠感知系统，而不采用地图的辅助稳定性不够，本技术将高精地图与高级自动驾驶系统的多层级结合后，高精地图的作用不仅可以辅助车辆的感知系统,定位系统也能辅助车辆的路径规划决策系统，在整体上使得自动驾驶稳定性升级了一大步。并具体通过高精地图引导的车道轨线级路径规划、高精地图引导的行为决策方法、高精地图引导的局部路径规划及选择，大幅提高了自动驾驶决策的安全性、科学性和权威性，测试证明，本技术自动驾驶作为人工驾驶的替代,不仅能大幅度降低交通事故的发生率，也能极大地提升城市公路交通的运行效率，市场价值以及社会价值巨大，有效解决了制约自动驾驶技术商用落地最直接的安全性问题。

68、第三，针对常规车道轨线级路径规划方法无法表达智能汽车所需要的完整的可行驶区域的问题，本技术提出了同类车道的概念及计算方法，改进了基于感知系统与简易要素地图的常规智能汽车车道轨线级路径规划方法。通过同类车道组合表达实际的可行驶区域,一方面是在常规路段上将应急车道等非常规车道纳入到智能汽车可行驶区域,从而使得智能汽车在紧急情况下可以选择在应急车道行驶或停靠；另一方面在道路分叉口的场景下，滤除与车道轨线级规划行驶方向不同的同一道路段上的某些正常车道，从而避免了干扰，有利于改善道路交通整体秩序，有助于大幅加快这项技术的普及和应用，提供更好的出行服务。

69、第四，针对纯粹依赖智能汽车感知系统及简易要素地图进行可行驶区域检测带来的车道属性缺失、标线属性检测错误、障碍物所属车道id映射错误引起车道路权计算错误等问题带来的决策失误的风险,本技术通过提取高精地图的几何与车道和标线属性信息降低了决策条件判断失误风险,同时提出了高精地图引导的障碍物映射方法及借鉴国标ldw预警条件发展而来的路权变化预期计算方法，不仅能很好地适应大弯道路段的障碍物车道轨线级映射问题,也能实时计算由于障碍车的变道行为导致的道路行驶条件变化问题，使得真个自动驾驶的智能型和灵活性提高，对道路交通的负面和不确定性影响减小，自动驾驶更加成熟可靠。