基于控制线的自动驾驶非结构化环境路径规划方法及系统

本发明属于自动驾驶路径规划领域，具体涉及一种基于控制线的自动驾驶非结构化环境路径规划方法及系统。

背景技术：

1、作为自动驾驶的重要技术组成部分之一，非结构化环境中的路径规划问题近几十年来备受关注。由于非结构化环境的复杂多样性和车辆的非完整约束，现有的路径规划算法在场景鲁棒性和实时计算方面仍然不能满足要求。同时，规划路径的质量在驾驶舒适性方面与人类驾驶员相比仍有一定距离。因此非结构化环境下的路径规划问题仍然面临着很大的挑战。

2、传统的基于状态树的图搜索算法是解决该问题的典型方法。每个节点存储车辆的单姿态信息并链接到其他节点。从当前搜索到的节点出发，使用不同的运动原语(线段、圆弧、螺旋等)展开生成新的节点，当新生成的节点满足目标点截止条件时停止搜索进程。从目标节点回溯，可以得到最终的路径。但是，当运动基元数量少、步长大时，搜索树末端稀疏，难以满足精确的目标位姿要求；否则会引入大量不合理的节点扩展，导致搜索到的节点数呈指数级增长。

3、对于传统方法，状态树是通过自底向上的探索方法逐步生成的。然而，通过对人类驾驶员行为的观察，可以发现人类驾驶员通过自顶向下的方式构建驾驶策略。即首先生成粗略的行驶路径，然后确定车辆运动的每一步的细节。人类司机的规划并不是每次都移动固定的距离，更具前瞻性。

技术实现思路

1、为了解决现有技术中存在的问题，受人类驾驶员的启发，本发明提供一种新的基于控制线的自动驾驶路径规划算法，在两条相邻控制线的“控制”下，不同的运动基元拼接以生成平滑的转向路径，这使得两条控制线对于自动驾驶车辆是可以相互到达的，一旦当前的控制线可以达到目标控制线，搜索过程随即结束，从而可以构建一个具有多条首尾相接的骨架树，经过排列组合，从骨架树中得到路径集合，c-line*planner的目标是生成“自然”或“类人”路径，因此可以从路径集合中选择更舒适的路径作为最终路径。

2、为了实现上述目的，本发明采用的技术方案是：一种基于控制线的自动驾驶非结构化环境路径规划方法，具体包括如下步骤：

3、s1，初始化，初始化起始控制线和目标控制线；

4、s2，获取当前控制线，从所有子控制线中选择评价函数f值最小的控制线作为当前控制线；

5、s3，子控制线扩展，以当前控制线作为父控制线，通过定义的动作usucc生成子控制线；

6、s4，目标控制线回溯，目标控制线回溯，生成最终骨架树；

7、s5，最终路径选择，在生成的骨架树中进行进一步的选择生成最终路径。

8、s1中，初始化时，控制线是一组具有固定朝向的不与障碍物碰撞的状态集合，根据车辆所在的起始节点xinit(x,y,θ)和目标节点xgoal(x,y,θ)生成起始控制线和目标控制线

9、子控制线扩展时，以当前的控制线

10、作为父控制线，子控制线

11、可以通过定义的动作usucc生成，通过可达性检测的子控制线赋予评价函数f值，新生成的控制线嵌入到open链表中，已经完成扩展的父控制线

12、嵌入到closed链表中。

13、s2中，将评价函数f值赋予通过可达性检测的子控制线，评价函数f值的定义为：

14、

15、其中g是距离起始控制线的代价函数，h是距离目标控制线的启发函数，代价函数g的计算为当前父控制线的代价加上当前控制线和子控制线之间的代价：

16、

17、在两条相邻的可达相交的当前控制线和子控制线之间存在许多cc-turn或者c-turn，使用平均曲线距离来表示当前控制线和子控制线之间的代价：

18、

19、其中r表示两条相邻的控制线之间的可达性，leni是第i条cc-turn或者c-turn的长度；

20、启发函数h为：

21、

22、其中表示当前控制线和目标控制线之间的最短直线距离。

23、s4中，目标控制线回溯时，当最新扩展的子控制线与目标控制线满足可达相交条件，可达性r＞0后结束搜索过程，从目标控制线开始，依次将父控制线添加到最后的骨架树中。

24、s5中，最终路径选择时，对生成的骨架树中，在两条控制线的交点处的路径集合排列和组合后获得路径集合

25、

26、从路径集合中选择一个最小换挡点数量的组合作为最终的路径。

27、车辆整个转向运动过程中，使用圆弧和螺线作为转向运动基元。

28、一种基于控制线的自动驾驶非结构化环境路径规划系统，包括初始化模块、当前控制线获取模块、子控制线扩展模块、目标控制线回溯模块以及最终路径选择模块；初始化模块用于初始化起始控制线和目标控制线；

29、当前控制线获取模块从子控制线中选择评价函数f值最小的控制线作为当前控制线；

30、子控制线扩展模块以当前控制线作为父控制线，通过定义的动作usucc生成子控制线；

31、目标控制线回溯模块用于回溯目标控制线，生成最终骨架树；

32、最终路径选择模块在生成的骨架树中进行进一步的选择生成最终路径。

33、另外，本发明还提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现本文所述基于控制线的自动驾驶非结构化环境路径规划方法。

34、同时可以提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本文所述的基于控制线的自动驾驶非结构化环境路径规划方法。

35、与现有技术相比，本发明至少具有以下有益效果：根据环境中障碍物的分布情况，搜索过程在新扩展的控制线与目标控制线相交后结束，保证搜索路径终点的精度；在大规模场景下，可以大步进行搜索扩展，保证搜索的效率；基于本发明所述方法规划的路径转向量较少，保证了路径的舒适性；在不同的复杂环境中的实验结果显示其鲁棒性比较好。

技术特征：

1.一种基于控制线的自动驾驶非结构化环境路径规划方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的基于控制线的自动驾驶非结构化环境路径规划方法，其特征在于，s1中，初始化时，控制线是一组具有固定朝向的不与障碍物碰撞的状态集合，根据车辆所在的起始节点xinit(x,y,θ)和目标节点xgoal(x,y,θ)生成起始控制线和目标控制线

3.根据权利要求1所述的基于控制线的自动驾驶非结构化环境路径规划方法，其特征在于，子控制线扩展时，以当前的控制线作为父控制线，子控制线可以通过定义的动作usucc生成，通过可达性检测的子控制线赋予评价函数f值，新生成的控制线嵌入到open链表中，已经完成扩展的父控制线嵌入到closed链表中。

4.根据权利要求1所述的基于控制线的自动驾驶非结构化环境路径规划方法，其特征在于，s2中，将评价函数f值赋予通过可达性检测的子控制线，评价函数f值的定义为：

5.根据权利要求1所述的基于控制线的自动驾驶非结构化环境路径规划方法，其特征在于，s4中，目标控制线回溯时，当最新扩展的子控制线与目标控制线满足可达相交条件，可达性r＞0后结束搜索过程，从目标控制线开始，依次将父控制线添加到最后的骨架树中。

6.根据权利要求1所述的基于控制线的自动驾驶非结构化环境路径规划方法，其特征在于，s5中，最终路径选择时，对生成的骨架树中，在两条控制线的交点处的路径集合排列和组合后获得路径集合

7.根据权利要求1所述的基于控制线的自动驾驶非结构化环境路径规划方法，其特征在于，车辆整个转向运动过程中，使用圆弧和螺线作为转向运动基元。

8.一种基于控制线的自动驾驶非结构化环境路径规划系统，其特征在于，包括初始化模块、当前控制线获取模块、子控制线扩展模块、目标控制线回溯模块以及最终路径选择模块；初始化模块用于初始化起始控制线和目标控制线；

9.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现权利要求1至7中任一项所述基于控制线的自动驾驶非结构化环境路径规划方法。

10.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1至7中任一项所述的基于控制线的自动驾驶非结构化环境路径规划方法。

技术总结
本发明公开一种基于控制线的自动驾驶非结构化环境路径规划方法及系统，具体包括如下步骤：初始化起始控制线和目标控制线；从所有的子控制线中选择评价函数f值最小的控制线作为当前控制线；以当前控制线作为父控制线，通过定义的动作u<subgt;succ</subgt;生成子控制线；目标控制线回溯，生成最终骨架树；在生成的骨架树中进行进一步的选择生成最终路径。本发明提出的基于控制线的非结构化路径规划方法，基于控制线的非结构化路径规划方法可以忽略网格地图的分辨率限制，以更少的资源消耗获得更好的路径规划结果。本发明在仿真场景和实车测试中进行了实验，结果表明，大大提高了场景鲁棒性、计算效率和路径质量。

技术研发人员：陈仕韬,庞金龙,张崧翌,史佳敏,符嘉玮,陈佩,刘剑毅,辛景民,郑南宁
受保护的技术使用者：西安交通大学
技术研发日：
技术公布日：2024/1/14