[发明专利]一种基于改进EM算法的局部路径规划方法、介质及设备

说明书

本发明公开了一种基于改进EM算法的局部路径规划方法、介质及设备，所述方法包括：输入参考线、障碍物及其预测轨迹、车辆状态；根据障碍物生成Voronoi图并进行点采样；根据采样点生成路径并计算代价；选取代价最小的路径作为最优路径；根据参考线和车辆运动学约束获取车辆速度上限；根据车辆和障碍物生成速度并计算代价；选取代价最小的速度作为最优速度；根据约束条件和优化目标进行速度优化；将路径和速度进行合成，生成轨迹。本发明是根据障碍物之间的空间分布情况进行路径搜索，进行点采样时减少无效采样点，可以提高效率；本发明用尽可能远离障碍物的路径表示弧，如果控制过程产生位置误差，车辆也不会碰到障碍物，可以保证无人驾驶车辆安全行驶。

技术领域

本发明涉及路径规划，特别是一种基于改进EM算法的局部路径规划方法、介质及设备。

背景技术

无人驾驶技术是一个涉及人工智能、传感技术、地图技术以及计算机等诸多前沿科技的综合技术。因此，技术层面无疑是无人驾驶首先要面临的一大问题。

众所周知，无人驾驶对车载传感器是十分依赖。就拿现阶段先进的传感器类型来说，激光雷达是被最认为是无人驾驶最重要的传感器之一，具有高精度和高分辨率的优势，但缺点是造价高昂、技术难度大，远远达不到民用普及。虽然已经有开发者在尽力降低激光雷达的成本，但短时间内依然是难以做到大规模量产。而高精度GPS地图技术对于无人驾驶同样非常重要，如何尽可能减少误差，帮助无人车预先得知路面的复杂信息也是无人驾驶研发者的关键任务。

目前全球的无人驾驶路测，基本上都会选择在人车稀少的地区。按照国内复杂的道路交通情况，无人驾驶很难适应人车混杂、道路拥挤、地面标线不清楚的城市路况。所以，无人驾驶要想在复杂的交通情况下安全应用，必须针对中国式路况收集大量的路况数据，并精确计算出相应的驾驶方案。当然，这将是一个极其复杂庞大的系统工程。

非结构化道路一般是指城市非主干道、乡村街道等结构化程度较低的道路，没有车道线和清晰的道路边界，再加上受阴影和水迹等的影响，道路区域和非道路区域难以区分。多变的道路类型，复杂的环境背景，以及阴影、水迹和变化的天气等等都是无人驾驶车辆在非结构化道路实现无人驾驶所面临的困难。在非结构化道路中，车辆、电动车、三轮车、行人等具有随机性，造成无人驾驶车辆在此类复杂环境下的路径规划及行驶失败率较高，这也是无人驾驶车辆待解决的重要问题之一。

EM算法常用于局部路径规划，其在一定纵向范围内根据道路边界进行横向的均匀点采样，在完成采样后进行路径生成及最优路径选取，在最优路径选取过程中才考虑障碍物，这样在进行路径生成及最优路径选取过程中会浪费很多时间和算力，且采样点间隔是人为预先设定的，没有考虑实际情况下障碍物之间的空间分布情况，在一定概率上会导致无法成功规划出行驶路径，使得规划成功率不高。

发明内容

发明目的：本发明的目的是提供一种可高效安全规划路径的基于改进EM算法的局部路径规划方法、介质及设备。

技术方案：本发明所述的一种基于改进EM算法的局部路径规划方法，包括以下步骤：

(1)输入参考线、障碍物检测结果、障碍物轨迹预测结果及车辆状态；

(2)根据障碍物生成Voronoi图并进行点采样；

(3)根据所有采样点生成路径并进行代价计算；不同纵向之间的点通过五次多项式来平滑连接，生成路径后通过代价函数的总和来评估每条路径。总的代价函数是平滑度、避障和车道代价函数的线性组合；

(4)选取代价最小的路径作为最优路径；根据每条路径的代价总和，选出一条代价最小的路径作为候选路径；

(5)根据参考线及车辆运动学约束获取速度上限；此步骤主要考虑车辆的动力学约束，例如向心力、向心加速度等约束条件，结合道路的速度上限获取车辆运动的最大速度；