[发明专利]一种适用于大型复杂场景下的分层局部路径规划方法

说明书

本发明公开一种适用于大型复杂场景下的分层局部路径规划方法，获取车辆当前位置为中心的局部栅格地图，在所述局部栅格地图中标记障碍物；生成全局引导路径并提取关键点；在混合A*方法的基础上，通过引入分层的搜索过程、预先的引导路径和局部终点生成、改进启发式函数扩展策略和基于朝向一致性的限制策略；通过在粗尺度下进行引导路径搜索，细尺度下的启发式函数准确度有效提升，从而减少了搜索耗时；在具体的搜索方法中，通过引入双优先队列，避免重复扩展的问题；同时，的朝向限制也避免了异常路径的生成；通过引入扩展的搜索空间和螺线的搜索基元，规划得到的路径具有曲率平滑的特性，更加有利于车辆跟随。

技术领域

本发明属于自主驾驶车辆领域，具体涉及一种适用于大型复杂场景下的分层局部路径规划方法。

背景技术

自主驾驶技术已部分应用在我们的生活中，但在一些大型复杂的环境内，自主驾驶车辆仍然难以实现和人类驾驶员类似的驾驶水平。自动驾驶效果的优劣很大程度上受到路径规划模块的影响。面对车辆的运动约束、车内乘客的安全舒适要求，规划过程必须具有高实时性，同时生成的路径必须具有高平滑性。

现有的规划方法分为依赖结构化地图的规划和在自由空间内规划两类。前者可以通过预先对地图的优化提升路径规划的质量，但仅能应用在具有明确结构化信息的场景。后者通过图搜索的方式对环境进行探索，但往往搜索的实时性和路径的平滑性都难以满足。

当前研究者提出了基于A*路径搜索以及直线与圆作为基元的混合A*方法，可以生成从起点位姿到终点位姿的朝向连续的路径，用于车辆跟踪。但是，对于大型场景来说，这种方法仍然面临搜索速度过慢的问题。同时，由于搜索结果不具有曲率连续性，在车辆执行的过程中，曲率的突变仍然会对乘客体验造成影响。

发明内容

为了解决现有技术中存在的问题，本发明提供一种面向大型场景的快速局部路径生成方法，本发明应用修改的混合A*方法，使之能在大型复杂场景下完成快速、安全的局部路径规划，通过引入由初步全局路径规划得到的引导点，改进的启发式函数和受限的曲线扩展方式，大幅提升混合A*方法在复杂场景下的搜索速度。

为了实现上述目的，本发明采用的技术方案是：一种适用于大型复杂场景下的分层局部路径规划方法，包括以下步骤：

S100，获取车辆当前位置为中心的局部栅格地图，在所述局部栅格地图中标记障碍物；

S200，生成全局引导路径并提取关键点；

S300，基于修改的混合A*算法获取满足全局终点要求的局部终点：

S301，定义搜索节点的结构，基于所述结构得到搜索节点的启发式函数h和临近搜索密度；

S302，构建OPEN表和BUFF表，OPEN表用于存储待探索的节点，BUFF表用于临时存储需要按照密度调整扩展优先级顺序的点；同时设置初始的密度判别阈值ρ_th＝0，OPEN表中仅装入车辆当前位置对应节点，BUFF表留空；

S303，根据OPEN表和BUFF表中的点的确定当前节点；

S304，按照更新密度阈值ρ_th；

S305，如果当前节点来自OPEN表，且ρ(s_BUFF)＞ρ_th，则将当前节点装入BUFF表，并再跳转至S303；

S306，判断当前节点是否满足全局终点的要求，如果当前节点满足全局终点的要求，跳转至S400；

S307，如果当前节点不满足全局终点的要求，则判断当前节点是否能通过RS曲线链接到下一个局部终点，如果是，则创建这样的RS曲线并构建父节点关系，将下一个局部终点添加至OPEN表并跳转至S303；