[发明专利]一种基于控制采样的智能车辆路径规划系统及方法

说明书

本发明请求保护一种基于控制采样的智能车辆路径规划系统及方法，该系统由环境地图模块、车辆状态计算模块、路径搜索模块组成。环境地图模块存储车载传感器检测到的环境信息和车辆状态信息，并构造实时环境地图用于路径规划。车辆状态计算模块基于环境模型和车辆状态扩展模型，提供车辆状态扩展、车辆状态评价以及对状态的碰撞检查功能。路径搜索模块执行初步路径搜索算法得到初步路径，再利用带切向约束的二次B样条插值初步路径，得到连续的最终路径。本发明所述路径规划系统及方法具有良好的实时性、收敛性，规划的路径符合车辆运动学约束，可执行性佳。

技术领域

本发明属于计算机和自动化技术，特别是智能车辆路径规划技术领域，具体涉及一种基于控制采样的智能车辆路径规划系统及方法。

背景技术

路径规划技术是智能车辆关键技术问题之一。智能车辆在动态的不确定环境中，根据环境感知系统和车辆状态测量系统提供的信息，和所要到达的目的地，实时地规划出车辆当前应该行驶的路径，使车辆能安全快速地到达终点。

中国专利申请：用于无人驾驶汽车局部路径规划的装置及方法(申请号：201110007154.X)采用人工势场法综合环障碍物和目标点等因素的影响产生最终路径。该方法简单易行，实时性有保证，但是产生的路径可能违背车辆运动学约束，运动控制系统执行起来会有较大误差。中国专利申请：一种随机路线图的快速路径规划方法及增强方法(申请号：201010519248.0)改进的PRM(Probabilistic Roadmaps Method，概率路径图法)方法解决了一般PRM方法完全等概率均匀分布自由节点导致困难区域自由节点数目分布不够的问题，具有较好的完备性，减少了遗漏某些通过困难区域的可行路径的概率，但与传统PRM方法一样未能解决基于随机获得的自由节点产生的路径不能保证符合车辆运动学约束的问题。文献：”杜明博等，复杂环境下基于RRT的智能车辆运动规划算法，机器人,2015(04):443-450”在距离度量函数中加入了对路段间夹角的度量，一定程度上改善路径的平顺性，但此限制排除了大量符合车辆运动学的路径形态，导致在较复杂的环境下路径规划成功率较低。文献：”Hundelshausen F.V.，et al.Driving with tentacles:Integralstructures for sensing and motion，Journal of Field Robotics，2009，25(9):640-673”通过对预先设定好的平滑路径簇中路径进行评价来选取一条最优路径执行，但没有考虑到车辆前轮转角对路径选择的限制而导致选取的最优路径与车辆实际运动轨迹有较大差距。文献：”Lee Cheng-Lung,et al.A new trajectory-based path planning approachfor differential drive vehicles，2013IEEE International Symposium on Roboticand Sensors Environments”依据差分运动方程生成其在不同控制输入和运动状态下的轨迹集，依据探测到的实时障碍位置和实时车速对这些轨迹进行筛选匹配出合适的轨迹执行。该类探索型机器人的应用场景中环境完全是未知的，因此机器人的运动过程并没有清晰的目标，因此是一种反应式运动规划方法，与智能车辆的路径规划应用场景不同。

在现有的路径规划方法中，基于采样的路径规划方法避免了对路径与环境精确建模，具有实现简单，实时性高等特点，因此在智能车辆路径规划领域内被广泛使用。目前流行的PRM等基于采样的路径规划方法直接采样于车辆所在的构型空间，产生的路径具有较强的不确定性，路径过于抖动、曲折，不可避免地会违背车辆运动学约束，使得路径的可执行性差。

发明内容

本发明的目的是解决无人驾驶智能车辆的路径规划问题。当存在大量无规则分布障碍物时，现有智能车辆路径规划方法存在建模复杂，计算复杂度高，收敛速度慢，规划出的路径可执行性差等问题，为此本发明提出了一种无须对环境、轨迹等进行复杂的建模、有较快的收敛速度、规划出的路径符合车辆运动学约束，可执行性佳的基于控制采样的智能车辆路径规划系统及方法。本发明的技术方案如下：