技术摘要：
本发明公开了一种基于三层架构的无人驾驶汽车路径规划方法，它包括如下步骤：步骤1：建图，对应用场景的道路进行抽象和数学描述，对道路进行表示和存储；步骤2：应用，利用该特定场景已经建好的路网地图，根据任务需求，在路网地图上实现规划路径。本发明的有益效果在  全部
背景技术：
随着汽车工业的发展，汽车越来越成为社会生产与日常生活中的重要组成部分； 与此同时，汽车安全问题也逐渐成为人们关注的焦点，如何能更有效地提高车辆行驶安全 性已经成为各国政府和研究机构共同面对的问题。其中无人驾驶汽车被公认为大幅减小交 通安全事故的最佳途径，因而成为世界交通运输领域研究的前沿和热点。 无人驾驶汽车是一个综合环境感知、路径规划、运动控制于一体的复合系统，其中 路径规划是无人车辆环境感知和车辆控制的桥梁，是实现车辆任务执行、主动避障、自动导 航等重要功能的关键技术，是无人车辆自主驾驶的基础。 无人驾驶汽车路径规划是指在一定的环境模型基础上，给定无人驾驶汽车起始点 和目标点后，按照性能指标规划出一条无碰撞、能安全到达目标点的有效路径。路径规划任 务广义上可以分为全局路径规划和局部路径规划两大部分，其中全局路径规划用于实现寻 找从起点到终点的不发生碰撞的静态几何轨迹，主要侧重于道路的表示方法，并不能体现 路上各种行人、车辆等动态或者静态障碍物，也不考虑车辆的运动性能和运动时间等因素； 局部路径规划也称为运动路径规划，侧重于考虑车辆当前的局部环境信息，让无人驾驶汽 车具有良好的避障能力，通过传感器对机器人的工作环境进行探测，以获取障碍物的位置 和几何性质等信息，用于实现在局部范围内车辆进行躲避障碍物等安全行驶的近距离路径 规划。局部路径规划需要考虑车辆的大小、转弯性能、运动速度等因素，确保规划出来的结 果能够被车辆正确的执行。 目前的无人驾驶路径规划方法众多，全局路径规划有Dubins路径算法、A星搜索算 法、遗传算法等方法，如典型的Dubins路径算法是生成光滑路径最常用、最广泛、最出名的 一种全局路径规划方法之一，其表示机器人向前行驶的最短路径，通过多组圆弧和直线段 组合而成，其中直线段部分是对应的圆弧的切线。该方法的缺点是在圆弧和直线的连接点 处不连续，如果想要精确按照预先设定好的路径行驶，就必须要在连接点处停下来，然后原 地转弯，再开始行驶。A星搜索算法和遗传算法都是先建立点和线形式表示的全局路网，然 后通过不同的搜索策略，来寻找合适的全局路径轨迹。 局部路径规划主要有基于图搜索的方法、基于随机生成的方法、基于轨迹生成的 方法、基于智能群落算法等几大类，但是用的最多的还是基于图搜索的方法。经典A星算法 的实现步骤如下：建立搜索网格，确定起点、目标点和障碍物位置，建立OPEN表和CLOSE表， 利用点之间的距离作为代价，采用的评估函数F＝G H的含义为：F为从初始状态到目标状态 的代价估计，G为从初始状态到下一状态的代价，H为下一状态到目标状态的最佳路径的代 价。 业内把局部路径规划和全局路径规划分开进行设计，其优点是模块化设计使每个 部分更具有通用性和独立性，但是缺点是没有结合底层平台和全局环境统筹进行考虑，相 4 CN 111596664 A 说　明　书 2/6 页 互之间关联性不强导致丢失很多有用的信息，对具体的无人驾驶汽车应用而言并不是最优 的选择。
技术实现要素：
本发明的目的是提供一种基于三层架构的无人驾驶汽车路径规划方法，它能够针 对特定的应用场景，紧耦合顶层路网信息和底层局部路径规划，保留更多的环境信息和平 台性能信息，提升无人驾驶车辆的自主驾驶性能。 本发明的技术方案如下：一种基于三层架构的无人驾驶汽车路径规划方法，它包 括如下步骤： 步骤1：建图 对应用场景的道路进行抽象和数学描述，对道路进行表示和存储； 步骤2：应用 利用该特定场景已经建好的路网地图，根据任务需求，在路网地图上实现规划路 径。 所述的步骤1包括如下： S11：确定应用场景的范围，获取该场景卫星地图Map，获取应用场景的无人驾驶汽 车真实驾驶轨迹图Tra； S12：选择场景中道路的关键点，构建全局路网层Info_Map； S13：建立Map与Tra之间的映射关系(R,T,k)，使得Map＝k*(R*Tra T)； S14：根据全局路网层的路网节点，从Tra中选取任意相连两节点ij之间的轨迹段 Pij，组成路径轨迹层∑P； S15：构建搜索列表Info_Map_Search和索引列表Info_Map_List； S16：建图完毕。 所述的步骤S11中，真实驾驶轨迹图Tra由应用场合真实运行，记录其行驶轨迹包 括卫星定位信息，然后按系数dis_Tra对轨迹进行稀疏化，dis_Tra取值在0.5米-3米之间。 所述的步骤S12中，构建全局路网层时，用两个节点来表示转弯，Info_Map中的一 个三岔路口需要用三个节点来表示，十字路口需要用四个节点来表示。 所述的步骤S14中，组成路径轨迹层的轨迹段由真实轨迹图Tra中获取得到，Pij表 示从节点i到节点j之间的真实轨迹段。 所述的步骤S15中，搜索列表Info_Map_Search只与全局路网层Info_Map相关，定 义了每个路网节点的序列号，相邻节点号；索引列表Info_Map_List定义了路网节点与路径 轨迹层∑P之间的对应关系。 所述的步骤2包括如下步骤： S21：输入目标位置TP，当前位置CP，设置规划执行层中的障碍物图CostMap的尺 寸，分辨率等参数； S22：在搜索列表Info_Map_Search中进行搜索，得到全局路网层中的路径序列 List； S23：根据List在索引列表Info_Map_List中找出对应的轨迹片段，生成路径轨迹 层中的轨迹路径Guide_Line； 5 CN 111596664 A 说　明　书 3/6 页 S24：根据当前位置CP和CostMap的大小，从Guide_Line中截取期望路径引导线 Part_Guide_Line； S25：在路径规划层进行基于期望路径引导线Part_Guide_Line的局部避障规划方 法，得到局部路径规划结果result_L； S26：输出结果result_L。 所述的S22中采用运用传统的A星搜索算法就能够计算出目标位置TP和当前位置 CP之间的序列点list。 所述的在S25中采用了改进的A星搜索方法，结合Part_Guide_Line，其中，F(i)＝G (i) H1(i)*α1 H2(i)*α2 H3(i)*α3 H4(keyPoint)*α4，式中，H1(i)表示该节点到引导线 Part_Guide_Line之间的最小距离值；H2(i)为i节点到引导线最小距离所对应的点到目标 点之间的距离；H3(i)为节点i到关键点keyPoint之间的距离；H4(keyPoint)表示从 keyPoint到目标点之间的距离；α1、α2、α3、α4为权重系数。 本发明的有益效果在于：(1)利用三层架构统筹考虑了全局路径规划和局部路径 规划，使两者之间和物理平台紧密联系，给道路局部路径规划提供更多有用的信息，提升了 规划性能；(2)针对大型园区无人运输物流、小区无人快递车、港口无人运输大卡车等特定 的无人驾驶技术应用场景，本发明利用全局路网层来表示路网结构，使用灵活；(3)本发明 第三层规划执行层引入基于引导线的改进A星搜索方法，利用引导线和关键点，既最大可能 保留了符合预期的局部规划路径，又保持了灵活绕障的特点。该发明可以直接用于大型园 区无人运输物流、小区无人快递车、港口无人运输大卡车等特定的无人驾驶技术应用场景， 能够提升无人驾驶技术，进一步推广无人驾驶产品的应用，产生较好的经济效益。 附图说明 图1为应用场景卫星地图Map； 图2为无人驾驶汽车在应用场景中真实轨迹图Tra； 图3为生成的全局路网层Info_Map效果示意图； 图4为真实轨迹图Tra映射到全局路网层Info_Map的效果示意图； 图5为路径轨迹层映射到全局路网层Info_Map的效果示意图； 图6为基于引导线的改进A星搜索示意图； 图7为基于三层架构的路径规划方法效果示意图； 图8为规划执行层规划效果示意图。