一种基于车道线的弯道自动驾驶路网生成方法与装置与流程

1.本发明涉及自动驾驶系统技术领域，具体涉及一种基于车道线的弯道自动驾驶路网生成方法与装置。


背景技术：

2.路径规划模块作为决策规划子系统的重要功能，直接影响到下游控制层的执行优劣，不适当的换道、跟车、超车轨迹曲线会超出车辆运动的极限工况，且影响到驾乘人员的安全性和舒适性体验。
3.路径规划的目标是计算出安全、舒适的轨迹供无人驾驶车辆完成预定的行驶任务。安全意味着车辆在行驶过程中与障碍物保持适当的距离，避免碰撞；舒适意味着给乘客提供舒适的乘坐体验，比如避免过急的加减速度，在弯道时适当减速避免过大的向心加速度等。
4.路径规划是一个复杂的问题，由于车辆是非和谐系统，具有特殊的运动学约束条件。车辆不能独立的横向移动，需要纵向移动的同时才能获得横向偏移。躲避障碍物，特别是高速动态障碍物，也是一个比较困难的问题。对于搭载乘客的无人驾驶车辆来说，非常重要的一个要求是舒适性，规划出的轨迹必须做到平滑，将影响乘客舒适度的因素，比如加速度，向心加速度等，保持在能够容忍的范围。
5.首先，目前行业内主流是基于高精度地图的全局路径规划，当实际高速行驶过程中，货运干线物流场景会出现信号丢失，定位精度不足等问题。高精度地图成本高，制作周期长，不利于辅助驾驶的加速普及。根据《智能网联汽车高精地图白皮书》显示，采用传统测绘车方式，分米级地图的测绘效率约为每天每车500公里道路，成本为每公里10元左右，而厘米级地图的测绘效率约为每天每车100公里道路，成本可能达每公里千元。同时，高精地图后续的持续更新，意味着高精地图对于车企来说是一项长期的成本投入，长远来看，成本压力可能会更大。而且，对于卡车司机用户而言，成本是重要考虑因素。
6.同时，目前基于相机车道线在直线道路识别较为稳定，但在高速弯道上车道线会出现偏差，可视距离很短，甚至会出现畸变。当自动驾驶卡车在高速行驶中，大概率会出现跑偏和画龙现象。因此需要更精准、更合理、成本更低廉的弯道路网生成方法。


技术实现要素：

7.针对现有技术中存在的缺陷，本技术提供一种基于车道线的弯道自动驾驶路网生成方法、装置、设备和存储介质，其可以考虑转弯时复杂路况，更合理地生成路网。
8.为达到以上目的，本发明采取的技术方案是：
9.第一方面，提供一种基于车道线的弯道自动驾驶路网生成方法，包括以下步骤：
10.获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息；
11.对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息；
12.根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束；
13.将所述约束后的多条轨迹曲线拼接成路网。
14.一些实施例中，所述车辆当前位姿信息包括坐标、航向角、曲率，弯道信息包括车道线信息与道路曲率半径。
15.一些实施例中，所述对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息，包括：
16.将所述位姿信息在以图为特征的状态空间中，进行横纵向的分层撒点；
17.先进行纵向分层采集，再进行横向等间隔采集，获取采样点；
18.获取每个采样点的坐标。
19.一些实施例中，所述根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，包括以下步骤：
20.获得车辆当前a点的坐标(xa,ya)、航向角θa和曲率ka；
21.根据第一算法得到a点曲率ka，所述第一算法包括：
[0022][0023]
其中ra为a点所在位置的弯道曲率半径，且a为轨迹起始点，a点的航向角θa＝0，a点的位姿信息la＝0，la、＝0,la、、＝0，其中la表示a点的横向距离，la、表示a点的横向速度，la、、表示a点的横向加速度。
[0024]
一些实施例中，所述根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，还包括以下步骤：
[0025]
获得采样点b点的坐标(xb,yb)；
[0026]
根据第二算法得到车道线函数y，所述第二算法包括：
[0027]
y＝bo+b1x+b2x2+b3x3[0028]
其中b0，b1，b2，b3为车道线的拟合系数，x表示车道线函数的自变量，y表示车道线函数的因变量；
[0029][0030][0031][0032][0033][0034]
得到a点到b点曲率半径变化量l
b0
，b点横向速度l
b、
，b点的横向加速度lb、、，其中rb为b点所在位置的弯道曲率半径，ra为a点所在位置的弯道曲率半径，y'表示车道线函数对x的一阶导数，y”表示车道线函数对x的二阶导数；
[0035]
根据公式：
[0036][0037]
得到轨迹曲线的系数α
i0
,α
i1
,α
i2
,α
i3
,α
i4
,α
i5
，其中xa为a点横坐标，xb为b点横坐标；
[0038]
根据公式：
[0039]
li＝α
i0
+α
i1
xi+α
i2
x
i2
+α
i3
x
i3
+α
i4
x
i4
+α
i5
x
i5
[0040]
得到a点到b点之间的轨迹曲线li。
[0041]
一些实施例中，所述通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，包括以下步骤：
[0042]
根据车道线函数，获取a点横坐标对应符合b点所在车道线函数上的控制点d，获取b点横坐标对应符合a点所在车道线函数上的控制点c；
[0043]
保留处于abcd四点形成的包围框中的轨迹曲线。
[0044]
一些实施例中，所述通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，还包括：
[0045]
根据所述障碍物位姿信息，排除与其冲突的轨迹曲线，形成约束后的轨迹曲线。
[0046]
第二方面，提供一种基于车道线的弯道自动驾驶路网生成装置，包括：
[0047]
收集单元，用于获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息；
[0048]
采样单元，用于对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息；
[0049]
生成单元，用于根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，并将约束后的多条轨迹曲线拼接成路网。
[0050]
第三方面，一种计算机设备包括：处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现第一方面任意一项所述的方法。
[0051]
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现第一方面任意一项所述的方法。
[0052]
本发明中，获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息；对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息；根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束；将所述约束后的多条轨迹曲线拼接成路网。在路网生成的过程中考虑了弯道的情况与道路上障碍物的信息，因此可以生成更加合理的路网。
附图说明
[0053]
图1为本发明实施例中一种基于车道线的弯道自动驾驶路网生成方法的流程示意图；
[0054]
图2为本发明实施例中采样点采集示意图；
[0055]
图3为本发明实施例中约束轨迹曲线示意图；
[0056]
图4为本发明实施例中一种基于车道线的弯道自动驾驶路网生成装置的示意图；
[0057]
图5为本发明实施例中一种计算机设备的结构示意图。
具体实施方式
[0058]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0059]
参见图1，图1为本发明实施例提供的一种基于车道线的弯道自动驾驶路网生成方法的流程示意图。如图1所示，该方法包括但不限于以下步骤：
[0060]
s1.获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息；
[0061]
s2.对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息；
[0062]
s3.根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束；
[0063]
s4.将所述约束后的多条轨迹曲线拼接成路网。
[0064]
本发明中提供的基于车道线的弯道自动驾驶路网生成方法，通过步骤s1～s4，在路网形成的起始阶段考虑车辆自身信息以及障碍物信息的同时，还考虑了弯道的道路信息，这样可以很好的考虑在弯道驾驶时的车辆向心加速度，在保证安全行驶的同时，提高了车内人员的乘坐舒适度；在步骤s2中采用的分层采样方法，可以很好的选取多个采样点，使得规划的路径更加平滑；通过步骤s3中障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，避免了生成轨迹出现横向偏离的情况出现，提高舒适性与安全性。
[0065]
具体实现时，在步骤s1中，获取车辆当前位姿信息主要是获取坐标、航向角、曲率，所述障碍物可以为正在行驶的车辆，静止车辆或其他障碍物；所述弯道信息包括弯道路段的车道线信息与道路曲率半径。
[0066]
值得说明的是，获取所述位姿信息后，将位姿信息在以图为特征的状态空间中，进行横纵向的分层撒点；先进行纵向分层采集，再进行横向等间隔采集，获取采样点；获取每个采样点的坐标。
[0067]
其中，获得的车道线信息需要根据实际情况进行校准，具体可以通过前车行驶轨迹进行校偏补偿，根据前车的历史轨迹进行预测，将轨迹通过采样点进行拉伸和压缩。如果前车靠左边线行驶，轨迹拼接后的车道线路网结构是往外侧拉伸。反之，往内侧压缩。即通过前车与车道边线的横向距离和行驶轨迹进行实时纠正，以弥补最大视野的不足。
[0068]
值得说明的是，对于搭载自动驾驶的长途车辆而言，舒适性是驾驶员驾驶体验的重要衡量标准，规划出的轨迹必须做到平滑，将影响乘客舒适度的因素，比如加速度，向心
加速度等，保持在能够容忍的范围。实际的道路曲率半径在不停的变化，会对纵向速度有影响，如果横向加速度超过限制范围，会触发侧翻。因此，在满足最大横向加速度前提下，保证曲率尽可能平滑。
[0069]
具体实现时，在步骤s2中，如图2所示，所述对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息，包括：
[0070]
将所述位姿信息在以图为特征的状态空间中，进行横纵向的分层撒点；先进行纵向分层采集，再进行横向等间隔采集，获取采样点；获取每个采样点的坐标。
[0071]
具体的，在以图为特征的状态空间中，延车辆行驶方向，将纵向采样点分为五层，每层纵向分层，再分为横向中间左右五层采样。对自动驾驶车辆可能经过的位置采样，采样层次更清晰，避免因随机采样会导致采样点稀疏不均，采样距离过长或者过短，生成的路径随机性强的问题。
[0072]
具体实现时，在步骤s3中，所述根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，包括以下步骤：
[0073]
获得车辆当前a点的坐标(xa,ya)、航向角θa和曲率ka；
[0074]
根据第一算法得到a点曲率ka，所述第一算法包括：
[0075][0076]
其中ra为a点所在位置的弯道曲率半径，且a为轨迹起始点，a点的航向角θa＝0，a点的位姿信息la＝0，la、＝0,la、、＝0，其中la表示a点的横向距离，la、表示a点的横向速度，la、、表示a点的横向加速度。
[0077]
一些实施例中，所述根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，还包括以下步骤：
[0078]
获得采样点b点的坐标(xb,yb)；
[0079]
根据第二算法得到车道线函数y，所述第二算法包括：
[0080]
y＝b0+b1x+b2x2+b3x3[0081]
其中b0，b1，b2，b3为车道线的拟合系数，x表示车道线函数的自变量，y表示车道线函数的因变量；其中，x代表的是车身相机坐标点为原点的纵向距离；y代表的是以车身相机坐标点为原点的横向距离。
[0082][0083][0084][0085][0086][0087]
得到a点到b点曲率半径变化量l
b0
，b点横向速度lb、，b点的横向加速度lb、、，其中rb为b点所在位置的弯道曲率半径，ra为a点所在位置的弯道曲率半径，y'表示车道线函数对x的一阶导数，y”表示车道线函数对x的二阶导数；
[0088]
根据公式：
[0089][0090]
得到轨迹曲线的系数α
i0
,α
i1
,α
i2
,α
i3
,α
i4
,α
i5
，其中xa为a点横坐标，xb为b点横坐标；
[0091]
根据公式：
[0092]
li＝α
i0
+α
i1
xi+α
i2
x
i2
+α
i3
x
i3
+α
i4
x
i4
+α
i5
x
i5
[0093]
得到a点到b点之间的轨迹曲线li。
[0094]
值得说明的是，在车辆起始点与所述分层采样点之间，所处不同分层的任意两点都可以按照此方式生成轨迹曲线，生成的若干轨迹曲线需要通过约束后再进行后续的路网拼接。
[0095]
具体实现时，在步骤s3中，如图3所示，所述通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，包括以下步骤：
[0096]
根据车道线函数，获取a点横坐标对应符合b点所在车道线函数上的控制点d，获取b点横坐标对应符合a点所在车道线函数上的控制点c；保留处于abcd四点形成的包围框中的轨迹曲线。
[0097]
具体的，遍历ab曲线上所有的点p1(xi,li)，然后以该点作为判断点，开始在360
°
任意方向作一条射线，计算该射线与包围框每条边的交点个数。如果交点个数为奇数，则点位于扇形内如p1(xi,li)，偶数则在扇形外如p2(xi,li)。该算法对于复合多边形也能正确判断。
[0098]
控制点会对生成的轨迹进行检查，通过控制点的约束限制，防止生成的路网轨迹超出弯道区域限制，并进行剔除，防止占用过多的计算算力。
[0099]
一些实施例中，所述通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，还包括：
[0100]
根据所述障碍物位姿信息，排除与其冲突的轨迹曲线，形成约束后的轨迹曲线。其中，部分生成的轨迹曲线经过障碍物的坐标，说明如果车辆使用该轨迹行驶会与障碍物发生碰撞，因此，经过障碍物坐标的轨迹曲线也需要进行排除，将排除后的轨迹曲线进行路网拼接。
[0101]
因此，基于车道线的弯道自动驾驶路网生成方法，保证路径在连接点处切线连续与曲率连续，以及在换道、跟车、超车的路径曲线需要考虑是否超出车辆运动的极限工况。同时，在保证路径连续和平滑的同时，保证轨迹点的可控性。另外，考虑到障碍物与车辆规划路径之间的碰撞几何关系，从而使得自动驾驶卡车在连续弯道上能低成本、安全和舒适的行驶，做出合理的决策，帮助司机做出最优的判断。
[0102]
参见图4本发明实施例还提供了一种基于车道线的弯道自动驾驶路网生成装置，包括：
[0103]
收集单元，用于获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息；
[0104]
采样单元，用于对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息；
[0105]
生成单元，用于根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，并将约束后的多条轨迹曲线拼接成路网。
[0106]
一些实施例中，收集单元用于获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息，其中车辆当前位姿信息包括坐标、航向角、曲率，弯道信息包括车道线信息与道路曲率半径。
[0107]
一些实施例中，采样单元用于对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息，包括：
[0108]
将所述位姿信息在以图为特征的状态空间中，进行横纵向的分层撒点；先进行纵向分层采集，再进行横向等间隔采集，获取采样点；获取每个采样点的坐标。
[0109]
一些实施例中，生成单元用于根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，包括以下步骤：
[0110]
获得车辆当前a点的坐标(xa,ya)、航向角θa和曲率ka；
[0111]
根据第一算法得到a点曲率ka，所述第一算法包括：
[0112][0113]
其中ra为a点所在位置的弯道曲率半径，且a为轨迹起始点，a点的航向角θa＝0，a点的位姿信息la＝0，la、＝0,la、、＝0，其中la表示a点的横向距离，la、表示a点的横向速度，la、、表示a点的横向加速度。
[0114]
一些实施例中，生成单元还用于根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，还包括以下步骤：
[0115]
获得采样点b点的坐标(xb,yb)；
[0116]
根据第二算法得到车道线函数y，所述第二算法包括：
[0117]
y＝b0+b1x+b2x2+b3x3[0118]
其中b0，b1，b2，b3为车道线的拟合系数，x表示车道线函数的自变量，y表示车道线函数的因变量；
[0119][0120][0121][0122][0123]
[0124]
得到a点到b点曲率半径变化量l
b0
，b点横向速度lb、，b点的横向加速度lb、、，其中rb为b点所在位置的弯道曲率半径，ra为a点所在位置的弯道曲率半径，y'表示车道线函数对x的一阶导数，y
″
表示车道线函数对x的二阶导数；
[0125]
根据公式：
[0126][0127]
得到轨迹曲线的系数α
i0
,α
i1
,α
i2
,α
i3
,α
i4
,α
i5，
其中xa为a点横坐标，xb为b点横坐标；
[0128]
根据公式：
[0129]
li＝α
i0
+α
i1
xi+α
i2
x
i2
+α
i3
x
i3
+α
i4
x
i4
+α
i5
x
i5
[0130]
得到a点到b点之间的轨迹曲线li。
[0131]
一些实施例中，生成单元还用于通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，包括以下步骤：
[0132]
根据车道线函数，获取a点横坐标对应符合b点所在车道线函数上的控制点d，获取b点横坐标对应符合a点所在车道线函数上的控制点c；保留处于abcd四点形成的包围框中的轨迹曲线。
[0133]
一些实施例中，生成单元还用于通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，包括：根据所述障碍物位姿信息，排除与其冲突的轨迹曲线，形成约束后的轨迹曲线。
[0134]
本发明中的基于车道线的弯道自动驾驶路网生成装置，用于：获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息；对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息；根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束；将所述约束后的多条轨迹曲线拼接成路网。在路网生成的过程中考虑了弯道的情况与道路上障碍物的信息，因此可以生成更加合理的路网。
[0135]
需要说明的是，本技术实施例中的各步骤的步骤标号，其并不限制本技术技术方案中各操作的前后顺序。
[0136]
需要说明的是，所属本领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各单元的具体工作过程，可以参考前述基于车道线的弯道自动驾驶路网生成方法实施例中的对应过程，在此不再赘述。
[0137]
上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图5所示的计算机设备上运行。
[0138]
本技术实施例还提供了一种计算机设备，包括：通过系统总线连接的存储器、处理器和网络接口，存储器中存储有至少一条指令，至少一条指令由处理器加载并执行，以实现前述的基于车道线的弯道自动驾驶路网生成方法的全部步骤或部分步骤。
[0139]
其中，网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理
解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0140]
处理器可以是cpu，还可以是其他通用处理器、dsp(digital signal processor，数字信号处理器)、asic(application specific integrated circuit，专用集成电路)、fpga(field programmable gate array，现场可编程逻辑门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件分立硬件组件等。通用处理器可以是微处理器，或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
[0141]
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如视频播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如视频数据、图像数据等)等。此外，存储器可以包括高速随存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、smc(smart media card，智能存储卡)、sd(secure digital，安全数字)卡、闪存卡(flash card)、至少一个磁盘存储器件、闪存器件或其他易失性固态存储器件。
[0142]
本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现前述的基于车道线的弯道自动驾驶路网生成的全部步骤或部分步骤。
[0143]
本技术实施例实现前述的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、rom(read-only memory，只读存储器)、ram(random access memory，随机存取存储器)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0144]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0145]
本技术是参照根据本技术实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现
在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0146]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0147]
以上所述仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种基于车道线的弯道自动驾驶路网生成方法，其特征在于，该方法包括以下步骤：获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息；对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息；根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束；将所述约束后的多条轨迹曲线拼接成路网。2.如权利要求1所述的一种基于车道线的弯道自动驾驶路网生成方法，其特征在于，所述车辆当前位姿信息包括坐标、航向角、曲率，弯道信息包括车道线信息与道路曲率半径。3.如权利要求2所述的一种基于车道线的弯道自动驾驶路网生成方法，其特征在于，所述对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息，包括：将所述位姿信息在以图为特征的状态空间中，进行横纵向的分层撒点；先进行纵向分层采集，再进行横向等间隔采集，获取采样点；获取每个采样点的坐标。4.如权利要求3所述的一种基于车道线的弯道自动驾驶路网生成方法，其特征在于，所述根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，包括以下步骤：获得车辆当前a点的坐标(x
a
,y
a
)、航向角θ
a
和曲率k
a
；根据第一算法得到a点曲率k
a
，所述第一算法包括：其中r
a
为a点所在位置的弯道曲率半径，且a为轨迹起始点，a点的航向角θ
a
＝0，a点的位姿信息l
a
＝0，l
a
`＝0,l
a
``＝0，其中l
a
表示a点的横向距离，l
a
`表示a点的横向速度，l
a
``表示a点的横向加速度。5.如权利要求4所述的一种基于车道线的弯道自动驾驶路网生成方法，其特征在于，所述根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，还包括以下步骤：获得采样点b点的坐标(x
b
,y
b
)；根据第二算法得到车道线函数y，所述第二算法包括：y＝b0+b1x+b2x2+b3x3其中b0，b1，b2，b3为车道线的拟合系数，x表示车道线函数的自变量，y表示车道线函数的因变量；因变量；因变量；
得到a点到b点曲率半径变化量l
b0
，b点横向速度l
b
`，b点的横向加速度l
b
``，其中r
b
为b点所在位置的弯道曲率半径，r
a
为a点所在位置的弯道曲率半径，y'表示车道线函数对x的一阶导数，y”表示车道线函数对x的二阶导数；根据公式：得到轨迹曲线的系数α
i0
,α
i1
,α
i2
,α
i3
,α
i4
,α
i5，
其中x
a
为a点横坐标，x
b
为b点横坐标；根据公式：l
i
＝α
i0
+α
i1
x
i
+α
i2
x
i2
+α
i3
x
i3
+α
i4
x
i4
+α
i5
x
i5
得到a点到b点之间的轨迹曲线l
i
。6.如权利要求5所述的一种基于车道线的弯道自动驾驶路网生成方法，其特征在于，所述通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，包括以下步骤：根据车道线函数，获取a点横坐标对应符合b点所在车道线函数上的控制点d，获取b点横坐标对应符合a点所在车道线函数上的控制点c；保留处于abcd四点形成的包围框中的轨迹曲线。7.如权利要求5所述的一种基于车道线的弯道自动驾驶路网生成方法，其特征在于，所述通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，还包括：根据所述障碍物位姿信息，排除与其冲突的轨迹曲线，形成约束后的轨迹曲线。8.一种基于车道线的弯道自动驾驶路网生成装置，其特征在于，包括：收集单元，用于获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息；采样单元，用于对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息；生成单元，用于根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束，并将约束后的多条轨迹曲线拼接成路网。9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至7中任一项所述的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的方法的步骤。

技术总结
本发明公开了一种基于车道线的弯道自动驾驶路网生成方法与装置，涉及自动驾驶系统技术领域，一种自动驾驶轨迹拼接和路网生成方法，包括以下步骤：获取车辆当前位姿信息、障碍物在地图上的位姿信息与弯道信息；对所述车辆当前位姿信息以及障碍物在地图上的位姿信息进行分层采样，获取采样点信息；根据所述采样点信息与弯道信息在不同层的任意两点间生成轨迹曲线，通过障碍物位姿信息与轨迹约束点对生成的轨迹曲线进行约束；将所述约束后的多条轨迹曲线拼接成路网。本发明中的基于车道线的弯道自动驾驶路网生成方法，其可以考虑转弯时复杂路况，更合理地生成路网。更合理地生成路网。更合理地生成路网。


技术研发人员：夏然飞 杨月 付源翼 乔苗苗 王荣荣
受保护的技术使用者：东风商用车有限公司
技术研发日：2023.06.29
技术公布日：2023/10/5