【技术实现步骤摘要】
本专利技术属于移动机器人导航和路径规划领域，具体涉及一种用于结构化路面的无人清洁车行为规划方法。
技术介绍
1、无人驾驶技术近年来发展迅速，在物流、环境卫生等多个领域展现出广阔的应用前景。作为无人驾驶技术的一个重要应用场景，结构化路面上的无人清洁作业车辆具有路况单一、障碍物有限等特点，是无人驾驶技术落地的重要领域。
2、传统的无人驾驶路径规划算法主要分为全局路径规划和局部路径规划两个阶段。全局路径规划主要基于车载高精地图，预先规划出粗糙的全程参考路线；局部路径规划则根据即时获取的环境信息，结合全局路径进行细微调整，规避障碍物。
3、常见的全局路径规划算法有a*、d*等，通过建图和启发式搜索找到最优路径。局部路径规划算法有采样型rrt（rapidly-exploring random tree）、优化型tpbv（timedparallel bias values）等，前者以随机采样的方式不断探索可行解，后者则在现有路径的基础上进行渐进式优化。
4、上述算法在通用无人驾驶场景下表现不错，但应用于结构化路面的无人清洁车存在一些缺陷：
5、1）算法计算复杂度高，很难满足无人清洁车的实时性和经济性要求；
6、2）未充分考虑无人清洁车的工作特点，如贴边清扫、避障行驶等，无法获得精细化的路径规划；
7、3）规划出的避障轨迹往往只考虑局部通行能力，没有充分利用参考轨迹中给出的最优行驶方向。
技术实现思路
1、为解决现有技术的不
2、一种用于结构化路面的无人车行为规划方法，包括如下步骤：
3、步骤s1：无人车根据预设的参考轨迹在结构化路面上循迹行驶，并获取无人车所处环境数据；
4、步骤s2：根据环境和车辆数据，自动调整车辆运行状态；当识别到参考轨迹上存在障碍物时，在参考轨迹的基础上，根据计算设备性能设定采样间距，向参考轨迹两侧平移采样，生成一组候选避障轨迹，以参考轨迹为中心线，基于采样间距计算居中代价、转弯代价和碰撞代价，以此评估避免碰撞前提下，贴近中心线和减少换道行驶，以提高行驶效率，如弯道时需要尽可能贴近参考轨迹行驶，得到最优避障轨迹，避障完成后，当无人车前方轨迹不存在障碍物或无人车进入弯道时，无人车继续进行循迹行驶。
5、进一步地，所述步骤s2中的避障过程，包括如下步骤：
6、步骤s2.1：按纵向距离将车前的参考轨迹分为变道、平行两段；
7、步骤s2.2：基于预设范围、预设间距，根据计算设备性能状况确定采样间距，在平行段向两侧等距采样，生成若干条候选避障轨迹；
8、其中，平行段中的候选避障轨迹航点，由参考轨迹航点按若干倍采样间距横向平移而来；变道段中的候选避障轨迹航点，由车辆位姿到对应平行段轨迹的横向距离差，按纵向距离分段投影而来，其起始点在车辆，逐渐增加横向距离，使得结束点即平行段轨迹起点；完整的轨迹由上述两段航点构成；
9、步骤s2.3：通过分段多次样条插值和共轭梯度平滑等方法，对生成的轨迹进行平滑化。
10、进一步地，所述步骤s2中，采样间距的计算公式如下：
11、
12、其中，表示平行段等距采样间距，表示最大采样间距，表示最小采样间距，表示预设的采样间距，表示计算设备预设的cpu理想占用率；在预设范围内，轨迹采样模块按等距生成绕障的候选避障轨迹。
13、进一步地，所述步骤s2中，评估的代价函数如下：
14、
15、其中，表示轨迹的避障代价，表示自然对数，表示轨迹弯道半径，表示允许变道时的轨迹弯道半径，表示轨迹的居中代价，表示轨迹的换道代价，表示轨迹的横向碰撞代价，表示轨迹的纵向碰撞代价，分别表示居中、变道、横向碰撞、纵向碰撞代价权重；
16、居中、变道、横向碰撞、纵向碰撞代价的公式如下：
17、
18、
19、
20、
21、其中，表示轨迹采样间距，表示中心轨迹下标，表示当前所在轨迹下标，表示障碍物控制点总数，表示障碍物控制点到中心轨迹的垂直距离，表示车辆往点方向最近航点的距离，表示车辆和点中间的轨迹距离，表示点往车辆方向最近航点的距离。
22、进一步地，所述步骤s2中，还需评估优先避障方向和主动贴边行驶，这是为了在特定场景下，如向左超车或需要沿边清洁的区域，能够实现更好的路径规划，评估的代价函数：
23、
24、其中，表示轨迹的代价，表示自然对数，表示轨迹弯道半径，表示允许变道时的轨迹弯道半径，表示轨迹的居中代价，表示轨迹的换道代价，表示轨迹的横向碰撞代价，表示轨迹的纵向碰撞代价，表示路段优先避障方向代价，表示主动贴边代价，分别表示居中、变道、横向碰撞、纵向碰撞、优先避障方向、主动贴边代价权重；
25、优先方向代价、主动贴边代价的公式如下：
26、
27、
28、。
29、进一步地，所述步骤s1中，通过环境数据提取路沿信息、生成贴边轨迹；所述步骤s2中，当无人车进入预设的贴边路段，且检测到路沿时，从循迹行驶切换到贴边行驶，参考轨迹被贴边轨迹取代，贴边轨迹是基于语义地图模块提供的局部环境的可通行区域信息及人车信息，通过轻量级边沿检测算法得到的。
30、进一步地，所述贴边行驶时，当检测到障碍物出现在前方贴边轨迹上，且车辆无法继续通行时，无人车由贴边行驶切换到停止状态。
31、进一步地，所述步骤s2中，当识别到参考轨迹上存在障碍物时，无人车从循迹行驶切换到停止状态。
32、进一步地，在停止状态中，无人车评估周围环境，计算等待代价，当等待代价超过阈值时，无人车再从停止状态切换到避障状态。无人车的等待代价可以由等待时间结合场景动态性计算，等待时间短，场景动态性大，等待代价值低；等待时间长，场景动态性高，等待代价高。
33、一种用于结构化路面的无人清洁车行为规划方法，应用于搭载了清洁设备和感知设备的无人清洁车，所述感知设备将采集无人车所处环境数据，用于所述的一种用于结构化路面的无人车行为规划方法，规划无人清洁车的行为。
34、本专利技术的优势和有益效果在于：
35、本专利技术对结构化路面场景，提出一种实时性好、合理避障且符合交通习惯的行为规划算法，融合了状态机、语义地图、轨迹采样、轨迹评估等多个模块，通过自动调整状态、提供环境信息、生成避障轨迹并进行评估，实现了无人清洁车在结构化路面上的高效、安全的行为规划，能够自动调整状态、生成并评估避障轨迹，有效提高了路径规划的准确性和安全性，解决了现有技术中无人清洁车行为规划中的多项技术问题，如适应多变的行驶环境、精确避障和路径优化等。
本文档来自技高网...【技术保护点】
1.一种用于结构化路面的无人车行为规划方法，其特征在于包括如下步骤：
2.根据权利要求1所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤S2中的避障过程，包括如下步骤：
3.根据权利要求1所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤S2中，采样间距的计算公式如下：
4.根据权利要求1所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤S2中，评估的代价函数如下：
5.根据权利要求4所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤S2中，还需评估优先避障方向和主动贴边行驶，评估的代价函数：
6.根据权利要求1所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤S1中，通过环境数据提取路沿信息、生成贴边轨迹；所述步骤S2中，当无人车进入预设的贴边路段，且检测到路沿时，从循迹行驶切换到贴边行驶，参考轨迹被贴边轨迹取代。
7.根据权利要求6所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述贴边行驶时，当检测到障碍物出现在
8.根据权利要求1所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤S2中，当识别到参考轨迹上存在障碍物时，无人车从循迹行驶切换到停止状态。
9.根据权利要求7或8所述的一种用于结构化路面的无人车行为规划方法，其特征在于：在停止状态中，无人车评估周围环境，计算等待代价，当等待代价超过阈值时，无人车再从停止状态切换到避障状态。
10.一种用于结构化路面的无人清洁车行为规划方法，应用于搭载了清洁设备和感知设备的无人清洁车，其特征在于：所述感知设备将采集无人车所处环境数据，用于权利要求1至9任一项所述的一种用于结构化路面的无人车行为规划方法，规划无人清洁车的行为。
...【技术特征摘要】
1.一种用于结构化路面的无人车行为规划方法，其特征在于包括如下步骤：
2.根据权利要求1所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤s2中的避障过程，包括如下步骤：
3.根据权利要求1所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤s2中，采样间距的计算公式如下：
4.根据权利要求1所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤s2中，评估的代价函数如下：
5.根据权利要求4所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤s2中，还需评估优先避障方向和主动贴边行驶，评估的代价函数：
6.根据权利要求1所述的一种用于结构化路面的无人车行为规划方法，其特征在于：所述步骤s1中，通过环境数据提取路沿信息、生成贴边轨迹；所述步骤s2中，当无人车进入预设的贴边路段，且检测到路沿时，从循迹行驶切换到贴边行驶...
【专利技术属性】
技术研发人员：杨国青，周逸群，胡腾飞，李红，吕攀，潘之杰，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。