【技术实现步骤摘要】
本专利技术属于无人车辆控制，具体涉及一种基于区域图像相对定位的无人车辆行进路径规划方法。
技术介绍
1、无人驾驶车辆的路径规划技术是实现车辆自主导航的关键技术之一。随着智能交通系统的发展，无人车辆路径规划技术的研究变得尤为重要。随着自动驾驶技术的发展，对于无人车辆在未知环境中的定位技术成为研究的核心，在没有gps信号的情况下，同步定位与地图构建（slam）技术、多传感器融合解决方案等技术被用来实现无人车辆的路径规划和自动驾驶任务。
2、传统的路径规划方法，如dijkstra算法等，虽然在全局路径规划中表现出色，但在处理无人车辆的连续性机动和避障时存在不足，这些算法往往忽视了无人车辆的动力学特性，导致规划出的路径可能不够平滑或者与障碍物距离过近，无法及时避免潜在风险。
3、区域图像相对定位技术作为一种新兴的技术，能够在无人车辆行进过程中提供精确的定位信息。通过分析车辆周围的图像信息，该技术能够实现对车辆位置的精确估计，这对于无人车辆在复杂环境中的路径规划至关重要。
技术实现思路
1、为解决上述问题，本专利技术提供了一种基于区域图像相对定位的无人车辆行进路径规划方法，以解决现有技术中的问题。
2、为了达到上述的专利技术目的，本专利技术提出一种基于区域图像相对定位的无人车辆行进路径规划方法，包括：
3、步骤s1：无人车辆配置的无人机在预设的第一高度对目标区域进行拍摄，获得所述目标区域的全景图像数据，从所述全景图像数据中提取出所述无人车辆的出
4、步骤s2：建立ddqn网络模型，所述ddqn网络模型基于所述出发点位置信息、所述目标点位置信息和所述地貌特征生成所述无人车辆从出发点至目标点的行驶路径；
5、步骤s3：所述无人机在预设的第二高度对所述目标区域中的多个子区域进行拍摄，获得局部图像数据，对所述局部图像数据进行处理获得无人车辆的行驶速度；
6、步骤s4：建立frenet坐标系，获取所述无人车辆在所述frenet坐标系下的位置坐标，基于所述位置坐标和所述行驶速度在所述行驶路径上设置导航点，对所述导航点进行优化处理，基于优化处理后的所述导航点生成无人车辆最终的优化路径。
7、进一步地，生成所述无人车辆从出发点至目标点的行驶路径包括以下步骤：
8、基于所述地貌特征建立所述目标区域的仿真环境模型，将所述无人车辆放在所述仿真环境模型下进行自主随机探索，获得所述无人车辆的探索数据，将所述探索数据存放至经验回放池进行存储；
9、从所述经验回放池中提取样本数据，将所述样本数据输入至所述ddqn网络模型，所述ddqn网络模型包括行为网络和评价网络，所述行为网络分析所述样本数据生成在行驶状态下的多个动作数据，定义所述评价网络的目标函数，所述目标函数为最小化所述无人车辆的当前位置与目标点的位置之间的距离，每个动作数据对应一个无人车辆的当前位置，将所述样本数据输入至所述目标函数，计算当前行驶状态下的每个动作数据的函数值，并获得函数值与目标函数的最小值之间的差值，基于所述差值获得在所述行驶状态下多个所述动作数据所对应的评价值，所述评价值与所述差值成反比，将评价值最高的所述动作数据作为所述行驶状态下的最优动作，连续获取从所述出发点位置到所述目标点的位置上的每个所述行驶状态下的所述最优动作，基于所有所述最优动作最终生成所述无人车辆的行驶路径。
10、进一步地，获取所述无人车辆在所述frenet坐标系下的位置坐标包括以下步骤：
11、定义所述行驶路径的路径中心线为数据参考线，在所述行驶路径上设置多个路径点，获取所述路径点处的位置坐标，所述位置坐标中的纵向坐标为所述无人车辆沿着所述行驶路径行驶过两个相邻的所述路径点之间的行驶距离，所述位置坐标中的横向坐标为所述无人车辆到所述数据参考线的垂直距离，所述位置坐标为所述frenet坐标系下的坐标。
12、进一步地，设置导航点包括以下步骤：
13、获取拍摄所述局部图像数据的拍摄频率，将所述无人车辆在所述frenet坐标系下的行驶速度与所述拍摄频率之商作为控制间隔，基于两个所述路径点之间的所述控制间隔在所述行驶路径上设置导航点。
14、进一步地，对所述导航点作优化处理包括以下步骤：
15、识别所述行驶路径中的转弯区域，判断所述行驶路径上的每个导航点所在区域是否属于所述转弯区域，是的情况下，将所述行驶速度降低至第一阈值范围，并增加所述导航点的数量至第二阈值范围内；
16、若所述导航点所在位置不属于所述转弯区域，则将不属于所述转弯区域的多个连续的导航点所在的区域定义为直线区域，增大所述直线区域内所述无人车辆的行驶速度至第三阈值范围，并将导航点的数量减少至所述第二阈值范围内。
17、进一步地，识别所述行驶路径上的转弯区域包括以下步骤：
18、获取两个导航点之间的所述行驶路径，计算所述行驶路径的道路曲率，若所述曲率大于第四阈值，则表示所述导航点处于转弯区域。
19、进一步地，获得无人车辆的行驶速度包括以下步骤：
20、获取拍摄每帧所述局部图像数据的时间间隔，以及所述无人车辆在连续的所述局部图像数据中的位置变化，将所述位置变化与所述时间间隔之商作为所述无人车辆的形式速度。
21、进一步地，配置所述无人机还包括固定所述无人机的视场朝向。
22、进一步地，所述探索数据包括所述无人车辆的状态数据、动作数据以及奖励数据。
23、进一步地，所述动作数据包括所述无人车辆的方向数据、速度数据以及操作数据。
24、与现有技术相比，本专利技术的有益效果至少如下所述：
25、通过在无人车辆上安装无人机，获取目标区域的全面视图，提取无人车辆的出发点、目标点位置信息以及目标区域的地貌特征，在全面图像数据中确定出发点和目标点的相对位置信息，可以直观地理解无人车辆的导航需求；设置仿真环境模型，让无人车辆在仿真环境模型通过自主随机探索获得确定路径所需要的探索数据，并将探索数据作为样本将用于训练ddqn网络模型，ddqn网络模型通过行为网络生成多个可能的动作，通过评价网络评估这些动作的价值获得评价值，选择评价值最高的动作作为当前状态下的最优动作，提高了路径规划的适应性和灵活性。
26、由于实际道路大多不是笔直的，建立frenet坐标系，frenet坐标系能够更好地适应曲线路径，在frenet坐标系下设置导航点，也能够获取更准确的车辆位置信息；对转弯区域和直线区域的导航点作优化处理，提高行驶的安全性和效率，基于优化后的导航点生成最终的优化路径，确保在没有gps或北斗信号的复杂环境中，无人车辆能够高效、安全地从出发点到达目标点。
本文档来自技高网...【技术保护点】
1.一种基于区域图像相对定位的无人车辆行进路径规划方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，生成所述无人车辆从出发点至目标点的行驶路径包括以下步骤：
3.根据权利要求1所述的方法，其特征在于，获取所述无人车辆在所述Frenet坐标系下的位置坐标包括以下步骤：
4.根据权利要求3所述的方法，其特征在于，设置导航点包括以下步骤：
5.根据权利要求4所述的方法，其特征在于，对所述导航点作优化处理包括以下步骤：
6.根据权利要求5所述的方法，其特征在于，识别所述行驶路径上的转弯区域包括以下步骤：
7.根据权利要求1所述的方法，其特征在于，获得无人车辆的行驶速度包括以下步骤：
8.根据权利要求1所述的方法，其特征在于，所述无人机的配置还包括固定所述无人机的视场朝向。
9.根据权利要求2所述的方法，其特征在于，所述探索数据包括所述无人车辆的状态数据、动作数据以及奖励数据。
10.根据权利要求2所述的方法，其特征在于，所述动作数据包括所述无人车辆
...【技术特征摘要】
1.一种基于区域图像相对定位的无人车辆行进路径规划方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，生成所述无人车辆从出发点至目标点的行驶路径包括以下步骤：
3.根据权利要求1所述的方法，其特征在于，获取所述无人车辆在所述frenet坐标系下的位置坐标包括以下步骤：
4.根据权利要求3所述的方法，其特征在于，设置导航点包括以下步骤：
5.根据权利要求4所述的方法，其特征在于，对所述导航点作优化处理包括以下步骤：
6....
【专利技术属性】
技术研发人员：李向阳，王蕊，高钦和，张志利，
申请(专利权)人：中国人民解放军火箭军工程大学，
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。