【技术实现步骤摘要】
本专利技术属于地图和规划，具体涉及一种基于矢量地图和智能网联系统的驾考场景导航方法。
技术介绍
1、在驾驶考试场景中，导航系统用于科考路径规划时，存在一些不足之处。首先，导航系统在处理复杂的路况和交通规则时，可能会出现信息更新不及时或路径选择不准确的情况。这可能导致考生在考试过程中遇到意料之外的交通状况，从而影响考试成绩。其次，导航系统在路径规划时，可能无法充分考虑到实际驾驶中的各种突发情况，如临时交通管制、道路施工等，这会使得考生在实际驾驶中缺乏应对突发状况的能力。此外，导航系统在路径规划时，可能过于依赖预设的路线，而忽视了考生在实际驾驶中需要具备的灵活应变能力。因此，为了提高科考路径规划的准确性和实用性，需要进一步优化导航系统的算法，使其能够更好地适应复杂的驾驶考试场景。
2、鉴于驾考环境的特殊性与复杂性，亟需提供一种创新的驾考场景导航方案。此方案旨在通过为学员提供明确的目的地导航，显著提升驾考机器人的操作便捷性，从而优化学员的学习体验。基于场地矢量地图的精确性与场地内实时车流信息的动态性，有必要精心规划训练科目的行驶路线。科学合理的路线安排，对于提高驾校的整体运营效率而言，具有至关重要的意义。不仅能够减少不必要的等待与拥堵，还能确保训练过程的流畅与安全，为驾校的长期发展奠定坚实的基础。
技术实现思路
1、鉴于现有技术的局限性，本专利技术提出了一种基于矢量地图和智能网联系统的驾考场景导航方法。该方法为学员提供了明确的目的地导航，显著提升了驾驶考试机器人的操作便捷性，
2、为实现上述目的，本专利技术提供一种基于矢量地图和智能网联系统的驾考场景导航方法，其至少包括如下步骤：
3、步骤s1：构建动态全局地图；此过程融合矢量地图与智能网联车辆所传输的数据。首先，利用矢量地图数据构建全局静态地图，以呈现固定的道路与地形信息；随后，基于智能网联v2x实时数据，动态生成全局动态地图，以反映实时路况与交通状况；
4、步骤s2：科目数据结构化处理；针对矢量地图中定义的驾考科目，提取相关科目信息，并依据ros消息格式的标准，对科目进行结构化的数据整理；
5、步骤s3：路径规划优化；采用hybirda*算法，根据车辆的当前位置与目标点的位置信息，计算并生成一条最短或最优路径；
6、步骤s4：驾考场景导航实现；基于当前车辆位置、全局栅格地图以及步骤s3中计算得到的路径规划结果，实现点至点以及点至科目的路径规划。
7、进一步的，在步骤s1中，利用矢量地图数据构建全局静态地图，至少包括如下步骤：
8、s11、边界信息离散化；驾校场景的矢量地图主要包括场地边界信息和科目信息，主要利用场地边界信息进行地图的生成；边界信息有由一些列的折线组成，每条折线包含若干点，因此按照一定分辨率，对电子围栏进行插值生成密度较高的系列点；针对插值之后生成的一系列点，进行栅格投射，生成全局静态栅格地图；
9、s12、边界信息生成栅格地图：栅格地图为ros的nav_mgs/occupancggrid的消息格式，主要包含地图长宽、地图分辨、地图原点位姿以及每个栅格点的值；栅格点的索引从左到右、从下到上进行编号，每个索引点的值为0表示该格点没有障碍，为100表示该格点有障碍；
10、点云生成栅格地图，其流程包括：
11、(1)对所有的点云点进行遍历，获取每个点在栅格地图中的行索引和列索引：
12、mx＝int((x-map_orin_x)/map_resolution)；
13、my＝int((y-map_orin_y)/map_resolution)；
14、其中(map_orin_x,map_orin_y)为栅格地图的原点，一般为电子围栏插值点的x和y的最小值(xmin，ymin)；map_resolution为地图的分辨率，可自行设定；
15、(2)计算地图的索引
16、index＝my*map_width+mx；
17、其中map_width为地图的宽度，其值为插值点(xmax-xmin)/map_resolution。
18、(3)对地图的该索引赋值为100，表示有障碍。
19、进一步的，在步骤s1中还包括智能网联v2x数据生成全局动态地图的实现方法为：
20、车辆v2x设备可接收其他车辆发送的车辆信息，包括位姿、车辆尺寸、速度等信息，本处利用车辆的位姿、车辆尺寸信息等，将周边车辆往全局静态栅格地图投射，生成关联车联网数据的动态全局地图；其实现步骤如下：
21、步骤s13、单车在原点(0,0)以及航向角yaw＝0.0时的离散化轮廓
22、车辆base_link坐标系在后轴中心处，车辆平面尺寸可用vehiclelength(车长)、vehiclewidth(车宽)、baselink2back(后轴到车尾)三个尺寸来描述；离散化的流程为：(1)定义车辆左、右、上、下边界；(2)对横纵向进行离散；
23、步骤s14、根据车辆位置、姿态进行轮廓更新
24、对离散轮廓的任意一点p(px,py)，其在任意位姿(x,y,yaw)处的新的坐标为:
25、new_px＝x+px*cos(yaw)-py*sin(yaw)
26、new_py＝y+px*cos(yaw)-py*sin(yaw)
27、步骤s15、离散轮廓更新栅格地图
28、根据步骤s12的方法将所有车辆轮廓投射到静态全局地图上生成动态全局地图。
29、进一步的，在步骤s2中科目数据结构化处理实现方式为：针对矢量地图的科目信息，提取相关数据，并按照自定义的ros消息格式进行科目的结构化；科目的自定义结构化消息主要包括科目类型、科目代码、科目点位链表、识别区代码、识别区点位链表和索引位姿，针对不同的科目类型会有微调。
30、进一步的，包括库位的数据结构化、侧方的数据结构化、s弯的数据结构化、直角弯数据结构化和坡道的数据结构化；
31、库位结构化的数据主要包括：
32、sub_type(固定为1)；
33、sub_code(从矢量地图信息的reverseparking“code”信息中提取)；
34、sub_points(从矢量地图信息的reverseparking->point信息中提取，共8个点)；sub_iz_code(从矢量地图信息的reverseparkingidentzone“code”信息中提取)；sub_iz_points(reverseparkingidentzone->point信息中提取，共4个点)；search本文档来自技高网...
【技术保护点】
1.一种基于矢量地图和智能网联系统的驾考场景导航方法，其特征在于：其至少包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：在步骤S1中，利用矢量地图数据构建全局静态地图，至少包括如下步骤：
3.根据权利要求2所述的方法，其特征在于：在步骤S1中还包括智能网联V2X数据生成全局动态地图的实现方法为：
4.根据权利要求3所述的方法，其特征在于：在步骤S2中科目数据结构化处理实现方式为：针对矢量地图的科目信息，提取相关数据，并按照自定义的ROS消息格式进行科目的结构化；科目的自定义结构化消息主要包括科目类型、科目代码、科目点位链表、识别区代码、识别区点位链表和索引位姿，针对不同的科目类型会有微调。
5.根据权利要求4所述的方法，其特征在于：包括库位的数据结构化、侧方的数据结构化、S弯的数据结构化、直角弯数据结构化和坡道的数据结构化；
6.根据权利要求1所述的方法，其特征在于：在步骤S3中路径规划优化实现方式为：该方法结合传统A*算法和采样-优化技术，能够在复杂环境中高效地搜索路径；该方法包括如下：
7.根据
...【技术特征摘要】
1.一种基于矢量地图和智能网联系统的驾考场景导航方法，其特征在于：其至少包括如下步骤：
2.根据权利要求1所述的方法，其特征在于：在步骤s1中，利用矢量地图数据构建全局静态地图，至少包括如下步骤：
3.根据权利要求2所述的方法，其特征在于：在步骤s1中还包括智能网联v2x数据生成全局动态地图的实现方法为：
4.根据权利要求3所述的方法，其特征在于：在步骤s2中科目数据结构化处理实现方式为：针对矢量地图的科目信息，提取相关数据，并按照自定义的ros消息格式进行科目的结构化；科目的自定义结构化消息主要...
【专利技术属性】
技术研发人员：马宏，段桂江，张庶，
申请(专利权)人：易显智能科技有限责任公司，
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。