【技术实现步骤摘要】
本专利技术涉及路径规划，具体而言，涉及一种无导航最远可行路径规划方法、一种无导航最远可行路径规划系统、一种电子设备和一种可读存储介质。
技术介绍
1、智能网联汽车目前已经成为国家发展的重要战略，其中自动驾驶泊车技术是不可或缺的一部分。绝大部分泊车前的库位搜索路径规划方法是在获取目的地下的探索或规划，这样的优势在于能够有效的向目标前进，但是现实世界中，很可能是没有一个既定目的地的，比如在停车场中搜索车位并进行泊车场景，这个过程是无法获取相应的可使用空余车位的位置的，而且由于车位本身的空闲和占用状态，都是实时变化的，可能现在车位可使用，但是在下一时刻就需要做目标车位的变更。因此，泊车场景下的初步获取相应的可泊入车位，更多的是一个探索和发现的过程，是需要在停车场中不断搜索符合泊车条件的库位，才能激活下一步的泊车功能。
2、但是，在实际实施过程中，存在这样一个问题：现有技术中泊车前的库位搜索路径规划方法对于盲区不存在探索，且无法让目标车辆走得更远，容易让目标车辆的轨迹陷入局部最优。
技术实现思路
1、本专利技术解决现有技术中泊车前的库位搜索路径规划方法对于盲区不存在探索，且无法让目标车辆走得更远，容易让目标车辆的轨迹陷入局部最优的技术问题。
2、为解决上述问题，本专利技术提供一种无导航最远可行路径规划方法，包括：获取目标车辆所在区域的栅格地图，根据栅格地图构建热力地图；基于场景限制和车辆本身参数限制获取目标车辆的速度域和角速度域；基于车辆动力学和车辆碰撞条件，根据速
3、与现有技术相比，采用该技术方案所达到的技术效果：以泊车场景为例，目标车辆驶入停车场到泊入库位，可以分为两步：第一步即无目的地的探索，直至获取到可泊入的库位；第二步，泊入库位。本申请涉及泊车前的库位搜索路径规划，即可以无视地图，实时获取环境信息，实时探索环境直至获取相应库位。通常来说，对第一轨迹通过采样时间进行约束，但在本申请中并不完全以时间作为约束条件，会以大于约束的最大采样时间的时长去采样轨迹，使第一轨迹能够更长，这样不会陷入局部最优，就是“死胡同”，降低了需要人工操作倒退驶出“死胡同”的概率，以及更高的安全性；同时采用变长轨迹，使目标车辆的采样时间能够最高达到第二采样时间，使第一轨迹持续时间更长，变长轨迹能够让目标车辆走得更远哪怕是在视野外的位置区域。
4、在本专利技术的一个实例中，根据最优轨迹对目标车辆进行控制，包括：根据最优轨迹对应的采样持续时间，获得最优采样时间；根据最优采样时间和第一采样时间的大小，对最优轨迹进行处理以获取目标轨迹；根据目标轨迹对目标车辆进行控制。
5、与现有技术相比，采用该技术方案所达到的技术效果：本申请中按照代价函数选择代价最大的第一轨迹作为最优轨迹，且各个第一轨迹和各个采样持续时间相应设置，将最优轨迹对应的采样持续时间定义为最优采样时间。由于最优采样时间的范围为，需要对最优轨迹相应的最优采样时间进行时间匹配，将最优采样时间匹配到第一采样时间后，将最优轨迹处理后生成目标轨迹，最终根据目标轨迹对目标车辆进行控制。通过对最优采样时间进行时间匹配，避免输出的目标轨迹过长，从而满足内存需求，避免数据泄露。
6、在本专利技术的一个实例中，根据最优采样时间和第一采样时间的大小，对最优轨迹进行处理以获取目标轨迹，包括：当最优采样时间大于第一采样时间时，截取第一采样时间内的最优轨迹作为目标轨迹；和/或当最优采样时间等于第一采样时间时，目标轨迹为最优轨迹。
7、与现有技术相比，采用该技术方案所达到的技术效果：对最优轨迹相应的最优采样时间进行时间匹配的具体方法为：将第一采样时间后的最优轨迹删除，也就是删除最优轨迹中时间过长的多余轨迹点，也可以称作对目标轨迹的输出长度进行约束。
8、在本专利技术的一个实例中，轨迹集合为：，对轨迹集合内的i条第一轨迹进行代价计算，以获得最优轨迹，包括：通过代价函数对第一轨迹进行代价计算；代价函数为：；其中，为轨迹集合，为在轨迹集合中的第i条第一轨迹；为轨迹的速度代价函数，为轨迹的热力代价函数，为轨迹的长度代价函数，为轨迹的角速度代价函数；速度代价函数为：；热力代价函数为：；长度代价函数为：；角速度代价函数为：；其中，为速度代价系数，为轨迹在轨迹点的速度，为场景限制的最大速度；是热力代价系数，是轨迹在轨迹点的热力值，是热力值限制；为长度代价系数，为轨迹的长度；为角速度代价系数，为轨迹在轨迹点的角速度。
9、与现有技术相比，采用该技术方案所达到的技术效果：遍历轨迹集合中的i条第一轨迹，对每条第一轨迹的每个轨迹点进行计算，通过对每条第一轨迹进行速度代价、热力代价、长度代价和角度度代价的计算，从而获得每条第一轨迹的代价：，为第i条第一轨迹的第k个轨迹点。建议取值区间：，，，。根据对i条第一轨迹进行代价计算，获得相应集合：，其中，为第0条第一轨迹的代价；为第i条第一轨迹的代价。
10、在本专利技术的一个实例中，获取目标车辆所在区域的栅格地图，根据栅格地图构建热力地图，包括：在栅格地图下，初始化完全可信区域；获取栅格地图中障碍物的障碍存在区域；判断障碍存在区域是否处于完全可信区域；当障碍存在区域处于完全可信区域时，根据障碍物的类型确定障碍存在区域的热力系数；和/或当障碍存在区域未处于完全可信区域时，确定该障碍存在区域的热力系数为热力系数阈值。
11、与现有技术相比，采用该技术方案所达到的技术效果：完全可信区域为完全可信、绝对可见的区域，该区域和盲区共同组成了栅格地图的全部区域，栅格地图中的障碍物将栅格地图划分为相对的完全可信区域和盲区；接着，遍历栅格地图，获取栅格地图中存在障碍物的区域，记为障碍存在区域，障碍物集合可以看做多个障碍存在区域的集合；最后，遍历栅格地图，对每个没有障碍物存在的区域，计算和最近障碍物间的欧式距离。计算相应的映射在热力地图中的热力值（根据障碍物的类型、障碍物存在区域是否处于完全可信区域来确定热力系数，并根据热力系数和欧式距离获取热力值）；最终，通过对栅格地图中热力系数的确定，以构建热力地图，构建热力地图能够使目标车辆走在道路的更中间，尽可能远离障碍物，远离障碍物能够对特殊情况有更多的时间去处理，比如突然出来行人或者车辆，有足够的时间去避免事故发生，同时也对上游的感知精度需求进一步降低。
12、在本专利技术的一个实例中，基于场景限制和车辆本身参数限制获取目标车辆的速度域和角速度域，包括：获取车辆相关速度区间、加速度相关速度区间和碰撞相关速度区间；获取车辆相关角速度区间、加速度相关角速度区间和碰撞相关角速度区间；根据车辆相关速度区间、加速度相关速度区本文档来自技高网...
【技术保护点】
1.一种无导航最远可行路径规划方法，其特征在于，所述无导航最远可行路径规划方法包括：
2.根据权利要求1所述的无导航最远可行路径规划方法，其特征在于，
3.根据权利要求2所述的无导航最远可行路径规划方法，其特征在于，
4.根据权利要求1所述的无导航最远可行路径规划方法，所述轨迹集合为：，其特征在于，
5.根据权利要求1所述的无导航最远可行路径规划方法，其特征在于，
6.根据权利要求1所述的无导航最远可行路径规划方法，其特征在于，
7.根据权利要求6所述的无导航最远可行路径规划方法，其特征在于，
8.一种无导航最远可行路径规划系统，所述无导航最远可行路径规划系统使用如权利要求1-7任一项所述的无导航最远可行路径规划方法，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至7中任一项所述的无导航最远可行路径规划方法的步骤。
10.一种可读存储介
...【技术特征摘要】
1.一种无导航最远可行路径规划方法，其特征在于，所述无导航最远可行路径规划方法包括：
2.根据权利要求1所述的无导航最远可行路径规划方法，其特征在于，
3.根据权利要求2所述的无导航最远可行路径规划方法，其特征在于，
4.根据权利要求1所述的无导航最远可行路径规划方法，所述轨迹集合为：，其特征在于，
5.根据权利要求1所述的无导航最远可行路径规划方法，其特征在于，
6.根据权利要求1所述的无导航最远可行路径规划方法，其特征在于，
7.根据权利要求6所述的无导航最远可行路径规划方法，其特征在于，...
【专利技术属性】
技术研发人员：章航嘉，王艳明，娄君杰，邢文治，许丁宁，王建琴，汤天烁，
申请(专利权)人：宁波均胜智能汽车技术研究院有限公司，
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。