基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能車(chē)輛路徑規(guī)劃技術(shù)領(lǐng)域，具體涉及一種基于道路危險(xiǎn)評(píng)估的智能 車(chē)路徑搜索方法及系統(tǒng)。
【背景技術(shù)】
[0002] 智能車(chē)路徑搜索是指移動(dòng)實(shí)體按照某一指標(biāo)（如距離、時(shí)間、能量等），在環(huán)境建 模地圖中尋找一條從起始狀態(tài)到目標(biāo)狀態(tài)的行駛路徑。路徑搜索包括實(shí)時(shí)尋路和非實(shí)時(shí)尋 路。實(shí)時(shí)尋路指的是在駕駛過(guò)程中，隨著實(shí)時(shí)道路交通信息的不斷變化而對(duì)尋路結(jié)果不斷 地進(jìn)行重新計(jì)算修正，它依賴(lài)于實(shí)時(shí)道路交通信息采集的頻率和所尋行駛路徑的長(zhǎng)度等因 素，一般需要進(jìn)行多次計(jì)算。非實(shí)時(shí)尋路指算法只在起始時(shí)刻進(jìn)行一次搜索，不利用實(shí)時(shí)交 通信息去進(jìn)行修正和更新，在導(dǎo)航的整個(gè)過(guò)程中始終利用初始的計(jì)算結(jié)果。
[0003]由于在智能車(chē)自主駕駛過(guò)程中道路情況會(huì)實(shí)時(shí)變化，利用非實(shí)時(shí)尋路算法具有明 顯的缺陷。而在智能車(chē)環(huán)境感知的過(guò)程中，經(jīng)常會(huì)碰到由于環(huán)境復(fù)雜，無(wú)法識(shí)別道路中障礙 物，車(chē)道線(xiàn)，交通標(biāo)志等信息。當(dāng)只具備一類(lèi)或幾類(lèi)環(huán)境信息時(shí)，智能車(chē)往往不知道怎樣根 據(jù)獲得的一類(lèi)或幾類(lèi)環(huán)境信息，生成一條當(dāng)前感知能力條件下的最佳行駛路徑，即尋路算 法一般會(huì)失效。綜上，現(xiàn)有的智能車(chē)路徑搜索方法在許多情況下不能實(shí)現(xiàn)路徑搜索，或者不 能實(shí)現(xiàn)準(zhǔn)確的路徑搜索。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于，提供一種基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法及系統(tǒng)， 能夠解決現(xiàn)有的智能車(chē)路徑搜索方法在許多情況下不能實(shí)現(xiàn)路徑搜索，或者不能實(shí)現(xiàn)準(zhǔn)確 的路徑搜索的問(wèn)題。
[0005]為此目的，本發(fā)明提出一種基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法，包括如下 步驟：
[0006]S1、將車(chē)輛行駛的道路環(huán)境建模成由邊長(zhǎng)相同的多個(gè)正方形柵格組成的二維模 型；
[0007]S2、以柵格的危險(xiǎn)評(píng)估值最小為原則，采用啟發(fā)式搜索算法搜索從車(chē)輛車(chē)頭中心 位置所處柵格至目的區(qū)域柵格的最優(yōu)柵格路徑；其中，柵格的危險(xiǎn)評(píng)估值根據(jù)車(chē)輛傳感器 感知的環(huán)境信息計(jì)算得到。
[0008]另一方面，本實(shí)施例公開(kāi)一種基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索系統(tǒng)，包括：
[0009]模型建立單元，用于將車(chē)輛行駛的道路環(huán)境建模成由邊長(zhǎng)相同的多個(gè)正方形柵格 組成的二維模型；
[0010] 路徑搜索單元，用于以柵格的危險(xiǎn)評(píng)估值最小為原則，采用啟發(fā)式搜索算法搜索 從車(chē)輛車(chē)頭中心位置所處柵格至目的區(qū)域柵格的最優(yōu)柵格路徑；其中，柵格的危險(xiǎn)評(píng)估值 根據(jù)車(chē)輛傳感器感知的環(huán)境信息計(jì)算得到。
[0011] 本發(fā)明實(shí)施例所述的基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法及系統(tǒng)，將車(chē)輛行 駛的道路環(huán)境建模成由邊長(zhǎng)相同的多個(gè)正方形柵格組成的二維模型，并以柵格的危險(xiǎn)評(píng)估 值最小為原則，采用啟發(fā)式搜索算法搜索從車(chē)輛車(chē)頭中心位置所處柵格至目的區(qū)域柵格的 最優(yōu)柵格路徑，而柵格的危險(xiǎn)評(píng)估值根據(jù)車(chē)輛傳感器感知的環(huán)境信息計(jì)算得到，這就使得 相較于現(xiàn)有技術(shù)，當(dāng)只具備一類(lèi)或幾類(lèi)環(huán)境信息時(shí)，仍然能夠利用已感知到的環(huán)境信息生 成一條當(dāng)前感知能力條件下的最佳行駛路徑，從而能夠克服現(xiàn)有技術(shù)尋路算法失效的缺 陷，同時(shí)，本發(fā)明屬于實(shí)時(shí)尋路算法，相較于現(xiàn)有的非實(shí)時(shí)尋路算法，能夠克服現(xiàn)有的非實(shí) 時(shí)尋路算法因只進(jìn)行一次路徑搜索所產(chǎn)生的不能根據(jù)實(shí)時(shí)道路環(huán)境信息進(jìn)行實(shí)時(shí)路徑修 正、更新的缺陷，即本發(fā)明能夠解決現(xiàn)有的智能車(chē)路徑搜索方法在許多情況下不能實(shí)現(xiàn)路 徑搜索，或者不能實(shí)現(xiàn)準(zhǔn)確的路徑搜索的問(wèn)題。
【附圖說(shuō)明】
[0012] 圖1為本發(fā)明基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法一實(shí)施例的流程示意圖；
[0013]圖2為本發(fā)明基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法另一實(shí)施例中把障礙物 位置描述為其所在的柵格區(qū)域的示意圖；
[0014]圖3為本發(fā)明基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法又一實(shí)施例中待計(jì)算危 險(xiǎn)評(píng)估值的柵格及其附近障礙物的示意圖；
[0015]圖4為本發(fā)明基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法又一實(shí)施例中柵格搜索 范圍內(nèi)的三個(gè)柵格的示意圖；
[0016] 圖5為本發(fā)明基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法又一實(shí)施例中當(dāng)具備障 礙物和車(chē)道線(xiàn)信息時(shí)的仿真搜索結(jié)果示意圖，*為最終路徑示意圖；
[0017] 圖6為本發(fā)明基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法又一實(shí)施例中真實(shí)城市 環(huán)境的路徑搜索結(jié)果示意圖，*為最終路徑示意圖；
[0018]圖7為本發(fā)明基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索系統(tǒng)一實(shí)施例的方框結(jié)構(gòu)示 意圖。
【具體實(shí)施方式】
[0019] 為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例 中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚地描述，顯然，所描述的實(shí)施例是本發(fā)明 一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有 做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0020] 如圖1所示，本實(shí)施例公開(kāi)一種基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法（the searchmethodbasedontheriskassessment，簡(jiǎn)稱(chēng)SRA)，包括如下步驟：
[0021]S1、將車(chē)輛行駛的道路環(huán)境建模成由邊長(zhǎng)相同的多個(gè)正方形柵格組成的二維模 型；
[0022] S2、以柵格的危險(xiǎn)評(píng)估值最小為原則，采用啟發(fā)式搜索算法搜索從車(chē)輛車(chē)頭中心 位置所處柵格至目的區(qū)域柵格的最優(yōu)柵格路徑；其中，柵格的危險(xiǎn)評(píng)估值根據(jù)車(chē)輛傳感器 感知的環(huán)境信息計(jì)算得到到。
[0023] 本發(fā)明實(shí)施例的基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法，將車(chē)輛行駛的道路環(huán) 境建模成由邊長(zhǎng)相同的多個(gè)正方形柵格組成的二維模型，并以柵格的危險(xiǎn)評(píng)估值最小為原 貝1J，采用啟發(fā)式搜索算法搜索從車(chē)輛車(chē)頭中心位置所處柵格至目的區(qū)域柵格的最優(yōu)柵格路 徑，而柵格的危險(xiǎn)評(píng)估值根據(jù)車(chē)輛傳感器感知的環(huán)境信息計(jì)算得到，這就使得相較于現(xiàn)有 技術(shù)，當(dāng)只具備一類(lèi)或幾類(lèi)環(huán)境信息時(shí)，仍然能夠利用已感知到的環(huán)境信息生成一條當(dāng)前 感知能力條件下的最佳行駛路徑，從而能夠克服現(xiàn)有技術(shù)尋路算法失效的缺陷，同時(shí)，本發(fā) 明屬于實(shí)時(shí)尋路算法，相較于現(xiàn)有的非實(shí)時(shí)尋路算法，能夠克服現(xiàn)有的非實(shí)時(shí)尋路算法因 只進(jìn)行一次路徑搜索所產(chǎn)生的不能根據(jù)實(shí)時(shí)道路環(huán)境信息進(jìn)行實(shí)時(shí)路徑修正、更新的缺 陷，即本發(fā)明能夠解決現(xiàn)有的智能車(chē)路徑搜索方法在許多情況下不能實(shí)現(xiàn)路徑搜索，或者 不能實(shí)現(xiàn)準(zhǔn)確的路徑搜索的問(wèn)題。
[0024] 可選地，在本發(fā)明基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法的另一實(shí)施例中，所 述S2包括：
[0025]S20、在啟發(fā)式搜索算法開(kāi)始時(shí)，將車(chē)輛車(chē)頭中心位置所處柵格作為第一級(jí)父柵 格，并將所述第一級(jí)父柵格存入預(yù)先建立的已搜索列表中，計(jì)算所述第一級(jí)父柵格搜索范 圍內(nèi)的三個(gè)柵格的危險(xiǎn)評(píng)估值，確定出此次計(jì)算出的危險(xiǎn)評(píng)估值中的最小值，判斷該最小 值是否小于預(yù)設(shè)的第一閾值，若小于所述第一閾值，則確定該最小值對(duì)應(yīng)的柵格為此次搜 索的第二級(jí)父柵格，將此次搜索的第二級(jí)父柵格存入所述已搜索列表中，并將所述第一級(jí) 父柵格作為此次搜索的第二級(jí)父柵格的父柵格，將此次搜索的第二級(jí)父柵格作為所述第一 級(jí)父柵格的子?xùn)鸥?，建立所述第一?jí)父柵格和此次搜索的第二級(jí)父柵格的父子關(guān)系；其中 柵格搜索范圍內(nèi)的三個(gè)柵格為沿車(chē)頭方向位于柵格前方的三個(gè)柵格；
[0026]S21、對(duì)于所述已搜索列表中作為父子鏈終端的第i級(jí)父柵格，判斷該第i級(jí)父柵 格是否是所述第一級(jí)父柵格，若不是所述第一級(jí)父柵格，則判斷該第i級(jí)父柵格搜索范圍 內(nèi)的三個(gè)柵格是否為目的區(qū)域柵格，若該三個(gè)柵格均不是目的區(qū)域柵格，則判斷該三個(gè)柵 格是否均存在于所述已搜索列表中，若該三個(gè)柵格中存在不存在于所述已搜索列表中的柵 格，則計(jì)算該三個(gè)柵格中不存在于所述已搜索列表中的柵格的危險(xiǎn)評(píng)估值，確定出此次計(jì) 算出的危險(xiǎn)評(píng)估值中的最小值，判斷該最小值是否小于所述第一閾值，若小于所述第一閾 值，則確定該最小值對(duì)應(yīng)的柵格為此次搜索的第i+1級(jí)父柵格，將此次搜索的第i+1級(jí)父柵 格存入所述已搜索列表中，并將所述第i級(jí)父柵格作為此次搜索的第i+1級(jí)父柵格的父柵 格，將此次搜索的第i+1級(jí)父柵格作為所述第i級(jí)父柵格的子?xùn)鸥?，建立所述第i級(jí)父柵格 和此次搜索的第i+1級(jí)父柵格的父子關(guān)系，否則，若該最小值不小于所述第一閾值，或者該 三個(gè)柵格均存在于所述已搜索列表中，則取消所述已搜索列表中與所述第i級(jí)父柵格存在 父子關(guān)系的第i-1級(jí)父柵格和所述第i級(jí)父柵格之間的父子關(guān)系，重新搜索所述第i-1級(jí) 父柵格的子?xùn)鸥?，或者若該三個(gè)柵格中的一個(gè)柵格是目的區(qū)域柵格，則將從所述第一級(jí)父 柵格開(kāi)始至所述第i級(jí)父柵格的父子鏈以及目的區(qū)域柵格相應(yīng)的路徑確定為從車(chē)輛車(chē)頭 中心位置所處柵格至目的區(qū)域柵格的最優(yōu)路徑，或者若該第i級(jí)父柵格是所述第一級(jí)父柵 格，則判斷該第一級(jí)父柵格搜索范圍內(nèi)的三個(gè)柵格是否均存在于所述已搜索列表中，若該 三個(gè)柵格中存在不存在于所述已搜索列表中的柵格，則計(jì)算該三個(gè)柵格中不存在于所述已 搜索列表中的柵格的危險(xiǎn)評(píng)估值，確定出此次計(jì)算出的危險(xiǎn)評(píng)估值中的最小值，