評(píng)估函數(shù)來(lái)計(jì) 算當(dāng)前點(diǎn)的估計(jì)值，通過(guò)對(duì)車(chē)道線，道路邊界，障礙物，車(chē)輛速度，任務(wù)規(guī)劃等因素對(duì)當(dāng)前柵 格產(chǎn)生的危險(xiǎn)進(jìn)行評(píng)估，最終確定每個(gè)柵格的危險(xiǎn)估計(jì)值；最后利用啟發(fā)式的搜索方法，尋 找一條從車(chē)輛當(dāng)前柵格到目的地區(qū)域的危險(xiǎn)值最小的柵格路徑作為智能車(chē)當(dāng)前的可行駛 路徑。
[0065] 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，柵 格的危險(xiǎn)評(píng)估值的計(jì)算公式為f(n) =g(n)+h(n)+i(n) +j(n)+k(n)，其中，f(n)是待計(jì)算危 險(xiǎn)評(píng)估值的柵格的危險(xiǎn)評(píng)估值，g(n)是障礙物危險(xiǎn)評(píng)估值，h(n)是車(chē)速危險(xiǎn)評(píng)估值，i(n) 是車(chē)道線危險(xiǎn)評(píng)估值，j(n)是任務(wù)危險(xiǎn)評(píng)估值，k(n)是其他危險(xiǎn)評(píng)估值。
[0066] 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g(n) =W-S?u，其中，W為預(yù)設(shè)的第二閾值，S為待計(jì)算危險(xiǎn)評(píng)估值的柵格到最近障礙柵 格的柵格距離，U為預(yù)設(shè)的單位柵格距離的第一危險(xiǎn)值。
[0067] 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
，其中，a為車(chē)輛行駛到待計(jì)算危險(xiǎn)評(píng) 估值的柵格需要轉(zhuǎn)向的柵格角度，v為車(chē)輛當(dāng)前速度，k為一常數(shù)系數(shù)。
[0068] 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i(n) =p?q，其中，p為待計(jì)算危險(xiǎn)評(píng)估值的柵格到最近車(chē)道虛擬中心線的柵格距離，q 為預(yù)設(shè)的單位柵格距離的第二危險(xiǎn)值。
[0069] 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，當(dāng) 車(chē)輛正常行駛時(shí)，所述j(n)的值為0,當(dāng)車(chē)輛執(zhí)行特殊任務(wù)時(shí)，所述j(n)的值為常數(shù)。 [0070] 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，當(dāng) 車(chē)輛正常行駛時(shí)，所述k(n)的值為0,當(dāng)車(chē)輛遇到特殊情況時(shí)，所述k(n)的值為常數(shù)。 [0071] 如圖7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)路徑搜索系統(tǒng)，包括：
[0072] 模型建立單元1，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；
[0073] 路徑搜索單元2,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。
[0074] 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 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)只具備一類或幾類環(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。
[0075] 可選地，在本發(fā)明基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索系統(tǒng)的另一實(shí)施例中，所 述路徑搜索單元包括：
[0076] 第一柵格搜索子單元，用于在啟發(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；
[0077] 第一路徑搜索子單元，用于對(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?，?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，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，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，則將所述已搜索列表中的歷史父子關(guān)系鏈中第一次距離目的區(qū)域柵格最近的歷 史父子關(guān)系鏈相應(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)域柵格所能達(dá)到 的最遠(yuǎn)路徑，i為正整數(shù)。
[0078] 本發(fā)明采用一套危險(xiǎn)評(píng)估體系，根據(jù)當(dāng)前感知的結(jié)果，形成可行駛區(qū)域中各部分 的危險(xiǎn)系數(shù)，從而搜索最佳行駛路徑。與現(xiàn)有的技術(shù)比較，本發(fā)明的優(yōu)點(diǎn)是：
[0079]一、有效融合了多傳感器數(shù)據(jù)。
[0080] 由于智能車(chē)使用的傳感器種類并不相同，數(shù)據(jù)各有特點(diǎn)，融合十分困難。本算法提 出了危險(xiǎn)評(píng)估的層面，使得多種傳感器數(shù)據(jù)能夠在此層面得到統(tǒng)一，并且形成量化指標(biāo)寫(xiě) 入對(duì)應(yīng)柵格圖；同時(shí)，人為因素的影響也可以統(tǒng)一到柵格圖，作為對(duì)環(huán)境的危險(xiǎn)評(píng)估之一， 從而指導(dǎo)最優(yōu)路徑的生成。
[0081] 二、當(dāng)環(huán)境信息不全時(shí)，也可以實(shí)現(xiàn)SRA搜索算法。
[0082] 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，交通標(biāo)志等信息。當(dāng)只具備一類或幾類環(huán)境信息時(shí)，我們可以令未知信息的危險(xiǎn)估 計(jì)值為〇,僅用已知信息來(lái)評(píng)價(jià)道路各區(qū)域的危險(xiǎn)評(píng)估值，這樣SRA搜索算法仍然能夠?qū)崿F(xiàn) 當(dāng)前感知條件下的較優(yōu)路徑的搜索。
[0083] 三、目的區(qū)域不可到達(dá)時(shí)，SRA搜索算法可以給出最遠(yuǎn)路徑。
[0084] 當(dāng)車(chē)輛前方的目的區(qū)域被堵死以至于無(wú)法到達(dá)時(shí)，現(xiàn)有的搜索算法一般會(huì)失效， 而該算法會(huì)記錄在深度優(yōu)先搜索過(guò)程中最接近目的區(qū)域的位置，從而提供一條能夠行駛得 最靠近目的區(qū)域的較優(yōu)路徑。
[0085] 雖然結(jié)合附圖描述了本發(fā)明的實(shí)施方式，但是本領(lǐng)域技術(shù)人員可以在不脫離本發(fā) 明的精神和范圍的情況下做出各種修改和變型，這樣的修改和變型均落入由所附權(quán)利要求 所限定的范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法，其特征在于，包括如下步驟： 51、 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； 52、 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。2. 根據(jù)權(quán)利要求1所述的基于道路危險(xiǎn)評(píng)估的智能車(chē)路徑搜索方法，其特征在于，所 述S2包括： 520、 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