一种基于机器学习的无人驾驶路径规划系统的制作方法

本发明涉及无人驾驶，具体是一种基于机器学习的无人驾驶路径规划系统。

背景技术：

1、无人驾驶车辆在传统人工智能领域可认为是一种轮式移动机器人，其实现涉及多个学科与领域，包括计算机软件、算法、数据结构、工业控制硬件、物体识别、传感器感知等，其利用功能不一的传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，规划一条安全无碰撞的路径，控制车辆的速度和转向，从而使车辆能够安全地在道路上自主驾驶；

2、在现有技术中，对于园区快递配送车辆的路径规划，往往对配送车辆和车辆路径进行单一的匹配，而忽略了车辆的大小和路径的宽窄对路径规划的影响，造成路径规划的不合理，且现有技术中，也缺乏对于路径障碍和路径偏离的有效处理，造成快递配送效率的低下，针对现有技术的不足，本发明提供了一种基于机器学习的无人驾驶路径规划系统。

技术实现思路

1、本发明的目的在于提供一种基于机器学习的无人驾驶路径规划系统。

2、本发明的目的可以通过以下技术方案实现：一种基于机器学习的无人驾驶路径规划系统，包括主控中心，所述主控中心通信连接有地图构建模块、车辆管理模块、车路匹配模块、路径规划模块、障碍规避模块、偏离处理模块；

3、所述地图构建模块用于利用gis技术构建园区的虚拟地图；

4、所述车辆管理模块用于获得车辆信息和车辆状态，并对车辆信息和车辆状态进行可视化；

5、所述车路匹配模块用于对车辆路径进行划分以获得车辆子路径，并将车辆子路径与配送车辆进行匹配；

6、所述路径规划模块用于获得配送地点，并根据车辆位置和配送地点获得最短可通行路径；

7、所述障碍规避模块用于获得路径视频，根据路径视频对路径障碍进行规避；

8、所述偏离处理模块用于判断车辆是否发生路径偏离，对路径偏离进行处理。

9、进一步的，所述地图构建模块利用gis技术构建园区的虚拟地图的过程包括：

10、设置地图构建单元，通过所述地图构建单元对园区的设施信息进行采集，利用gis技术基于所采集的园区的设施信息构建园区的虚拟地图，通过移动终端对所构建的虚拟地图进行查看。

11、进一步的，所述车辆管理模块获得车辆信息和车辆状态，并对车辆信息和车辆状态进行可视化的过程包括：

12、设置车辆采集单元，通过所述车辆采集单元对配送车辆的车辆信息进行采集，获得配送车辆的装载体积和车辆容积，并根据所获得的装载体积和车辆容积将配送车辆分为空闲状态和使用状态，并将所获得的车辆信息和车辆状态上传至虚拟地图进行可视化。

13、进一步的，所述车路匹配模块对车辆路径进行划分以获得车辆子路径，并将车辆子路径与配送车辆进行匹配的过程包括：

14、在虚拟地图中，将车辆路径划分为若干个车辆子路径，获得各个车辆子路径的路径宽度和路径长度，获得配送车辆的车身宽度，将路径宽度与车身宽度进行比较，并根据比较结果获得相应的匹配结果；

15、将车辆子路径与配送车辆分别进行匹配，对于车辆子路径，获得所有能够通行的配送车辆，对于配送车辆，获得所有能够通行的车辆子路径，并将所获得的车辆子路径和匹配结果上传至虚拟地图进行可视化。

16、进一步的，所述路径规划模块获得配送地点，并根据车辆位置和配送地点获得最短可通行路径的过程包括：

17、设置路径规划单元，通过所述路径规划单元获得配送车辆的配送地点，采用dijkstra算法在车辆位置和配送地点之间获得最短可通行路径，组成最短可通行路径的各个车辆子路径首尾相连，组成最短可通行路径的各个车辆子路径与配送车辆相匹配；

18、步骤s1：将车辆位置到各个划分节点的距离初始化为无穷大，车辆位置到自身的距离初始化为0，创建一个空的优先队列来存储尚未处理的划分节点；

19、步骤s2：从优先队列中选择距离车辆位置最近的划分节点，将所选择的划分节点作为当前节点，并将其从优先队列中移除；

20、步骤s3：对于当前节点的每个相邻划分节点，获得车辆位置经过当前节点到达该相邻划分节点的距离，若经过当前节点的距离比该相邻划分节点所记录的距离更短，则更新该相邻划分节点的距离；

21、步骤s4：重复步骤s2和步骤s3，直到所有划分节点都被访问过或配送地点已经被包括在内；

22、步骤s5：从配送地点开始，根据每个划分节点所记录的最短距离前驱划分节点，逆序回溯获得最短可通行路径。

23、进一步的，所述障碍规避模块获得路径视频的过程包括：

24、设置第一采集单元，获得园区内所有的监控设施，通过所述第一采集单元控制监控设施对车辆子路径的路径图像进行采集以获得第一路径视频；

25、在配送车辆内设置第二采集单元，通过所述第二采集单元对配送车辆的最短可通行路径的路径图像进行采集以获得第二路径视频。

26、进一步的，所述障碍规避模块根据路径视频对路径障碍进行规避的过程包括：

27、设置视频处理单元，通过所述视频处理单元对路径视频中的路径障碍进行识别以获得障碍信息，设置障碍规避单元，通过所述障碍规避单元对路径障碍进行测距以获得路径间隙，并将障碍信息和路径间隙上传至虚拟地图进行可视化；

28、若车身宽度大于路径间隙，则通过所述路径规划单元重新规划最短可通行路径，用以供配送车辆继续配送，若车身宽度小于等于路径间隙，则控制配送车辆通过路径间隙以继续配送。

29、进一步的，所述偏离处理模块判断车辆是否发生路径偏离，对路径偏离进行处理的过程包括：

30、设置偏离修正单元，获得配送车辆的车辆位置以及相应的最短可通行路径，通过所述偏离修正单元获得偏离节点和最近路口，获得车辆位置到偏离节点和最近路口的距离，分别为偏离距离和路口距离；

31、若偏离距离大于路口距离，则将配送车辆导航至最近路口，通过所述路径规划单元重新规划最短可通行路径，用以供配送车辆继续配送，若偏离距离小于等于路口距离，则将配送车辆导航至偏离节点以继续配送。

32、与现有技术相比，本发明的有益效果是：

33、1、利用gis技术基于现实园区构建虚拟地图，并对各项信息和状态进行可视化处理，有利于工作人员随时通过移动终端对园区的虚拟地图进行查看；

34、2、根据车身宽度和路径宽度对配送车辆和车辆子路径进行匹配，并生成相应的标识，有利于对不同型号的配送车辆分别设置不同的通行路径，采用dijkstra算法根据车辆位置和配送地点对不同配送车辆构建相应的最短可通行路径，能够有效地提高配送的效率；

35、3、通过对路径障碍进行采集以获得路径间隙，并基于所获得的路径间隙对配送车辆的路径进行调节，通过判断配送车辆是否发生路径偏离，并对路径偏离进行处理，有利于对因意外因素所导致的路径问题实现有效的规划。

技术特征：

1.一种基于机器学习的无人驾驶路径规划系统，包括主控中心，其特征在于，所述主控中心通信连接有地图构建模块、车辆管理模块、车路匹配模块、路径规划模块、障碍规避模块、偏离处理模块；

2.根据权利要求1所述的一种基于机器学习的无人驾驶路径规划系统，其特征在于，所述地图构建模块利用gis技术构建园区的虚拟地图的过程包括：

3.根据权利要求2所述的一种基于机器学习的无人驾驶路径规划系统，其特征在于，所述车辆管理模块获得车辆信息和车辆状态，并对车辆信息和车辆状态进行可视化的过程包括：

4.根据权利要求3所述的一种基于机器学习的无人驾驶路径规划系统，其特征在于，所述车路匹配模块对车辆路径进行划分以获得车辆子路径，并将车辆子路径与配送车辆进行匹配的过程包括：

5.根据权利要求4所述的一种基于机器学习的无人驾驶路径规划系统，其特征在于，所述路径规划模块获得配送地点，并根据车辆位置和配送地点获得最短可通行路径的过程包括：

6.根据权利要求5所述的一种基于机器学习的无人驾驶路径规划系统，其特征在于，所述障碍规避模块获得路径视频的过程包括：

7.根据权利要求6所述的一种基于机器学习的无人驾驶路径规划系统，其特征在于，所述障碍规避模块根据路径视频对路径障碍进行规避的过程包括：

8.根据权利要求6所述的一种基于机器学习的无人驾驶路径规划系统，其特征在于，所述偏离处理模块判断车辆是否发生路径偏离，对路径偏离进行处理的过程包括：

技术总结本发明公开了一种基于机器学习的无人驾驶路径规划系统，涉及无人驾驶技术领域，包括主控中心，所述主控中心通信连接有地图构建模块、车辆管理模块、车路匹配模块、路径规划模块、障碍规避模块、偏离处理模块；所述地图构建模块用于利用GIS技术构建园区的虚拟地图，所述车辆管理模块用于获得车辆信息和车辆状态，所述车路匹配模块用于获得车辆子路径，并将车辆子路径与配送车辆进行匹配，所述路径规划模块用于获得配送地点，并获得最短可通行路径，所述障碍规避模块用于获得路径视频，对路径障碍进行规避，所述偏离处理模块用于判断车辆是否发生路径偏离，对路径偏离进行处理；通过本发明的技术方案，能够对无人驾驶实现有效的路径规划。技术研发人员：刘懿受保护的技术使用者：刘懿技术研发日：技术公布日：2024/6/18